增长之惑系列研究之二十经济分析中的春节因素衡量影响与运用20190429中信建投17

请参阅最后一页的重要声明[table_main]宏观深度模板证券研究报告·宏观深度【增长之惑】系列研究之二十经济分析中的春节因素：衡量、影响与运用春节因素对年初经济数据干扰较大。年初经济数据对把握全年经济走势有很重要的参考意义，但春节错位因素通常会对1-3月份当月数据造成干扰，这会加大数据分析与预测的难度，因此，将春节因素纳入分析框架是有必要的。春节因素需要细分化与定量化，春运期限可作为衡量标准。由于春节不同阶段对经济数据的影响可能存在差异，春节错位因素对经济数据的影响不应当只看春节当天或春节假期的错位，而是要跟“节前”、“节中”与“节后”影响的错位结合起来看。我们参考春运期限与春节假期，将春节“节前”、“节中”与“节后”因素定量化。纳入春节因素可提高出口增速预测的准确性。通过构建回归模型，纳入“节前”、“节中”与“节后”因子，并控制其他对出口增速有影响的变量，结果显示，“节前因子”系数为正，“节中因子”与“节后因子”回归系数均为负值，符合逻辑分析。这一模型可用于出口增速预测，结果显示2、3月份预测的准确度明显提升。纳入春节因素可提高CPI猪肉增速预测的准确性。在预测2、3月份CPI猪肉价格增速时，市场通常使用的高频数据误差较大。通过构建回归模型，纳入“节前”、“节中”与“节后”因子，可以提高预测的准确度。[table_invest]黄文涛[e-mail]010-85130608执业证书编号：S1440510120015董敏杰[e-mail]010-85130232执业证书编号：S1440518020001发布日期：2019年4月29日宏观经济宏观经济研究宏观经济报告请参阅最后一页的重要声明正文目录一、春节因素的衡量...............................................................................................................................................1二、春节因素运用案例之一：出口增速的预测与分析........................................................................................3三、春节因素运用案例之二：CPI猪肉价格增速预测........................................................................................7宏观经济研究宏观经济报告请参阅最后一页的重要声明图表目录图1：中国出口当月同比增速：美元计价与人民币计价............................................................................4图2：CRB指数与中国出口金额同比增速...................................................................................................5图3：人民币有效汇率指数与出口增速........................................................................................................5图4：中国出口当月同比增速：剔除春节因素影响后................................................................................7图5：CPI猪肉价格环比增速跟高频数据比较............................................................................................8图6：CPI猪肉价格环比增速跟估测值比较..............................................................................................12表12008年以来的春节假期及春运起始时间...........................................................................................2表22008年以来1-3月的春节因子：1-3月份..........................................................................................3表3出口增速实际值与预测值比较：2月份.............................................................................................6表4出口增速实际值与预测值比较：3月份.............................................................................................6表5CPI猪肉价格环比与高频数据环比之比较：2月份.........................................................................8表6CPI猪肉价格环比与高频数据环比之比较：3月份.........................................................................9表7春节前后猪肉价格高频数据比较：2017年（元/公斤）................................................................10表8春节前后猪肉价格高频数据比较：2016年（元/公斤）.................................................................111宏观经济研究宏观经济报告请参阅最后一页的重要声明年初经济数据对把握全年经济走势具有很重要的参考意义。但是，春节因素通常会对1-3月份的月度数据造成干扰，这无疑会加大数据分析与预测的难度。通行观点认为，排除春节错位干扰的处理方法是1-2月份数据合在一起处理，但由于春节因素的影响时间可能持续较长，并且在不同阶段对经济数据的影响可能并非对称性的，这种处理方法可能难以完全排除春节错位因素的影响。我们认为，春节错位因素对经济数据的影响不应当只看春节当天或春节假期的错位，而是要跟“节前”、“节中”与“节后”影响的错位结合起来看。鉴于此，我们尝试将春节因素纳入分析框架中。这首先需要将春季因素细分化与定量化，在第一部分，我们提出定量衡量春节因素的一个思路。在第二部分与第三部分，我们分别以出口增速、CPI猪肉价格增速为例，说明春节因素在数据预测与分析时的具体运用。一、春节因素的衡量春节因素的影响需要细分化，需要区分节前、节中与节后的影响。通行观点认为，春节假期会对经济活动存在负向影响，排除春节错位干扰的处理方法是1-2月份数据合在一起处理，最典型的是工业增加值、社会零售额、固定资产投资等指标的增速仅公布1-2月累计数据，而不再单独公布1月数据。1-2月份数据合并处理的逻辑基础是，春节因素对当月经济数据的影响是同质的，而且影响只限于春节前后的几天。但从逻辑上看，春节的影响持续时间较长，不同阶段对同一经济数据的影响可能会存在差异。例如，在春节假期来临之前，企业一般倾向于赶工，而在春节假期期间以及春节假期后，企业一般停工，因此春节因素的不利影响在春节当天其实已经提前反映，并很可能对生产与出口等数据有正向影响。而在春节假期与假期后的一段时期，企业尚未复工，影响可能偏负面。由于每年春节对应的公历日期不同，前后可能会存在数天甚至是将近20天的差异，这样，每年春节前后月份受到的影响可能就跟上年相比有些差异，这种春节“错位”因素可能会导致月度同比增速数据造成比较大的波动，仅仅将1-2份数据合并处理仍难以完全排除春节因素的影响。正如易纲行长在3月份就金融数据接受采访时所表示的，“光1月份、2月份合在一起也不行…更全面的是把1月、2月、3月的数综合起来一起看”。但将1-3月数据合并处理的做法主要适用于事后分析，难以在数据预测中使用。春节因素的影响需要定量化，可使用春运天数作为参照标准。要研究春节因素的影响，首先需要将春节因素定量化。从目前的研究看，主要是两种思路，一是类似于X-12的季节性调整方法，二是构建“节前”、“节中”与“节后”因子并纳入分析框架。这里主要沿用第二种思路，但与一些研究以春节为中心将每个阶段设定为相等天数（如10天、15天等）的处理方法不同，我们认为，从实践看，“节后”的天数要长于“节前”。例如，2宏观经济研究宏观经济报告请参阅最后一页的重要声明在北方许多地方，腊月二十三（“小年”）被视为过年开始，而正月十五才被视为春节的结束；又如，春运通常是春节前15天春节后25天、春节假期是从除夕到正月初六，均是春节后天数要超过春节前。参考春运期限，这里将春节前15天1到假期前一天视为“节前”，共计14天；春节假期为“节中”，共计7天；从春节假期结束到春节后25天视为“节后”，共计19天。这种处理方法除了更符合现实外，另外一个好处是客观性，避免了每个阶段天数选择时的主观性。经过数据转化后，可以得到春节“节前”、“节中”与“节后”因子。表1整理了2008-2018年的春节假期及春运起始时间，从中可以得到各年度“节前”、“节中”与“节后”的具体时间。按照这一分布，可分别计算落在各月的“节前”、“节中”与“节后”天数，与“节前”、“节中”与“节后”天数（分别是14、7与19天）相除，可得到各月份的“节前”、“节中”与“节后”因子。例如，对于2018年2月，从1日到14日为“节前”，对应的“节前因子”为1（14/14），从15日到22日为“节中”，对应的“节中因子”为1（7/7），从23日到28日为“节后”，对应的“节后因子”为0.37（6/19）；对于2018年3月，则从1日至12日为“节后”，对应的“节后因子”为0.63（12/19）。与2018年2月相比较，2019年2月的“节前因子”较低、“节中因子”持平、“节后因子”较高；与2018年3月相比较，2019年3月的“节后因子”较低。出现这种差异主要是因为，2019年的春节较2018年提前了11天。表12008年以来的春节假期及春运起始时间年份春节-15（春运起始日）春节-1（春节假期起始日）春节春节+5（春节假期截止日）春节+24（春运截止日）20082008/1/232008/2/62008/2/72008/2/122008/3/220092009/1/112009/1/252009/1/262009/1/312009/2/1920102010/1/302010/2/132010/2/142010/2/192010/3/1020112011/1/192011/2/22011/2/32011/2/82011/2/2720122012/1/82012/1/222012/1/232012/1/282012/2/1620132013/1/262013/2/92013/2/102013/2/152013/3/620142014/1/162014/1/302014/1/312014/2/52014/2/2420152015/2/42015/2/182015/2/192015/2/242015/3/1520162016/1/242016/2/72016/2/82016/2/1320