2.3.1 通货膨胀的季节调整与预测模型（python&R代码复现）

通货膨胀的季节调整与预测模型

报告时间：20190408
R语言 Python X-13 季调 X-12-ARIMA 春节效应 PMI pandas seasonal plotly

报告摘要

step1 加入虚拟变量，消除春节效应。
step2 通过季节调整预测模型(X-12-ARIMA-BHG)对通胀进行预测。
step3 对CPI猪肉项独立预测。
step4 结合高频数据与猪周期对CPI预测值进行修正。

预测的价值在于将不确定性转变为风险
预测需要短期预测与长期预测相结合。

通货膨胀的预测方法
CPI预测的基础方法：单变量模型。
通胀预测的基础理论：菲利普斯曲线模型与货币主义理论相结合。
通过高频数据提高模型预测结果。

通货膨胀的季节调整预测
CPI定基比序列具有明显的春节效应，每年年初价格明显上涨。
CPI食品项的春节效应比CPI非食品项明显。
CPI服务项的春节效应比CPI消费品项明显。
结论
根据季节调整模型的预测结果，2019年中国CPI将会先上升，然后下降。3月份CPI为1.9%，全年高点在5月份，达到2.1%；到2019年底达到1.2%。

通货膨胀的修正
时间序列模型无法考虑到突发事件的影响，例如非洲猪瘟使得中国猪肉价格 大涨。
CPI预测值修正分三种情况：
①猪肉价格上涨是一次性冲击。
②猪肉价格快速上涨。
③受中美贸易协定达成影响，进口猪肉抑制了猪肉价格的快速上涨。

1.预测的价值在于将不确定性转变为风险_end

1.1.预测的价值在于将不确定性转变为风险_end

1.2.预测是逻辑与数据的结合_end

按依据分类，预测分为两部分：逻辑（因果关系）、数据（统计相关关系）。
逻辑分为三部分：归纳推理、演绎推理、溯因推理。

2.通货膨胀的预测方法_end

2.1.单变量模型是CPI预测的基础方法_end

①Atkeson和Ohanian（2001）简单随机游走模型预测美国1984-1999年的通货膨胀，发现该模型表现优于各种形式的菲利普斯曲线模型。
②Hubrich（2005）发现，相比于菲利普斯曲线模型等多变量模型，AR模型的预测表现更好。尤其是当预测期限为12个月时，AR模型预测的通胀最准确。
③张婷（2014）基于SARIMA模型和X-12-ARIMA模型对中国的CPI月度数据进行预测分析，发现X-12季节调整模型更有效。
④孙舞媛和伍海军（2017）运用基于考虑春节效应的季节调整模型对中国 CPI进行了短期预测。

2.2.菲利普斯曲线模型与货币主义理论是预测通货膨胀的基础理论_end

①Brave和Fisher（2004）通过组合预测方法和其他预测指标对美国1993-2000年的季度通货膨胀进行预测，发现某些形式的菲利普斯曲线模型表现优于AO模型。
②Bagliano和Morana(2003)使用名义货币增长率、产出波动率和原油价格对美国的通货膨胀进行了长期预测。
③郑挺国等（2012）发现在最终数据的预测分析中，产出缺口的引入能够提高通胀率的预测精度，但是在实时预测中，产出缺口没有提供有价值的信息，因此“产出—通胀”型菲利普斯曲线在中国通胀实时预测中并不适用。

结论：
运用菲利普斯曲线研究通胀时，通常假定经济结构、政策环境等因素稳定，模型中的解释变量及待估系数固定不变，而这种假定有悖于客观现实。由于经济周期波动、结构变化、宏观政策改变等诸多因素的影响，在样本区间内，通胀的关键驱动因素以及通胀与其他驱动因素之间的关系都处于变化之中，呈现明显的时变性特征（D’Agostino等，2013）。

2.3.利用高频数据可以提高模型预测的及时性与准确性_end

①徐映梅和高一铭（2017）提出了一种构建CPI低频与高频舆情指数的统计方法，发现依此建立的CPI舆情指数有助于改进CPI预测精度。
②鲁万波和杨冬（2018）构建了半参数混频数据抽样误差修正模型对中国短期CPI进行预测。

3.CPI具有明显的春节效应

3.1.CPI具有明显的春节效应

3.1.1.季节效应

季节效应是季度或月度统计数据序列在正常年度中表现出来的季节规律性变化。
季节时间序列可以分为4类：
①长期趋势T
②循环分量C
③季节分量S
④不规则分量I

3.1.2.日历效应

日历效应可以分为7类：
①固定季节效应
②闰年效应
③月份长度效应
④季度长度效应
⑤交易日效应
⑥工作日效应
⑦移动假日效应

中国的移动假日包括：
①春节
②中秋节
③端午节
④清明节

其中，尤其以春节的影响最大。通过季节调整从总量变化中分离出季节成分与日历效应（或离群值影响）等，可以更合理地揭示经济变量的变化。

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