宏观数据推演
宏观理论，说简单也简单，说复杂也复杂。重点在于你需要有一套自己的逻辑推演，以及验证。这不是街口侃大山；所以需要很详实的数据支撑。
相较于侃大山，数据推演有着两大重大的特征：
- 全面
我们侃大山往往拿着最近的一个数据，比如进出口量。单一的数据无法推演比较精确的结果。例如以8月份钢材进出口量增多为例，原因有很多：8月份国内台风频发，有些公司提前发货。也有可能是欧洲关税，导致国内公司多发货在国外囤货，防止后续关税提升带来的成本上涨。所以，数据的变换原因需要全面的数据，而不是片面的涨跌幅。 - 假设
我们推演基于的是一个行业公认，或者大多数认可的前提。比如：这次国内环境变化的原因：1. 境外产能迁移导致出口乏力；2. 人口红利降低，导致房价出现拐点；3. 居民消费信心不足。就这三点也可以引起不同的争议：房价拐点是因为干预，而不是人口。所以推演假设的前提决定了推演结果的接受程度，而往往侃大山之类，连最基本的假设都没有共识，更遑论接受结论。
基于以上原则，我们来试试推演一下：
假设或者说前提：
- 中国的三架马车是：出口，消费，投资
首先说消费，消费一般具体到普通人群CPI，工业PPI。而投资，由于国内体制和政策原因，很多时候投资我们看中的是地方债务，地方发债，这是由政府牵头的投资，然后就是社会融资数据。最后是出口，这个可以直接查看海关出口数据进行分析。
从三驾马车的情况，我们可以分析出目前国内经济情况从宏观上来说好和坏，仅此而已。
推演的是需要目标的，尤其是宏观推演，在确定完总体环境之后，我们还需要对一些细类数据进行二次分析，这很多时候需要wind的数据库细节，但是你可以从别人的宏观研报中获取相关数据，但不需要甄别。
最后是分析国际环境或者形势时，我们有几个比较明显的判断：
- 德国还算原则意义上的制造业国家，所以国家的生产经理指数对他们来说很重要
- 英国和美国的服务业占比很高，这里的服务很多指向的是金融，IT等高附加值的行业
- 美国的股票和中国的地产一样囤积着居民大量财富
最后，需要注意的是，很多时候宏观数据是用来判断好坏的，并没有具体到行业或者领域，更多的是一种基本面的判断。更多时候我们用来解释某个政策的行为。
各大指数：
消费：
- CPI-消费者物价指数
数据来源：国家统计局
公布日期：每月9号
逻辑依据：通胀表现，一般关注同比和环比，同比数据会趋于稳定，后续需要看环比数据。
使用方法：
1. 维度很多，首先重要的是同比环比
2. 需要第二维度，可以看出价格上限。
3. 更多明细数据，要么可以查看券商的分析报告，要么需要自己买wind的数据库。
4. 东方财富数据中心
投资
- 政府端发债-地方债
- 广义政府债
- 房价-地产
- 冰山70房价指数
- 一线城市冰山指数
出口
- 出口数据
- 土拍情况