谈拐点最容易犯的错，是把某一个数字的变化当成转向。开工率回升、价格止跌、订单排到两个月后，这些都可能是拐点，也可能只是季节性或补库。判断中期趋势，需要一套能把噪音过滤掉的流程，而不是更多的指标。

下面这份清单分三层过滤，加三条剔除规则。它的作用不是给出确定答案，而是让判断的依据可以被别人复核。

第一层：事实层，先看发生了什么

事实层只放可以直接观测、口径稳定的量：订单的交付周期、产能利用率、渠道库存周转、主流规格的价格、客户投诉的结构。这一层不解释原因，只记录变化的方向和持续时间。一个实用的要求是：同一指标至少连续三个观察周期同向变化，才进入下一层。

这一层最容易出的问题是口径漂移。企业换了统计方式、渠道换了结算口径、行业协会调整了样本，都会让曲线出现假的拐点。所以每条数据都要标注来源与口径，口径变了的指标，单列出来，不参与趋势判断。

第二层：结构层，看变化落在谁身上

结构层回答的是：这个变化是全面的，还是集中在某一段。要看客户集中度有没有变、新增产能集中在什么时间投产、替代技术的成熟度到了哪一步、渠道利润在厂商与经销商之间怎么重新分配。同样是需求回暖，落在头部客户和落在长尾客户，含义完全不同。

结构层还要看供给的响应速度。如果一个环节的产能可以在半年内补上，价格回升就难以持续；如果扩产需要环评、需要长周期设备，缺口就会维持更久。这一判断比需求侧的单一数据更可靠。

第三层：行为层，看企业开始改什么

最不容易造假的一层是行为。企业是否开始调整考核口径，是否重新设定投资的最低回报门槛，是否改变招聘的结构，是否愿意为客户备货。这些动作都有成本，做了就说明判断已经进入决策。反过来，嘴上说看好、手上不投钱，通常说明还没到拐点。

三条剔除规则：剔除一次性因素，比如某个大项目的集中交付；剔除同源信息，几家机构引用同一份数据，不构成交叉验证；剔除叙事带来的自我强化，热度本身不是证据。

最后要接受一个事实：拐点不是一个点，而是一个区间，事后看很清晰，当时看总是模糊的。所以清单的目标不是一次判对，而是把错误控制在可承受的范围内——留出调整仓位和节奏的余地，比追求判断的精确更重要。