本期东财固收「温故知新」系列培训第4期聚焦于制造业PMI预测模型研究,采用EPMI和高频指标进行分析。报告构建了多组回归模型,对比了不同模型的拟合效果和预测胜率,并重点分析了模型二、四、五、六的表现。研究显示,剔除疫情离群值的模型二拟合效果更优,而引入高频指标的模型四和六在胜率上表现突出。报告还探讨了高频指标波动对模型效果的影响,以及通过环比差分提升当期波动解释力的方法。
制造业PMI是衡量制造业经济活动的重要指标,对债市研判有重要参考价值。报告指出,7月制造业PMI录得49.2,环比下降1.1个百分点,显示经济下行压力。通过预测模型研究PMI变化,可以帮助投资者更好地理解经济趋势,评估政策效果,从而做出更合理的投资决策。报告中的模型检验也显示,加入PMI预测值后基准回归的拟合优度显著提升,进一步印证了PMI指标的重要性。
报告构建并对比了六组不同的PMI预测模型。模型二通过剔除2020年疫情离群值,拟合效果优于未剔除的模型一。模型三和四引入高频指标,拟合度随样本区间缩短提升,但近年高频指标波动扩大导致长期样本下模型四效果受影响。模型五引入更细分的EPMI指标,因样本缩小拟合度弱于原模型。模型六放宽显著性门槛,残差略低于模型五,两者预测值与实际值相关系数约0.76-0.78。报告最终认为模型二、四、五、六有效,其中模型二、四拟合效果及预测偏差更优。
报告指出,7月制造业PMI录得49.2,环比下降1.1个百分点,处于荣枯线以下,显示制造业景气度有所下降。这一数据对债市研判有重要参考价值,提示投资者关注经济下行风险。报告中构建的PMI预测模型可以帮助投资者更深入地理解当前市场状况,评估未来经济走势。同时,报告也提醒投资者关注高频指标近年波动扩大可能对长期模型效果的影响,以及模型五因样本缩小可能导致的预测准确性下降问题。
报告提示了两个主要投资风险。一是高频指标近年波动扩大可能拖累长期样本下模型效果,这意味着依赖高频指标的模型在预测长期趋势时可能面临较大不确定性。二是模型五因样本缩小拟合度降低,可能影响预测准确性,提示投资者在使用该模型时应谨慎评估其可靠性。此外,报告还建议持续跟踪模型二、四、六组合的PMI预测效果,并关注高频指标稳定性,探索优化其运用方式以提升模型表现,以应对潜在的投资风险。