本文首發於微信公眾號：張明宏觀金融研究。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
註：我們團隊將會陸續發布中國宏觀經濟研究框架系列研究，這是系列的第一篇。文中配圖攝於臺北陽明書屋。
平安觀點
本文梳理了通貨膨脹分析與預測的框架。關於CPI的分析框架主要包括三個維度：一是基於豬周期、進口價格和M1三個影響因素建立協整模型；二是基於CPI環比周期性的「環比均值法」；三是依靠產出缺口對CPI的趨勢進行預測。我們將根據前兩個維度得出CPI的預測值，尋找合適的權重進行加權，然後根據第三個維度對CPI預測值進行調整。
CPI的三因素協整模型：選取豬肉價格、進口價格與M1三個因素對CPI進行分析。豬肉價格在CPI中所佔權重相對較高，波動幅度較大，並且具有明顯的周期性特徵，能夠顯著影響CPI的走勢。進口價格表徵「輸入型通脹」的影響，中國進口商品結構中大宗原材料佔比較高，進口成本價格將直接影響工業生產的整體成本，進而傳導至PPI，再由PPI向下遊的CPI傳導。傳統的費雪方程表明貨幣數量對通脹起決定性作用， M1與CPI之間在經過一段時滯後呈現明顯的正相關關係。利用上述三個因素建立協整模型，能夠對CPI同比走勢進行預測，歷史數據檢驗顯示模型擬合程度較好。
CPI預測的環比均值法：CPI中佔權重較高的食品價格受到春節因素、天氣變化、養殖規律等季節性因素的影響，呈現出明顯的波動規律，這樣的季節性規律在年內表現得相對穩定。並且，由於食品價格的波動幅度大大高於非食品價格，且所佔權重並不低，食品價格的環比波動基本決定了CPI環比的走勢。基於CPI環比存在的周期性特徵，我們可以使用最近5年的環比均值來估算每月CPI的環比，在較大概率上不會出現趨勢性偏差；然後根據CPI環比與同比數據之間的關係，計算出CPI同比的趨勢。
兩種模型的對比與結合：使用2015-2016年的兩年數據來對上述兩種CPI預測模型進行短期預測的檢驗，根據「誤差最小化」的原則用試錯法確定兩者最終的權重：VAR模型最適合的權重為0.51，環比均值法的權重為0.49。對上述兩種模型得出的CPI預測值進行加權平均，最終得出2017年CPI同比為1.4%。
根據產出缺口對CPI預測的修正：產出缺口與物價水平上漲率呈同向變動關係，即當產出缺口為正時，需求大於供給，形成通貨膨脹壓力；當產出缺口為負時，需求小於供給，形成通貨緊縮壓力。不過，由於產出缺口衡量的是整體價格水平，其所代表的物價上行壓力很可能同時包括了CPI與PPI的走勢特徵。歷史數據也印證了這一點，產出缺口與PPI的相關性更高。因此，儘管從當前產出缺口的走勢來看，未來一段時期通脹將面臨一定的上行壓力，但這大部分已經反映在了近期PPI大幅上行的走勢上。考慮到PPI向CPI傳導的效應仍然可能造成一定影響，我們將2017年CPI預測值小幅上修0.2個百分點至1.6%。
通貨膨脹作為衡量一般物價水平的指標，在宏觀經濟分析中的重要性不言而喻。廣義的通貨膨脹指標有多種，包括消費者物價指數（CPI），工業品出廠價格指數（PPI），GDP平減指數等。不過，市場分析一般所指的狹義通脹水平仍是CPI同比增速，原因在於CPI與居民生活相關程度最高。大部分國家央行在制定貨幣政策時，重點參考的通脹指標也是CPI。因此，本文將重點以CPI同比數據為主，構建中國通貨膨脹的預測框架。
我們關於CPI的分析框架主要包括三個維度：一是基於豬周期、進口價格和M1三個影響因素建立協整模型；二是基於CPI環比周期性的「環比均值法」；三是依靠產出缺口對CPI的趨勢進行預測。根據前兩個維度得出CPI的預測值，尋找合適的權重進行加權，然後根據第三個維度對CPI預測值進行調整。
一、 CPI的三因素協整模型
CPI通常分為食品價格與非食品價格兩大類，在食品價格當中我們選取了豬肉價格作為CPI的第一個影響因素；在非食品價格當中我們選擇了進口價格指數作為CPI的第二個影響因素；而根據傳統的貨幣數量論，對於貨幣供應量對於通貨膨脹也將造成直接影響，因此我們選取M1作為第三個影響因素。
1.1豬肉價格與通脹
豬肉價格在相當長的一段歷史時期內被宏觀研究者視為分析通脹最為準確的、甚至是唯一重要的指標，因為從中國已有的2001年至2013年的豬肉價格和CPI數據來看，兩者波動的周期高度一致，只是豬肉價格波幅遠大於CPI的波幅。只要能準確判斷豬周期波動，就基本能夠判斷CPI的走勢。
豬肉價格與CPI的相關性邏輯在於：豬肉價格在CPI中所佔權重相對較高，波動幅度較大，並且具有明顯的周期性特徵，因此能夠顯著影響CPI的走勢。
1）根據國家統計局最2016年1月對CPI分項進行調整後的權重，食品價格在CPI中的權重約為26%左右；而豬肉價格佔食品價格權重接近10%，佔CPI權重約為2.5%左右。在CPI各分項中，CPI與食品價格相關性最高，食品價格與豬肉價格相關性最高。從2005年至今的歷史數據來看，CPI同比與CPI食品價格同比的相關係數高達0.95（與非食品相關係數僅為0.66），而CPI食品價格同比與CPI豬肉價格同比分項的相關係數則高達0.85。
2）由於我國生豬散養的特徵，豬肉價格受到生豬養殖戶活動的影響，呈現出較為明顯的周期性特徵：當豬肉價格上漲時，養殖戶增加生豬養殖量，逐漸導致生豬供給增加，抑制豬肉價格上漲；供給持續大幅擴張以至於供過於求，豬肉價格進入下行區間，此時養殖戶逐漸減少生豬養殖量，生豬供給逐漸減少，以至於供不應求，豬肉價格則重新進入上行通道。而從歷史數據看，一個完整的豬周期（豬肉價格上漲到下跌的過程）一般延續3年左右的時間。
因此，豬肉價格是CPI當中波動幅度最大，且周期性最為明顯的分項，這有利於我們通過豬周期的波動對CPI進行預測。值得一提的是，蔬菜價格的波動幅度也非常大，但其主要受到天氣因素的影響而呈現年內規律的周期性波動，對CPI走勢的影響並不明顯，兩者相關係數也較低。
1.2進口成本與通脹
進口成本價格主要表徵了「輸入型通脹」的影響以及PPI對CPI的傳導效應。進口成本與通脹之間的相關邏輯在於：中國進口商品結構中大宗原材料佔比較高，進口成本價格將直接影響工業生產的整體成本，進而傳導至工業品出廠價格（PPI），再由PPI向下遊的CPI傳導。
從歷史數據上看，進口成本價格指數的同比增速與PPI一致性較高，同時也呈現出PPI向CPI傳導的規律。總體而言進口成本價格與CPI呈現一定的錯峰關係，即進口成本對CPI的傳導存在一定的時滯。
1.3 M1與通脹
傳統的費雪方程MV=PT衡量了貨幣供應量與價格之間的關係，其中M為流通中的貨幣數量，V為貨幣流通速度，P為物價水平（通脹），T為各類商品的交易總量。由此，通貨膨脹水平由M、T、V三個經濟變量決定。其中，貨幣流通速度V是由多種複雜因素決定，但變化相對緩慢；T與產出水平保持一定比例，短期內也大體穩定；因此短期來看貨幣數量M對於通脹P起決定性作用。
按照費雪方程的含義，流通中的貨幣數量最為合適的衡量指標是M1。從1995年以來的歷史數據來看，M1同比增速與CPI同比增速走勢之間在經過一段時滯後呈現出較為明顯的正相關關係。
1.4 三因素協整模型的建模與分析
如上所述，豬肉價格同比增速、進口價格同比增速、M1同比增速三者均與CPI之間存在較為顯著的相關關係，其中豬肉價格與CPI走勢基本同步，進口價格和M1則與CPI走勢存在一定的時滯。因此，我們利用這三個因素的時間序列建立協整模型，來擬合與估計CPI同比的走勢。我們將模型的建立過程簡要介紹如下：
1、指標選擇
時間區間：2002年6月-2017年2月（考慮有進口成本的影響，因此取中國加入WTO之後的時間區間，可能更準確反映CPI受到進口成本的影響）
因變量：CPI同比（CPI）
自變量：M1同比（M1），豬肉價格同比（PIG），進口價格指數同比（IPT）
2、平穩性檢驗
對四個時間序列進行單位根檢驗，其結論是，進口價格同比和豬肉價格同比平穩；CPI同比和M1同比不平穩，且均為一階單整。但是，我們將三因素與CPI同比建立VAR模型進行模型的整體檢驗，發現所有的單位根都落在單位圓內，這說明模型整體平穩，可以進行進一步的檢驗。
3、Johansen協整檢驗與格蘭傑因果檢驗
將四個時間序列進行Johansen協整檢驗，結論是至少存在4個協整關係。在此基礎上，根據AIC與SC準則得出的最小滯後階數（2階）進行格蘭傑因果檢驗，證明了CPI與三個因素均存在相關關係。
4、VAR模型的建立及分析
CPI，M1，IPT，PIG四個變量建立VAR(2)模型，使用Eviews軟體對模型進行估計，所得出的估計結果中，CPI序列的R2值為的0.943，表明三因素模型對於CPI的擬合程度較高（具體結果見附錄1）。同時，我們對此協整模型進行樣本內的動態預測，得出的預測值與CPI同比本身的相關性較高，顯示模型的預測效果也較好。
此外，我們對模型進行了脈衝響應和方差分解，得出的結果如下圖所示。
脈衝響應的結果顯示：進口價格對CPI的影響是先正後負，前期正向的影響上升，此後逐漸下滑並至負區間。M1對CPI是正向且持久的影響；但在前期存在波動，3期之後影響平穩遞增。豬肉價格對CPI是正向且持久的影響，且前期的影響較為陡峭，3期之後影響變得逐漸平穩。
方差分解的結果顯示：CPI受其序列自身的影響最大，其餘三個因素影響較小；而三個因素當中，豬肉價格與M1的影響相對顯著，進口價格的影響較小。
二、 CPI預測的環比均值法
除了上文所述的協整模型之外，另一個能夠大致估算CPI走勢的方法是環比歷史均值法。
2.1 CPI環比的周期特徵
CPI月度環比數據的年內分布呈現出明顯的周期性特徵。從最近5年的CPI月度環比分布來看，大致呈現這樣的規律：1-2月為CPI環比的相對高點；3-5月顯著回落至負區間，並在低位徘徊；6-9月逐步回升，在9月達到階段性高點後，10-11月緩慢回落，12月再度反彈。
出現這種規律的原因在於，CPI中佔權重較高的食品價格受到春節因素、天氣變化、養殖規律等季節性因素的影響，呈現出明顯的波動規律：例如，每年1-2月由於春節因素導致的需求上升與氣溫下降帶來的供給短缺，蔬菜、豬肉等價格一般都將出現較大幅度的上漲；而3-5月由於天氣轉暖帶來的農產品(000061,股吧)供給回升，食品價格又將出現回落。這樣的季節性規律在年內表現得相對穩定，並且由於食品價格的波動幅度大大高於非食品價格，且所佔權重並不低，食品價格的環比波動基本決定了CPI環比的走勢。
2.2 環比均值法的CPI預測
基於CPI環比存在的周期性特徵，我們可以使用最近5年的環比均值來估算每月CPI的環比，而在較大概率上不會出現趨勢性的偏差；然後根據CPI環比與同比數據之間的關係，計算出CPI同比的趨勢。不過，這種預測方法的缺陷在於，只考慮了基於歷史經驗的季節性因素對於CPI的影響，而並未將可能發生的額外衝擊計算在內。
以2016年為例，我們通過環比歷史均值的方法，以2011-2015年各月的CPI環比均值，作為2016年各月CPI環比的預測值；然後根據CPI環比與同比數據之間的關係，可以計算出2016年CPI同比。對比CPI實際值與預測值的月度分布可見兩者趨勢上大體一致，而從年度數據來看，2016年CPI同比預測值為2.2%，實際值2.0%，年度數據誤差也較小。
三、 兩種模型的對比與結合
3.1用歷史數據驗證兩種模型的準確性
我們使用2015-2016年的兩年數據來對上述兩種CPI模型進行CPI短期預測的檢驗。具體步驟如下：
VAR模型直接使用樣本內預測方法，進行2015和2016年的靜態預測；
環比均值法分別使用2010-2014年CPI環比均值預測2015年CPI環比分布，使用2011-2015年CPI環比均值預測2016年CPI環比分布，再根據CPI同環比的關係計算得出CPI同比走勢。
對VAR模型的預測值和環比均值法預測值賦予不同的權重，根據「誤差最小化」的原則用試錯法確定兩者最終的權重。
結論為：VAR模型最適合的權重為0.51，環比均值法的權重為0.49。
如下圖所示，兩種方法得出的CPI預測值之間能夠相互修正（如2015年四季度），兩者加權之後能夠得出一個擬合度相對較高的預測值。從年度數據看，2015與2016年CPI同比加權預測值為1.4%和2.2%；CPI同比實際值分別為1.4%和2.0%，模型預測的準確度較高。
3.2 2017年CPI同比的加權預測
按照上述兩種模型的加權平均對2017年的CPI數據進行預測，所得預測結果及趨勢如下：
用VAR模型進行樣本外預測，得出2017年CPI同比為1.7%；
用環比均值法進行2017年CPI環比預測，進而推算CPI同比；得出2017年CPI同比為1.1%；
按照VAR預測值0.51，環比均值法預測值0.49的權重，計算兩種預測值的加權平均值；
最終得出2017年CPI同比為1.4%。
四、 產出缺口對CPI預測的修正
4.1產出缺口與CPI的理論基礎
產出缺口是實際產出與潛在產出的差值，主要反映經濟資源利用的程度。根據新凱恩斯主義相關理論，潛在產出是一國在現有的勞動力、資本、技術充分利用下所能達到的生產水平；根據菲利普斯曲線，實際產出對潛在產出的偏離與物價水平上漲率呈同向變動關係，即當產出缺口為正時，需求大於供給，形成通貨膨脹壓力；反之當產出缺口為負時，需求小於供給，形成通貨緊縮壓力。眾多實證研究也發現產出缺口與CPI存在較強的相關關係，通過產出缺口可以間接預測CPI的走勢。
不過值得一提的是，產出缺口之所以能夠預測通脹，是因為在許多產品領域存在普遍的價格粘性。如果不存在價格粘性，市場即時出清，產出缺口對通貨膨脹也就失去了預測能力。中國的CPI變動主要由食品價格的波動驅動，由於食品領域並不存在廣泛的價格粘性，利用產出缺口預測中國的CPI變動缺乏嚴謹的理論基礎，僅適合作為調整和補充。
4.2 產出缺口與CPI同比的關係
為描述產出缺口，我們採用1999年至2017年第一季度的GDP環比數據進行計算。首先對GDP環比數據做季節性調整，再通過HP濾波法分解出趨勢項和周期項，其中趨勢項描述潛在產出的變動，周期項描述產出缺口的變動。
對比產出缺口與CPI同比的走勢，我們發現兩者顯示出較強的相關性，並且產出缺口的變動大致領先於CPI的變動1~2個季度。但同時，由於產出缺口衡量的是經濟整體的價格水平，我們進一步考察產出缺口與PPI之間的關係，發現在數據拐點處的相關性較CPI更高。因此，產出缺口所代表的物價上行壓力，很可能同時包括了CPI與PPI兩者的走勢特徵。
我們觀察到近期的數據顯示，從2016年起產出缺口不斷攀升並由負轉正，目前正處於高位，這實際上與PPI同比的大幅攀升相一致；而CPI同比走勢仍然較為溫和，一定程度上顯示了PPI向CPI傳導渠道的阻滯。
從產出缺口的走勢來看，未來一段時期通脹將面臨一定的上行壓力，但這大部分已經反映在了近期PPI大幅上行的走勢上。考慮到PPI向CPI傳導的效應仍然可能造成一定影響，我們將2017年CPI預測值小幅上修0.2個百分點至1.6%。
附錄1：PPI的影響因素
工業品出廠價格（PPI）也是市場關注度較高的物價指標之一，並且PPI向CPI存在一定程度的傳導效應。我們簡單構建PPI同比增速、工業品產值同比增速（需求方）與單位進口成本指數（供給方）的非限制性VAR模型，對模型進行脈衝響應分析與方差分解，比較需求方與供給方對PPI同比增速方差各自的貢獻。
1、指標選擇
時間區間：1996年10月-2017年2月
因變量：PPI同比（PPI）
自變量：工業增加值同比（IAV），進口成本價格同比（IPT）
2、平穩性檢驗
對四個時間序列進行單位根檢驗，其結論是，進口價格同比（IPT）和PPI同比（PPI）平穩；工業增加值同比（IAV）不平穩。但是，我們將三因素與CPI同比建立非限制性VAR模型進行整體檢驗，發現所有的單位根都落在單位圓內，說明模型整體平穩，可以進行進一步的檢驗。
3、Johansen協整檢驗與格蘭傑因果檢驗
將三個時間序列進行Johansen協整檢驗，結論是至少存在3個協整關係。在此基礎上，根據AIC與SC準則得出的最小滯後階數（2階）進行格蘭傑因果檢驗，證明了PPI與兩個因素均存在相關關係。
4、VAR模型的建立及分析
PPI，IAV，IPT三個變量建立VAR(2)模型，使用Eviews軟體對模型進行估計，所得出的估計結果中，PPI序列的R2值為的0.977（具體結果見附錄3），表明兩個因素對於PPI的擬合程度較高。
我們對此協整模型進行樣本內的動態預測，得出的預測值與PPI同比本身的走勢高度一致，顯示模型的短期預測效果較好；同時，我們對此模型進行樣本外的預測（預測區間分別取2015年至今，以及2016年至今），得出結果顯示VAR模型的預測值能夠一定程度上表徵PPI的大體趨勢。
此外，我們對模型進行了脈衝響應和方差分解，得出的結果如下圖所示。
脈衝響應的結果顯示：進口價格對PPI的影響是先正後負，前期正向的影響上升，此後逐漸下滑並接近零；工業增加值對PPI的影響正向而持久，其影響在2-6期逐漸增強，7期以後變得較為平緩。可見，供給端和需求端在短期都對PPI有正向的影響；但供給端的影響短暫且逐漸遞減，而需求端的影響則更為持久，且呈現遞增後逐步穩定的態勢。
方差分解的結果顯示：PPI受其序列自身的影響最大，在10期之後貢獻率仍超過80%，而其餘兩個因素對PPI的貢獻相對較小。其中，工業增加值所代表的需求端對PPI的貢獻率呈遞增態勢，在10期後升至15%左右；但進口價格所代表的供給端對PPI的貢獻率影響則一直偏小。
5、對2017年PPI走勢的預測
最後，我們使用上述建立的兩因素VAR模型對2017年的PPI走勢進行樣本外預測。從趨勢上看，PPI同比在2017年存在下行的風險。
平安證券宏觀研究團隊
文章來源：微信公眾號張明宏觀金融研究
（責任編輯：宋政 HN002）