导语：小编最近发现，相比股票，大宗商品一定程度上与宏观经济联系更加紧密，因此小编就在想，会不会商品期货与宏观经济之间存在着某种非常紧密的联系呢？本文所涉及的策略，通过两个宏观经济指标——PMI与宏观景气指数先行指数来判断宏观经济形势，以图在经济景气之时买入期货标的，实现高额收益。

什么是PMI

PMI指数的英文全称为Purchasing Managers' Index，中文含义为采购经理指数，是通过对采购经理的月度调查汇总出来的指数，反映了经济的变化趋势。看起来似乎很抽象，下面小编就给大家举一个例子来让大家形象的认识什么是PMI。
假如有那么一个人，他很好奇家门口的菜市场什么时候生意比较好，于是这个人就每个月都跑去做一次调查。他调查的方式是拦住来买菜的人，问他菜市场里的摊位是多了还是少了，摊位后面大妈有没有带老公孩子来卖，每天来买菜的人是多了还是少了，买的菜多了还是少了······
被调查的人只需要直观的给一个定性的回答：“多了”、“没变化”和“少了”。
调查清楚以后，这个人就开始计算每个问题里每个答案所占的百分比，然后把这些百分比综合成一个评分。
比如第一个问题，“多了”占20%，“没变”占30%，“少了”占50%，那么这一项的评分就是:

什么是“宏观景气指数先行指数”

宏观经济景气指数，是在既有的统计指标基础之上，筛选出具有代表性的指标，建立一个经济监测指标体系，并以此建立各种指数或模型来描述宏观经济的运行状况和预测未来走势。
说白了，就是现在我们有很多描述宏观经济的指标，比如GDP、股票指数、利率等等，然后我们选出其中比较有代表性的一些，把它变成一个指数。
那什么是先行指数呢？
宏观经济景气指数分为三种指标，分别是一致指标，先行指标与滞后指标，怎么理解呢？

• 一致指标的意思就是，如果这个指标好，就代表现在宏观经济好，这个指标不好，就说明宏观经济不好，比较典型的一个一致指标就是我们熟知的GDP啦~
• 先行指标的意思就是，这个指标好的时候宏观经济不一定好，但之后一段时间可能会变得比较好，这个指标不好的时候宏观经济不一定不好，但之后一段时间可能会变得不好，具有预测性，因此叫做先行指标。比较典型的先行指标有机械产品订货、广义货币M2指数等~
• 滞后指标的意思就显而易见了，这个指标是在得知宏观经济好坏之后才能得到的指标，这个指标高，则说明之前一段时间宏观经济比较景气，这个指标低，则说明之前一段时间宏观经济不太景气，大名鼎鼎的利息率就是一个典型的滞后指标。

至于宏观景气指数先行指数现在就很好理解啦~我们把宏观经济景气指数中的先行指标都拿出来编成了一个指数，那么这个指数就叫做宏观景气指数先行指数，对宏观经济景气与否具有很好的预测作用~

策略与实现

知道了以上两种指数，我们就可以开始构建策略啦！

这个策略非常的简单，具体如下：

• 当宏观景气指数先行指数与PMI都连续三个月逐渐变大的时候，我们就买入1000单位标的期货；
• 如果当月两种指数中有一项指数比上月低，则卖出持仓中的1000单位标的期货。

对没了，就是这么简单。
那有读者肯定要问了，这个策略的逻辑是什么呢？
我们来回想一下刚刚菜市场PMI的例子，如果我们本月得到了一个比较高的菜市场PMI，那么有可能只是单纯的因为一些特殊原因导致菜市场的生意短暂的变好了。比如说小龙虾上市了，大家这个月抢着买，菜市场上也多了很多卖小龙虾的渔民，然后这个月的菜市场PMI就上去了，但可能到了下一个月，大家对小龙虾的激情已经没有刚上市那会儿那么高了，菜市场PMI就下来了。
但要是连续三个月菜市场的PMI都在持续的上涨，我们就可以大胆的认为，恐怕这个菜市场的生意真的在逐渐的变好。
对于PMI与宏观经济景气指数先行指数也是同样的道理，如果连续三个月这两个指数都在逐渐的上涨，我们就大胆的认为宏观经济这一段时间以来确实比较景气。
除此之外，我们认为大宗商品期货一定程度上和经济联系紧密，比如经济景气、行业状况好，对铜等原材料的需求更高。这样会认为在未来价格更高，期货价格会上升。
综上两点原因，我们构建了这个看上去非常简单的 策略。

调用数据

首先，得到PMI指数与先行指数，我们得访问国泰安数据库。接着由于国泰安数据库的数据并不是完全按照时间先后进行排列的，因此我们还需要对得到的数据进行整理。

## 导入国泰安的数据
from jqdata import gta

## 调用PMI指数
# 返回值为pandas.DataFrame类型
df = gta.run_query(query(gta.MAC_MANUFACTURING_PMI))
# 把选用的数据按时间排序、整理
df.sort_index(by=['SGNMONTH'],inplace=True)

## 调用先行指数
# 返回值为pandas.DataFrame类型
df_two = gta.run_query(query(gta.MAC_ECONOMICBOOMIDX))
# 把选用的数据按时间排序、整理
df.sort_index(by=['SGNMONTH'],inplace=True)

点击pandas.DataFrame可以查看pandas.DataFrame类型的相关信息。

回测

这个策略看起来很简单，让我们来看一看它的回测效果怎么样。

从回测结果我们可以看出，这个策略的买点判断是非常非常严格的，但是每一次判断成功都能得到很高的收益率。这个回测小编用的是期货铜，由于铜的需求量与经济景气车程度确实具有很高的相关关系，因此该策略对期货铜有很好的表现也不足为奇。
另外，由于该策略只能对于大行情进行选择与判断，无法对短时的分时进行判断，出现短期内的巨大回撤也是可能的，因此各位读者可以克隆代码以后自己再加上一些分时的指标，相信收益率能够更高。