春節(jié)錯位因素對通脹預(yù)測的影響分析及2024年春節(jié)通脹情況展望

摘要：通脹水平是影響商業(yè)銀行資產(chǎn)配置和交易決策的重要因素。春節(jié)作為我國重要的傳統(tǒng)節(jié)日，會因春節(jié)效應(yīng)和春節(jié)錯位等因素對通脹水平產(chǎn)生影響，并給債券市場帶來短期沖擊。本文基于單變量模型進(jìn)行預(yù)測，并結(jié)合2010年以來1月、2月居民消費(fèi)價格指數(shù)的變動情況，分析了春節(jié)因素造成的預(yù)測誤差，對預(yù)測值提出了調(diào)整建議，最后對2024年春節(jié)通脹水平進(jìn)行了預(yù)測。

關(guān)鍵詞：CPI預(yù)測 單變量模型 春節(jié)效應(yīng) 春節(jié)錯位

居民消費(fèi)價格指數(shù)（CPI）是衡量我國通脹水平的核心指標(biāo)，受到宏觀調(diào)控部門、金融機(jī)構(gòu)、企業(yè)等各界的廣泛關(guān)注。對債券市場投資者而言，一方面，通脹的走勢會影響交易投資決策，進(jìn)而決定債券的中長期走勢；另一方面，在債券交易實務(wù)中，因為指標(biāo)的實際公布值（以下簡稱“實際值”）和市場預(yù)測值（以下簡稱“預(yù)測值”）之間時常形成預(yù)期差，CPI、社會融資規(guī)模等經(jīng)濟(jì)金融指標(biāo)的月度發(fā)布往往對市場造成短期沖擊。因此，對指標(biāo)的精確預(yù)判，是有效把握債券市場交易機(jī)會、管理市值波動風(fēng)險的重要基礎(chǔ)。

在實踐中筆者發(fā)現(xiàn)，春節(jié)作為我國重要的傳統(tǒng)節(jié)日，對CPI有著顯著影響，會產(chǎn)生“春節(jié)效應(yīng)”，也經(jīng)常出現(xiàn)CPI實際值與預(yù)測值差異較大的情況，給債券市場帶來短期沖擊。為了幫助投資者優(yōu)化交易決策，本文使用量化模型對通脹指標(biāo)尤其是春節(jié)期間的通脹指標(biāo)進(jìn)行建模和預(yù)測，以期為市場提供預(yù)測基準(zhǔn)參考。

通脹指標(biāo)量化預(yù)測的基本方法

（一）建模方法選擇

單變量模型是預(yù)測宏觀指標(biāo)的一類簡明而經(jīng)典的方法。該方法的基本假定是數(shù)據(jù)已包含全部歷史信息，僅采用指標(biāo)數(shù)據(jù)即可建立模型。模型結(jié)構(gòu)簡明，并且在樣本內(nèi)估計和樣本外預(yù)測維度下的評估均有較好表現(xiàn)，在經(jīng)濟(jì)指標(biāo)預(yù)測方面被廣泛使用。因此，本文使用單變量模型預(yù)測CPI，其核心表達(dá)式為：

（1）

式（1）中，表示在第t期對未來第t+h期指標(biāo)的預(yù)測值，表示第t期CPI所包含的全部歷史信息，F(xiàn)（·） 表示單變量函數(shù)，εt為模型殘差項。

其中：

（2）

式（2）中，表示以CPI為自變量的單變量函數(shù)，表示自第t期起，向歷史回溯L年的月度數(shù)據(jù)。根據(jù)建模的目標(biāo)，L年可以選擇為3年、5年等中短周期，也可以選擇10年甚至更長時間的長周期。

本文討論CPI模型的近端預(yù)測，即使用第t期模型和數(shù)據(jù)完成對未來第 t+1 期的預(yù)測。對于CPI這類具有季節(jié)性特征的時間序列數(shù)據(jù)，使用單變量方法建模在近月預(yù)測中平均誤差小，且預(yù)測精度表現(xiàn)穩(wěn)定。綜合考慮模型特點(diǎn)和數(shù)據(jù)特征，本文選用單變量模型作為預(yù)測通脹的基本方法。

（二）CPI模型的相關(guān)設(shè)定

我國公布的CPI相關(guān)指標(biāo)主要有三種形式：環(huán)比增速、同比增速和定基指數(shù)，功能包括監(jiān)控指標(biāo)的波動、變化趨勢以及這些變化的積累發(fā)展情況。同比增速和環(huán)比增速使用得較多，指標(biāo)實際值的數(shù)據(jù)精度相同（均保留到小數(shù)點(diǎn)后一位）。筆者通過實驗發(fā)現(xiàn)，在指標(biāo)數(shù)據(jù)精度相同的前提下，數(shù)據(jù)數(shù)量級越小，預(yù)測誤差越小，預(yù)測精度越高。因此，選擇數(shù)量級最小的環(huán)比增速指標(biāo)用于預(yù)測，再通過指標(biāo)之間的數(shù)量關(guān)系，由環(huán)比增速推導(dǎo)得到對同比增速的預(yù)測，以獲得較好的預(yù)測精度。推導(dǎo)公式為：

（3）

在選定CPI單變量模型的環(huán)比增速作為預(yù)測指標(biāo)后，如何選擇訓(xùn)練樣本的長度，是所有使用“一串連續(xù)的數(shù)據(jù)”來訓(xùn)練模型的過程中必須面對的一個問題。首先，訓(xùn)練模型需要大樣本，長度包括至少一個能滿足預(yù)測的完整周期（對CPI而言需要3到5年的歷史數(shù)據(jù)）。同時，由于模型用于環(huán)比指標(biāo)的外推預(yù)測，為了較充分地捕捉短期波動的特征，訓(xùn)練樣本長度也不是越大越好。綜合上述分析，筆者選擇近5年（L=5）的CPI數(shù)據(jù)建立單變量模型，預(yù)測CPI環(huán)比增速。

春節(jié)效應(yīng)和春節(jié)錯位因素的主要表現(xiàn)

（一）春節(jié)效應(yīng)的具體表現(xiàn)

歷史經(jīng)驗顯示，春節(jié)效應(yīng)對于CPI環(huán)比增速、同比增速的影響均比較顯著。

春節(jié)效應(yīng)對CPI環(huán)比數(shù)據(jù)的沖擊比較容易理解。在居民置辦年貨、餐飲囤貨、節(jié)日送禮等需求拉動下，春節(jié)當(dāng)月的CPI環(huán)比數(shù)據(jù)基本位于全年較高水平。隨著春節(jié)效應(yīng)的消退，在前月較高基數(shù)的壓力下，春節(jié)次月的CPI環(huán)比數(shù)據(jù)會降至全年較低水平。如表1所示，2010年以來春節(jié)效應(yīng)在CPI環(huán)比數(shù)值中有明顯體現(xiàn)。其中，春節(jié)當(dāng)月平均環(huán)比增速為1.10%，遠(yuǎn)高于月度平均水平（0.19%）。春節(jié)次月漲價效應(yīng)退潮，平均環(huán)比增速跌落至-0.30%，明顯低于月度平均水平。

春節(jié)效應(yīng)對CPI同比增速的沖擊主要來自兩方面。一是與環(huán)比增速類似，春節(jié)前后消費(fèi)火爆，形成的短期波動對春節(jié)當(dāng)月的同比增速也形成拉動；二是當(dāng)年同比增速的較高水平使得次年同月的同比增速面臨較高的比較基準(zhǔn)，容易產(chǎn)生

波動。

（二）春節(jié)錯位的主要表現(xiàn)

春節(jié)假期的公歷日期有時在1月，有時在2月，如果相鄰年份的春節(jié)日期落在不同月份，則出現(xiàn)春節(jié)錯位現(xiàn)象。具體來看，春節(jié)錯位的情形包括當(dāng)年春節(jié)在1月、上年在2月（情況1），以及當(dāng)年春節(jié)在2月、上年在1月（情況2）兩類（見表2）。其余情況可定義為正常年份，無錯位情況。

由于上年同期基數(shù)未對齊，春節(jié)錯位因素常導(dǎo)致1月、2月CPI的同比數(shù)據(jù)波動加大，實際值與預(yù)測值之間也經(jīng)常存在較大差距。而1月、2月的通脹數(shù)據(jù)是債券市場全年運(yùn)行中樞的關(guān)鍵觀測月份，對全年的通脹水平有重要指示作用。有鑒于此，筆者擬通過研究CPI通脹模型在春節(jié)錯位因素影響下的預(yù)測表現(xiàn)，針對兩類春節(jié)錯位情況提出預(yù)測調(diào)整方向，以更好地預(yù)測相關(guān)數(shù)據(jù)，以及應(yīng)對春節(jié)期間的債券市場價格的調(diào)整風(fēng)險。

春節(jié)錯位因素對CPI預(yù)測的影響及建議

筆者使用單變量模型對2020—2023年的通脹增速進(jìn)行預(yù)測，對上文的判斷進(jìn)行驗證，結(jié)果發(fā)現(xiàn)，在春節(jié)當(dāng)月前后，模型的預(yù)測準(zhǔn)確性的確會受到短期沖擊。為理解進(jìn)而改善模型在春節(jié)前后的預(yù)測效果，筆者使用2010—2023年的歷史數(shù)據(jù)，分析春節(jié)錯位因素造成的預(yù)測偏誤。同時，對受到影響月份（主要是春節(jié)所在的1月、2月）的單變量模型預(yù)測結(jié)果提出調(diào)整建議。

（一）2010年以來的春節(jié)錯位情況

逐年來看，在2010—2023年的14個春節(jié)中，有10年出現(xiàn)春節(jié)錯位情況，占比超七成。其中，2012年、2014年、2017年、2020年及2023年為情況1，2010年、2013年、2015年、2018年及2021年為情況2，其他為正常無錯位年份。

春節(jié)錯位對預(yù)測精度的影響主要體現(xiàn)在春節(jié)當(dāng)月及相鄰月，所以可以將錯位情況分為兩類討論：對于春節(jié)錯位情況1，定義1月為春節(jié)當(dāng)月，2月為春節(jié)相鄰月。對于春節(jié)錯位情況2，則定義2月為春節(jié)當(dāng)月，1月為春節(jié)相鄰月。表3列示了2010年以來春節(jié)當(dāng)月CPI環(huán)比增速、同比增速的模型預(yù)測值及預(yù)測誤差（實際值減預(yù)測值），表4列示了春節(jié)相鄰月的模型預(yù)測值及預(yù)測誤差。

同時，CPI數(shù)據(jù)指標(biāo)每5年進(jìn)行基期輪換，以末尾數(shù)字逢0、逢5的年份作為新一輪的統(tǒng)計基期。所以，基期輪換會對逢1、逢6年份的CPI數(shù)據(jù)造成影響。為了獨(dú)立分析春節(jié)錯位因素對預(yù)測的影響，本文在后續(xù)分析春節(jié)錯位因素造成的預(yù)測誤差的時候，不考慮受基期輪換影響的2011年、2016年和2021年的情況。

（二）春節(jié)錯位對CPI預(yù)測的影響分析及調(diào)整建議

從表3所列示的預(yù)測誤差來看，春節(jié)當(dāng)月CPI環(huán)比增速模型預(yù)測值低于實際值的情況較多，即模型存在低估情況。因此，可在模型預(yù)測值的基礎(chǔ)上適當(dāng)向上加點(diǎn)進(jìn)行調(diào)整。預(yù)測誤差較集中地落在（0，0.6%）區(qū)間，向上調(diào)整幅度的參考值可選在0.3%左右。其中，情況1的環(huán)比增速調(diào)整幅度較情況2要高，可將情況1的環(huán)比增速調(diào)整值設(shè)為0.4%，將情況2的環(huán)比增速調(diào)整值設(shè)為0.2%。

從表4所列示的情況來看，春節(jié)相鄰月CPI的環(huán)比增速模型預(yù)測值高于實際值的情況較多，即模型存在高估情況。因此，可在模型預(yù)測值的基礎(chǔ)上適當(dāng)向下減點(diǎn)進(jìn)行調(diào)整。預(yù)測誤差多數(shù)落在（-1.2%，0）區(qū)間，向下調(diào)整的參考值可選擇-0.6%左右。其中，錯位情況1的環(huán)比調(diào)整幅度相對更大，可將情況1的環(huán)比增速調(diào)整值設(shè)為-0.9%，將情況2的環(huán)比增速調(diào)整值設(shè)為-0.3%（見表5）。

對2024年春節(jié)通脹水平的展望

2023年春節(jié)為1月22日，2024年春節(jié)為2月10日。根據(jù)前文分析，僅考慮春節(jié)錯位因素的影響，2024年1月CPI同比增速更可能出現(xiàn)負(fù)的預(yù)測誤差，2月更可能出現(xiàn)正的預(yù)測誤差，分別可能對10年期國債收益率產(chǎn)生向下（利好多頭）和向上（利好空頭）的日內(nèi)短期沖擊。根據(jù)實際需求及業(yè)務(wù)策略，建議債券市場參與者提前作出安排，并適當(dāng)把握通脹數(shù)據(jù)公布前后的交易機(jī)會。

筆者基于前文所述方法對2024年春節(jié)的CPI數(shù)據(jù)進(jìn)行具體預(yù)測。首先，依據(jù)截至2023年11月末的統(tǒng)計數(shù)據(jù)，單變量模型對2024年1月、2月CPI環(huán)比增速的預(yù)測值均為0.80%，對應(yīng)的同比增速預(yù)測值分別為0.2%、1.6%。其次，依據(jù)春節(jié)錯位情況分類，2024年春節(jié)錯位屬于情況2，所以應(yīng)向下調(diào)整2024年1月的環(huán)比增速預(yù)測值，并向上調(diào)整2024年2月的環(huán)比增速預(yù)測值。最后，通過計算得到2024年1月、2月對應(yīng)的CPI環(huán)比增速調(diào)整結(jié)果分別為0.5%、1.0%，同比增速調(diào)整結(jié)果分別為-0.1%、1.5%。

需要注意的是，雖然近兩年CPI預(yù)測未受到數(shù)據(jù)基期輪換因素的影響，但考慮到2023年1—2月正處于優(yōu)化調(diào)整疫情防控政策的關(guān)鍵節(jié)點(diǎn)，該因素對2023年及2024年的CPI預(yù)測值均有影響，亦應(yīng)加以謹(jǐn)慎考慮并適當(dāng)調(diào)整。其中，2023年1—2月經(jīng)濟(jì)逐步復(fù)蘇，但居民消費(fèi)尚未全面恢復(fù)；2024年為優(yōu)化調(diào)整疫情防控政策后的第二個春節(jié)，居民消費(fèi)增長動能有望持續(xù)轉(zhuǎn)強(qiáng)。因此，在春節(jié)錯位的基礎(chǔ)上綜合考慮，預(yù)計2024年1月、2月CPI環(huán)比增速的所在區(qū)間分別為（0.4%，0.7%）（0.8%，1.2%），2024年1月、2月CPI同比增速的所在區(qū)間分別為（-0.2%，0.2%）（1.2%，1.9%）。此外，還可根據(jù)2024年春節(jié)旅游、服務(wù)消費(fèi)、備貨送禮需求等具體情況再適度調(diào)整，以便獲得更加精準(zhǔn)的預(yù)測值。（本文僅代表作者個人觀點(diǎn)，不代表所在機(jī)構(gòu)觀點(diǎn)和立場）

參考文獻(xiàn)

[1]董德志，李智能. CPI非食品環(huán)比“高頻+均值”預(yù)測方法研究[J]. 債券，2015（8）.

[2]何曉群. 多元統(tǒng)計分析[M]. 北京：中國人民大學(xué)出版社，2019（6）.

[3]梁詠梅，董敏杰. 月度CPI增速的高頻數(shù)據(jù)預(yù)測方法[J]. 當(dāng)代財經(jīng)，2018（12）.

[4]路思遠(yuǎn). CPI構(gòu)成項目權(quán)重估算及2016年走勢預(yù)測[J]. 債券，2016（4）.

[5]肖爭艷，陳彥斌. 中國通貨膨脹預(yù)期研究：調(diào)查數(shù)據(jù)方法[J]. 金融研究，2004（11）.

[6]熊偉琪，張鵬. 穿越周期的通脹預(yù)測：季節(jié)性模型及高頻數(shù)據(jù)的適用性[J]. 金融市場研究，2021（6）.

[7]中國人民銀行調(diào)查統(tǒng)計司. 時間序列X-12-ARIMA季節(jié)調(diào)整——原理與方法[M]. 北京：中國金融出版社，2006.

[8] SWANSON N R， XIONG W Q， YANG X Y. Predicting Interest Rates Using Shrinkage Methods， Real‐time Diffusion Indexes， and Model Combinations[J]. Journal of Applied Econometrics， 2020， 35（5）.