經濟預測的細節

丁孟

統計數據只是“原材料”，還需要進一步加工。

作為輔助決策的工具，經濟預測應力求準確，對于細節的掌握很大程度上決定了成敗。本文嘗試討論幾個不同的經濟預測細節，其應用對于專業機構的數量預測和個體做出經濟判斷都有指導意義。

尊重每個經濟體的獨特性

每個不同的經濟都有其獨特性，不光是中國經濟預測與全球經濟不同，美國經濟預測與全球或是歐洲的經濟預測也都有不同。

首先，部分西方發達國家的預測由于其可得的經濟指標數量多，更加關注數量化的模型。其次，由于這些國家的經濟已經經歷了多個完整的長短經濟周期，并且經濟和人口結構相對穩定，故比較容易測算趨勢增長率，這對于2-5年時間區間內的中期經濟增速預測，以及用產出缺口度量通脹的壓力和可能的變化路徑都有幫助。此外，信貸數據對于全球經濟預測的作用是要小于其在中國經濟預測中的作用的。最后，全球經濟預測中對于就業市場和金融市場的數據關注度更高。

圖1 歐央行資產負債表擴張

數據來源：中銀香港

中國的經濟預測則更加注重政策和其效果的分析，比如目前市場就關注城市房地產融資協調機制，“三大工程”能否有效改善中國房地產市場的供求兩端。另外，銀行信貸仍是重要的觀察經濟的領先指標。在通脹預測方面，盡管單純依賴產出缺口或通脹從上游向下游傳導，在全球經濟預測中較為通用，但中國使用食品價格變動周期方法來進行預測，準確度則較高。

關注數據的統計細節

另外在比較數據時，需要也關注數據的統計細節。

其一，去除價格變動因素。也稱為“消脹”，是將名義變量轉化為實際變量的關鍵一步。衡量經濟增長的質量時候，一定要去除掉價格變動帶來的影響，否則無法判斷新增部分到底是由于增產還是漲價。增產是實質增長，漲價則是虛增。有時候，名義增速和實際增速走勢不一，造成混淆。

其二，去除季節因素。也稱為“季調”，是消除數據中干擾性季節波動的關鍵。由于自然年底、季度末、月末、財務年重要節點、重要節日等日期對于經濟主體行為產生較為重要的影響，因此很多數據會呈現明顯的季節特征。如日本在外企業每年3月（財年底）大幅匯回海外利潤，導致經常賬戶收支順差明顯高企。這些波動不應當構成較長期判斷的基礎。最簡單的季調方法是求算同比增速，更為高深一些的則涉及復雜的時間序列處理方法。

其三，去除工作日因素。這類的調整在歐洲數據中較為常見，類似于季節調整，但處理對象不同。由于各國各月休假安排不同，所以如果數據不經過處理而進行跨國比較，增速往往不可比。因此需要通過統計方法，將不同時間段內由于工作日數量不同帶來的影響去除掉才能夠從中讀取趨勢。比如，德國和法國比較工業增長的時候，就需要使用工作日調整后的數據。

圖2 歐盟出口與歐元匯率的關系

數據來源：中銀香港

圖3 日本景氣動向綜合指數

數據來源：中銀香港

其四，統一求算口徑。一般增長率有同比和環比兩種計算方法，其中環比數據出現混淆的可能性較大。美國公布GDP增速的時候，一般用的是“環比折年率”的結果。這是將當季對上季的季度環比進行年率化。比如，某季度實際GDP環比增速為0.6%，那么年率化之后可能就是2.5%，意思是“如果全年四個季度都以當季速度0.6%增長的話，全年的經濟增速就是2.5%”。之所以這么處理，是為了更好地將季度增速和年度增速相關聯，因此也消除了同比和環比之間的鴻溝。

選擇合適的方法進行數據“清洗”

統計數據只是原材料，距離高質量的預測還需要進一步加工。在這里主要要應用經濟計量學工具。

首先分析數據的趨勢，然后根據趨勢來推斷未來。對于波動的研究自身也是找波動項本身的趨勢。純然無規律的波動屬于噪音，不具備分析性。如果分辨出了趨勢，又搞明白波動項的規律，預測下一步走勢就是順理成章的事情。因此濾去噪音是我們解讀一份數據的第一步。常用的方法有使用同比、季節調整、移動平均和濾波。

其次，時間軸的選擇。因為不同的時間長度會使得相同波動看起來效果完全不同。操縱所選擇的時間長度，會突出或弱化波動；隨意選擇，當多次分析相同數據序列的時候，就會埋下邏輯不一致的隱患。故選擇對于結論有意義的時間分析長度尤為重要。

最后，穿透總量數據的底層。總量數據往往可以分解為很多分項。探索總量數據的時候必須深入到分項層面才能說清楚，否則分析就會顯得相當單薄。反過來，分項層面說清楚之后，對總量走勢的預測往往也就轉化為對重要分項的預測。最后通過總量和分項之間的穩定關系得出數量結果。

（作者為中銀香港高級經濟研究員）