經濟指標方面，PMI數據無疑是十分重要的。首先，PMI數據在每月月底披露，時間上領先于CPI、PPI、消費、投資、社融、信貸、工業企業利潤等其他關鍵指標。其次，PMI指標包含十個細分指標，涵蓋生產端、需求端、就業、進出口、企業預期各個方面，并區分制造業PMI、非制造業PMI和綜合PMI，能夠較全面地反映經濟短周期的景氣度。第三，PMI數據的獲取方式是直接對采購和供應經理進行問卷調查，數據來源于一線，并進行季節性調整，因此更加真實和可靠。

因此，能夠預判PMI將有助于把握短期景氣度。對PMI做預測的一個思路，是從更加高頻的宏觀數據(比如日度、周度數據)中獲取信息。比如我們在高頻數據的跟蹤過程中發現，發電耗煤同樣作為一個標桿性的指標，與PMI走勢具有較高的相關性。因為目前我國的發電結構，火電占到70%以上，因此能夠很大程度上反映生產情況；且發電耗煤是日度高頻數據，因此可以嘗試用以對PMI進行預判。

從下面第一幅圖來看，對發電耗煤每日數據進行月度平均處理后的同比數據，與PMI走勢雖不是一一對應，但趨勢上高度相關，尤其是2015年以來的數據。

但考慮到PMI問卷調查的搜集時間一般截止到每月25日，因此我們另外對月度數據的區間做一個調整，以前一月的26日至后一月的25日作為周期。調整后如下面第二張圖。

我們對兩個圖形都進行簡單回歸，數據最多可回溯至2010年10月。結果顯示，截止月末數據回歸模型R2為0.256，截止25日數據回歸模型R2為0.284，我們將這兩個模型分別編號為模型一和模型二。

由于圖形上顯示15年之后吻合度更高，因此對15年以來的數據再次擬合。結果顯示，截止月末數據回歸模型R2為0.541，截止25日數據回歸模型R2為0.511，我們將這兩個模型分別編號為模型三和模型四。

最終四個圖形預測和實際比對如下面的第三張圖。

如上，雖然模型無法做到精確，但是在方向上還是具有一定參考價值。換言之，我們可以通過日度可得的電廠發電耗煤數據，來模擬出PMI的大致方向。至于在模型的選擇上各有優劣，采用10年以來數據樣本更大，采用15年以來數據圖形更溫和，采用調整區間后(上月26日至當月25日)的模型更加貼合PMI的調查周期。