李宗龍

（中證金融研究院，北京 100033）

一、引言

古今中外，穩(wěn)定物價(jià)都是一個(gè)國(guó)家或地區(qū)重要的政治和經(jīng)濟(jì)目標(biāo)。早在西漢，中國(guó)便已形成了相對(duì)成熟的“平物價(jià)”思想和政策，出現(xiàn)了桑弘羊的平準(zhǔn)、耿壽昌的常平和王莽的市平等概念。通貨膨脹（通脹）是指在信用貨幣制度下，流通中的貨幣數(shù)量超過(guò)經(jīng)濟(jì)實(shí)際需要而引起的貨幣貶值和物價(jià)水平全面、持續(xù)上漲。由于通脹本身就是經(jīng)濟(jì)的滯后指標(biāo)，所以相對(duì)準(zhǔn)確的通脹水平預(yù)測(cè)及走勢(shì)研判對(duì)提高經(jīng)濟(jì)政策的有效性和實(shí)效性具有重要意義。

新冠肺炎疫情以來(lái)，中國(guó)物價(jià)波動(dòng)性大幅增強(qiáng)。從走勢(shì)看主要經(jīng)歷了三個(gè)階段（見(jiàn)圖1）。一是2020年1～5月通脹下行階段。隨著疫情恐慌情緒蔓延，市場(chǎng)需求出現(xiàn)萎縮、悲觀情緒濃重，商品價(jià)格大幅下跌，PPI同比出現(xiàn)下降。受豬價(jià)觸頂回落等因素影響，CPI同步下降。二是2020年6～10月的PPI止跌回升、CPI繼續(xù)回落階段。該階段，中國(guó)對(duì)新冠肺炎疫情的控制取得初步成效，經(jīng)濟(jì)恢復(fù)帶動(dòng)大宗商品需求回升，同時(shí)國(guó)外新冠肺炎疫情持續(xù)蔓延，致使部分大宗商品供應(yīng)鏈斷裂、供給收縮，大宗商品價(jià)格開(kāi)始反彈，PPI跌幅收窄。受豬價(jià)下行及市場(chǎng)需求不旺等因素影響，CPI繼續(xù)下行。三是2020年11月至2021年8月的PPI加速上升、CPI震蕩回升階段。受歐美經(jīng)濟(jì)修復(fù)拉動(dòng)市場(chǎng)需求、全球流動(dòng)性充裕等因素影響，國(guó)際商品價(jià)格大幅上漲，中國(guó)PPI同比升至9.5%左右的較高水平。雖然豬價(jià)延續(xù)下降，但國(guó)際原油、銅等大宗商品價(jià)格持續(xù)上漲，CPI震蕩回升，2021年8月較二季度升幅略有下降。

圖1 新冠肺炎疫情以來(lái)中國(guó)通貨膨脹走勢(shì)

總體看，中國(guó)通脹呈典型的結(jié)構(gòu)性和輸入性特征。一是PPI創(chuàng)新高而CPI維持相對(duì)低位。PPI-CPI剪刀差由2020年4月的-6.4%升至2021年8月份的8.7%，創(chuàng)下歷史最高水平。從內(nèi)部分項(xiàng)看，分化程度較明顯。其中，PPI生產(chǎn)資料同比大幅上升，尤其是2021年以來(lái)斜率加大，增速加快，2021年8月已升至12.7%，創(chuàng)有史以來(lái)最高水平。PPI生活資料表現(xiàn)平穩(wěn)，疫情以來(lái)一直維持在-0.8%～1.4%的較窄區(qū)間運(yùn)行。在CPI分項(xiàng)中，食品項(xiàng)整體呈下行走勢(shì)，從2020年2月21.9%的較高水平震蕩下行至2021年8月-4.1%的較低水平。但非食品項(xiàng)與核心CPI漲幅明顯，非食品項(xiàng)在疫情初期僅為0.9%～1.6%，而自2021年二季度起便逐步超過(guò)疫情前水平。二是輸入性特征明顯。根據(jù)通脹走勢(shì)劃分，除第一階段PPI的變動(dòng)由中國(guó)主導(dǎo)外，第二、第三階段的PPI大幅上升主要是由外需拉動(dòng)大宗商品價(jià)格上漲所致。

大宗商品價(jià)格大幅上漲推動(dòng)了中國(guó)PPI快速大幅上升，已成為監(jiān)管者、業(yè)界和學(xué)術(shù)界共同關(guān)注的焦點(diǎn)。大宗商品價(jià)格大幅上漲的主要原因：一是供需錯(cuò)配。2020年5月后，中國(guó)基本控制住新冠肺炎疫情，率先實(shí)現(xiàn)復(fù)工復(fù)產(chǎn)，市場(chǎng)需求回升帶動(dòng)大宗商品價(jià)格上漲。至2020年11月前后，受美國(guó)大選確定、疫苗利好等因素影響，國(guó)外主要發(fā)達(dá)經(jīng)濟(jì)體經(jīng)濟(jì)企穩(wěn)，拉動(dòng)了市場(chǎng)需求，同時(shí)受疫情反復(fù)等因素影響，導(dǎo)致部分原材料生產(chǎn)國(guó)供給受限，加劇了供需矛盾，帶動(dòng)原油、銅等大宗商品價(jià)格快速上漲。二是全球流動(dòng)性充裕的效果逐步顯現(xiàn)。新冠肺炎疫情后，為加速經(jīng)濟(jì)復(fù)蘇，歐美主要發(fā)達(dá)國(guó)家相繼采取寬松的貨幣政策和積極的財(cái)政政策，全球主要央行創(chuàng)造了充裕的流動(dòng)性。數(shù)據(jù)顯示，截至2021年8月底，美聯(lián)儲(chǔ)、歐洲央行和日本央行資產(chǎn)負(fù)債表分別比疫情前擴(kuò)張了98.9%、70.0%和26.8%，擴(kuò)表速度大約為2008年全球金融危機(jī)時(shí)的兩倍。三是在中國(guó)推動(dòng)綠色低碳轉(zhuǎn)型背景下，部分商品供給收縮，短期供需矛盾有所加劇，增強(qiáng)了上漲預(yù)期。

綜合目前業(yè)界和學(xué)術(shù)界的研究成果，對(duì)中長(zhǎng)期通脹走勢(shì)進(jìn)行預(yù)判還缺乏有效的實(shí)證支持。筆者利用中國(guó)已上市的成熟期貨品種價(jià)格，構(gòu)建計(jì)量模型，實(shí)證檢驗(yàn)了該方法對(duì)新冠肺炎疫情以來(lái)通脹水平的預(yù)測(cè)效果，發(fā)現(xiàn)具有一定的準(zhǔn)確性和使用價(jià)值。在此基礎(chǔ)上，根據(jù)模型估計(jì)結(jié)果，利用期貨遠(yuǎn)期價(jià)格（1～12月）對(duì)下一步短期和中長(zhǎng)期通脹水平及走勢(shì)進(jìn)行了預(yù)測(cè)（在通脹預(yù)測(cè)時(shí)，短期的定義為3個(gè)月以內(nèi)，中長(zhǎng)期的定義為1個(gè)季度至1年內(nèi)）。

二、文獻(xiàn)綜述

（一）對(duì)國(guó)內(nèi)外通脹預(yù)測(cè)理論和模型的總結(jié)及評(píng)述

國(guó)際上對(duì)通貨膨脹的研究和預(yù)測(cè)由來(lái)已久，形成了相對(duì)成熟的理論和模型。按照演進(jìn)順序，先后圍繞基于菲利普斯曲線的多變量模型與單變量模型、線性模型與非線性模型、靜態(tài)模型和動(dòng)態(tài)模型的預(yù)測(cè)能力優(yōu)劣等內(nèi)容展開(kāi)了深入探討，但對(duì)何種理論和模型預(yù)測(cè)效果更好，目前尚未達(dá)成一致意見(jiàn)。綜合來(lái)看，預(yù)測(cè)理論或模型主要有以下幾類：

第一類是基于菲利普斯曲線的理論預(yù)測(cè)。菲利普斯曲線最初是用于描述失業(yè)率和工資增長(zhǎng)率之間的替代關(guān)系，后來(lái)經(jīng)濟(jì)學(xué)家發(fā)現(xiàn)失業(yè)率和產(chǎn)出增長(zhǎng)率之間也存在替代關(guān)系（奧肯定律），且工資增長(zhǎng)率與通貨膨脹率之間存在同向關(guān)系，基于這些內(nèi)在聯(lián)系，菲利普斯曲線逐漸轉(zhuǎn)變?yōu)橥ㄘ浥蛎浡屎彤a(chǎn)出缺口之間的函數(shù)關(guān)系。20世紀(jì)八九十年代，Gordon（1981）利用菲利普斯曲線蘊(yùn)含的關(guān)系構(gòu)造了包含供給、需求和通脹慣性的“三角模型”，對(duì)通脹進(jìn)行了預(yù)測(cè)，取得了一定成效。[1]但該理論的不足之處在于，其有效性主要是依賴于對(duì)經(jīng)濟(jì)潛在增長(zhǎng)率以及產(chǎn)出缺口的估算。鄭挺國(guó)等（2012）研究發(fā)現(xiàn)，在中國(guó)通脹預(yù)測(cè)中，“三角模型”的有效性并不高。[2]

第二類是單變量時(shí)間序列模型等線性模型。在菲利普斯曲線模型研究基礎(chǔ)上，部分學(xué)者進(jìn)行了更進(jìn)一步的研究。Atkeson A.et al.（2001）重點(diǎn)考慮了通脹慣性，利用當(dāng)前和過(guò)去通脹數(shù)據(jù)構(gòu)造了一個(gè)簡(jiǎn)單的隨機(jī)游走模型（簡(jiǎn)稱OA模型）進(jìn)行研究，發(fā)現(xiàn)其預(yù)測(cè)效果比各種形式的菲利普斯曲線模型都要好。[3]Stock J.H.&Waton M.W.（2003，2007）研究發(fā)現(xiàn)，在短期預(yù)測(cè)時(shí)，OA模型比菲利普斯曲線模型的精確性要高。[4]D’Agostino&Surico P.（2012）將之后涌現(xiàn)出的自回歸模型（AR）及自回歸移動(dòng)平均模型（ARMA）與菲利普斯曲線的預(yù)測(cè)能力進(jìn)行了比較，但沒(méi)有得出一致結(jié)論。[5]總體而言，線性模型方法操作簡(jiǎn)單，對(duì)經(jīng)濟(jì)運(yùn)行相對(duì)穩(wěn)定時(shí)期的通脹預(yù)測(cè)有一定功效，但隨著經(jīng)濟(jì)和通脹影響因素復(fù)雜性的提高，其有效性受到越來(lái)越多學(xué)者的質(zhì)疑。

第三類是非線性模型和動(dòng)態(tài)模型。隨著計(jì)算機(jī)技術(shù)和計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展，部分學(xué)者利用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法等非線性模型對(duì)通脹進(jìn)行了預(yù)測(cè)（Aiken&Milam，[6]1999；Alvarez-DiazM.，Gupta R.[7]2016），但研究發(fā)現(xiàn)，非線性模型的預(yù)測(cè)效果不一定比線性模型好。此外，近些年來(lái)的研究結(jié)果表明，通脹預(yù)測(cè)效果主要受到驅(qū)動(dòng)因素的 “時(shí)變性”影響。如：Eickmeier S.et al，（2015）指出，時(shí)變參數(shù)模型明顯改善了通脹的預(yù)測(cè)精度，其得出的結(jié)論是動(dòng)態(tài)模型表現(xiàn)比靜態(tài)模型要好。[8]綜合現(xiàn)有文獻(xiàn)，不同通脹預(yù)測(cè)模型在理論上并無(wú)本質(zhì)上的優(yōu)劣之分，但其預(yù)測(cè)通脹的功效會(huì)隨著經(jīng)濟(jì)周期波動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、宏觀和產(chǎn)業(yè)政策變化而變化。

第四類是基于預(yù)期理論的預(yù)測(cè)。理性預(yù)期理論認(rèn)為，人們（理性人）會(huì)利用過(guò)去一切有用的信息作出長(zhǎng)期來(lái)看最為準(zhǔn)確的預(yù)期，不會(huì)犯系統(tǒng)性錯(cuò)誤，即使發(fā)生差錯(cuò)也會(huì)及時(shí)予以糾正，因而變量的預(yù)期值與實(shí)際值能夠基本保持一致?；陬A(yù)期理論，學(xué)術(shù)界和業(yè)界提出了多種預(yù)測(cè)通脹的方法，其中一種是利用利率期限結(jié)構(gòu)隱含的信息進(jìn)行預(yù)測(cè)。Mishkin F.S.（1991）研究發(fā)現(xiàn)，英國(guó)、法國(guó)和德國(guó)等國(guó)家的債券收益率曲線隱含了未來(lái)通脹的動(dòng)態(tài)信息。[9]另一種方法是直接基于投資者調(diào)查或網(wǎng)絡(luò)數(shù)據(jù)信息來(lái)獲得通脹預(yù)期。Wei Y.J.et al.（2017）的研究發(fā)現(xiàn)，谷歌搜索量指數(shù)對(duì)CPI具有較好的預(yù)測(cè)能力。[10]

在借鑒學(xué)習(xí)國(guó)外相關(guān)理論和模型基礎(chǔ)上，國(guó)內(nèi)學(xué)者對(duì)通脹預(yù)測(cè)的研究在具體方法上有了一定創(chuàng)新。陳彥斌等（2021）利用LSTM模型和BVAR模型，重點(diǎn)研究了新時(shí)代背景下的中國(guó)通脹情況，發(fā)現(xiàn)非線性模型比線性模型的預(yù)測(cè)能力更好。[11]鄭振龍等（2019）利用金融資產(chǎn)價(jià)格提取了名義和實(shí)際收益率，并計(jì)算出了隱含通脹信息和通脹風(fēng)險(xiǎn)的溢酬等。[12]雷懷英等（2018）研究發(fā)現(xiàn)，網(wǎng)絡(luò)檢索數(shù)據(jù)對(duì)預(yù)測(cè)中國(guó)CPI具有一定功效。[13]此外，一些學(xué)者基于先行指標(biāo)對(duì)預(yù)測(cè)方法進(jìn)行了改進(jìn)，其邏輯是通脹數(shù)據(jù)的公布具有一定滯后性，如中國(guó)統(tǒng)計(jì)局對(duì)當(dāng)月的通脹數(shù)據(jù)一般在次月上旬公布。要想提前預(yù)測(cè)通脹，就需要采用比通脹數(shù)據(jù)更領(lǐng)先的指標(biāo)。當(dāng)前，中國(guó)學(xué)術(shù)界和業(yè)界常用的先行指標(biāo)有采購(gòu)經(jīng)理人指數(shù)（PMI）、金融狀況指數(shù)等。封思賢等（2012）研究發(fā)現(xiàn)，金融狀況指數(shù)對(duì)預(yù)測(cè)通貨膨脹具有先行作用。[14]為解決通脹數(shù)據(jù)滯后性問(wèn)題，部分業(yè)界人士還采用通脹分項(xiàng)的高頻數(shù)據(jù)對(duì)行業(yè)通脹進(jìn)行預(yù)測(cè)，在此基礎(chǔ)上根據(jù)估計(jì)的權(quán)重加權(quán)對(duì)CPI或PPI進(jìn)行預(yù)測(cè)。一些學(xué)者利用有色、黑色、化工等行業(yè)高頻數(shù)據(jù)對(duì)PPI環(huán)比進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)短期內(nèi)預(yù)測(cè)值與實(shí)際值具有較高的相關(guān)性。但這些方法只能對(duì)短期通脹水平進(jìn)行預(yù)測(cè)，無(wú)法對(duì)中長(zhǎng)期通脹走勢(shì)進(jìn)行預(yù)判。

（二）利用商品期貨價(jià)格預(yù)測(cè)通貨膨脹的理論和現(xiàn)實(shí)基礎(chǔ)

1.理論基礎(chǔ)。綜合分析現(xiàn)有通脹預(yù)測(cè)理論和模型可以發(fā)現(xiàn)，對(duì)通脹的預(yù)測(cè)既要充分利用過(guò)去的信息（如使用滯后項(xiàng)來(lái)表示通脹慣性），又要切實(shí)考慮對(duì)未來(lái)通脹的研判，在模型和技術(shù)方面還要考慮經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)使用線性或非線性、動(dòng)態(tài)或靜態(tài)模型。從基本的邏輯看，期貨市場(chǎng)具有價(jià)格發(fā)現(xiàn)和風(fēng)險(xiǎn)管理等功能，理論上具備了通脹預(yù)測(cè)的多種特征，基本能夠滿足預(yù)測(cè)要求。利用商品期貨價(jià)格對(duì)通脹進(jìn)行預(yù)測(cè)，一方面，可以解決菲利普斯曲線模型和自回歸模型等在預(yù)測(cè)時(shí)的滯后性問(wèn)題，另一方面，期貨價(jià)格充分體現(xiàn)了投資者對(duì)未來(lái)資產(chǎn)價(jià)格的預(yù)期，因而具有較好的理論基礎(chǔ)。此外，不同期限的期貨價(jià)格（構(gòu)成遠(yuǎn)期曲線）還可以用來(lái)進(jìn)行各期限未來(lái)通脹走勢(shì)的研判。綜上，使用期貨價(jià)格預(yù)測(cè)通脹在理論上具有一定可行性。

近年來(lái)學(xué)術(shù)界的相關(guān)研究也給出了實(shí)證支持。如：姜圓和韓乾（2021）利用商品期貨價(jià)格及商品指數(shù)信息進(jìn)行研究，發(fā)現(xiàn)不管是在樣本期內(nèi)還是樣本期外，商品期貨價(jià)格對(duì)通脹都具有顯著的預(yù)測(cè)能力，但其研究只局限在統(tǒng)計(jì)上的顯著性，尚未對(duì)具體的通脹水平和通脹趨勢(shì)進(jìn)行討論。[15]孫玉奎（2020）使用中國(guó)商品期貨價(jià)格對(duì)PPI走勢(shì)進(jìn)行了預(yù)測(cè)，不僅解決了具體通脹水平的精確預(yù)測(cè)問(wèn)題，還對(duì)中長(zhǎng)期通脹趨勢(shì)進(jìn)行了探討，具有較高的使用價(jià)值。[16]但由于當(dāng)時(shí)中國(guó)尚未上市生豬期貨等對(duì)CPI影響較大的期貨品種，其研究尚未就商品期貨對(duì)CPI的預(yù)測(cè)進(jìn)行深入探討。

2.現(xiàn)實(shí)基礎(chǔ)。從功能發(fā)揮角度看，經(jīng)過(guò)30年的發(fā)展，中國(guó)期貨市場(chǎng)發(fā)展取得了顯著成效，主要品種價(jià)格發(fā)現(xiàn)和風(fēng)險(xiǎn)管理功能發(fā)揮良好，當(dāng)然也存在部分品種不活躍、功能發(fā)揮有待提升的現(xiàn)實(shí)情況。從期貨構(gòu)成角度看，中國(guó)期貨市場(chǎng)具有較好的品種基礎(chǔ)。截至2021年8月底，中國(guó)大陸地區(qū)共上市64個(gè)商品期貨品種。其中有2個(gè)貴金屬期貨、9個(gè)黑色系期貨、11個(gè)化工品期貨、3個(gè)建材類期貨、6個(gè)能源類期貨、26個(gè)農(nóng)產(chǎn)品期貨、7個(gè)有色金屬期貨，基本滿足了對(duì)PPI和CPI預(yù)測(cè)的需求。PPI統(tǒng)計(jì)調(diào)查目錄中共涉及15個(gè)工業(yè)類別、41個(gè)行業(yè)大類、上萬(wàn)種工業(yè)品價(jià)格，但工業(yè)類別之間的權(quán)重差異較大。根據(jù)相關(guān)性分析可以發(fā)現(xiàn)，石油工業(yè)、煤炭及煉焦工業(yè)、冶金工業(yè)、建材工業(yè)、紡織工業(yè)、食品工業(yè)等對(duì)PPI影響較大，而這些大類行業(yè)都有較為成熟的對(duì)應(yīng)期貨品種（見(jiàn)表1）。CPI方面，非食品分項(xiàng)對(duì)應(yīng)的工業(yè)品可以參考PPI的分析。食品分項(xiàng)中可以重點(diǎn)利用大商所和鄭商所上市的農(nóng)產(chǎn)品期貨。其中與CPI高度相關(guān)的豬價(jià)和油價(jià)，中國(guó)也已經(jīng)上市了相應(yīng)期貨品種。雖然原油期貨和生豬期貨上市的時(shí)間還較短，利用這些期貨數(shù)據(jù)仍有一定局限性，但結(jié)合一定的數(shù)據(jù)分析和公式推導(dǎo)，可以利用國(guó)外相關(guān)品種及理論期貨價(jià)格等方法克服這一困難。筆者借鑒孫玉奎[16]（2020）以及現(xiàn)有文獻(xiàn)的分析方法，利用中國(guó)已上市的期貨品種，加之一定的技術(shù)處理，對(duì)中國(guó)PPI和CPI短期水平和中長(zhǎng)期趨勢(shì)進(jìn)行了預(yù)測(cè)，在一定程度上彌補(bǔ)了現(xiàn)有研究的不足。

表1 利用商品期貨價(jià)格預(yù)測(cè)PPI和CPI的理論和現(xiàn)實(shí)基礎(chǔ)

三、數(shù)據(jù)和模型

（一）數(shù)據(jù)和樣本區(qū)間選取

選取2012年1月～2021年8月中國(guó)通脹數(shù)據(jù)和主要商品期貨價(jià)格時(shí)間序列進(jìn)行研究。對(duì)于時(shí)間區(qū)間的選取既要考慮計(jì)量經(jīng)濟(jì)學(xué)對(duì)樣本量的要求，即樣本數(shù)量不能太少，又要考慮經(jīng)濟(jì)結(jié)構(gòu)的變動(dòng)，即樣本區(qū)間不能太長(zhǎng)。此外，本研究的樣本區(qū)間涵蓋了供給側(cè)結(jié)構(gòu)性改革這一重大事件對(duì)商品期貨價(jià)格的影響，這一因素和當(dāng)前“碳達(dá)峰碳中和”目標(biāo)下產(chǎn)業(yè)政策調(diào)整的效果有一定相似之處，因此，利用該階段數(shù)據(jù)構(gòu)建的模型對(duì)研究當(dāng)前通脹水平和對(duì)未來(lái)走勢(shì)預(yù)判具有重要參考價(jià)值。

（二）變量定義及描述性統(tǒng)計(jì)

本研究的主要解釋變量為通貨膨脹指標(biāo)，具體分為生產(chǎn)者價(jià)格指數(shù) （PPI）和消費(fèi)者價(jià)格指數(shù)（CPI）。商品期貨價(jià)格采用對(duì)數(shù)收益率衡量?？紤]到通貨膨脹環(huán)比數(shù)據(jù)具有一定的季節(jié)性，在建模時(shí)需要進(jìn)行季節(jié)調(diào)整，但不同的季節(jié)調(diào)整模型可能會(huì)導(dǎo)致預(yù)測(cè)偏誤，加之中國(guó)部分商品期貨品種還存在活躍合約不連續(xù)、連續(xù)合約不活躍等與周期相關(guān)的變化因素，故筆者只對(duì)通脹同比數(shù)據(jù)進(jìn)行預(yù)測(cè)。

在具體期貨品種選取上，從通脹數(shù)據(jù)統(tǒng)計(jì)角度分析，期貨品種對(duì)應(yīng)的現(xiàn)貨是通脹數(shù)據(jù)采集的子集，因此將所有商品期貨品種用于預(yù)測(cè)通脹在理論上更合理，而且與實(shí)際現(xiàn)貨相比，期貨品種仍然較少。從計(jì)量經(jīng)濟(jì)學(xué)角度分析，由于部分期貨品種上市較晚，數(shù)據(jù)量較少，所以不滿足建模要求，應(yīng)該予以剔除?；诖耍紫冉y(tǒng)計(jì)了所有目前已經(jīng)上市的商品期貨上市時(shí)間，發(fā)現(xiàn)共有15個(gè)期貨品種上市時(shí)間不足三年（2018年9月后上市），即紙漿、乙二醇、紅棗、尿素、20號(hào)膠、粳米、不銹鋼、苯乙烯、純堿、LPG（液化石油氣）、低硫燃料油、短纖、國(guó)際銅、生豬、花生期貨，予以剔除。其次，與國(guó)際成熟的期貨市場(chǎng)相比，中國(guó)期貨市場(chǎng)發(fā)展歷史仍然較短，部分已經(jīng)上市的期貨品種活躍度還不高，數(shù)據(jù)質(zhì)量有待提升，其對(duì)預(yù)測(cè)模型會(huì)產(chǎn)生一定影響，因此也予以剔除，如黑色類的線材、農(nóng)產(chǎn)品類的稻谷等。最后，分別剔除與PPI（CPI）相關(guān)性絕對(duì)值低于0.3（0.2）的期貨品種。

最終，筆者選取了原油、焦煤、銅、螺紋鋼、甲醇等18個(gè)期貨品種作為對(duì)PPI的預(yù)測(cè)因子。為了體現(xiàn)針對(duì)性，在選取預(yù)測(cè)CPI的期貨品種時(shí)，并不一定選取與PPI完全一致的因子，而是綜合考慮相關(guān)性等因素，選取了原油、銅、甲醇、塑料、豆二、生豬等21個(gè)商品期貨品種作為對(duì)CPI的預(yù)測(cè)因子。

變量中有兩點(diǎn)需要說(shuō)明。一是對(duì)原油價(jià)格的使用方面。油價(jià)對(duì)通脹的影響較大，但中國(guó)原油期貨上市時(shí)間較短（2018年3月上市），雖然有三年多時(shí)間，但從計(jì)量角度分析，同比數(shù)據(jù)仍然不夠。為了充分利用數(shù)據(jù)，采用經(jīng)匯率調(diào)整的布倫特和WTI原油期貨結(jié)算價(jià)計(jì)算的收益率平均值作為中國(guó)原油期貨價(jià)格影響因子代理變量。這樣做的理由和可行之處是：一方面，經(jīng)研究發(fā)現(xiàn)，INE原油期貨結(jié)算價(jià)與布倫特和WTI原油期貨結(jié)算價(jià)的相關(guān)系數(shù)分別高達(dá)0.96和0.91（2018年3月～2021年8月），境內(nèi)原油期貨價(jià)格與國(guó)際主要原油期貨價(jià)格走勢(shì)高度相關(guān)。另一方面，采用境外主要原油期貨價(jià)格對(duì)中國(guó)通脹形勢(shì)進(jìn)行預(yù)測(cè)，可以直觀反映輸入性通脹的情況，對(duì)理解近年來(lái)中國(guó)通脹的形成原因具有重要意義。二是對(duì)生豬期貨價(jià)格的使用方面。如果使用期貨價(jià)格對(duì)CPI同比進(jìn)行預(yù)測(cè)，生豬期貨價(jià)格將是難以回避的。2021年1月8日，中國(guó)生豬期貨上市，隨著市場(chǎng)的發(fā)展，其價(jià)格發(fā)現(xiàn)功能已初步發(fā)揮，為利用商品期貨價(jià)格預(yù)測(cè)CPI提供了可能。但目前生豬期貨價(jià)格月度數(shù)據(jù)量仍然較少，無(wú)法計(jì)算同比變化。為此，基于期貨定價(jià)理論（推導(dǎo)過(guò)程參見(jiàn)模型設(shè)定部分），使用現(xiàn)貨價(jià)格和利率數(shù)據(jù)計(jì)算了理論期貨價(jià)格，并與實(shí)際期貨價(jià)格進(jìn)行了對(duì)比，發(fā)現(xiàn)兩者走勢(shì)基本一致，具有較好的利用價(jià)值，樣本內(nèi)預(yù)測(cè)檢驗(yàn)結(jié)果顯示效果較好。

具體變量名稱和含義及描述性統(tǒng)計(jì)如表2所示。由表2可知，PPI和CPI的均值分別為0和2左右，大宗商品期貨價(jià)格對(duì)數(shù)收益率均值大約為0，標(biāo)準(zhǔn)差差異較大，說(shuō)明不同商品期貨波動(dòng)性不一致。變量樣本量少則77，多則116，滿足建模要求。

表2 變量說(shuō)明和描述性統(tǒng)計(jì)

（三）模型設(shè)定

對(duì)PPI同比預(yù)測(cè)計(jì)量模型如下：

其中，PPItongbi表示 PPI同比，β0為常數(shù)項(xiàng)，R_Commiditytongbi，i為第i種商品期貨價(jià)格的同比對(duì)數(shù)收益率，即 R_Commiditytongbi，i=ln（Pt/Pt-12），t為月度商品期貨價(jià)格，ε為隨機(jī)擾動(dòng)項(xiàng)。

對(duì)于CPI的預(yù)測(cè)，也采用類似公式（1）的模型進(jìn)行研究，但加入模型的商品期貨種類不一定完全一致，需要考慮相關(guān)性等因素加以權(quán)衡。尤其是中國(guó)CPI中生豬產(chǎn)業(yè)鏈上下游相關(guān)產(chǎn)品的權(quán)重相對(duì)較大，因此需要重點(diǎn)考慮豬價(jià)的影響。首先，采用22個(gè)省份生豬現(xiàn)貨月度平均價(jià)格的理論期貨價(jià)格變動(dòng)數(shù)據(jù)作為生豬期貨價(jià)格變動(dòng)數(shù)據(jù)。其中t時(shí)刻、到期期限為 T 的期貨理論價(jià)格使用公式 Ft，T=St×e（rt+ct-yt）×T計(jì)算，其中，r為無(wú)風(fēng)險(xiǎn)利率，使用10年期國(guó)債到期收益率計(jì)算，c和y分別為持有成本和持有商品的便宜收益率（短期內(nèi)假設(shè)這兩者相對(duì)穩(wěn)定，基本保持不變），T為到期時(shí)間，筆者采用的主要是近月合約，所以是1/12年。其次，對(duì)其他期限的理論價(jià)格采用相同方式計(jì)算。最后，計(jì)算價(jià)格同比變化，則收益率只與現(xiàn)貨價(jià)格收益率、無(wú)風(fēng)險(xiǎn)利率和到期期限有關(guān)，具體推導(dǎo)公式如下：

假定持有成本和便宜收益率短期內(nèi)恒定，則（ctct-12）×T-（yt-yt-12）×T 可以忽略。相同期限的期貨價(jià)格同比變化只與現(xiàn)貨市場(chǎng)價(jià)格變化和利率變動(dòng)有關(guān)：

由此可見(jiàn)，生豬期貨價(jià)格不僅充分反映了生豬現(xiàn)貨價(jià)格的影響，還充分反映了市場(chǎng)流動(dòng)性的因素。

四、實(shí)證結(jié)果及分析

（一）大宗商品期貨價(jià)格對(duì)PPI的影響及同比預(yù)測(cè)

1.實(shí)證結(jié)果及分析。商品期貨價(jià)格對(duì)PPI的影響估計(jì)結(jié)果如表3所示。由表3可知，滯后1期的PPI系數(shù)顯著為正，說(shuō)明PPI走勢(shì)具有慣性特征。原油、燃料油、銅等大宗商品期貨價(jià)格對(duì)PPI的變動(dòng)影響顯著為正，調(diào)整的可決系數(shù)均在93%以上，說(shuō)明回歸模型能夠解釋PPI變動(dòng)的大部分原因。此外，在逐步剔除統(tǒng)計(jì)上不顯著的變量后發(fā)現(xiàn) （如表3第4列所示），模型擬合優(yōu)度沒(méi)有顯著變小，說(shuō)明滯后1期的PPI、原油、焦煤、銅、甲醇等商品期貨品種就能很好衡量PPI的變動(dòng)情況，即這些商品期貨品種相當(dāng)于發(fā)揮了對(duì)應(yīng)商品大類指數(shù)的作用。值得說(shuō)明的是，原油期貨價(jià)格使用的是WTI和布倫特原油期貨價(jià)格的平均價(jià)收益率，結(jié)果顯示非常顯著且穩(wěn)健，表明中國(guó)PPI變動(dòng)具有一定的輸入性因素。

2.對(duì)PPI同比預(yù)測(cè)效果的回測(cè)分析及下一步走勢(shì)預(yù)判。上文研究發(fā)現(xiàn)，大宗商品價(jià)格對(duì)PPI同比變動(dòng)具有顯著影響，且模型的擬合優(yōu)度較好。為了便于檢測(cè)模型預(yù)測(cè)效果，將2020年9月當(dāng)時(shí)的各個(gè)商品期貨1～12月的遠(yuǎn)期價(jià)格 （大部分商品期貨具有1～12個(gè)月連續(xù)的遠(yuǎn)期價(jià)格，部分商品期貨價(jià)格不連續(xù)，采用線性插值法或平均增長(zhǎng)率方法補(bǔ)齊）代入模型，計(jì)算了未來(lái)12個(gè)月的PPI預(yù)測(cè)值，并與實(shí)際值進(jìn)行比較，結(jié)果如圖2所示。從圖2可以發(fā)現(xiàn)，模型對(duì)PPI的短期預(yù)測(cè)能力相對(duì)良好，平均絕對(duì)誤差在0.3左右；對(duì)PPI的中長(zhǎng)期預(yù)測(cè)效果誤差偏大，但預(yù)測(cè)的走勢(shì)與實(shí)際PPI走勢(shì)基本一致?？梢?jiàn)，使用大宗商品期貨價(jià)格對(duì)短期PPI水平及中長(zhǎng)期PPI水平趨勢(shì)的預(yù)測(cè)具有一定參考價(jià)值。

圖2 PPI同比預(yù)測(cè)效果的回測(cè)圖

基于上述研究，筆者將截至2021年9月17日各商品期貨遠(yuǎn)期價(jià)格數(shù)據(jù)（日度平均）代入模型中，計(jì)算出未來(lái)1年內(nèi)PPI走勢(shì)，結(jié)果如圖3所示。由圖3可知，短期內(nèi)PPI仍有較大可能維持在8%～10%的高位區(qū)間內(nèi)，至2022年呈現(xiàn)逐步回落趨勢(shì)?；販y(cè)研究發(fā)現(xiàn)，部分月份預(yù)測(cè)值與實(shí)際值誤差會(huì)在2個(gè)百分點(diǎn)以上，可能的原因是：部分產(chǎn)業(yè)政策擾動(dòng)和投資者情緒變化對(duì)模型的預(yù)測(cè)準(zhǔn)確度產(chǎn)生了較大影響。因此，必須說(shuō)明的是，筆者對(duì)下一步PPI走勢(shì)的預(yù)測(cè)可能會(huì)因?yàn)閿?shù)據(jù)不全、政策擾動(dòng)、投資者情緒變化、期現(xiàn)貨市場(chǎng)走勢(shì)出現(xiàn)明顯分化等因素而出現(xiàn)較大誤差。

圖3 下一步PPI同比水平及走勢(shì)預(yù)測(cè)

（二）大宗商品期貨價(jià)格對(duì)CPI的影響及同比預(yù)測(cè)

1.實(shí)證結(jié)果及分析。按照對(duì)PPI分析的邏輯，筆者對(duì)大宗商品價(jià)格對(duì)CPI的影響進(jìn)行了定量分析，實(shí)證結(jié)果如表4所示。由表4可以發(fā)現(xiàn)，原油、生豬等大宗商品價(jià)格對(duì)CPI具有顯著影響。滯后1階的CPI在統(tǒng)計(jì)上顯著，表明CPI具有較強(qiáng)的慣性特征。與PPI實(shí)證結(jié)果相比，雖然CPI預(yù)測(cè)模型的擬合優(yōu)度略低，但也在91%以上。

表4 大宗商品價(jià)格對(duì)CPI的影響實(shí)證結(jié)果

2.對(duì)CPI同比預(yù)測(cè)效果的回測(cè)分析及下一步走勢(shì)預(yù)判。同理，筆者將截至2020年9月的相關(guān)商品期貨1～12個(gè)月的遠(yuǎn)期價(jià)格代入CPI模型，計(jì)算了當(dāng)時(shí)時(shí)點(diǎn)未來(lái)12個(gè)月的CPI預(yù)測(cè)值，并與實(shí)際值進(jìn)行比較，結(jié)果如圖4所示。由圖4可以發(fā)現(xiàn)，模型對(duì)CPI的短期預(yù)測(cè)能力尚可，預(yù)測(cè)的中長(zhǎng)期走勢(shì)與實(shí)際CPI走勢(shì)基本一致，在重大拐點(diǎn)處具有預(yù)判能力；不足之處在于預(yù)測(cè)值波動(dòng)性較小，無(wú)法捕捉CPI個(gè)別月份的大幅變動(dòng)；中長(zhǎng)期看，預(yù)測(cè)的走勢(shì)（而非絕對(duì)水平）的參考價(jià)值更大。

圖4 CPI同比預(yù)測(cè)效果的回測(cè)圖

筆者將截至2021年9月17日各商品期貨遠(yuǎn)期價(jià)格數(shù)據(jù)（日度平均）代入CPI預(yù)測(cè)模型中，計(jì)算出未來(lái)1年內(nèi)的CPI走勢(shì)，結(jié)果如圖5所示。由圖5可以發(fā)現(xiàn)，短期內(nèi)CPI水平可能略有升高，達(dá)到1.2%左右，但幅度不大；中長(zhǎng)期看，未來(lái)1年內(nèi)CPI呈逐步回落趨勢(shì)，在較低水平徘徊。

圖5 下一步CPI同比預(yù)測(cè)走勢(shì)

五、結(jié)論及對(duì)策建議

筆者利用商品期貨價(jià)格對(duì)中國(guó)通貨膨脹進(jìn)行了實(shí)證研究和預(yù)測(cè)分析。研究發(fā)現(xiàn)，大宗商品期貨價(jià)格對(duì)PPI和CPI的變動(dòng)具有顯著影響，模型擬合優(yōu)度均在91%以上，能夠解釋PPI和CPI變動(dòng)的大部分原因?；販y(cè)結(jié)果發(fā)現(xiàn)，筆者構(gòu)建的模型對(duì)PPI和CPI的短期預(yù)測(cè)能力相對(duì)良好，對(duì)中長(zhǎng)期預(yù)測(cè)效果的誤差雖有所增大，但預(yù)測(cè)的走勢(shì)與實(shí)際走勢(shì)基本一致。由于期貨價(jià)格無(wú)法預(yù)測(cè)到中長(zhǎng)期產(chǎn)業(yè)政策變動(dòng)，因此預(yù)測(cè)模型無(wú)法捕捉到個(gè)別月份的大幅波動(dòng)，但在趨勢(shì)判斷上仍具有一定參考價(jià)值。在回測(cè)檢驗(yàn)基礎(chǔ)上，對(duì)下一步通脹走勢(shì)進(jìn)行了分析，研究發(fā)現(xiàn)，2022年P(guān)PI將呈現(xiàn)逐步回落趨勢(shì)，CPI短期內(nèi)存在小幅升高的可能，全年呈逐步回落趨勢(shì)，將維持在較低水平，但不會(huì)改變中長(zhǎng)期低位震蕩的趨勢(shì)。根據(jù)研究結(jié)論，提出如下對(duì)策建議。

一是貨幣政策要保持定力。雖然當(dāng)前中國(guó)通脹具有較強(qiáng)的結(jié)構(gòu)性特征，如PPI大幅上升（尤其是生產(chǎn)資料）給中下游企業(yè)形成較大壓力，CPI維持低位表明需求端乏力等，但總體上通脹是可控的，不存在長(zhǎng)期高通脹的基礎(chǔ)。因此，貨幣政策要保持定力，加強(qiáng)對(duì)中小企業(yè)的定向扶持力度，增強(qiáng)跨周期調(diào)節(jié)，防范輸入性通脹風(fēng)險(xiǎn)。

二是研究推出更多商品期貨品種，適時(shí)推出商品指數(shù)期貨。本研究中只用了與PPI和CPI相關(guān)度較高的商品期貨品種，在短期內(nèi)預(yù)測(cè)具有一定參考價(jià)值，但考慮到通脹指標(biāo)統(tǒng)計(jì)的復(fù)雜性和標(biāo)的的廣泛性，中國(guó)期貨品種數(shù)量和種類仍顯不足，應(yīng)加大品種供給，適時(shí)推出商品指數(shù)期貨，增強(qiáng)模型預(yù)測(cè)能力。

三是在能源轉(zhuǎn)型過(guò)程中，既要做好忍受短期陣痛的準(zhǔn)備，又要做好大宗商品保供穩(wěn)價(jià)和市場(chǎng)化調(diào)節(jié)工作，努力穩(wěn)定市場(chǎng)預(yù)期，合理引導(dǎo)企業(yè)利用期貨市場(chǎng)價(jià)格發(fā)現(xiàn)和風(fēng)險(xiǎn)管理功能，提高風(fēng)險(xiǎn)防范能力。