總體經濟與景氣指標

總體經濟與景氣指標，是用來描述「整個經濟現在是熱還是冷」的一類資料，代表性的有製造業 PMI（採購經理人指數）與景氣對策信號（也就是常聽到的紅黃藍燈）。它回答的問題是「現在這個時機，適不適合積極進場」，而把挑哪一檔股票的工作留給財報與股價資料。對做台股的人來說，這類資料最大的價值是當作由上而下的濾網：景氣好的時候放手選股，景氣轉冷的時候自動把部位收回來。

這類資料在量化裡怎麼用

個股財報告訴你公司本身的好壞，但決定大盤潮汐的是景氣循環。把總經指標接到策略上，通常的用途是控制「要押多重的部位」，而非用它來挑個股。最常見的做法是：景氣指標往上、站上榮枯線時，讓選股策略滿水位運作；指標往下、跌破門檻時，降低槓桿、拉高現金，甚至暫停進場。同一套選股邏輯，套上不同的景氣風險預算，就能在多頭時吃滿、在空頭時少受傷。景氣、總經、採購經理人這些名詞的嚴謹定義，可以參考名詞解釋。

怎麼判讀（看真實資料）

以最常用的製造業 PMI 為例，它的解讀有一條鐵則：以 50 為榮枯線。數值大於 50，代表製造業整體在擴張；小於 50，代表在收縮。離 50 越遠，動能越強或越弱。下面這張圖把台灣製造業 PMI 的歷史走勢畫出來，並在 50 的位置拉一條紅色虛線，你一眼就能看出哪段時間景氣是熱的、哪段是冷的。

搭配最近幾筆真實數值一起看更具體：

可以看到這段期間數值都站在 50 之上，而且一路從剛好過線的 50.20 走高到 64.20。對台股而言，這就是一段製造業景氣持續擴張、由上而下偏多的時期。判讀時不必死盯單一個月的絕對值，更要看「站在榮枯線哪一側」以及「方向是往上還是往下」。

用這類資料最容易踩的陷阱

最致命的陷阱是發布時點。PMI 與景氣燈號講的是「上個月」的景氣，但實際公布通常落後到次月才出來。如果在回測時把數值對齊到它所描述的那個月份，等於讓策略提前看到還沒公布的數字，這就是典型的前視偏差，會把績效灌得虛高、實盤卻完全複製不出來。正確做法是把每一筆數值對齊到它「真正可以被取得的發布日」。

第二個陷阱是樣本太少。景氣循環十幾年才走完幾輪，藍燈、紅燈這種極端訊號出現的次數屈指可數。少數幾次的平均表現，很容易是運氣而不是規律。所以在用景氣訊號下判斷時，務必同時看「這個訊號歷史上總共出現過幾次」，次數太少的結論要保守看待。

怎麼用景氣訊號接到策略上

實務上的邏輯通常是這樣：把景氣指標轉成一個加減碼規則，例如指標站上門檻就讓策略全額運作、跌破門檻就分批降低部位，再把這層濾網套回原本的選股或持有策略。想看景氣燈號怎麼一步步變成可回測的加減碼規則，可以讀用 Python 回測台灣景氣燈號加減碼策略；想把總經視角延伸到崩盤防禦與擇時，可以參考LPPL 泡沫模型對 0050 的擇時回測，以及VIX 恐慌指數抄底美股的實測。這些文章裡的每一個結論，都是用真實資料跑回測得到的。

怎麼自己取得這份資料

完成 FinLab 的安裝設定後，登入只要一行，接著用一行就能把製造業 PMI 拉下來：

import finlab
from finlab import data
 
finlab.login()
df = data.get("tw_total_pmi:製造業PMI")

拿到資料後，就能像上面那張圖一樣畫出走勢、加上 50 的榮枯線，自己驗證每一個判讀。不會寫程式也沒關係，頁面下方可以把這件事直接交給 AI，由它幫你把資料取得、畫圖到接上策略的流程跑起來。想把這些景氣位階訊號接回完整的量化框架，可以從量化交易完整指南開始。