二级丨宏观量化笔记｜日/周频数据驱动PMI Predict模型改进
👩🏻💻 摸鱼时写了一篇宏观量化笔记，同时整理好了代码和参考文献有需要的可pm，欢迎交流～
🖍️ PMI是月频数据，计算公式如下：制造业PMI = 新订单指数x30%+生产指数x25%+从业人员指数x20%+(100-供应商配送时间指数)x15%+主要原材料库存x10%
🖍️ 以上指标得分来源主观调研，然而在数据正式披露前(如月中)，提前得知PMI值可辅助决策制定，例如如果能提前predict3月的pmi ，就能抓住铜的那波行情。
🖍️ 所以我尝试编制PMI高频数据跟踪predict模型，让我惊喜的是相比于参考的研报，输出效果更好一点，我事后归因为因子选取更具经济学逻辑。
🔵STEP 1:
参考国君研报《宏观分析手册之一:PMI分析与predict》的方法进行PMI高频数据编制，基本思路是对新订单指数和生产指数进行高频数据predict，再结合权重进行综合predict，模型基础采取的是经典OLS模型。详见P5。
🔵STEP 2:
广选因子，为捕捉经济活动的细微变化，广泛搜集各类高频经济指标作为潜在predict因子，包括但不限于“唐山钢厂高炉开工率”、“唐山钢厂高炉开工率”、“30大中城市商品房成交面积”等指标。
🔵STEP 3 :
采取逐步回归法，保留显著变量并剔除多重共线性问题严重的变量，输出拟合度较高的predict方程，拟合图效果详见P3。
🔵STEP 4 :
使用PMI生产和PMI新订单拟合PMI指数，该代码灵活且方便，predict结果较为准确,详见P3。
🔺代码使用者可根据需要，任意调整时间窗口对PMI进行predict，同时代码在因子选择方面具备高度可拓展性，可以任意增删因子，便于后续优化与更新，详见P4。
代码：链接: https://pan.baidu.com/s/1DIRC3CNMbdqpDb6L1CPXSQ 提取码: abcd