布鲁盖尔-Developing-an-underlying-inflation-gauge-for-China_24页_3mb

报告摘要

总结：Developing an Underlying Inflation Gauge for China

核心内容

本文提出了一种新的中国基础通货膨胀指标（Underlying Inflation Gauge, UIG），旨在为货币政策制定者和市场参与者提供一个更稳定、更具信息量的通胀信号。传统CPI和核心通胀指标存在短期波动大、数据集狭窄、发布频率低等问题，而基于市场的通胀指标（如TIPS隐含通胀）又缺乏透明度和可解释性。本文通过构建一个动态因子模型（Dynamic Factor Model, DFM），结合广泛的数据集和频率滤波方法，提出了一个能够区分趋势与噪音的UIG指标，适用于中国这一新兴市场国家。

主要观点

传统CPI指标的问题：
头部CPI指标存在明显的短期波动，难以区分临时噪音与趋势变化；未包含可能影响通胀的其他变量（如失业率、经济 slack）；发布频率为月度，无法满足快速变化时期的需求。
核心通胀指标的局限性：
核心通胀指标（如CPI_nf和CPI_nfe）虽然减少了波动，但可能忽略重要信息，且未能充分利用所有可用数据。
市场指标的不足：
基于TIPS的隐含通胀指标虽可每日发布，但其使用的数据集和权重不透明，难以评估其准确性。
UIG的优势：
UIG通过动态因子模型，能够提取长期趋势成分，减少噪音，同时保留广泛变量的信息。它每日更新，具备更高的信息含量和稳定性，优于传统核心指标。
模型方法：
UIG基于Forni et al (2000)提出的广义动态因子模型，结合傅里叶变换以滤除短期波动，从而获得更平滑的通胀信号。
数据集特点：
包含473个变量，涵盖价格、经济活动、劳动力市场、货币与信贷、金融市场等五个主要类别。部分变量为季度或日频，且未进行季节调整，但通过桥接方程处理了部分缺失值。
样本选择：
样本起始于2001年1月，考虑到数据可用性、质量及中国通胀机制的结构性变化。此时期之后的通胀波动较小，更接近当前的市场机制。
模型参数设定：
UIG的平滑程度由滤除的频率带宽决定，本文设定为12个月以下的周期作为噪音。此设定基于政策传导的滞后性、国际经验及对信息损失的评估。同时，选择2个因子以反映实际与名义经济力量，且其对结果影响有限。

关键信息

UIG的构造方法：
UIG基于广义动态因子模型，通过傅里叶变换提取长期趋势成分，以区分通胀的噪音与趋势。
数据集组成：
- 价格类：CPI、PPI、RPI、CGPI、进出口价格指数等
- 经济活动类：工业增加值、投资、零售销售、住户与企业调查等
- 劳动力市场类：平均工资、总工资、就业、失业等
- 货币与信贷类：货币供应量、银行贷款、存款等
- 金融市场类：利率、汇率、股票指数等
- 国际商品价格及主要贸易伙伴数据
频率带宽选择：
- 排除3个月以下、6个月以下、12个月以下、24个月以下、36个月以下的周期，分别对应不同平滑程度的UIG。
- 排除12个月以下的周期可保留80%以上的CPI波动，而排除更长周期会导致信息损失。
因子数量选择：
- 选择2个因子，分别反映实际和名义经济力量。
- 选择更多因子对结果影响有限，因此采用2因子模型以保证模型的简洁性。
模型表现：
- UIG在预测CPI方面优于传统核心通胀指标。
- 通过对比完整数据集与剔除部分短系列数据集，发现UIG信号相似，表明模型稳健。
研究意义：
- 本文是首个将动态因子模型应用于新兴市场国家（中国）通胀研究的尝试。
- 提供了一个新的补充通胀信号，有助于更准确地评估通胀趋势，为政策制定和市场预测提供支持。

结构与方法

模型选择：
采用Forni et al (2000)的广义动态因子模型，通过傅里叶变换滤除短期波动。
数据处理：
- 数据集包含473个变量，时间跨度为2001年1月至2012年6月。
- 部分短系列数据通过桥接方程进行填补，以保证数据完整性。
实证分析：
- 通过比较不同频率带宽和因子数量下的UIG，发现12个月以下周期的UIG在保留信息和减少波动方面表现最佳。
- 2因子模型在统计特性上表现良好，且对结果影响有限。