中國通貨膨脹監測預警體系的構建與實證分析

單鵬 黃秋彬

〔摘要〕本文構建了中國通貨膨脹的景氣指標體系以及相應的合成指數、景氣信號燈與綜合警情指數。本文還采用計量方法對CPI同比增速和環比增速進行了預測。研究結果顯示，本文構建的先行合成指數能夠穩定有效地提前6—7個月對通貨膨脹的走勢做出預警；景氣信號燈和綜合警情指數分別能夠從總體上和多個維度準確地反映當前經濟的冷熱狀況。本文認為，目前中國經濟處于下行區間，短期內CPI同比增速會出現回落，政策當局可適當放松財政政策和貨幣政策，以刺激經濟的進一步發展。

〔關鍵詞〕通貨膨脹；合成指數；景氣信號燈；綜合警情指標

中圖分類號：F8205文獻標識碼：A文章編號：10084096（2015）02004707

一、引言

中國在經歷了20世紀90年代中期急劇的通貨膨脹之后，物價波動總體上已明顯趨于平穩，近年來經濟一直保持“高增長、低通脹”的良好局面。然而，在國際經濟形勢復雜多變和中國經濟持續改革發展的雙重背景下，諸多不確定因素對中國物價造成了不同程度的沖擊，中國通貨緊縮和通貨膨脹現象時有發生。例如，2002年CPI當月同比增速全年為負值，2007年8月至2008年7月CPI當月同比增速連續12個月超過6%，2009年2月至2009年8月CPI當月同比增速連續7個月低于-1%，2011年3月至2011年10月連續8個月CPI當月同比增速增速突破5%。其中，2002年中國物價總水平持續小幅走低，主要是受到國內供給過剩、居民消費能力和消費傾向下降、勞動生產率提高和生產成本下降等因素影響＼[1＼]-[3]；2007—2008年物價總水平上漲，主要是受到國內流動性過剩、資產價格膨脹、固定投資增速過快及國際原材料和大宗商品價格上漲等因素的影響＼[4-5＼]；2009年物價總水平持續走低，則是受到國際大宗商品價格暴跌和國內經濟增長放緩、需求下降等因素的影響；2010—2011年物價總水平持續上漲，則是因為國內“四萬億刺激計劃”引起的流動性過剩所導致的。可見，中國物價波動的原因錯綜復雜，內外部沖擊時常難以預料。

圖1中國CPI當月同比增速

由于無法提前準確判斷物價波動趨勢，加上認識時滯和行動時滯的局限，實踐中貨幣政策的制定和實施容易出現動態不一致性，難以取得理想的效果。而物價的過度波動和頻繁的貨幣政策變動，已經對人民生活和生產活動造成較大影響，也對經濟健康發展和金融穩定形成嚴重的挑戰。因此，建立一套能夠提前幾個月對物價波動趨勢和波動范圍進行有效預測的監測預警體系有著重大意義。

下文的結構安排如下：第二部分為文獻綜述，介紹了目前對通貨膨脹進行預測或預警的主要研究進展；第三部分構建了中國通貨膨脹的監測預警體系；第四部分構建模型對中國通貨膨脹進行預測；第五部分為結論與政策建議。

二、文獻綜述

物價波動作為一種常見的經濟現象，對人民生活和經濟增長乃至全社會都有深刻的影響，因而物價波動一直受到各界的關注。作為物價波動的兩種現象通貨膨脹和通貨緊縮一直是學術界和政策制定者的研究焦點，而通貨膨脹又因其多樣性、復雜性和對經濟社會的危害性，近二十年受到最廣泛的關注。目前對通貨膨脹的研究結論各異，本文只介紹對通貨膨脹進行監測預警的相關研究。

Stock和Watson＼[6＼]提出了兩種基于菲利普斯曲線的模型，一種基于失業率預測通貨膨脹率的變化，另一種引入更廣泛的宏觀經濟變量來預測通貨膨脹。Stock和Watson＼[7＼]研究發現，菲利普斯曲線的預測在某些階段表現較好，但在其他一些階段，簡單的一元預測方法表現更佳。鄭挺國等＼[8＼]研究了菲利普斯曲線在中國通貨膨脹預測中的適用性，利用傳統的菲利普斯曲線進行了實時預測并得出結論：菲利普斯曲線在中國通貨膨脹預測中并不適用，產出缺口無法在預測通貨膨脹時提供有效信息。

美國聯邦儲備銀行的經濟學家Hallman等＼[9-10＼]以貨幣數量學說為基礎，提出了P*通貨膨脹預測模型。侯德潛和徐千婷＼[11＼]以P*通貨膨脹預測模型為基礎，加入了其他一些先行指標（如新凱恩斯主義和新古典主義學派所強調的通脹預期、勞動成本等因素），建立了臺灣通貨膨脹預測模型。由于臺灣進出口占GDP的比重在90%以上，他們又考慮了輸入性通貨膨脹的影響，加入了進口物價因素。從他們的實證結果來看，該模型要比單純的季節性ARIMA模型要精確。

采用時間序列的方法來預測通貨膨脹率也是較為常用的方法，VAR、ARMA和ARIMA等各種模型在預測通貨膨脹時都有其適用性。很多學者也在積極地探索新的預測模型和方法。一方面納入更多的解釋變量，另一方面在模型設定方面加以創新，如分數維單整ARMA模型、神經網絡模型、貝葉斯模型平均、嶺回歸模型等。

夏榮堯＼[12＼]運用ARIMA模型對中國通貨膨脹進行預測，結論是該模型的預測結果精度較高，對CPI的預測是有效的，并且指出央行能依據通貨膨脹預測的結果制定相應的貨幣政策，提高貨幣政策的有效性。張嘉為等＼[13＼]建立了因子預測模型、ARIMA模型、向量自回歸模型以及馬爾可夫狀態轉移模型，對通貨膨脹分別進行預測，然后采用Boostrap方法進行了集成，實證結果表明新的集成方法使預測結果更為穩定。陳彥斌＼[14＼]運用自回歸模型和神經網絡模型對中國2008年第四季度至2009年第四季度的CPI進行預測，選取10個指標，并且加入了物價預期指數進行預測，得出預測期間內中國CPI將持續下降的結論。陳紅霞等＼[15＼]運用小波多分辨分析方法，通過實證分析中國同業拆借市場利率期限結構對通貨膨脹的預測性能，結果顯示小波多分辨分析方法能夠準確地揭示中國市場利差和通貨膨脹的發展趨勢，并且在21種利差中，90—60天利差對未來通脹預測的能力最佳。開翔＼[16＼]基于嶺回歸方法對中國通貨膨脹進行短期預測，解決了變量之間存在多重共線性的問題。

隨著經濟景氣預警方法的成熟，近年來也有學者借鑒經濟景氣預警的方法，構建通貨膨脹景氣指數，以此對通貨膨脹短期內的走向進行判斷。高鐵梅等＼[17＼]采用合成指數方法構建了中國物價景氣指數，并對其周期波動特征和成因進行了實證分析。中國人民銀行武漢分行課題組＼[18＼]采用動態因子模型的思路建立了中國通貨膨脹的先行指標體系，動態因子模型是從大量的數據序列中提取重要的因子，再根據這些因子進行預測，模型中內生變量組成的向量受到外生變量和一些不可觀測的因子的共同影響。王金明和高鐵梅＼[19＼]基于景氣指數的方法， 分別計算了先行物價指數和一致物價指數，在通貨膨脹預測模型中，加入先行物價指數作為解釋變量，發現其顯著地提高了模型的預測精度。

綜上所述，諸多學者從不同角度、采用不同方法和模型對通貨膨脹進行了預測，已經獲得了一定的成果。然而，中國是一個具有中國特色的快速發展中國家，宏觀經濟形勢和政策環境不斷變化，基于理論模型的預測難以適應中國的實際情況，基于單指標模型的預測在轉折點容易出現較大偏差。隨著經濟環境的變化，各個領域的物價波動呈現出明顯的差異，貨幣政策工具的傳導機制及功效也在發生著變化，這使得中國物價波動走勢存在著許多不確定因素，需要從各個方面進行綜合分析和監測預警，景氣分析方法與計量經濟模型相結合是對中國通貨膨脹進行監測預警最好的選擇。

二、中國通貨膨脹監測預警體系的構建

（一）基準指標的確定

構建通貨膨脹監測預警體系，首要工作是選擇一個能夠全面、合理反映通貨膨脹水平的基準指標。關于通貨膨脹的測度，可以從兩個方面來說明：一是根據貨幣數量論，從通貨膨脹貨幣角度的定義來考慮通貨膨脹的測度；二是從總體物價水平角度出發，使用物價指數來測度通貨膨脹。在實際操作中，往往選取物價水平對通貨膨脹進行測度。中國現行的物價指數主要有居民消費價格指數（CPI）、生產者物價指數（PPI）、GDP平減指數（GDP Deflator）、核心消費價格指數（CCPI）和商品零售價格指數等。

居民消費價格指數（CPI）是反映一定時期內城鄉居民所購買的生活消費品和服務項目價格變動趨勢和程度的相對數，是對城市居民消費價格指數和農村居民消費價格指數進行綜合匯總計算的結果。通過該指數可以觀察和分析消費品的零售價格和服務項目價格變動對城鄉居民實際生活費支出的影響程度。

核心消費價格指數（CCPI）是剔除該社會中短期波動較大、易受政策調控的部分商品價格后，編制出的居民消費價格指數，消費價格指數。核心CPI剔除了一些短期價格波動明顯的因素如食品、石油等，熨平物價波動的幅度。它可以反映物價的中長期走勢相對真實地反映總需求與總供給的對比關系，更適合制定中長期經濟發展戰略和宏觀經濟調控目標。

商品零售價格指數是反映一定時期內城鄉商品零售價格變動趨勢和程度的相對數。商品零售價格的變動與國家的財政收入、市場供需的平衡、消費與積累的比例關系有關。因此，該指數可以從一個側面對上述經濟活動進行觀察和分析。1993年以前，全國商品零售價格指數含農業生產資料價格。

工業生產者出廠價格指數是反映一定時期內全部工業產品出廠價格總水平的變動趨勢和程度的相對數，包括工業企業售給本企業以外所有單位的各種產品和直接售給居民用于生活消費的產品。該指數可以觀察出廠價格變動對工業總產值及增加值的影響。

固定資產投資價格指數是反映一定時期內固定資產投資品及取費項目的價格變動趨勢和程度的相對數。固定資產投資額是由建筑安裝工程投資完成額、設備工器具購置投資完成額和其他費用投資完成額三部分組成的。編制固定資產投資價格指數應首先分別編制上述三部分投資的價格指數，然后采用加權算術平均法求出固定資產投資價格總指數。

GDP平減指數（GDP Deflator）是國民經濟核算中的一個重要指標，是沒有剔除價格變動前的GDP增長與剔除價格變動后的GDP增長之比。GDP平減指數計算基礎比CPI更加廣泛，涉及全部商品和服務，不僅包括消費品，還包括生產資料和資本、進出口商品和勞務等。它包含了國民經濟各部門綜合價格水平的變動情況。GDP平減指數具有反映物價總水平的綜合性優勢，被認為是最貼近通貨膨脹定義的指標，但是該指數也有較大的局限性，所以應用并不廣泛。首先，該指數反映了全面的情況，卻掩蓋了特定人群所關注的物價結構信息。其次，在GDP平減指數本身的測算過程中，依賴于CPI、PPI、固定資產價格指數等數據的支撐。最后，GDP平減指數通常是按季度或年度發布的，無法滿足監測價格水平短期變化的需要。

對于CPI、PPI、GDP平減指數、核心CPI等物價指數，它們都能從經濟運行的某個側面反映通貨膨脹的程度。可以將這些指數結合起來，充分發揮各物價指標的指示功能，提高物價預測的可靠程度。但是在具體的通貨膨脹預測時，CPI被廣泛視為衡量通貨膨脹的標尺。CPI數據質量可靠，能反映市場經濟的現實活動，符合國際通行的慣例，具有可比性和較強的時效性。因此，本文選取CPI作為構建中國通貨膨脹監測預警體系的基準指標。

（二）景氣指標體系的構建

構建景氣指標體系的首要工作是收集足夠的經濟指標。要想構建能夠全方位綜合反映通貨膨脹景氣波動的指標體系，必須盡量多地選取相關領域的經濟指標。本文搜集了近千經濟指標，涵蓋了工業、貿易、投資、財政政策和貨幣政策等方面。

從大量經濟指標中選擇景氣指標的主要原則是經濟上的重要性、統計上的充分性、統計的適時性和景氣波動的對應性。本文根據這四個原則以及研究目的，利用時差相關分析方法和K-L信息量法從近千條經濟指標中進行第一次篩選，并利用峰谷圖形分析法對第一次篩選結果進行二次篩選，最終選出16個指標，分別構成通貨膨脹監測預警體系的先行指標組和一致指標組，具體如表1所示。

（三）合成指數的構建與分析

按照合成指數的計算方法，本文根據表1的景氣指標體系構建中國通貨膨脹景氣合成指數如圖1所示。從圖1中可以看出，一致合成指數和基準指標（CPI當月同比增速趨勢循環項）的波動具有很好的一致性，波峰波谷幾乎完全同步出現，因此可以用一致合成指數代替基準指標進行分析。

我們將先行合成指數和一致合成指數進行峰谷對應分析，計算先行合成指數波峰、波谷分別對一致合成指數波峰、波谷的先行階數。先行合成指數波峰、波谷與一致合成指數波峰、波谷的對應關系如表2所示。根據計算結果，先行合成指數的波峰平均領先于一致合成指數的波峰7個月出現，標準差為0；先行合成指數的波谷平均領先于一致合成指數的波谷6個月出現，標準差為082。這說明先行合成指數與一致合成指數的先行滯后關系很穩定，可以利用先行合成指數來判斷一致合成指數或物價未來六七個月的走勢。

根據圖2先行合成指數的走勢，我們預計2014年下半年中國CPI當月同比增速將繼續呈現回落走勢。

注：先行階數指先行合成指數的波峰、波谷分別對一致合成指數相對應的波峰、波谷領先出現的月數，負號表示先行。

三、中國通貨膨脹景氣預警信號燈設計

景氣信號燈預警方法是通過選擇一組反映物價水平的敏感性指標，運用有關的數據處理方法，將多個指標合并為一個綜合性的指標，并通過類似于一組交通管制信號紅、黃、綠燈的標志，預警信號燈系統用藍色、淺藍色、綠色、黃色、紅色等五種顏色代表整個經濟狀況中過冷、趨冷、正常、趨熱、過熱等五種情形，對這組指標和綜合指標的當時物價水平發出不同的信號。通過觀察分析信號的變動情況，來判斷未來物價水平的走勢，并明確提示貨幣當局應當針對當前物價水平及未來走勢采取何種應對措施。

在功能上景氣信號燈與合成指數基本相同，都是反映歷史與當前的物價景氣狀況。但關注點有所不同，合成指數關注的是周期波動的轉折點，景氣信號燈關注的是經濟的冷熱狀況，在歷史上所處的具體位置。因此，在使用合成指數的基礎上，建立景氣信號燈也是必要的。根據景氣信號燈的表現情況，還可以驗證合成指數的表現是否準確。

基于景氣信號燈的原則，結合本文指標分類工作，本文選取先行性和一致性效果好的指標，并結合指標的經濟解釋能力，具體選取7個指標作為景氣信號燈的構成指標，如表3所示。

根據表3所選的指標，本文構建了相應的景氣信號燈，圖2顯示了最近12個月各個指標的信號燈變化情況。根據圖2顯示，2014年1月至8月，CPI當月同比增速一直顯示未綠燈狀態，

表明物價水平處于正常狀態，未出現明顯的通貨膨脹或通貨緊縮現象，這和實際情況相吻合。2014年1月至8月，中國CPI當月同比增速一直在18%—25%的區間內徘徊，這正是一般認為可接受的物價漲幅。另外，從進口價格指數、M2、工業增加值、固定資產投資完成額和公共財政支出等指標的同比增速看，2014年以來都顯示淺藍色或藍色信號燈，表明這些指標相對于歷史水平來看，都處于歷史上的低位，反映了經濟不景氣的現狀，這很可能會影響到物價未來的走勢，使得物價總水平呈現下行趨勢。

圖2中國通貨膨脹景氣信號燈

對表3的7個指標進行加總合成的綜合警情指數，可以總體上反映中國物價景氣狀況，合成結果如圖3所示。可以看出，綜合警情指數可以客觀、準確地反映物價的變動狀況，2007—2008年和2010年這段時間，綜合警情指數位于黃色區域，表明物價景氣狀況偏熱，這與當時的實際情況相吻合。而2012年以來，綜合警情指數主要位于淺藍色區域，反映了物價景氣狀況偏冷。目前綜合警情指數已經進入了藍色區域，反映了物價景氣狀況過冷。

圖3中國通貨膨脹綜合警情指數

四、中國通貨膨脹率的短期預測

上文構建的中國通貨膨脹景氣監測預警體系能夠對歷史和當前的景氣狀況進行監測，并對物價未來的走勢進行趨勢性判斷，但是景氣監測預警方法并不能給出具體的預測數值。因此，采用計量模型對短期內通貨膨脹率的大小進行預測也是十分必要的。

在以往對通貨膨脹率進行預測時，一般都只對CPI當月同比增速進行預測，而鮮有采用CPI環比增速進行預測。事實上，同比數據容易受到上年同期的影響，無法客觀真實地反映消費者對當前物價波動的感知情況。例如，某月物價比上月上漲1%，消費者對此會有強烈的感受，然而可能由于去年同月物價也比較高（如春節期間），造成該月物價與去年同月相比漲幅并不大。因此，本文分別對CPI當月同比增速和CPI環比增速進行預測，預測結果如圖4和圖5所示，表4展示了CPI同比增速和環比增速從2014年9月至2015年12月的預測值。

根據預測結果，2014年9月至2015年12月中國CPI當月同比增速將繼續呈現下行趨勢，這與上文采用先行合成指數分析結果一致。未來一段時間中國CPI同比增速可能將進入“1”時代，這需要政策制定者嚴密監控物價走勢，防范中國物價增速持續下行帶來的不良影響。另外，就CPI環比增速預測結果來看，2015年3月至6月可能出現環比下降、其他月份仍舊保持環比上漲狀態，而漲幅比較大的是2015年1月和2月，這可能與中國春節期間物價水平的變化有關。

五、結論

本文的研究結果顯示，中國各類主要物價指數如RPI、PPI等和CPI有較好的一致性，而工業增加值、M2和固定資產投資等主要宏觀經濟指標對CPI同比增速有較好的先行性。根據本文篩選的景氣指標體系，本文構建的先行合成指數對一致合成指數有較穩定的先行關系，先行合成指數能夠提前6—7個月對一致合成指數（或基準指標，即CPI當月同比增速趨勢循環項）的走勢進行預警。本文構建的景氣信號燈也能夠準確地從各個方面反映當前物價景氣的冷熱狀況，綜合警情指數也能客觀地從總體上反映當前物價景氣的冷熱狀況。綜合警情指數顯示，目前物價景氣狀況偏冷，預計短期內物價漲幅會繼續回落。另外，采用計量方法對CPI同比增速的預測結果也顯示，未來一段時間內，CPI同比增速可能進入下行通道，如未發生重大事件的沖擊，2014年9月至2015年12月CPI同比增速很可能在05%—1%區間內徘徊。

根據本文的研究，2014年下半年至2015年中國經濟很可能繼續呈現下行走勢，CPI同比增速很可能會出現回落。如果政府未及時出臺任何刺激政策，中國經濟可能會出現通貨緊縮的局面。根據圖3中重要宏觀經濟指標的景氣信號燈顯示，目前工業增加值增速、M2增速、固定資產投資完成額累計增速、公共財政支出增速和PPI增速均處于歷史的相對低點，CPI同比增速也位于正常區域，為避免未來短期內經濟下行過快甚至出現通貨緊縮的局面，政府可適度地放松貨幣政策和財政政策，以刺激經濟的進一步發展。參考文獻：

[1]王一軍價格總水平止降有望低位運行仍將維持——從2002年居民消費價格指數看價格形勢及其走勢＼[J＼]價格理論與實踐，2003，（1）：17-19

[2]王微2002年物價形勢與2003年走勢分析＼[J＼]特區理論與實踐，2003，（1）：27-29

[3]國家計委價格司2002年價格形勢分析和2003年價格形勢預測＼[J＼]中國物價，2003，（3）：10-16

[4]張芳芳2007年以來我國通貨膨脹成因與對策＼[J＼]金融與經濟，2008，（6）：28-31

[5]唐震斌2008物價上漲十大動力源＼[J＼]財經界，2008，（2）：14-15

[6]Stock， JH， Watson，MWForecasting Inflation ＼[J＼]Journal of Monetary Economics， 1999， 44（2）： 293-335

[7]Stock，JH， Watson， MWPhillips Curve Inflation Forecasts＼[R＼]NBER Working Paper， No14322， 2008

[8]鄭挺國，王霞，蘇娜通貨膨脹實時預測及菲利普斯曲線的適用性＼[J＼]經濟研究，2012，（3）：88-101

[9]Hallman， JJ， Porter， RD， Small， DHM2 Per Unit of Potential GNP as an Anchor for the Price Level＼[R＼]Board of Governors of the Federal Reserve System，1989

[10]Hallman， JJ， Porter， RD， Small，DHIs the Price Level Tied to the M2 Monetary Aggregate in the Long Run？＼[J＼]The American Economic Review， 1991， 81（3）： 841-858

[11]侯德潛，徐千婷我國通貨膨脹預測模型之建立＼[J＼]中央銀行季刊（臺灣）， 2002， （3）： 9-40

[12]夏榮堯基于ARIMA模型的我國通貨膨脹預測研究＼[D＼]長沙：湖南大學碩士學位論文，2009

[13]張嘉為，索麗娜，齊曉楠，等基于TEI_I方法論的通貨膨脹問題分析與預測＼[J＼]系統工程理論與實踐，2010，（30）： 2157-2164

[14]陳彥斌中國通貨膨脹的預期、形成機制和治理政策＼[M＼]北京：科學出版社，2010175-177

[15]陳紅霞，袁顯平，余力市場利率期限結構對通貨膨脹動態預測性研究＼[J＼]中央財經大學學報，2011，（4）：26-32

[16]開翔基于嶺回歸方法對我國未來一段時間通貨膨脹的預測＼[J＼]金融領域，2010，（9）：71

[17]高鐵梅，李穎，陳飛，等我國物價波動特征和成因的實證分析＼[J＼]經濟學動態，2008，（1）：14-20

[18]中國人民銀行武漢分行課題組通貨膨脹監控先行指標體系動態分析＼[J＼]金融研究，2005，（6）： 47-55

[19]王金明，高鐵梅基于先行指數對我國通貨膨脹率的預測＼[J＼]統計與決策， 2011，（5）： 111-113