高频数据分析手册

正文目录

1.高频数据分析原则..............................................................................5

2.经济指标与对应的高频数据.....................................................................7

2.1.生产法下的工业增加值.....................................................................7

2.2.支出法下的“三驾马车”....................................................................14

2.2.1.固定资产投资：基建、房地产和制造业................................................14

2.2.2.消费：社会消费品零售总额..........................................................16

2.2.3.出口...............................................................................20

3.价格指标与高频数据...........................................................................24

3.1.与CPI相关的高频数据...................................................................24

3.2.与PPI相关的高频数据....................................................................28

图目录

图1.高频数据指标.................................................................................5

图2.工业增加值与发电耗煤量相关性较高............................................................8

图3.钢铁高频数据环比走势与工业相关性良好（6月移动平均）.......................................10

图4.钢铁高频数据同比走势与工业增加值相关性一般................................................10

图5.汽车轮胎开工率与汽车增加值的关系较明显.....................................................11

图6.汽车轮胎与工业增加值的相关性一般（6月移动平均）...........................................11

图7.化工类指标与工业增加值环比走势相关性尚可（6月移动平均）..................................12

图8.工业增加值与扩散指标.......................................................................14

图9.商品房成交与房地产投资的相关性较高.........................................................15

图10.供应土地占地面积领先于房地产开发投资......................................................15

图11.固定资产投资综合指数......................................................................16

图12.社零的构成项目............................................................................17

图13.乘联会的周频数据与汽车零售强相关.........................................................18

图14.油价与石油零售走势相关性较强..............................................................18

图15.原油价格和社会消费品环比相关性高.........................................................18

图16.汽车价格与社会消费品相关性明显............................................................18

图17.数据同比相关性有所减弱....................................................................19

图18.社零数据与综合指标走势一致的概率仅为61%.........................................................................................20

图19.出口集装箱指数与出口环比走势相关性一般....................................................21

图20.波罗的海干散货指数与全球经济走势密切相关.................................................22

图21.波罗的海干散货指数与中国出口走势相关性尚可...............................................22

图22.出口走势与综合指标的相关性一般............................................................23

图23.CPI的八项构成.............................................................................25

图24.食品项主导了CPI走势......................................................................25

图25.食品项同比预测............................................................................26

图26.食品项环比预测值与实际值走势一致.........................................................26

图27.CPI非食品项存在一定的季节性规律..........................................................27

图28.三类指数与CPI环比走势亦步亦趋............................................................28

图29.三类指数与CPI的同比走势相关性也不错.....................................................28

图30.同比预测值与实际值较为符合................................................................28

图31.预测结果不错...............................................................................28

图32.PPI与生产资料价格指数走势明显一致........................................................29

图33.PPI与生产资料价格指数环比预测结果不错...................................................29

图34.PPI的同比预测情况明显差于环比............................................................29

图35.几类高频数据与PPI.....................................................................................................................................30

表目录

表1.各工业行业增加值占比........................................................................9

表2.各项高频数据指标情况.......................................................................12

表3.数据一致性越强，预测可靠度越高.............................................................13

表4.地产相关各项高频数据指标情况...............................................................16

表5.高频数据概览................................................................................24

表6.CPI食品项对应指标..........................................................................25

表1.各工业行业增加值占比........................................................................9

表2.各项高频数据指标情况.......................................................................12

表3.数据一致性越强，预测可靠度越高.............................................................13

表4.地产相关各项高频数据指标情况...............................................................16

表5.高频数据概览................................................................................24

表6.CPI食品项对应指标...................................................................25

1.高频数据分析原则

市场上高频数据种类繁多，要想找出隐藏在其中的优质高频数据，我们

需要以低频数据为依据，先寻找与各类低频数据有着明显关系的高频数据，

再对这些高频数据进行处理从而更好的建立高频数据观测体系。

需要注意，高频与低频是一个相对概念，对于年度数据而言，月度数据

就是高频数据；而对于月度数据而言，日度或者周度数据就是高频数据。本

文接下来提到的所有高频数据均是指频率在一个月以内的数据，而低频数据

则是月度数据。

第一步，确定重要的低频数据。

在选取低频数据时，我们可以将经济运行指标分为两大类：

第一类，与经济增长相关的数据。我们从生产端和需求端两侧出发来确

定相应的经济指标。从需求端来看，需求可以分为投资、消费和净出口三大

类，对应的我们选取固定资产投资、社会消费品零售总额以及出口金额作为

体现经济总需求的指标；从生产端来看，生产一般可以按照行业分为第一产

业、第二产业和第三产业，考虑到低频数据的可得性，我们主要着眼于第二

产业的生产情况，选取的低频数据是工业增加值。

高频数据

经济增长通货膨胀

固

会

社

工

定

出

费

消

业

口

资

零

品

增

金

产

总PPI

售CPI

加

额

投

值

资

图1.高频数据指标

资料来源：wind,红塔证券

第二类，是与通货膨胀相关的数据。通胀数据我们主要跟踪两个指标:

一是居民消费价格指数（CPI）,其衡量的主要是与居民生活消费密切相关商

品与服务的价格变化，像是食品饮料、服装、房租、交通（衣食住行）这些

都包括在CPI指标里；二是工业生产者出厂价格指数（PPI）,包括生产资料

和生活资料两大类，其能够比较好的体现工业产品的价格波动。

第二步，以低频数据为依据，选择高频数据并进行处理。

在确定好我们希望跟踪的重要低频经济数据后，我们接下来要做的就是

依据这些低频指标，去寻找与之密切相关的高频数据。不过这是一个很复杂

的过程，也是构建高频数据库的核心一步。

要知道，相比于低频数据，市场上的高频数据类型繁多，在统计方式、

统计口径、发布频率等方面均与低频数据有所不同，要想更好的使用高频数

据来预判低频数据走势的话，我们无论是在前期高频数据的筛选上，还是在

后期高频数据的处理上，都要尽量谨慎。

第一，要注重指标在经济学上的联系，基于经济上的相关性，比如产业

链上的相关性、指标统计对象上的一致性等，有方向的去寻找对应的高频数

据。

像是我们如果想要去分析房地产投资，就可以先去寻找上游的土地成交

面积、钢铁等建筑材料价格等与房地产投资密切相关的高频数据。而如果我

们想分析CPI指标的话，即可以去分析猪肉、羊肉价格，这些与CPI的具体

分项指标密切相关的高频数据，也可以分析菜篮子产品批发价格200指数，

这类也关注食品价格方面的高频数据。

第二，高频数据与低频数据的类型一致。具体就是，我们在选取数据时

要求同比数据与同比数据相对应、环比数据与环比数据相对应、累计值数据

与累计值数据相对应、当月值数据与当月值数据相对应。

如对于CPI数据，我们在意的是环比数据和同比数据，而我们能够找到

的高频数据可能是猪肉价格、牛肉价格这些绝对值数据，因此在进行比较时，

我们需要先将绝对值数据转变为环比和同比数据，再按照同比对同比、环比

对环比的原则进行比较。

再比如，固定资产投资一般只能够获得累计值，但是高频数据往往是当

月值数据，比如当月（周）土地成交面积，因此我们需要通过做差分的方式

将累计值转变为当月值之后再进行分析。

第三，以高频数据与低频数据的相关性为依据，选取相关性更高的高频

数据作为观测指标。

要知道市场上高频数据繁多，无论是经济指标还是价格指标，我们都能

够找到不少有一定经济学联系的高频数据与之对应。因此，在挑选高频数据

时，我们需要先计算高频指标与低频指标之间的相关性，然后按照相关性排

序，选取相关性高的高频数据。

比如在分析CPI时，“农产品批发价格200指数”、“菜篮子产品批发价

格200指数”和“食用农产品价格指数”这些指标都和CPI有不错的相关性，

但是在选择是我们还是会优先考虑“食用农产品价格指数”，因为它与CPI的

走势更相似。

同样的，在分析社会消费品零售总额时，因为消费的产品类型繁多，有

汽车类、粮油食品和烟酒饮料类、石油及制品类、日用品类等等，那这就需

要我们去抓住主要矛盾，从而更好的把握社零的走势。而在这里主要矛盾就

是汽车类和石油类，它们与社零的走势密切相关（详细分析请看下文）。

第四，高频数据的降频处理。无论是比较高频数据与低频数据的关系，

还是用高频数据对低频数据进行预判，我们都需要先将高频数据转变为低频

数据，即将日频、周频的数据更改为月频的数据。具体的操作方法，我们一

般是取月度均值。

以CPI对应的猪肉平均批发价为例。该数据是日频数据，那么我们就需

要将同一月份的每日猪肉平均批发价取平均值，计算得到该月份猪肉的平均

批发价，之后再基于月频的猪肉价格来计算猪肉的环比和同比数据。

第五，使用高频数据拟合数据时我们更多的是着眼于方向上的正确，而

不着眼于预测的精准度。之所以这么做这主要是因为高频数据与对应低频数

据之间的相关性并不高，这使得通过高频数据来准确判断低频数据的走势极

其困难。因此我们在使用高频数据时更注意方向上的变化，而不着眼于精度

上的预测，毕竟有时候，模糊的正确往往比精准的错误更有意义。

而且即使是方向上的，用高频数据也不会有很高的准确度，从我们下面

的分析来看，方向上能够有70%左右的准确度就算是很高了，比较难以观察

的如出口，准确度也就55%-60%左右了。而也就是因为我们不能准确的判断

经济的具体走势，所有才会有预期差的存在。

不过在分析价格指标（CPI和PPI）时，因为我们能够找到与其密切相

关的高频数据，所以我们在使用高频数据来判断CPI和PPI走势时，我们会

尝试精准的拟合。而且，从结果上来看的话，通过高频判断CPI和PPI的走

势准确率也很高。

第三步，寻找到对应的高频数据后，我们可以建立对应的高频数据库，

从而更好的关注经济的短期走势。另外，也能对数据进行一些别的处理，比

如将多个高频数据处理成为一个综合指标，让我们更好的对短期的经济走势

有一个大致的判断。

2.经济指标与对应的高频数据

2.1.生产法下的工业增加值

在分析生产时，我们主要分析的是第二产业或者说工业的生产情况，这

主要是因为统计局每个月中旬会公布工业增加值数据，而并没有公布其他行

业如服务业的生产数据。

工业增加值反映的是工业生产情况。近几年来，工业生产在GDP中的占

比虽然有所下滑，但依旧在30%以上，因此该指标能够较好的体现当下的经

济运行状况。我们一般认为工业增加值增速上升，那么经济向上运行的概率

更高；反之，如果工业增加值增速下滑，则说明目前经济潜在下行压力较大。

因为工业增加值涵盖范围广泛，所以我们能够从市场上找到种类较多的

高频数据来或多或少的反映出当下的工业企业生产情况。

如有能够相对全面反映工业生产情况的6大发电集团耗煤量、铁路货运

量等指标；也有能够反映出各个工业行业生产经营情况的高频数据如钢铁产

量、浮法玻璃产量、汽车开工率、化工产品开工率等。

其中，6大电厂耗煤量曾被做观测工业增加值的主要高频数据。虽然由

于清洁能源对火电的替代、沿海地区发电代表性的下降等原因，6大电厂耗

煤量的经济意义逐渐下滑，但是从历史趋势上看，用该指标预测工业增加值

走势的胜率达到三分之二，这一胜率在高频数据指标中表现是十分亮眼的。

但在2020年7月之后，有5家电厂不再公布日均耗煤量数据，因此，

本文不再使用该指标作为观测工业增加值走势的高频数据。

50.0018.01

40.00i6.a

i4.a

30.00

i2.a

20.00

10.0(

10.00

8.00

0.00

6.00

-10.00

4.00

-20.002.00

-30.00

。

s90Z9Z9OZ90Z9Z9。Z90Z90

oT00工00H90TO9O01O0I00I

,，

，,

,m44I99-'Z8,6—,S66

mTU1I9TI8T66ZZZ

rIolJ0LUTSUTSO0TIO0OIO1UTI000

OoOO00ZO0O0oJO0

ZzZZZZZZZZZZZZZzZNzZZZ

图2.工业增加值与发电耗煤量相关性较高

资料来源：wind,红塔证券

在本篇文章中，我们从工业构成的几大重点行业出发，选取相关行业具

有代表性的高频数据，来对工业增加值进行大致的判断。从行业生产规模上

看，非金属矿物制品、化学原料及化学制品、黑色金属冶炼及压延加工业、

汽车制造业等行业的增加值在整体工业增加值中位居前列。

表1.各工业行业增加值占比

行业占比和排名行业占比和排名

非金属矿物制品6.7%(1)黑色金属冶炼5%(6)

及压延加工业

化学原料及化学制品制造6.6%(2)农副食品加工4.5%(7)

业业

电力、热力的生产和供应6.4%(3)电气机械及器4.2%(8)

业材制造业

汽车制造业5.8%(4)煤炭开采和洗4.1%(9)

选业

计算机、通信和其他电子5.6%(5)金属制品业3.8%(10)

设备制造业

资料来源：根据2017年投入产出表计算，红塔证养；（注：国为投入产出表的编制频率是5年一次，

因比目前最新的一次是在2017年。用投入产出表计算的问题在于，一是时间可能稍微有点旧，只有

2017年数据。二是它统计的是全部工业，布月度工业增加值只针对规模以上工业.三是投入产出表是按

照产品分类进行统计的，而工业增加值是按照部门分类进行统计。不过息的来说，这些米差都在可接受

范围内.）

在综合考量了各细分行业的规模以及对应高频数据的可得性之后，我们

选取钢铁行业、汽车行业和化学原料及化学制品行业这三大行业作为选取高

频数据的依据。

第一，钢铁行业相关指标。钢铁作为黑色金属的代表，在工业生产中有

着不可替代的作用，无论是汽车制造业还是金属制品业等都离不开钢材。

一般我们可以在wind行业数据库，钢铁行业下找到诸多与钢铁行业相

关的高频数据。而市场则往往会通过跟踪高炉开工率、唐山钢厂高炉开工率、

重点企业粗钢产量、钢材产量、全国粗钢预估日均产量等高频数据来跟踪工

业增加值。

结合市场常用的指标以及我们寻找的指标，根据相关性排序，我们选取

重点企业粗钢产量、钢材产量以及高炉开工率这三个指标来分析钢铁行业生

产情况。从历史趋势上我们也能够看出，这几个指标在环比上与工业增加值

的走势比较接近。

一高炉开工率（163家）:全国:月:环比0.80

—日均产量:粗钢:重点企图喊标题

—日均产量:钢材:重点企业停D：月:环比

—工业增加值:环比:季调展轴）V\%。

o4o

总

2

0.401

H

oO

O

别

别

美类别

O。

.2

。

IWC0I3ZISI就0IZ0I3Z0

竦

。I0-0-赛E9I0-9I

4歹

，04-S-I918S3-666

寸I-II

ISIS0II06III

I0Z0I0I0I00ZOIOI000

0Z000Z00Z00

ZZZZZZZZZZZZZZZ

图3.钢铁高频数据环比走势与工业相关性良好（6月移动平均）

资料来源：wind,红塔证券（注：2020年由于疫情的影响，环比数据波动极大，加入后不方便看出具

体趋势，所以我们没有选取，2020年数据，不过趋势是一致的）

一高炉开工率（163家）:全国:月:同曲表广-啧均产量:粗钢:重点企业:月:同比

20.00一日均产量:钢材:重点企业:月:同蜕*"七*二业增加值:当月同比（右轴）9.00

8.50

6005

猾

450

|003o6

?.50

0.00

32.5

6.00

-5.00

2

■10.00h

1,00

-15.00

晒

r\

-20.004.00

图4.钢铁高频数据同比走势与工业增加值相关性一般

资料来源：wind,红塔证券（注：由于春节效应，工业增加值同比在1,2月份变化明显，我们使用1-2

月份累计同比替代，2020年2、3月工业增加值同比为负，为了展示趋势，我们这里不显示。）

第二，汽车行业。要寻找与汽车相关的高频数据，我们可以从汽车产业

链出发，如汽车配件作为汽车的上游产业，其生产情况与汽车生产密切相

关，考虑到数据的可得性，市场一般会比较关注汽车轮胎（包括全钢胎和半

钢胎）的生产情况。

从历史走势来看，汽车轮胎半钢胎与汽车制造业的相关性较高，毕竟轮

胎是汽车不可或缺的配件，轮胎生产情况与汽车生产本来就密切相关。不

过，从数据上看的话，汽车轮胎的生产情况与工业增加值的相关性一般。

图5.汽车轮胎开工率与汽车增加值的关系较明显图6.汽车轮胎与工业增加值的相关性一般（6月移

动平均）

20.00—开工率:汽车轮胎:全钢胎:月:环比

汇

-1S.00KS6S6S666WS8O.

90hU009090-9

S----Z-8-666

ornIIS19I9I91INII8II

鹿

史

mE9卷zz00000

-oo0erZZ0Z0Z0Z0Z70ZZ0Z2

S二

一

二

一

=-_一

i一

I--I1iizz.

OoIl0o。ooo0

ZzZ0zo*ZtobI00zzzzzzozo7

zoZOez>

资料来源：wind,红塔证券资料来源：wind,红塔证券（注：2020年由于疫情的影响，环比数据波

动极大，加入后不方便看出具体趋势，所以我们没有选取该区间，不过

趋势是一致的。）

第三，化学原料及化学制品行业。化学原料及化学制品行业作为中上游

行业之一，在整个工业链条中具有极其重要的地位。一般在wind化工行业

部分我们可以找到各类主要化工产品如PTA、聚酯切片、纯碱等化工产品

的开工率、产能利用率、产量等高频数据，而通过这些数据我们可以来间接

跟踪化工产品的生产情况。

因为化学产品种类繁多，在选取的时候，按相关性高低排序，我们选取

相关性靠前的指标作为高频数据进行跟踪。需要注意的是，各个高频数据在

时间跨度上并不同，在考虑相关性的前提下，我们优先选取时间跨度较长的

指标。如烯度的产量数据虽然在各类数据中相关性靠前，但是wind自2017

年10月才开始统计这个数据（如果计算同比的话，就要到2018年了），因

此我们暂时不考虑使用该指标，类似的还有开工率:聚酯产业链:PX等指

标。

经过筛选，我们选取了PX开工率（PX指对二甲苯，主要用于生产对

苯二甲酸（PTA）、医药中间体（DMT）、涂料等商品）、PTA开工率（PTA

指精对苯二甲酸，是生产聚酯纤维、瓶级聚酯的主要材料，被广泛用于化学

纤维、轻工、电子等行业）以及涤纶短纤装置负荷率（涤纶短纤主要用于纺

织行业）作为我们观测的高频数据。

一开工率:PTA:国内:月府生

-开工率:国内:月:蛆:水杯烟

9.00PX:0.80

装置负荷率:涤纶短纤:国内:月:环比

类别类别类别类别

-7.001234

繇第g£0小怨S£看噌自£虫：

000000000000000(

<NcMrMoirMrMrMrM<NrstN(NrM<N(Nf

图7.化工类指标与工业增加值环比走势相关性尚可（6月移动平均）

资料来源：wind,红塔证券（注：由于春节效应，工业增加值同比在1,2月份变化明显，我们使用1-2

月份累计同比替代。2020年由于疫情的影响，环比数据波动极大，加入后不方便看出具体超眇，所以

我们没有选取该区间，不过趋势是一致的。〉

自此，我们依据几类主要工业行业，选取了高炉开工率、重点企业钢材

（粗钢）产量、汽车轮胎：半钢胎产量、PX开工率、PTA开工率、涤纶短

纤装置负荷率等指标作为观察工业增加值的窗口。

表2.各项高频数据指标情况

日均产日均产开工率：开工率：装置负

高炉开工开工开工

量:钢材量:粗钢汽车轮汽车轮荷率:涤

率:全国率:PX率:PTA

（万吨/（万吨/胎:全钢胎泮钢纶短纤

（M）(M)(«)

天）天）

胎（M）胎（K）（M）

第一周66.8575.2171.2593.4491.5979.66

2020第二周66.57209.45220.2573.1869.3290.7891.4279.79

年12第三周66.85213.66220.1661.7960.4590.4789.3478.54

第四周

月67.1357.0556.9889.5986.7876.63

第五周67.54223.78216.2954.8954.9189.5984.2977.36

2021第一周66.8566.5065.8589.5984.3974.10

年1月第二周66.30205.19219.5670.0566.9589.1081.9777.55

资料来源：wind,红塔证券

从单一的高频数据上来看，虽然它们与工业增加值的走势或多或少有相

关，但是这种粗略的相关性明显不能够支持我们精准的分析工业增加值的走

势，因此我们仅仅只是用高频数据来做一个方向上的判断。

即如果这几个高频数据在本月超半数都是正向增长的，那么我们就更有

理由相信这个月的工业增加值有更高的概率会上升；反之，如果大部分数据

都出现负向增长，那么我们也有理由相信这个月的工业增加值有更大的概率

会下滑。

数据的实际走势也证明了我们的判断，从样本历史走势来看，当选取的

7个高频数据都上升或者都下降时，工业增加值有75%的^率走势与高频数

据走势一样，随着高频数据走势的分化，工业增加值走势与高频数据走势的

一致性也在降低。

表3.数据一致性越强•预测可靠度越高

资料来源：wind,红塔证券

因为是方向上的分析，我们先来判断选取的几类高频数据走势与工业增

加值在方向上的联系。从同比变化方向上看，自2016年以来，我们选取的

7个高频数据同比走势与工业增加值同比变化方向一致的月份占比均超过

50%,其中汽车轮胎：半钢胎的方向一致性最高，达到了65%,最低的则

是高炉开工率，占比仅有53%。

从环比变化方向上看，自2015年以来，高频数据与工业增加值季调环

比的变化方向一致性也比较高，其中汽车轮胎：半钢胎依旧位列第一，变化

一致月份占比达到了68%o

进一步的，我们可以基于这7个高频数据来构建指数，借此来跟踪工业

增加值的走势。指数构建的核心原理就是我们刚刚提到过的，如果当月有更

多的高频数据在好转，那么我们就更有理由相信本月的工业增加值会好转；

反之亦然。指数的具体构建步豚如下：

第一步，通过计算均值的方式，将各项高频数据转化为月度数据，之后

基于月度数据计算各项指标的环比变化。

第二步，对每一项高频数据，我们以上一个月数据的环比增速为基准，

如果高频数据的当月环比增速比上个月高，我们则将其赋值为1；如果高频

数据的当月环比增速比上个月的低，我们则将该指标赋值为-1;如果环比增

速不变，我们则赋值为0。

比如11月份重点企业粗钢的日均产量环比为-2.08%,而12月份环比

为3.17%,因此我们将重点企业粗钢12月份的数值赋值为1。

第三步，在得到各指标的数值后，我们按照等权重相加。在这里为了简

便，我们对各个高频数据赋予相同的权重，当然不想按照等权重的话，也可

以按照相关性、回归系数、产值比重等等赋予各项指标不同的权重。

第四步，我们将上面相加得到的结果除以高频指标数量（7个），计算

得到最后的指数。

需要注意，这只是最便捷的构建指数的方法，我们并没有考虑各项高频

数据的权重问题以及变化幅度问题，不过我们只是想看出指标环比变化与工

业增加值环比变化在方向上的趋势，因此简单一点影响也不大。

从结果上，我们可以看到工业增加值的季调环比增速与综合指标在整体

上的走势比较接近，从历史方向走势上看，当综合指标变化时，工业增加值

有65%的概率与综合指标同方向变化。

420

00

80

60

420

00

图8.工业增加值与扩散指标

资料来源：wind,红塔证券（由于疲情影响，工业增加值在个别月份波动极大，为了展示是甥，我们

选取的区间里不能展示全部工业增加值的波动。）

除了环比，类似的我们可用同样的方法来预测工业增加值的同比走势，

具体指标的构建方式和环比的方式一致，因此在这里并不展开。