如何解读美国2023年1月ISM-PMI以及1月非农就业数据?怎影响估值

美国1月ISM制造业PMI 47.4,差于预期48和前值48.4,数据录得2020年5月以来新低。


其中美国1月ISM制造业新订单指数 42.5,低于前值45.2。报告中描述18个制造业行业中没有一个在1月新订单中录得增长。


制造业就业指数 50.6,好于预期49和前值51.4,重新站上荣枯线50以上,18个制造业行业中有5个在1月录得增长。



相比于制造业,美国非制造业(服务业)呈现出相反的形态:美国1月ISM非制造业PMI 55.2,好于预期50.4和前值49.6,重新站上荣枯线50以上,数据录得2020年以来的最大涨幅。各位,温馨提醒下这里有个小知识点要积累哦:基于过去服务业PMI与整体经济之间的关系表明,服务业1月份的PMI(55.2%)相当于实际国内生产总值GDP的年化增长率1.8%


其中1月ISM非制造业新订单指数 60.4,大幅好于前值45.2。预示着美国服务业依旧火爆,可能我们之前的欧美经济衰退的推论(回见《如何看美国12月非农、CPI、ISM服务业PMI?如何看待波动》)要稍微修正下程度问题(美国衰退程度目前来看可能比较轻微),因为我们是要实战的,要跟着数据走,我们根据数据做出推论,也要根据数据修正推论,保持逻辑的闭环,类似于出入场要一致。


美国1月ISM非制造业就业指数 50,略好于前值49.8,预示美国服务业依旧十分的稳健。


美国1月ISM非制造业物价指数 67.8,略高于前值67.6。由于美联储提到的工资--物价的螺旋上涨和这个子项有关系,现阶段美联储分解通胀的三个子项中的【非住房的/核心服务通胀项】(注意这个名词的断句)最让其担心通胀的粘性问题。


报告里面讲到:1月份,服务机构支付的材料和服务价格连续第68个月上涨(注意区分上涨和上涨放缓),15个服务行业报告在1月份支付的价格有所增长,说明这个核心服务通胀在美联储的会议纪要被多次提到并表达担心,不无道理,详见《美联储主席在2月议息会议讲了什么?如何影响资产的定价》

接下来我们看非农就业数据(路径请回看之前的非农解读):美国1月季调后非农就业人口增加51.7万人,大幅好于预期18.5万人和前值22.3万人,数据录得2022年7月以来最大增幅。


美国1月(U3)失业率 3.4%,好于预期3.60%和前值3.50%,数据触及53年低点。失业率就是失业人口与劳动人口总数之间的百分比。在指标计算中,过去四周内积极寻找工作但不能马上开始工作的人口被定义为失业人口。无论这个人是否领取失业救济金,都被纳入失业率计算范围。(这点和指标:每周初请失业金的人数,有关联,突然记起来之前内容忘记写的)

(U3)失业率

最近有朋友交流了:有些资讯类APP还提到U6失业率是怎么回事?这位朋友比较细心!那我们就讲讲:美国1月U6失业率 6.6%,略高于前值6.50%。


美国U6失业率提供了美国失业率的另一种计算方法,它也反映了失业人口与劳动人口总数之间的百分比。然而,不同于主要失业率指标U3(上述)的是:U6 进一步扩大了失业范围,它将以下类别的失业人口也纳入考虑范围:

(1)找工作失败后(连续12个月)不再寻找工作的人们。他们对目前的经济形势感到失望,发现此刻就业无法实现。这类失业人口被称为“气馁的求职者”。(2)能够找到工作但此刻不去寻找的个人。(3)返回继续学习而拒绝就业的人们。(4)因不利的经济状况而只有兼职或临时工作的人们:目前阶段他们没有全职工作。

但是U3考虑到上述4类人们未来会就业,因此在失业率统计时没有将其包含在内。

说到这里大家是不是感觉其实U6更能反映失业问题,但是数据上是U3的两倍,不好看嘛!所以美国当局一直说的都是U3。另外从长期看,U6和U3趋势变化基本一致,所以也不太影响我们的趋势研判,不过多了解一些也是好事。

美国1月平均每小时工资年率 4.4%,高于预期4.30%,但低于前值4.60%。数据代表从工资-物价的螺旋上涨预期有所减缓,但是减少得不是那么多,高于市场预期。


美国1月就业参与率 62.4%,好于预期62.30%和前值62.30%。参与率是指已经就业或正在积极寻求就业的劳动人口总数(16岁及以上)与相应年龄组总人口之间的百分比。


该指标被认为是美国整个劳动力的活跃程度的标准。例如,许多人在经济衰退的条件下,可能会感到气馁,停止寻找工作。因此,这些人被排除在经济活动人口之外。统计数据证实了这一逻辑:在经济衰退期间,经济活跃人口的比例明显下降。

美国1月平均每周工时 34.7,好于预期34.3和前值34.3。

平均每周工时

平均每周工时的增加不能成为单独的说明指标。它需要与平均时薪结合起来评估。两个指标同时增长可能预示着通货膨胀增加。所以这两个指标此次从预期角度来说美国的通胀压力依旧不小。

接下来我们进入一个小小的专项(以后会不定期分享)作为此次数据的总结:我们来盘点下重要数据公布后的各类资产价格的变动,让大家更加明白经济数据如何影响资产的定价,就拿此次的非农为例,非农后美元指数下跌,美股下跌,黄金下跌,美债收益率上涨(图形就不给大家弄了,自行去复盘):

美元指数可以简单看成美国经济基本面的反映,非农展示了就业市场(服务业为主)的用工需求依旧火热,经济衰退的预期大大减弱,既然美国经济还比较稳健,那美元指数上涨。

对于美债而言,就业市场的依旧火爆,薪资就可能持续上涨,助长这个通胀的预期(这一点之前的内容讲过不少),通胀顽固的预期升温,美联储就可能加息的时间更大、加息的峰值更高,既然利率水平可能比预期的更高,那么美债收益率就会更高,你可以这么简单理解:既然(存款)利率水平都升高,那没理由比存款风险更高的债券不要求更高的收益率?

至于美股,它的定价与两个因素有关,公司盈利和利率水平(资产折现率)有关,从最近的美股年报来说,有不少盈利是达不到市场预期的,关键是第二因素利率水平,它同时也影响企业的盈利预期。利率水平提高,股票价格下跌,这个应该不需要解释了。(另外,今日某市场大跌,与某事件有关,它预示着贸易前景的悲观,而这就影响到公司的盈利预期)

黄金与(美元)实际利率的负相关,既然利率水平预期上涨,那黄金的价格就会下跌。相关的各类定价请回看之前内容《资产如何定价》,里面都讲到一些有关资产定价的金融理论,非常实用。各位,注意了哦,这个小环节的结论不要随便乱用,主要是想让大家明白重要的经济数据如何影响资产的变动。

好的,本次的分享到此结束,如觉有用,点个在看,分享一下,这里是经济数据解读系列【WXGZH杨梅看趋势】,感谢观看!


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容