文章目录
非农就业报告(Nonfarm Payrolls, NFP)
主要内容
-
非农就业报告(Nonfarm Payrolls, NFP)。每月第一个周五公布(美国劳工部统计局发布)。包含:
- 新增就业人数(不含农场就业)
- 失业率
- 劳动参与率
- 平均时薪(工资增长)
-
示例:
txt
2025年8月就业形势:美国劳工统计局(BLS)今天报告称,
8月份非农就业总人数变化不大(+22,000),且自4月份以来也基本没有变化。
8月份
失业率为4.3%,也基本没有变化。医疗保健行业的就业增长被
联邦政府以及采矿、采石和石油和天然气开采行业的就业损失部分抵消。
本新闻稿提供的统计数据来自两项月度调查。家庭调查按
人口统计特征衡量劳动力状况,包括失业率。机构
调查按行业衡量非农就业、工时和收入。有关
这两项调查中使用的概念和统计方法的更多信息,请参阅技术说明。
家庭调查数据
8 月份,失业率为 4.3%,失业人数为 740 万,
变化不大。这些指标与去年同期相比也几乎没有变化。(见表 A-1。)
在主要工人群体中,成年男性(4.1%)、成年女性
(3.8%)、青少年(13.9%)、白人(3.7%)、黑人(7.5%)、亚裔
(3.6%)和西班牙裔(5.3%)的失业率在 8 月份几乎没有变化。 (见表 A-1、
A-2 和 A-3。)
在失业人口中,8 月份新进入就业市场的人数减少了 19.9 万人,降至 78.6 万人,
基本抵消了上个月的增幅。新进入就业市场的人数是指正在
寻找第一份工作的失业人员。(见表 A-11。)
长期失业者(失业 27 周或以上)人数
8 月份变化不大,为 190 万人,但与去年同期相比增加了 38.5 万人。8 月份,长期
失业者占所有失业人口的 25.7%。(见表 A-12。)
8 月份,劳动参与率变化不大,为 62.3%,
就业人口比率保持不变,为 59.6%。这两个指标与去年同期相比均下降了
0.4 个百分点。 (见表 A-1。)
由于经济原因从事兼职工作的人数为 470 万人,与上年相比变化不大。
8月份。这些人原本希望获得全职工作,但
由于工作时间减少或无法找到全职工作而选择兼职。(见表A-8。)8月份
,目前希望就业但尚未加入劳动力队伍的人数为640万,
与上月相比变化不大,但比去年同期增加了72.2万。这些人未被计入
失业人数,因为他们在调查前4周内没有积极寻找工作
,或者无法接受工作。(见表A-1。)
在那些希望就业但尚未加入劳动力队伍的人群中,8月份处于边缘就业状态的人数
变化不大,为180万。这些人希望
工作并且能够工作,在过去12个月的某个时间点寻找过工作,但在调查前4周内没有寻找过工作。灰心丧气的工人(
边缘就业人群中的一部分,他们认为没有工作机会)
的人数也与
上月相比变化不大,为51.4万。 (见汇总表 A。)
机构调查数据
8 月份非农就业总人数变化不大(+22,000),并且
自 4 月份以来也几乎没有变化。本月,医疗保健领域的就业岗位增加被联邦政府
以及采矿、采石和石油和天然气开采领域的就业岗位减少部分抵消。(见表 B-1。)
8 月份,医疗保健领域增加了 31,000 个就业岗位,低于过去
12 个月 42,000 个的平均月增幅。当月,门诊医疗保健服务
(+13,000)、护理和住宅护理机构(+9,000)和医院(+9,000)的就业人数继续呈上升趋势。8
月份社会救助领域的就业人数继续呈上升趋势(+16,000),反映出
个人和家庭服务领域的就业人数持续增长(+16,000)。8
月份联邦政府就业人数继续下降(-15,000),
自 1 月份达到峰值以来已下降 97,000。 (
在机构调查中,带薪休假或持续领取遣散费的员工均计入就业人数。)
8月份,采矿、采石和石油天然气开采行业的就业人数减少了6,000人,而
此前12个月的就业人数几乎没有变化。
批发贸易行业的就业人数在8月份继续呈下降趋势(减少了12,000人),自5月份以来已减少了32,000人
。
8月份制造业就业人数几乎没有变化(减少了12,000人),但同比减少了78,000人。
运输设备制造业的就业人数在当月减少了15,000人,部分原因
是罢工活动。
其他主要行业的就业人数当月变化不大,包括建筑业、
零售贸易、运输和仓储、信息、金融活动、专业和
商业服务、休闲和酒店以及其他服务。8月份
,私营非农企业所有员工的平均时薪上涨 10 美分,涨幅 0.3
%,至 36.53 美元。在过去 12 个月中,平均时薪增长了
3.7%。8 月份,私营部门生产和非管理
员工的平均时薪上涨 12 美分,涨幅 0.4%,至 31.46 美元。(见表 B-3 和 B-8。)
8 月份,私营非农企业所有员工的平均每周工作时间为 34.2 小时,
连续第三个月如此。在制造业,平均每周工作时间小幅下降至 40.0 小时,
加班时间保持不变,为 2.9 小时。 8月份,私营非农企业生产和非管理类
员工的平均每周工作时间保持不变,为33.7小时。(参见表B-2和
B-7。)
6月份非农就业总人数变化下修了27,000人,从+14,000人
降至-13,000人;7月份变化上修了6,000人,从+73,000人降至+79,000人。修正后
,6月和7月合计就业人数比之前报告的少21,000人。
(每月修订基于自上次公布估计数据以来收到的企业和政府机构的补充报告以及对季节性因素
的
重新计算。)
_____________ 9月份就业形势报告定于2025年10月3日星期五上午8:30(美国东部时间)发布。
数据信息
可能影响
-
短端利率(比如两年期国债收益率)代表了市场对未来美联储政策利率的预期 。它一旦下行,市场解读就是------美联储会更快、更大幅度地降息。短端利率下行 = 降息预期升温 = 资金更愿意为未来买单 → 科技股最直接受益。:
-
科技股特别是成长股(AI、芯片、SaaS)很多还在"高投入、未来兑现利润"的阶段。
-
投资人估值时会用"未来现金流折现模型"(DCF)。折现率里关键的就是利率。
-
短端利率下行 → 折现率下降 → 未来收益折算到今天的价值更高 → 股价自然上涨。
-
短期利率下降意味着企业融资成本降低。对于烧钱搞研发的科技公司,这是利好。
-
同时,低利率环境下,安全资产(比如国债)的收益变低,资金会"被迫"寻找更高回报,流入风险更高但潜在回报巨大的科技股。
-
-
通过gpt总结出表格:
| 场景 | 非农结果 | 利率预期变化 | 受益/受损板块 | 代表性方向 | 投资人应对策略 |
|---|---|---|---|---|---|
| 极度疲软 | 新增就业低于4万 | 降息50bp 概率大幅上升,短端利率迅速下行 | 高估值成长股大涨(AI、芯片、软件) | 纳指领(涨纳斯达克科技股为主,标普500有更多机构长线资金),英伟达、特斯拉等焦点 | 关注高成长科技股,适度加仓ETF(如QQQ),但警惕情绪过热风险 |
| 中规中矩 | 新增就业 7--8万 | 维持降息25bp 定价,美股震荡 | 防御板块(医疗、公用事业、必选消费) | 联合健康、强生、宝洁等稳住大盘 | 配置防御性行业ETF,保持仓位稳定,等待方向明朗 |
| 超预期强劲 | 新增就业 >13万 且正向修正 | 降息预期破灭,长端利率飙升 | 高估值板块受压(科技、地产、消费可选);避险资产承压;美元走强,美债价格下跌 | 黄金、白银、日元 | 减少高估值成长股敞口,增配美元现金/短债ETF(如SHY)、美元指数ETF(如UUP),关注金融和能源板块;另外可能在市场担心"经济过热+未来衰退"时,会因避险需求的二次效应被买入; |
| 利差扩大 | 长端利率上升、短端因降息下行 | 利率曲线倒挂缓解,利差拉大 | 银行、保险等金融股获益 | 金融股成低调赢家 | 关注银行、保险板块,适度加码金融ETF(XLF) |
官方数据源 (美国劳工统计局)
| 指标 | 发布机构 | 发布频率 | 官方链接 |
|---|---|---|---|
| 初请失业金人数(统计上周新申请失业救济的人数) | 美国劳工部 | 每周(周四) | 劳工部官网 周四的新闻稿 |
| ADP 就业数据 | ADP Research Institute | 每月(周三) | ADP 官方报告页面 |
| 非农就业报告(NFP) | BLS | 每月第一周五 | HTML 页面、 PDF 文件 |
数据爬取示例
- 定时任务 :用
cron(Linux)或schedule(Python 库)定时去拉取最新数据。爬取文本数据后可作为其他数据分析工具的数据源。
(a)抓取 HTML 页面中的关键数据
python
import requests
from bs4 import BeautifulSoup
url = "https://www.bls.gov/news.release/empsit.nr0.htm"
resp = requests.get(url)
soup = BeautifulSoup(resp.text, "html.parser")
# 示例:提取所有段落
paragraphs = [p.get_text(strip=True) for p in soup.find_all("p")]
for p in paragraphs[:5]: # 打印前 5 段
print(p)
(b)下载并解析 PDF
python
import requests
url = "https://www.bls.gov/news.release/pdf/empsit.pdf"
pdf_path = "empsit.pdf"
# 下载
with requests.get(url) as r:
with open(pdf_path, "wb") as f:
f.write(r.content)
print("PDF 已保存:", pdf_path)
# 解析 PDF(需要安装 pdfplumber)
import pdfplumber
with pdfplumber.open(pdf_path) as pdf:
first_page = pdf.pages[0]
text = first_page.extract_text()
print(text[:500]) # 打印前 500 个字符
历史数据
- 数据 API :美国劳工统计局 (BLS) 的公共数据应用程序编程接口 (API) 允许公众访问所有 BLS 项目的经济数据。BLS 希望优秀的开发人员和程序员能够使用 BLS 公共数据 API,利用已发布的 BLS 数据创建原创且富有创意的应用程序。BLS公共数据 API目前有两个版本。2.0 版需要注册,允许用户更频繁地访问更多数据。用户可以在请求中添加计算结果和年平均值,并且许多 BLS 调查都提供系列描述信息。1.0 版 API 功能较为有限,无需注册,并且向公众开放。
- 单系列 : 使用此签名检索过去三年的单个时间序列的数据。请务必在 URL 末尾添加具体的序列 ID。
- 多系列 : 使用此签名可检索过去三年内多个时间序列的数据。您最多可以在请求正文中包含 25 个序列 ID,每个 ID 之间用逗号分隔。
- 一个或多个系列,指定年份 : 使用此签名可检索指定时间范围内(最长 10 年)的一个或多个时间序列的数据。您必须在请求正文中包含至少一个序列 ID、起始年份和结束年份。如果您包含多个序列 ID,请务必用逗号分隔每个序列 ID。
相关数据
美国劳动力参与率(Labor Force Participation Rate, LFPR)
-
美国劳动力参与率 (Labor Force Participation Rate, LFPR):
- 劳动力参与率 = 劳动力人口 / 工作年龄人口 × 100%
- 劳动力人口:正在就业 + 积极找工作的人。
- 工作年龄人口:通常指 16 岁及以上的非机构人口(不在军队、不在监狱、不在长期护理机构)。
- 劳动力参与率 = 劳动力人口 / 工作年龄人口 × 100%
-
LFPR 特点 :
-
比失业率更全面
- 失业率只统计"在找工作的人",但如果有人放弃找工作,就不会算失业。
- 劳动力参与率可以衡量 隐藏的失业和就业积极性。
-
长期趋势
- 1950s-1990s:劳动力参与率逐步上升(女性进入劳动力市场)。
- 2000 年后:下降趋势明显(人口老龄化、年轻人延迟就业)。
- 疫情后:大幅下降,恢复缓慢。
经济意义
-
高劳动力参与率:
- 说明人口积极就业,经济活跃。
- 可能带来更高的潜在增长率。
-
低劳动力参与率:
- 可能因为退休潮、失去信心的"气馁工人"、教育周期延长。
- 可能掩盖就业市场疲软(失业率看似低,但很多人根本不找工作)。