2014年-BIS国际清算银行_Developing_an_underlying_inflation_gauge_for_China_29页_382kb

总结：Developing an Underlying Inflation Gauge for China

核心内容

本文探讨了构建一个适用于中国的“潜在通胀指标”（Underlying Inflation Gauge, UIG）的方法，旨在提供一个更稳定、更全面的通胀信号，以辅助货币政策制定者和市场参与者进行决策。传统的消费者价格指数（CPI）虽然广泛使用，但存在短期波动大、信息不全面以及发布频率低等问题。而传统核心通胀指标（如CPI_nf和CPI_nfe）虽然降低了波动性，但可能忽略了重要信息。因此，本文提出了一种基于动态因子模型（Dynamic Factor Model）的UIG，以捕捉通胀的长期趋势并减少短期噪音。

主要观点

• UIG的目标：构建一个更平滑、更全面的通胀指标，能够反映潜在通胀趋势，而不是短期价格波动。
• 方法论：采用Forni等（2000）提出的广义动态因子模型（Generalised Dynamic Factor Model），通过频率域分析提取低频成分。
• 模型特性：
  • 平滑处理：通过去除高频波动（如12个月以内的周期）来区分噪音与趋势。
  • 数据多样性：使用涵盖价格、经济活动、劳动力市场、货币与信贷、金融市场等多个类别的473个时间序列。
  • 每日更新：与传统的月度CPI相比，UIG能够每日更新，提供更及时的通胀信号。
• 模型优势：
  • 减少噪音：相比传统CPI和核心通胀指标，UIG更少受到短期波动影响。
  • 保留信息：UIG在减少噪音的同时，保留了更多有用信息，有助于提高通胀预测的准确性。
  • 优于传统核心指标：在不同样本下，UIG在预测CPI方面优于传统核心通胀指标。

关键信息

1. 数据集

• 包含473个时间序列，涵盖五个主要类别：价格、经济活动、劳动力市场、货币与信贷、金融市场。
• 价格类数据包括CPI、PPI、RPI、CGPI、进出口价格指数等。
• 经济活动数据包括工业增加值、投资、零售销售、贸易数据及企业与家庭调查。
• 劳动力市场数据包括平均工资、总工资、就业与失业率。
• 货币与信贷数据包括货币供应量、银行贷款与存款。
• 金融市场数据包括利率、汇率和股票价格指数。
• 还包括中国主要贸易伙伴的国际商品价格数据。

2. 数据质量与处理

• 数据未进行季节性调整，但在模型应用时将统一处理。
• 已对数据进行平稳性检验并进行相应处理，以确保信号的无偏性。
• 部分数据存在季节性问题，如中国农历新年效应，已通过“桥梁方程”（bridge equation）进行填补。

3. 样本长度选择

• 选择2001年1月作为数据集的起点，理由包括：
  • 更多详细数据从2001年后开始发布。
  • 2000年前后中国通胀机制发生了显著变化，更加市场化。
• 由于部分数据系列从2001年后才开始，采用“桥梁方程”填补缺失值，以避免引入额外信息。

4. 频率带选择

• 将低于12个月的周期视为噪音，去除后可得到一个更平滑的通胀信号。
• 表明不同频率带的选择对UIG的波动性有显著影响：
  • 去除12个月以下的波动后，UIG捕捉了80%以上的CPI波动。
  • 去除更长周期（如24个月或36个月）会导致波动性大幅下降，同时信息损失也较大。

5. 因子数量选择

• 因子数量（q）是模型的重要参数，需根据数据特性设定。
• 本文采用与美国和瑞士类似的方法，选择合适的因子数量以确保模型的稳健性。

6. 实证结果

• UIG在预测CPI方面优于传统核心通胀指标。
• 该模型是首个应用于新兴市场国家（特别是中国）的动态因子模型。
• UIG能够提供额外信息，有助于货币政策制定者和市场参与者更好地理解通胀趋势。

结构与方法

• 模型构建：基于Forni等（2000）的广义动态因子模型，结合中国数据特点进行参数设定。
• 频率域处理：通过傅里叶变换提取低频成分，以区分噪音与趋势。
• 数据处理：采用桥梁方程填补数据缺口，确保模型的稳定性与一致性。

结论

本文提出的UIG是中国首个基于动态因子模型的潜在通胀指标，能够在减少短期噪音的同时保留更多有用信息。它不仅能够每日更新，还基于广泛的数据集，有助于提高通胀预测的准确性，为货币政策和市场决策提供更有效的参考。