楚海澎

摘要：對基本面的把握特別是對CPI的趨勢預測，對于債券市場投資至關重要。本文基于景氣分析方法的思想，結合宏觀數(shù)據(jù)尋找到預測中期CPI的5個先行指標，采用合成指數(shù)方法并綜合考慮季節(jié)性因素編制出CPI的先行指數(shù)，然后運用歷史數(shù)據(jù)檢驗了指數(shù)的有效性，進而從中期視角對2014年余下時間CPI的走勢做了預測。預測結果顯示，2014年通脹水平將會從低位震蕩逐步過渡到企穩(wěn)回升階段，全年通脹壓力將大于2013年。

關鍵詞：債券市場 通貨膨脹 CPI 先行指標 先行指數(shù)

CPI趨勢預測對債券市場投資仍很重要

對債券市場投資者而言，以CPI為代表的通貨膨脹因素無疑是最需要關注的指標之一。在過去10年里，CPI與10年期國債收益率具有高度的相關性，CPI同比數(shù)據(jù)的變化在很大程度上決定長期利率的均值變化，CPI的拐點也基本對應了國債收益率的拐點（見圖1）。如果能較為準確地預測CPI的趨勢特別是拐點，并據(jù)此做趨勢投資，則大概率上能夠獲得相當可觀的回報。當然，CPI的變動并不能完全決定國債收益率的走勢，典型的時期就是2013年下半年，在通脹溫和的背景下，由于商業(yè)銀行資產負債結構的調整、銀行表外理財?shù)氖湛s等結構性變化，債券市場走入了一輪較大的熊市，但當這種結構變化趨于穩(wěn)定后，基本面仍將成為債券市場的主導因素。由此看來，對基本面的把握特別是對CPI趨勢的預測，依然是實際投資活動能否獲得成功的關鍵。

圖1 CPI與國債收益率

（編輯注：在左軸和右軸上方都加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

對CPI的預測區(qū)分為短期、中期和長期預測。短期預測大多僅預測未來一個月或至多一個季度的走勢，而中期預測則要對半年到一年的趨勢做出判斷。由于從業(yè)人員經濟學知識厚度逐步增加，預測技術不斷完善和專業(yè)化，以及統(tǒng)計數(shù)據(jù)的準確性不斷提升，短期預測對于業(yè)界已經不是什么難題，所以經常看到各機構對下個月的CPI預測值相差不大，并且最終與統(tǒng)計局公布的真實值十分接近。在短期預測中，通用的方法無外乎借助農業(yè)部和商務部的高頻數(shù)據(jù)及CPI的構成權重，利用翹尾因素和新漲價因素合成次月的CPI同比變化。而在中期預測方面，由于沒有普適的技術性方法，預測者往往根據(jù)自身對經濟數(shù)據(jù)背后的內在邏輯進行解讀，有的從貨幣角度入手，有的從經濟增長和產出入手，還有的從農產品供給周期入手，采用的方法往往差別很大，因此得出的結論很難一致，對實際投資造成了一定困擾。

鑒于景氣分析方法在宏觀經濟分析領域的發(fā)展和成熟，以及其在經濟預測中的獨到優(yōu)勢，本文基于景氣分析方法的思想，結合宏觀數(shù)據(jù)尋找CPI的先行指標，采用合成指數(shù)方法并綜合考慮季節(jié)性因素，編制出CPI的先行指數(shù)，然后運用歷史數(shù)據(jù)檢驗指數(shù)的有效性，進而從中期視角對2014年余下時間CPI走勢做出預測。

尋找CPI的先行指標

從通脹成因來看，主要有四個因素對通脹產生較大影響：一是貨幣因素，二是需求因素，三是成本推動（包括輸入性通脹）因素，四是通脹預期。為避免先行指標個數(shù)較多導致復雜的相關分析或主成分分析，本文結合通脹的影響因素及歷史數(shù)據(jù)，先驗地篩選出五個最為緊密的先行指標。

（一）M1同比增速

從貨幣角度入手考慮通脹是比較直接的，按照貨幣學派的觀點，通脹歸根到底是一種貨幣現(xiàn)象，物價持續(xù)上漲無非是由于過多的貨幣追逐相對較少的商品。在實際預測中，需要確定使用哪個層次的貨幣指標，不同的貨幣層次和通脹的關系是不完全一致的。相較而言，M1與CPI的關系比較緊密，對CPI的解釋力度要強于M0和M2，從長期的視角看，M1同比增速對CPI有著良好的先行意義（見圖2）。其背后的邏輯在于，M1的統(tǒng)計屬性對應著持有貨幣的交易性動機和投機性動機，M1的快速擴張主要來自于社會公眾交易性動機及投機性動機的增強，因而會推動CPI上漲。

圖2 M1同比與CPI同比

（編輯注：在左軸和右軸上方都加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

（二）工業(yè)品出廠價格指數(shù)（PPI）

雖然PPI和CPI的領先滯后關系在業(yè)界尚存爭議，但基于以下考慮，本文仍將PPI選為先行指標之一。首先，PPI對CPI非食品項顯示了一定的領先意義（見圖3）；其次，PPI代表著中上游需求的強弱，進而說明了整體經濟的景氣程度；最后，隨著全球大宗商品市場的發(fā)展，中國PPI更多地與全球大宗商品價格聯(lián)動，也與美國、歐元區(qū)等國家的PPI緊密相關，一定程度上表征輸入性通貨膨脹的壓力。

圖3 PPI同比與CPI非食品項同比

（編輯注：在左軸和右軸上方都加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“項同比（右軸）”）

數(shù)據(jù)來源：Wind資訊

（三）房地產投資完成額同比

歷史上，我國曾多次出現(xiàn)需求拉動型通貨膨脹，典型的例子是2002年之后，我國逐漸走出亞洲金融危機的陰影，總需求開始擴張，CPI由負轉正并逐步上升，由此進入新一輪的物價上漲周期。在我國，投資需求往往決定著總需求的變化，投資的過快增長常導致經濟過熱和物價上漲。從數(shù)據(jù)上看，房地產投資額累計同比與CPI同比具有較強的相關性，且具有一定的先行性（見圖4）。

圖4 房地產投資額累計同比與CPI同比

（編輯注：在左軸和右軸上方都加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

（四）中長期貸款余額同比

中長期貸款余額的變化代表著企業(yè)擴大再生產的意愿，與企業(yè)的固定資產投資需求密切相關，中長期貸款余額同比對CPI有著良好的領先意義（見圖5）。

圖5 中長期貸款余額與CPI

（編輯注：上圖在左軸和右軸上方都加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

（五）CRB現(xiàn)貨價格指數(shù)

以石油為代表的國際大宗能源商品價格變化會對國內工業(yè)品價格產生影響，對國內通貨膨脹環(huán)境具有成本推動型的影響力。代表大宗商品價格的CRB現(xiàn)貨價格指數(shù)月度均值與CPI非食品項同比具有較強的相關性（見圖6），可以將其作為輸入性通脹壓力的先行指標。當然，由于CPI非食品項還包含住房等因素，兩者的變化幅度會有所差異。

圖6 CRB現(xiàn)貨指數(shù)與CPI非食品項同比

（編輯注：在右軸上方加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

需要指出的是，通脹預期對于未來的通脹水平也具有重要影響，理論上是良好的先行指標。但遺憾的是，中國不像美國一樣具有通貨膨脹指數(shù)債券，可以從中分離出通脹預期。另外，人民銀行關于未來物價水平的調查數(shù)據(jù)每季度公布一次，頻率過低，也無法使用。因此，本文沒有納入反映通脹預期的指標。

編制CPI的先行指數(shù)

在選定先行指標后，需要按照一定的方法將先行指標編制為先行指數(shù)，以監(jiān)測未來CPI的趨勢變化，本文采用美國商務部開發(fā)的合成指數(shù)（CI）方法來編制先行指數(shù)。指標的數(shù)據(jù)樣本范圍為2002年1月至2013年12月的月度數(shù)據(jù)，在這個時間窗內，中國經濟大致走過了三個完整的通脹周期，周期的完整性更有利于檢驗先行指數(shù)的效果。

（一）先行指標權重計算

在編制先行指數(shù)的過程中，為各先行指標設置合理的權重是一項重要的工作。而在權重的設置上，傳統(tǒng)方法大多采用評分系統(tǒng)計算權重，該方法既存在主觀評分的缺陷，顯然又不夠精確。實際上，不同指標對于通貨膨脹的重要性不同，影響也有差異，因此本文利用因子分析的方法確定每個先行指標的權重。

首先假定所選定的先行指標包含兩個共同因子1，可得如表1所示的先行指標因子載荷矩陣。得到因子載荷矩陣后，然后根據(jù)以下公式計算出每個先行指標在合成先行指數(shù)中的權重（見圖7）。

其中，i表示先行指標的序號，i=1，2，3，4，5；j表示先行指標因子的序號，j=1，2；aij表示先行指標i因子j的系數(shù)；為先行指標i的權重；

從圖7顯示的權重大小看，M1、中長期貸款及PPI對CPI的影響相對比較大；CRB現(xiàn)貨價格指數(shù)的影響最小，主要原因是CRB現(xiàn)貨價格在向國內傳導時其大部分變化都已反映在PPI的變動中。

表1 先行指標因子載荷矩陣

先行指標 因子1系數(shù) 因子2系數(shù)

M1同比增速 0.739 -0.554

PPI同比 0.681 0.732

房地產投資額累計同比 0.6 0.311

中長期貸款余額同比 0.82 -0.573

CRB現(xiàn)貨價格指數(shù) -0.065 0.27

圖7 各先行指標權重

（編輯注：橫坐標中的“MI同比增速”改為“M1同比增速”，“PPI”改為“PPI同比”，“房地產投資同比”改為“房地產投資額累計同比”，“CRB現(xiàn)貨指數(shù)”改為“CRB現(xiàn)貨價格指數(shù)”）

（二）編制初始的CPI先行指數(shù)

在確定了各先行指標的權重后，下面借鑒合成指數(shù)的方法，經過三個步驟編制初始的CPI先行指數(shù)。

1.對各先行指標分別求變化率并進行標準化。求每個先行指標各期的變化率公式為：

其中，t表示樣本數(shù)據(jù)期數(shù)，2002年1月為第1期（即t=1），但由于此處是計算變化率，所以式中t的有效值為（2，3，…，144）；為先行指標i第t期的數(shù)值；為先行指標i第t期較上期的變化率。

用表示先行指標i變化率的平均值，則有：

其中，N=144。

對先行指標i第t期的變化率進行標準化處理，公式為：

其中，即為指標i第t期的標準化變化率。

2.將各先行指標的標準化變化率加權平均，得到每期的加權變化率：

3.最后計算合成指數(shù)。以2002年1月為基期，設基期指數(shù)值為100，根據(jù)合成指數(shù)的方法計算各期的指數(shù)值，即初始的CPI先行指數(shù)。公式如下：

（三）綜合考慮季節(jié)性因素后編制最終的CPI先行指數(shù)

從實際預測的角度看，我國CPI的一個顯著特點是，食品項占比相對較高且波動劇烈，具有很強的季節(jié)性。鑒于此，在計算出上述合成指數(shù)后，本文繼續(xù)構造一個季節(jié)性指數(shù)作為季節(jié)性因子，并將合成指數(shù)與季節(jié)性因子相乘得到最終的CPI先行指數(shù)。

觀察我國歷史上的通脹周期，幾乎每次通脹率高企都伴隨著食品價格的大幅上漲，按照食品項占整個CPI約30%的權重估計，食品價格變動貢獻了大部分CPI同比的波動（見圖8）。但由于CPI食品項包含了居民日常的主要生活資料，可以細分為16個子類，因此要準確把握其季節(jié)規(guī)律比較困難。以豬肉和蔬菜兩個具有很強季節(jié)性的分項來說，蔬菜的生產周期非常短，受天氣等季節(jié)性因素影響很強，其價格變動呈現(xiàn)易漲易跌的特點；而豬肉價格的供給周期則大約為3年，價格的調整具有一定的粘性，并受到整體農產品價格以及農戶通脹預期的影響，季節(jié)性規(guī)律與蔬菜差別很大。為方便起見，本文根據(jù)歷史CPI食品項同比數(shù)據(jù)計算出各月均值，并構造季節(jié)性指數(shù)（見圖9），以此衡量季節(jié)性的食品上漲幅度，并將其作為合成指數(shù)的季節(jié)性因子乘數(shù)，最后將兩者相乘即可得到最終的CPI先行指數(shù)。

圖8 CPI食品項貢獻

（編輯注：在左軸上方加上“%”）

數(shù)據(jù)來源：Wind資訊

圖9 季節(jié)性因子

數(shù)據(jù)來源：Wind資訊

先行指數(shù)分析及CPI趨勢預測

如前文所述，2002年以來中國經濟大致經歷了三個完整的通脹周期（見圖10）。將計算出的2002—2013年各期CPI先行指數(shù)值與同期CPI同比對比，可發(fā)現(xiàn)先行指數(shù)的拐點較為穩(wěn)定地領先于CPI同比的拐點。在過去的三個通脹周期中，從先行指數(shù)基本都可以提前預測到CPI拐點的出現(xiàn)。以2008年的大通脹為例，CPI同比在2月份達到了8.7%的階段性高點，先行指數(shù)在2007年11月份已經達到高點并在頂部徘徊，預示著CPI的拐點即將到來，而國債收益率也先于CPI的拐點掉頭向下，一路下行走出一輪牛市行情。可見，本文的CPI先行指數(shù)可以較為準確地預測未來通脹的趨勢，在實際中運用該先行指數(shù)來監(jiān)測未來的通脹走勢是可行的。

從2013年第四季度的情況來看， CPI先行指數(shù)處在低位運行且略有下行，由此判斷，2014年上半年CPI的壓力不會太大，大概率會處于低位震蕩的走勢，甚至不排除個別月份CPI同比破“2”的可能性。但從中期視角來看，CPI先行指數(shù)在2012年7月份已經確立了階段性的底部，對應著CPI同比在2012年10月份出現(xiàn)底部，通脹正處于觸底回升的新一輪周期中，因此2014年下半年CPI上漲的壓力將會顯現(xiàn)出來。從2014年全年來看，通脹將會從低位震蕩逐步過渡到企穩(wěn)回升的階段，全年的通脹壓力會大于2013年。此外，與過去相比，CPI同比與CPI先行指數(shù)出現(xiàn)了一定的剪刀差，一定程度上反映了隨著勞動力成本的上升、資源價格改革等進程的推動，整個CPI同比中樞呈現(xiàn)逐步抬升的特點。

圖10 CPI先行指數(shù)與CPI同比

（編輯注：在右軸上方加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

最后需要指出的是，在判斷未來通脹趨勢時，使用CPI環(huán)比數(shù)據(jù)也有很好的效果。環(huán)比數(shù)據(jù)比同比數(shù)據(jù)更為先知先覺，這在很多行業(yè)數(shù)據(jù)中都有所體現(xiàn)。由于CPI月度環(huán)比受季節(jié)性因素影響，波動過于劇烈，因此無法直接使用。借鑒《2008年第一季度中國貨幣政策執(zhí)行報告》中介紹的CPI季調方法，采用X12-ARIMA模型從CPI月度環(huán)比數(shù)據(jù)中分離出趨勢周期項，發(fā)現(xiàn)其對于CPI同比有著良好的先行意義（見圖11）。該指標目前正處于短期回落的趨勢，同時中期處于新一輪的上漲周期中，與本文對2014年通脹形勢的判斷也比較吻合。跟本文的先行指數(shù)相比，CPI環(huán)比趨勢項的領先效果更好，但這在某種程度上是用通脹本身解釋通脹的“數(shù)字游戲”，而先行指數(shù)背后是影響CPI的驅動因素，對CPI的變動更有說服力，因此實踐中將先行指數(shù)和CPI環(huán)比趨勢結合使用判斷未來通脹趨勢，是比較有益的。

圖11 CPI環(huán)比趨勢項與CPI同比

（編輯注：在左右軸上方分別加上“%”，在第一個圖例后加上“（左軸）”，在第二個圖例后加上“（右軸）”）

數(shù)據(jù)來源：Wind資訊

注：1.筆者也嘗試了假定所選定先行指標包含更多共同因子的情況，但無法得出合理的因子載荷。

作者單位：中國工商銀行資產管理部

責任編輯：羅邦敏 劉穎