論經濟周期的監測對象

[摘 要]為制定有效的產業調控政策、加快我國工業經濟結構調整和升級、實現工業經濟平穩快速發展，需要完善我國工業經濟周期監測體系，其中的首要任務即是明確經濟周期的監測對象。文章首先通過對不同觀點的比較，對經濟周期的含義進行界定，在此基礎上論述了經濟周期的監測對象是“總體經濟活動”中的一種波動，并對其度量指標的進行了闡述。基于不同的度量指標及其基礎數據形式，所監測的經濟周期類型有所不同，包括古典周期、增長周期或增長率周期等三種類型。

[關鍵詞]經濟周期監測；總體經濟活動；古典周期；增長周期；增長率周期

[DOI] 10.13939/j.cnki.zgsc.2018.26

1 問題的提出

當前我國正處于產業轉型升級的關鍵時期。從國際上看，2018年中美貿易戰的爆發對我國產業轉型升級提出了更高的要求。從國內的情況看，自2008年國際金融危機爆發以來，其對我國工業經濟的影響至今尚未完全消除。我國雖然采取促進制造業企業技術創新等一系列措施來擺脫國際金融危機的負面影響、迎接中美貿易戰的挑戰，但我國工業經濟中存在的結構性問題仍未得到根本性解決。目前，國際、國內市場存在的各種風險和不確定性對我國工業經濟運行的周期波動產生多方面的影響，進而影響我國工業經濟運行的平穩程度以及結構調整的速度。在實踐中，工業經濟運行中的周期波動是現代經濟活動中不可避免的經濟現象，也是構成國民經濟周期波動的重要部分。我國工業的轉型升級必然會加大未來工業經濟運行的波動性，因此，對我國工業經濟周期監測體系進行完善，對于制定有效的產業調控政策，加快我國工業經濟結構調整和升級、實現工業經濟平穩、快速發展，有著重要的作用。在完善我國工業經濟周期監測工作的過程中，明確經濟周期的監測對象是其首要任務。

2 經濟周期的界定

對經濟周期的定義主要有以下三種（Harding和Pagan，2005）：

第一種是將經濟周期定義為以正弦/余弦函數所表示的循環性波動。對經濟周期的正弦/余弦函數描述首先由Frisch（1933）通過求解微分方程并給定外生沖擊函數而實現。描述經濟周期的一般做法為：設定待研究序列的AR（p）模型（一般情況下p不超過2），檢驗序列是否存在單位復根（Harvey和Jaeger，1993）。該種定義在經濟周期監測研究中并不適用，主要出于以下兩個方面的原因：（1）該種定義將周期強加于數據之上，強調經濟周期類似于物理中“波”的規律性波動的特點，這意味著一旦檢驗出周期波動形式，則可以單純依靠數據本身的性質對未來的經濟周期波動進行預測。這與實際情況存在較大差距，因為正弦/余弦函數形式的周期波動屬于極端情況，在實踐中一般不會出現，對經濟周期未來波動的預測也十分復雜。該種定義對經濟周期所作的描述是對現實世界的抽象化處理，適用于經濟周期外生沖擊影響研究等方面的理論分析，但在經濟周期監測研究中，會因為其對周期特征的抽象化處理而導致監測結果與實際情況出現較大偏差，從而不利于經濟周期監測的準確進行。（2）基于該種定義的經濟周期刻畫方法可能會產生偽周期的問題。薩金特（1998）通過對一個任選序列的AR（1）過程和AR（2）過程的模擬，證明了對于譜不含有波峰和波谷的序列而言，仍可以通過低階隨機差分方程產生“看起來”有經濟周期的過程。綜上，該種定義不適用于實時經濟監測研究。

第二種是將經濟周期定義為圍繞某種狀態的連續性偏離。如：將經濟周期定義為“圍繞貿易的標準狀態的周期性偏離和回歸”或“對經濟均衡位置的周期性偏離和回歸”（Hayek，1933）等。Blinder和Fischer（1981）認為經濟周期是“圍繞總產出趨勢的連續相關的偏離”。Lucas（1982）認為經濟周期是“圍繞總產出趨勢的波動以及與之相關的價格、總產出中的投資貢獻份額、名義利率的協同運動”。該種定義從“偏離”（或者波動）的角度描述經濟周期，但是其隱含的前提是需要首先確定“偏離”（或者波動）的參照系。從上述常見的定義來看，貿易的標準狀態、經濟的均衡位置等參照系都屬于理論上的概念，在現實世界中無法準確觀測，因此就監測研究而言，該類參照系的選取難以實現。退一步講，即便能夠準確確定參照系，對“偏離”（或者波動）本身的度量也給監測研究帶來困難。

第一，該方式雖然將“偏離”（或者波動）視為經濟周期，但定義中并未對“偏離”（或者波動）進行界定，其隱含假設是“偏離”（或者波動）的含義明確、且已獲得普遍認同。但在現實中事實并非如此。如：是否每一次“偏離”（或者波動）都應視為一個經濟周期，該種方式所給出的定義未能回答。

第二，“偏離”與其對應的參照系之間如何進行比較。參照系本身（如總產出的趨勢）是不斷變化的，而“偏離”也是不斷變化的。兩個不斷變化的因素的比較問題，會給研究帶來很多不便。如果能夠從其他途徑找到更好的監測方法，那么這種研究上的不便則不是必須面對的。出于上述原因，該種定義適合于經濟周期內在原因等方面的理論分析，但對周期監測研究而言不夠清晰。

第三種是通過對經濟活動周期性波動的觀測特征的刻畫來定義經濟周期。Mitchell（1927）認為，經濟周期是“有組織的團體的經濟活動的一種波動”，并通過美國20世紀初的一些周期波動事實對經濟周期的主要特征進行了描述。Burns和Mitchell（1946）在Mitchell（1927）的基礎上進行了完善，形成了基于觀測科學視角的經濟周期的正式定義：“經濟周期是在主要以商業企業組織活動的國家的總體經濟活動中存在的一種波動：周期由幾乎同時進行的許多經濟活動中發生的擴張、隨后發生的普遍衰退、收縮、匯集成下個周期擴張階段的復蘇組成；這一系列變化循環發生，但時間間隔不固定；經濟周期波動的持續時間在1年至10年或12年之間；經濟周期不可分為與之具有相似特征、近似振幅的更短的周期。”Burns和Mitchell（1946）指出，應將經濟周期與經濟中的其他波動區分開來，經濟周期既不同于總體經濟活動的波動，也不同于現代經濟活動中的其他波動。此外，Burns和Mitchell（1946）還進一步指出，由于上述定義是基于觀測科學視角的定義，所以對于不同國家、不同階段的經濟活動而言，其經濟周期的特征并非一成不變，定義中的部分內容可能需要根據研究的實際情況而重新進行界定。Burns和Mitchell（1946）定義從觀測特征的角度對經濟周期進行描述，提供了對現實世界經濟周期波動的較為明確的界定依據，在經濟周期監測的實踐中被廣泛接受。該種定義存在的主要問題在于缺乏理論支撐（Koopmans，1947）；此外，也會產生因數據處理方法不同而導致監測結果出現差異的問題。盡管如此，與前述兩種定義相比，從Burns和Mitchell（1946）的定義出發，能夠構建出相對完整的經濟周期監測研究的框架。

此外，有的研究還認為經濟周期應該通過轉折點進行界定，因此將該種對周期的界定方式稱為“轉折點周期”（Harding和Pagan，2005）。同時，該研究指出轉折點確定的兩種辦法——美國國家經濟研究局（The National Bureau of Economic Research，NBER）開發的BB法則和Markov區制轉換模型。但是，BB法則和Markov區制轉換模型，從其原理上來看都是建立在Burns和Mitchell（1946）定義的基礎之上的。譬如BB法則關于波峰和波谷的界定，是以Burns和Mitchell（1946）定義中對經濟周期“擴張、衰退、收縮、復蘇”階段的界定為劃分依據的；而以Hamilton（1989）為代表的Markov區制轉換模型所采用的兩階段或多階段劃分法，也是以Burns和Mitchell（1946）定義中對經濟周期階段的劃分為基本依據的。綜上，“轉折點周期”的觀點雖然表達了對Burns和Mitchell（1946）定義的認可，但是未能反映出Burns和Mitchell（1946）定義的基本含義，如果以該種觀點界定經濟周期則存在邏輯上的循環論證，因此該觀點也不宜采用。

通過對上述三種經濟周期定義的分析可以看出，第三種定義適用于經濟周期監測研究。但是，明確了經濟周期的定義并不意味著已經完成對經濟周期監測框架的構架。本文在Burns和Mitchell（1946）定義的基礎上，還需要對經濟周期作出進一步的界定。

主要包括：第一，經濟周期的監測對象。Burns和Mitchell（1946）的定義中指出，經濟周期是存在于總體經濟活動中的一種波動，但卻并未對經濟周期的監測對象——總體經濟活動中的周期性波動——作出明確說明。為完善對經濟周期的界定，還需要就此進行闡述，包括：一是所謂“總體經濟活動”是指哪個或者哪些經濟時間序列；二是所謂“周期性波動”是指哪種形式的經濟時間序列數據，即應該使用哪種形式的經濟時間序列作為監測總體經濟活動中的周期性波動的基礎數據。

第二，經濟周期特征的刻畫。即：如何通過對經濟周期特征的描述來確定一個完整的周期，包括：一是如何確定一個周期的起始點與持續時間；二是如何劃分一個周期的不同階段；三是如何判定一個周期的轉折點，因為確定起始點、劃分周期階段必須通過對轉折點的判定來完成；四是如何描述一個周期的波動特征。

3 經濟周期的監測對象

3.1“總體經濟活動”的度量指標

根據Burns和Mitchell（1946）的定義，經濟周期的監測對象是“總體經濟活動”中的一種波動。從現有研究來看，關于如何獲得“總體經濟活動”指標，主要有兩種思路：一種是以一個單獨的指標來代表“總體經濟活動”，另一種是從多個指標中獲得能夠代表“總體經濟活動”的指標。

對于第一種思路而言，NBER的實踐表明，實際GDP是度量整體經濟活動的最佳獨立指標（Hall，Feldstein和Frankel等，2003）。但是，目前包括我國在內的世界很多國家僅提供GDP的季度數據，對于經濟周期監測而言，難以實現經濟周期監測的時效性；此外，也有學者指出，GDP（或與之類似的GNP）不能全面代表“總體經濟活動”（Lucas，1977）。因此，僅使用季度GDP指標作為對“總體經濟活動”的度量，無法滿足監測研究的需要。綜上可以看出，一方面有必要使用以實際GDP為代表的一個總量統計指標作為對“總體經濟活動”的參考性度量指標，另一方面還需要使用其他方法獲得能夠代表“總體經濟活動”的月度指標，即上述第二種思路。

根據第二種思路，目前常見的方法包括：（1）將一組指標進行合成，從而得到能夠度量“總體經濟活動”的指數。如：NBER開發的擴散指數和合成指數。（2）將“總體經濟活動”視為所有經濟序列中共同具有的一個無法觀測的潛在因素，并從一組指標中提取出各個指標所共同具有的這個潛在因素，作為度量“總體經濟活動”的指數，如因子分析法（Stock和Watson，1998）。

3.2基礎數據的形式

為確保時效性，一般使用月度經濟時間序列數據進行經濟周期監測；同時，也可以使用季度數據和年度數據進行輔助說明與判斷。時間序列是由按時間先后順序排列的觀測值與y1，y2，…，yt，…，yT組成的一組序列，其中：t=1，2，…，T；t與t+1之間的時間間隔固定，一般為月度或季度，也可以是更長的時間跨度。將這樣的一組時間序列記為Y={yt，t=1，2，…，T}（簡記為Y）。序列Y一般而言是以水平值表示的序列，或水平值序列的簡單對數變換；如有需要，應事先進行價格調整。一般來說，時間序列可以分解為三個基本成分序列：季節成分序列、趨勢-周期成分序列和不規則成分序列。

第一，季節成分序列S={st，t=1，2，…，T}（簡記為S）。季節成分是指每年在幾乎相同的時間、以幾乎相同的強度重復出現的年內的月度/季度波動。經濟數據中存在季節性波動的原因主要有（Granger，1978）：一是日歷的影響。日歷的影響主要包括特定公眾節假日（如春節、圣誕節）、工作日等與日歷相關的因素對經濟活動的影響。日歷的變化對經濟活動季節性的影響稱為日歷效應。日歷效應的存在可能導致經濟活動在鄰近月份之間轉移，也可能使一些經濟意義上毫無關系的數據之間出現偽相關。二是時間決策的影響。如學校的假期安排、會計年度等。在相當長的一段時期內，這些事件在不同年份都會在相似的時間發生，從而對經濟活動產生季節影響。三是天氣的影響。季節交替、氣溫、降雨或其它天氣的變化，以及其它自然、生態因素，都可能對農業、建筑業、交通運輸業等的經濟活動產生直接的季節性影響，并間接影響經濟系統中的其它經濟活動。四是預期的影響。對一個變量的季節類型的預期可能導致該變量或其它變量的真實季節變動。當不存在預期時，季節成分仍舊存在，但是與存在預期相比會呈現出不同的類型或特征。

第二，趨勢-周期成分序列Y'={y t'，t=1，2，…，T}（簡記為Y'）。其中又可以進一步分為趨勢成分序列和周期成分序列：趨勢成分序列G={gt，t=1，2，…，T}（簡記為G）反映時間序列的長期演變方向，周期成分序列C={ct，t=1，2，…，T}（簡記為C）則反映時間序列所表現出的持續的周期性波動。因為對于趨勢的認識至今尚未達成一致，所以有時可將趨勢成分與周期成分放在一起不進行區分，合稱為趨勢-周期成分。

第三，不規則成分序列I={it，t=1，2，…，T}（簡記為I）。不規則成分是時間序列除上述成分外余下的成分，主要包括：一是極端的一次性事件的影響。如戰爭、特殊的天氣條件、經濟系統的不穩定性等。這些事件通常無法預測，但是其影響可以估計。二是余下的不規則成分。這部分不規則成分主要是由度量誤差、響應誤差或其他誤差所產生，因此也難以估計和預測。

用于經濟周期監測的基礎數據主要有三種形式（Harding和Pagan，2005）：

第一種：原始數據序列Y的趨勢-周期成分序列Y'，據此監測的經濟周期稱為古典周期（或傳統周期）。移動平均比率法、X-12-ARIMA方法等季節調整方法即可原始數據序列Y中分解出趨勢-周期成分序列Y'。NBER公布的美國經濟周期參考日期的基礎數據（月度）即為該種形式（NBER，2010）。此外，歐洲經濟周期日期確定委員會（European Business Cycle Dating Committee，CEPR）也對歐洲國家的古典周期進行監測（CEPR，2017）。我國自改革開放以來實現了連續多年的高速增長，表現在經濟數據上為趨勢成分較強，從而掩蓋了周期成分，因此很難觀測到古典周期。

第二種形式：原始數據序列Y的周期成分序列C，據此監測的經濟周期稱為增長周期。從原始數據序列Y中分解出周期成分序列C的一般做法是從趨勢-周期成分序列Y'中剔除長期趨勢成分，常用方法主要包括Hodrick-Prescott濾波（簡記為HP濾波）法（Hodrick和Prescott，1997）、帶通濾波（Band-Pass Filter，簡記為BP濾波）法（Baxter和King，1999）等。以周期成分序列C為基礎數據的經濟周期，稱為增長周期。盡管NBER主要監測美國的古典周期，但實踐經驗表明，美國既存在古典周期，又存在增長周期；此外，加拿大、英國、德國、法國、日本等多個國家的事實研究證實了增長周期的存在（Klein和Moore，1985）。監測增長循環的代表為OECD；此外，歐洲經濟周期日期確定委員會（CEPR）同時也對歐洲國家的增長循環進行監測。關于我國經濟周期的研究也表明，我國當代經濟周期波動存在增長周期（董進，2006）。

第三種形式：原始序列的趨勢-周期成分序列Y'的差分序列，據此監測的經濟周期稱為增長率周期。Y'的差分序列可以用如下的符號表示：△Y'={△yt'，t=1，2，…，T}（簡記為△Y'）。對于月度或季度數據而言，一般使用趨勢-周期成分序列的同比增長率序列替代差分序列；對于年度數據而言，則使用趨勢-周期成分序列的年增長率序列替代差分序列。在該類數據序列基礎上監測到的經濟周期，稱為增長率周期。Harding和Pagan（2005）的研究證明，增長率周期可以視為增長周期的一種特殊情況，但是在實踐中，使用增長周期和使用增長率周期，監測結果往往并不一致。日本及大部分發展中或經濟起飛中的國家都監測增長率周期；我國國家統計局中國經濟景氣監測中心公布的景氣指數所監測的即為增長率周期。

4 我國工業經濟周期監測的完善

與經濟周期相類似地，工業經濟周期也具有Burns和Mitchell（1946）定義中所描述的以下主要特征：一是工業經濟周期存在于一國工業經濟活動中，由工業經濟活動中發生的普遍擴張、衰退、收縮、復蘇組成；二是“復蘇—擴張—收縮—衰退”的系列變化循環發生，但相互之間的時間間隔不固定；三是工業經濟周期的持續時間可長可短，根據實際情況而定；但是一般來說，應與Burns和Mitchell（1946）提出的“在1年至10年或12年之間”的范圍大體一致；四是工業經濟周期不可分為與之具有相似特征、近似振幅的更短的周期。

從上面的論述可以看出，中國工業經濟周期的監測對象是中國工業經濟活動中的周期性波動。

第一，在選擇代表中國工業經濟活動的度量指標方面，與經濟周期監測類似地也存在兩種思路：一是以一個獨立指標來代表中國的工業經濟活動。在工業經濟活動中，可以使用工業增加值作為獨立監測指標。但是，工業增加值在全面代表工業經濟活動方面具有一定的局限性，因此工業增加值作為一個獨立監測指標，可以作為對工業經濟周期監測的參考指標。二是通過多指標處理方法，構建能夠監測中國工業經濟活動的指數。為避免單一思路帶來的局限性，可以采用兩種思路涉及的多種方法展開研究，從而實現對中國工業經濟周期的多方位監測。

第二，在基礎數據的形式方面，從我國的實際情況出發，為避免單一數據形式對周期監測的局限性，可以選擇使用增長周期和增長率周期進行共同監測。

在當今的國際、國內形勢下，明確經濟周期的監測對象，對于確立中國工業經濟周期監測體系、實施有效的工業經濟監測、推動我國工業經濟轉型升級、有效應對中美貿易戰有著重要的作用。

參考文獻：

[1]HARDING D，PAGAN A. A Suggested Framework for Classifying the Modes of Cycle Research[J].Journal of Applied Econometrics，2005，20（2）：151-159.

[2]FRISCH R.Propagation Problems and Impulse Problems in Dynamic Economics[C]. Economic Essays in Honour of Gustav Cassel，London：Allen & Unwin，1933：171-205.

[3]HARVEY A C，JAEGER A. Detrending， Stylized Facts and the Business Cycle[J]. Journal of Applied Econometrics，1993，8（3）：231-247.

[4]薩金特.宏觀經濟理論[M]. 王小明，譯.北京：中國經濟出版社，1998：317.

[5]HAYEK F A. Monetary Theory and the Trade Cycle[M].Kaldor N，Croome H M Translated.New York：Sentry Press，1933.

[6]BLINDER A S，FISCHER S.Inventories， Rational Expectations and the Business Cycle[J].Journal of Monetary Economics，1981，8（3）：277-304.

[7]FITOUSSI J，Velupillai K. A Review of Studies in Business-Cycle Theory by Robert E. Lucas[J].Journal of Money， Credit and Banking，1987，19（1）：122-130.

[8]MITCHELL W C. Business Cycles：The Problem and Its Setting[M].New York：National Bureau of Economic Research，1927：468.

[9]BURNS A F，MITCHELL W C. Measuring business cycles[M].New York：NBER，1946.

[10]KOOPMANS T C.Measurement Without Theory[J].The Review of Economics and Statistics，1947，29（3）：161-172.

[11]HAMILTON J D. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica，1989，57（2）：357-384.

[12]HALL R，FELDSTEIN M，FRANKEL J，et al. Business Cycle Dating Committee， NBER. The NBER's Business-Cycle Dating Procedure[EB/OL].（2003-10-21）[2018-04-26].http：// michaelcarliner.com/blog/wp-content/uploads/2008/02/NBER_0310_Business_Cycle_Dating.pdf.

[13]LUCAS R E. Understanding Business Cycles[J].Carnegie-Rochester Conference Series on Public Policy，1977，5（1）：7-29.

[14]STOCK J H， Watson M W.Business Cycle Fluctuations in US Macroeconomic Time Series[J]，NBER Working Paper，1998，No.6258.

[15]GRANGER C. Seasonality： Causation， Interpretation， and Implications[M]// Zellner A. Seasonal Analysis of Economic Time Series. New York：NBER，1978：33-56.

[16]NBER. US Business Cycle Expansions and Contractions[EB/OL].（2010-09-20）[2018- 04-26]. http：//www.nber.org/cycles.

[17]CEPR Data Sources[EB/OL].（2017-08-07）[2018-04-26].https：//cepr.org/content/

euro-area-business-cycle-dating-committee.

[18]HODRICK R J， PRESCOTT E C. POSTWAR U.S. Business Cycles： An Empirical Investigation[J].Journal of Money， Credit and Banking，1997，29（1）：1-16.

[19]BAXTER M， KING R G. Measuring Business Cycles： Approximate Band-Pass Filters for Economic Time Series[J].The Review of Economics and Statistics， 1999，81（4）：575-593.

[20]KLEIN P A，MOORE G H. Performance of Individual Indicators： Behavior at Successive Turning Points[M]//KLEIN P A，MOORE G H. Monitoring Growth Cycles in Market-Oriented Countries： Developing and Using International Economic Indicators. Philadelphia：Ballinger，1985：109-223.

[21]董進.宏觀經濟波動周期的測度[J].經濟研究， 2006（7）：41-48.

[22]中國經濟景氣監測中心.宏觀經濟景氣指數編制方法介紹[EB/OL].[2018-04-26]. http：//www.cemac.org.cn/Ozsbz.html.

[作者簡介]譚運嘉（1981—），女，江蘇徐州人，北京工商大學經濟學院講師，博士，研究方向：產業經濟。