宏观专题研究：2019年CPI结构分析与走势预测-20190611-太平洋证券-20页.pdf

请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 2019 年 CPI 结构分析与走势预测 太平洋证券宏观专题研究 核心观点：核心观点：通胀影响所有资产价格，目前市场对通胀走势相对一致，但对其横向结构和纵向时间的预期却相对模糊。本文运用 3 种方法对我国通胀做全面的解析。一，成分合成法，主要分析对一，成分合成法，主要分析对 CPI 走势牵引最大的分项，通过各分项预测总体走势。走势牵引最大的分项，通过各分项预测总体走势。食品项和交通运输项对 CPI 的影响最大。其中食品项对 CPI 的拉动力与 CPI 走势基本一致。食品项中，猪价和菜价对 CPI 影响最大，值得注意的是，2017 年后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。未来猪价会随着猪周期上扬而上扬，菜价或依然延续其季节性规律。根据测算，2019 年年 CPI 整体呈上行趋势，整体呈上行趋势，9-10 月或为全年高点（月或为全年高点（2.9%左右），左右），CPI 在在 11-12 月或季节性下降。月或季节性下降。二，环比均值法，运用二，环比均值法，运用 CPI 环比数据的季节性性特征推测总体。环比数据的季节性性特征推测总体。CPI呈现出明显的波动规律：1-2 月 CPI 环比增速较高，3 月大幅回落，4月小幅上升，5 月环比下滑，6-9 月逐渐上升，10-11 月环比增速回落，12 月有所反弹。首先运用环比和同比的关系推测下月 CPI 数据，之后在本月基础上外推下月，可以得到 2019 年全年的 CPI 预测值。根据预测，今年根据预测，今年 8-10 月月 CPI 同比将会大概率上涨。同比将会大概率上涨。三，向量自回归模型，三，向量自回归模型，CPI 与猪肉、鲜菜、油价、与猪肉、鲜菜、油价、M1 增速和增速和 CPI做五变量向量自回归模型来拟合与估计做五变量向量自回归模型来拟合与估计 CPI 同比走势。同比走势。其中，油价用进口价格指数代替。根据模型，计算 CPI 下月数据，之后逐步外推。值得注意的是，环比均值法和向量自回归模型参考历史数据程度较大，而随着历史参考性减弱，预测参考性下降。从需求端来看，受到未来全球通胀下行以及国内经济增长放缓的影响，中国并不具备持续高通胀的基础。综合以上综合以上三种方法，三种方法，5 月月 CPI 在在 2.65%-2.7%左右，左右，9-10 月为全年高点，月为全年高点，11-12 月季节性下降。月季节性下降。风险提示：风险提示：模型失效风险。宏观研究报告宏观研究报告 证券分析师：杨晓证券分析师：杨晓 电话：010-88325259 E-MAIL： 执业资格证书编码：S1190518090004 电话：15810801367Table_Message 2019-06-11 宏观研究报告 宏观研究报告宏观研究报告 太平洋证券股份有限公司证券研究报告宏观研究报告宏观研究报告 P220192019 年年 CPICPI 结构分析与走势预测结构分析与走势预测 请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 目录 目录 一、成分合成法.4（一）、CPI 最大牵引项：食品项和交通项.4（二）、食品项：2017 年后菜价对食品项的影响超过猪价.7 1、2017 年后菜价影响超过猪价.7 2、未来猪周期崛起&菜价依然季节性波动.8（三）、交通项：略滞后于油价.10（四）、除食品项和交通项：拉动力相对稳定.11（五）、预测 CPI：成分合成法.13 二、环比均值法.15 三、向量自回归模型.16 四、CPI 的基本面支撑.18 五、CPI 预测结论.19 宏观研究报告宏观研究报告 P2 20192019 年年 CPICPI 结构分析与走势预测结构分析与走势预测 请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 图表目录图表目录 图 1 CPI 同比和食品烟酒项拉动同步性强.5 图 2 CPI 同比和交通项拉动相对同步.6 图 3 CPI 同比和衣着项等相关性不强.6 图 4 2017 年后 CPI 和猪肉拉动同步性减弱.7 图 5 2017 年后食品项拉动主要与菜价拉动同步.8 图 6 超长经济周期带来超长猪周期.9 图 7 猪周期已经开启.9 图 8 菜价季节性规律明显.10 图 9 交通项同比滞后油价同比.11 图 10 衣着、生活用品和其他用品三项拉动较小且稳定.12 图 11 居住、教育和医疗三项拉动较大且相对稳定.12 图 12 医疗较居住和教育拉动波动性大.13 图 13 2019 年 CPI 或在 9-10 月达到高位.14 图 14 2013-2019 年 CPI 月度环比数据.15 图 15 向量自回归模型 CPI 预测值与实际值比较.18 图 16 中国、美国和欧元区 CPI 走势对比.19 表 1：CPI 各分项的权重和拉动情况.5 表 2：菜价 9-10 月同比增速较高.10 表 3：2019 年 CPI 预测区间.14 表 4：2019 年 CPI 同比预测值.16 4 通胀影响所有资产价格，目前市场对通胀走势相对一致，但对其横向结构和纵向时间的预期却相对模糊。本文运用 3 种方法对我国通胀做全面的解析。第一，成分合成法，第一，成分合成法，主要分析对主要分析对 C CPIPI 走势牵引最大的分项走势牵引最大的分项，通过各分项预测总，通过各分项预测总体走势。体走势。食品项和交通运输项对 CPI 的影响最大。其中食品项对 CPI 的拉动力与 CPI走势基本一致。食品项中，猪价和菜价对 CPI 影响最大，值得注意的是，2017 年后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。未来猪价会随着猪周期上扬而上扬，菜价或依然延续其季节性规律。根据测算，2019 年 CPI 整体呈上行趋势，9-10 月或为全年高点（2.9%左右），CPI 在 11-12 月或季节性下降。第二，第二，环比均值法环比均值法，运用运用 C CPIPI 环比数据的季节性性特征推测总体环比数据的季节性性特征推测总体。CPI 呈现出明显的波动规律：1-2 月为 CPI 环比增速较高，3 月大幅回落，4 月小幅上升，5 月环比下滑，6-9 月逐渐上升，10-11 月环比增速回落，12 月有所反弹。运用环比和同比的关系推测下月 CPI 数据，之后将在本月基础上外推下月，可以得到 2019 年全年的 CPI预测值。根据预测，今年 8-10 月 CPI 同比将会大概率上涨。第三，第三，向量自回归模型，向量自回归模型，CPICPI 与猪肉、鲜菜、油价与猪肉、鲜菜、油价、M1M1 增速增速和和 C CPIPI 做做五变量向五变量向量自回归模型来拟合与估计量自回归模型来拟合与估计 CPICPI 同比走势。同比走势。其中，油价用进口价格指数代替。根据模型，计算 CPI 下月数据，之后逐步外推。综合三种方法，综合三种方法，5 5 月月 C CPIPI 或为或为 2.65%2.65%-2.7%2.7%左右，左右，9 9-1010 月或为全年高点，月或为全年高点，达到达到 2 2.9%.9%左右，左右，1111-1212 月或季节性下降。月或季节性下降。值得注意的是，由于环比均值法和向量自回归模型参考历史数据程度较大，而随着历史参考性减弱，预测参考性下降。因此，成分合成法相对其他方法可信度高。此外，此外，从从需求角度需求角度来看，受到未来全球通胀下行以及国内经济增长放缓的影响，来看，受到未来全球通胀下行以及国内经济增长放缓的影响，中国并不具备持续高通胀的基础。中国并不具备持续高通胀的基础。一、成分一、成分合成法合成法 （一）、（一）、CPICPI 最大牵引项：食品项和交通项最大牵引项：食品项和交通项 从 CPI 结构来看，CPI 主要由八大项组成，2016 年统计局重新调整 CPI 权重，其中，食品烟酒（30%左右）和居住（22%左右）二者占比 50%以上，其他权重项为 5 教育文化和娱乐（12.5%）、交通和通信（10.4%）、医疗保健（10.3%）。从 CPI 的拉动项来看，食品、居住、医疗、教育和交通是主要拉动项，其他拉动力较小。因居住、医疗和教育拉动力较为稳定，食品和交通项波动较大（如下表），所以 CPICPI 主要受到食品和交通项的牵引，二者走势与主要受到食品和交通项的牵引，二者走势与 CPICPI 走势基本同步。走势基本同步。表 1：CPI 各分项的权重和拉动情况 资料来源：太平洋证券研究院 图 1 CPI 同比和食品烟酒项拉动同步性强 资料来源：Wind，太平洋研究院整理 食品烟酒食品烟酒居住居住教育文化教育文化和娱乐和娱乐交通和通交通和通信信医疗保健医疗保健衣着衣着生活用品生活用品及服务及服务其他用品其他用品和服务和服务权重占比权重占比%30.022.012.510.410.36.75.03.0拉动力拉动力%22.425.613.82.325.14.82.63.4拉动力方差拉动力方差0.620.100.070.170.150.020.020.04 6 图 2 CPI 同比和交通项拉动相对同步 资料来源：Wind，太平洋研究院整理 图 3 CPI 同比和衣着项等相关性不强 资料来源：Wind，太平洋研究院整理 7 （二）、食品项：（二）、食品项：2 2017017 年后菜价对食品项的影响超过猪价年后菜价对食品项的影响超过猪价 1 1、2 2017017 年后菜价影响超过猪价年后菜价影响超过猪价 2013 年之前，猪价波动较大且与 CPI 相关性较强，2013-2016 年猪价波动幅度减小，对应 CPI 相对稳定。2017 年猪价大幅下行，但 CPI 并未出现大幅下行趋势，而是相对稳定，这背后主要受到菜价的影响。如下图，2 2017017 年年，后菜价相对于猪价来后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。说，与食品项的同步性更强，影响力度更大。图 4 2017 年后 CPI 和猪肉拉动同步性减弱 资料来源：Wind，太平洋研究院整理 8 图 5 2017 年后食品项拉动主要与菜价拉动同步 资料来源：Wind，太平洋研究院整理 2 2、未来、未来猪周期崛起猪周期崛起&菜价菜价依然季节性依然季节性波动波动 经济周期影响猪周期而不是相反。经济周期影响猪周期而不是相反。猪价和CPI 和经济周期的关系应该是被动的，经济周期影响猪价波动，本轮超长猪周期也是受到超长经济周期的影响。2015 年以来的经济周期受到房地产周期厚尾现象的影响，形成超长经济周期和猪周期。猪价和经济周期先行指标（房地产销售）相对同步，2016 年房地产去库存和棚改货币化导致三四线及以下城市销售出现厚尾现象，考虑到三四线及以下城市商品房销售占全国 65%-70%，因此导致整个房地产周期和经济周期出现厚尾现象。目前猪周期已经开启，加之受到非洲猪瘟和基数较低等因素影响，本轮猪周期目前猪周期已经开启，加之受到非洲猪瘟和基数较低等因素影响，本轮猪周期猪价的增猪价的增速或相对较高。速或相对较高。2009 年-2018 年有 3 轮完整猪周期，鉴于 2012 年猪周期并不明显，因此本轮猪周期可以参考 2010 年和 2015 年的猪周期走势。9 图 6 超长经济周期带来超长猪周期 资料来源：Wind，太平洋研究院整理 图 7 猪周期已经开启 资料来源：Wind，太平洋研究院整理 蔬菜价格存在明显季节性规律。蔬菜价格存在明显季节性规律。由于菜篮子产品批发价格 200 指数公布时间序列数据相对较短，从前海农产品批发价格指数和 28 种重点监测蔬菜批发价格来看，菜价一般在 1-5 月有上行趋势，6 月大幅下行，7-10 月明显上行，9 月达到高点，11-12 10 月再次回落。图 8 菜价季节性规律明显 资料来源：Wind，太平洋研究院整理 表 2：菜价 9-10 月同比增速较高 资料来源：太平洋证券研究院（三）、交通项：略滞后于油价（三）、交通项：略滞后于油价 交通项主要受到油价影响，交通项同比一般滞后油价同比交通项主要受到油价影响，交通项同比一般滞后油价同比 2 2 个月左右。个月左右。前海农产品批发价格前海农产品批发价格%28种重点监测蔬菜种重点监测蔬菜%菜篮子产品批发价格菜篮子产品批发价格200%1月0.781.032.332月3.762.984.003月2.587.015.384月3.983.545.285月2.624.425.036月1.94-0.45-0.377月4.902.95-1.308月5.414.48-1.139月8.236.081.8310月8.163.654.7711月4.910.353.5312月4.10-0.022.17 11 图 9 交通项同比滞后油价同比 资料来源：Wind，太平洋研究院整理（四）、除食品项和交通项：拉动力相对稳定（四）、除食品项和交通项：拉动力相对稳定 衣着、生活用品和其他用品三项拉动力较小且波动较小，三者对衣着、生活用品和其他用品三项拉动力较小且波动较小，三者对 C CPIPI 的拉动力的拉动力之和一般在之和一般在 0.0.2 2-0.240.24 个百分点之间。个百分点之间。由上文可知，三者拉动力的方差分别为 0.02、0.02和 0.04。我们假设未来这三项的拉动力维持在0.2,0.24区间。居住、教育和医疗三项拉动力较大，但是波动较低，其中居住和教育项拉动力相对稳定，医疗项拉动力波动相对略大。由上文可知，三者拉动力的方差分别为 0.1、0.07 和 0.15，而相比食品项拉动力方差为 0.62。因此，我们假设居住和教育维持历史拉动力水平。医疗项未来医疗项未来或呈缓慢上升趋势或呈缓慢上升趋势。医疗主要分为西药、中药和医疗保健，西药由于受到政策因素影响，全国招标价格已经明显回落。中药有缓慢上升趋势。医疗保健未来仍呈现上涨趋势，但涨势或相对平缓。12 图 10 衣着、生活用品和其他用品三项拉动较小且稳定 资料来源：Wind，太平洋研究院整理 图 11 居住、教育和医疗三项拉动较大且相对稳定 资料来源：Wind，太平洋研究院整理 13 图 12 医疗较居住和教育拉动波动性大 资料来源：Wind，太平洋研究院整理（五）、预测（五）、预测 C CPIPI：成分合成法：成分合成法 如上文所述，CPI 主要受到食品项和交通项牵引，食品项主要受到菜价和猪价影响，交通项主要受油价影响。CPI 预测方法按照以上思路，食品项中，猪价跟随猪周期向上，菜价走势符合季节性。未来随着全球经济放缓，交通项或跟随油价下行。此外，衣着+生活用品+其他用品三项对 CPI 拉动比较稳定，保持在 0.2-0.24 区间内。居住+教育+医疗三项对 CPI 拉动相对稳定，其中，居住和教育稳定性高，医疗根据分项来看，未来中药和医疗保健价格呈缓慢上升趋势，西药价格有一定下降空间。根据以上方法计算 CPI 各分项对 CPI 的拉动力，预测 2019 年 CPI 走势。2 2019019 年年 C CPIPI 整体呈上行趋势，整体呈上行趋势，9 9-1010 月或为全年高点（月或为全年高点（2 2.9.9%左右），主要受到菜价左右），主要受到菜价季节性上行和猪价整体上行影响。季节性上行和猪价整体上行影响。C CPIPI 在在 1 11 1-1212 月或季节性下降。月或季节性下降。14 表 3：2019 年 CPI 预测区间 资料来源：太平洋证券研究院 图 13 2019 年 CPI 或在 9-10 月达到高位 资料来源：Wind，太平洋研究院整理 食品食品居住居住+教育教育+医疗医疗交通交通衣着衣着+生活用生活用品品+其他用品其他用品CPI-1CPI-21月0.611.07-0.140.201.741.742月0.371.08-0.130.231.551.553月1.041.040.010.242.332.334月1.401.02-0.050.202.572.575月1.321.19-0.070.2,0.242.652.696月1.231.21-0.060.2,0.242.592.637月1.291.24-0.050.2,0.242.682.728月1.271.26-0.040.2,0.242.692.739月1.371.28-0.020.2,0.242.832.8710月1.361.31-0.030.2,0.242.852.8911月1.161.29-0.050.2,0.242.602.6412月0.961.27-0.010.2,0.242.432.47 15 二、环比均值二、环比均值法法 C CPIPI 月度环比数据具有显著的季节性特征。月度环比数据具有显著的季节性特征。CPI 结构中权重较高的食品价格受到天气、养殖周期、节假日等因素影响呈现出明显的波动规律，从近几年数据来看，CPI 环比大致呈现以下规律：1-2 月为 CPI 环比增速较高，3 月大幅回落，4 月小幅上升，5 月环比下滑，6-9 月逐渐上升，10-11 月环比增速回落，12 月有所反弹。值得值得注意的是，注意的是，近来近来环比均值法的历史参考性环比均值法的历史参考性走弱。走弱。近几年 CPI 月度环比数据显著的季节性特征可能取决于近年来相对较为稳定的宏观经济环境与市场环境，鉴于近期宏观经济环境以及猪肉、蔬菜、水果对 CPI 影响较大的商品市场环境出现较大波动，此方法对 CPI 的预测会有一定偏差。图 14 2013-2019 年 CPI 月度环比数据 资料来源：Wind，太平洋研究院整理 以 2013-2018 年各月 CPI 的月度环比均值作为 2019 年 CPI 月度环比的预测值，通过 CPI 同比与环比数据之间的关系，可以计算出 2019 年各月 CPI 同比预测值。2013-2018 年 CPI 五月的环比均值为-0.23%，设 2018 年 4 月 CPI 指数为 100，则 2018 16 年 5 月 CPI 指数为 99.8，2019 年 4 月 CPI 指数为 102.5，2019 年五月 CPI 预测指数为102.5*（100-0.23）%=102.26，2019 年 5 月 CPI 同比上涨应为 102.26/99.8-1=2.47%按照此方法预测，2019 年 5 月 CPI 约为 2.5%，考虑到今年 5 月猪价、菜价以及鲜果价格同比均大幅上涨的反常情况，本方法或对 CPI 有一定低估。之后将在本月基础上外推下月，可以得到 2019 年全年的 CPI 预测值。表 4：2019 年 CPI 同比预测值 资料来源：太平洋证券研究院，Wind 预测结果显示，2019 年 5-7 月 CPI 同比将继续保持在 2.3%以上，并在 8-10 月份下降。通过对比往年数据发现，2018 年 8-10 月 CPI 环比为近十年来最高值，因而使用近几年 CPI 环比均值作为今年 CPI 环比预测值可能会导致对今年 8-10 月 CPI 同比的低估。进一步研究发现，2018 年 8-10 月食品项中波动最大的猪价同比大幅下跌，同时菜价同比与往年相差不大，鉴于今年三月猪价已开始止跌回升，菜价受到季节性因素影响今年 8-10 月也将上涨，综上所述，今年 8-10 月 CPI 同比将会大概率上涨。三、三、向量自回归向量自回归模型模型 CPICPI 不仅与猪肉、鲜菜价格不仅与猪肉、鲜菜价格高度相关高度相关，而且受到油价与而且受到油价与 M1M1 增速的影响，据此增速的影响，据此可可建立建立五变量向量自回归模型五变量向量自回归模型来拟合与估计来拟合与估计 CPICPI 同比走势。同比走势。向量自回归（VAR）模型是一种常用的计量经济模型，该模型把系统中每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，从而将单变量回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR 模型被广泛用于多 17 个相关经济指标的分析与预测，此方法通过对多个变量的回归分析可以较好的拟合历史数据，增加变量个数或样本时间跨度时能够显著提高拟合精确度。然而随着拟合精确度的提高，模型对于异常情况的预测能力会有所下降，甚至产生过拟合情况。选择对 CPI 影响更明显的进口价格指数同比替代油价，以 CPI 同比、猪肉价格同比（PIG），鲜菜价格同比（VEG）、进口价格同比（IPT）和 M1 同比增速构建五变量的向量自回归模型，假设这五个变量中的每一个都是全部变量 2 阶滞后值的线性函数，可以得到每个变量的函数表达式。以 CPI 和猪肉价格同比（PIG）为例，其表达式分别为：=11+22+31+42+51+62+71+82+911+1012+11=11+22+31+42+51+62+71+82+911+1012+11 即下月 CPI 同比、猪肉价格同比（PIG）等指标均为本月和上月 CPI 同比、猪肉价格同比（PIG）、鲜菜价格同比（VEG）、进口价格同比（IPT）以及 M1 增速的线性函数。以 2005 年 1 月至 2019 年 4 月数据为样本，将五个线性回归方程进行联立估计，可以得到1、1等参数的估计值，进而可以对 CPI 进行估计与预测。18 图 15 向量自回归模型 CPI 预测值与实际值比较 资料来源：Wind，太平洋研究院整理 使用该模型对 CPI 进行估计，结果显示 CPI 序列的 R2值为 0.942，表明模型对CPI 的拟合程度较高，用 2019 年 3、4 月的 CPI 同比、猪肉价格同比、鲜菜价格同比、进口价格同比以及 M1 增速分别乘以模型估计出的系数并加总，可以进一步估计 2019年5月CPI同比增速在2.3%左右。由于本模型样本时间跨度较长且历史参考性减弱，因而实际 CPI 同比可能会与 2.3%的预测值有一定差距。四四、CPICPI 的的基本面支撑基本面支撑 短期来看，中国 CPI 同比或将维持在 2.5%以上较高水平，但从长期来看却并不但从长期来看却并不具备持续高通胀的经济基础。具备持续高通胀的经济基础。全球角度来看，全球经济不支撑中国通胀大幅上行。全球角度来看，全球经济不支撑中国通胀大幅上行。中国通胀趋势与世界上几大主要经济体的通胀趋势相关性较高。在未来全球通胀下行的大环境影响下，中国也难以维持长期的高通胀水平，如油价下跌则交通通信项则拖累 CPI。国内角度来看，国内角度来看，经济经济下行压力下行压力仍仍在。在。根据我们的经济周期模型，本轮经济周期或将于 3 3 季度末或者 4 季度出现拐点，未来或在低增长区间。目前中国经济下行压力 19 并未消除，总需求放缓也难以支撑长期的高通胀。图 16 中国、美国和欧元区 CPI 走势对比 资料来源：Wind，太平洋研究院整理 五、五、CPICPI 预测结论预测结论 综合综合以上以上三种方法，三种方法，运用成分合成法预测运用成分合成法预测 CPICPI 的可信度较高。的可信度较高。成分合成法参考最新猪价、菜价和油价等权重指标变化，能够“与时俱进”的预测下期通胀走势。环比均值法和向量自回归模型参考历史数据程度较大，随着时间跨度增加，这两种方法预测参考性下降。后两种方法有助于理解历史走势，以及分析最新走势背后的逻辑。综上，综上，5 5 月月 C CPIPI 约约为为 2.65%2.65%-2.7%2.7%左右，左右，9 9-1010 月或为全年高点，月或为全年高点，达到达到 2 2.9%.9%左右，左右，1111-1212 月季节性下降。月季节性下降。20 研究院研究院 中国北京 100044 北京市西城区北展北街九号 华远企业号 D 座 电话：(8610)88321761 传真：(8610)88321566 重要声明重要声明 太平洋证券股份有限公司具有证券投资咨询业务资格，经营证券业务许可证编号 13480000。本报告信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证。负责准备本报告以及撰写本报告的所有研究分析师或工作人员在此保证，本研究报告中关于任何发行商或证券所发表的观点均如实反映分析人员的个人观点。报告中的内容和意见仅供参考，并不构成对所述证券买卖的出价或询价。我公司及其雇员对使用本报告及其内容所引发的任何直接或间接损失概不负责。我公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行业务服务。本报告版权归太平洋证券股份有限公司所有，未经书面许可任何机构和个人不得以任何形式翻版、复制、刊登。任何人使用本报告，视为同意以上声明。扫码关注：金融干货精选获取更多干货资料