堪萨斯城联储 1 月份制造业活动小幅下滑

最新的堪萨斯城联储制造业调查综合指数 1 月份温和下降,而未来前景进一步扩大。综合指数从 12 月份的 -1 降至 -9,而未来展望则跃升至 11。

以下是最新报告的摘录:

工厂活动小幅下降

第十区制造业活动温和下降,对未来活动的预期进一步扩大(图 1、表 1 和表 2)。 1月份原材料价格较上个月和去年同期大幅上涨。展望未来,原材料价格预计将继续以比成品价格更快的速度上涨。

1月份环比综合指数为-9,低于12月份的-1和11月份的-2(表1和表2)。综合指数是生产、新订单就业、供应商交货时间和原材料库存指数的平均值。收缩主要是由耐用品制造业,特别是非金属矿物和初级金属制造商推动的。除价格指数外,所有环比指数均为负值,且较之前的读数有所下降。生产和新订单分别下降至-17和-19,但就业率基本持平,读数为-2。 1月份工厂指数同比进一步下降,综合指数从-8降至-12。除价格指数外,资本支出是唯一呈现正值的指数,但从 13 降至 1。同时,未来综合指数从 1 月份的 5 升至 11,对未来 6 年生产和出货量的预期提高几个月。

堪萨斯城联储制造业调查背景

堪萨斯城联储制造业调查是对约 300 家制造工厂进行的月度调查,提供第十区(科罗拉多州、堪萨斯州、内布拉斯加州、俄克拉荷马州、怀俄明州、新墨西哥州北部和密苏里州西部)当前制造业活动和未来预期的信息。综合制造业指数是生产、新订单、就业、交货时间和原材料库存等指标的平均值。这是一个扩散指数,负值表示收缩,正值表示扩张。该调查提供了有关该国该地区通胀压力和制造业增长速度的线索,积累的结果可以帮助追踪长期趋势。

该指标的季度数据可以追溯到 1995 年,但每月数据只能从 2001 年开始。所有数据均经过季节性调整。以下是完整的堪萨斯城联储制造业调查的快照。

堪萨斯城制造业综合指数

下一张图表是一般和未来前景指数的叠加——未来六个月的前景。本月未来工厂指数跃升至 11。

堪萨斯城联储综合综合指数和未来展望指数的叠加

为了进行比较,这里是最新的ISM 制造业调查。

ISM 制造业 PMI

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/81700.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2024年2月20日 22:54
下一篇 2024年2月20日 23:08

相关推荐

  • 价值投资必须反增长吗?

    价值投资一定要反增长吗? 由 Mario Albuquerque、Noah Beck 和 Que Nguyen 撰写的《必须是反增长吗?》 要点 RAFI™基本面指数具有价值倾向,但将其简单归类为价值指数会忽略基本面指数相对于标准“价值”指数方法所提供的重要优势。 RAFI 在历史上一直表现出色,我们继续预期 RAFI 相比标准价值指数将获得更强的超额回报,…

    2025年7月27日
    3400
  • 为什么加密世界应该接受美联储的打击

    监管扫荡可能正是该行业最终合法化所需要的。 兵临城下。 这就是当今加密货币行业内部的感受,美国当局对众多参与者提出起诉、诉讼、罚款,并下令关闭各种产品。甚至稳定币这种由美元支持的相对简单的资产也成为了目标。 一年来,加密货币市场价值损失了约三分之二,FTX 的失败也粉碎了投资者的信任,此次打击令整个行业陷入混乱。然而,如果该行业要放弃技术革命的宏伟梦想并成为…

    2023年8月26日
    13400
  • 北京大学Julia语言入门第19章: Julia统计图形–Plots库

    介绍 Julia语言没有内建作图能力,作图需要通过扩展包提供,因为Julia语言的历史还比较短,现在有多种作图用的扩展包但是没有一个占绝对优势的包。比较常用的有Plots, Makie, Gadfly, PyPlot包。其中Makie出现较晚,功能比较强大,后端安装容易。 本文演示Plots包。参见: https://docs.juliaplots.org/…

    2023年9月1日
    49300
  • 资产管理中的信任幻象

    如果不彻底改革尽职调查流程,分配者和管理者之间永远不会有真正的信任。 分配者希望与他们信任的资产管理公司进行投资,这些管理公司始终会以他们的最佳利益行事。但充其量,他们得到的只是信任的幻觉。 分配者为确定管理人是否确实值得信赖而进行的尽职调查流程,首先要评估管理人是否拥有合法业务:是否拥有持续行动所必需的员工、运营、治理结构、报告和控制、监管地位以及价值观作…

    2023年8月8日
    18400
  • 北京大学金融时间序列分析讲义第6章: ARMA模型

    ARMA模型的概念 AR模型有偏自相关函数截尾性质;MA模型有相关函数截尾性质。有些因果线性时间序列有与AR和MA类似的表现,但是不能在低阶实现偏自相关函数截尾或者相关函数截尾。 ARMA模型结合了AR和MA模型,在对数据拟合优度相近的情况下往往可以得到更简单的模型,而且不要求偏自相关函数截尾也不要求相关函数截尾。 ARMA(1,1)模型为 Xt=ϕ0+ϕ1…

    2023年7月16日
    34300

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部