采购经理人指数(PMI)是经济活动扩张与收缩的晴雨表,PMI指数已经广泛应用于政策制定、企业决策和经济分析过程,但关于采购经理人指数自身变化规律的研究仍比较少见。本文以国家统计局、物流联合会(CFLP)和汇丰银行(HSBC)采购经理人指数的历史数据为研究对象,分析其波动规律、数据差异及经济意义。由于宏观经济政策发挥作用具有较长时滞,增强对经济波动的预见具有较大的应用前景。本文采用多种模型对各PMI数据序列进行拟合与预测,包括简单ARIMA模型、疏系数模型、乘积季节模型和神经网络模型,通过协整检验验证了CFLP和HSBC制造业采购经理人指数之间的协整关系。预测结果显示,除疏系数模型误差超过3%外,各模型预测误差均低于2%。本文结论指出,不同PMI指数存在明显数据分布特征差异,这种差异具有明显经济意义;我国采购经理人指数临界点、趋势和波动能够较好地反映宏观经济变动。我国的临界点含义与发达国家不同,临界值53.79能够反映经济增长率的转折点,而PMI长期趋势则与我国潜在实际经济增长率的趋势相吻合;在短期预测中,乘积季节模型、神经网络模型及ARIMA模型预测的表现优于疏系数模型,能够较好地判断短期经济走势。其中,乘积季节模型与简单ARIMA模型不同,可以提取时间序列趋势效应和季节效应、随机波动之间的复杂关系。本文最后提出建议,包括采用各种方法加强采购经理人指数预测、分析不同赋权方法、优化PMI指数季节调整与抽样方法、设计行业指数并拓展其应用范围,以便更好地为宏观经济政策和企业决策制定提供参考。