作者:董德志 李智能
来源:国信固收研究
主要结论
CPI食品当月环比我们采用商务部农副食品价格数据进行跟踪预测,非食品当月环比我们采用“历史均值+高频”方法进行预测。2018年1月至2019年9月食品环比预测误差平均值约为0.5个百分点,非食品环比预测误差平均约为0.09个百分点。
次月的环比预测方面,我们分别测算当月的翘尾影响与次月的新涨价因素,二者之和为次月的环比预测值。
后续月份环比的预测已无任何高频数据信息可以参考,我们取统计局公布值过去十年的历史均值作为预测值。
按上述跟踪预测方法,2019年10、11、12月CPI同比分别为3.4%、4.3%、4.6%,2020年全年CPI同比约为3.7%,呈现前高后低走势,2020年1月CPI同比或突破5%达到5.2%,且2020年上半年CPI同比将维持在4%以上。
除了采用上述环比历史均值预测2020年的CPI同比,我们还考虑将2020年全年累计同比分拆成翘尾因素与新涨价因素之和,其中翘尾因素约为2.5%,通过分析2020年猪肉、剔除猪肉后的食品、非食品这三部分新涨价因素与各自新涨价因素历史均值的关系,最终确定2020年CPI新涨价因素约为1.2%,略低于历史均值1.3%。因此2020年整体CPI累计同比约为3.7%,与采用历史环比均值方法的计算结果吻合。
此外,能繁母猪存栏量变化领先猪价同比涨幅。崽猪从刚生下来到成长为可出栏大猪所需时间约为6.7个月,因此若我们看到能繁母猪存栏数量有明显回升,则整体生猪存栏数量或在6个月后有明显回升,猪价同比随后也将明显回落,2010-2011年猪周期正好吻合这一周期特点。
因此,若在年底前看到能繁母猪存栏量开始回升,则明年二季度左右剔除能繁母猪的生猪存栏量或开始进入持续上升阶段,明年四季度左右猪肉价格同比开始出现明显回落。若能繁母猪存栏量数据提前或滞后回升,则相应时间也会提前或滞后。
以下为正文:
CPI食品分项预测方法回顾
CPI食品分项短期高频跟踪方法回顾
目前国内食品高频数据序列比较长且比较完整的是商务部每周发布的国内农副产品价格。根据我们的观察和测算,商务部农副产品价格环比与对应CPI分项的环比走势基本一致,可以用来作为CPI食品高频跟踪指标。
需要指出的是,本文中的商务部农副产品价格环比高频指标是我们加权计算得到,与商务部另外公布的食用农产品价格指数并不一样。商务部另外公布的食用农产品价格指数的加权权重并未公布且难以回溯计算,估计和CPI篮子权重有较大差异,同时商务部公布的食品农产品价格指数经常出现数据缺失,因此我们没有使用商务部食用农产品价格指数而是自己进行计算。
具体计算方法如下:根据商务部公布的各农副产品价格,先计算各个农副产品价格环比,然后按权重进行加总,得到商务部农副产品价格指数环比,最后用商务部农副产品价格指数环比与实际公布CPI食品环比进行回归测算,得到最新一个月的CPI食品预测环比。
商务部官网的商务预报板块每周均披露粮油、肉类、禽蛋、糖盐、蔬菜、水果、奶类、水产品等国内农副产品价格。
我们根据商务部披露的农副产品价格,构建了商务部口径的粮食、油脂、蛋类、糖类、调味品、禽类、乳类、肉类、水产品、蔬菜、水果价格指数,并在此基础上构建了整体商务部农副产品价格指数。
从商务部农副产品价格指数环比与CPI食品环比公布值对比来看,二者走势基本一致。
此外,农业部每天均披露农产品批发价格200指数。从农业部农产品批发价格200指数环比与CPI食品环比公布值对比来看,二者也呈现同向走势,但从相关性上来看,农业部披露的食品价格环比与统计局公布的CPI食品环比的相关性较商务部的数据还是差一些,但考虑到农产品批发价格200指数数据每日发布,频率比商务部的要高,因此也可作为一个方向上的参考。
CPI食品分项2019年10月环比预测
从食品高频指标的全月累计均值环比来看,今年CPI食品价格10月环比或仍高于季节性。商务部农副产品价格指数10月环比为2.11%,高于历史均值0.35%;农业部农副产品批发价格指数、菜篮子价格指数10月环比分别为2.67%、2.97%,亦高于历史均值-0.90%、-1.07%。
值得注意的是,商务部今年“十一”假期期间的农副食品价格数据出现缺失(往年春节和“十一”长假期间均有数据,这次是第一次出现数据缺失),因此我们在计算今年10月商务部农副产品价格月均值环比时,根据商务部公布的10月5日至10月11日的周环比数据,估算了大部分产品9月28日至10月4日的价格,由此重新计算十月以来各分项以及整体商务部农副产品价格的周环比,由此得到较为准确的10月环比数据。
根据我们的计算结果,若忽视首周缺失的高频数据,得到的10月食品价格环比会明显高估。忽略9月28日至10月4日这周的数据,直接采用十月后三周的平均数据计算得到10月商务部农副食品价格环比为2.91%,明显高于我们考虑9月28日至10月4日这周数据后的计算结果2.11%。
根据商务部农副食品价格环比与统计局公布的CPI食品环比进行线性回归计算,可得到10月CPI食品环比的预测值。在进行线性回归计算时,我们选择了两种回归方式,一是采用每一年同一个月份的环比进行回归,二是采用过去连续24个月的环比进行回归。
从对比结果来看,2018年1月至2019年8月,大体上第一种方式得到的结果更加准确,但2019年9月第一种方式得到的预测结果却与实际公布值出现较大的偏差,这可能与9月政府加强了对物价的调控有关。2018年1月至2019年8月,第一种方式的平均预测误差约为0.3个百分点,第二种方式的平均预测误差约为0.5个百分点,而2019年9月第一种方式的预测误差为1.5个百分点,第二种方式为0.3个百分点。
根据10月商务部食品高频数据,根据第一种方式回归得到的10月CPI食品环比预测值约为0.4%,根据第二种方式回归得到的预测值约为2.05%,二者仍然呈现较大的差异,考虑到9月第一种方式出现了较大误差,而第二种方式0.5个百分点的平均误差并不算特别大,因此我们选择第二种方式的测算结果2.05%作为2019年10月CPI食品环比的预测值。
CPI食品分项2019年11月环比预测
我们将2019年11月的环比测算分拆成翘尾与新涨价两部分之和,翘尾部分是指由于10月出现上涨趋势,11月价格即使不涨其环比涨幅也会大于零,根据商务部食品高频数据,11月环比中的翘尾因素约为2.62%。新涨价方面,过去十年11月的新涨价均值为0.88%,其中猪肉新涨价均值为-0.21%,剔除猪肉后的食品新涨价均值为1.02%,根据11月的首周数据,我们确实看到猪肉价格略有下行,但蔬菜和水果价格亦没有上涨,与季节性规律有一定背离,当然不能排除11月后几周蔬菜和水果等其他食品价格会上涨,但我们先假设11月新涨价为零进行测算,以提供一个较为中性的观察标准。在11月新涨价为零的情况下,11月食品高频环比约为2.62%,根据上述第二种线性回归方式,11月CPI食品环比的预测值约为2.61%。
CPI食品分项2019年12月至2020年12月环比预测
2019年12月起完全没有高频数据信息可以参考,因此我们将2019年12月至2020年12月的食品环比均取统计局公布值过去十年历史均值作为预测值。
在测算过程中,由于2005-2015年统计局直接公布的CPI食品环比反映的权重与2016年之后有较大差异,因此测算过程中使用的2005-2015年的CPI食品环比是根据估算得到的2016年新权重加权得到的结果。
CPI食品分项同比预测结果
根据上述测算的CPI食品环比,我们采用十二个月环比累乘方法测算了未来截至2020年12月的CPI食品价格同比走势:
CPI非食品分项预测方法回顾
CPI非食品分项“历史均值+高频”短期预测方法回顾
历史上,一般采用历史环比均值方法来预测CPI非食品环比,而随着国内对商品行政化定价的持续弱化,使用历史均值法预测非食品环比越来越无法满足市场对CPI预测精度越来越高的要求。
事实上,历史均值法是典型的时间序列预测方法。时间序列预测方法的逻辑是,总结以前变量的变化趋势和周期,并假设该趋势和周期在未来延续。此方法包含两前提:其一,变量历史的趋势和周期必须稳定,没有这种稳定,无从总结;其二,变量历史变化的趋势和周期必须延续,没有这种延续,无从预测。两前提的任何偏差都会形成时序方法预测的误差,当待预测变量自身呈现混乱不堪的随机游走时,趋势和周期无从总结,时间序列方法的预测效果将大打折扣。行政化定价的淡化使得非食品各分项价格走势越来越接近混乱不堪的随机游走,因此使用历史均值法预测CPI非食品环比的精度势必越来越差。
因此,在CPI食品分项上实现的较精确高频跟踪促使我们积极寻找非食品各分项对应的高频指标,通过跟踪高频指标的环比变动,把握对应非食品分项当期的价格变化,以期更得到更精准的CPI非食品环比预测值。
但实际上,相关性极好的非食品高频数据很难找到,大多数情况下只能找到相关性有限的高频指标,因此用高频数据进行预测本身就会带来一定的误差,如果这个误差大过采用历史均值作为预测值带来的误差,那采用历史均值作为预测值就是更优的预测方法。具体处理方面,可考察各细项每年同月价格季节性的稳定性(用历年相同月份的价格环比方差来衡量,方差小则稳定性强),稳定性强的分项可考虑取历史均值作为预测值;不稳定的分项则尽量寻找高频数据进行跟踪预测。
根据我们的观察和测算,国内CPI非食品中的个人饰品、车用燃料、水电燃料、中药、通信工具、建房及装修材料这六个细项价格环比季节性的稳定性较差,同时它们的价格走势分别与黄金价格、柴油零售指导价格、柴油零售指导价格、中药价格、中关村电子产品价格、玻璃与水泥拟合的建材价格的走势基本一致,而黄金价格、柴油零售指导价格、中药价格、中关村电子产品价格、玻璃与水泥价格均可进行高频跟踪。
然而自2016年开始,上述可进行高频跟踪的CPI分项环比中,统计局继续公布的仅有车用燃料、水电燃料、中药这三项,其他的分项环比不再继续公布,因此没法进行预测的校准,目前我们对CPI非食品环比的预测参考的高频指标仅剩下柴油零售指导价格、中药价格。
由柴油零售指导价格、中药价格这两个高频价格指标与对应非食品细项的相关性,我们可得到车用燃料、水电燃料、中药这三个细项价格环比的高频预测值。
将车用燃料、水电燃料、中药这三个细项价格环比的高频预测值与公布值历史均值的差值,按权重对非食品环比的历史均值进行修正,则得到我们“高频+均值”预测方法下的CPI非食品环比预测值。计算公式如下:
CPI非食品环比预测值=CPI非食品环比历史均值+(车用燃料价格环比高频预测值-车用燃料价格环比历史均值)*车用燃料在非食品篮子中的权重+(水电燃料价格环比高频预测值-水电燃料价格环比历史均值)*水电燃料在非食品篮子中的权重+(中药价格环比高频预测值-中药价格环比历史均值)*中药在非食品篮子中的权重。(注:非食品环比与前述食品环比一样,使用2016年权重进行了非食品环比的计算)
我们将上述“历史均值+高频”方法预测的非食品环比误差与单纯历史均值方法做了对比,发现“历史均值+高频”方法整体要更优一些。2018年1月至2019年9月,“历史均值+高频”方法预测的非食品环比误差平均值约为0.09个百分点,而单纯历史均值方法预测的非食品环比误差平均值约为0.11个百分点。
后续若能继续找到其他季节性不稳定的非食品分项的高频跟踪指标,则“历史均值+高频”方法的预测结果精度则会进一步提升。
CPI非食品分项环比预测结果
CPI非食品分项10月环比历史均值约为0.23%,根据10月高频数据,可分别测算得到柴油、中药高频数据价格环比,进而通过线性回归方法得到车用燃料、水电燃料、中药这三个细项价格10月环比预测值,再使用上述“历史均值+高频”方法可测算得到CPI非食品分项10月环比预测值约为0.2%。
同理,CPI非食品分项11月环比历史均值约为0.10%,考虑10月给11月高频数据带来的翘尾因素,假设11月5号之后柴油价格和中药价格维持不变,可分别计算得到柴油、中药高频数据价格11月环比,进而估计出车用燃料、水电燃料、中药这三个细项价格11月环比预测值,再使用上述“历史均值+高频”方法可测算得到CPI非食品分项11月环比预测值约为0.06%。
2019年12月起完全没有高频数据信息可以参考,因此我们将2019年12月至2020年12月的非食品环比均取统计局公布值过去十年历史均值作为预测值。
CPI非食品分项同比预测结果
根据上述测算的CPI非食品环比,我们采用十二个月环比累乘方法测算了未来截至2020年12月的CPI非食品价格同比走势:
整体CPI预测方法回顾
2020年整体CPI同比预测
对2020年整体CPI同比预测,一方面要充分利用当前的已知信息——翘尾因素,另一方面根据已有的信息对新涨价因素进行估计。
根据上述关于食品与非食品价格环比的预测分析,我们估计10月、11月、12月CPI食品环比分别为2.05%、2.62%、1.58%,非食品环比分别为0.20%、0.06%、0.07%,而食品与非食品在CPI篮子中的权重分别为20%和80%,因此10月、11月、12月整体CPI环比分别为0.57%、0.57%、0.38%,对应CPI同比分别为3.4%、4.3%、4.6%。
由此可估计2019年CPI全年累计同比约为2.9%,其中翘尾因素约为0.7%,新涨价因素约为2.2%。
根据2019年CPI月度走势,可计算得到2020年CPI累计同比的翘尾因素约为2.5%(若假设10月、11月、12月CPI环比为零,则翘尾因素为1.2%)。再估计2020年的新涨价因素,则2020年整体CPI同比为翘尾因素与新涨价因素之和。
我们计算了2012年以来各年份的CPI及其分项的新涨价因素,如下表所示:
2012年-2019年这八年的CPI新涨价因素平均值为1.3%,平均值低于2012、2013、2016、2019年,高于2014、2015、2017年。其中食品分项新涨价平均值为2.7%,低于2013、2016、2019年,与2012年持平,高于2014、2015、2017、2018年;非食品分项新涨价平均值为1.0%,低于2012、2017年,与2013、2016、2018年持平,高于2014、2015、2019年。
从2006年以来每年的猪肉新涨价因素来看,每当猪肉新涨价因素快速拔高超过平均值后,次一年猪肉新涨价因素基本都会低于历史平均值,进入负值区间。2019年猪肉新涨价因素约为40%,创下历史新高,按历史经验,2020年猪肉新涨价因素或低于历史平均值3.6%,但考虑到目前能繁母猪存栏量还未出现回升,因此预计猪肉新涨价因素也难以进入负值区间,我们暂时估计猪肉新涨价持平历史均值。
对比2006年以来每年的猪肉新涨价因素与剔除猪肉后的食品新涨价因素,可以发现二者并无太强的关联,特别是在猪肉价格新涨价明显上升的时候,剔除猪肉后的食品新涨价因素一般并不会在当年或次年跟着上升。因此,我们给与2020年剔除猪肉后的食品新涨价持平历史平均值的中性判断。
非食品新涨价因素水平对经济增速变化较为敏感,在经济增速下行期间,非食品分项新涨价均低于历史均值,例如2014、2015、2019年;经济企稳回升时非食品新涨价因素则会超越历史均值,例如2017年。考虑到2020年经济增长仍面临一定下行压力,因此2020年非食品新涨价因素或仍会低于历史均值1.0%,但猪肉价格上涨或带来一定的外溢影响,2020年非食品新涨价因素或高于2019年,预计2020年非食品新涨价因素约为0.9%。
根据上述分析,2020年食品新涨价因素或持平历史均值,非食品新涨价因素或低于历史均值,整体2020年CPI新涨价因素或约为1.2%,略低于历史均值。
综上,2020年CPI翘尾因素约为2.5%,新涨价因素预计约为1.2%,因此2020年全年CPI累计同比涨幅预计约为3.7%,较2019年的2.9%继续抬升0.8个百分点。
从月度走势来看,我们结合各月环比的历史均值,按照12个月环比累乘的方法计算得到2020年各个月份的CPI同比走势:呈现前高后低的格局。
猪周期演化逻辑回顾
生猪生长周期
《发展改革理论与实践》2017年9期中,杭州市物价局赵全新的文章《“猪周期”形成的原因分析与对策建议》显示,生猪生产经过繁育母猪、产仔、育肥阶段完成一个完整循环,共需要一年左右的时间。
《农业展望》2018年第11期中,陶炜煜的文章《近年来中国生猪价格周期性波动分析与展望》显示的生猪生长周期示意图如下。据此估算,国内生猪养殖过程中,从繁育母猪至母猪产崽,再到生猪出栏,时间周期合计约为120+114+21+70+70+40=435天,即约为14.5个月的时间,与赵全新的文章基本吻合。
根据陶炜煜的生猪生长周期示意图,可将整个生猪生产周期划分为以下三个重要的周期时长:
(1)繁育母猪时长约为120天,即母猪从后备母猪(仔猪)成长为可繁殖母猪所需时间约为4个月。
(2)母猪怀孕至生崽所需时长约为114天,即母猪配种后到生崽所需时间约为3.8个月。
(3)崽猪生长至可出栏的大猪时长约为21+70+70+40=201天,即崽猪从刚生下来到成长为可出栏大猪所需时间约为6.7个月。
能繁母猪存栏低点领先整体生猪存栏低点约6个月
根据wind给出的统计解释,我国生猪存栏量统计的是养大了可供应市场的活猪。而能繁母猪是指产过一胎崽猪、能够继续正常繁殖的母猪,也计入生猪存栏量统计。
由于后备母猪并不计入生猪存栏量统计,因此养殖场何时开始增加后备母猪无法在生猪存栏量统计数据上体现出来。按上述周期时长分析,当我们看到能繁母猪存栏数量有明显回升的时候,已经是养殖场增加后备母猪7.8个月时间之后了。
按上述崽猪生长至出栏的周期时长,当我们看到能繁母猪存栏数量有明显回升时,则整体生猪存栏数量或在6个月后有明显回升。在2010-2011年那轮猪周期中,我们看到能繁母猪存栏量最低点出现在2010年8月,此后能繁母猪存栏量震荡上行。而剔除了能繁母猪后的生猪存栏量则在6个月后的2011年2月达到持续上升前的最低点,与上述分析刚好吻合。
因此,能繁母猪存栏量数据是我们判断这轮猪周期猪价上升阶段何时结束的重要依据。同样举2010-2011年的猪周期例子,2010年8月能繁母猪存栏达到最低点后开始回升,6个月后,2011年2月剔除能繁母猪的生猪存栏量达到最低点,此后开始持续上升,而猪肉价格同比数据的最高点出现在2011年6月,滞后生猪存栏量持续上升前最低点约4个月时间,能繁母猪存栏量低点领先猪肉价格同比高点约10个月时间。
2018年至2019年9月,能繁母猪存栏量仍在持续回落,因此还难以判断具体的猪价同比回落时点。
但若能在年底前看到能繁母猪存栏量开始回升,则明年二季度左右剔除能繁母猪的生猪存栏量或开始进入持续上升阶段,明年四季度左右猪肉价格同比开始出现明显回落。若能繁母猪存栏量数据提前或滞后回升,则相应时间也会提前或滞后。