什么才是读懂CPI、PPI的正确姿势?请收好这份物价指标分析手册

来源: 李奇霖
别以为猪肉在CPI的权重稳如泰山,同一个月份里同比和环比的权重都是不同的;CPI和PPI走势最近几年出现了明显背离……分析物价指标,或许没有想象的那么简单。

经济数据可以简单分为两类,一类是与经济增长相关的数据,比如工业增加值、固定资产投资、社会消费品零售总额、进出口等;还有一类是与通货膨胀相关的数据,比如居民消费价格指数(CPI)、工业生产者出厂价格指数(PPI)、GDP平减指数等。

经济增长相关的数据,我们在前面都写过独立的专题来分析了。而这一篇,我们将目光转向通货膨胀,主要分析与通胀相关的两个指标:

一是居民消费价格指数(CPI),这是我们日常最关注的一个物价指标,主要衡量的是与生活领域密切相关的商品和服务的价格走势,比如食品烟酒、交通通讯、教育文化和娱乐项目等等;

二是工业生产者出厂价格指数(PPI),其反映的是全部工业产品出厂价格的变化趋势,包括生产资料和生活资料两大类。

CPI基本情况介绍

1.1.CPI的统计

根据官方的定义,居民消费价格指数(Consumer Price Index,简称CPI)是度量居民生活消费品和服务价格水平随着时间变动的相对数,综合反映居民购买的生活消费品和服务价格水平的变动情况。

CPI数据由统计局负责统计,并在每个月的10号左右公布上一个月的数据。

CPI数据的统计主要有三步:

第一步,确定一篮子商品和服务。

CPI衡量的是特定商品和服务的价格波动,而不是市场上所有商品的价格。至于一篮子商品里面包括什么则是由统计局来研究确定的。

一般统计局会划定一个时期,选择一部分居民作为调查采访对象,然后在这个时期里,以样本居民消费的商品和服务为基准,从中选取对居民生活影响比较大的、有代表性的商品和服务作为之后的“一篮子”商品和服务。

同时,统计局会确定相关的场所比如超市、农贸市场、互联网电商等作为价格的采集点,并且直接派人到这些调查网点去采集原数据(比如商品的价格等)。

目前,我国的“CPI篮子”涵盖了食品烟酒、衣着、居住、生活用品及服务、交通通信、教育文化娱乐、医疗保健、其他用品及服务等8大类、268个基本分类的商品与服务价格。

这里如果还要细说的话,还能讲很多。比如CPI中包括了大米等商品,但是用哪一类大米作为标准商品呢?毕竟市场上有“七河源”、“金龙鱼”、“福临门”等等种类繁多的大米品种。

在选取时,统计局一般会选取那些在同类商品中市场份额占比高,市场代表性强,商品前景比较好的商品作为样本,而且不同地区的目标商品也可以是不一样的。

按统计局如果在最开始选择了“福临门”大米作为目标商品,那么之后我们说的大米价格波动,其实指的是福临门大米的价格波动。

不过,我们不用太过于纠结这些细节,毕竟对分析物价数据的帮助不大,这里也就是顺便一提。

第二步,确定每一类商品和服务的权重。

在确定一篮子商品后,统计局要做的就是确定各类商品的权重,其反映的是该类商品或服务的价格变动对总指数变动的影响程度。

权重是根据各种商品和服务的开支在总开支中的占比来确定的(数据来源于此前的调查资料)。

比如3月份总开支为500元,基期的消费量为猪肉5千克,医疗保健花费了2个小时,其中猪肉消费50元(10元/千克),医疗保健消费40元(20元/每小时),那么猪肉的权重就是10%,医疗保健的权重就是8%,其他商品和服务的权重就是82%。

如果在4月的时候,猪肉价格和大米价格都上涨了20%,那么根据权重计算,猪肉会带动CPI上行2个百分点(10%*20%=2%),而大米则带动CPI上行1.6个百分点(8%*20%=1.6%)。

具体来看,4月猪肉消费金额为60元,医疗保健消费金额为48元,其他不变,合计消费金额为518元。

4月份CPI环比为518/500-1=3.6%,其中猪肉带动CPI上涨2个百分点,医疗保健带动CPI环比上涨1.6个百分点,和前面直接按权重的计算结果一致。

从这个例子里我们需要认识到,权重是在变化的。

4月猪肉(商品和服务)的环比权重是猪肉(商品和服务)3月的消费金额在3月总消费金额中的占比。相应的,我们会有5月猪肉(商品和服务)的环比权重是猪肉4月的消费金额在4月总消费金额中的占比。

类似的,2021年4月猪肉(商品和服务)的同比权重是猪肉(商品和服务)2020年4月的消费金额在4月总消费金额中的占比。

这也意味着同一商品不同月份的环比和同比权重是有略微的变化的,且同一月份环比和同比的权重也是不同的。

第三步,根据调查数据计算CPI环比、同比变动情况,并公布数据。

基于统计局相关人员对样本商品价格的采集数据,我们会计算出同比、环比等系列数据。

环比数据就是比较这个月价格相比于上个月价格的波动。比如,2021年4月的环比价格指数指的就是4月相比于3月的价格变动情况。

价格环比变化=(各类一篮子商品和服务在4月的价格*基期的消费量)/(各类一篮子商品和服务在3月的价格*基期的消费量)

这里说的基期,是统计局确定的,按照现在的规定,基期从2000年开始,之后每5年一换,而2021年就是新的一轮基期更换年。所以这里我们说的基期消费量是2020年的各种商品和服务的消费量。

这里我们假设基期的消费量为猪肉(代表商品)5千克,医疗保健(代表服务)花费了4个小时,2021年3月份猪肉的价格为10元每千克,医疗保健的价格20元每小时。那么3月份的消费金额为130元。

4月猪肉价格上涨了20%,变为12元每千克,服务价格上涨了10%,变成了22元每小时,基期消费量不变,即4月的消费金额148元。

由此我们计算得到价格的环比变化为:148/130-1=13.8%。

当然,这只是一个简化版的计算过程,实际上会更加的复杂。各地区需要先计算本地区各类商品的环比价格指数,汇总得到当地的CPI数据。之后,各县市按照权重(权重是当地消费金额占全省的比重),计算获得省级价格指数。而全国的数据则是基于31个省(区、市)的数据计算得到的。

再来说同比数据。

CPI同比指的是报告月份的价格指数与上年同期的价格指数的比值。比如2021年3月的同比价格指数=(2021年3月各类商品和服务的价格*对应商品和服务的基期消费量)/(2020年3月各类商品和服务的价格*对应商品和服务的基期消费量)。

依旧是上面的例子,假设在2020年3月份猪肉的价格为8元每千克,医疗保健的价格为15元每小时,去年的消费金额为100元。那么我们计算得到3月同比涨幅为130/100-1=30%。

除了同比和环比,还有一些指标,比如定基价格指数,指的是现在的价格相比于基期的价格上涨了多少。

不过,我们主要关注的还是同比和环比数据,很少用到其他的指标。

1.2.CPI统计中值得注意的几点

在讲完CPI的统计后,我们有几个点需要注意:

第一,基期的轮换。

这一点我们在前面简单说了一下,这里进行详细的补充。CPI反映的是消费者消费的一篮子商品和服务的价格变动情况。

但是这个篮子里的商品和服务不应该是固定的,比如在20年前我们还会用BP机,但是现在BP机早已经退出了市场。

总的来说,由于居民收入水平的提升、消费习惯的变化、商品供需情况的变化等原因,居民消费的商品和服务也会随之发生变化。为了让一篮子商品更加具有代表性,更准确的反映居民最新的消费结构情况,统计局会定期更新一篮子商品和服务。

按照统计制度规定,我国CPI每五年进行一次基期轮换,最近的一次是2020年,往前分别是2015和2010年。即在2021年—2025年,统计局发布的CPI数据是以2020年为基期的CPI。

在这一轮的基期调整中,有这几项调整值得关注:

1)新增了几类项目。根据过去5年,居民消费商品的变化,统计局将8个大类,262个基本分类调整为8个大类,268个基本分类。在对部分消费项目删减、合并的基础上,增加了外卖、母婴护理服务、新能源小汽车、可穿戴智能设备、网约车费用等新兴商品和服务。

2)权重的变化。统计局根据最新的居民消费支出数据,结合其他相关的数据,对各分类权数进行了重新测算。

具体来看,与上轮基期(2016年—2020年)相比,食品烟酒、衣着、教育文化娱乐、其他用品及服务权数约比上轮分别下降了1.2、1.7、0.5和0.4个百分点,居住、交通通信、医疗保健权数比上轮分别上升了约2.1、0.9和0.9个百分点,生活用品及服务权数变动不大。

综合来看,按照统计局的测算,这一次的基期轮换后会对CPI的同比指数产生0.03个百分点的影响。

第二,各类商品权重的确定。

统计局本身是不公布CPI的8个大类和268个细分项的权重的,这需要我们自己去估算。

在计算之前,我们需要知道,权重其实每个月都是在变化的。原因前面我们已经说过了,权重是该项目支出在总支出中的金额占比,即CPI某一项目的环比权重等于该项目上个月的金额占比,而同比权重则等于该项目一年前同期的金额占比。

因为消费金额=消费量*商品价格,而消费量又是确定的,所以某一项目的权重可以说是由价格决定的。在这样的基础上,因为每一项商品和服务的价格是不断变化的,所以同一个项目,每个月的权重都会有略微的出入。

权重应该怎么计算呢?

第一种,我们通过统计局每个月发布CPI数据,来简单估算该项目的权重占比。具体公式为:项目的同比涨幅*该项目的权重=带动CPI同比上涨的幅度。

比如2021年2月食品烟酒类价格同比上涨0.3%,影响CPI(居民消费价格指数)上涨约0.09个百分点。根据该数据,我们可以算出食品烟酒类在CPI一篮子商品和服务中的权重为0.09%/0.3%=30%。

这种方式的缺点在于统计局仅公布部分项目的数据(食品烟酒),并没有公布全部分项,所以我们只能够算出部分统计局公布了数据的项目,还有很大一部分遗漏。

因为权重的变化不大,在实际使用时,比较合适的做法是,取当年已经公布数据的月份,使用已经计算得到的权重数据计算平均值,以平均值作为该分项在CPI中的权重。

更麻烦的其实是非食品项的权重确定。统计局公布的数据中并没有详细说明其他几类同比变化对CPI的拉动情况,因此我们无法通过上面的方式去获得其他项目的权重,这意味着我们要用其他的方式来计算这几项的权重。

第二种,参考全国居民人均消费支出数据,来估算主要分项的权重。

前面我们说了,权重就是某一项的消费金额在总消费里的占比,而全国居民人均消费支出可以认为是平均水平下的各项消费占比,因此用全国居民消费支出来估算CPI各个分项的权重也具有很高的可信度。毕竟CPI的权重也是根据全国城乡居民家庭消费支出资料,结合部分其他资料来确定的。

不过一个小问题是,虽然全国居民消费支出结构的一级分项和CPI的一级分项是一样的,都是8类,但是二级分项就有明显的区别了,因此用全国居民消费数据去估算一级分项是可行的,但是很难用于去估算二级分项。

最后,以第一种估算方式为核心,参考全国居民消费支出结构数据,我们估算出的各项CPI权重如下。

第三,翘尾因素和新涨价因素。

如果我们去看市场对CPI同比数据的解读,我们会发现他们经常会说同比的变动受去年翘尾因素的影响约为多少个百分点,新涨价因素的影响约为多少个百分点,即将CPI的同比拆分为翘尾因素和新涨价因素。

这里我们先来说一下环比和同比数据之间是什么关系。以十二个月为例,2020年3月价格为100元,之后每个月价格环比上涨1%,到了今年3月,价格就变成了112.68元,价格同比上涨了12.68%。这个12.68%是由每个月的环比累乘,12.68%=(1+1%)^12-1。即年度同比数据是由过去十二个月的环比数据累乘得到的。

不过我们如果用CPI的环比数据累乘去计算同比数据,会发现一个问题,就是累乘法算出来的同比数据和实际公布的同比数据,有略微的区别。

为什么会这样呢?我们认为有两个原因:

第一,数据准确度的问题。统计局公布的CPI环比数据,只保留了一位小数点,与统计局内部的数据肯定会有略微的出入,这种细微的区别在累乘之后被放大了。而且这属于技术上的问题,在实际操作时难以避免。

第二,2021年CPI的基期发生了改变。按照统计局的说法,这会对CPI同比产生约0.03个百分点的影响。所以我们会看到1、2月份的差值会高于2019年的平均水平。

因为环比和同比之间存在这样的关系,我们在分析同比数据时,可以将其分成两部分,一部分去年的价格变动,即翘尾因素,反映的是上一年的商品和服务的价格变化;一部分是今年的价格变动,即新涨价因素,反映的是今年商品和服务的价格变化。

比如2021年2月份的CPI同比下降-0.2%,翘尾因素指的是2020年3月到12月间的价格变动,根据2020年3-12月的CPI环比数据,我们能够计算出翘尾因素为-2%。根据2021年1月和2月的CPI环比数据,我们计算出来的新涨价因素为1.6%。

但是会发现,我们算出来的翘尾因素和统计局公布的会有略微的差异,比如2月份为我们算出来的翘尾因素是-2%,但是统计局公布的翘尾因素为-1.8%。这一点我们认为:

一来这是数据精度不一致导致的。统计局自己的数据精确度更高,在累乘后数据会和我们计算的存在一定的差别。

二来可能是统计局对翘尾和新涨价因素进行了再处理,将乘法关系变为加法关系。理论上来看,(1+翘尾因素)*(1+新涨价因素)-1=同比涨幅。不过从统计局公布的数据来看,是翘尾因素+新涨价因素=同比涨幅。

这属于数学上的操作,我们简单做一下介绍。公式如下,翘尾因素是a,新涨价因素是b,同比涨价是c。那在重新定义之后,这就变成了加法。

(1+a)*(1+b)=1+c

(1+c)*(1+a)/[(1+a)*(1+b)] +(1+c)*(1+b)/[(1+a)*(1+b)]=1+c

具体的翘尾因素数据,我们可以自己根据过去公布的CPI环比数据去算,也可以直接从wind上获取。

CPI的预测

这一部分从两个维度来分析和预测CPI。一是自下而上的视角,主要定量分析CPI,追求的是CPI预测的准确性;二是自上而下的视角,主要是定性分析CPI,要做的是从一个宏观的角度去分析CPI的趋势性走向。

2.1.自下而上

定量分析CPI有两种方法。第一种是环比均值法;第二种是高频数据法。

2.1.1.环比均值法

环比均值法其实和我们上面说的翘尾因素和新涨价因素密切相关。通过前面的分析,我们已经知道了同比数据其实就是环比数据的累乘。那么以2020年12月CPI同比数据(站在2020年12月,12月同比数据尚未公布)为例,我们在2020年12月的时候,已经知道了2020年1月至2020年11月每个月的环比数据,缺少的仅仅是2020年12月的环比数据。

第一步,我们先将2020年1月-2020年11月这11个月的环比数据累乘,得到一个基数。计算得到的数值为-0.53%。

第二步,也是最重要的一步,获取2020年12月的环比预测值。而环比均值法,就是使用CPI过去几年里的环比均值来获取该数据。

如果我们看CPI的环比数据,就会发现,CPI环比具有一定的季节性,而我们可以利用这种季节性规律来估算CPI环比值。

具体来看,一般因为商品涨价、市场需求旺盛、运输成本上升等原因,春节所在月份的CPI环比会出现明显的上行。

而随着春节过去,市场对猪肉、水果等的需求开始下滑,同时人工成本也开始下滑(春节加班工资高),另外随着天气开始转暖,蔬菜等生产也开始回升,CPI环比会出现一波明显的下滑。

因为3月份下滑的比较明显,到了4月份往往会有一小波回升,之后在5-6月份也会保持在较为平稳的状态。而7-9月份因为暑假交通出行需求增加、雨水天气影响蔬菜种植和运输等,CPI往往会有一波上行的行情。

10月、11月从趋势上看则往往还是会回落的。12月份随着元旦、圣诞等节日的到来,加上天气寒冷,蔬菜、水果等的生产受限,CPI环比往往会向上走。

基于这样的考虑,我们可以以此前三年、五年或者其他年份的数据基础,计算出各个月份的CPI环比均值。本文暂时选择了2015-2019年5年间的CPI环比数据,计算出各月份的CPI环比均值。

这里有一点需要注意,即春节的错位效应。因为春节所在的月份是不固定的,而春节本身对CPI又有明显的影响,所以我们要把春节单独拿出来分析。

在2015-2020年的6年,2017年和2020年的春节是在1月,其他四个年份里,春节都是在2月,那么在计算2021年2月环比均值的时候,我们应该是使用2016、2018、2019的2月份环比数据,和2017、2020年的1月份的环比数据。在计算2020年1月份的环比均值,使用的是2017年1月和2015、2016、2018、2019年2月这5个月的环比数据。

根据历史数据,我们知道2020年12月的历史环比均值为0.2。

第三步,确定本月环比数值后,将过去11个月的环比累乘数据与本月的环比均值数据相乘得到对应月份的CPI同比预测值。

按照道理的话,我们是可以通过这种方式进行连续几个月的同比数据预测,比如使用2020年10月到2021年2月环比数据(共5个月),叠加2021年3月到2021年9月的历史环比均值(共7个月),我们就能够得到2021年9月的CPI同比数据(即远月预测)。

那么按照这样的方法,2020年12月的前11个月份累乘是-0.53%,12月的历史环比均值为0.2%,由此我们计算得到12月的同比数据为-0.33%。

但是12月公布的同比数据为0.2%,高于我们的预期值。为什么呢?因为12月实际CPI的环比为0.7%,高于历史平均水平,所以我们会看到预测结果是低于实际值的。

因此我们会发现,使用环比均值法有几点缺陷:

首先,环比均值法忽略了当月新增因素对CPI走势的影响,比如如果当年出现了非洲猪瘟,猪肉价格快速上涨,而基于历史数据的环比均值法是无法体现出这一点的。

像是2020年4月,因为疫情的原因,全球石油价格大幅下跌,NYMEX原油在4月一度下滑到了6.5美元/桶,油价下跌带动了国内与石油相关的项目明显走低,交通工具用燃料项同比从-14.6%大跌到-20.5%。

其次,如果用这种方法进行远期预测,那么预测结果与实际情况的差距会越来越大,毕竟CPI环比只是具有季节性,但是在不同年份,依旧存在波动,均值与实际值依旧存在差距。

如果仅用一期的环比均值那误差还勉强能接受,但是如果使用多期的环比均值,那么均值的误差会逐渐累积,使得估值的偏差越来越大。

最后,就是我们前面提到过的,即使是用实际的环比数据,因为数据精度的问题,在累乘之后,也会出现误差。2.1.2.高频数据法

高频数据法其实也可以分为两种,一种是整体法;一种是分项法。

我们先来说什么是整体法。

根据统计局口径,CPI大致可以分为食品项和非食品项数据,其中,食品项主导了CPI的走势,而非食品项对CPI的影响比较小。

因此我们可以将CPI分为食品项和非食品项两项进行分析。重点来说一下食品项。

高频数据中与CPI食品项统计口径类似的有两类:

一是农产品批发价格200指数。该指数是由农业农村部发布的日频数据,其基于全国200余家典型农产品批发市场的各类农产品价格数据,重点体现鲜活农产品、粮油产品在流通环节的价格水平。

其具体包括小类产品指数(蔬菜指数、水果指数、畜产品指数、水产品指数、粮食指数、食油指数)、大类产品指数(菜篮子产品批发价格指数和粮油批发价格指数)和总指数(农产品批发价格200指数)3个层级的指数体系。

市场有时候也只用其中的大类产品指数,即菜篮子产品批发价格200指数,作为CPI食品项的参考。

二是食用农产品价格指数。该指数是由商务部统计并发布的周频数据,数据涵盖全国36个大中城市,包括蔬菜、水果、肉类、粮食、食用油、禽类、蛋类、水产品等八类细分项。

基于过去的历史数据,我们会发现,相比于农产品批发价格200指数,CPI食品项同比和环比数据和食用农产品价格指数的同比和环比数据的相关性会更好,因此我们使用食用农产品价格指数来计算CPI食品项的同比和环比数据。

我们使用CPI食品项环比和食用农产品价格指数的环比做简单回归分析,两者回归的拟合优度为0.72。而在获得回归方程之后,我们就可以通过农产品价格指数来对当月的CPI环比指数做一个简单的预测。

相应地,我们可以用相同方法,获得CPI食品项同比与食用农产品价格指数同比的回归方程(拟合优度达到了0.9),并以此获得CPI食品项的同比预测值。

除了直接用食用农产品价格指数同比数据来预测CPI食品项的同比数据,还有一种方式是用环比数据和环比预测值,来获得CPI食品项的同比数据。

具体做法和前面说的是一样的,先算出过去11个月的环比数据的累乘;再通过回归的方式,获得当月的环比预测值;最后将其相乘,获得同比数据。

从数据结果上来看,通过这种方式来获得CPI食品项的同比在精度上会更高一些。

自此,我们就获得了CPI食品项的同比和环比数据预期值。在此基础上,我们把目光放在非食品项上。

相比于食品项,因为非食品项难以找到高度相关的高频数据,这就限制了我们使用高频数据来预测当期非食品项的环比(同比)走势,因此我们选择通过环比均值法来拟合非食品项。

回顾历史走势可以发现CPI非食品项的环比数据走势具有一定的季节性规律,而我们则可以基于这种季节性规律,取前三年或前几年对应月份的CPI环比平均值,作为当年某月的CPI环比,再用环比累乘法计算出同比。

至此,我们获得了食品项和非食品项的同比数据,然后就需要计算食品项和非食品项的权重。

因为统计局并没有公布食品项对CPI的拉动情况,我们并不能通过之前说的方式来获取权重数据。

一种可行的方式是通过回归来计算,食品项同比*食品项权重+非食品项同比*非食品项权重=CPI同比。且食品项权重+非食品项权重=1。基于此我们可以通过Excel规划求解。根据我们的计算,2020年食品项的权重约为20.3%,而非食品项的权重为79.7%。

说完整体法,再来说分项法。

除了直接使用“食用农产品价格指数”等指标来整体拟合CPI食品项数据,还有一种方法是对CPI食品项目中的细分项,比如蔬菜、水果、猪肉等细分项目寻找对应的高频数据来拟合。

按照统计局公布的口径,CPI食品项主要由粮食、食用油、鲜菜、畜肉、水产品、蛋类等8大类食品构成。而每个指标我们在市场上都能够找到相关性较高的高频数据来与之对应,如与鲜菜对应的是由农业部每天发布的28种重点监测蔬菜平均批发价,与鲜果对应的则是7种重点监测水果的平均批发价。

在选定对应指标的基础上,我们选择通过回归的方式,以高频数据作为解释变量,以CPI食品项作为被解释变量,来直接拟合高频数据和CPI食品环比数据。

在获得回归方程后,我们就能够得到当月的CPI食品项的环比数据。之后的流程和前面的整体法一样。

1)计算出食品项过去11个月的累乘数据;

2)叠加上这个月预测的环比数据,计算出当月食品项同比数据;

3)以环比均值法计算出非食品项当月环比,并计算出同比数据;

4)将非食品项和食品项按照权重加总计算出CPI同比数据。

相比于第一种方法,高频数据法考虑了当月新增因素对CPI走势的影响,在精度上也会比完全使用环比均值的方法更准确一些。

另外,高频数据除了通过环比累乘来获得CPI的同比数据外,也可以直接使用高频数据来直接拟合CPI食品同比数据,直接获取CPI食品项的同比数据。

2.2.自上而下

自下而上的分析,注重的是数据上精确度,是想通过分析高频数据等,来对下一个月的CPI同比、环比数据有一个直观的预期。

而自上而下的分析着眼于从一个更宏观的角度去分析物价的整体走势,并不着眼于精度上的刻画,描述的是趋势上的走势。

从宏观角度来看,影响物价走势的主要有这么几点:产出缺口、货币政策和输入性因素。

2.2.1.经济热度(产出缺口)

商品的价格是由供给和需求决定的。在供大于求的时候,价格自然就会下滑,对应的是CPI的下行;反之,在供不应求的时候,价格自然会上升,对应的是CPI的上行。

我们可以用经济的实际产出,即实际GDP来衡量经济的总需求情况,实际GDP上行的越快,则越能表明经济的需求旺盛,毕竟按照支出法,GDP等于居民最终消费、资本形成总额和净出口的总和。

另外,经济的潜在产出是由国家的技术水平、劳动力、资本等生产要素共同决定的,我们可以认为这是经济的潜在供给。

实际GDP-潜在GDP表示的是GDP的产出缺口,简单理解就是如果实际GDP高于潜在GDP,就表明目前经济运行的很好,市场需求旺盛,而经济过热无疑会带动物价上涨。

反之,实际GDP低于潜在产出,反映的就是经济需求很差,很多企业都没有完全开工,这自然会使得物价下滑。

这里有一个问题是,怎么知道经济的潜在产出,并从而计算出经济的产出缺口。一种比较简单的方法就是利用HP滤波对产出缺口进行估算,其核心思想就是把实际产出分解为趋势性波动和周期波动两部分,其中趋势性波动代表的是潜在产出,而周期性波动代表的则是产出缺口。

在确定了这一点之后,我们只需要把季度的GDP数据放在计量软件中(Eviews、Stata均可),然后运行HP滤波语句就可以了,这是计量方面的内容,这里不再深入。

从结果上我们能够看出,产出缺口对CPI有着一定的领先效应。这一点我们如果结合之前说的美林时钟来看,就很贴切了。

在复苏阶段,财政和货币政策发力,带动经济运行触底回升,消费者需求回升并带动企业提高产能利用率,不过因为前期的高库存以及价格存在滞后情况,此时通胀水平依旧处于下行周期。

在过热阶段,经济持续好转,消费者信心提高带动需求增加,物价水平上涨。

在滞涨阶段,经济开始下行,但是因为价格传导存在时滞,所以通胀还在上行。

在衰退阶段,经济持续下行,而经济的下行也开始使得需求下滑,并带动通胀下行。

这个理论刚好和数据显示的结果一致,即经济的运行会领先于物价的变化。

不过这两年产出缺口和CPI的走势有所背离。这是因为这一轮CPI上行主要受到猪肉周期的驱动,因为猪瘟等原因,猪肉价格快速走高,带动CPI的上行幅度明显高于产出缺口的波动。而到了猪周期的后周期,因为前期的高基数,猪肉的快速下行会带动CPI走低。

那往后来看,我们会发现,疫情过后,产出缺口是在走阔的,毕竟2020年4季度的GDP同比都上到了6.5,而且现在来看经济上行的趋势还是确定的,实际需求的好转,还是会带动CPI上行的,所以我们也看到在2021年2月的时候,核心CPI已经开始回升了。

2.2.2.货币政策

通胀本质上其实可以理解为是一种货币现象。一种比较理想化的场景是,一个国家在一年里的生产规模是一定的,需求也是确定的,这时候如果货币当局开始大规模印钞票,那么纸币的价格自然会快速贬值。

在国内我们可能体会不到这样的情况,毕竟央行把通胀率控制在一个比较低的水平。为此我们不妨把目光投向委内瑞拉。在10多年前,依靠着石油,委内瑞拉的经济快速发展,2005年的时候,委内瑞拉的实际GDP同比还上涨了10.32%。

在这样的背景下,委内瑞拉当局提出了大量社会主义发展规划,而为了配合财政支出计划,委内瑞拉货币当局开始大规模印钞,加上此后随着石油价格走低,带动委内瑞拉国内经济开始下行,最后使得物价开始快速上涨。

2018年委内瑞拉的通胀率一度达到了65374%,货币当局为避免面值过高,还以1:10万的兑换比例,发行新的货币“主权玻利瓦尔”来替换原有的货币“强势玻利瓦尔”。

不过这并没有改变当地的恶性通胀,2019年,委内瑞拉的通胀率达到了19906%,而在2021年委内瑞拉也要开始发行100万面值的货币了。至于这100万玻利瓦尔大概也就相当于50美分了,可能还买不了一杯咖啡。

当然这只是一个很极端的例子,只是为了帮助我们理解货币超发对通胀的影响。

除了货币超发带动物价上行之外,还有一种传导链条,即货币政策积极—经济加速复苏—需求回升—带动物价上行。

这里的逻辑是货币政策能够推动基本面修复,而基本面修复,加上人们手里有钱了,就会带动消费的回升,从而推动物价上行。那如果货币政策没有带动经济回升,那这条路径就走不通了。

回顾历史上货币发行与物价走势的关系,我们能够发现在2015年之前,M1对CPI还是有一定的领先关系的。

最好的例子是在2008年。因为2007年中国经济增长强劲,叠加国际大宗商品价格屡创新高,中国通胀压力比较大,2008年1季度CPI达到了8%,为此央行执行了从紧的货币政策。

2008年年中,金融危机爆发后,中国出台了“四万亿”计划,货币政策也从年初的“从紧”转向了“适度宽松”,在积极的财政政策和货币政策的共同配合下,国内经济开始快速修复,与此同时,我们也能够看到CPI开始快速回升。

但是,2015年之后,M1也好,M2也好都在逐渐和CPI脱钩。我们认为这有以下几点原因:

第一,经济的长期下行压力。我们前面说过,货币政策要想对CPI产生影响,是需要通过基本面的。

但是近年来,中国经济下行压力比较大,货币政策又比较稳健,对经济的提振力度不如预期,在需求端迟迟没有改善的情况下,货币政策的宽松也很难带动CPI上行。

第二,CPI无法反映资产价格的波动。

央行发行的货币除了流入实体经济,推动物价上涨外,还有很大一部分资金流入金融和房地产市场。但是房地产、股票等资产的价格波动是不会体现在CPI里面的。

比如在2015年的时候,央行的货币政策是偏宽松的,曾5次下调人民币存贷款基准利率,而M1增速在2015年也明显走高,但是因为基本面比较弱,这部分资金并没有流入实体经济,而是沉淀在金融市场和房地产市场里。

所以我们能够看到在2015年的时候,股市表现得很好,上证指数突破了5100点,而房地产市场的表现也不差。

不过因为这些资产的价格不体现在CPI里面,所以我们会看到CPI在那段时间表现得波澜不惊。

2020年因为疫情,全球央行都在大放水,美联储资产负债表的规模从2020年年初的4.17万亿快速上涨到了2020年末的7.36万亿。按理说美联储这么快的扩表,应该会推动通胀,但是美国2020年的CPI同比涨幅虽然有所上行,但是还没有恢复到2019年末的水平。

当然,这里很大一部分原因是美国的需求没有恢复,经济复苏乏力,在这样的情况下物价自然上不去。

但是还有一部分原因是美联储发的钱其实都流入资本市场了,美国2020年股市和房地产市场表现得特别的好,道琼斯指数已经超过了疫情前水平,纳斯达克指数更是相比于疫情前上涨了40%以上,在经济基本面疲软的情况下,金融市场的大幅上涨,肯定就是货币超发导致的。

而CPI无法反映资产价格波动这一点,也一直在被人诟病,也有市场讨论说之后物价指标还是要把资产价格波动包含在内的,不过现在还没有相关指标,之后我们还是拭目以待吧。

第三,货币政策主要是通过需求端来影响物价的,但是供给端有时候才是CPI的主导因素,比如2019年的CPI大幅上涨很大程度上就是因为猪瘟导致猪肉供给不足,猪肉价格的波动主导了这一轮CPI的波动。

2.2.3.输入性因素的影响

除了国内自身供需以及货币政策的原因,输入型通胀也是引起国内物价上涨的一个重要因素。

比较简单的理解就是,全球石油价格上涨后,国内进口石油的价格也会上涨,并带动国内成品油走高。而油价是CPI的子项目,这种上涨是会直接体现在CPI数据里的。

从数据上我们也能够看到进口价格指数在2014年之前和CPI当月同比的走势是高度一致的。比如在2007年的时候,中国的通胀快速走高,一来是因为当时中国经济走势特别好,GDP实际同比从2006年三季度的12.2%一路上行到2007年二季度的15%,国内需求旺盛;二来国际输入性通胀压力比较大,当时国际大宗商品涨的特别厉害,ICE布油从2007年初的50美元左右一直上行到2008年6月的140美元,国际大宗商品和粮食价格的上涨助长了国内物价上行。

不过在2014年之后,我们会发现进口价格指数与CPI的相关性在明显变弱。我们认为这可能和统计口径的调整相关,2014年之前进口价格指数的统计口径是以美元为计价标准的,而自2014年起开始改用人民币为标准的统计口径。

计价货币调整后,两者的相关性就减弱了,这里我们就要考虑汇率的影响了。可以看到在2014年下半年起,人民币汇率是有一波上行的,而且会发现人民币汇率上行和这一波进口价格走势上行是一致的。因此,我们可以认为在2015-2018年那一段时间里,进口价格的波动很大程度上都是由于统计口径变化导致的。

比如一件商品进口价是100美元,且进口价一直没有变化,但是因为人民币汇率从6上行到了6.5,那么这件商品的对应价格就从600元上行到了650元,这会使得进口价格指数出现波动。

但是,这种因为人民币贬值导致的物价波动可能向下游传导会比较困难。毕竟在需求不强的时候,企业特别是中小企业不能随意涨价,汇率波动带来的损失可能需要企业自己损耗利润来弥补,体现的是进口企业的利润被压缩了。

PPI的介绍与预测

3.1.PPI基本情况

工业生产者出厂价格指数(Producer Price Index for Industrial Products,简称PPI)是某个时期内工业企业产品第一次出售时价格变动的相对数,反映工业企业产品第一次出售时的出厂价格的变化趋势和变动幅度。其调查涵盖40个工业行业大类、1300多个基本分类的工业产品价格。

具体来看,PPI可以分为生产资料和生活资料两大类。

生产资料一般指的是用于工业生产活动的中间消耗品(比如煤炭、原油、有色金属等),之后又分为采掘、原材料和加工业三大类。

生活资料一般是指用于人民生活的消费品(比如衣服、汽车等等),具体包括食品、衣着、一般日用品和耐用消费品四类。

从历史数据上看,影响PPI的主要是生产资料而不是生活资料。这一点可以类比CPI,CPI分为食品项和非食品项,而影响CPI的主要就是食品项。

在统计上,PPI的基础数据是由统计局按照工业行业分类,选择每个行业中的样本企业进行调查得到的,共涵盖了4万多家工业企业。在具体调查时,对于主营收入2000万以上的企业,采用重点调查法,对于主营业务收入2000万以下的企业则采用典型调查法。

而PPI的权重则是依据各行业的工业销售产值来确定的,其权数实行千分制度。一般是基于调查数据,先确定大类行业权数,然后将其分摊到中类行业,再将种类行业分摊到小类行业。

一般统计局每5年开展一次工业企业产品权数,来重新确定各行业的工业销售产值,并确定各行业的权重。

在确定调查样本企业、各项数据的权重之后,统计局每个月5日和20日会派人去样本工业企业调查数据局,之后将数据汇总上报。并在每个月的10号左右,和CPI数据一起,公布PPI和PPI下属分项的数据。

换言之,我们最终得到的PPI数据其实是这个月5号和20号的时点数据。

最后,同比和环比数据的计算和CPI一样,这里我们就不再重复赘述了。

在了解了PPI的统计过程之后,其实PPI也有几点需要注意:

第一,CPI与PPI的关系。

从理论上看,PPI的波动应该是会向CPI传导的,PPI反映的是全部工业产品的出厂价格,而CPI反映的是一篮子消费品和服务的价格。而理论上,价格水平的波动会先出现在生产领域,然后通过产业链逐步向下游传导,最后影响到消费领域,即PPI会略微领先于CPI。

比如食品制造业企业加工出来了一批面条,因为原材料价格上涨等等原因,工厂会涨价批发给零售商,这就会使得PPI上升。批发商因为购进面条的成本上升,也会相应的提高价格来将商品销售给消费者,这样就带动了CPI的上涨。

但是从数据走势上看,我们会发现几个问题:

一来,PPI和CPI之间不存在领先滞后关系。

我们认为这种同步性源于CPI和PPI之间的互相影响。PPI影响CPI的渠道一是通过生活资料直接影响CPI;二是通过生产资料来影响生活资料,再间接地传导到消费品价格上。

CPI影响PPI的渠道,一是CPI中的部分消费品是PPI中的原材料,比如农副产品;二是CPI中的消费品和PPI中的生产资料有着同样的原材料。在这样的情况下,日常的消费需求也会影响价格,从而传导至PPI。

二来,这种同步关系在2015年之后,逐渐消失了。

可以看到在2016年的时候PPI迎来了一波上行周期,之后在2017年2月开始下行,并一直持续到了2020年。在2019年之前,CPI表现得波澜不惊,一直到2019年因为猪周期的原因,CPI才出现明显的波动。这种走势的错位,甚至还让CPI和PPI的走势出现了背离。

我们认为这可能是因为2015年之后,供给端主导了PPI的走势,但是因为经济复苏乏力,需求不强,供给端的价格波动难以顺利得向需求端传导。

这一点我们在前面也提到过,PPI的走势是由生产资料主导的,而CPI的走势是由食品项来主导的。在生产—需求传导渠道顺畅的时候,CPI和PPI走势自然会比较一致。但是在需求不旺,生产端的价格波动难以向需求端传导,受损的就只能是企业自己了。

第二,基期轮换、权重和翘尾因素。

这两点都和CPI一致。每5年PPI和CPI会同时进行基期轮换,2021-2025年的基期是2020年。根据统计局的口径,这一轮新基期的调查分类目录、代表规格品和调查企业均有调整,分类权数也有变化,以反映工业生产结构的最新变动。

比如在2020年的时候,工业生产者出厂价格统计调查涵盖1638个基本分类的20000多种工业产品的价格。而2021年,其涵盖范围就调整为1300多个基本分类的工业产品价格。

权重方面,PPI的权重其实比CPI更加的复杂。如果仅看生活资料和生产资料的权重还好,毕竟统计局会公布生产资料对PPI的拉动情况,从而我们可以计算出生活资料和生产资料的权重。

比如2021年2月,工业生产者出厂价格中,生产资料价格上涨2.3%,影响工业生产者出厂价格总水平上涨约1.71个百分点。生活资料价格下降0.2%,影响工业生产者出厂价格总水平下降约0.05个百分点。据此,我们可以计算得到生产资料价格的权重为74.35%,生活资料的权重为25.65%。

不过,这个权重每个月都会有略微的出入,比如2021年1月,生产资料价格由降转涨,上涨0.5%,影响工业生产者出厂价格总水平上涨约0.35个百分点,计算得到其权重为70%,相应的,生活资料的权重则为30%。

在这里有时候为了方便,我们会取已发布数据的均值来作为该项目的权重。

进一步的分项权重就比较难以确定了。统计局的权重划分是按照行业销售产值占总产值的比重来进行计算的,但是我们难以获得行业销售产值比重,与销售比较接近的指标是主营业务收入,我们可以用各行业的主营业务收入(营业收入)数据来去简单地估算PPI各项的权重。在这里我们就不再展开了。

翘尾因素和新价格因素的含义和CPI一样,比如2021年2月,PPI的翘尾因素影响约为-0.1个百分点,新涨价因素影响约为1.8个百分点。翘尾因素的数据我们则可以自己根据历史数据去计算,计算过程在前文讲过,不再重复。

3.2.PPI的预测

PPI的预测方法和预测CPI的方式比较接近,从环比累乘的结果来看,通过12期环比数据累乘得到的同比数据与公布的同比数据十分接近。

在此基础上本文使用的方式主要是基于当月前11期的环比累乘数据,来考虑预测当月的环比数据,从而提前计算得到当月同比预测值。

那么我们现在需要考虑的就是,该怎么获取这个月PPI的环比预测值。

PPI不同于CPI,PPI的季节性并不明显,如果我们使用环比均值的方式,用过去3年或者5年的环比数据均值作为本月的环比数值,就有点不太严谨了,而且准确度也不高,因此不能用环比均值的方式进行。

剩下的一种方式就是高频数据。毕竟高频数据考虑了这个月的新情况,而且数据也比较好获取。

目前,市场上能够找到的主要反映工业品价格走势的指标有生产资料价格指数、南华工业品指数、南华综合指数等等,按照相关性进行排序,我们发现由商务部每周发布的生产资料价格指数与PPI的相关性达到了97%,在各类指标中表现最好。

因此,我们使用生产资料价格指数来判断PPI的环比走势。

我们对PPI环比和生产资料价格指数进行回归处理,按照回归结果,两者回归的拟合优度为87.7%,拟合优度很高。而在获得回归方程之后,我们就可以通过农产品价格指数来对当月的CPI环比指数做一个简单的预测。

基于前11个月的环比累乘结果和通过拟合得到的当月环比预测值,我们可以计算得到PPI的同比预测值。

CPI与PPI的分析

4.1.CPI数据分析

前文我们已经说了,CPI的波动绝大部分是由CPI食品项贡献的,比如2020年1月CPI同比上涨了15.2%,带动CPI上涨4.52个百分点,当月CPI同比5.4%。所以在分析CPI的时候,我们还是要抓住主要矛盾,重点分析食品项,再来兼顾非食品项。

我们先来看看具体是哪几项主导了CPI的波动。我们使用2015年1月至2021年2月的CPI数据,计算各个细分项的同比标准差。可以看到猪肉、鲜果、交通工具用燃料、鲜菜、蛋类等几项的标准差明显高于其他分项(标准差越大,意味着波动率越大)。

因此,在分析时我们主要着眼于分析这几项标准差大的项目。

第一,猪肉。

猪肉一直以来都是CPI波动的主要因素,了解了猪肉,我们就可以说是把握住了CPI波动的主要矛盾。

分析猪肉的价格,依旧是从供给和需求两端来入手的。不过猪肉的供给是很有季节性的,一般在年初的时候,猪肉需求都比较低,而到了三四季度,随着各类节假日的增多,居民会增加对猪肉的需求。

从全年来看,猪肉的消费波动也不大,在2013-2019年间,根据统计局的数据,除了2018年消费偏高以外,全国居民人均猪肉消费量都稳定在20千克/年。从这里我们也能够看出来,猪肉的需求是十分稳定的。

在需求稳定的情况下,主导猪肉价格波动的主要就是供给端的因素了。而因为猪瘟不确定性高、猪肉生产具有周期性(在猪价高的时候,养猪户扩大规模,并逐渐压低猪价,最后引起养猪户减小生产规模,而这又会再次推高猪价,从而进入了一个周期循环)等原因,猪肉的供给波动是很大的。

衡量猪肉的供给能力,我们最常用的指标有:能繁母猪、生猪存栏和生猪出栏这三个指标。

生猪出栏指的是猪肉厂商或个人把自己养的猪拿出去贩卖,反映的是即时的猪肉供给。所以我们能够看到生猪出栏同比变动与猪肉价格同比变动是负相关的,在生猪出栏同比下降的时候,猪肉价格会明显上升,反之则会下滑。

如果我们想去预测猪肉价格的走势,最好的指标还是生猪存栏和能繁母猪这两个数据,前者表示现在养殖户们能够供应给市场的猪肉规模,类似于企业库存。后者代表的则是未来的猪肉供应量,毕竟能繁母猪越多,下一期就会有越多的小猪出生。

因为现在生猪的养殖周期大概在6个月左右,所以我们能够看到之后6个月的能繁母猪同比与CPI当月同比之间也存在着明显的负相关。

图中2020年之前的趋势不明显,主要是2019-2020年的猪周期使得能繁母猪的同比数值太大了导致的,比如2020年12月能繁母猪存栏4161万头,相比于2019年末同比增长103%,如果我们去掉这一段时期,就会发现前期的两者的相关性会更明显。

那么站在现在来看,2020年以来,在猪肉价格上涨、国家政策支持等因素的作用下,中国生猪存栏量和能繁母猪都创下自2016年以来的新高,国内猪肉的供给在未来会快速修复。在这样的背景下,现在不低的猪肉价格无疑会迎来一波明显的下调。

这一点在2021年2月的CPI数据里面也已经有体现了,2021年2月猪肉同比下滑14.90个百分点,带动CPI下滑0.39个百分点(CPI同比-0.2%)。猪肉下行的趋势预计至少在之后几个月里还是会持续的,而猪肉的下滑压力也会压制CPI的上行。

第二,鲜果。

除了猪肉项,其他几项的标准差其实都差不多,我们先来说鲜果。鲜果的价格波动是很有季节性的,一般来说鲜果价格容易出现波动的时间是4-9月,而这一段时间也是国内主要水果,比如苹果、橘子、西瓜、桃子等的上市时间。

一般主导鲜果价格波动的还是供给端。比如在2019年的时候,水果价格从4月开始出现了一轮明显的上涨。主要是因为:一来在2018年的时候,因为天气等原因,山东、陕西等苹果主产地的天气比较糟糕,苹果等产量受到影响,使得这类水果的库存比较低。

二来,2019年春天在水果开花的时期,天气也比较差,这也造成了2019年南方水果的减产。比如年初的寒潮对海南、广东等水果产区的生产产生了明显的冲击。

在这样的情况下,水果供给端就出现了问题,我们也会看到在2019年的时候,鲜果同比数据明显走高。

所以,我们在分析鲜果项的时候,还是需要把目光放在供给端,看看是不是因为有天气等因素导致水果的生产受到影响。

至于短期的走势,我们直接看农业农村部每日公布的7种重点监测水果的平均批发价就能大致有个直观的感觉。

还有一点值得一提,在1-2月份鲜果的环比走势往往是年内的高点,原因也很好理解,1-2月份是春节,市场需求比较旺盛,但是这个时间点,应季水果比较少,这就推动了鲜果价格走高。

在春节之后,鲜果的环比价格就会进入趋势性的下行,一直到7-8月份,随着下半年供给的减少以及市场需求增加(节假日更多了),鲜果价格也会开始上行了。

第三,鲜菜。

鲜菜和水果的走势是比较像的,从环比走势上能够看到,在1-2月份,这两者的环比都是年内的高点,原因也比较接近,那时候是春节,消费需求比较旺盛,而且大冬天的,蔬菜的生产也少一些。

春节过后,蔬菜需求下行,加上随着天气转暖,蔬菜生产逐渐恢复,蔬菜环比走弱,4-6月份,环比一般都位于负数区间。而到了7、8、9月份,因为这个时期是洪涝灾害频发的时期,所以蔬菜价格会再次上涨。

之后,蔬菜价格会回落,一直到11、12月,随着天气转冷,春节、元旦等节假日的临近,蔬菜价格会迎来一次上涨。

和水果一样,蔬菜的生产也受到天气的影响,比如在2016年、2018年夏季的时候,洪涝灾害比较严重,蔬菜的生产就受到了明显的影响,山东寿光(蔬菜重要生产地)当时因为洪涝,蔬菜明显减产,并带动蔬菜价格环比走高,2016年和2018年9月的蔬菜价格环比走势也明显高于历史均值。

不过和水果不一样的是,蔬菜的生产周期很短,比如小白菜、空心菜、生菜的生长周期一般不到1个月,油麦菜、大白菜的生长周期不到2个月,所以我们会看到在生产端在受到天气等外部因素的冲击后很快就会恢复。从历史数据上看,一般洪涝灾害过后,蔬菜价格会出现1-3个月的上涨,之后很快会开始回落。

第四,油价(交通工具用燃料)。

油价对CPI的影响体现在很多方面:

一来油价会直接影响交通工具用燃料,直观的感觉就是随着国际油价的上涨,国内成品油也会开始调价。在现有的制度下,发改委设立每桶40美元的下限和130美元的上限,之后在这个区间里,每十天,国内成品油价格会及时根据国际油价进行调整。

比如在2021年3月3日,因为前期国际油价上涨,国内成品油就将汽油每吨上调260元,柴油每吨上调250元。全国平均来看:92号汽油每升上涨0.20元;95号汽油每升上涨0.22元。而成品油的上涨自然会直接带动交通工具用燃料价格上涨。

二来影响居住项中的水电燃料。居住项目下的水电燃料主要是燃气费,比如管道天然气、煤气等。天然气等价格虽然与石油价格有一定相关性,但是在传导效率上会明显低于交通工具用燃料。

三来油价上涨会影响其他各类商品的价格,毕竟石油会涉及很多领域,比如石油价格上涨会带动物流成本上升(开车贵了),物流成本涨了之后,自然会带动其他商品价格上涨。

而油价本身则会受到供给、需求和地缘政治等因素的影响。

先来说地缘政治。不同于其他商品,石油价格除了供需,还会受到地缘政治的影响。比如在2019年10月的时候,中东地区局势比较动荡,沙特阿美油厂受到袭击,于是在袭击过后,油价就出现了明显的上涨。

更直观的是20世纪70年代,那时中东战争再次爆发,而阿拉伯国家为了反击西方国家对以色列的支持,宣布石油减产,同时调升油价。国际油价的飞快上涨在当时重创了美国等国家的经济,美国陷入了经济滞胀。这也是全球第一次见识到石油武器的威力。而这里的阿拉伯联盟也就是我们现在说的OPEC。

不过除非是70年代那种大规模的战争,现在一般的地缘政治冲突对油价也就是起到扰动作用,需要配合着供需情况,才会对石油价格产生持久的冲击,不然往往是短期的冲击。比如2019年10月,在恐怖袭击之后,油价只是短期上涨,很快开始回落。

供给方面,OPEC、美国(页岩油)和俄罗斯是石油的主要生产国(联盟)。其中,美国的页岩油的生产成本最高,而OPEC的生产成本最低。供给一般可以看OPEC和俄罗斯等国家的减产协议是不是达成。

需求方面,则与全球的经济行情密切相关。石油作为重要的大宗商品,是重要的生产资料。在全球经济上行的时候,市场对石油等大宗商品的需求也会走高。反之,在全球经济下行的时候,市场对石油的需求就会比较疲软。

在2020年年初的时候,OPEC和俄罗斯就新的减产协议迟迟没有达成协议,并开启一轮价格战,加上疫情已经开始影响全球经济,市场对原油的需求快速下行,这就导致了在2020年年初的时候全球石油价格快速下滑。

2020年4月OPEC与俄罗斯达成新的减产协议,但是疫情冲击下,全球石油需求依旧疲软,油价从历史低谷回升后,一直在40美元左右的价格震荡。

一直到2020年11月,随着疫苗的接种,全球经济复苏预期开始逐渐变得乐观,需求端的修复加上前期央行的大放水,才推动原油价格的上行。

往后来看,全球经济修复在2021年上半年可以说是一个确定的事件,在经济复苏的大背景下,原油价格表现的不会太差。

第五,看完上面这些分项,对于CPI我们还有一点需要关注,即核心CPI。

核心CPI指的是不考虑食品项和能源的CPI波动。前面我们说了食品项和能源(主要是石油)的价格在很大程度上主导了CPI的走势,这样容易让我们忽略其他方面的变化,于是提出了核心CPI。

我国的核心CPI主要是扣除了“食品烟酒”中“食品”部分,“居住”中的“水电燃料”,“交通和通信”中的“交通工具用燃料”这几项。

在扣除了这几项之后,核心CPI就能够比较好地体现我国的实际需求情况了。而我们在分析核心CPI的时候,也一般会从需求侧来分析。

可以看到自2018年开始,核心CPI一直处在趋势性下行的节奏中,这一点和当时国内GDP从2018年年初的6.9%一路下滑至2019年12月的5.8%是一致的。

2020年因为疫情,国内经济砸出了一个深坑,一季度之后虽然在政策刺激、出口旺盛等因素的共同作用下,经济开始触底回升。

但是这一轮经济的回升是由生产端带动的,需求端一直表现得不好,最直观的体现就是社会消费品零售总额同比恢复得特别的慢,在2020年末的时候,同比也才4.6%,远低于2019年7%-8%左右的水平。

需求端恢复慢体现在CPI上就是核心CPI持续下行。一直到2021年2月,随着疫苗的接种,消费场景开始修复,叠加春节效应,核心CPI才相比与1月份有所回升。

4.2.PPI数据分析

在分析PPI数据的时候,我们主要把注意力放在生产资料上,而且往往会进一步分析具体的行业数据。

首先,关注上游采掘和原材料行业。煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业等的走势我们一般需要结合当月的国际大宗商品价格走势来分析。

比如在2021年,因为全球经济复苏预期乐观,石油、铜、螺纹钢等大宗商品价格走势都不差,相应的在2月PPI数据没有出的时候,我们就应该预期到像是石油和天然气开采业出厂价格不会差,数据也证明了这一点。

2021年2月PPI采掘环比上涨2.8%,远高于PPI的环比涨幅(0.8%),而像是石油和天然气开采业的环比涨幅更是达到了7.5%。

其次,关注中游加工业。比如石油、煤炭及其他燃料加工业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业等。上游价格的波动会比较顺畅的传导至中游,比如在原油价格上涨之后,石油加工业的进货成本高了,自然会提高成品油的出厂价格。比如2021年2月石油、煤炭及其他燃料加工业的环比上涨达到了4.9%,这和石油开采业的环比走势比较一致。

另外,像是黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业的产成品一般就是螺纹钢、铜等建材,其在一定程度上也能够反映出建筑行业(基建)的行情。

最后,关注终端消费行业和生活资料。汽车制造业等终端工业品的出厂价格以及生活资料的价格在一定程度上能够反映出消费的情况。

但是我们经常会看到在中上游行业价格明显上涨的时候,生活资料和一些终端消费行业的出厂价格走势反而是很弱的。这反映出来的就是中上游价格无法顺利向下游消费传导,表明实体经济比较弱。

4.3.案例分析

2019年10月份,全国居民消费价格(CPI)同比上涨3.8%(前值3%),环比上涨0.9%(前值0.9%);全国工业生产者出厂价格(PPI)同比下降1.6%(前值-1.2%),环比上涨0.1%(前值0.1%)。

先来看CPI数据。

自2019年2月以来,CPI的同比数据一直在稳步走高,从2月的1.5%逐渐上行到了10月的3.8%。

如果把CPI拆开来看,就会发现这一轮CPI的上涨是结构性的,主要是因为食品项或者说是因为猪肉价格上涨导致的。

2019年10月,猪肉价格上涨101.3%,影响CPI上涨约2.43个百分点。这个月CPI的大幅上涨,猪肉贡献了64%。而且受到猪肉价格上涨的拉动,其他替代品比如牛肉(同比上涨20.4%)、羊肉(同比上涨16.1%)、禽肉类(上涨17.3%)等肉类消费都出现了普涨。

在一点在环比上体现的更为明显,10月份,CPI环比上涨0.9%,而畜肉类价格上涨14.7%,影响CPI上涨约0.91个百分点,其中猪肉价格上涨20.1%,影响CPI上涨约0.79个百分点。可以说畜肉类价格的变化环比变动对CPI的环比贡献超过了100%。

所以在分析10月份CPI的时候,我们需要把目光放在猪肉上。这一轮猪肉价格为什么涨得那么快呢?

第一,非洲猪瘟带来的冲击。

2018年8月,非洲猪瘟传入中国,并且在中国快速蔓延。在猪瘟爆发初期,养殖户们纷纷开始加速出栏,所以我们会看到在2018年10月-2019年1月期间,猪肉环比反而是在下滑的,2018年8月猪肉环比上涨6.5%,而2019年1月猪肉环比反而下滑1个百分点。

但是于此同时,因为猪瘟,养殖户生产趋于谨慎,生猪存栏和能繁母猪存栏同比呈现断崖式下滑。

因为猪肉供给不足,猪肉价格自2019年3月开始快速上行,CPI猪肉同比从3月的5.1%快速上涨到2019年10月的101.3%。前期的猪肉上涨,主要是因为生猪存栏率的下滑,库存不足了。

而到了后期,我们认为是能繁母猪下滑后,生猪的整个生产周期被中断了。按理论上说,库存(生猪存栏)下滑了,猪肉价格上涨了,养殖企业就会扩大生产(体现在能繁母猪上)。但是猪瘟冲击下,不仅猪肉的库存下滑,而且猪肉的生产也处于停滞状态,这就使得猪肉供给严重不足,相应的价格就会以更快的速度上涨。

第二,猪肉生产周期。其实即使没有猪瘟,猪肉的供给也是在减少的,可以看到自2018年3月开始,能繁母猪存栏同比就已经在下滑了,不过下行的幅度特别小。只是受到了猪瘟的冲击,使得这个下行幅度更大了。

不过站在2019年10月,猪肉的供给端也出现了几个利好的信号,一来,能繁母猪存栏同比已经下行幅度开始见底回升了,2019年10月能繁母猪同比下行-37.9%(前值为-39%);二来,生猪存栏的下行幅度也开始减缓,生猪存栏同比8、9、10月份分别为-38.64%、-40.96%、-41.37%,即生猪存栏的下行也应该快见底了。

那么站在当时来看的话,即使能繁母猪存栏同比等指标已经开始见底,但是从生产到出栏,至少还有6个月左右的时滞。所以我们认为在2019年11月到2020年第一个季度,猪肉同比还是会上行的。

在2020年3月之后,(可能会提前一会,毕竟猪肉价格这么高,养殖户们可能会加速出栏),随着猪肉生产端的修复,供需缺口会收窄,而且二季度是猪肉消费的淡季,猪肉的需求压力也比较小,所以猪肉价格预计会逐渐下滑。

而且越往后面,因为2019年猪肉价格高基数的原因,猪肉价格同比会出现大幅度的下滑,这又会再次主导CPI开始下行周期,就和这一次主导CPI上行一样。

看完猪肉,我们再看其他几项,2019年10月,鲜菜价格同比下降10.2%,影响CPI下降约0.27个百分点;鲜果价格同比下降0.3%,影响CPI下降约0.01个百分点。这几项的走势没有超季节性,不用特别关注。

再来看非食品项。非食品价格同比上涨0.9%(前值1%),环比上涨0.2%(前值0.2%)。非食品项同比创下了2016年以来的新低。我们认为这可能是因为食品项价格的大幅上涨,使得人们开始减少在其他项目上的支出,产生了挤出效应。

另外也反映出来目前的终端消费是比较弱的,这一点可以和核心CPI结合在一起看。2019年10月,核心CPI(不包括能源和食品)同比为1.5%,环比0.1%。同比也是自2017年核心CPI开始下滑以来的新低。

非食品项CPI和核心CPI的共同走弱都显示出当时经济的需求端是比较差的。

在这样的情况下,货币政策的重心可能还是在稳经济上,而不会注重于控制通胀。这一轮CPI的大幅上行,是猪肉供给端出了问题,导致猪价大幅上升,并带动CPI向上突破3%,和我们一般说的经济过热,通胀压力比较大是不同的,比如2007年就是因为需求太旺盛了,才带动CPI走高的。

而现在猪肉生产已经开始逐渐修复了,可以预见的是年末至2020年的CPI大概率会走低的,经济出现高通胀的概率并不高。现在的问题还是在需求端,终端需求一直起不来,核心CPI也在下行。所以货币政策的重心更多的还是在稳经济上,不会因为CPI破3%,就出现明显的收紧。

再来看PPI数据。

2019年10月PPI同比下降1.6%(前值-1.2%),其中翘尾因素为-1.2%,环比上涨0.1%(前值0.1%)。

分项目来看,生产资料价格同比下降2.6%,降幅比上月扩大0.6个百分点,影响工业生产者出厂价格总水平下降约1.95个百分点。

其中表现的比较好的是,农副食品加工业,环比1.8%,同比上涨5.9%。这主要是受到成本走高的影响。

除此之外,其他几项的表现比较一般,上游行业比如黑色金属矿采选、煤炭开采和洗选业等价格环比都是负的。不过石油和天然气开采业的环比是在上行的,这一点和10月国际油价上行的走势是一致的。

像是黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业等行业的环比也还是负的。

生活资料方面,生活资料价格同比上涨1.4%,生活资料的上涨和CPI上涨道理是一样的,都是食品项导致的,9月PPI食品价格上涨4.4%。在食品项上涨的背景下,我们需要关注的是食品项对其他生活消费的挤出。

9月衣着价格上涨0.6%(前值0.9%),衣着价格已经连续多个月下滑了,对应的是食品项同比连续多月上行。一般日用品价格上涨0.4%(前值0.8%),耐用消费品价格下降1.8%(前值-1.8%)。

展望后期的话,根据我们计算的前11个月的环比累乘数据,11的环比累乘数值高于10月份,前期因素对PPI同比走势的影响下滑。

另外,年底财政支持会对经济形成一定的支持,可以看到往年年底PPI大概率都是上行的。另外,需要关注的还是需求端,站在当时能够看到的利好消息是不多的,所以也很难看到PPI强势回升。

本文作者:红塔证券李奇霖、孙永乐,来源:李奇霖 

风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。
4条评论
收藏
qrcode
写评论

icon-emoji表情
图片
4 条评论
MobileUser9217
举报

有点长

0
回复
独钓寒江雪
举报

房地产居民消费权重应该要纳入。

0
回复
手机用户1711
举报

太长了,直接评论

0
回复
MobileUser7867
举报

基本分析

0
回复