仅凭“行业景气度要拐了”这一判断，无法直接推出该看哪些指标，因为拐点判断的前提是先定义“哪个行业的景气度”以及“拐向哪个方向”。景气度拐点分为向上拐点和向下拐点，不同方向对应的领先指标权重完全不同；同时，行业属性（周期品、成长品、消费品）决定了哪些数据真正具有领先性。缺少这些限定，任何指标清单都只是通用框架，无法直接套用。
景气度拐点的三层指标结构
判断行业景气度拐点，通常需要把指标分为宏观、中观、微观三个层面，每个层面回答的问题不同，且相互验证才能降低误判概率。
宏观层面回答的是“货币与信用环境是否允许行业扩张”。核心观察点是流动性松紧、信贷投放节奏、以及政策对特定行业的支持或限制态度。这类指标的领先性最强，但噪音也最大——宏观数据改善不一定立刻传导到具体行业。
中观层面回答的是“行业自身的供需格局是否在变化”。这是判断拐点的核心层，主要包括库存周期位置、产能利用率、产品价格与价差、行业开工率、订单情况等。这类指标与行业盈利的相关性最高，但不同行业的有效指标差异极大。
微观层面回答的是“产业链上下游的实际经营感受”。包括龙头企业排产计划、渠道库存、终端动销数据、应收账款周转等。这类数据最贴近真实需求，但获取难度大、更新频率低，通常只能作为验证信号而非领先信号。
不同行业属性下的指标权重差异
周期品行业（如化工、钢铁、有色）的拐点判断，核心看库存周期和产品价差。库存周期分为主动补库、被动补库、主动去库、被动去库四个阶段，拐点往往出现在库存从被动去库转向主动补库的节点。产品价差（产品价格减去原材料成本）比绝对价格更能反映行业盈利能力的边际变化。产能利用率则是判断供给端是否过热的辅助指标——利用率过高往往意味着后续供给释放压力。
成长品行业（如半导体、新能源、创新药）的拐点判断，核心看需求渗透率和订单能见度。这类行业的景气拐点更多由技术迭代、新产品放量节奏、下游资本开支计划驱动，传统库存指标的意义有限。需要关注的是龙头企业季报中的订单指引、产能扩张计划、以及下游客户的采购意向。
消费品行业的拐点判断，核心看终端动销和渠道库存。这类行业的景气变化通常滞后于宏观数据，但领先于企业报表。需要关注的是社零数据、电商平台销售数据、渠道库存周转天数等指标。
高频数据与低频数据的配合逻辑
拐点判断的难点在于：低频数据（如季度财报）确认性强但滞后，高频数据（如周度开工率、日度产品价格）及时但噪音大。合理的做法是用高频数据捕捉边际变化，用低频数据验证趋势确认。
高频指标包括：行业开工率、产品现货价格、库存周度数据、物流运输数据、招聘数据等。这类数据能较早反映供需边际变化，但单周波动可能只是噪音。低频指标包括：月度行业利润数据、季度产能利用率、企业财报中的毛利率和存货周转率等。这类数据确认性强，但看到变化时拐点往往已经发生。
需要核对的公开信息包括：行业协会发布的月度经营数据、统计局公布的行业增加值与利润数据、上市公司季报中的经营讨论与分析部分、以及交易所披露的行业景气指数。不同数据源的统计口径差异较大，交叉验证比单一数据更可靠。
政策与流动性环境的验证作用
政策与流动性环境对景气拐点的影响，需要区分“总量政策”和“产业政策”。总量政策（如货币宽松、财政刺激）影响所有行业的融资成本和需求预期；产业政策（如行业准入、补贴、监管）则只影响特定行业的供给和需求结构。
判断政策是否构成拐点信号，需要核对的是：政策文件的发布时间与措辞变化、配套资金的到位节奏、以及政策执行层面的落地情况。政策发布到行业基本面变化之间存在传导时滞，时滞长短因行业而异，无法给出统一数值。
需要特别注意的是，政策信号与行业基本面信号可能方向相反——政策支持但行业自身供需恶化，或政策收紧但行业需求强劲。这种情况下，政策信号只能作为背景变量，不能替代行业自身的供需数据。
常见问题
库存周期和产能利用率哪个更领先？
两者回答的问题不同：库存周期反映需求端的变化，产能利用率反映供给端的状态。通常库存周期对盈利拐点的领先性更强，因为企业调整库存的速度快于调整产能的速度；产能利用率更多用于确认供给端是否构成约束。两者需要结合看，单独使用任何一个都容易误判。
产品价格上涨一定意味着景气度向上吗？
不一定。产品价格上涨可能来自需求拉动，也可能来自供给收缩或成本推动。需要区分涨价的原因：需求拉动的涨价通常伴随订单增加和库存下降，供给收缩的涨价则可能伴随开工率下降和库存上升。核对行业库存数据和开工率数据，有助于区分这两种情形。
宏观数据改善后多久能看到行业数据变化？
传导时滞因行业而异，无法给出统一数值。距离终端需求近的行业（如消费、物流）传导较快，距离终端需求远的行业（如上游原材料、设备制造）传导较慢。判断时滞需要对比历史周期中宏观数据与行业数据的先后关系，但历史规律不代表未来必然重复。