广发宏观：名义GDP的周度估算

识别风险，发现价值 请务必阅读末页的免责声明 1 / 38 Xml [Table_Page] 宏观经济研究报告 2023 年 12 月 29 日 证券研究报告 [Table_C ontacter] 本报告联系人： [Table_Title] 广发宏观 名义 GDP 的周度估算 [Table_Author] 分析师： 郭磊 分析师： 陈礼清 SAC 执证号：S0260516070002 SFC CE.no: BNY419 SAC 执证号：S0260523080003 021-38003572 021-38003809 guolei@gf.com.cn chenliqing@gf.com.cn 请注意，陈礼清并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管活动。 [Table_Summary] 报告摘要： ⚫ 为何要周度化名义 GDP？在前期报告《如何对 GDP 进行月度估算》中，我们分享了月度 GDP 模拟的方法，但无论是季度还是月度，实际上都是对前期经济认知的“确认”；而周度频率是一个形成认知的过程。名义GDP 增速是资产价格最为重要的定价锚之一，它的周度化模拟在意义上不言而喻。我们从“增长、价格”的双坐标出发，分别构造了周度价格体系、周度增长体系；通过构建高频数据与两大指标体系的回归模型，确定高频信息与 GDP 公布值之间的映射关系，进而估算周维度的名义 GDP 增速。 在前期报告《如何对 GDP 进行月度估算》中，我们测度了月度 GDP 增速。回顾 23 年，4-5 月是年内经济谷底，7 月、10 月虽有所回踩，但位置仍高于二季度，显示复苏的“U”型走势在 4-5 月进入右侧后，呈“波浪式”复苏节奏。 市场已有研究主要有两类，一则会直接跟踪种类繁多的周度、日度高频数据集合，进行边际上定性判断；二则编制更高频的经济景气指数，诸如纽约联储周度经济指数（WEI）。前者方便高效，但并没有定量估算高频数据的最终方向指引；后者虽是定量测算，但合成方法主要为反映高频数据合力方向或强度，既较难溯源、归因，也并不直接对标 GDP 增速。 我们从名义 GDP 的构成方式出发，分别构造周度价格体系——周度 CPI、周度 PPI、周度 GDP 平减指数；以及周度增长体系——工业增加值增速、周度社会消费品零售总额增速以及周度实际 GDP 增速，并通过回归模型确定高频数据与两大指标体系、GDP 季度公布值之间的映射关系，进而估算周度 GDP 增速。这一构造方式出于两点考量：一则，能兼顾增长、价格双坐标；二则，便于层层溯源，辨识周度 GDP 增速主要是实际增长、价格哪个细分层面的贡献。 ⚫ 如何构建周度指标体系？我们的估算方式可以简单总结为“先环比，后同比”，“先低频，后高频”。前者指先估计出高频数据预测目标指标的环比或者同比变动，再用环比或同比变动推演同比；后者指先利用“低频数据建模定权重”，然后利用“高频数据交乘权重”得到原低频指标在高频维度上的估计值。为了更简洁明晰，我们用 2023 年 12 月的数据模拟当作案例。 “先环比，后同比”是指对于波动相对温和、底层高频数据涵盖方面较全面的价格类指标，先估计出 CPI、PPI 环比，再将环比复原成同比增速；而对于底层可跟踪的高频数据波动较大，并且所提示的方向、涵盖的范围只涉及目标指标的部分方面，如工业增加值增速、社零增速，先构建扩散指数，估计指标未来同比变动，再将指标复原成同比增速。 “先低频，后高频”是指先用月度化后的高频数据环比与月度 CPI、PPI 环比等建模，得到月度层面上高频指标与 CPI、PPI 的映射关系。假设是在低频数据时间单位内部，高频数据与低频数据的映射关系保持稳定。月度模型估计出的系数可以用于周度拟合。 识别风险，发现价值 请务必阅读末页的免责声明 2 / 38 [Table_PageText] 宏观经济研究报告 ⚫ 我们先在价格体系下估算周度 CPI、PPI，进而估算“周度 GDP 平减指数”。12 月前三周 CPI 周同比增速分别为-0.45%、-0.38%、-0.30%，CPI周度降幅逐步收窄；PPI分别为-2.61%、-2.2%、-2.73%，仍处于徘徊期，但与 11 月的月内四周相比有一定的企稳信号。在季度颗粒度之下，四季度 GDP 平减指数预计会较三季度小幅下行；而周度维度，GDP 平减指数 10 月下行，11 月第一周触底，第二周后开始逐步回升；12 月则逐周有所回踩。 CPI、PPI 估算流程均按照先利用“月均化后的高频数据”与 CPI、PPI 环比进行 ARDL 回归，剥离出高频指标与 CPI、PPI 月环比之间的关系；再利用估计系数交乘周度高频数据环比值，得到周度环比，最后将 CPI、PPI 周度环比还原成周度同比。 但细节处理上，CPI 和 PPI 有较大不同。CPI 按照“准核心 CPI”、“交通通信类 CPI”以及“食品类 CPI”进行估算，主要因为 CPI 底层高频指数指向的行业相对独立，CPI 各分项权重又相对稳定。而 PPI 按照“油、动力煤、螺纹钢、铜、铝、化工”五项高频指标环比对整个 PPI 环比进行预测，主因 PPI 主要由五大类能源工业品价格驱动，并且五大品类对应 PPI 不止一个行业，而是商品价格在多个行业中相互交织反映。 自 2015 年以来，CPI 环比预测除在疫情期间以外，预测误差基本在±0.3%以内；PPI 预测误差则基本在±1%以内。12月前三周高频数据提示，CPI、PPI的 12月环比分别为+0.12%、-0.11%（11月为-0.5%、-0.30%）；CPI、PPI 同比分别为-0.36%、-2.62%（11 月为-0.5%、-3.0%）。 周维度，12 月前三周，与周度高频数据所对应 CPI 周同比增速分别为-0.45%、-0.38%、-0.30%，虽与 11 月的相比仍属于低位徘徊阶段，但已显现逐步企稳迹象。PPI 分别为-2.61%、-2.2%、-2.73%，同样与 11 月的月内四周相比（-3.20%、-3.13%、-3.08%、-2.56%）释放企稳信号。 由于平减指数季频公布，我们分别构造了季度模型、月度模型以及周度模型。在 23 年 12 月 CPI 同比-0.36%、PPI 为-2.62%的假设下（对应 23Q4CPI 同比为-0.35%、PPI 同比为-2.74%），预计 23Q4GDP 平减指数当季同比为-1.4%，较三季度小幅走弱（23Q3 为-0.84%）。月度模型显示，23 年 10-12 月 GDP 平减指数分别为-0.86%、-1.71%、-1.58%，季度均值为-1.39%。月度节奏上，11 月是平减指数的回踩期，12 月已有所企稳。周度模型下，GDP平减指数10月下行，11月第一周触底，第二周后开始逐步回升；12月则逐周有所回踩（11月平减指数 4 周分别为-1.56%、-1.46%、-1.17%、-1.06%；12 月前三周分别