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

  • 分析疫情过后的美国经济

    作者:尤金尼奥·阿莱曼 (Eugenio Aleman)、Giampiero Fuentes,24/4/5 首席经济学家 Eugenio Alemán 和经济学家 Giampiero Fuentes 指出,虽然他们预计经济增长将放缓,但他们并不认为 2024 年会出现经济衰退。 我们通常不愿意用时髦的短语来解释我们对美国经济的好坏判断。然而,今天说“这一次不…

    2024年5月16日
    12300
  • 投资零风险幻觉的心理学

    投资零风险幻觉的心理学 作者:Real Investment Advice 的 Lance Roberts,10 年 20 月 25 日 每个市场周期最终都会改变投资者的心理,让他们相信风险已经被克服。故事情节可能会发生变化,从“这次不同”到“美联储支持我们”,但心理却没有改变。当市场稳步上涨且波动性保持较低时,投资者会将稳定性与安全性混为一谈。这正是当今市…

    2025年11月7日
    6300
  • 投资者认为高收益债券和 MBS 是 2025 年的最佳投资选择

    2024 年表现最佳的美国蓝筹债券基金继续沿用他们的成功策略:投资风险较高的蓝筹公司债务,以及能够应对经济波动的公司,并避开那些对利率风险敏感的公司。 随着美国总统唐纳德·特朗普的关税威胁变为现实,加上美联储可能暂停降息,信用投资者继续押注于较短期限的债券。去年这一策略取得了成功,到期时间不到一年的债券的表现超过了更敏感于收益率变动的长期债券,高出超过 7 …

    2025年3月2日
    30100
  • 推动变革

    推动进展 “我滑向冰球将要去的地方,而不是它曾经去过的地方。”韦恩·格雷茨基 自我们上次发表市场评论以来,形势确实发生了变化。本月,我们认为投资组合构建的方向应该随之变化。过去几年中,股票一直是回报的驱动力。虽然它们将继续在投资组合中发挥作用,但全球宽松周期、历史性选举和增长放缓(但不是暴跌)的背景意味着固定收益是时候放下手套了。基本面和技术设置都表明,传统…

    2024年11月3日
    10700
  • 北京大学金融时间序列分析讲义第10章: 带时间序列误差的回归模型

    10.1 方法示例 在统计学的数据分析中,线性回归分析是最常用的分析工具之一。线性回归以一元线性回归为例,模型如下 Yt=β0+β1Xt+et, t=1,2,…,T(10.1) 其中自变量{Xt}为常数列,β0,β1为未知的系数,{et}为零均值独立同分布随机误差序列,方差为σ2e,因变量{Yt}为随机变量列。参数β0,β1,σ2e可以用最小二乘法估计,估计…

    2023年7月20日
    36200

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