CCI(消費者信頼感指数)

最終更新 2020-04-22 読了時間 4 分

まとめ

消費者信頼感指数（Consumer Confidence Index、CCI）は、家計に「今後 1 年の景気はよくなるか」「大きな買い物をするのに良い時期か」などを尋ねたアンケートを指数にした景気指標で、個人消費の先行指標として見られます。このページでは FRED からミシガン大学版の UMCSENT を取り、diff(12) で前年同月との差（前年比）、さらにその diff() で前年比の月次変化を作ります。前年比が −5 未満かつ変化が −2 未満の月を「消費者心理が急に冷えた月」として axvline で帯を引き、同じ図に 0〜100 に正規化した S&P 500 を重ねて、帯の位置が株価の下落と重なるかを 1 枚で確認します。読み終えると、diff(n) の n を変えることで「水準」「前年比」「加速度」の 3 つの見方を同じ系列から作れることが分かります。

直感 #

消費者信頼感指数は 1966 年を 100 とした指数で、2017 年以降は 95〜100 前後で推移していました。この水準そのものより、投資家が気にするのは「急に悪化していないか」です。前年の同じ月と比べた差（前年比）を取ると季節のくせが消え、さらにその差を 1 か月前と比べると「悪化が加速している月」が分かります。CCI には全米産業審議委員会（Conference Board）版とミシガン大学版があり、通常はミシガン大学の速報値が先に出るため、ここではミシガン大学版 UMCSENT を使います。

UMCSENT を取得 diff(12) で前年比 diff() で前年比の変化前年比 < −5 かつ変化 < −2 の月を抽出 axvline で帯正規化した S&P 500 と重ねる

FRED からデータを取り出す準備 #

関数 get_fred_data() は FRED データベースのページと同じもので、系列 ID を渡すと日付索引の DataFrame を返します。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import japanize_matplotlib
import numpy as np
import os
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from full_fred.fred import Fred

# FRED_API_KEY = os.getenv('FRED_API_KEY')
fred = Fred()
print(f"FRED APIキーが環境変数に設定されている：{fred.env_api_key_found()}")

def get_fred_data(name, start="2013-01-01", end=""):
    df = fred.get_series_df(name)[["date", "value"]].copy()
    df["date"] = pd.to_datetime(df["date"])
    df["value"] = pd.to_numeric(df["value"], errors="coerce")
    df = df.set_index("date")

    if end == "":
        df = df.loc[f"{start}":]
    else:
        df = df.loc[f"{start}":f"{end}"]

    return df

コードの解説番号をクリックすると、コード内の該当行がハイライトされます。

1 行目日本語の凡例を使うための読み込み
最後の図では「消費者信頼感指数の前年比変化」のように日本語のラベルを 4 つ使います。japanize_matplotlib を読み込んで japanize() を呼ばないと、凡例が □ の列になります。
10-11 行目API キーが環境変数にあるかを最初に見る
Fred() は環境変数 FRED_API_KEY を読みます。env_api_key_found() が True であれば以降の取得は認証で止まりません。
15-16 行目文字列を日付型・数値型に変換する
FRED の値は文字列で届くので、pd.to_datetime と pd.to_numeric(errors="coerce") で変換します。これを省くと diff(12) が文字列の引き算になり TypeError が出ます。
17-22 行目日付索引にして開始日以降を切る
set_index("date") で日付を索引にし、end="" なら start 以降の最新までを返します。UMCSENT は月次、SP500 は日次ですが、どちらもこの関数で同じ形に揃うので、後で同じ lineplot に重ねられます。

FRED APIキーが環境変数に設定されている：True

消費者信頼感指数（UMCSENT）から前年比と変化を作る #

ソース： University of Michigan: Consumer Sentiment

消費者のセンチメント（消費者マインド）をアンケートで調査して指数化した景気関連の経済指標です。CCI（Consumer Confidence Index）とも呼ばれています。一般的に個人消費やGDPとの相関性が高く、これらの先行指標として注目されています。 (出典：ＳＭＢＣ日興証券株式会社）

元データは Surveys of Consumers, University of Michigan で公開されている「Index of Consumer Sentiment」です。FRED では UMCSENT の ID で月次の値が取れます。

1
2
3
4
start_date = "2017-01-01"
df_UMCSENT = get_fred_data("UMCSENT", start=start_date)
df_UMCSENT["前年比"] = df_UMCSENT["value"].diff(12)
df_UMCSENT["前年比変化"] = df_UMCSENT["前年比"].diff()

コードの解説番号をクリックすると、コード内の該当行がハイライトされます。

1-2 行目開始日を変数にして S&P 500 と揃える
start_date を変数にしておき、次の SP500 の取得でも同じ値を使います。2 つの系列の開始がずれると、重ねた図で片方だけ左に伸びて帯の位置が読みにくくなります。2017 年からにしているのは、2020 年の急落を中心に数年分の平常時を含めるためです。
3 行目diff(12) は 12 か月前との差＝前年比
月次データで diff(12) を取ると「同じ月の 1 年前との差」になります。消費者心理は年末商戦など季節のくせを持つので、前月比ではなく前年比にすることで季節性を打ち消します。先頭 12 か月は比べる相手が無く NaN になります。
4 行目前年比の diff() で悪化の加速を見る
前年比をさらに 1 か月前と比べると、「前年比が −5 だったのが今月 −8 になった」といった悪化の加速度が分かります。水準（value）、速度（前年比）、加速度（前年比変化）の 3 段階で、後で帯を引く条件には後ろ 2 つを使います。

S&P 500 を 0〜100 に正規化する #

ソース： Categories > Money, Banking, & Finance > Financial Indicators > Stock Market Indexes > S&P 500 | FRED

S&P 500 は 2,000〜4,000 ポイント、消費者信頼感指数は 50〜100 前後です。同じ縦軸に重ねるために、株価指数を最小 0・最大 100 に伸縮させます。

1
2
3
4
5
df_SP500 = get_fred_data("SP500", start=start_date)
df_SP500["value"] -= df_SP500["value"].min()
df_SP500["value"] /= df_SP500["value"].max()
df_SP500["value"] *= 100
df_SP500["前月比"] = df_SP500["value"].diff(30)

コードの解説番号をクリックすると、コード内の該当行がハイライトされます。

2-4 行目最小値を 0、最大値を 100 に伸縮する min-max 正規化
最小値を引いて 0 から始め、最大値で割って 0〜1 にし、100 倍しています。これで株価指数が消費者信頼感指数と同じ 0〜100 の目盛りに収まり、twinx() を使わずに 1 本の縦軸で重ねられます。形（上下の動き）は変わりますが、どこが高くてどこが低いかの相対関係は保たれます。
2-4 行目期間を変えると正規化の結果も変わる
最小・最大は start_date 以降のデータで決まるので、2010 年から取ると 2020 年の底は 0 にならず別の位置に来ます。正規化後の値は「この期間の中での相対位置」であり、絶対水準の比較には使えません。
5 行目日次データの diff(30) は約 1.5 か月の差
SP500 は営業日ごとの日次系列なので、diff(30) は 30 営業日（約 1.5 か月）前との差になります。列名は「前月比」ですが、月次の UMCSENT で diff(12) が 1 年を意味したのとは単位が違う点に注意してください。この列は最後の図では使っていません。

4 本の線と「心理が冷えた月」の帯を重ねる #

消費者信頼感指数の水準・前年比・前年比変化と、正規化した S&P 500 を 1 枚に描き、前年比が −5 を下回りかつ変化が −2 を下回った月に灰色の帯を引きます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
sns.set(rc={"figure.figsize": (15, 8)})
japanize_matplotlib.japanize()

# 折れ線グラフをプロット
sns.lineplot(data=df_UMCSENT, x="date", y="value", label="消費者信頼感指数", alpha=0.5)
sns.lineplot(data=df_SP500, x="date", y="value", label="SP500")
sns.lineplot(data=df_UMCSENT, x="date", y="前年比", label="消費者信頼感指数の前年比")
sns.lineplot(data=df_UMCSENT, x="date", y="前年比変化", label="消費者信頼感指数の前年比変化")

# 前年比との変化が大きいタイミングに線を引く
previous_down_date = df_UMCSENT.index[0]
for date, row in df_UMCSENT.iterrows():
    if row["前年比変化"] < -2 and row["前年比"] < -5:
        previous_down_date = date
        plt.axvline(x=date, alpha=0.2, linewidth=12, color="k")
        # plt.text(
        #    date + pd.DateOffset(10),
        #    -20,
        #    f'{date.strftime("%Y/%m/%d")}',
        #    rotation=90,
        # )

plt.legend(fontsize=15, loc="upper left")
plt.show()

コードの解説番号をクリックすると、コード内の該当行がハイライトされます。

5-6 行目水準の 2 本は薄くして背景にする
消費者信頼感指数の水準は alpha=0.5 で薄くし、正規化した S&P 500 は通常の濃さで描いています。この 2 本は 50〜100 の高い位置に来るので、下の 0 付近で動く前年比・前年比変化と図の中で上下に分かれ、4 本あっても重なりません。
7-8 行目前年比と前年比変化は 0 を中心に揺れる
diff(12) と diff() の列は正負の両方を取るので、図の下半分で 0 の線をまたいで揺れます。前年比が −10 を下回る 2020 年と 2022 年の 2 か所で大きく沈むのが、次の条件で帯になる候補です。
12-13 行目前年比 < −5 かつ変化 < −2 を「急な悪化」とみなす
iterrows() で月ごとに条件を調べます。前年比だけで判定すると悪化が長引いている間ずっと帯が続き、変化だけだと 1 か月の揺れでも帯が付くので、「前年より 5 ポイント以上低く、かつその月に 2 ポイント以上さらに悪化した」の 2 条件を重ねています。閾値 −5 と −2 は図を見ながら手で決めた値です。
15 行目太い半透明の axvline で月の幅の帯にする
linewidth=12, alpha=0.2 にすると、縦線というより 1 か月分の幅を持った灰色の帯に見えます。条件を満たす月が連続すると帯が重なって濃くなり、悪化が続いた期間ほど目立つ仕組みです。
16-21 行目日付ラベルはコメントアウトしてある
plt.text で帯の横に日付を書く処理は、帯が密集する 2020 年前半で文字が重なるため無効化しています。帯が少ない期間を描くときはコメントを外すと、どの月が条件を満たしたかを図の中で読めます。

ソース： Categories > Money, Banking, & Finance > Financial Indi… figure

実行結果の読み方 #

灰色の帯は 2020 年 3〜4 月と 2022 年前半に集中しています。2020 年の帯では正規化した S&P 500（オレンジ）が 0 近くまで落ちており、消費者心理の急な冷え込みと株価の急落が同じ月に起きています。2022 年の帯ではインフレによる心理悪化が先に進み、株価の下落は帯より緩やかで、消費者信頼感指数が必ず株価に先行するわけではないことも同じ図から読めます。

使いどころと落とし穴 #

diff(12) が前年比になるのは月次で欠測が無いときだけで、FRED の UMCSENT のように毎月 1 行揃っている系列でないと 12 行前が 1 年前になりません。日次の SP500 に同じ diff(12) を当てると 12 営業日前との差になるので、頻度ごとに n を決め直します。正規化した S&P 500 は「この期間の最小が 0、最大が 100」という相対値なので、期間を 2010 年からに変えると 2020 年の底は 0 ではなくなり、帯との見た目の重なりも変わります。閾値 −5・−2 は 2017〜2023 年の図で見やすい値を手で選んだもので、別の期間や Conference Board 版の CCI（水準が 100〜130 と高い）では調整が必要です。

まとめ #

消費者信頼感指数 UMCSENT は diff(12) で前年比、その diff() で前年比の変化という 2 つの派生系列を作ると、「前年より 5 ポイント以上低く、かつ 2 ポイント以上さらに悪化した月」を機械的に抜き出せます。S&P 500 は min-max 正規化で 0〜100 に揃えて同じ軸に重ね、axvline(linewidth=12, alpha=0.2) の帯で条件を満たす月を示しました。2020 年の帯は株価の底と一致し、2022 年の帯は株価より先に出ており、心理指標と株価の関係が局面によって違うことが 1 枚の図で確認できます。