今日全球经济关于非农就业人数以及共识为何如此悲观的五个问题

作者：Jeffrey Young

“又将是一次上行意外。”

-纽约时间2022年8月29日上午09:07。

深数宏观（DeepMacro）对非农就业人数的预测值是多少，比共识水平高还是低？这对美国的“大局”意味着什么，对美联储的影响是什么？“大数据”对八月份的行业趋势有何看法？为什么市场预测值过低？意外来自悲观的舆情，这有什么不同吗？1. 深数宏观（DeepMacro）对非农就业人数的预测值是多少，比共识水平高还是低？

44.1万，vs. 共识水平的 30万 。

我们对非农就业人数的预测值再次高于共识水平。原因是：

新增就业岗位数（图1a，蓝色线）和新入职人数（图1a，红色线）自七月份以来都保持稳定。深数宏观（DeepMacro）经济增长因子在八月份与七月份完全持平——高于长期平均值近2个标准差。这表明，经济活动稳定，且水平较高。餐饮及运输等重要行业支持这一观点（见下文）。

图1a. 新增就业岗位数和新入职人数，2020年1月1日-2022年8月23日（21天移动平均数）

来源：深数宏观（DeepMacro）和LinkUp/Smart Market Data.

注：橙色=七月份报告的调查期间；蓝色=八月份报告的调查期间。我们主要的就业数据源是大约30,000家美国公司人力资源网站上的招聘信息。当一家公司在其网站上发布工作广告时，我们将其视为一个“新增岗位”。如果一则这样的广告从网站撤下，我们则将其算成一个“已入职岗位”。 新增岗位代表公司对劳动力的需求，因此可以成为就业增长的主要指标。我们亦发现，新增就业岗位总数，加上其他变量，例如衡量整体经济周期的强弱的深数宏观（DeepMacro）“经济增长因子”，能对月非农就业人数做出解释。

2. 这对美国的“大局”意味着什么，对美联储的影响是什么？

增长正在放缓，但仍然坚挺，并且利率仍在上升。

如上所述，美国的深数宏观（DeepMacro）经济增长因子高于其长期平均数约两个标准差。这是一个相当强劲的水平，尽管自2021年11月的峰值水平以来，该因子已减速了约1.5个标准差。

非农就业人数与这一模式一致。图2a显示了过去十年非农就业人数的增长情况。疫情前，年同比增长率平均为1.7%，最高为2.3%。自新冠疫情导致的崩溃后的基数效应于去年夏天结束以来，平均增长率为4.4%（七月份为4.0%）。与5%左右的新冠疫情后的基数效应峰值相比，目前的增长率已经有所放缓，但仍高于疫情前几年平均增长率的两倍多。

图2a. 美国：非农就业人数增长率，疫情前平均值和疫情后平均值，2012年8月-2022年7月（年变化百分比）

来源：深数宏观（DeepMacro）

在这种背景下，鲍威尔主席在杰克逊霍尔研讨会上简单且鹰派的评论是有道理的。虽然正在放缓，但经济增长仍然过于强劲，无法在短期内放松加息。我们的短期利率模型 （STR-1）继续预测利率（2年掉期利率，目前为3.73%）将上升，且上升的幅度将超过市场远期利率贴现（三个月内将上升到4.13%，而市场远期利率为3.74%。联系我们查看模型详情）。与深数宏观（DeepMacro）预测一致的，高于共识水平的非农就业人数，将强化模型的这一结果。

3. “大数据”对八月份的行业趋势有何看法？

增长正在放缓，但高于共识。

在餐厅就餐者的总数八月份比七月份平均略有下降，尽管这两个月之间有一个强烈的模式：外出就餐刚好在七月底达到了最低值，在八月期间又迅速恢复（见图3a）。因此，我们预计八月份的数字略低于但接近七月份的7.4万。

图3a. 美国：在餐厅就餐者，2022年7月1日-2022年8月22日（与2019年相比的28天移动平均数的变化百分比）

来源：深数宏观（DeepMacro）

运输业是另一个关键行业。图3b显示了与消费者对商品需求有关的运输行业的一些子行业中，预计已入职的就业广告的年同比增长（和图1a一样，数据来自公司人力资源网站）。与今年早些时候相比，快递、卡车运输和仓储等子行业都有大幅减速，原因在于主要零售商（包括亚马逊等网上零售商）注意到库存在增加，但需求却开始下降。然而经济活动的整体水平仍然很高。我们认为这是非农就业人数将低于上个月的数值、但高于共识水平的证据。

图3b. 美国：选定的运输子行业中的入职人数，2022年1月-2022年8月（三个月移动平均数的年变化百分比）

来源：深数宏观（DeepMacro）和LinkUp/Smart Market Data.

4. 为什么市场预测值过低？

舆情过多，数据不足。

2022年至今为止，除了一个月之外，对非农就业人数的共识预测值每个月都低于实际结果，而在2021年7月到2021年12月期间，共识预测都是高于实际结果的（见图4a）。

疲软的舆情很难消散。仍然存在一种倾向，认为新冠疫情会伤害就业，无论是通过需求的减少还是通过劳动力供应的减少。这一倾向抑制了今年的预测值，首先是在冬季奥密克戎毒株流行期间，然后是春季到夏季变异毒株流行期间。尽管每波新冠疫情对经济的影响都逐渐减小（见2021年11月29日鹰派的美联储vs.“可怕的”变异毒株）。

的确，新冠疫情和从新冠疫情中恢复严重冲击了劳动力的行业构成，如果不运用高颗粒度的“大数据”，很难发现行业的发展变化。将这一点放到现在来看：上个月，餐饮行业的就业再次加速，与深数宏观（DeepMacro）基于一些替代数据来源而得出的预测一致。但如果没有这些数据，将很难发现这一点，特别是因为最近新冠病例的激增，导致有关餐饮行业的舆情疲软。这一点也适用于运输行业。

图4a. 美国：非农就业人数共识预测值vs.实际值，2021年7月-2022年7月（就业人数，千人）

来源：深数宏观（DeepMacro）和彭博社。

5. 意外来自悲观的舆情，这有什么不同吗？

是的，有不同——市场反应要小于数据本身崩溃时的反应。

市场经济学家的预测倾向于追踪数据本身最近的趋势。这就意味着，当数据强劲时，经济学家将提高预测值，而当数据疲软时，经济学家将降低预测值。但经济学家经常会过多的提高（或降低）预测。这就为意外的出现奠定了基础——不一定是因为数据在绝对意义上的强或弱，而是因为预测过于乐观或悲观。经济学家也是人，有时他们会过于兴奋，无论是对上行变化还是下行变化。加上随大流的倾向，就能得出数据经常会有意外变化的心理原因了。

因此，我们可以将非农就业人数发布产生的“意外”视为数据或共识中乐观程度的函数。以七月份非农就业人数的“上行意外”为例。在七月份非农就业人数发布之前，中期平均非农就业人数增长为 46.1万。然而，舆情疲软，市场在春末经历了一段艰难的时期，大多数人都对反弹持怀疑态度，而且整体的经济数据意外也一直是消极的。因此，共识预测值相当低（ 25万）。预测值低使得实际数据更容易超过预测值，而事实上也的确如此（实际人数为 52.8万，即使是在绝对意义上也是一个相当好的数值）。

我们可以将经济的意外定量分解为数据因素和预测因素的和：

ESI = DSI FPI

ESI = 经济意外指数DSI = 数据强度指数FPI = 预测悲观情绪指数

我们用“悲观情绪”来描述预测指数，这样，当指数数值为正（即更悲观的预测）将对ESI产生积极的影响（更积极的经济意外，这是合理的，因为预测越低，越有可能得到一个积极的意外）。

图5a. 深数宏观（DeepMacro）经济意外指数（左图）、数据强度指数（中图）和预测悲观情绪指数（右图），2021年1月1日-2022年8月22日（长期平均数标准差，30天移动平均数）

来源：深数宏观（DeepMacro）

我们在图5a中显示了ESI及其组成（DSI和FPI）。

自2022年5月份以来，ESI几乎一直为负，且自2021年11月以来一直呈现下行趋势。的确，数据本身在这一期间的大部分时间也一直为负（DSI，中图）。但事实上，自2021年7月（德尔塔变异毒株在美国传播之时）以来，“预测悲观情绪指数”一直为正，表明普遍悲观的预测。这是图4a中显示出的非农就业人数一直出现上行意外的一个原因。

因此，我们预计周五发布的八月份劳动力报告也会有上行意外。来源于非常强劲的数据趋势的上行意外与来源于非常悲观的预测的上行意外对市场有不同的影响。强劲的数据对风险资产有更大，更长期的影响，对波动性的影响更持久。而来源于过于悲观的预测的上行意外的影响则较小。市场基本上表明，“数据高于预测，但那基本是因为经济学家的预测过于悲观，而且我们本来也并不太关注经济学家的预测。”

这一点目前正在深数宏观（DeepMacro）的模型中发挥作用。如上所述，我们预计会有上行意外，并且预计利率会上升。但我们实际的预测值并不高于数据的中期趋势（事实上还比中期趋势略低）。我们预期会有上行意外，是因为共识预测最近一直过于悲观。随着这种过度悲观情绪的纠正，利率上行冲击的规模应该会减小。

深数宏观(DeepMacro)由华尔街资深经济学家和IT界著名数据科学家创建，利用人工智能分析大量经济数据，将其量化为经济增长因子、通货膨胀因子、全球投资风险因子等指标，预测全球宏观经济趋势。全自动的算法系统利用“大数据”在官方数据发布之前，分析经济状况并获取对市场重要但官方数据未能很好覆盖的数据。基于这些指标，深数宏观(DeepMacro)构建了各种资产类别的中期投资组合，包括短期利率、外汇和全球资产配置，都取得了很好的业绩。深数宏观(DeepMacro)与世界各地的金融机构，包括主要银行、主权财富基金和全球对冲基金等密切合作，提供付费内容、专有指标和咨询服务。有关更深入的数据分析和专业解释，请联系info@deepmacro.com。