一、景气度数据概述

各位同学，今天咱们聊聊景气度数据。说实话，这玩意儿在量化投资圈里，属于那种「人人都知道重要，但真用起来却容易翻车」的数据类型。

我个人习惯把景气度数据比作经济的「体温计」。你想想看，一个人发烧了，体温计能告诉你烧到多少度。同样道理，景气度数据能告诉你——某个行业、某个地区，甚至整个国家的经济，现在到底是「热」还是「冷」。

1.1 什么是景气度数据？

说白了，景气度数据就是反映经济活跃程度的指标集合。它不是一个单一的数字，而是一整套衡量体系。

我举个例子你就明白了。假设你要判断一家火锅店生意好不好，你会看什么？

• 客流量——每天进店多少人
• 翻台率——一张桌子一天用几次
• 客单价——每个人平均花多少钱
• 等位时间——高峰期要排多久队

景气度数据也是类似的逻辑。只不过它衡量的不是火锅店，而是整个行业或宏观经济。

我在做量化策略的时候，曾经踩过一个坑。当时我直接用PMI数据做因子，结果发现策略回测表现很好，实盘却一塌糊涂。后来才意识到——PMI是环比数据，本身就带有季节性特征，不做处理直接拿来用，等于在噪音里找信号。

1.2 景气度数据的来源

数据从哪来？这个问题看似简单，但实际工作中，我见过太多人在这上面栽跟头。咱们分三类说。

官方统计

这是最靠谱的来源，没有之一。国家统计局、央行、海关总署这些机构发布的数据，质量最高，历史序列也最完整。

数据来源	典型指标	发布频率	滞后时间
国家统计局	PMI、工业增加值、CPI	月度	1-2周
中国人民银行	社融、M2、利率	月度	1-2周
海关总署	进出口数据	月度	2-3周
财政部	财政收入、支出	月度	1个月

嗯，这里要注意一点。官方数据虽然质量高，但发布时间往往滞后。你拿到数据的时候，市场可能已经提前反应过了。所以做量化策略时，我通常会结合高频数据来做「提前预判」。

行业报告

券商研究所、行业协会、咨询公司出的报告，也是重要的数据来源。这些报告的好处是——分析深度够，而且经常有独家调研数据。

但问题也很明显。我曾在某券商报告里看到一组数据，跟官方统计对不上。后来一查，原来是他们用了不同的口径。所以我的建议是——行业报告的数据，一定要跟官方数据交叉验证，别直接拿来用。

爬虫数据

这个就更有意思了。电商平台的销量、招聘网站的岗位数、社交媒体的舆情热度……这些非结构化数据，现在越来越被量化机构重视。

我记得有一次做汽车行业景气度分析，官方数据只有月度销量，频率太低。后来我写了个爬虫，每天抓取汽车论坛的帖子数量和情感倾向，构建了一个「舆情景气指数」。效果出奇的好，领先官方数据大概两周左右。

1.3 数据清洗的重要性

这个问题，我多说两句。很多刚入行的同学，拿到数据就急着建模，结果模型跑出来一塌糊涂。为什么？因为数据没洗干净。

数据清洗，说白了就是「把脏数据变成干净数据」的过程。脏数据长什么样？我列几个常见的：

• 缺失值——某个月的PMI数据没发布，或者发布后又被修正了
• 异常值——突然冒出一个离谱的数字，比如某月工业增加值暴涨20%
• 口径变化——统计局调整了统计方法，前后数据不可比
• 季节性波动——春节效应、暑假效应，这些周期性因素会干扰真实趋势
• 数据错误——录入错误、单位搞错、小数点移位……别笑，我见过有人把「亿元」当成「万元」来用

数据清洗的重要性，怎么强调都不过分。我个人的经验是——数据清洗的时间，至少要占到整个项目周期的60%以上。剩下的40%，才是建模、回测、优化。

你想想看，如果数据本身就有问题，再牛的模型也白搭。这就是所谓的「垃圾进，垃圾出」（Garbage In, Garbage Out）。

1.4 本章知识体系

为了让你更直观地理解本章内容，我画了一张结构图。这张图展示了景气度数据的整体框架，以及数据清洗在整个流程中的位置。

这张图把咱们本章讲的内容串起来了。从数据来源（官方、行业、爬虫），到数据特征，再到常见问题，最后落到清洗目标。你往后学的时候，可以时不时回来看一眼这张图，心里就有谱了。

好了，关于景气度数据的概述就聊到这儿。记住一句话——数据是量化投资的基石，而清洗是让这块基石稳固的关键。下一节咱们开始动手，看看具体怎么处理这些数据。