macro-analysis

name	macro-analysis
description	宏观经济数据获取与分析工具。基于akshare获取中国、美国及全球宏观经济指标（GDP、CPI、PMI、社融、利率、汇率等），支持趋势分析和跨指标对比，辅助投资决策中的宏观判断。

Macro Analysis Skill

基于 akshare 的宏观经济数据获取与分析工具，面向需要宏观视角辅助投资决策的个人投资者。

When to Use

当用户请求以下操作时调用此 skill：

• 查看宏观经济指标（GDP、CPI、PMI、M2、社融等）
• 分析宏观经济趋势
• 对比中美或多国经济指标
• 判断当前经济周期位置
• 查看利率、汇率、货币政策变化
• 分析宏观环境对投资的影响
• 获取航运指数（BDI）、大宗商品等全球经济风向标

Prerequisites

pip install akshare pandas numpy

验证安装：

python -c "import akshare; print(akshare.__version__)"

接口验证状态

以下所有接口均于 2026-04-12 实测验证通过，除标注 ⚠️ 的接口外。

数据格式说明

中国数据使用统计局源（格式B），列名各不相同，数据按时间倒序排列（iloc[0]=最新），下方速查表中标注了每个接口的具体列名。

美国/欧洲/全球利率使用东财/英为财情源（格式A）：

• 列名：['商品', '日期', '今值', '预测值', '前值']
• 日期为 datetime.date 类型
• 最新一行的"今值"可能为 NaN（尚未发布），取最新已发布数据：df[df['今值'].notna()].iloc[-1]

重要：调用任何接口后，先执行 print(df.columns.tolist()) 和 print(df.head(3)) 确认字段结构，再做后续处理。

数据接口速查表

中国核心指标（统计局源，数据最新）

指标	akshare 函数	返回列	说明
GDP	macro_china_gdp()	['季度', '国内生产总值-绝对值', '国内生产总值-同比增长', '第一产业-绝对值', '第一产业-同比增长', '第二产业-绝对值', '第二产业-同比增长', '第三产业-绝对值', '第三产业-同比增长']	倒序
CPI	macro_china_cpi()	['月份', '全国-当月', '全国-同比增长', '全国-环比增长', '全国-累计', '城市-当月', '城市-同比增长', '城市-环比增长', '城市-累计', '农村-当月', '农村-同比增长', '农村-环比增长', '农村-累计']	倒序
PPI	macro_china_ppi()	['月份', '当月', '当月同比增长', '累计']	倒序。当月>100为涨价，当月同比增长即PPI同比%
PMI	macro_china_pmi()	['月份', '制造业-指数', '制造业-同比增长', '非制造业-指数', '非制造业-同比增长']	倒序，含制造业+非制造业
财新PMI	macro_china_cx_pmi_yearly()	格式A	财新制造业PMI
财新服务业PMI	macro_china_cx_services_pmi_yearly()	格式A	财新服务业PMI
货币供应	macro_china_money_supply()	['月份', '货币和准货币(M2)-数量(亿元)', '货币和准货币(M2)-同比增长', '货币和准货币(M2)-环比增长', '货币(M1)-数量(亿元)', '货币(M1)-同比增长', '货币(M1)-环比增长', '流通中的现金(M0)-数量(亿元)', '流通中的现金(M0)-同比增长', '流通中的现金(M0)-环比增长']	倒序，M0/M1/M2
⚠️ 社融	macro_china_shrzgm()	—	SSL连接失败，改用新增信贷
新增信贷	macro_china_new_financial_credit()	['月份', '当月', '当月-同比增长', '当月-环比增长', '累计', '累计-同比增长']	倒序
人民币贷款	macro_rmb_loan()	['月份', '新增人民币贷款-总额', '新增人民币贷款-同比', '新增人民币贷款-环比', '累计人民币贷款-总额', '累计人民币贷款-同比']	近30月
人民币存款	macro_rmb_deposit()	['月份', '新增存款-数量', '新增存款-同比', '新增存款-环比', '新增企业存款-数量', ...]	近30月
LPR	macro_china_lpr()	['TRADE_DATE', 'LPR1Y', 'LPR5Y', 'RATE_1', 'RATE_2']	正序，TRADE_DATE为datetime.date
存款准备金率	macro_china_reserve_requirement_ratio()	['公布时间', '生效时间', '大型金融机构-调整前', '大型金融机构-调整后', '大型金融机构-调整幅度', '中小金融机构-调整前', '中小金融机构-调整后', '中小金融机构-调整幅度', ...]	倒序，历次调整记录
SHIBOR	macro_china_shibor_all()	['日期', 'O/N-定价', 'O/N-涨跌幅', '1W-定价', '1W-涨跌幅', '2W-定价', ..., '1Y-定价', '1Y-涨跌幅']	正序，日频
央行资产负债表	macro_china_central_bank_balance()	['统计时间', '国外资产', '外汇', ..., '储备货币', ..., '总负债'] 共28列
进出口	macro_china_hgjck()	['月份', '当月出口额-金额', '当月出口额-同比增长', '当月出口额-环比增长', '当月进口额-金额', '当月进口额-同比增长', '当月进口额-环比增长', '累计出口额-金额', '累计出口额-同比增长', '累计进口额-金额', '累计进口额-同比增长']	倒序
FDI	macro_china_fdi()	['月份', '当月', '当月-同比增长', '当月-环比增长', '累计', '累计-同比增长']	倒序，2023年后可能缺失
固定资产投资	macro_china_gdzctz()	['月份', '当月', '同比增长', '环比增长', '自年初累计']	倒序
工业增加值	macro_china_gyzjz()	['月份', '同比增长', '累计增长', '发布时间']	正序！用 iloc[-1] 取最新
社会消费品零售	macro_china_consumer_goods_retail()	['月份', '当月', '同比增长', '环比增长', '累计', '累计-同比增长']	倒序
财政收入	macro_china_czsr()	['月份', '当月', '当月-同比增长', '当月-环比增长', '累计', '累计-同比增长']	倒序
税收	macro_china_national_tax_receipts()	['季度', '税收收入合计', '较上年同期', '季度环比']
城镇失业率	macro_china_urban_unemployment()	['date', 'item', 'value']	长表格式，item含"全国城镇调查失业率"等分类，date格式YYYYMM
房地产	macro_china_real_estate()	['日期', '最新值', '涨跌幅', '近3月涨跌幅', ...]
新房价格	macro_china_new_house_price()	['日期', '城市', '新建商品住宅价格指数-同比', '新建商品住宅价格指数-环比', '新建商品住宅价格指数-定基', '二手住宅价格指数-同比', '二手住宅价格指数-环比', '二手住宅价格指数-定基']	70城
⚠️ 人民币汇率	macro_china_rmb()	—	接口报错（akshare内部TypeError），暂不可用
企业景气指数	macro_china_enterprise_boom_index()	['季度', '企业景气指数-指数', '企业景气指数-同比', '企业景气指数-环比', '企业家信心指数-指数', '企业家信心指数-同比', '企业家信心指数-环比']
物流指数	macro_china_lpi_index()	['日期', '最新值', '涨跌幅', ...]
A股市值	macro_china_stock_market_cap()	['数据日期', '发行总股本-上海', '发行总股本-深圳', '市价总值-上海', '市价总值-深圳', '成交金额-上海', '成交金额-深圳', ...]

美国核心指标（格式A）

列名统一为 ['商品', '日期', '今值', '预测值', '前值']，除特别标注外。

指标	akshare 函数	说明
GDP	macro_usa_gdp_monthly()	美国GDP
CPI(月率)	macro_usa_cpi_monthly()	CPI月率
CPI(同比)	macro_usa_cpi_yoy()	列名不同：['时间', '发布日期', '现值', '前值']
核心CPI	macro_usa_core_cpi_monthly()	核心CPI月率
PPI	macro_usa_ppi()	生产者物价指数
核心PPI	macro_usa_core_ppi()	核心PPI
核心PCE	macro_usa_core_pce_price()	核心PCE（美联储首选通胀指标）
Markit PMI	macro_usa_pmi()	Markit制造业PMI
ISM PMI	macro_usa_ism_pmi()	ISM制造业PMI
非制造业PMI	macro_usa_ism_non_pmi()	ISM非制造业PMI
服务业PMI	macro_usa_services_pmi()	Markit服务业PMI
非农就业	macro_usa_non_farm()	非农就业人数变化（千人）
失业率	macro_usa_unemployment_rate()	失业率(%)
ADP就业	macro_usa_adp_employment()	ADP就业人数变化（小非农，千人）
初请失业金	macro_usa_initial_jobless()	初请失业金人数（周频，千人）
联邦基金利率	macro_bank_usa_interest_rate()	美联储利率决议
零售销售	macro_usa_retail_sales()	零售销售月率(%)
CB消费者信心	macro_usa_cb_consumer_confidence()	谘商会消费者信心指数
密歇根消费信心	macro_usa_michigan_consumer_sentiment()	密歇根大学消费者信心
贸易差额	macro_usa_trade_balance()	贸易帐（亿美元）

全球利率（格式A）

国家/地区	akshare 函数
美国	macro_bank_usa_interest_rate()
欧元区	macro_bank_euro_interest_rate()
日本	macro_bank_japan_interest_rate()
英国	macro_bank_english_interest_rate()
澳大利亚	macro_bank_australia_interest_rate()
印度	macro_bank_india_interest_rate()
俄罗斯	macro_bank_russia_interest_rate()
巴西	macro_bank_brazil_interest_rate()
瑞士	macro_bank_switzerland_interest_rate()
新西兰	macro_bank_newzealand_interest_rate()

全球风向标

指标	akshare 函数	返回列	说明
BDI	macro_shipping_bdi()	['日期', '最新值', '涨跌幅', '近3月涨跌幅', ...]	波罗的海干散货指数（日频）
BCI	macro_shipping_bci()	同上	波罗的海海岬型指数
BPI	macro_shipping_bpi()	同上	波罗的海巴拿马型指数
BCTI	macro_shipping_bcti()	同上	波罗的海清洁油轮指数
SOX	macro_global_sox_index()	同上	费城半导体指数（日频）
黄金	macro_cons_gold()	['商品', '日期', '总库存', '增持/减持', '总价值']	SPDR黄金ETF持仓（非金价）
白银	macro_cons_silver()	同上	iShares白银ETF持仓（非银价）
OPEC	macro_cons_opec_month()	['日期', '阿尔及利亚', ..., '沙特', ..., '欧佩克产量']	OPEC各国月度产量
LME库存	macro_euro_lme_stock()	['日期', '铜-库存', '铜-注册仓单', '铜-注销仓单', '锡-...', '铅-...', '锌-...', '铝-...', '镍-...']
LME持仓	macro_euro_lme_holding()	['日期', '铜-多头仓位', '铜-空头仓位', '铜-净仓位', '锌-...', '镍-...', ...]

欧元区（格式A）

指标	akshare 函数
GDP	macro_euro_gdp_yoy()
CPI(月)	macro_euro_cpi_mom()
CPI(年)	macro_euro_cpi_yoy()
PPI	macro_euro_ppi_mom()
制造业PMI	macro_euro_manufacturing_pmi()
服务业PMI	macro_euro_services_pmi()
失业率	macro_euro_unemployment_rate_mom()
贸易帐	macro_euro_trade_balance()
零售销售	macro_euro_retail_sales_mom()
ZEW经济景气	macro_euro_zew_economic_sentiment()
Sentix投资信心	macro_euro_sentix_investor_confidence()

---

Workflows

Workflow 1: 单指标查询

用户询问某个具体宏观指标时使用。

Step 1: 识别指标 — 匹配上方速查表中的函数。

Step 2: 获取数据

import akshare as ak

# 示例：获取中国CPI（统计局源，倒序）
df = ak.macro_china_cpi()
print(df.columns.tolist())
print(df.head(3))  # 倒序，head=最新

latest = df.iloc[0]
print(f"最新CPI: {latest['月份']}, 同比 {latest['全国-同比增长']}%, 环比 {latest['全国-环比增长']}%")

Step 3: 呈现结果 — 表格展示最近数据，标注趋势判断。

Workflow 2: 经济仪表盘（多指标概览）

import akshare as ak

# 增长
gdp = ak.macro_china_gdp()              # 倒序
industrial = ak.macro_china_gyzjz()      # 正序！

# 物价
cpi = ak.macro_china_cpi()               # 倒序
ppi = ak.macro_china_ppi()               # 倒序

# 景气
pmi = ak.macro_china_pmi()               # 倒序

# 货币与信用
m2 = ak.macro_china_money_supply()       # 倒序
new_credit = ak.macro_china_new_financial_credit()  # 倒序
lpr = ak.macro_china_lpr()               # 正序

# 外贸
trade = ak.macro_china_hgjck()           # 倒序

# 就业与消费
unemployment = ak.macro_china_urban_unemployment()
retail = ak.macro_china_consumer_goods_retail()  # 倒序

# 取最新值
print(f"GDP: {gdp.iloc[0]['季度']}, 同比 {gdp.iloc[0]['国内生产总值-同比增长']}%")
print(f"CPI: {cpi.iloc[0]['月份']}, 同比 {cpi.iloc[0]['全国-同比增长']}%")
print(f"PPI: {ppi.iloc[0]['月份']}, 同比 {ppi.iloc[0]['当月同比增长']}%")
print(f"PMI: {pmi.iloc[0]['月份']}, 制造业 {pmi.iloc[0][]}, 非制造业 ")
()
()
()  

Workflow 3: 经济周期定位

美林投资时钟 + 中国信用周期：

阶段	GDP	CPI	货币政策	信用	利好资产
衰退期	↓	↓	宽松	收缩→企稳	债券
复苏期	↑	↓	宽松	扩张	股票
过热期	↑	↑	收紧	扩张	商品
滞胀期	↓	↑	收紧	收缩	现金

获取GDP/CPI/PPI/PMI/M2/LPR/信贷数据，判断当前所处阶段，给出资产配置建议。

Workflow 4: 中美对比

import akshare as ak

def latest_a(df):
    """从格式A取最新已发布数据"""
    return df[df['今值'].notna()].iloc[-1]

# 中国（统计局源）
cn_cpi = ak.macro_china_cpi()
cn_pmi = ak.macro_china_pmi()
cn_lpr = ak.macro_china_lpr()

# 美国（格式A）
us_gdp = ak.macro_usa_gdp_monthly()
us_cpi = ak.macro_usa_cpi_monthly()
us_pmi = ak.macro_usa_ism_pmi()
us_rate = ak.macro_bank_usa_interest_rate()

# 利差
cn_rate = cn_lpr.iloc[-1]['LPR1Y']
us_rate_val = latest_a(us_rate)['今值']
print(f"中美利差: {cn_rate - us_rate_val:.2f}%")

Workflow 5: 利率与流动性监控

import akshare as ak

lpr = ak.macro_china_lpr()
rrr = ak.macro_china_reserve_requirement_ratio()
shibor = ak.macro_china_shibor_all()          # 正序，日频
m2 = ak.macro_china_money_supply()            # 倒序
new_credit = ak.macro_china_new_financial_credit()  # 倒序
rmb_loan = ak.macro_rmb_loan()
rmb_deposit = ak.macro_rmb_deposit()
central_bank = ak.macro_china_central_bank_balance()

---

Error Handling

接口限流

akshare 部分接口有频率限制。如果报错，等待几秒后重试，或分批获取。

数据缺失

部分指标更新有滞后（GDP季度更新、PMI月度更新等）。获取数据后检查最新日期，告知用户数据时效性。

已知不可用接口（2026-04-12验证）

• macro_china_shrzgm() — SSL连接失败（商务部数据源），用 macro_china_new_financial_credit() 替代
• macro_china_rmb() — akshare内部TypeError，汇率数据暂不可用

---

Best Practices

1. 数据时效性：获取数据后始终检查并告知最新数据的日期
2. 先验证后分析：调用接口后先打印 columns 和 head，确认数据结构正确
3. 注意排序方向：大部分中国统计局源是倒序（iloc[0]=最新），但 macro_china_gyzjz()（工业增加值）是正序（iloc[-1]=最新），macro_china_lpr() 和 macro_china_shibor_all() 也是正序
4. 适度获取：仪表盘模式下分批获取接口，避免一次调用过多触发限流
5. 结合投资：宏观分析的落脚点是对投资决策的启示，避免纯数据罗列
6. 周期视角：单个数据点意义有限，关注趋势变化和拐点信号
7. 交叉验证：用多个指标交叉验证同一判断（如PMI+工业增加值验证经济景气）
8. 投资建议免责：所有分析仅供参考，不构成投资建议