工业产需力量对比:基于工业产出缺口的分析
报告时间:20190830
R语言 Python X-13 季调 X-12-ARIMA 春节效应 工业产出缺口 HP滤波 pandas seasonal plotly
文章目录
报告摘要
中国工业产出缺口 连续12个月处于负值
工业产出缺口<0
需求<供给
去库存周期持续更长时间
工业增加值月度数据同比增速采用单缩法。
step1:推算法:通过推算法,获得限额以上企业名义工业增加值。
step2:通过工业品出厂价格指数缩减工业增加值,获得实际工业增加值增速。
step3:通过工业生产指数,获得1月和2月同比增速。
工业生产指数和实际工业增加值走势一致,环比具有明显季节性特征。
step1:通过实际工业增加值,获得工业产出缺口。
除春节假日扰动的1月和2月以外,工业生产指数环比具有显著季节性,在季末月份出现峰值。
1.统计体系:我国现行工业生产统计方法与特征
1.1.工业增加值的统计方法_end
1.1.1.我国现行工业增加值统计发布规律:
规模以上工业增加值:每月一次
全部工业增加值 :每年一次
1.1.2.年度全部工业增加值:
年度工业增加值为名义价格计算,受工业价格指数影响。
年度全部工业增加值采用收入法计算,分三个步骤计算:
①根据工业企业成本费用计算工业增加值。
②汇总各行业和总计工业增加值,并计算相应的工业增加值率(工业增加值/工业总产值)。
③利用分行业工业增加值率计算限额以上分行业工业增加值并汇总出限额以上工业增加值。
图01:剔除价格波动后工业增加值同比增速较为平滑_金工狗
import pandas as pd
import numpy as np
import os # ===获取项目根目录
import datetime
from datetime import datetime
#_ = # 返回当前文件路径
root_path = os.path.abspath("")
print(root_path)
path = root_path + '/final.xlsx'
outdata = pd.read_excel(path, skiprows=0)
#print(outdata.head())
import plotly as py
import plotly.graph_objects as go
import plotly.express as px
import plotly.offline
from plotly import tools
#######input#######
figname = '图01:剔除价格波动后工业增加值同比增速较为平滑_金工狗'
x1 = '全部工业增加值:同比'
x11 = '全部工业增加值:同比'
x2 = '全部工业增加值'
x22 = '全部工业增加值:金工狗同比'
x3 = 'PPI:全部工业品:当月同比'
x33 = 'PPI:全部工业品:当月同比:金工狗调频年'
date_bestbegin = datetime(1953,1,1)
date_start = datetime(1953,1,1)
date_end = datetime(2017,12,31)
#######input#######
#######画图取数#######
#print(outdata.head())
data = outdata[['指标名称', x1, x22, x33]]
data = data[7:-2]
data = data.rename(columns={'指标名称': '时间'})
data = data.fillna(0)
data['时间月'] = data['时间'].dt.month.map(str)
data['时间年'] = data['时间'].dt.year.map(str)
data['时间年月'] = data['时间'].dt.year.map(str)+'-'+data['时间'].dt.month.map(str)
data = data.loc[data['时间'] >= date_bestbegin]
data = data.loc[data['时间'] >= date_start].loc[data['时间'] <= date_end]
#print(data)
pathout = root_path + '/'+figname+'.xlsx'
data.to_excel(pathout, encoding='utf_8_sig')
#######画图取数#######
draw1 = go.Scatter(x=data['时间'], y=data[x1], name=x11, marker=dict(color='rgb(49,130,189)'))
draw2 = go.Scatter(x=data['时间'], y=data[x22], name=x22, marker=dict(color='rgb(190,190,190)'))
draw3 = go.Scatter(x=data['时间'], y=data[x33], name=x33, marker=dict(color='rgb(0,0,0)'))
layout = go.Layout({"template": 'simple_white', #'plotly',#'simple_white',
"title": {"text": figname, "x": 0.5},
"xaxis": {"title": {"text": ""}, "tickformat": '', "zeroline": True},
"yaxis": {"title": {"text": ""},"zeroline": True},#"autorange": 'reversed'
#"yaxis2": {"anchor": 'x', "overlaying": 'y', "side": 'right'},
"legend": {"title": {"text": ""}, "x": 0.9, "y": 1.1}})
figdata = [draw1, draw2,draw3]
fig = go.Figure(data=figdata, layout=layout)
plotly.offline.plot(fig, filename=figname+'.html')
fig.show()
1.1.3.结论
从统计过程可以看出,统计局公布的全部工业增加值:同比为名义价格计算,工业价格指数波动一定程度弥补了全部工业增加值:同比,使得剔除价格后的工业增加值增速=全部工业增加值:同比在走势上相对平滑。
1.2.工业增加值的缩减方法_end
1.2.1. 现行月度工业增加值采用:推算法
本 月 可 比 工 业 增 加 值 = 本 月 现 价 工 业 总 产 值 ∗ 上 年 度 工 业 增 加 值 率 出 厂 价 格 本月可比工业增加值=\frac{本月现价工业总产值*上年度工业增加值率}{出厂价格} 本月可比工业增加值=出厂价格本月现价工业总产值∗上年度工业增加值率
1.2.2.现行月度工业增加值同比采用:单缩法
工业品出厂价格指数缩减工业增加值
本
月
工
业
增
加
值
同
比
=
本
月
工
业
增
加
值
增
速
=
当
月
可
比
价
格
工
业
增
加
值
基
期
当
月
现
价
工
业
增
加
值
−
1
本月工业增加值同比=本月工业增加值增速=\frac{当月可比价格工业增加值}{基期当月现价工业增加值}-1
本月工业增加值同比=本月工业增加值增速=基期当月现价工业增加值当月可比价格工业增加值−1
1.2.3. 月度工业增加值同比:双缩法更为准确
双缩法是在计算工业增加值时,对总产值按出厂价格缩减,同时对中间投入按购进价格缩减。
当出厂价格和购进价格同步时,用单缩法不存在误差;但如果两者价格不同步,就会出现高估或低估。
当购进价格上涨速度超过出厂价格时,中间投入用出厂价格缩减,就会高估实际中间投入从而低估工业增加值;
当购进价格回落速度超过出厂价格时,中间投入用出厂价格缩减,就会低估实际中间投入从而高估工业增加值。
1.2.4.名义工业增加值难以获取,导致无法使用单缩法预测实际增加值增速
月度名义工业增加值只公布到2006年12月。
月度名义工业增加值数据需要靠其他指标进行推算,与工业增加值高度相关的两个指标分别是月度工业总产值和工业销售产值。
月度工业总产值只公布到2012年5月。
工业销售产值只公布到2013年2月。
2013 年以后的名义工业增加值难以采用近似法补充完整,导致无法使用单缩法公式和 PPI来预测实际工业增加值增速。
在PPI处于温和走势时,名义工业增加值和实际增加值走势较为同步,从而不需要考虑价格因素。但是,如果出现2008年期间PPI通缩,名义增速较实际增速下降更快。
1.3.工业增加值的季节性特征
2.总量视角:工业产出缺口走向显示需求弱于供给
2.1.工业增加值季调方法_end
采用X-12-ARIMA模型,通过春节效应的虚拟变量来消除春节影响。
①模型选项设置将主要参考王群勇教授(2012)论文中对中国零售数据的处理,排除掉2003年5月 SARS极值的影响。
②春节效应虚拟变量的构建则参考《通货膨胀的季节调整与预测模型——宏观预测专题报告一》。
2.2.工业增加值季调结果分析
在这里插入代码片
2.3.工业产出缺口的测算与分析
2.4.PMI、生产和需求等指标辅助判断工业增加值变动方向
3.结构视角:细分行业份额变化显示结构持续升级
3.1.我国工业增加值占GDP比重从下降到企稳
3.2.工业增加值构成变化显示产业结构持续升级
4.未来展望:工业产出缺口仍为负,库存去化周期难结束
总结
数据更新
1.每月中国进出口
1.1.进出口数据 20220531 时间序列 ARMA ARIMA SARIMA
链接: link
2.宏观数据集
2.1.图01:剔除价格波动后工业增加值同比增速较为平滑_金工狗_数据包
链接: link