基于EPMI和高频指标的制造业PMI预测：宏观先行指标如何前瞻？

制造业PMI通常被视为月频经济监测的先行指标，但近年来市场博弈和交易属性增强，投资者开始寻求更领先的指标。EPMI及部分高频经济数据因其发布时间早、反映基本面边际变化等特征，具备成为“先行指标的先行指标”的潜力。

本文构建了基于EPMI和高频经济指标的制造业PMI预测模型，主要结论如下：

1. EPMI对制造业PMI的预测：

   • 初步回归显示EPMI相关指数与制造业PMI存在线性关联，但单独使用效果有限。
   • 模型一：使用EPMI相关指数（EPMI总指数、生产量指数等8项）对制造业PMI进行回归，拟合优度R²为0.5146。
   • 模型二：剔除2020年疫情外生冲击后，模型拟合优度提升至R²为0.681，预测偏差减小。

2. EPMI与高频经济数据结合的预测：

   • 模型三：引入高频指标（股债隐含经济增长预期、螺纹钢期货价格等8项）后，模型拟合优度提升至R²为0.5303。
   • 模型四：剔除2020年疫情外生冲击后，模型拟合优度进一步提升至R²为0.6768。
   • 模型四在2024年下半年表现略差于模型二，可能与大宗商品价格和股债隐含经济增长预期的波动加大有关。

3. 基于PMI环比差分的预测：

   • 模型五：引入更多自变量（采购量、出口订单等），样本量减少，拟合优度R²为0.4655。
   • 模型六：放松逐步回归P值限制，样本量增加，拟合优度R²为0.2801，但误差有所降低。
   • 模型五和模型六的预测值与实际值保持较强正相关，且包含超越前期PMI的有效信息。

4. 模型胜率回测：

   • 模型二、四、五、六的荣枯胜率均在75%以上，范围胜率在58-69%之间，方向胜率在58-74%。
   • 模型二、四、六组合的荣枯、范围、最优预测和次优预测胜率均较高。

5. 风险提示：

   • 模型失效风险、基本面剧烈波动风险、财政及货币政策超预期。

核心观点：EPMI和高频经济数据能有效提升制造业PMI预测模型的拟合效果，模型二、四、五、六均具备一定的参考价值，组合使用模型二、四、六可提高预测胜率。