經濟指標方面，PMI資料無疑是十分重要的。首先，PMI資料在每月月底披露，時間上領先於CPI、PPI、消費、投資、社融、信貸、工業企業利潤等其他關鍵指標。其次，PMI指標包含十個細分指標，涵蓋生產端、需求端、就業、進出口、企業預期各個方面，並區分製造業PMI、非製造業PMI和綜合PMI，能夠較全面地反映經濟短週期的景氣度。第三，PMI資料的獲取方式是直接對採購和供應經理進行問卷調查，資料來源於一線，並進行季節性調整，因此更加真實和可靠。
因此，能夠預判PMI將有助於把握短期景氣度。對PMI做預測的一個思路，是從更加高頻的宏觀資料(比如日度、周度資料)中獲取資訊。比如我們在高頻資料的跟蹤過程中發現，發電耗煤同樣作為一個標杆性的指標，與PMI走勢具有較高的相關性。因為目前中國的發電結構，火電佔到70%以上，因此能夠很大程度上反映生產情況；且發電耗煤是日度高頻資料，因此可以嘗試用以對PMI進行預判。
從下面第一幅圖來看，對發電耗煤每日資料進行月度平均處理後的同比資料，與PMI走勢雖不是一一對應，但趨勢上高度相關，尤其是2015年以來的資料。
但考慮到PMI問卷調查的蒐集時間一般截止到每月25日，因此我們另外對月度資料的區間做一個調整，以前一月的26日至後一月的25日作為週期。調整後如下面第二張圖。
我們對兩個圖形都進行簡單迴歸，資料最多可回溯至2010年10月。結果顯示，截止月末資料迴歸模型R2為0.256，截止25日資料迴歸模型R2為0.284，我們將這兩個模型分別編號為模型一和模型二。
由於圖形上顯示15年之後吻合度更高，因此對15年以來的資料再次擬合。結果顯示，截止月末資料迴歸模型R2為0.541，截止25日資料迴歸模型R2為0.511，我們將這兩個模型分別編號為模型三和模型四。
最終四個圖形預測和實際比對如下面的第三張圖。
如上，雖然模型無法做到精確，但是在方向上還是具有一定參考價值。換言之，我們可以透過日度可得的電廠發電耗煤資料，來模擬出PMI的大致方向。至於在模型的選擇上各有優劣，採用10年以來資料樣本更大，採用15年以來資料圖形更溫和，採用調整區間後(上月26日至當月25日)的模型更加貼合PMI的調查週期。
這個不太準，所以提問輔助資料。我覺得從季節性得用電差距，再踢出往年此季節用電度數，做一個差值，來加加以研究可以借鑑
經濟指標方面，PMI資料無疑是十分重要的。首先，PMI資料在每月月底披露，時間上領先於CPI、PPI、消費、投資、社融、信貸、工業企業利潤等其他關鍵指標。其次，PMI指標包含十個細分指標，涵蓋生產端、需求端、就業、進出口、企業預期各個方面，並區分製造業PMI、非製造業PMI和綜合PMI，能夠較全面地反映經濟短週期的景氣度。第三，PMI資料的獲取方式是直接對採購和供應經理進行問卷調查，資料來源於一線，並進行季節性調整，因此更加真實和可靠。
因此，能夠預判PMI將有助於把握短期景氣度。對PMI做預測的一個思路，是從更加高頻的宏觀資料(比如日度、周度資料)中獲取資訊。比如我們在高頻資料的跟蹤過程中發現，發電耗煤同樣作為一個標杆性的指標，與PMI走勢具有較高的相關性。因為目前中國的發電結構，火電佔到70%以上，因此能夠很大程度上反映生產情況；且發電耗煤是日度高頻資料，因此可以嘗試用以對PMI進行預判。
從下面第一幅圖來看，對發電耗煤每日資料進行月度平均處理後的同比資料，與PMI走勢雖不是一一對應，但趨勢上高度相關，尤其是2015年以來的資料。
但考慮到PMI問卷調查的蒐集時間一般截止到每月25日，因此我們另外對月度資料的區間做一個調整，以前一月的26日至後一月的25日作為週期。調整後如下面第二張圖。
我們對兩個圖形都進行簡單迴歸，資料最多可回溯至2010年10月。結果顯示，截止月末資料迴歸模型R2為0.256，截止25日資料迴歸模型R2為0.284，我們將這兩個模型分別編號為模型一和模型二。
由於圖形上顯示15年之後吻合度更高，因此對15年以來的資料再次擬合。結果顯示，截止月末資料迴歸模型R2為0.541，截止25日資料迴歸模型R2為0.511，我們將這兩個模型分別編號為模型三和模型四。
最終四個圖形預測和實際比對如下面的第三張圖。
如上，雖然模型無法做到精確，但是在方向上還是具有一定參考價值。換言之，我們可以透過日度可得的電廠發電耗煤資料，來模擬出PMI的大致方向。至於在模型的選擇上各有優劣，採用10年以來資料樣本更大，採用15年以來資料圖形更溫和，採用調整區間後(上月26日至當月25日)的模型更加貼合PMI的調查週期。