日経新聞の経済指標から景況感を判断する方法のメモ
鉱工業指数の「生産」と「在庫」の関係から景況感を判断する方法があるようです。
■鉱工業指数
鉱業と工業の生産高や出荷数量、在庫の状況を表す数字。
鉱業：金、銀、銅、鉄といった金属や、ガラス、セメントの原料、原油、天然ガスなどのエネルギーを採掘する企業
工業：機械や電子部品、繊維、薬品、食品など、様々なモノを生産している企業
「在庫」が増えるときは「良い在庫の増え方」と「悪い在庫の増え方」がある。
良い在庫→景気が良さそうだからといって生産を増やすこと。
悪い在庫→景気が悪くなってモノが売れなくなり在庫が増えてしまうこと。
■生産指数
鉱工業製品の生産量を基準年の2010年を100として指数化した数字
■製品在庫率指数
鉱工業製品の在庫量を基準年の2010年を100として指数化した数字
■稼働率指数 製造工業
設備の稼働率を基準年の2010年を100として指数化した数字
稼働率指数は景気が底入れして回復に向かい、企業の生産活動が活発になる局面で上昇しはじめるみたいです
「生産指数」と「稼働率指数」は大体同じような動きになっていますね。
参考にしている本の著者の小宮先生は『「稼働率指数」のほうが実際の生産状況がどうなっているかがつかみやすい感じがしている』とのことです。先生がそう言うのなら「稼働率指数」をみるべきでしょうね。
%pylab
import matplotlib.pyplot as plt
import pandas as pd
from datetime import datetime
import numpy as np
#生産指数
df1 = pd.read_csv("https://vdata-stats-data.s3.amazonaws.com/csv/NA31M.csv",skiprows=1, names=['Month', 'Seisan' ,'Sokuho'])
#製品在庫率指数
df2 = pd.read_csv("https://vdata-stats-data.s3.amazonaws.com/csv/NA38M.csv",skiprows=1, names=['Month', 'Zaiko' ,'Sokuho'])
#稼働率指数 製造工業
df3 = pd.read_csv("https://vdata-stats-data.s3.amazonaws.com/csv/NB01M.csv",skiprows=1, names=['Month', 'Kadou' ,'Sokuho'])
Data = pd.merge(df1,df2,on='Month')
Data = pd.merge(Data,df3,on='Month')
dates = pd.DatetimeIndex(Data.Month)
Data.index = dates
from matplotlib.font_manager import FontProperties
fp = FontProperties(fname='C:\Windows\Fonts\HGRGM.TTC')
fig = plt.figure(figsize=(12,10))
ax1 = fig.add_subplot(3,1,1)
plt.ylabel(u'生産指数',fontproperties=fp)
ax2 = fig.add_subplot(3,1,2)
plt.ylabel(u'製品在庫率指数',fontproperties=fp)
ax3 = fig.add_subplot(3,1,3)
plt.ylabel(u'稼働率指数 製造工業',fontproperties=fp)
y1 = Data['Seisan']
y2 = Data['Zaiko']
y3 = Data['Kadou']
ax1.plot(y1,label=u'生産指数',color="darkgray")
ax2.plot(y2,label=u'製品在庫率指数',color="darkgray")
ax3.plot(y3,label=u'稼働率指数 製造工業',color="darkgray")
ax1.grid()
ax2.grid()
ax3.grid()
ax1.axhline(y=100, color='blue')
ax2.axhline(y=100, color='blue')
ax3.axhline(y=100, color='blue')
ax1.legend(prop=fp,loc='upper left')
ax2.legend(prop=fp,loc='upper left')
ax3.legend(prop=fp,loc='upper left')