宏觀研究-廣發(fā)宏觀：社會(huì)消費(fèi)品零售總額如何預(yù)測(cè)？-廣發(fā)證券郭磊,陳禮清-20230903

ml發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值廣發(fā)宏觀社廣發(fā)宏觀社會(huì)消費(fèi)品零售總額如何預(yù)測(cè)？SFCCEnoBNY41903572leigfcomcn03809liqinggfcomcn請(qǐng)注意，陳禮清并非香港證券及期貨事務(wù)監(jiān)察委員會(huì)的注冊(cè)持牌人，不可在香港從事受監(jiān)管活動(dòng)。報(bào)告摘要：?社會(huì)消費(fèi)品零售總額不能反映消費(fèi)全貌，它主要反映實(shí)物商品消費(fèi)，以及餐飲等少部分服務(wù)類消費(fèi)；GDP口徑下的消費(fèi)要涵蓋更全。但我們可以把社會(huì)消費(fèi)品零售總額視為消費(fèi)的一個(gè)“大樣本”，對(duì)于衡量消費(fèi)變動(dòng)來(lái)說(shuō)，社零是一個(gè)重要的觀測(cè)坐標(biāo)。P獻(xiàn)來(lái)自這一部分。但這一口徑公布頻率以年為單位，并不利于市場(chǎng)跟蹤。社會(huì)零售總額口徑最窄，只包含商品流通最終環(huán)節(jié)的實(shí)物商品消費(fèi)以及少部分餐飲服務(wù)消費(fèi)，并不包含任何生產(chǎn)資料消費(fèi)支出。但這一指標(biāo)一勝在?社會(huì)消費(fèi)品零售總額如何預(yù)測(cè)？歷史上一種常用的方法是利用季節(jié)性推算。相比其他經(jīng)濟(jì)數(shù)據(jù)，社零年內(nèi)波環(huán)比季節(jié)性均值來(lái)對(duì)社零做出預(yù)測(cè)。過(guò)去三年疫情期間，因?yàn)榫用裆畎霃酱嬖谕馍蛩赜绊懀竟?jié)性一定程度上被打破，尤其是2020年和2022年；2023年作為經(jīng)濟(jì)逐步正?；哪攴荩M(fèi)的季節(jié)性也在逐步修復(fù)。但客觀來(lái)看，對(duì)于恢復(fù)期中的經(jīng)濟(jì)來(lái)說(shuō)，環(huán)比季節(jié)性方法所依據(jù)的“平穩(wěn)”和“復(fù)現(xiàn)”在條件上能否完全滿，純利用過(guò)去三年的環(huán)比季節(jié)性推算每月社零同比增速，誤差最大也在2個(gè)百分點(diǎn)以內(nèi)。而20、22年疫情年統(tǒng)啟示。傳統(tǒng)方法建立在經(jīng)濟(jì)運(yùn)行平穩(wěn)的前提下，即消費(fèi)作為經(jīng)濟(jì)中的慢變量，波動(dòng)較小，歷史上的年內(nèi)波動(dòng)將接打破了這一方法前提假設(shè)，因而這種預(yù)測(cè)方式出現(xiàn)了階段性失靈。我們思考社零預(yù)測(cè)中可能面臨的三個(gè)問(wèn)題：二是領(lǐng)先指標(biāo)缺失。無(wú)論是PMI分項(xiàng)、消費(fèi)者信心指數(shù)，還是金融數(shù)據(jù)，都與社零更多體現(xiàn)為同步性或滯后 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39?在這樣的背景下如何預(yù)測(cè)社零？我們選擇著眼于高頻數(shù)據(jù)，因?yàn)橄啾拳h(huán)比季節(jié)性推演，基于高頻數(shù)據(jù)的預(yù)測(cè)更能捕捉疫后社零的高波動(dòng)；但我們又不希望被高頻數(shù)據(jù)的高波動(dòng)反噬，預(yù)測(cè)中融入甚至放大太多噪音。在這樣的考量下，我們繼續(xù)沿用前期報(bào)告《工業(yè)增加值如何預(yù)測(cè)》中的方法論，通過(guò)提取高頻指標(biāo)變動(dòng)信息，合成同步擴(kuò)散指數(shù)的方式來(lái)過(guò)濾高頻數(shù)據(jù)。然后再利用過(guò)濾完噪音的同步擴(kuò)散指數(shù)進(jìn)行建模，最終得到對(duì)短步擴(kuò)散指數(shù)實(shí)質(zhì)上是各類別消費(fèi)的高頻指標(biāo)每月同比增速較前值的變動(dòng)值為正的占比，提示的是當(dāng)月社零同混頻(MIDAS)回歸直接利用高頻數(shù)據(jù)建模，盡可能利用高頻信息，但預(yù)測(cè)結(jié)果單月波動(dòng)可能較大，更適合作為預(yù)測(cè)的輔助。?如何尋找能預(yù)測(cè)社零的“有效高頻數(shù)據(jù)”？我們的思路是先分類，再尋強(qiáng)相關(guān)，后看拐點(diǎn)變動(dòng)。我們將高頻指標(biāo)分類歸入餐飲收入、必需品、可選消費(fèi)-汽車、可選消費(fèi)-石油制品、可選消費(fèi)-住房類，及其他可選消費(fèi)(服裝、日用品等)五類。高頻指標(biāo)池構(gòu)建也遵循兩點(diǎn)原則，一要與社零相關(guān)，二要公布時(shí)點(diǎn)早于社零。關(guān)于相關(guān)性，我們不僅進(jìn)行了較常見的相關(guān)系數(shù)測(cè)算；還從拐點(diǎn)變動(dòng)的角度，觀察高頻指標(biāo)是否與社零具有一致的拐點(diǎn)變化。在我們看來(lái)，這兩類相關(guān)性不分軒輊。如果單純看統(tǒng)計(jì)上的相關(guān)系數(shù)，容易會(huì)被高頻數(shù)據(jù)的提示社零變動(dòng)方向的高頻指標(biāo)。I變動(dòng)同步性提升至56%。分項(xiàng)中，疫后，與社零拐點(diǎn)變動(dòng)同步性明顯提高的指標(biāo)是十大城市地鐵客運(yùn)量、百?相關(guān)系數(shù)角度，與社零同比相關(guān)度較高的高頻指標(biāo)包括十大城市地鐵客運(yùn)量、30城地產(chǎn)成交面積、乘用車銷量、電影票房、百城擁堵指數(shù)、柯橋紡織指數(shù)、生豬價(jià)格等；而有些指標(biāo)，從序列相關(guān)角度看與社零的統(tǒng)計(jì)相關(guān)性一般，但其拐點(diǎn)變動(dòng)的同步性卻不低，比如布倫特油價(jià)。相關(guān)系數(shù)角度，與社零同比相關(guān)性較高的高頻指標(biāo)依次是，乘用車當(dāng)月銷量(相關(guān)系數(shù)為0.542)、乘用車廠家零售銷量(0.485)、30大中城市商品房成交面積(0.583)、十大主要城市的地鐵客運(yùn)量(0.724)，百城擁堵指數(shù)(0.433)、當(dāng)日電影票房(0.454)、柯橋紡織價(jià)格指數(shù)(0.433)、生豬價(jià)格同比(0.434)。拐點(diǎn)變動(dòng)角度，與社零相關(guān)系數(shù)較高的指標(biāo)均有近50%的時(shí)間拐點(diǎn)變動(dòng)也與社零同比一致。此外，由于自身?我們利用高頻指標(biāo)對(duì)應(yīng)社零科目占社零整體的比重進(jìn)行了配權(quán)，合成了同步擴(kuò)散指數(shù)。社零同步擴(kuò)散指數(shù)勝發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39我們認(rèn)為高頻數(shù)據(jù)的高波動(dòng)和間接性特征決定了它們?cè)谂袛喾较蛏鲜怯行У模陬A(yù)測(cè)同比讀數(shù)上會(huì)放大誤上變動(dòng)。余發(fā)生在年中附近。II構(gòu)建了基于高頻信息的ARDL預(yù)測(cè)模型。模型中的“AR”為自回歸部分，融入了社零同比的各期前期值，考慮的是經(jīng)濟(jì)DL數(shù)據(jù)影響7好。為2.37%~3.77%，與實(shí)際公布的7月社零同比數(shù)據(jù)2.數(shù)據(jù)進(jìn)行建模，給了我們一個(gè)更有效利用高頻信息的途徑。但同時(shí)該模型也受到高頻數(shù)據(jù)高波動(dòng)的反噬，模型單月的誤差可能較大，預(yù)測(cè)區(qū)間較寬。不過(guò)這不失為一種輔助判斷。?通過(guò)ARDL模型預(yù)測(cè)本質(zhì)上只單純使用了高頻數(shù)據(jù)的變動(dòng)方向，而不是變動(dòng)幅度。優(yōu)點(diǎn)是簡(jiǎn)潔方便地?fù)袢×烁哳l數(shù)據(jù)的有效信息，過(guò)濾了高頻數(shù)據(jù)的高波動(dòng)噪音，缺點(diǎn)是折損了部分有用高頻信息。對(duì)于預(yù)測(cè)要求較高優(yōu)度更高，走勢(shì)更為貼合；但回測(cè)結(jié)果更為震蕩，上升趨勢(shì)中有多處反復(fù)點(diǎn)，月際之間波動(dòng)更多。這兩點(diǎn)印單，若當(dāng)月經(jīng)濟(jì)真實(shí)消費(fèi)狀態(tài)波動(dòng)較大，可能會(huì)丟失高頻數(shù)據(jù)在變動(dòng)幅度上的有效信息；三是混頻MIDAS回歸對(duì)高頻信息的改進(jìn)效果低于被其高波動(dòng)的反噬干擾，則預(yù)測(cè)結(jié)果將打折扣。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值4/39 10方法可能面臨的挑戰(zhàn) 11 預(yù)測(cè)勝率 14 收入消費(fèi) 18 零同步擴(kuò)散指數(shù)的方法論 24 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39表索引 圖15：社零中占比前三的項(xiàng)目分別是汽車消費(fèi)、必需消費(fèi)以及服裝等其他可選消 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39 表2：2015年以來(lái)各類高頻數(shù)據(jù)平均有四成時(shí)間與社零增速的變動(dòng)方向保持一致 表3：疫后同步擴(kuò)散指數(shù)預(yù)測(cè)勝率達(dá)到71.8%，偏差大都出現(xiàn)在年末、一季度末 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39社會(huì)消費(fèi)品零售總額不能反映消費(fèi)全貌，它主要反映實(shí)物商品消費(fèi)，以及餐飲等少部分服務(wù)類消費(fèi)；GDP口徑下的消費(fèi)要涵蓋更全。但我們可以把社會(huì)消費(fèi)品零售總額視為消費(fèi)的一個(gè)“大樣本”，對(duì)于衡量消費(fèi)變動(dòng)來(lái)說(shuō)，社零是一個(gè)重要的觀測(cè)2022年底，最終消費(fèi)支出占GDP比重約53%，無(wú)疑是國(guó)民經(jīng)濟(jì)中重要的組成部分。特別地，在外需趨弱、地產(chǎn)回落的背景下，消費(fèi)這一內(nèi)需最重要的部分對(duì)整體經(jīng)濟(jì)動(dòng)能的影響和支撐尤為重要。支出，同樣僅有季頻數(shù)據(jù)；三是社會(huì)消費(fèi)品零售總額(以下簡(jiǎn)稱“社零”)，按月服務(wù)消費(fèi)和虛擬消費(fèi)均不包括在內(nèi)，也并不包含任何生產(chǎn)資料消費(fèi)支出。而現(xiàn)今服務(wù)消費(fèi)占居民消費(fèi)支出的比重已經(jīng)將近半壁江山，也由此，國(guó)家統(tǒng)計(jì)局將在23年8GDP重約53%，是重要組成部分億元500,000450,000400,000350,000300,000250,000200,000150,000100,00050,0000GDP:最終消費(fèi)支出:政府GDP:最終消費(fèi)支出GDP:最終消費(fèi)支出:政府消費(fèi)占GDP比重(%)2010201120122013201420152016201720182019202020212022%58565452504846在這三類觀察消費(fèi)的口徑中，雖然社會(huì)零售總額口徑最窄，只包含商品流通最終環(huán)節(jié)的實(shí)物商品消費(fèi)以及少部分餐飲服務(wù)消費(fèi)，并不包含任何生產(chǎn)資料消費(fèi)支出。但這一指標(biāo)一勝在高頻，二勝在涵蓋的消費(fèi)主體仍然非常廣泛，相當(dāng)于7成多的最終發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值3920002001200220032004200520062007200820092010201120122013201420152016201720182019202020002001200220032004200520062007200820092010201120122013201420152016201720182019202020212022200120042007201020132016201920220454050252050社會(huì)消費(fèi)品零售總額/最終消費(fèi)支出(右軸)900747573757677777776757470707169706062636465656766600400200社零是一個(gè)合格的“大樣本”，占最終消費(fèi)支出比重穩(wěn)定在70~80%%GDP:最終消費(fèi)支出:居民 (%)GDP:最終消費(fèi)支出:政府GDP支出同比增速與社零同比增速歷史波動(dòng)一致(%)GDP:最終消費(fèi)支出:同比(%)40.00社會(huì)消費(fèi)品零售總額:名義同比30.0020.00.00-10.00-20.00發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39二、社會(huì)消費(fèi)品零售總額如何預(yù)測(cè)？(一)社零具有強(qiáng)季節(jié)性而傳統(tǒng)預(yù)測(cè)視角主要基于社零數(shù)據(jù)自身的歷史規(guī)律性，利用“環(huán)比季節(jié)性”進(jìn)行推演。這種方式背后的依據(jù)是社零數(shù)據(jù)在經(jīng)濟(jì)運(yùn)行平穩(wěn)時(shí)期具有較強(qiáng)的季節(jié)性，而直在年內(nèi)的變化較為穩(wěn)定，均是三四季度處于旺季，并且每年的增長(zhǎng)具有明顯的規(guī)律性。而2020年、2022年兩年疫情干擾下，社零總額當(dāng)月變化的規(guī)律性被打破，而在2021年以及2023年隨著生產(chǎn)生活修復(fù)，社零原本的年內(nèi)波動(dòng)規(guī)律性均得到了一社零總額當(dāng)月值億元20132017億元2013201714 2018201620204500001940000350003000025000200000顯的規(guī)律性，其中每年的10月因假期效應(yīng)環(huán)比值均位于10%以上，17-19年三年平規(guī)律性都被打亂，而修復(fù)之年，2021年、2023年這一歷史規(guī)律性均有所恢復(fù)，個(gè)別月份低于或高于季節(jié)性。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值內(nèi)的環(huán)比值具有明顯規(guī)律性1~2月3月4月5月6月7月8月9月10月11月12月 數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心(二)常規(guī)方式“環(huán)比季節(jié)性”推演具有合理性測(cè)方式。我們用這種方式分別推演歷年的每月社零同比值，即站在預(yù)測(cè)年份的前一年，僅依托環(huán)比季節(jié)性規(guī)律推演下一年的社零月同比。我們發(fā)現(xiàn)，除了2020年、2022年兩年疫情干擾較大的年份之外，其余年份均有一定的預(yù)測(cè)效果。雖然疫后修復(fù)之年，圖7：2018-2019年，用歷史環(huán)比季節(jié)性逐年預(yù)測(cè)的社零同比與當(dāng)年實(shí)際同比增速8.06.04.02.0%%2018年2018年1-2月合計(jì)2018-032018-042018-052018-062018-072018-082018-0918-10018-1118-122019年1-2月合計(jì)2019-032019-042019-052019-062019-072019-082019-0919-1019-1119-12數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心社零同比與當(dāng)年實(shí)際同比增速2019-032019-042019-052019-062019-072019-032019-042019-052019-062019-072019-082019-092019-102019-112019-122018年1-2月合計(jì)2018-032018-042018-052018-062018-072018-082018-092018-102018-112018-122019年1-2月合計(jì)18-19年預(yù)測(cè)值6000000000000200000數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值10.58.48.22.55.24.40.726.018.466.93.1-0.210.58.48.22.55.24.40.726.018.466.93.1-0.23.5-0.1的2020年社零同比和實(shí)際值%2020年同比預(yù)測(cè)值2020年同比預(yù)測(cè)值2020年社零實(shí)際同比值.00.0-5.0-10.0-15.0-20.0-25.0數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖10：利用季節(jié)性推算的2022年社零同比和實(shí)際值%15.02022年同比預(yù)測(cè)值2022年社零實(shí)際同比值10.05.00.0-5.0-10.0-15.0數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心年按照歷史環(huán)比季節(jié)性推算的社零預(yù)測(cè)值與實(shí)際值30.025.020.00.05.00.0%2023年同比預(yù)測(cè)值(1-7月)2023年社零實(shí)際同比值 2023年同比預(yù)測(cè)值(8-12月)-5.0雖然傳統(tǒng)方式的預(yù)測(cè)效果正在修復(fù)，但疫情發(fā)生年份，“環(huán)比季節(jié)性”的推演效果明顯減弱。這帶給我們新的啟示。傳統(tǒng)方法建立在經(jīng)濟(jì)運(yùn)行平穩(wěn)的前提下，即消費(fèi)作為經(jīng)濟(jì)中的慢變量，波動(dòng)較小，歷史上的年內(nèi)波動(dòng)將會(huì)不斷“復(fù)現(xiàn)”。而疫情類突發(fā)沖擊則直接打破了這一方法前提假設(shè)，因而這種預(yù)測(cè)方式出現(xiàn)了階段性失靈。我們思考社零預(yù)測(cè)中可能面臨的三個(gè)問(wèn)題：一是疫后社零環(huán)比季節(jié)性被打亂，二是發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值2017-032017-072018-032018-072019-032019-072020-032020-072021-032021-072022-032022-072023-032023-072017-032017-07017-112018-032018-07018-112019-032019-02017-032017-072018-032018-072019-032019-072020-032020-072021-032021-072022-032022-072023-032023-072017-032017-07017-112018-032018-07018-112019-032019-07019-112020-032020-07020-112021-032021-07021-112022-032022-07022-112023-032023-07環(huán)比數(shù)據(jù)出現(xiàn)較大波動(dòng)%中國(guó):社會(huì)消費(fèi)品零售總額:環(huán)比:季調(diào)2.000.500.00-0.50-1.00疫后被打亂2.00數(shù)、居民企業(yè)貸款類數(shù)據(jù)還是PMI分項(xiàng)，都更多體現(xiàn)同步性或者滯后性。看到社零最終的樣貌。即“用同步擴(kuò)散指數(shù)辨方向、用ARDL模型做預(yù)測(cè)、用混頻(MIDAS)回歸打輔的權(quán)重，構(gòu)造一掉高頻指標(biāo)的高波動(dòng)，只提取發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值對(duì)社零下月變動(dòng)方向具有指示意義的信息。進(jìn)一步地，我們將擴(kuò)散指數(shù)直接與社零同比進(jìn)行回歸分析，通過(guò)ARDL(自回歸分布滯后)模型將“社零滯后期對(duì)當(dāng)期的影響”、“高頻指標(biāo)以及其滯后期對(duì)社零當(dāng)?shù)玫筋A(yù)測(cè)數(shù)值。進(jìn)行了高頻數(shù)據(jù)與社零同比的混頻(MIDAS)回歸。然而，我們僅將這一回歸結(jié)果作為預(yù)測(cè)過(guò)程中的輔助參零增速我們的思路著眼于高頻數(shù)據(jù)，而不是簡(jiǎn)單的環(huán)比季節(jié)性推演。同時(shí)，又通過(guò)提取高頻變動(dòng)信息的方式過(guò)濾高頻數(shù)據(jù)的高波動(dòng)性。最終，通過(guò)ARDL模型以及混頻MIDAS指引。解決思路發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值三、如何尋找能預(yù)測(cè)社零的“有效高頻數(shù)據(jù)”？(一)配權(quán)及單一指標(biāo)預(yù)測(cè)勝率否公布時(shí)點(diǎn)在社零數(shù)據(jù)之前，即可以用于每月預(yù)測(cè)。按照統(tǒng)計(jì)局的分類，我們以2023年7月累計(jì)值計(jì)算，將社會(huì)消費(fèi)品零售總額分成餐飲收入、限額以上商品零售們將13項(xiàng)消費(fèi)類高頻數(shù)據(jù)按照社零的細(xì)分類別進(jìn)行歸類。具體分為五個(gè)方向——餐飲收入、必需品、可選消費(fèi)中的汽車、可選消費(fèi)中的石油制品、可選消費(fèi)中的住房%、25.6%、13%、6.5%、21.3%。圖15：社零中占比前三的項(xiàng)目分別是汽車消費(fèi)、必需消費(fèi)以及服裝等其他可選消餐飲收入關(guān)于時(shí)效性，除了乘用車銷量、CPI同比數(shù)據(jù)是先于社零公布的月度數(shù)據(jù)外，其余數(shù)據(jù)先進(jìn)行均值月度化處理，計(jì)算月同比值。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值分類權(quán)重指標(biāo)公布頻率社會(huì)消費(fèi)品零售總額當(dāng)月同比每月15日左右汽車類乘用車廠家零售月同比度:乘用車當(dāng)月同比22個(gè)省市生豬平均價(jià)月同比度農(nóng)產(chǎn)品指數(shù)月同比CPI同比右其他可選(服裝、日用品等)柯橋紡織價(jià)格指數(shù)月同比度義烏中國(guó)小商品指數(shù)月同比度郵政快遞投遞量月同比度可選-石油制品、餐飲收入十大城市地鐵客運(yùn)量月同比百城擁堵延時(shí)指數(shù)月同比度度原油:英國(guó)布倫特Dtd月同比住房類30大中城市商品房成交面積月同比：廣發(fā)證券發(fā)展研究中心關(guān)于相關(guān)性，我們同樣從兩個(gè)角度考察。一是觀察序列之間相關(guān)性大小，二是觀察高頻指標(biāo)序列與社零同比是否具有相同的拐點(diǎn)。在我們看來(lái)，這兩類相關(guān)性，不分軒輊。如果單純看統(tǒng)計(jì)上的相關(guān)系數(shù)，容易會(huì)被高頻數(shù)據(jù)的高波動(dòng)性干擾，忽略某均有40%的時(shí)間與社零同比增速變動(dòng)方向保持一致。疫情發(fā)生以來(lái)，這一比例提升了9個(gè)百分點(diǎn)至49%，說(shuō)明疫后社零同比波動(dòng)更加容易被高頻指標(biāo)捕捉，也似乎說(shuō)明我們基于高頻數(shù)據(jù)的預(yù)測(cè)思路可能更適用于疫情后波動(dòng)較大的社零數(shù)據(jù)。這其中還包含了數(shù)據(jù)較短的“郵政快遞投遞量”以及在2019年后與社零增速出現(xiàn)背離的CPI比數(shù)據(jù)。如果不考慮這兩項(xiàng)，2020年以來(lái)平均方向一致的時(shí)間占56%。在分項(xiàng)中，我們觀察到占社零比重較大的汽車消費(fèi)類(以乘用車銷量為代表)與社零同比的變動(dòng)一致性最高，變動(dòng)一致的月份占比分別達(dá)61%(2015年以來(lái))、67%(2020年以來(lái))。其次是波動(dòng)較大的房地產(chǎn)類消費(fèi)(以30大中城市商品房成交面積為代表)，變動(dòng)一致的月份占比分別達(dá)55%、70%(2020年以來(lái))。疫情之后，變動(dòng)一致的月份占比提升較大的是十大地鐵客運(yùn)量、百城擁堵指數(shù)以及30大中城市下的出行消費(fèi)波動(dòng)較大有關(guān)。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值社零增速的變動(dòng)方向保持一致分類權(quán)重指標(biāo)2015年以來(lái)與社零同比變動(dòng)方向一致占比(分母為103個(gè)月)2020年以來(lái)與社零同比變動(dòng)方向一致占比(分母為43個(gè)可選-汽車類25.6%乘用車廠家零售月同比4746%660%中國(guó):銷量:乘用車當(dāng)月同比361%967%必需品22.8%22個(gè)省市生豬平均價(jià)月同比49%149%南華農(nóng)產(chǎn)品指數(shù)月同比4544%558%CPI同比726%6其他可選(服裝、日用品等)21.3%柯橋紡織價(jià)格指數(shù)月同比4645%047%義烏中國(guó)小商品指數(shù)月同比32%37%郵政快遞投遞量月同比112%可選-石油制品、餐飲收入十大城市地鐵客運(yùn)量月同比38%967%百城擁堵延時(shí)指數(shù)月同比4039%456%電影票房月同比35%149%原油:英國(guó)布倫特Dtd月同比53%456%可選-住房類6.5%30大中城市商品房成交面積月同比55%0%平均4140%2149%：廣發(fā)證券發(fā)展研究中心(二)汽車類消費(fèi)社零中占90%的是商品消費(fèi)，而限額以上商品零售中占近三分之一的又是汽車類商品消費(fèi)，因此，汽車一項(xiàng)波動(dòng)對(duì)社零整體的走勢(shì)有著非常重要的影響，統(tǒng)計(jì)局甚至?xí)r會(huì)單獨(dú)公布除汽車外的零售額。以2017年Q2至2018年為例，期間社零總額增速呈現(xiàn)趨勢(shì)性下行。事實(shí)上，這種下行在剔除汽車之后就不存在。剔月銷量作為汽車類消費(fèi)的代理指標(biāo)。從相關(guān)性看，兩者月同比與社零的相關(guān)系數(shù)分別為0.542、0.485。從拐點(diǎn)變動(dòng)來(lái)看，兩者自2015年以來(lái)分別有47個(gè)月(占比46%)、63個(gè)月(占比61%)與社零同比增速變動(dòng)方向完全一致。同時(shí)，觀察汽車兩者呈現(xiàn)出較一致的強(qiáng)季節(jié)性特征。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值當(dāng)月同比%%2012-072013-012013-072014-012014-072015-012015-072016-012016-072017-012017-072018-012018-072019-012019-072020-012020-072021-012021-072022-012022-072023-012023-07%%2012-072013-012013-072014-012014-072015-012015-072016-012016-072017-012017-072018-012018-072019-012019-072020-012020-072021-012021-072022-012022-072023-012023-0760.040.020.0 圖17：乘用車銷量與社零總額02012-072012-122013-052013-102014-032014-082015-012015-02012-072012-122013-052013-102014-032014-082015-012015-062015-112016-042016-092017-022017-072017-122018-052018-102019-032019-082020-012020-062020-112021-042021-092022-022022-072022-122023-050(三)地產(chǎn)類消費(fèi)度頻率的30大中城市商品房成交面積作為地產(chǎn)鏈上商品消費(fèi)的影子指標(biāo)。比的相關(guān)系數(shù)達(dá)到0.583。疫情以來(lái)(2020年后)，兩者相關(guān)性更是提升至0.71。。在的樣本中，兩者同時(shí)變動(dòng)的時(shí)間段更是達(dá)到了70%。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值2018-08112019-022019-052019-08112020-022020-052020-08112021-022021-052021-081122018-08112019-022019-052019-08112020-022020-052020-08112021-022021-052021-08112022-022022-052022-08112023-022023-0560.0040.0020.00 %010：廣發(fā)證券發(fā)展研究中心(四)石油制品、餐飲收入消費(fèi)明顯大于整體消費(fèi)。在正常的經(jīng)濟(jì)周期中，餐飲收入當(dāng)月同比與社零同比之差穩(wěn)定在[-2，+2]之間，而在2020年1月以來(lái)兩者之差在[-61.7,34.8]之間波動(dòng)。以序列標(biāo)準(zhǔn)差衡量，2015年1月至2019年12月期間，兩者之差的波動(dòng)率僅有0.74，而2020年1月至2023年6月達(dá)到了18.9。換句話說(shuō)，餐飲收入的波動(dòng)是疫后不容忽視的社高頻數(shù)據(jù)中并沒(méi)有直接反映餐飲收入的數(shù)據(jù)，但由于餐飲消費(fèi)需要依賴一定的消費(fèi)從居民的娛樂(lè)活動(dòng)中體現(xiàn)。我們用地鐵客運(yùn)量、百城擁堵指數(shù)以及電影票房三個(gè)指發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值2015-062016-022016-062017-022017-062015-062016-022016-062017-022017-062018-022018-062019-022019-062020-022020-062021-022021-062022-022022-062023-022023-06.0080.0060.0040.0020.00 0.00-20.00-40.00-60.00%中國(guó):社會(huì)消費(fèi)品零售總額:商品零售:當(dāng)月同比中國(guó):社會(huì)消費(fèi)品零售總額:餐飲收入:當(dāng)月同比出行活躍程度，前者反映居民通過(guò)公共交通出行，后者指向的更多是自駕出行。由于數(shù)據(jù)的起始時(shí)間較晚，我們能拿到較穩(wěn)定的數(shù)據(jù)是北京、上海、廣州、成都、南京、武漢、西安、蘇州、鄭州、重慶這十大城市的地鐵客運(yùn)量。我們加總之后計(jì)算月度同比，數(shù)據(jù)自2018年8月起始。從相關(guān)性看，十大城市地鐵客運(yùn)量同比與社零同比高度相關(guān)，整個(gè)時(shí)間序列上相關(guān)系數(shù)達(dá)到0.724，兩者整個(gè)歷史上有38%的月。客運(yùn)量同比與社零當(dāng)月同比200050-100-150-200十大城市地鐵客運(yùn)量月同比十大城市地鐵客運(yùn)量月同比00-102030中中國(guó):社會(huì)消費(fèi)品零售總額:當(dāng)月同比(右)2018-092019-032019-062019-092020-032020-062020-092021-032021-062021-092022-032022-062022-092023-032023-06圖21：十大城市地鐵客運(yùn)量與社零總額200000180000160000140000120000100000800006000040000200000億元人次億元450002018-088-112019-022019-052019-08450002018-088-112019-022019-052019-089-112020-022020-052020-080-112021-022021-052021-081-112022-022022-052022-082-112023-022023-0543000410003900037000350003300031000290002700025000發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值0/39百城擁堵指數(shù)是高德利用數(shù)據(jù)平臺(tái)編制的實(shí)際所用時(shí)間與自由狀態(tài)下所用時(shí)間的比值，指標(biāo)數(shù)值越大，意味著相同距離所用時(shí)間越長(zhǎng)，即越堵。我們同樣匯總后計(jì)算同比，該指標(biāo)從2016年11月起始。從相關(guān)性看，百城擁堵指數(shù)月同比與社零同比在整個(gè)歷史上相關(guān)系數(shù)達(dá)到0.433，疫后達(dá)到0.615。從月度變動(dòng)方向看，兩者在整疫后有56%的月份變動(dòng)完全一致。指數(shù)同比與社零當(dāng)月同比%%2018-082018-112019-02%2018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-050數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖23：百城擁堵延時(shí)指數(shù)與社零總額百城擁堵延時(shí)指數(shù)45000中國(guó):社會(huì)消費(fèi)品零售總額:當(dāng)月值(右)2018-082018-2018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-05數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心接意味著文娛相關(guān)的周邊商品消費(fèi)需求也在上升。因此電影票房類高頻數(shù)據(jù)從邏輯月同比與社零同比的相關(guān)系數(shù)達(dá)到0.454，疫后上升至0.579。從月度變動(dòng)方向看，兩者共35%的時(shí)間變動(dòng)完全一致，疫后這一比例上升至49%。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值1/39080205-08020508020508080205-080205080205080205080205%250.00200.00150.00100.00 00000%%中國(guó):社會(huì)消費(fèi)品零售總額:當(dāng)月同比(右)50-10-15價(jià)與社零中石油制品類零售額同比的相關(guān)性較高，達(dá)到了0.69，并且兩者拐點(diǎn)變動(dòng)變動(dòng)方向完全一致，2020年后進(jìn)一步提升到了56%。502015-02015-0722015-112016-02016-032016-02016-0722016-112017-02017-032017-02017-0722017-112018-02018-032018-02018-0722018-112019-02019-032019-02019-0722019-112020-02020-032020-02020-0722020-112021-02021-032021-02021-0722021-112022-02022-032022-02022-0722022-112023-02023-032023-02023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖26：百城擁堵延時(shí)指數(shù)與社零總額%25.00020.00015.00010.000 %2015-072015-112016-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-072019-%2015-072015-112016-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072020-112021-032021-072021-112022-032022-072022-112023-032023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心(五)其他可選消費(fèi)除了汽車、地產(chǎn)以及石油制品以外，我們將限額以上零售中的其他6個(gè)項(xiàng)目匯總考發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值2/39類、通訊器材類。對(duì)應(yīng)服裝鞋帽類的高頻數(shù)據(jù)是柯橋紡織價(jià)格指數(shù)，對(duì)應(yīng)日用品類等項(xiàng)目可以找到義烏小商品價(jià)格指數(shù)和快遞投遞量數(shù)據(jù)?？聵蚣徔梼r(jià)格指數(shù)在2019年前與社零同比相關(guān)性較高，但在疫情以后有所減弱，相關(guān)系數(shù)為0.447。自2015年以來(lái)的歷史上與社零同比有46個(gè)月變動(dòng)方向一致，占比約45%。義烏小商品總價(jià)32%的時(shí)間變動(dòng)方向與社零一致。指數(shù)月同比與社零當(dāng)月同比2018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-012023-042023-0725.020.015.010.025.020.015.010.0 數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖28：義烏小商品總價(jià)格指數(shù)月同比與社零當(dāng)月同比50%%%%2015-072015-2015-072016-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072020-112021-032021-072021-112022-032022-072022-112023-032023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心不高頻，無(wú)法用于社零的短期預(yù)測(cè)。我們選擇郵政快遞投遞量這一周度數(shù)據(jù)進(jìn)行觀與社零當(dāng)月同比20.0018.0016.0014.0012.0010.008.006.004.002.000.00%%郵政快遞投遞量:當(dāng)周值:月:平均值:同比%%中國(guó):社會(huì)消費(fèi)品零售總額:當(dāng)月同比(右)14.0.0.08.06.04.02.00.02023-052023-062023-052023-062023-07發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值3/392016-072016-112017-032017-072017-112018-032018-072018-112019-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072020-112021-032021-072021-112022-032022-072022-112023-032023-07最后，我們將社零商品消費(fèi)中有關(guān)必需消費(fèi)的5項(xiàng)——糧油食品類、飲料類、煙酒類、日用品類、中西藥品類匯總計(jì)算比重，23年7月大約占比10.8%。我們選取了有0.289的相關(guān)性。生豬價(jià)格同比與社零同比的相關(guān)系數(shù)為0.434。兩者在歷史上均。比0%%2018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-0586420數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心%%10.0 %%10.0 0.78，而在2019年豬價(jià)驅(qū)動(dòng)的CPI上漲和2020年疫情沖擊中，CPI走勢(shì)與社零同比的相關(guān)性有所減弱。從邏輯上講，CPI反映了社零波動(dòng)的價(jià)格驅(qū)動(dòng)部分，理論上與社零同比具有強(qiáng)相關(guān)性。我們認(rèn)為，在經(jīng)濟(jì)逐漸修復(fù)回歸正常狀態(tài)的過(guò)程中，CPI與社零的同步性將會(huì)再度回歸，也由此，我們?cè)诟哳l指標(biāo)池中將CPI同比加入。圖32：CPI同比與社零當(dāng)月同比(2019年前)9.08.07.0%%22016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-11數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖33：CPI同比與社零當(dāng)月同比(2020年后)0002020-012020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值4/39四、疫后，同步擴(kuò)散指數(shù)的方向判斷勝率達(dá)72%(一)構(gòu)建社零同步擴(kuò)散指數(shù)的方法論系。這種間接性與高頻數(shù)據(jù)的高波動(dòng)性會(huì)放大數(shù)據(jù)本身的噪音，降低模型的預(yù)測(cè)效從2018年8月之后獲得。而高頻數(shù)據(jù)變量多，縱向上時(shí)間短，而橫向上自變量多，就會(huì)造成過(guò)度擬合、虛假擬合等問(wèn)題；頻指標(biāo)代表的社零細(xì)分項(xiàng)在社零中有既定的權(quán)重。步擴(kuò)散指數(shù)實(shí)質(zhì)上是關(guān)鍵消費(fèi)高頻指標(biāo)每月同比變動(dòng)值為正的占比，決定了它們?cè)谂袛喾较蛏鲜怯行У?，而在預(yù)測(cè)同比讀數(shù)上會(huì)放大誤差。這點(diǎn)從高頻指標(biāo)與社零同比的相關(guān)性系數(shù)、以及兩者拐點(diǎn)變動(dòng)的對(duì)比中可以看到。諸如油價(jià)這類波動(dòng)較大的高頻指標(biāo)，在相關(guān)系數(shù)上，它與社零同比只有0.29，而在拐點(diǎn)變動(dòng)的同步上，兩者的同步性達(dá)到了53%。因此，可以理解我們的同步擴(kuò)散指數(shù)是提取高頻指標(biāo)變動(dòng)信息的一種降維方式。頻指標(biāo)對(duì)應(yīng)社零科目占社零整體的比重進(jìn)行了配權(quán)。結(jié)果顯示，如果我們將超過(guò)一半2015年以來(lái)的勝率達(dá)到了61.3%，情發(fā)生之后進(jìn)一步提升至71.8%。具體的構(gòu)建步驟分為三步：標(biāo)的正向或負(fù)向信息進(jìn)行加權(quán)處理，權(quán)重為高頻指標(biāo)所對(duì)應(yīng)的社零科目占社零整體產(chǎn)類消費(fèi)的同比變動(dòng)信息則被賦予更低的權(quán)重。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值5/39部高頻指標(biāo)個(gè)數(shù)，即得到加權(quán)處理后的每月高頻指標(biāo)綜合的正向變動(dòng)信息。我們將正向變動(dòng)占比超過(guò)50%定義為同步擴(kuò)散指數(shù)提示社零將正向變動(dòng)，反之，定義為負(fù)變動(dòng)。值得注意的是，我們進(jìn)行的是滾動(dòng)迭代計(jì)算，這樣可以解決全樣本面板時(shí)間序列較短的問(wèn)題。因?yàn)?3項(xiàng)高頻指標(biāo)在2015年以來(lái)數(shù)據(jù)并不齊全。滾動(dòng)迭算會(huì)根據(jù)各個(gè)時(shí)間段有數(shù)據(jù)的高頻數(shù)據(jù)調(diào)整分母。比如，在2015年2月，我們能拿到的高頻數(shù)據(jù)只有7項(xiàng)，其中2項(xiàng)正向變動(dòng)，5項(xiàng)負(fù)向變動(dòng)。而在2023年7月，我們拿到高頻數(shù)據(jù)有12項(xiàng)(當(dāng)乘用車銷量和乘用車廠家零售數(shù)據(jù)同時(shí)可得時(shí)，我們優(yōu)先利用相關(guān)性更(二)同步擴(kuò)散指數(shù)預(yù)測(cè)社零同比的勝率如何？我們進(jìn)一步定義50%為同步擴(kuò)散指數(shù)的“枯榮線”。因?yàn)橥綌U(kuò)散指數(shù)本質(zhì)上是當(dāng)月高頻數(shù)據(jù)同比變動(dòng)為正的占比，因此如果這一比重大于50%即說(shuō)明當(dāng)月經(jīng)過(guò)加權(quán)后有超過(guò)半數(shù)的高頻指標(biāo)指示社零同比將向上變動(dòng)。在下圖中，當(dāng)我們將同步擴(kuò)散指數(shù)的50%枯榮線與右軸社零同比變動(dòng)為0相重合進(jìn)一是，同步擴(kuò)散指數(shù)位于50以上時(shí)正好對(duì)應(yīng)著大量的社會(huì)零售總額增速月度變動(dòng)值明利用高頻變動(dòng)信息判斷社零變動(dòng)效果在疫后更好。這一點(diǎn)同樣符合先前判斷，疫演同比的方式誤差增大。明我們構(gòu)建的同步擴(kuò)散指數(shù)能夠很好地捕捉社零同比的變動(dòng)、變動(dòng)幅度，發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值6/39圖34：疫情前同步擴(kuò)散指數(shù)與社零同比的變動(dòng)有一定0.02015-032015-052015-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-11數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心提高%%2019-112020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072%%2019-112020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心線50%之上提示當(dāng)月社零增速將發(fā)生正向變動(dòng)，高頻指標(biāo)正向變動(dòng)不足半數(shù)的情況均視為社零增速將發(fā)生負(fù)向變動(dòng)。該假定下，同步擴(kuò)散指數(shù)的勝率達(dá)到了61.3%，年以來(lái)勝率提升到了71.8%。。10發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值7/39我們也展示了具體疫后每月的預(yù)測(cè)勝率情況。可以看到，自2020年以來(lái)的39個(gè)月(剔除1月)，僅有11個(gè)月同步擴(kuò)散指數(shù)預(yù)測(cè)出現(xiàn)了偏差。并且其中7次偏差都出現(xiàn)年中附近。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值8/39偏差大都出現(xiàn)在年末、一季度末同步擴(kuò)散指數(shù)(高頻指標(biāo)正向變動(dòng)占同步擴(kuò)散指數(shù)提示變動(dòng)社零實(shí)際同比變動(dòng)預(yù)測(cè)勝率02033.50405063.1070809101112020304058.806070809101112028.603040506073.5080910111202031.80405064.4078.308疫情以來(lái)同步擴(kuò)散指數(shù)預(yù)測(cè)社零變動(dòng)的勝率零同比進(jìn)行比較，我們以2015發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值9/39現(xiàn)，轉(zhuǎn)化后的同步擴(kuò)散指數(shù)II與社零同比具有同步性，而這種同步性在疫后進(jìn)一步擴(kuò)散指數(shù)II對(duì)社零同比具有同步性2.001.501.000.500.002015-012015-032015-052015-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心顯%%2019-012019-032019-052019-072019-092019-112020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心(一)基于高頻信息的ARDL預(yù)測(cè)模型經(jīng)提取了高頻指標(biāo)對(duì)當(dāng)月社零變動(dòng)的信息。經(jīng)過(guò)人工過(guò)濾降維之后，同步擴(kuò)散指數(shù)已經(jīng)不向單一指標(biāo)那樣高波動(dòng)，在圖形走勢(shì)上也與社零同比的同步性比任何一個(gè)單一指標(biāo)更高，特別是在疫情以來(lái)。這似乎提示同步擴(kuò)散指數(shù)是一個(gè)能的影子變量。IIARDLARDL滯后模型，模型中既包括因變量的滯后期，還包括自變量的滯后期。因此，可以測(cè)算社零同比增速的前期值、同步擴(kuò)散指數(shù)II以及同比擴(kuò)散指數(shù)II的前期值對(duì)當(dāng)期社零Yt=C0+C1t+piYt?i+eiXt?i+ut發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39其中的∑=1iYt?i是自回歸(AR)部分，加入模型是因?yàn)榻?jīng)濟(jì)數(shù)據(jù)通常存在慣性，當(dāng)期社零同比增速可能會(huì)受到前幾期的表現(xiàn)影響；∑=0eiXt?i是分布滯后(DL)部分，意味著同步擴(kuò)散指數(shù)II對(duì)社零同比的影響并不僅僅體現(xiàn)在當(dāng)期。這種影響更像(二)樣本內(nèi)回測(cè)預(yù)測(cè)分兩步，先樣本內(nèi)建模，后樣本外預(yù)測(cè)。我們利用2015年1月至2023年6月的數(shù)據(jù)進(jìn)行建模，然后利用2023年7月、8月的高頻數(shù)據(jù)進(jìn)行樣本外推測(cè)?？紤]到消在全樣本區(qū)間內(nèi)(2015年1月-2023年6月)，數(shù)據(jù)自動(dòng)選擇的最優(yōu)模型是ARDL(1,1,0)。整體模型的擬合優(yōu)度達(dá)到了0.72，意味著社零同比72%的波動(dòng)已經(jīng)被模型捕捉。同樣從系數(shù)的顯著性中，我們看到社零同比滯后一期、同步擴(kuò)散指數(shù)II當(dāng)期值以及同步擴(kuò)散指數(shù)II滯后一期值都在統(tǒng)計(jì)上對(duì)社零當(dāng)期值有顯著的解釋力。舉例來(lái)說(shuō)，2023年6月社零波動(dòng)可以被23年5月社零、23年6月同步擴(kuò)散指數(shù)II以及23年5月同步擴(kuò)散指數(shù)II聯(lián)合起來(lái)解釋72%左右。通過(guò)系數(shù)的折算，我們可以得到在這72%的解釋力中，前一期社零貢獻(xiàn)了31%，而同步擴(kuò)散指數(shù)II貢獻(xiàn)41%。在分樣本建模中，我們同樣發(fā)現(xiàn)2020年疫情是社零波動(dòng)的關(guān)鍵節(jié)點(diǎn)。首先，分樣本建模后，模型的整體預(yù)測(cè)力進(jìn)一步提升至82%~85%。其次，在疫情前，同步擴(kuò)散指數(shù)II對(duì)社零的影響并不具有統(tǒng)計(jì)顯著性，反而是被社零滯后期以及時(shí)間固定效應(yīng)解釋，這印證了疫情前利用高頻數(shù)據(jù)預(yù)測(cè)社零同比并不優(yōu)于直接利用環(huán)比季節(jié)性推算。而在疫情發(fā)生后，同步擴(kuò)散指數(shù)II當(dāng)期值以及前期值均對(duì)社零同比有明顯的統(tǒng)得到在疫后社零同比82%的波動(dòng)中，前一期社零貢獻(xiàn)了17%，而同步擴(kuò)散指數(shù)II貢獻(xiàn)了65%。這再次印證了利用高頻信息合成的同步擴(kuò)散指數(shù)II對(duì)疫后社零同比的預(yù)測(cè)能力更強(qiáng)，是社零波動(dòng)加大的情形下對(duì)傳統(tǒng)方發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39ARDL模型回歸結(jié)果：樣本期(2015.01-2023.06)模型設(shè)定ARDL(1,1,0)R-方(擬合優(yōu)度)0.7211MSE4.4563因變量：社零同比回歸系數(shù)T社零同比(滯后一期)0.72***11.060.00同步擴(kuò)散指數(shù)II12.76***5.690.00同步擴(kuò)散指數(shù)II(滯后一期)-11.8***5.320.00時(shí)間固定效應(yīng)-0.05-0.250.80數(shù)項(xiàng)107.140.260.80ARDL模型回歸結(jié)果：樣本期(2015.01-2019.12)模型設(shè)定ARDL(3,2,3)R-方(擬合優(yōu)度)0.8543MSE0.4803因變量：社零同比回歸系數(shù)T社零同比(滯后一期)0.24*0.10社零同比(滯后兩期)-0.21-1.520.14社零同比(滯后三期)0.210.14同步擴(kuò)散指數(shù)II0.440.28同步擴(kuò)散指數(shù)II(滯后一期)-0.12-0.200.84同步擴(kuò)散指數(shù)II(滯后兩期)0.110.270.79時(shí)間固定效應(yīng)-0.59***2.290.03時(shí)間固定效應(yīng)(滯后一期)0.040.110.91時(shí)間固定效應(yīng)(滯后兩期)0.58*0.10時(shí)間固定效應(yīng)(滯后三期)-0.55**2.090.04數(shù)項(xiàng)1068.282***3.540.00ARDL模型回歸結(jié)果：樣本期(2020.01-2023.06)模型設(shè)定ARDL(1,1,3)R-方(擬合優(yōu)度)0.8207MSE.5因變量：社零同比回歸系數(shù)T社零同比(滯后一期)0.61***6.480.00同步擴(kuò)散指數(shù)II25.72***6.640.00同步擴(kuò)散指數(shù)II(滯后一期)-23.39***6.190.00時(shí)間固定效應(yīng)4.330.16時(shí)間固定效應(yīng)(滯后一期)-1.70-0.430.67時(shí)間固定效應(yīng)(滯后兩期)4.540.26時(shí)間固定效應(yīng)(滯后三期)-5.54*1.830.08數(shù)項(xiàng)-3313.83*1.910.07發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39我們分別展示了全樣本建模以及分樣本建模的社零走勢(shì)擬合圖，可以看到分樣本之后再拼接起來(lái)的擬合走勢(shì)與社零同比更為貼合。平均擬合優(yōu)度也提升了12%。ARDL0)模型到的擬合效果%00-01-05-09-01-05-09-01-05-01-05-09-01-05-09-01-05-09-01-05-09-019-05-09-01-050-09-01-05-092-01-05-09-013-05R.72%50-10ARDL,3)的疫情前擬合結(jié)果%%43210-12015-0122015-012015-052015-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-11數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心%0.00%誤差(右軸)社零當(dāng)月同比社零當(dāng)月擬合值(分時(shí)段建模)50發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/392015-012015-052015-092016-012016-052016-092017-012017-02015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-05%誤差(右軸)社零當(dāng)月同比社零當(dāng)月擬合值(分時(shí)段建模)30.0025.00平均R方=0.8420.0015.0010.005.000.00-5.00-10.00-15.00-20.00%30252050-5-10-15-20(三)樣本外預(yù)測(cè)測(cè)。首先，我們分別利用全樣本一次性建模得到的ARDL(1,1,0)與分樣本建模得到的ARDL(1,1,3)進(jìn)行推算，2023年7月的社零同比原始預(yù)測(cè)值為3.67%、7.09%。顯然疫后ARDL(1,1,3)融入了疫情以來(lái)社零較高的波動(dòng)性，因此預(yù)測(cè)的讀數(shù)也波動(dòng)較大。我們進(jìn)一步進(jìn)行誤差調(diào)整，分別采用歷史7月誤差以及上月預(yù)測(cè)誤差進(jìn)行調(diào)整，最終得到的社零預(yù)測(cè)值在2.37%~3.77%。而2023年7月公布的社零同比值為2.5%，如果僅基于往年季節(jié)性和去年同比基數(shù)進(jìn)行推測(cè)，社零同比將達(dá)到5%左右。即便考慮到高頻數(shù)據(jù)的變動(dòng)，也很難得到7月社零增速仍弱于2023年6月的結(jié)論，畢竟23年7月的PMI給出了“弱回升”的提示。而我們的同步擴(kuò)散指數(shù)在構(gòu)成中賦也就能將這種方向性判斷進(jìn)一步量化為具體的社零讀數(shù)，預(yù)測(cè)23年7月的社零同比指數(shù)為60.7%，位于50%的枯榮線之上，小幅強(qiáng)于7月、6月。這提示8月的社零略有恢復(fù)。ARDL模型預(yù)測(cè)，8月社零同比的區(qū)間范圍在4.19%~4.93%。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39表5：基于ARDL模型進(jìn)行的短期預(yù)測(cè)(樣本外)基于ARDL模型的樣本外預(yù)測(cè)結(jié)果模型預(yù)測(cè)原始值(%)根據(jù)歷史上該月誤差進(jìn)行調(diào)整(%)根據(jù)上月誤差進(jìn)行誤差調(diào)整(%)均值(%)分類標(biāo)023年5月同比(%)023年6月同比 023年7月同比 2023年8月同比(%)6月較5月同比變化(%)7月較6月同比變化(%)8月較7月同比變