首页 > 政策解读 > 正文

中金:解析“春节效应”对1-2月宏观数据的扰动
发表时间:2019-03-13 21:26:0602:39   来源:本站    点击:3281690

摘要:迪巧孕妇钙片,迪巧钙片,迪诺雅,迪玛希 opera2,明日花全集,明日花绮罗作品番号,明日花绮罗作品

  虽然“春节效应”往往引起1-2月宏观数据大幅波动,但从今年1-2月数据公布后的投资者反馈来看,市场未能对春节因素的影响做出必要的事先调整。例如,春节从去年2月中后段提前到二月初必定导致出口同比增速在1月急升、而2月大跌,而汽车销售大概率在1月明显好于2月,等等。在本文中,我们向读者介绍一些简单有效的数据调整方法,旨在帮助投资者过滤春节因素对数据的扰动,在1月数据发布后就尽可能地对工业生产、货币信贷周期、消费需求和通胀等数据的走势做出更为合理、前瞻的判断。

  I

  “春节效应”大幅扰动1-2月的宏观数据,然而正确解读1-2月数据对全年都意义重大

  春节移位往往对1-2月的宏观经济数据带来大幅扰动。不同年份里,春节假期会落在1、2月的不同时间段,进而干扰每年前两个月各项经济指标的同比和环比增长。此外,当春节特别早(在1月上半月)或特别晚(在2月下半月)时,12月和3月的同比数据也可能受到不小的影响(比如,2015-2016年、2007-2008年等)。

  考虑到春节对于经济数据的大幅扰动,国家统计局自2013年开始不再发布1、2月经济活动数据的单月值,而仅在3月中旬公布1-2月合并的工业生产、零售、固定资产投资数据,自此形成了每年年初的宏观数据“真空期”。春节扰动、叠加年初权威数据“缺失”,加大了判断年初经济走势的难度。历史上,每年年初往往是市场对宏观经济指标预测分歧最大的时点,即使对CPI等波动相对较小、有对应高频监测数据的指标而言也是如此。这一现象从侧面体现了“春节效应”对市场的扰动。

  然而,实证表明,年初的经济增长走势对1季度乃至全年的趋势具有重要的领先意义。某些经济活动年初占全年之比较高,比如新增贷款和社融、电影票房、消费和旅游支出等。对于许多数据、尤其是消费相关指标而言,前两个月的增长走势对1季度乃至全年的趋势具有重要的领先意义——这凸显出对春节效应进行调整的必要性。

  II

  我们对调节春节效应的“方法论”

  一些简单有效的调整方法可以很好地帮助投资者和政策制定者在1月数据发布后,就尽可能地对一些潜在宏观趋势做出较为超前的判断。我们的调整方法可以起到一下作用:1)判断并一定程度上量化春节效应对不同经济指标的影响,2)尽量剔除1-2月高频数据以及月度数据中春节移位带来的“噪音”。此外,我们也列举一些有助于“勾勒”年初的总需求“图景”的行业数据,以弥合1月至3月中旬经济数据“真空期”内的信息缺口。

  对于(日度或周度)高频指标,我们可以将春节设定为参照日(即T = 0),将不同年份的数据重新平移至同一参照系下,然后计算同比变化。该方法可以用于调整消费、工业生产、固定资产投资、以及消费价格等指标。该调整方法相当于将公历周期数据的“时间轴”平移,从而以农历日历为基准。这种调整方式剔除了春节假期前后的扰动、使数据更为“可比”。

  作为例证,我们比较了经过调整和未经调整的电厂耗煤量增速——不进行数据调整的情况下,2019年2月的电厂耗煤量貌似大幅走低,但经过平移调整,更为合理的判断是春节后的电厂耗煤量增速相比节前更强。在此例中,春节效应调整与否结论截然不同,而调整后的结果与其他经济“表征”,如建材价格等更为一致。另一个例证是食品价格的走势——如果投资者仅按公历周期来判断食品价格的同比走势,则很有可能忽略一个重要的变化、即今年春节后食品价格走势明显强于往年节后一般季节性,而三月CPI可能明显上升。

  此外,采用上述“数据平移”的调整方法,我们可以观察到,春节长假会抑制节前约1周至节后2周的工业生产和投资活动,而提振同一时间段内的居民消费。

  对于月度统计数据,我们可以根据每年春节前后长假落在1、2月的“总天数”,对1、2月的生产/需求水平进行相应的“折算”,从而“还原”数据的可比性。然后,我们将“还原”后的1-2月单月序列进行同比增长的计算。该方法可以用于调整进出口、CPI、货币信贷、以及部分行业层面的数据。春节效应可以视为中国特有的数据季节性,因此现有的季调方法无法剔除春节效应[1]。正因为此,使用标准统计手段(如Census X-12方法)进行季节性调整后的数据,在每年1、2月通常会较趋势出现异常大的偏离,而1、2月的偏离方向相反。我们将这些无法消除的异常偏离称为由春节引起的“残余季节性”,或“春节扰动”。我们构建的数据调整方法,通过以下三个步骤来识别并剔除春节扰动:

  首先使用标准统计手段(如Census X-12方法)对数据进行季节性调整,进而计算历年1、2月的“残余季节性”、或简称为“春节因素”。

  通过计量方法来量化春节移位造成的1、2月宏观指标与趋势的偏离度——一般而言,春节离1月31日越远,1、2月受春节影响天数之差就越大。计量分析结果将给出每个春节日期对应的估算趋势偏离度,我们称之为该春节日期的“春节调整因子”——“春节调整因子”可以为正值、也可以为负。

  为了计算剔除春节扰动后的1、2月同比增速,我们首先将每个1、2月的数据点除以对应的(1+春节调整因子%),取得经春节效应调整后的时间序列,然后计算同比变化。

  下面我们以CPI通胀为例,探讨如何从数据中剔除春节扰动[2]。首先需要强调的是,我们调整的数据并非日常所说的“CPI”数据(即表述为“年同比XX%”的CPI同比增速),而是根据CPI同比历史数据构建的CPI“绝对值”或定基指数。下图(左)显示了2001-2019年每年2月经X-12季调后的CPI定基指数序列的“残余季节性”(即与趋势之间的偏离度),该图的横轴为各个年份的春节(公历)日期。

  从图中可以看出,当春节日期落在2月7日左右时,春节效应对2月CPI定基指数的抬升最为明显。该现象符合逻辑,因为春节假期对节前1周至节后2周的消费提振最为明显——也就是说,当春节日期落在2月7日时,2月份对应了CPI受春节影响最大的一段时间。接下来,我们通过计量分析估算每个春节日期对应的趋势偏离度。估算结果表明,比如春节日期落在2月7日,春节效应会推升当年2月CPI定基指数0.3%左右(春节效应对CPI同比增长的影响还取决于其对前一年CPI定基指数的影响)。然后,我们利用“春节调整因子”,取得经春节效应调整后的CPI通胀时间序列。

  经春节效应调整后的数据明显更好地反映出了CPI通胀的实际走势——例如,未经调整的数据显示CPI通胀在2012年1月“跳升”,但我们经过春节效应调整后的数据抹平了该“跳升”的数据点、避免了通胀上升的错误判断;随后的通胀走势证实了我们调整后结果的正确性。相比而言,一般的季节性调整方法(如Census X-12)无法规避这类错误信号。

  考虑到“春节效应”对不同经济指标的影响不同,我们接下来将宏观经济数据分为五组,分别分析春节效应对其影响:

  正月初一前后居民消费支出往往上升;

  春节长假会抑制工业生产和建筑活动;

  随着春节前后消费需求的增加,CPI通胀往往走高,节前尤为明显;而春节对PPI的扰动不显著;

  节前会出现“抢出口”现象,而节后出口商复工滞后于其他部门;

  如果农历新年在1月31日附近,往往暂时提振1月的M2,但抑制1月M1。

  最后,剔除春节效应后,我们还将根据已有的1、2月数据,对2019年初的经济走势进行判断。

  III

  剔除“春节效应”对重要宏观经济指标的扰动

   春节假期,与“双十一”电商节类似,是年内消费的高峰期之一。从某种意义而言,中国春节类似于西方国家的圣诞节,家庭团聚及庆祝节日相关的消费在此期间上升。例如,春节黄金周期间旅游出行人数几乎占全年出行总人数的7%,春节前汽车销售通常加速,客运量在春节前后达到峰值(即所谓的“春运”),电影票房收入在春节黄金周期间跳升。因此,春节假期消费增速有助于判断全年零售增长的走势。

  2019年春节期间消费增速低于此前几年,但整体消费相比于2018年4季度已经出现早期企稳迹象。2019年春节黄金周期间票房收入仅增长1%,明显低于2018年70%的增速;今年春节黄金周期间旅游出行人数增长7.6%,为2008年以来最低增速;节后前20天铁路客运增速从2018年的11.4%放缓至6%;汽车销售增速仍然呈双位数负增长。不过,消费的环比走势(例如汽车销售)开始企稳。

   工业生产与投资、建筑能活动在春节前通常会放缓,节后1-2周会逐步回升。近年来市场开始密切关注节后工业生产与投资的增速,节后复工的节奏通常会为1季度甚至上半年奠定基调。春节期间电厂耗煤量会明显下降,通常会在节后三周恢复至正常水平。螺纹钢库存在春节前开始攀升,补库态势一直持续到节后一个月左右,主要由于预期节后复工带来的建筑需求。电厂耗煤量与螺纹钢库存这两个指标,可以部分反映出节后工业生产的供需状况。

  行业层面数据有助于判断节后投资增长的趋势虽然1-2月份固定资产投资数据直到3月中旬才会发布,但有许多1月份的行业数据会在此之前公布,例如挖掘机销量和公路投资等数据。这些数据经过适当的春节效应调整后,能够在一定程度上揭示投资增长的趋势。

  2019年,工业活动在节后有所回升,基建投资步伐加快,而房地产行业出现项目竣工强劲、但新开工放缓的分化之势。虽然今年节前电厂耗煤量低于去年,但节后出现显著回升。与此同时,螺纹钢库存仍然低于2018年,表明工业需求增速仍然具有一定韧性,尤其是考虑到工业品价格近期出现回升。基建投资方面,2019年1-2月份挖掘机销量与公路投资增速超过2018年,表明基建投资增长稳健。与此同时,房地产行业出现出现项目竣工强劲、但新开工放缓的分化之势:虽然30个大中城市(更能反映一二线城市趋势)的房地产成交有所回暖,但土地成交仍然低迷。

   春节前通常会出现“抢出口”现象,而节后出口的回升通常比其他经济活动更晚,所以春节后出口增速恢复较慢——这可能是由于出口部门农民工占比较高。我们采用相同的春节效应调整方法来分析进出口数据。如果春节靠近1月31日,则春节假期可相对于趋势暂时拉升1月份出口量+8%左右(对2月的出口相应地是负影响)。如果春节是在2月15日左右,那么春节对1月出口量的提振幅度会降至0%左右,表明出口商倾向于在春节前的1-2周“抢出口”[3]。我们认为这背后的原因可能是由于企业难以控制节后工人何时复工、以及多少工人会返工,因此倾向于在节前加紧完成出口订单。另一方面,我们没有观测到明显的“抢进口”现象。由此,春节越晚,2月份贸易顺差相比于1月份就会越大。

  2019年1-2月份出口增长仍然疲弱,这一点在1月份出口数据公布后采用我们的春节效应调整方法就可以预见到——虽然1月份出口同比实现所谓“大幅超预期”的正增长,我们仍在2月底发布的2月数据预览中预测2月出口同比双位数下降。今年前两个月出口累计同比下降4.6%,与2018年4季度3.9%的增速相比进一步放缓。与此同时,1-2月份进口累计同比下降3.1%,而去年4季度为同比增长4.4%。因此,今年1-2月份贸易顺差与去年相比显著收窄。

   食品与交运类价格在春节前后呈现出明显季节性特征。春节假期对食品价格存在很大的季节性影响,节前食品价格迅速上涨、节后出现回落。交通运输类价格也呈现类似特征。而另一方面,PPI在春节假期前后并未出现明显的季节性特征。

  在去除春节干扰后,2019年2月的CPI同比其实明显高于1月,虽然官方数据显示2月CPI同比1.5%、低于1月的1.7%。即使不用春节调整因子,简单的数据“平移”调整也显示,2019年春节前食品价格涨幅低于2018年,但节后食品价格仍然处于高位、偏离了以往节后食品价格明显下行的季节性。

   春节靠近1月31日,会小幅提振1月的M2,但此后很快这一影响就会消失(鉴于M2是存量数据);与之相反,如果春节靠近一月底,1月的M1反而会被暂时压低。春节前往往现金需求激增,一般而言,许多应付工资、奖金、债务、账款等会在春节前结清——如果春节离1月31日较近,这些交易会影响月末的货币供应数据。如果春节恰好靠近1月31日,那么1月的M2通常受短暂的提振,但这一影响近年来已经明显减弱,主要由于现金占总货币供给的占比不断地结构性下降。与此同时,企业春节前工资/奖金的发放导致M2向M1转移——因为中国的M1仅包括企业与政府部门的存款,不包括居民部门的存款。但另一方面,春节对贷款发放的影响甚微,这是因为贷款投放和工作时长关系不大——无论春节在哪一天,1月仍是绝对的贷款投放大月。

  从广义信贷周期的角度而言,2019年一个值得关注的新现象是地方债发行额度的前置,导致今年1-2月份地方债净发行量相比往年大幅上升。今年年初以来,信用债发行量也高于往年。债券发行加速、叠加贷款与非标资产的增长,表明信贷周期温和回升。

  IV

  剔除春节效应后的1-2月经济数据传递了哪些信息?

  在对春节效应进行调整后,我们可以刻画2019年初经济周期的走势:

   信贷周期温和回升。官报与我们的调整后社融增速1月强劲上升、2月有所回落,主要受表外票据涨跌的影响。透过这些短期的扰动看,调整后社融的同比增速从2018年12月的10.2%回升至2019年2月的10.6%。与此同时,调整后社融的季调后月环比年化增速从2018年大部分时间的<10%恢复至12-13%的水平[4]。

   春节后工业生产和建筑活动稳健,尤其是基建相关领域。总体而言,农历周期平移调整后的高频数据显示,节后工业活动同比强于节前,尤其是基建投资相关指标[5]。这些指标包括钢铁产量与成交量、挖掘机销量与利用小时数、电厂日耗煤量等。而地产投资方面,项目竣工加速、但新开工有所放缓。

   整体消费依旧偏弱,但初显企稳迹象。如我们前面所分析的那样,由于今年春节前置11天,预计今年1月消费增速、尤其节前大件消费品(如汽车)增速将远好于2月。将1-2月数据合并分析,终端需求相比于2018年4季度有所企稳,去库存周期也已基本结束。

   出口增速仍然低迷,但由于2018年春节较晚(压低了2019年3月的基数),可能将于3月有所上升。1-2月的数据合并分析显示——出口(以美元计)增速仍处于负区间。但值得注意的是,春节从2018年的2月16日移至2019年的2月5日,可能导致2019年3月、尤其是第一周出口加速。

   与此同时,春节前CPI通胀同比较为温和,但节后(剔除“春节效应”的)同比增速加快。[6]

  三月宏观数据将对我们这些初步的判断做出验证。国家统计局仅在3月中旬公布1-2月合并的经济活动数据,部分是为了平滑月度数据的大幅波动。鉴于春节对宏观数据的影响,历史上政策调整通常在3-5月份、经济增长基本趋势完全形成后才会出台。

  往前看,我们认为调整后社融增速仍然是我们判断总需求走势最有效的领先指标,因此我们将继续密切关注调整后社融[7]的数据,以进一步确认信贷周期的回升。我们重申长期以来的观点,为使中国摆脱“经济增长低于潜在水平->通缩->不良贷款恶化”的负反馈循环,适度放松去年持续过紧的金融条件,仍是重要且必要的一步[8]。我们认为,在地方债发行额度上调以及今年地方债发行节奏前高后低推动下,调整后社融增速有望在上半年维持温和回升的趋势。广义信贷周期回升将有助于减轻经济增长面临的下行压力,提振CPI和PPI环比走势[9]。

  --------

  [1]这是由于:1)春节假期的公历日期并不固定;2)很难量化受到春节假期影响的确切工作日天数;3)经济中不同部门或行业受到春节效应影响的方式和程度不同。

  [2]CPI通胀特别适合作为一个例子——虽然该指标本身为按月发布,但食品CPI(整体CPI的一个主要组成部分,也是造成1月和2月CPI波动的主要因素)有对应的高频监测数据来帮助说明和验证我们的春节调整方法。

  [3]与此同时,如果春节落在1月,春节越早,则工作日减少导致1月出口量下降。

  [4]请参见我们2019年3月10日发布的中国宏观热点速评《表外票据收缩明显压低2月新增社融 | 2月份货币信贷数据点评》。

  [5]请参见我们2019年2月20日发布的中国宏观专题报告《“新基建”投资将去向何方?》。

  [6]请参见我们2019年3月9日发布的中国宏观热点速评《高基数下CPI同比微降,但环比明显上升 | 2月通胀数据点评》。

  [7]调整后的社融 = 社融 – 地方政府专项债 + 政府债券,有关为何对社融进行调整以及调整方法的具体细节,请参见我们2015年8月13日发布的中国宏观简评《论地方政府债务置换对贷款和社融数据的影响》。

  [8]请参考我们于2019年2月24日发布的聚焦中国报告《信贷的开门红》。

  [9]请参考我们于2019年2月18日发布的中国宏观简评《对1月TSF和货币供应数据的4问4答》。

(文章来源:中金点睛)

(责任编辑:DF010)

分享到:

 

收藏