第 9 章数据素养与信息食谱¶

本章位置：第三部分方法 · 第 9 章 学习目标：学会正确读一份经济数据；建立自己的数据日历与宏观仪表盘；设计一套可持续的日/周/月研究流程。 前置要求：第 4 章（因果链）、第 5 章（反应函数）、第 6 章（象限判断）。

引言：两份 CPI，两种反应¶

2022 年 9 月 13 日，美国公布 8 月 CPI：同比 8.3%。当天标普 500 暴跌 4.3%，是 2020 年 6 月以来最差的一天。

2022 年 11 月 10 日，美国公布 10 月 CPI：同比 7.7%。当天标普 500 暴涨 5.5%，是 2020 年 4 月以来最好的一天；十年期国债收益率下跌 30 个基点，美元指数跌 2% 以上。

两份数据的同比读数都很高——8.3% 和 7.7% 都是四十年来罕见的通胀水平。但市场的反应是一天暴跌、一天暴涨。为什么？

因为市场反应的不是数据的水平，而是数据与预期的差距。9 月那份，市场预期环比下降 0.1%（油价在跌），实际上升 0.1%，核心通胀环比 0.6%、是预期的两倍——"通胀比想象的顽固"。11 月那份，市场预期同比 7.9%、核心环比 0.5%，实际 7.7% 和 0.3%——"通胀终于开始降了"。

这一章讲怎么正确地读一份数据，怎么从海量信息里找出真正重要的部分，以及怎么把这件事变成一套每天可以执行的流程。第三部分"方法"从这里开始，因为所有的交易论点都建立在你读到的信息上——信息读错了，后面的一切都是错的。

9.1 怎么读一份数据：五个维度¶

一份经济数据不是一个数字，是五个维度的信息。

维度一：相对预期¶

数据公布前，市场有一个共识预期（各家机构预测的中位数）。市场价格里已经包含了这个预期。所以数据公布后，价格的第一反应取决于"实际减预期"——这叫"意外"（surprise）。

引言的两个例子已经说明了这一点。补充两个细节：

第一，共识预期之外还有"耳语数字"——市场实际押注的数字，可能与公开共识不同。如果所有人都认为"数据会比共识强"，那么一份"正好符合共识"的数据实际上是意外偏弱。判断耳语数字，看数据公布前几天的市场走势和仓位变化。

第二，意外的大小要用历史波动来衡量。就业数据的月度波动通常在几万人，一份差 5 万的数据算"意外"；而 CPI 环比的波动通常在 0.1 到 0.2 个百分点，一份差 0.3 的数据是巨大的意外。

维度二：修正¶

大多数经济数据会被修正——有时修正的幅度比当月的意外还大。美国非农就业报告每次都会修正前两个月的数据，年度基准修正可能把过去一年的新增就业调整几十万甚至近百万。2024 年 8 月的初步基准修正把前一年的就业增长下调了约 80 万。

读数据时要同时看：这个月的数字，和上两个月的修正方向。如果连续几个月都在下修，说明经济的真实趋势比每次公布的初值更弱——这是一个比单月数据更可靠的信号。

维度三：季节调整与基数¶

大多数数据经过季节调整，试图去掉每年重复的季节性模式。但季节调整并不完美——某些数据在某些月份有系统性偏差（比如美国一季度的通胀数据常常偏高，被称为"残余季节性"）。知道这些偏差，可以避免对一月的强数据反应过度。

同比数据受基数影响：如果去年同期特别高，今年的同比就会显得低，即使当前的动量没有变。所以看通胀，宏观交易员更关注环比的三个月年化（近三个月环比平均值乘以十二），它反映的是当前动量，不受一年前的干扰。

维度四：领先、同步还是滞后¶

第 6 章说过，判断经济方向要用领先指标。每一份数据在周期中的位置不同：

领先：PMI 新订单、初请失业金、建筑许可、信贷脉冲、收益率曲线、商品价格
同步：工业产出、零售销售、就业人数
滞后：失业率、CPI（尤其是住房分项）、企业盈利、GDP

滞后指标不是没用——它们决定央行的反应（央行盯的恰恰是通胀和失业率这两个滞后指标）。但用它们判断经济方向会晚半年。一个常见的误区是在失业率开始上升时才说"经济在放缓"，而那时市场往往已经跌完了。

维度五：内部结构¶

数据的标题数字之下有一张表，表里的信息往往比标题更重要。

以美国就业报告为例：标题是新增就业人数，但表里有失业率（来自另一个调查）、劳动参与率、平均时薪的环比和同比、每周工时、行业分布。一份"新增 20 万"的报告，如果 15 万来自医疗和政府（不受经济周期影响的行业），而制造业和临时工在减少，那么它实际上是一份弱数据。如果时薪环比 0.5%，那么它对通胀的含义比新增人数更重要。

以 CPI 为例：标题是总体同比，但市场看的是核心（剔除食品能源）、核心服务、"超级核心"（核心服务剔除住房）——因为央行认为最后这一项最能反映劳动力市场驱动的通胀。住房分项因为统计方法滞后市场租金一年左右，市场会用高频租金数据来预判它。

读数据的习惯：先看标题与预期的差距，再看修正，再看内部结构，最后问这份数据对央行反应函数意味着什么。 四步走完再看市场反应，对照自己的判断。

9.2 数据的层级¶

不是所有数据的可信度和价值都一样。

硬数据与软数据。 硬数据是实际发生的（产出、销售、就业），软数据是调查得来的（PMI、消费者信心、企业预期）。软数据领先但噪音大，容易受情绪和政治影响（2020 年代美国的消费者信心调查明显受党派影响）；硬数据滞后但可靠。两者背离时——比如信心崩塌但消费仍强——通常硬数据更值得相信，但软数据的持续背离可能预示转折。

一手与二手。 一手数据是统计机构和央行的原始发布；二手是媒体和分析师的解读。尽量读一手——媒体的标题往往抓错重点，分析师的解读带有立场。养成直接打开统计局和央行网站的习惯，读原始表格。

高频与低频。 官方数据大多是月度或季度的。近年有越来越多的高频替代数据：信用卡消费、招聘网站的职位数、卫星图像、港口吞吐量、网络搜索。它们能提前几周预示官方数据的方向，但噪音更大，而且当它们被广泛使用后，市场会提前定价它们。

中国数据的特殊性。 中国的官方数据有几个特点：部分数据的统计口径会调整（历史数据不可直接比较）；一些关键数据（比如青年失业率）曾暂停发布后重新定义；数据的公布时间和内容有时有政治考量。所以看中国经济，交易员更依赖高频和替代数据（新房销售、发电量、货运、税收、企业调查）来交叉验证官方数据，也更看重政策信号（第 8 章）。

9.3 核心数据清单及市场敏感度¶

下表列出宏观交易员必须跟踪的数据，按经济体分组，标注市场对它的典型敏感度。

美国

数据	频率	敏感度	为什么重要
非农就业报告	月初周五	极高	劳动力市场是美联储双重使命之一
CPI	月中	极高	通胀是当前反应函数的核心
PCE 物价指数	月末	高	美联储正式的通胀目标指标
ISM 制造业/服务业 PMI	月初	高	增长方向的领先指标
初请失业金	每周四	中	劳动力市场最高频的指标
零售销售	月中	中	消费是美国经济的七成
职位空缺（JOLTS）	月初	中	劳动力市场紧张度
GDP	季度	低	滞后，市场早已定价
美联储会议	每六周	极高	反应函数的直接表达

欧元区：调和 CPI（月初初值）、PMI、欧洲央行会议、德国 IFO 企业景气。日本：东京 CPI（领先全国 CPI 两周）、日本央行会议、春季工资谈判结果（决定央行对通胀可持续性的判断）。中国：社融与信贷（月中）、官方与财新 PMI（月初）、CPI/PPI（月初）、月度经济数据三件套（工业增加值、零售、固定资产投资，月中）、新房销售（周度高频）、政治局会议。全球：原油库存（周三）、CFTC 持仓（周五）、全球 PMI。

敏感度不是固定的。当市场的主要矛盾是通胀，CPI 是最重要的数据；当主要矛盾是增长，就业和 PMI 更重要；当主要矛盾是金融稳定，央行的流动性数据最重要。每个季度重新排一次数据的重要性，是判断当前象限的一部分。

9.4 信号与噪音¶

宏观交易员每天面对的信息中，绝大部分对交易毫无价值。区分信号与噪音的能力，决定了你的时间花在哪里。

三个测试。 一条信息值得反应，需要通过至少一个：

它改变了央行的反应函数或路径吗？ 如果一份数据不改变央行的下一步，市场的反应通常会在几小时内消退。
它改变了当前的象限或象限切换的概率吗？ 一份数据如果只是在当前象限内部的波动，是噪音。
它改变了某个主要论点的核心假设吗？ 如果你的论点依赖"劳动力市场保持紧张"，一份就业数据的意外是信号；如果不依赖，它是噪音。

为什么大部分新闻没有交易价值。 三个原因：已经被定价（市场在新闻发布前就知道了）、没有因果链（一条新闻听起来重要但连不到任何资产的定价）、不持久（下周就会被下一条新闻覆盖）。财经媒体的商业模式是制造紧迫感，不是帮你交易。

警惕"事后叙事"。 每天收盘后，媒体会给当天的涨跌找一个理由："市场因为担心 X 而下跌。"这些理由大部分是事后拼凑的——同一个 X 在前一天可能被用来解释上涨。识别方法：这个理由能提前预测吗？如果不能，它只是叙事，不是信号。

单点数据谬误。 一份数据不构成趋势。宏观交易员的习惯是"三份数据才算一个方向"——除非这份数据的意外大到足以单独改变央行的判断。

9.5 信息食谱：每天、每周、每月看什么¶

信息食谱的核心不是"看得多"，而是"看得对、看得稳定"。下面是一套可持续的流程，你可以按自己的时间调整。

每天（三十到六十分钟）¶

开盘前：过去二十四小时各类资产的变动（股指、十年期收益率、美元指数、原油、黄金、信用利差、主要汇率）；有没有不符合第 2 章资产地图的异常联动；今天的数据日历和央行讲话安排；对今天的重要数据，先写下预期反应。 数据发布后：对照预期反应与实际反应；不一致的地方是什么？ 收盘后：一句话记录今天最重要的变化（可以是"没有"）。

每周（一到两小时）¶

更新宏观仪表盘（9.6 节）；看仓位数据（CFTC 持仓、资金流）；回顾本周所有数据对象限判断的影响；写周度宏观笔记（9.7 节）；检查所有持仓的论点是否仍然成立（第 11 章）。

每月（半天）¶

主要数据（就业、通胀、PMI）和央行会议之后，更新每个央行的反应函数一句话版本（第 5 章）；更新情景分析和概率（第 11 章）；回顾本月所有交易（第 16 章）。

每季度（一天）¶

重排数据的重要性（9.3 节）；检查自己的框架是否有需要修正的地方；读几篇长篇研究而不是日常评论；复盘本季度（第 16 章）。

来源的选择¶

最好的信息来源是市场价格本身。 利率期货告诉你市场对央行路径的定价，通胀盈亏平衡告诉你市场的通胀预期，信用利差告诉你市场的风险偏好。这些"价格里的信息"比任何评论都诚实。

一手来源：央行网站（声明、纪要、讲话、数据）、统计机构、财政部（发债计划）、交易所（持仓、融资数据）。

卖方研究：大投行的宏观研究有价值的部分是数据整理、图表和框架，没有价值的部分是结论和推荐。用它们的数据，忽略它们的观点。

独立研究：少数几个你验证过判断质量的独立宏观研究者。控制在三到五个，太多会互相抵消。

应该减少的：实时新闻推送（制造焦虑，几乎没有可交易的信息）、社交媒体的观点（噪音比信号多两个数量级）、只讲价格不讲逻辑的技术分析评论。

时间预算。 一个兼职的宏观交易员每天有一小时、每周有两小时、每月有半天，就足以维持一套完整的流程。关键不是时间的长短，是流程的稳定——每天做同样的事，你才能注意到变化。

9.6 宏观仪表盘¶

仪表盘是你对世界状态的一页纸总结。它的作用不是提供答案，而是让你注意到变化——当某个指标的方向改变时，你能立刻看到。

建议的结构：

类别	指标	频率	方向
增长	美国 ISM 制造业 PMI	月	↑/↓/→
增长	初请失业金（四周均值）	周
增长	中国 PMI	月
通胀	美国核心 CPI 三月年化	月
通胀	通胀盈亏平衡（五年）	日
通胀	原油、铜	日
政策	美联储路径定价（未来一年）	日
政策	美联储反应函数一句话	会议后
政策	中国政策方向	事件
流动性	美联储资产负债表、净流动性	周
流动性	中国社融、M1	月
流动性	信用利差（高收益）	日
市场	美元指数	日
市场	十年期收益率、曲线形状	日
市场	VIX	日
仓位	CFTC 主要品种净仓位	周
仓位	基金经理调查"最拥挤交易"	月
中国	新房销售、人民币中间价偏差	周/日
综合	当前象限判断	周

指标控制在二十到二十五个，多了就看不过来。每周更新一次"方向"和"含义"两列，季度调整指标的取舍。仪表盘最有价值的时刻是某个指标的"方向"列改变的时候——那是你该重新思考的信号。

9.7 宏观笔记¶

宏观笔记是你和自己的对话记录，也是第 16 章复盘的原材料。建议每周写一次，不超过一页，固定结构：

本周什么变了。 数据、政策、价格中的重要变化，两三句话。
本周什么没变。 你之前的判断中，哪些被本周的信息确认了。这一条很重要——它防止你把每一条新闻都当成转折。
我在看什么。 接下来一到两周的关键数据和事件，以及你预期的反应。
当前的情景与概率。 对主要宏观主题，你的三个情景各多大概率（第 11 章会教你怎么做）。本周有没有调整？为什么？
当前的仓位与论点状态。 每个仓位的论点是否仍然成立，失效条件有没有触发的迹象。

写笔记的原则：日期、简短、可检验。 每一条判断都应该是未来可以被证明对或错的。半年后回头读，你会看到自己的判断哪些对了、哪些错了、错在哪个环节——这是任何书本都给不了的教育。

历史案例¶

案例一：一份非农就业报告的完整解读¶

以一份假设的美国就业报告为例，演示 9.1 节的五个维度。

标题：新增非农就业 15 万，预期 18 万。失业率 4.1%，预期 4.0%。平均时薪环比 0.4%，预期 0.3%。

维度一：相对预期。 新增就业弱于预期 3 万，失业率高于预期 0.1 个百分点——两者都偏弱。但时薪强于预期——偏向通胀。这是一份"增长偏弱、通胀偏强"的混合报告，市场的第一反应会很混乱。

维度二：修正。 报告同时把前两个月的数据合计下修 5 万。这意味着劳动力市场的真实趋势比此前公布的更弱，弱化的信号得到加强。

维度三：季节与基数。 假设这是一月的报告，一月的数据受年度基准修正和季节因素影响最大，需要打折看。

维度四：位置。 新增就业是同步指标，失业率是滞后指标，时薪介于两者之间。所以"失业率上升"是经济放缓已经持续一段时间的确认，而不是预警。

维度五：内部结构。 打开表格：15 万新增中，医疗和政府贡献 12 万，制造业减少 1 万，临时工减少 2 万。周期性行业在收缩。劳动参与率下降——失业率上升不是因为更多人找工作，而是就业真的在减少。时薪的强劲主要来自低薪行业的工时减少（统计效应），而不是普遍涨薪。

综合判断。 这是一份比标题看起来更弱的报告：周期性行业在收缩、趋势在下修、参与率在下降；时薪的强劲是统计噪音。对央行的含义：如果当前反应函数是"通胀优先"，央行可能仍不急于降息，但这份报告增加了"经济放缓超预期"的概率；如果反应函数已经转向"就业优先"，这份报告会强化降息预期。

预期的市场反应。 短期国债收益率下跌（降息预期升温），美元走弱，股票取决于当前象限——增长主导的象限里下跌，通胀主导的象限里可能上涨（坏消息是好消息）。

对照实际。 数据公布后看市场走了哪条路，与预期不符的地方，就是市场看到了你没看到的分岔。

案例二：2022 年两份 CPI 的相反反应¶

回到引言。把两份数据用五个维度对照：

	9 月 13 日（8 月数据）	11 月 10 日（10 月数据）
标题同比	8.3%（预期 8.1%）	7.7%（预期 7.9%）
环比	+0.1%（预期 −0.1%）	+0.4%（预期 +0.6%）
核心环比	+0.6%（预期 +0.3%）	+0.3%（预期 +0.5%）
意外方向	全面偏热	全面偏冷
内部结构	住房、服务全面加速	商品价格转负，住房仍高但服务放缓
对反应函数的含义	加息 75 甚至 100 个基点的概率上升	12 月放缓到 50 个基点的概率上升，"见顶"叙事启动
市场反应	标普 −4.3%，两年期收益率 +17 个基点，美元大涨	标普 +5.5%，十年期 −30 个基点，美元 −2%

教训。 市场反应的是意外的方向和幅度，不是水平；核心环比比标题同比重要得多；一份数据能引发这么大的反应，是因为它改变了央行下一步的概率（通过了 9.4 节的第一个测试）；11 月那份数据之所以引发暴涨，还因为市场此前仓位极度偏空（第 7 章的机制）——预期差和仓位叠加，才有 5.5% 的单日涨幅。

工具与清单¶

清单 9-1：读数据五问¶

相对预期：意外多大？用历史波动衡量。
修正：前几个月被修正了吗？方向？
季节与基数：这个月份有已知的偏差吗？看三月年化动量。
位置：这是领先、同步还是滞后指标？
结构：表格里哪一行最重要？它说的和标题一样吗？

最后一问：这份数据改变了央行的下一步吗？

清单 9-2：信号三测试¶

改变了反应函数吗？改变了象限吗？改变了论点假设吗？三个都不是，就是噪音。

清单 9-3：周度笔记模板¶

变了什么 / 没变什么 / 在看什么 / 情景与概率 / 仓位与论点状态。日期、简短、可检验。

自查表¶

读完本章，你应该能够：

解释为什么市场反应的是意外而不是水平
说出读数据的五个维度，并对任意一份数据走一遍
区分硬数据与软数据、领先与滞后指标
说出美国和中国各五个以上的核心数据
用三测试判断一条信息是信号还是噪音
说出自己的日/周/月/季信息流程
搭建并维护一份宏观仪表盘
用固定结构写周度笔记

下一章¶

你现在能正确地读信息了。但读对信息不等于有交易——第 1 章说过，"经济会衰退"本身不是一个交易。第 10 章讲预期差、共识与叙事：宏观交易赚的是"预期与现实的差异"，怎么判断什么已经被定价、怎么识别市场的主导叙事及其生命周期、以及价格如何反过来改变基本面。

第 9 章 数据素养与信息食谱¶