股票指数(股票指数涨跌由什么决定)

分析师：王 开 S0980521030001

分析师：董德志 S0980513100001

1.财新PMI和官方PMI方向背离的典型期间

今年9~11月，财新PMI和官方PMI出现了方向性背离。结合事件研究和定量对比，两口径PMI有三次持续背离：2015年 2~4月， 2015年 8月 ~2016年 1月， 2018年 2~5月，其中影响时间最长、引起市场广泛探讨的是第二次背离期。

2.三种背离假说中，采样时间不同说有一定参考意义

（1 ）第一种是“ 东部沿海和全国样本的采样说” ，东部地区较全国工业企业利润的增速在2015~2016 年的供给侧改革期间的确更胜一筹，但在2017~2019 年贸易摩擦期间、包括新冠疫情后就逊色了，因此并不成立。（2 ）第二种是“ 采样时间不同说” ，官方PMI 数据采集填报时间是在每个月末，而财新PMI 数据的采集和填报区间是在每个月的中旬，根据两个PMI 季节性规律和三十城住房成交面积的例子，我们可以发现背离和采样时间确实有一定关联。两个PMI 幅度上的背离是“ 家常便饭” ，而方向上的“ 背道而驰” 更容易发生在四季度。但这类假说难以总结出一般规律，可以被部分证实，却难以被证伪，我们不作为重点研究对象。（3 ）第三种是“ 大小企业样本背离说” ，一种“ 思维定式” 会认为财新的指标选取的是中小型、民营企业为主，而官方指标选取的是大中型、国有企业为主。我们发现这与事实相悖，财新PMI 反而与大企业更有关。抽样矩阵的第一步都是按照各行业增加值占比情况，第二步产生了分歧，官方口径采取PPS 分层抽样，有一定概率照顾到中小企业。如果将“ 雇员人数” 看作企业规模，在国内面临特定的现象—— 增加值占比高的行业，企业雇员人数更多。

3.中观视角上PMI 背离主要有新订单和产出引起的

最为典型的、引起市场广泛讨论的两个PMI背离出现在2015~2016年间，官方PMI显著高于财新PMI。我们将总背离拆解成分项指标的贡献对比，可以发现二者的背离主要是产出和新订单两个分项引起的。若将国信高频扩散指数和两个口径的PMI加以对比，发现官方PMI与国信高频指数更为接近。2016年期间经济景气得以走出谷底，主要是水泥价格的拖累在逐渐缓解，另外，建材综合指数的负向贡献也有所走弱。汽车全钢胎开工率、三十城商品房成交面积和主要钢厂螺纹钢产量对经济的拖累没有减轻，PTA产量和焦化企业开工率的影响则微乎其微。从方向上来看，过剩产能行业的产能出清带动了经济向好发展，这点与官方PMI走向较为接近。

4.PMI 背离时，资本市场定价规律不定，需要引入工业增加值同比

（1）前两次背离期间，市场在为官方PMI定价。2015年2月~4月，官方PMI走高、财新PMI回落时，股票指数和十年期国债到期收益率出现了上行；2015年8月~2016年1月官方PMI回落、财新PMI走高期间，股票指数、债券收益率、商品指数都出现了不同程度的走弱。（2）第三次背离时，市场则为财新PMI定价。2018年2~5月官方PMI上行、财新PMI下滑期间，股票指数、债券收益率、商品指数均出现了不同程度的回落。可以发现，资本市场并不一定为了官方口径PMI走势定价，这时候就需要引入“第三方”的指标来“调停”。这个担任“和事佬”的指标即市场广泛关注的工业增加值同比，在2015~2016年间的前两次背离中，工业增加值同比和官方口径PMI提示的方向是一致的。2018年的情况稍复杂，工业增加值走出了一段“M”形，经济二次探底，背离期间整体还是走弱的，这与官方PMI整体向好的态势相悖，反而更接近财新PMI下滑态势。

以下为正文：

市场中有很多实用的宏观调查指数，领先于经济数据发布，便于提前把握数据拐点并布局左侧。其中，市场接受度最广的、应用最多的即制造业PMI指数。总量角度有两个口径的制造业PMI数据，其一是国统局和中采联合发布的官方PMI，其二是财新PMI。

财新PMI和官方PMI间的走势发生分歧时有发生，是什么原因造成了二者的背离？此期间资产价格为谁定价？本文试图解释上述问题。

怎么定义二者的背离呢？为了避免对背离的定义仅是我们定性分析的“一家之言”，先以定量视角和事件分析两个角度来推演：

*定量视角：一个季度内两个PMI方向背离且持续一段时间共有2006.10~2006.6，2015.2~2015.6，2015.10~2016.1，2017.1~3，2017.12~2018.5五段经验）

*事件分析：市场高度关注且点评了二者背离，持续一个月以上（2015.11~2016.8, 2017.6~10, 2018.7~9, 2019.10~11）

综合来看，两个PMI的背离期间可以认为是2015年2~4月，2015年8月~2016年1月，2018年2~5月），其中影响时间最长、引起市场广泛探讨的是2015~2016年的背离期。

1. 两个PMI的统计环节、样本构成等对比

权威性的角度来看，相信部分读者会自然而然认为，官方数据样本全、统计时间晚、回收率更高，更能反映出全貌，和工业增加值走势接近等等。本篇研究立足于官方PMI和财新PMI的全方位比较，寻找二者差异的原因，并落实到资产价格在二者分离时，更相信谁。

表1对比了两个PMI的分项构成、回收问卷时间、抽样方式和样本、汇总和季调方法等维度， 可以发现两个指标的统计方法大相径庭。

2.官方PMI和财新PMI间的真实荣枯线是多少？

2005~2018年间数据显示，官方PMI>财新PMI的情景相对更多，我们首先抛出一个问题，两个PMI的“真实荣枯线”是一样的吗？美国学者通过对比PMI和GNP的走势，认为美国PMI的真实荣枯线在42.5%左右，一段时间内制造业PMI高于42.5%代表着国家经济整体上升。也有研究认为美国PM的真实荣枯线可能略大于50%（Harris，1991），这与选择的指标（IHS Markit还是ISM口径），以及选取的时间段有关。那么中国两个口径PMI的真实荣枯线是多少呢？只有先化解掉“截距项”，才能对比两个指标差异的真正来源。

我们将工业增加值数据进行滤波处理获得产出缺口，分别用财新PMI和官方PMI和产出缺口的正、负区间对比，找到两个PMI的真实荣枯线。这里一个重要的假设是经济繁荣的两个表征：“产出缺口为正”、“PMI高于真正荣枯线”是线性对应起来的，那么我们找到产出缺口正负的临界点，对应的截距项就是PMI真实的荣枯线。过去10年的数据显示：财新PMI的荣枯线是50.2%左右，官方PMI的荣枯线则在50.7%附近，官方的真实荣枯线本身就比财新PMI要高些。如果以2016年3月作为分界线，前5年、后5年财新PMI的荣枯线分别是49.3%及50.9%，官方PMI荣枯线分别是50.5%和50.8%，也都有所提高。

3.两口径PMI背离常见三种假说和推敲

关于财新与官方PMI的背离，以往研究有三种解释，我们在此逐一推敲：

背离假说1：东部沿海和全国样本的采样说

第一种背离假说，是财新采样的企业多分布于东部沿海地区，而官方的PMI则在东、中、西三大板块进行全范围的采样，即地理差异造成的统计差异。我们对这个原因存疑，由于现在难以获得各省市工业企业营收的数据，我们用利润数据来代替。从固有印象来出发，东部沿海地区经济更为发达，经济表现是全国的“绩优生”，那么财新PMI应该比官方PMI更好才对。从实证角度，东部地区较全国工业企业利润的增速在2015~2016年的供给侧改革期间的确更胜一筹，但在2017~2019年贸易摩擦期间、包括新冠疫情后就逊色了，全国工业企业利润增速与财新PMI、全国PMI的走势反而更加接近，证伪完毕。

背离假说2：采样时间不同说

官方PMI数据采集填报时间是在每个月末（22-25日），而财新PMI数据的采集和填报区间是在每个月的中旬（12-21日），填报时间的差异造成最终数据差异。Markit的说明文件也提到，数据是在月中两周收集的，采购经理被要求将当月中与上月中的情况进行比较。官方PMI的采集时间选在下旬，此时填报的数据更能反映当月整体情况。那么，财新的采样数据是用当月中两周和上个月中的对比，是否样本会有偏？

如下图5，我们以30大中城市房地产成交面积为例，可以发现采样时间的不同，的确会引起数据变动方向的不同。浅蓝线是月中采样，参考财新的调查时间，计算当月12~21日成交面积均值和上月同期的环比变化率，而深蓝线全月采样则对应官方标准，是当月成交面积相对上个月成交面积的环比变化率。我们发现在2017年和2019年末，两个指标出现了方向性背离，这种背离甚至持续了2~3个月。

为了考察财新PMI指数和官方PMI指数的季节性规模，我们计算了各自的月度的变化值（历年1月变化值是和上一年的12月对比），可以发现 10年间二者幅度上的背离是“家常便饭”，而方向上的“背道而驰”更容易发生在四季度。这点涉及汽车和地产产业链的销售绩效、财年支出等缘故，可以用两指标采样时间的差异予以解释。

综上，我们认为指标背离有一定采样时间的原因，比如月首、月底两三周和月中相差较大时，官方口径更为全面。 但采样时间不同的假说难以总结出一般规律，可以被部分证实，却难以被证伪，我们不作为重点研究对象。

背离假说3：大小企业样本背离说

由于发布的渠道不同，市场有很多声音认为官方采样的企业，主要是大中型国有企业，而财新采样的主要为中小民营企业。实际上这种观点难免有些“思维定式”。从结果出发，我们对比了官方口径的中小型企业、大型企业PMI与财新PMI的联系， 发现财新PMI与大型企业间的匹配程度要强于中小企业，大小企业的差异假说难以解释财新和官方PMI间的缺口。

即是说，财新PMI反映的反而是大型制造业企业的景气状况，这与两类PMI的抽样方法有关。关于抽样方法，财新PMI新闻通稿中只是提到了“调研样本根据行业对中国GDP的影响，按行业详细分类和公司用工规模予以分层抽样”，我们在Markit的抽样模型中能够找到细微的线索。

图9显示了官方和Markit口径PMI抽样过程的区别。官方PMI以大中型制造业法人企业为抽样单位，2003年调查对象为在工行部门注册登记、能够从事正常经营活动的全部大中型企业，不包括小型企业，当时考虑地域和产业类型，抽样到了730家企业，东、中部企业超过8成半，前五大重点工业省市取样超过四成。

在抽样方式上，无论是官方还是财新PMI，第一轮抽样抽取样本数量，都是按照各行业增加值占全体制造业、非制造业增加值的权重来赋予的，本质上并无差别。制造业企业2020年营收排在前十的行业，其营业收入基本占到了全部工业企业的七成，批发零售、建筑业、房地产三大支柱也占据非制造业GDP的六成多。

样本差异的真正来源，是两个口径PMI在这些主要行业内抽取样本时不同的方式所致。客观来讲官方的数据更有可能涵盖全面的企业。首先，在2010年，为了适应中小企业快速发展，官方PMI适当增加了中小企业样本点，调查数量增至820家。样本企业销售收入占国有及规模以上全部工业的五分之一，占大中型工业销售收入的三成，占制造业大中型工业的35.6%（中采，2010），目前样本已经扩容至3000家。其次，我们借用一个简单的案例来介绍下官方PMI的PPS抽样环节：

*假设一个行业有10家企业，按照其占GDP的比重只能选取3家企业作为样本。

*将10家行业随机标号并依次排列，主营业务收入累加得到一个累计数列，如1209（万元，下同）则抽样间隔=1209/3=403

*此时在[1,403]范围内选取一个随机数，如30，则四个被选中的营收分布依次为： 30，30+403= 433,30+403*2= 836

在这个抽样过程中，虽然均匀下来的“筛选距离”还是更多照顾大中型的企业，（被大企业样本营收“拉伸”的距离，会越过一些小企业样本），但在3000家样本抽样的情况下，还是有机会入选部分营收规模相对较小的企业的，这点和中采的表述相符。

官方口径的好处在于首先获得了全样本的企业营收数据，然后做累加和抽样。而Markit的方法是根据国家统计部门数据，先构建一个经济增加值-企业规模（ 用雇员人数代表）的分布矩阵，然后在矩阵中招募样本企业，这样就“先入为主”限定了样本的范围。而“矩阵”中涉及雇员人数的分布实际上也值得仔细分析。下表3是Markit列举的，PMI非制造业企业抽样的一个简化版案例：先根据各行业增加值确定其分层内的样本企业数目，再根据企业雇员规模（19名以内，多于19且小于250，250名以上）来采样。这样看确实能照顾到各个规模的企业，但是我国制造业的情况却存在一定的特殊性——按照就业人数衡量的企业规模和行业增加值都具有马太效应。

下图12展示了主营收入前10的工业行业中，企业平均就业人数的分布情况。营收前三大行业（计算机、通信和电子设备制造，汽车制造，黑色金属冶炼及压延加工，电气机械及器材制造）的雇员集中度都超出了均值，而后七大行业中除了石油、煤炭及其他燃料加工业外，各行业的雇员集中度都位列均值之下，将就业人数作为企业规模的表征，和主营业务收入间具有“ 强者恒强”的效应—— 在头部收入的行业中，更容易筛选到就业人数多的大企业样本。如果用人均就业规模前四位的行业作为“就业代表性行业”，则财新PMI对代表性行业的营收增速具有一定的领先性（图13）。

PMI的收入主导行业中，无论是就业人数导向（财新PMI体系），还是企业数目导向（官方PMI可抽样的来源），国有部门均未占据较高的份额。企业性质方面，我们测算2020营业收入前10大行业中，国有控股企业单位数占比，以及国有单位就业人员数占总体人员的比重。可以发现除了石油煤炭和其他燃料、黑金冶炼及压延加工两个行业外，其他行业国企单位比重均在全行业的10%以下，国企就业人数也基本没有超过全行业就业人数的2%。

同理，部分认为财新和官方PMI主要代表轻工业和重工业企业，进而造成二者数据差异的观点，也存在一定偏颇。 至此，样本的“地域分布说”、“行业分布说”、“国有-民营企业说”、“企业规模说”都要打上一个问号。

4.从分项数据看背离的结构成因

最为典型的、引起市场广泛讨论的两个PMI背离出现在2015~2016年间，官方PMI显著高于汇丰PMI（财新PMI的前身）。我们将总背离拆解成分项指标的贡献对比，可以发现二者的背离主要是产出和新订单两个分项引起的。读者可能会有疑惑，这两个指标在两类PMI构成中占比都是前两位，合在一起占了55%，是不是由于权重高所致。即便我们拿掉权重因素，单独来看五个分项指标的绝对差异，也会发现产出和新订单是造成官方PMI更高的原因所在。官方PMI比财新PMI低的时候，往往是被原材料库存和供应商供货时间两项所拖累的。

拿掉季节效应（年底方向背离频发）、基数因素（官方PMI真实荣枯线比财新PMI要高）后，在经济扩张阶段，官方口径新订单和产出两类指标，容易录得更高的值；而在经济收缩时，官方口径的原材料库存指标容易报的更低。深究原因需要从中观上加以对比，此处引入笔者构建的特色指数。

我们将国信高频扩散指数和两个口径的PMI加以对比，发现官方PMI与国信高频指数更为接近。虽然国信高频指数A和PMI都是具有类环比性质的扩散指数，但指数A仍具有一定季节性，而PMI数据是经过季调的，从原理上讲我们和定基类的扩散指数B来比较更为妥帖。结果显而易见，在2015~2016年的背离，还有目前的短期背离中，指数B和官方PMI的指向更为一致。类同比口径的指数C在目前的背离中也是和官方PMI的走势比较接近。

国信高频指数里包含的七个指标，按照2020年上半年的营收结构，能够代表整个工业企业五成的情况，看其分项的贡献度，也可以了解到哪些行业的贡献了经济景气的波动。2016年期间经济景气得以走出谷底，主要是水泥价格的拖累在逐渐缓解，另外，建材综合指数的负向贡献也有所走弱。汽车全钢胎开工率、三十城商品房成交面积和主要钢厂螺纹钢产量对经济的拖累没有减轻，PTA产量和焦化企业开工率的影响则微乎其微。从方向上来看，过剩产能行业的产能的出清带动了经济逐渐向好发展，这点与官方PMI走向较为接近。

5.资本市场为谁定价？

接下来我们考虑，在三次典型的两口径PMI背离时，资本市场为谁定价。我们考察股、债、商三类资产，看PMI数据背离时，资本市场是在交易哪个PMI的走向。 （1）前两次背离期间，市场在为官方PMI定价。2015年2月~4月，官方PMI走高、财新PMI回落时，股票指数和十年期国债到期收益率出现了上行；2015年8月~2016年1月官方PMI回落、财新PMI走高期间，股票指数、债券收益率、商品指数都出现了不同程度的走弱。 （2）第三次背离时，市场则为财新PMI定价。2018年2~5月官方PMI上行、财新PMI下滑期间，股票指数、债券收益率、商品指数均出现了不同程度的回落。

可以发现，资本市场并不一定为了官方口径PMI走势定价，这时候就需要引入“第三方”的指标来“调停”。这个担任“和事佬”的指标即市场广泛关注的工业增加值同比，在2015~2016年间的前两次背离中，工业增加值同比和官方口径PMI提示的方向是一致的。2018年的情况稍复杂，工业增加值走出了一段“M”形，经济二次探底，在背离期间整体还是走弱的，这与官方PMI整体向好的态势相悖，反而更接近财新PMI下滑的态势。既然我们在判断PMI背离时以3个月及以上的时间窗口来判断，就可以引入工业增加值的走向，来给资产定价“破案”，归根到底资本市场对工业增加值的走向更加敏感，这也是制造业PMI创造的“使命”之一。

至于PMI数据怎么去预测，笔者认为不必过度纠结。如果用布油价格同比、MSCI新兴市场同比等价格口径的高频指标，可以对PMI的走势有个大体的把握，但引入PMI来应对市场变动本身也是为了交易，如果过度追求PMI预测的精准而大量纳入价格信息，则又会陷入“庄生梦蝶”的疑局。和复杂的、多宏观指标拟合出来的各种宏观“先行指标”相比，PMI是由一线采购环节经理调研问卷产生的，没有过拟合的弊端也正是这类指标的魅力所在。 无论是调查得到的软指标、还是依据产量和价格的硬指标，能对投资交易有帮助的就是好指标。

参考资料

[1]财新，财新中国通用制造业PMI新闻稿[OL]，2021-11-01

[2]国家统计局四川调查总队，《PMI简明读本》[M],中国统计出版社，2011

[3]中国物流与采购联合会，《中国PMI研究与实践》[M]，中国财富出版社，2002

[4] IHS Markit, An introduction to the PMI surveys [OL], 2017-06-18

[5] IHS Markit, PMI: The world’s leading economic indicator [OL], 2017-06-18

风险提示：海外疫情反复的风险、全球供应链问题对上游原材料价格的冲击、海外耐用品库存高位回落的风险。