如何利用发电耗煤数据辅助预判PMI走势因此，能够预判PMI将有助于把握短期景气度。对PMI做预测的一个思路，是从更加高频的宏观数据(比如日度、周度数据)中获取信息。比如大家在高频数据的跟踪过程中发现，发电耗煤同样作为一个标杆性的指标，与PMI走势具有较高的相关性。因为目前偶国的发电结构，火电占到70%以上，因此能够很大程度上反映生产情况；且发电耗煤是日度高频数据，因此可以尝试用以对PMI进行预判。
从下面第一幅图来看，对发电耗煤每日数据进行月度平均处理后的同比数据，与PMI走势虽不是一一对应，但趋势上高度相关，尤其是2015年以来的数据。
但考虑到PMI问卷调查的搜集时间一般截止到每月25日，因此大家另外对月度数据的区间做一个调整，以前一月的26日至后一月的25日作为周期。调整后如下面第二张图。
大家对两个图形都进行简单回归，数据最多可回溯至2010年10月。结果显示，截止月末数据回归模型R2为0.256，截止25日数据回归模型R2为0.284，大家将这两个模型分别编号为模型一和模型二。
由于图形上显示15年之后吻合度更高，因此对15年以来的数据再次拟合。结果显示，截止月末数据回归模型R2为0.541，截止25日数据回归模型R2为0.511，大家将这两个模型分别编号为模型三和模型四。
最终四个图形预测和实际比对如下面的第三张图。
如上，虽然模型无法做到精确，但是在方向上还是具有一定参考价值。换言之，大家可以通过日度可得的电厂发电耗煤数据，来模拟出PMI的大致方向。至于在模型的选择上各有优劣，采用10年以来数据样本更大，采用15年以来数据图形更温和，采用调整区间后(上月26日至当月25日)的模型更加贴合PMI的调查周期。