2022-12-15-IMF-A_Bottom-Up_Reduced_Form_Phillips_Curve_for_the_Euro_Area_46页_2mb

总结：A Bottom-Up Reduced Form Phillips Curve for the Euro Area

核心内容

本文由Thomas McGregor和Frederik Toscani撰写，探讨了欧元区通货膨胀的自下而上（bottom-up）简化形式菲利普斯曲线模型。该模型基于七个核心通货膨胀分项的增强型菲利普斯曲线以及非核心项目的辅助回归，旨在提高对欧元区通货膨胀的预测准确性和对驱动因素的理解。

主要观点

• 自2020年初新冠疫情爆发以来，欧元区的通货膨胀发展出乎意料，尤其是能源和食品价格的上涨对通货膨胀产生了显著影响。
• 自下而上的菲利普斯曲线模型在预测表现上优于传统的自上而下模型和简单的自回归模型，尤其是在预测整体通货膨胀（headline inflation）方面。
• 国际能源和食品价格解释了2022年第二季度通货膨胀上升的75%（整体）和30%（核心），经济 slack 和通胀预期分别解释了**10%和20%**的上升。约三分之一的上升仍未被模型解释。
• 模型不确定性很高，尤其是在2024年底的预测中，核心通胀的置信区间可达4个百分点。
• 本文提出，自下而上的方法可以作为预测工具箱的有用补充，特别是在当前存在行业冲击的环境下，它能提供更详细的传导机制，并允许预测者在结构化框架中应用判断。

关键信息

模型结构

• 将HICP（调和消费者价格指数）篮子分为两类：
  • 非核心项目：能源（包括燃料、天然气和电力）和未加工食品。
  • 核心项目：加工食品、耐用消费品、半耐用品和非耐用品、住房服务、娱乐服务（不含包价假期和住宿）、运输服务和其他服务。
• 每个核心分项的模型基于增强型菲利普斯曲线，并引入额外的解释变量。
• 非核心项目则通过国际商品价格建模，因为它们与欧元区 slack 的联系有限。

菲利普斯曲线方程

$$
\pi_t^i = \rho \pi_{t-1}^i + \beta_1 \tilde{y}_t + \beta_2 mp_t + \beta_3 E\pi^{LR} + \beta_4 cp_yoy_t + \varepsilon_t^i \qquad [1]
$$

其中：

• $\pi_t^i$ 表示第 $t$ 期每个核心HICP分项的年同比通货膨胀。
• $\tilde{y}_t$ 是经济 slack 的衡量。
• $mp_t$ 是非能源制造业进口价格的年同比变化。
• $E\pi^{LR}$ 是长期通胀预期。
• $cp_yoy_t$ 是相关商品价格指数的年同比变化。

经济 slack 的测量

• 探讨了六种不同的经济 slack 测量方法，包括失业缺口、产出缺口、广义劳动力市场缺口、工作小时缺口、影子失业缺口和职位空缺与失业率缺口。
• 在疫情前，这些 slack 测量方法之间的相关性很高（平均0.9，最高达0.97）。
• 疫情后，这些测量方法表现出不同的动态，表明测量 slack 的复杂性增加。
• 由于数据可用性限制，最终采用职位空缺与失业率缺口作为首选 slack 测量指标，因其在最近几个季度中表现出更好的预测性能。

预测表现

• 在疫情前（2002-2019），slack 测量方法对预测误差的影响不大。
• 2020年以来，使用不同的 slack 测量方法会导致显著的预测误差差异。
• 职位空缺与失业率缺口在2021和2022年表现最佳，在2020年表现第二好。
• 模型预测误差（RMSE）在2022年达到峰值，显示出高度的不确定性。

通胀驱动因素

• 能源和食品价格是近期通胀上升的主要驱动力。
• 经济 slack和通胀预期对核心和整体通胀也有显著影响。
• 仍有约三分之一的通胀上升未被模型解释，这可能与以下因素有关：
  • 测量 slack 的挑战。
  • 政策变化，如能源价格传导的限制措施。
  • 能源价格传导中的非线性效应。
  • 供给侧冲击。

预测情景

• 模型用于探索未来两年欧元区通胀的几种情景。
• 不同情景下的通胀路径存在高度不确定性，特别是到2024年底，核心通胀的置信区间可达4个百分点。
• 这表明通胀压力可能不会迅速消退。

结论

• 自下而上的菲利普斯曲线模型在预测表现上优于传统的自上而下模型，尤其是在疫情和能源冲击之后。
• 该模型有助于更好地理解通胀驱动因素，并提供一个结构化的框架来应用判断。
• 尽管模型仍存在未解释的误差，但其在当前环境下显示出显著的价值。

模型的局限性

• 纯模型预测可能无法捕捉所有通胀变动。
• 行业冲击和供给侧因素对通胀的影响显著，需结合经验判断。
• 数据可用性限制了某些 slack 测量方法的应用，尤其是早期数据缺失。

参考文献与数据来源

• 所有数据来自Eurostat、ECB和IMF数据库。
• 本文基于**Abdih et al. (2018)**的模型进行构建和比较。

附录与方法细节

• 模型构建基于理论、实证表现和判断的平衡。
• 模型的预测性能在伪外样本中得到了验证。
• 模型的扩展包括非核心项目的辅助回归，以捕捉其对通胀的影响。

关键数据摘要

注：所有数据基于HICP分项的年同比变化。