存貨投資與經濟周期

□文/郭長林

（東北財經大學經濟學院 遼寧·大連）

存貨在一國經濟中的地位非常重要。盡管存貨占GDP的比重并不高，但是其波動程度很大，是產出波動的主要構成部分。鑒于存貨投資對經濟的重要性，本文從理論上介紹了存貨投資的概念、統計方法、基本理論、最近的理論進展以及存貨理論的應用，以期對關于我國存貨投資與經濟周期的研究起到拋磚引玉的作用。

一、存貨的概念及其重要性

（一）存貨與存貨投資。存貨的持有者主要是生產部門與銷售部門。對生產部門而言，存貨不僅包括產成品，而且包括在制品、半成品和原材料等；對于銷售部門來說，存貨則主要指未銷售出去的商品。存貨投資指一定時期內存貨實物量變動的市場價值，即期末價值減初期價值的差額，再扣除當期由于價格變動而產生的持有收益。存貨投資可以是正值，也可以是負值，正值表示存貨上升，負值表示存貨下降。此外，基于產出和收入的角度，存貨投資作為當期總產出與總銷售之差，是GDP的構成之一（許志偉等，2012）。

（二）存貨投資的數據來源和統計方法。基于美國的實踐，我們討論統計存貨投資的數據來源和估計方法。一般而言，用于估計存貨投資的數據來源非常廣泛，不同部門的數據來源也不盡相同。為了將各種來源不同的數據調整成國民收入賬戶（NIPA）中的對應概念，需要使用一定的估計方法。目前，主要的估計方法主要有四種：基年估計（benchmark-year estimates）、非基年估計（non-benchmark year estimates）、最近年份和本季度估計（mostrecent-year and current-quarterly estimates）和數量和價格估計（quantity and price estimates）。更為具體的介紹參考國民收入賬戶手冊第七章。

張濤等（2010）詳細論述了代表性發達國家和中國存貨指數的計算方法，具體為：美國的存貨指數是由美國供應管理學會（ISM）編制，由采購經理人協會抽樣調查和收集企業家對存貨變動看法（存貨增加、存貨持平、存貨減少）；存貨指數的編制是分行業進行的，行業存貨指數=（行業內存貨增加的樣本公司占比+0.5×預期下月原材料存貨減少的比例）×100；綜合存貨指數是在行業指數基礎上根據行業權重加權計算得到，每一個行業的權重是依據該行業在國民生產總值中所占比重來確定。

德國的存貨景氣指數由德國經濟信息研究所（IFO）編制，在調查7，000個制造、建筑、批發和零售企業存貨的基礎上計算得出；具體分為現在的狀況和未來6個月存貨的預期變化，存貨現狀分為三個狀態：滿意、不滿意和很滿意。未來6個月存貨預期變化也分為三種情況：不變化、上升和下降。用“預期上升”的企業占比減去“預期下降”的企業占比，或用“滿意”的企業占比減去“不滿意”的企業占比，再除以基期計算得到的百分比就是存貨景氣指數；目前德國存貨景氣指數選擇的基期是2000年，調查得出的數據經過季節調整后，每月發布一次。

英國存貨指數是自1992年開始，在調查制造業600家企業的基礎上計算得出；其計算方法為：如果本期存貨相對上期存貨增加，賦予權重0.5，沒有變化賦予權重0.5，下降賦予權重0，權重乘以相應的百分比相加即得到存貨指數。英國在計算存貨指數時，考慮了企業規模因素，大企業比小企業影響更大，因此大企業樣本占比相對更高。

日本存貨指數的編制方法與美國類似，覆蓋日本制造業的近300家企業，包括小企業、中等規模企業和大型企業，其存貨指數細分為產成品存貨指數和商品采購存貨指數。日本存貨指數計算也采用按行業比重加權得到。

在我國，中國物流中心從2005年開始，根據其月度企業問卷調查數據，將制造業存貨指數和非制造業存貨指數作為其采購經理人指數（PMI）中的一個子項按月編制，并于每月9日公開發布上一個月的計算結果；其中，制造業存貨編制共涉及730余家企業，分為原材存貨指數和產成品存貨指數，同時按行業不同，編制分行業原材料和產成品存貨指數；非制業存貨指數編制涉及1，000余家企業，不存在原材料存貨指數和產成品存貨指數的區分；其體編制方法（以制造業原材料存貨指數為例，產成品存貨指數編制方法與此類似）是：原材料存貨指數=（受調查企業中預期下月原材料存貨增加的比例-0.5×預期下月原材料存貨減少的比例）×100。

此外，國內有一些學者依據國家統計局的季度企業問卷調查數據，按照國外通行的計算方法，進行過計算中國存貨指數的相關研究。陳杰、劉妹威（2008）以國家統計局的“全國工業企業景氣狀況設計調查問卷”為基礎，借鑒國外存貨指數的計算方法并結合中國企業景氣調查制度的特征，提出了中國存貨指數的設計方案。王作春等（2005）則以國內上市公司公開的財務數據為基礎，通過推算的方式獲取個體存貨景氣指數，再以加權的方式對各行業存貨景氣指數進行匯總，進而獲得總體存貨景氣指數。

（三）理解存貨與存貨投資的重要性。盡管存貨投資占GDP的比重在不同國家、不同年份均有所不同，但是無論是從縱向還是橫向角度看，這一比重都很低。例如，1956～1998年間，存貨投資占美國GDP的平均比重為0.66%。1995年，存貨投資占西方七國GDP的比重分別為：美國0.36%、英國0.31%、日本0.53%、德國0.47%、法國0.54%、加拿大0.32%以及意大利0.91%。中國的情況也不例外，1992～2010年間，每年存貨投資占GDP的比重大約在3.5%左右。上述事實似乎意味著存貨投資可能無法對經濟產生重要影響，但是事實上，理解存貨投資對研究一國的經濟波動是非常重要的，主要表現在如下兩個方面：第一，盡管存貨投資占GDP的比重較低，但是存貨投資的波動對一國經濟波動的貢獻較為明顯。例如，美國戰后經濟的波動中，大約有1/3歸結存貨投資。中國經濟中的存貨投資波動也能夠解釋產出波動的20%。更為重要的是，存貨持有量的變動大約可以占到季度GDP變動的60%左右（Fitzgerald，1997）。因此，理解存貨投資變動的原因是理解經濟波動的關鍵（Blinder，1990）；第二，企業的存貨投資行為有可能會放大或縮小經濟的波動幅度，進而成為技術和政策影響經濟的重要的傳導機制，并且可以用來識別不同的沖擊來源或者說經濟起伏的原因。

二、存貨投資數據的統計特征

由于存貨投資的波動在經濟波動中扮演著重要角色，因此，我們需要對存貨投資的數據特征進行分析和總結。

（一）存貨投資占國民生產總值的比重。從國外的數據來看：Ramey and West（1999）通過分析G7（加拿大、法國、德國、意大利、日本、英國和美國）從1956～1995年的數據得到，存貨投資只占GDP份額的0.5%，相比固定資產投資（占GDP比重15%）和消費比重（占GDP的2/3），存貨投資的比重是非常小的。而根據G7國家1995年的橫截面數據，得到各國占GDP的比重分別為美國0.36%、英國0.31%、日本0.53%、德國0.47%、法國0.54%、加拿大0.32%、意大利0.91%。此外Fitzgerald（1995）分析了美國二戰后的存貨投資數據，得出美國的存貨投資只占國民生產總值的0.5%。因此，不論從時間序列上還是從橫截面上，從國外的數據來看，存貨投資所占國民生產總值的比重是十分微小的。

從國內的數據來看：相比較國外存貨投資的特征，中國存貨投資占國民生產總值的比重有自己的特點，僅就該比例的這種趨勢變化也可以看出我國市場化的進展。對于當代存貨投資的特征，許志偉等（2012）分析了1992～2010年的宏觀年度數據，得出中國每年的存貨投資僅占GDP的3.5%。因此，通過分析中國存貨投資數據，我們得到的結論和國外的數據基本是一致的，即存貨投資占國民生產總值的比重是比較小的，對于中國而言，隨著市場化程度的發展，存貨投資占GDP的比重正在不斷地降低。

（二）存貨投資的波動規模。相比較存貨投資所占GDP的份額，存貨投資的波動性是非常巨大的。早在1950年，Abramowitz就得出：第二次世界大戰之前，美國的經濟衰退往往伴隨著存貨投資的急劇下降。而根據Alan.Blinder（1991）的計算，這一情況在二戰后的歷次衰退中仍是如此，他通過分析1948～1982年的數據發現，美國真實的存貨投資變化占真實國民生產總值變化的87%。Ramey and West（1999）分析了二戰后G7國家存貨投資變動和GDP的變動，發現存貨投資變動占GDP變動的比例保持在12%～71%的范圍內。許志偉等（2012）分析了1992～2010存貨投資和GDP數據，相比較存貨投資所占的份額，發現其存貨波動解釋了GDP總波動的20%之多。所以，存貨投資的波動規模對于經濟波動的影響是不容忽視的。

（三）存貨投資的順經濟周期性。在存貨投資的研究中，存在一個眾所周知的事實，是存貨投資對經濟周期波動有放大作用。所謂存貨投資順經濟周期性是指存貨投資的波動趨勢與經濟周期的波動趨勢是 一 致 的（Ramey and West，1999）。Fitzgerald（1995）計算了美國1948年到1991年歷年存貨投資周期與經濟周期波峰與波谷之間的變化比較發現，存貨投資的變化與經濟周期的變化方向是完全一致的，而且存貨投資周期性的波動規模與經濟周期的波動規模基本相當。Blinder and Maccini（1991）發現二戰后，在美國衰退的時期內，存貨投資的下降和總產出的下降相伴隨，并且存貨投資的變化可以解釋總產出變化的87%。Blinder（1990）在文章中認為：經濟周期在很大程度上來說，就是存貨投資周期。Ramey and West（1999）分別計算了G7國家1956～1995年存貨投資和銷售額之間相關系數發現：所有國家的相關系數均為正，系數均值在0.1～0.2之間，并且通過VAR模型檢驗了二者之間的相關性，結果發現結論是一致和穩健的。YiWen（2005）通過研究美國和OECD國家的總量數據，在經濟周期的不同波動區域上詳細討論了存貨投資與經濟周期的相關性，得出：在經濟周期高頻波動的部分，存貨投資是逆經濟周期的；而在經濟周期低頻波動的部分，存貨投資是順經濟周期的。此外，存貨投資的波動方差在經濟周期高頻波動的部分比較大，而在經濟周期低頻波動的部分比較小。Kahn（2002）通過分析美國數據發現：美國自八十年代起，總產出的波動規模較二戰結束時期縮小了將近一半。Kahn等人通過構建宏觀經濟模型得出：由于信息技術革命引起的存貨投資的變化（尤其是耐用品存貨投資）是導致美國經濟波動平穩的一個至關重要的原因。從國內研究來看，易綱、吳任昊（2000）考察了中國1979～1989年存貨周期和經濟周期的相關性，得出：1979～1986年間，二者的相關系數為0.783869，即表現為明顯的“順周期”特點。而在1979～1989年間，二者的相關系數為-0.24599，卻表現為“逆周期”特點。原因就在于1987～1989年間，二者的相關系數為驚人的-0.92289，即存貨投資的波動在那三年幾乎完全是反經濟波動而行的，即“順周期”這一特點在1987～1989年出現了一個明顯的例外。其原因在于：在1987年、1988年，受多種因素影響，市場需求十分高漲。在進入八十年代之后，存貨行為的“順周期”特點日益明顯。在1992～1995年經濟高速增長之時，存貨投資出現了更高速度的增長，GDP波動與存貨投資波動的相關系數為0.664865。而當1996年經濟開始進入調整期，經濟增長開始減緩之時，存貨投資則以更快速度下降，在1996～1998年間，二者的相關系數為驚人的0.998304。張濤（2010）通過構建5，000戶企業的存貨指數與經濟周期的數據得出：5，000戶企業存貨指數與經濟波動周期能夠較好地擬合，但存在約1～3個季度的滯后。許志偉等（2012）根據采購經理人指數中的產成品庫存和原材料庫存指數作為兩種存貨投資的代理變量，得到了原材料存貨投資順周期、產成品存貨投資逆周期的經驗事實。

（四）存貨投資與銷售額的正相關性。Ramey and West，（1999）分析了G7國家1956～1995年的數據，通過VAR模型分析，得出了存貨投資于最終銷售之間的正相關性，并得出了存貨投資與銷售額比例平穩性的結果。Kahn（2002）通過分析美國1953～2000年的數據，得出了美國存貨投資與銷售額之間正相關的性質。

三、關于存貨投資的理論

這部分介紹文獻中關于存貨投資的相關理論：首先，我們介紹關于存貨最為基本的生產平滑模型；其次，針對生產平滑模型存在的不足，我們在局部均衡分析框架下依次介紹對生產平滑模型的三個拓展；最后，介紹在一般均衡分析框架下有關存貨投資的理論。

（一）生產平滑模型。生產平滑模型是文獻從微觀角度研究企業存貨行為的基準模型。其基本想法是，當面臨可變的市場需求且調整產出存在一定的成本時，企業具有持有存貨以平滑生產的動機。在這一模型中，與不持有存貨的情形相比，企業持有存貨能夠減小產出的波動程度（用方差衡量）。但是，為了使企業有足夠的激勵持有存貨，需要具備一定的條件：（1）持有存貨的成本適中；（2）隨著產量的增加，成本上升的幅度足夠大；（3）企業有足夠的耐性，否則其平滑生產的動機就會減弱。

盡管生產平滑模型為分析企業存貨行為的基準，但是其理論預測與存貨行為的特征事實并不一致。生產平滑模型產生的兩個可供驗證的結論為：（1）銷售的波動要大于產出；（2）存貨投資的變動方向與產出相反。事實上，這兩個結論均與數據不相一致（Fitzgerald，1997）。為了克服這一缺點，一部分文獻通過對生產平滑模型進行修訂，使其產生與數據相一致的結論，還有一些文獻則從新的角度考察存貨的動態變化。早期的模型拓展都是在局部均衡的分析框架下展開的。

（二）局部均衡分析框架下的存貨理論

1、基于生產平滑模型的拓展。基于生產平滑模型的拓展大致分為三類：成本沖擊、目標存貨水平和非凸性技術。下面，我們就其基本思想依次加以闡述：

第一，引入成本沖擊。通過引入成本沖擊，產出會隨著成本的變化而變化。具體而言，當成本升高時，企業選擇較低的產出水平，反之亦然。由于存貨投資為銷售與產出之差，所以在這種情形下，產出可能通過成本沖擊這一途徑產生比銷售更大的波動。同時，存貨投資也會表現出順周期的特征。

第二，引入目標存貨水平。與上述模型不同，一些文獻引入持久性的銷售沖擊，并假定企業存在明確的存貨/銷量之比目標，且偏離這一目標會產生額外的成本。通過這些設定，能夠使模型產生與數據相一致的特征。其中的邏輯是：設想t期銷量意外增加并且企業的生產決策在沖擊發生之前完成。企業會減少與沖擊相當的存貨數量。在t+1期，企業不僅需要使生產達到期望的銷量（銷售沖擊是持久的），而且為了達到其存貨/銷量目標，其持有的存貨數量也會相應增加。這樣不僅會導致產出的增加大于意外銷量的增加，而且還導致產出與存貨呈同向變動關系。

第三，引入非凸性技術。即假定在一定的產出范圍內，企業的邊際成本是下降的。這樣，在某一時期內，企業增加生產導致邊際成本下降，進而導致其增加生產的動機增強；而在另外一些時段內，企業減少生產導致邊際成本上升，從而進一步促使企業減少生產。這樣就產生了產量“扎堆”而非平滑的特征。

2、（S，s）模型。生產平滑模型適用于描述最終產品制造業的存貨行為。但是，一些研究表明這部分存貨的比重較低，只占到制造和貿易行業存貨總量的15%。不僅如此，這部分存貨的波動是最小的，而零售和原材料加工和提供部門的存貨波動程度最大。關于存貨的研究應該主要聚焦于此。

（S，s）模型著重討論運輸過程而非生產的時間安排，故而更適用于討論零售和原材料加工和提供部門。在這一模型中，企業的決策方式為：首先，選擇最優的數量s，當存貨水平低于s時，企業不允許存貨水平繼續下降。當存貨水平達到這一水平時，企業會訂購存貨，使其達到另外一個最優選擇的水平S。只有當存貨水平達到s時，企業才會追加存貨。S-s稱為最優份額。

在該模型中，由于產出會在0與S-s之間跳躍變化，所以有可能使產出的波動大于銷售。但是，在將這類同數據對比時，會產生模型難以加總的問題，因為模型中沒有代表性企業，而是需要討論企業持有存貨的分布。

（三）一般均衡分析框架下的存貨理論。在分析上述模型過程中，假定企業所面臨的市場需求是外生的，因此均為局部均衡模型。最近的研究將分析拓展到一般均衡分析的框架中，并得到了一些新的結論。

首先，Pengfei Wang and Yi Wen（2011）將企業生產-成本平滑動機引入動態隨機一般均衡模型中，刻畫企業存貨投資行為。具體而言，企業在面臨成本不確定的情況下會對銷量加以平滑。在成本較低時，企業擴大生產并增加存貨，以防備當成本較高所導致的產出減少。這一模型不僅能擬合數據中順周期存貨投資與逆周期存貨/銷售比的特征，而且得出了存貨能夠放大和傳導經濟周期的結論。

其次，YiWen（2011）將無庫存規避動機引入動態隨機一般均衡模型中，討論存貨的動態特征。在擬合美國經濟周期和存貨相關特征事實的同時，模型的結論是存貨管理技術的進步反而會加劇總產出的波動。這是因為無庫存規避動機會產生順周期的存貨價格（影子價格），這一機制能夠起到自動穩定器的作用，即在經濟高漲時抑制銷售，經濟低迷時鼓勵總需求，從而緩解了經濟的波動。存貨管理技術的進步弱化了這一機制。

最后，Khan and Thomas（2007）將（S，s）模型擴展到了動態隨機一般均衡模型中。通過參數校準，模型能夠擬合存貨投資2/3的波動，并產生與特征事實相一致的特征，如順周期的存貨投資，較大的產出波動和反周期的存貨/銷售比等。但是，這一模型的分析認為產出的變動并沒有因為存貨的積累發生根本的改變，因為順周期的存貨投資會將經濟資源移出最終產品的生產，從而弱化了銷售的波動程度。

四、存貨模型的應用

一些文獻通過將存貨引入模型討論相關的宏觀問題。目前這類文獻為研究的前沿，方便起見，我們此處列舉兩個例子：

（一）存貨模型在國際貿易中的應用。

有研究使用存貨模型解釋金融危機之后國際貿易量大幅下降的現象，代表性的文獻為Alessandria et al.（2010）。Alessandria etal.（2010）表明國際貿易中的兩大摩擦——運輸時滯（delivery lag）和交易成本的規模經濟—所發揮的作用遠大于其在國內貿易的情形。這兩大摩擦都導致進口企業持有大量的存貨，正因如此出口對沖擊的反應要大于產出。

（二）新凱恩斯模型中的存貨。通過將存貨引入新凱恩斯模型，Lubik and Wing Keong Teo（2010）討論了其對通貨膨脹動態的影響。由于新凱恩斯菲利普斯曲線（NKPC）中實際邊際成本是影響通貨膨脹的主要因素卻無法觀測，所以利用存貨/銷量比與邊際成本的關系能夠克服這一困難。但是研究結果表明，在NKPC框架下，存貨對解釋通貨膨脹沒有幫助。YongSeung Jung and Tack Yun（2012）通過Calvo定價模型中引入產成品存貨，將當期通貨膨脹表示成邊際銷售成本的函數，利用產成品存貨與邊際銷售成本的關系生成的通貨膨脹序列表明，即使不使用單位勞動成本代理邊際成本這種傳統做法，也存在較好擬合經驗NKPC的可能性。

［1］Alessandria，Kabosoki and Midrigan.Inventories，Lumpy Trade and Large Devaluations［J］.American Economic Review，2010.

［2］Fitzgerald，T.Inventories and Business Cycles：An Overview［J］.Economic Review，1997.

［3］Khan and Thmas.Inventories and Business Cycles：An Equi librium Analysis of（S，s）Pol icies［J］.American Economic Review，2007.

［4］Lubik and W.K.T.Inventories，Inf lation Dynamics and the New Keyesian Phi lips Curve［J］.Working paper，2011.

［5］Ramey，V.and K.West.Inventories［C］.Handbook of Macroeconomic，1999.

［6］Wang and Wen.Inventory Accelerator in General Equilibrium［J］.Working paper，2009.

［7］Wen.Input and Output Dynamics［J］.American Economic Journal：Macroeconomics，2011.

［8］Jung，Y.S.and T.Yun.Inventory and the Empirical Philips Curve［J］.Journal of Money，Bank and Credit，2013.

［9］許志偉，薛鶴翔，車大為.中國存貨投資的周期性研究——基于采購經理人指數的動態視角［J］.經濟研究，2012.8.

［10］張濤，安荔，陳浩.從500戶企業存貨指數看經濟波動［J］.金融研究，2010.7.