全球加权中值通胀：核心通胀的衡量（英）

全球加权通胀中位数：衡量核心通胀的指标 劳伦斯·鲍尔、卡洛斯·卡瓦略、克里斯托弗·埃文斯和卢卡·安东尼奥·里奇 WP/23/44 基金组织工作文件描述了作者正在进行的研究，并发表这些研究以征求意见并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执董会或基金组织管理层的观点。 2023 2月 ©2023年国际货币基金WP/23/44 国际货币基金组织的工作论文 非洲部门 全球加权通胀中位数：衡量核心通胀的指标 由劳伦斯·鲍尔、卡洛斯·卡瓦略、克里斯托弗·埃文斯和卢卡·安东尼奥·里奇编写* 授权由卢卡·安东尼奥·里奇于2023年2月发行 基金组织工作文件描述了作者正在进行的研究，并发表这些研究以征求意见并鼓励辩论。基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执董会或基金组织管理层的观点。 文摘:核心或潜在通胀的标准衡量标准是不包括食品和能源价格的通胀率。本文使用1990-2021年CPI的子类水平分解，为38个发达和新兴经济体构建了另一种衡量标准，即加权中位数通胀率，并将该指标的属性与标准核心指标进行了比较。对于季度数据，我们发现加权中位数的波动性低于标准核心数据，与经济疲软的关系更密切，与明年的整体通胀关系更密切。加权中位数也有一个缺点：在大多数国家，它的平均水平低于总体通胀。因此，我们还考虑了消除这种偏差的核心通胀指标，该衡量标准基于与总体CPI通胀样本平均值相匹配的部门通胀率百分位数。 建议引用:鲍尔、劳伦斯、卡洛斯·卡瓦略、克里斯托弗·埃文斯和卢卡·安东尼奥·里奇，2023年，“全球加权通胀中位数：核心通胀的衡量标准”，国际货币基金组织，工作文件WP/23/44 冻胶分类数字:C43、E31E52关键词:核心通货膨胀率;中位数通货膨胀;菲利普斯曲线。作者的电子邮件地址: *作者要感谢佩德罗·恩里克·达席尔瓦·卡斯特罗和伊万·布尔加拉的宝贵讨论和支持，并感谢国际货币基金组织各种研讨会的与会者提供的有益反馈。 此处表达的观点是作者的观点，不一定代表基金组织、其管理层和执行董事会或基金组织政策的观点。 内容 I.介绍4 II.数据和方法6 III.结果8 A.波动性8 B.平均通胀率9 C.菲利普斯曲线估计10 D.13P*,公正的核心措施 E.14P*:业绩波动性和偏见 F.16P*:菲利普斯曲线的结果 G.中位数和P*：捕捉未来一年的总体通胀17 H.2021-22通胀事件18 IV.结论19 参考文献20 附录22 A.月度结果22 A.1结果波动22 A.2结果是23 A.4结果波动与P*24 A.5结果偏差与P*25标题 A.6用P*26捕捉提前一年的总体通胀结果 B.额外的季度业绩26 C.调查偏差31 D.面板菲利普斯曲线回归表31 数据 图1所示。季度,波动性9图2。季度,平均10 图3。季度,偏见标题10 图4.菲利普斯曲线，基线规格，R211 图5.菲利普斯曲线，基线规格，R2，仅显示系数为正且显著的个案输出12 图6。面板菲利普斯曲线,R212 图7。百分位数与P*14 图8。季度与P*,波动性15 图9。季度与P*,偏见标题15 图10.菲利普斯曲线，带P*的基线规格，R216 图11。面板与P*菲利普斯曲线,R217 图12.季度，核心指标RMSE/总体通胀RMSE18 图13.12个月，选定国家/地区百分位数19 图14。每月,波动性22 图15.每月，通货膨胀差异的波动性23 图16。每月,意思是23图17。每月,偏见标题24 图18。每月与P*,波动性25 图19所示。每月与P*,偏见标题27 图20.每月，核心指标的RMSE/总体通货膨胀的RMSE26 图21.季度，通货膨胀差异的波动性27 图22。季度,偏见与平均27 图23。菲利普斯曲线、混合规范,R228 图24。菲利普斯曲线、混合规范,R2仅显示包含有效系数的结果 ............................................................................................................................................................................29 图25.季度P*，差异通胀的波动率29 图26.菲利普斯曲线，带P*的混合规范，R230 图27.12个月，随机游走，RMSE核心指标/总体通胀RMSE30 图28.月度和季度，偏差与零份额31 图29.菲利普斯曲线，基线规格，差异R2与标题34 图30.菲利普斯曲线，基线规格，R2产出缺口和系数34 表 表1样本6 表2菲利普斯曲线,基线规范,R232 表3菲利普斯曲线、基线规格、输出间隙系数33 I.介绍 长期以来，经济学家一直在寻求一种衡量潜在或核心通胀率的良好指标，以过滤掉部门冲击引起的整体通胀的暂时波动。戈登（1975 ）提出了一个简单的核心衡量标准：不包括食品和能源价格的通货膨胀率。这一定义的动机是1970年代的经验，当时粮食和能源价格的大幅波动是总体通货膨胀波动的主要来源。在过去的四十年中，不包括食品和能源的通货膨胀（XFE通货膨胀）已成为美国核心通货膨胀的标准衡量标准，并且事实证明它相当成功，因为它的波动性大大低于总体通货膨胀。美联储监测和预测这种版本的核心通胀 ，政策制定者经常说他们的行动是基于其行为（例如，Mishkin，2007）。 多年来，使用XFE通胀作为衡量核心的指标已经蔓延到世界各地的中央银行。对于美国，不包括食品和能源的消费者价格指数首先由劳工统计局（BLS）在1975年12月的CPI详细报告中报告，并从1978年开始定期纳入（Luciani和Trezzi，2019年）。其他央行，如新西兰储备银行和澳大利亚储备银行，也是XFE通货膨胀的早期采用者（Cutler，2001），现在还有更多的央行出版了类似的系列。 然而，许多研究人员指出，总体通胀的波动可能来自食品和能源以外的行业的价格变化。例如，对于美国，Dolmas（2005）报告说 ，在计算机和软件，电视，服装，航空服务，金融服务和汽车保险等行业中，价格的大幅变化很常见。引起政策制定者注意的一个例子是2017年3月手机服务价格年化下降84%，当时引入了无限数据计划（Yellen2016）。 这一经验导致了另一种核心通胀指标的发展：排除特定时期内行业价格变化分布中的异常值的指标，无论它们属于哪个行业。这些核心的“异常值排除”指标主要由克利夫兰和达拉斯的联邦储备银行开发，包括加权中位数和行业通胀率分布的削减方法。它们消除了任何行业异常大的价格变化的影响，而不仅仅是食品和能源。可以说，最简单的版本是加权中位数通胀率，这是一个限制情况，其中每边削减50%的分布，核心通胀由中间的行业通胀率来衡量。这个版本的核心通胀是本文的重点。 大量文献比较了美国加权中位数通货膨胀和XFE通货膨胀的性质。一个常见的发现是加权中位数的波动性较小。例如，对于1985-2019年的月度CPI数据，Ball等人（2021年）报告说，中位数和XFE通胀的标准差分别为1.05和1.42。该论文还报告了COVID大流行期间波动性的巨大差异：2020年1月至2021年11月，中位数的标准差为1.51，而由于酒店、航空公司、服装和二手车等行业的价格大幅波动，XFE通胀的标准差激增至3.86。 经济学家和政策制定者经常争辩说，衡量核心通胀的良好指标应该与经济疲软相反，与菲利普斯曲线一致（例如，Schembri， 2017;多尔马斯和 1关于异常值排除核心措施的开创性工作包括Bryan和Pike（1991）和Bryan和Cecchetti（1994）。 柯尼希，2019）。通常关注美国的研究一致发现，根据这一标准，加权中位数优于XFE通胀。例如，对于1985-2017年，Ball和Mazumder（2020）估计了一条简单的菲利普斯曲线，其中季度核心通胀可以用去趋势的失业来解释。他们发现，当用加权中位数测量核心时，调整后的R2为0.48，而当用XFE测量时，调整后的R2仅为0.22。 在美国以外，加拿大央行研究了替代核心通胀措施，作为2016年对其政策框架进行五年审查的一部分。与对美国的研究一致，该银行发现，核心的异常值排除指标比其官方CPIX指标波动性较小，与经济疲软的关系更密切，后者类似于XFE通胀。这项研究导致世行用加权中位数和修剪均值取代CPIX指标。在解释这一变化时，加拿大央行副行长Schembri（2017）表示，“CPI组成部分没有被排除在CPIX之外，出现了巨大的暂时性冲击”，“这凸显了CPIX等核心通胀指标的固有弱点，其中包括一组固定和预先确定的组成部分。官员们还引用了证据表明，与CPIX相比，新的核心措施与产出缺口的结合更为强烈（加拿大银行，2016年）。澳大利亚储备银行自2007年以来公布了削减的平均和加权中位数通胀，并将这些指标用作潜在通胀的估计（RichardsandRosewall，2010）。在COVID大流行期间，由于XFE通胀在该事件中的极端波动，人们对异常值排除措施的兴趣有所增加。 迄今为止，仅为少数几个国家制定了核心异常值排除措施。为了促进跨国研究，本文构建了38个国家（包括发达经济体和新兴市场经济体）的核心通胀加权中位数衡量标准。具体而言，我们根据HaverAnalytics关于第四级或“子类”细分级别的行业通胀率的数据计算季度序列，该细分通常包括每个国家150到250个行业，时间段从1990年代到现在。我们还研究了这些核心措施的性质，并将其与标准XFE措施进行比较。为了完整起见，还进行了每月分析，可以在附录中找到。 我们发现，美国和加拿大数据中通胀中位数的吸引力在很大程度上延伸到我们更广泛的国家组，尽管各国之间存在一些差异。加权中位数在季度频率下的波动性通常比标准核心度量小一些，而在月频率下的波动性要小得多。我们还发现，当核心通胀以加权中位数衡量时，核心通胀与经济疲软之间的关系（通过基于季度数据的简单菲利普斯曲线的拟合来衡量）对大多数国家来说更为清晰。最后，与标准核心指标相比，当前的通胀中位数水平是未来十二个月总体通胀的更好预测指标，当我们检查当前核心指标的月度水平时，结果最强。 我们还发现了加权中位数的缺点。加权中位数是核心通胀的偏倚估计指标，因为随着时间的推移，其平均水平低于总体通胀水平。这一特征在许多国家以月度频率特别普遍，反映了这样一个事实，即分类通货膨胀率通常为零，这意味着一个行业的测量价格不会改变 。受此问题的推动，我们计算了核心通胀的调整后衡量标准：行业百分位数的通胀率不同于50%，由其样本平均值等于总体通胀值的条件定义。对于季度数据，大多数国家的这一百分位数范围为50%至60%。该测量通过构造消除了加权中位数的偏差，并保留了低波动性和协同运动的理想特性 2其他比较美国中位数和XFE通货膨胀的工作包括Marques等人（2003年），史密斯（2004年），Crone等人（2013年）和Verbrugge（2021年）等。 经济疲软。然而，它的构造依赖于样本，因为它依赖于匹配总体通货膨胀的样本均值。 II.数据和方法 数据 本文的目的是通过比较加权通胀中位数系列与总体通胀和核心通胀标准衡量标准的属性，评估各国加权通胀中位数系列的表现。为了做到这一点，我们需要关于总体通胀、标准核心、部门层面的通胀细分以计算加权中位数的数据，以及菲利普斯曲线的关键变量。我们的数据是一个不平衡的面板，涵盖38个国家，其中包括发达经济体和新兴市场经济体。 我们对总体通胀的衡量标准是通常由一个国家的中央银行或统计机构报告的全项目消费者物价指数（CPI）。标准的核心指标是不包括食品和能源价格的总体通胀，也称为核心XFE。3每个国家的加权通货膨胀中位数系列是根据行业通货膨胀率的分布为每个时期构建的，每个行业按总价格指数