全球加权中位数通胀:核心通胀衡量指标 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 WP2344 国际货币基金组织工作论文描述作者(们)正在进行研究,并公布以征求评论并促进辩论。IMF工作论文中表达观点作者观点,并不一定代表IMF、其执行董事会或IMF管理观点。 2023 二月份 2023国际货币基金组织WP2344 国际货币基金组织工作论文非洲部门 全球加权中位数通: 核心通度量 由劳伦斯鲍尔、卡洛斯卡尔瓦若、克里斯托弗埃文斯和卢卡安东尼奥里奇准备 授权由LucaAntonioRicci分发2023年2月 国际货币基金组织工作论文描述作者(们)正在进行研究,并公布以征求评论并促进辩论。国际货币基金组织(IMF)工作论文中表达观点为作者(们)个人观点,并不一定代表IMF、其执行董事会或IMF管理层观点。 摘要:核心或基础通标准衡量指标排除食品和能源价格通率。本文构建了一个替代指标,即加权中位数通率,用于19902021年间38个发达和新兴经济体,采用CPI子类水平分解,并将其与标准核心通属性进行比较。对于季度数据,我们发现加权中位数比标准核心通更稳定,与经济闲置更紧密相关,并且在下一年与名义通更紧密相关。加权中位数也存在一个缺点:在大多数国家,它平均水平低于名义通。因此,我们也考虑了一个消除这种偏差核心通指标,该指标基于行业通率百分位数,以匹配样本平均名义CPI通。 推荐引用格式:BallLaurenceCarlosCarvalhoChristopherEvans和LucaAntonioRicci2023“全球加权中位数通:核心通衡量指标”,国际货币基金组织,工作论文WP2344 JEL分类编号: C43E31E52 关键词: 核心通货膨,中位数通货膨,菲利普斯曲线。 作者邮箱地址: lballjhueducvianaceconpucriobrcevansimforglricciimforg 作者们想感谢PedroHenriquedaSilvaCastro。T并且感谢IvanBurgara就讨论和支持给予宝贵意见,以及参加各种IM讨会人员就他们有益反馈。此处所表达观点作者观点,并不一定代表IMF、其管理层和执行董事会或IMF政策观 。 目录 I引言 4 第二部分:数据和方法论 6 第三章结果8 A波动性8 B平均通货膨率9 C帕累托曲线估计1 0 DP,一个无偏核心度量13 EP:波动性和偏差结果14 FP:帕累托曲线结果16 G中位数和P:捕捉一年前前瞻性通货膨率 17 H202122年通货膨事件 18 IV结论 19 参考文献20 附录22 A月度结果22 A1波动性结果22 A2均值结果23 A4带有P波动性结果24 A5带有P头版偏差结果25 A6带有P捕捉一年前头版通货膨结果26 B额外度结果26 C调查偏差31 D面板菲利普斯曲线回归表31 数据表格 图1度,波动性9图2季 度,平均值10图3季度, 对标题偏差10图4帕累托曲线,基 线规范,R211图5帕累托曲线,基线规范,R2,仅 显示具有正性和显著性案例12 系数在产出上图6面板 菲利普斯曲线,R212图7与P关 联百分位数14图8含P季度数据, 波动性15图9含P季度数据,对标 题偏差15 图10菲利普斯曲线,基准规格与P,R216图11面板菲利普斯 曲线,与P,R217图12度,核心指标RM SE头部通货膨RMSE18图1312个月,选定国家百分位数 19图14月度,波动性 22图15月度,通货膨差异波动性 23图16月度,平均值 23图17月度,对头部偏差24图 18月度与P,波动性25图19月度与P ,对头部偏差27图20月度,核心指标RMS E头部通货膨RMSE26图21季度,通货膨差异波动性 27图22季度,偏差与平均值 27图23菲利普斯曲线,混合规格,R2 28图24菲利普斯曲线,混合规格,R2仅显示包括显著系数结果 29图25季度与P,通货膨差异波 动性29图26菲利普斯曲线,混合规格与P,R2 30图2712个月,随机游走,核心指标RMSE头部通货膨RMSE 30图28月度和度,偏差与零份额31图29菲利普 斯曲线,基准规格,与头部R2差异34图30菲利普斯曲线,基准规格,R2和产 出缺口系数34 表格 表1国家样本6 表2菲利普斯曲线,基准规范,R232 表3菲利普斯曲线,基准规范,产出缺口系数33 I引言 经济学家长期以来一直在寻找衡量潜在或核心通货膨良好指标,一个可以过滤掉由行业冲击引起临时波动对总通货膨率影响指标。戈登(1975年)提出了一个简单核心通货膨率衡量方法:排除食品和能源价格后通货膨率。这一定义基于20世纪70年代经验,当时食品和能源价格大幅波动总通货膨率波动主要来源。在过去四十年中,排除食品和能源通货膨(XFE通货膨)已成为美国核心通货膨 标准衡量方法,并且它已经证明相当成功,因为它波动性比总通货膨率小得多。联邦储备银行监测并预测这种核心通货膨版本,政策制定者经常表示,他们行动基于其行为(例如,Mishkin,2007年)。 多年来,将XFE通货膨率作为核心通指标使用已扩散到全球各国央行。对美国而言,消费者价格指数(不包括食品和能源)最早由劳工统计局(BLS)报告。CPI详细报告对于1975年12月数据,并从1978年开始定期包括(LucianiandTrezzi,2019)。其他中央银行,如新西兰储备银行和澳大利亚储备银行,也XFE通货膨早期采用者(Cutler,2001),而现在有更多机构正在发布类似系列。 许多研究人员指出,除了食品和能源之外,其他行业价格变动也可能导致消费价格指数(CPI)波动。例如 ,美国情况,Dolmas(2005)报告称,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普遍存在大幅价格变动。一个引起政策制定者关注例子,2017年3月,在推出无限流量套餐时,手机服务价格当年化下降了84(Yellen2016)。 这次经历导致了发展一种替代性核心通货膨度量方法:该方法在任何一段给定时期内排除行业中价格变化分布中异常值,无论这些异常值属于哪个行业。这些“异常值排除”核心通货膨度量主要在大克利夫兰联邦储备银行和达拉斯联邦储备银行开发,包括行业通货膨率分布加权中位数和截尾平均值。它们消除了任何行业中异常大价格变化影响,而不仅仅食品和能源行业。可能最简单版本加权中位通货膨率 ,它每一侧均有50分布被截尾极限情况,并且通过中间行业通货膨率来衡量核心通货膨。本文将重点关注这种核心通货膨版本。1 大量文献比较了美国加权中位数通货膨和XFE通货膨性质。一个共同发现加权中位数波动性较低。例如,对于19852019年月度CPI数据,Ball等人(2021年)报告称,中位数通货膨和XFE通货膨标准差分别为105和142。该论文还报告了在COVID大流行期间波动性巨大差异:2020年1月至2021年11月,中位数通货膨标准差为151,而XFE通货膨标准差由于酒店、航空公司、服装和二手车等行业价格大幅波动而激增至386。 经济学家和政策制定者经常争论,核心通良好衡量指标应与经济宽松程度相反方向移动,符合菲利普斯曲线(例如,Schembri,2017;Dolmasand) 1开创性关于排除异常值核心措施研究包括Bryan和Pike(1991)以及Bryan和Cecchetti(1994)。 Koenig2019)。通常聚焦于美国这些研究一致发现,加权中位数在此标准下优于XFE通。例如,对于19852017年,Ball和Mazumder(2020)估计了一个简单菲利普斯曲线,其中季度核心通由趋势剔除失业率来解释。他们发现,调整后R2 当核心值通过加权中位数进行衡量时为048,而通过XFE衡量时仅为022。2 在美国以外,加拿大银行在2016年对其政策框架进行了五年审查,研究了替代性核心通指标。与美国研究一致,加拿大银行发现,核心通离群值排除措施比其官方CPIX指标波动性更小,且与经济闲置度更紧密相关。这一研究导致银行用加权中位数和剔除平均值代替了CPIX指标。在解释这一变化时,加拿大银行副行长Schembri(2017)表示,“CPIX未排除CPI组成部分经历了大量大规模暂时性冲击”以及“这突显了如CPIX等核心通指标内生弱点,这些指标包括一个固定和预先确定组成部分集合。”官员们还引用了新核心指标与产出缺口比CPIX更强共变证据(加拿大银行,2016)。在COVID大流行期间,由于XFE通在该期间极端波动性,对离群值排除措施兴趣有所增加。 截至目前,核心通异常值排除措施仅针对少数国家构建。为了促进跨国研究,本文构建了一个包含38个国家加权中位数核心通衡量指标,这些国家包括发达经济体和新兴市场经济体。具体来说,我们根据HaverAnalytics提供行业通率数据,基于第四级或“子类”分解水平计算季度序列,通常每个国家包括150至250个行业,时间跨度从许多国家20世纪90年代至今。我们还研究了这些核心指标属性,并将它们与标准XFE衡量指标进行了比较。为了全面性,我们还进行了月度分析,相关内容可在附录中找到。 我们发现,美国和加拿大数据中中位通货膨有吸引力特性在很大程度上也适用于我们更广泛群体国家 ,尽管各国之间有所变化。加权中位数通常在季度频率下比标准核心指标波动性略小,而在月度频率下波动性则小得多。我们还发现,根据季度数据进行拟合简单菲利普斯曲线所测量核心通货膨与经济闲置之间关系,在大多数国家中,当核心通货膨通过加权中位数进行衡量时,这种关系更为清晰。最后,当前中位通货膨水平比标准核心指标更能预测未来十二个月通货膨率,特别在我们考察当前核心指标月度水平时,结果最为明显。 我们同样发现加权中位数存在一个不足。加权中位数在核心通货膨估计中存在偏差,其时间序列平均水平低于总通货膨水平。这一特征在许多国家按月频率计算时尤其普遍,反映了细分通货膨率往往可能为零事实 ,意味着某个行业中测量价格没有变化。受此问题启发,我们计算了一种调整后核心通货膨度量:通过条件定义百分位数通货膨率,该条件为“其在样本中平均值等于总通货膨水平”。对于季度数据,这个百分位数在大多数国家中范围为50至60。这一度量通过构建消除了加权中位数中偏差,同时保留了低波动性和共变动理想特性。 2其他比较美国中位数和XFE通货膨工作包括Marques等人(2003年)、Smith(2004年)、Crone等人(2013年)和brugge(2021年)等。 然而,由于其构建依赖于匹配样本通货膨率均值,因此它具有样本依赖性。 第二部分:数据和方法论 数据 本文旨在通过比较加权中位数通序列属性与名义通和核心通标准衡量指标,评估我国在各国间加权中位数通序列表现。为此,我们需要名义通、标准核心通、按部门水平分解通数据以计算加权中位数 ,以及用于我们菲利普斯曲线关键变量。我们数据一个包含38个国家非平衡面板数据,其中包括发达经济体和新兴市场经济体。 我们headlineinflation衡量标准国家中央银行或统计机构通常报告消费品价格指数(CPI),通常标准核心衡量标准扣除食品和能源价格头衔通,也称为核心XFE。3为每个国家每个时期,从行业通率 分布中构建加权中位数通序列,每个行业按照综合价格指数中权重进行加权。加权中位数指位于行业通率分布中间通率,即50。th该分布百分位数。我们考察了CPI总指数第四级细分下部门通货膨 率,或大约每个国家150至250个部门。通货膨数据跨度从1990年到2021年,各国数据可用性略有不平衡,数据来源于HaverAnalytics。 为了估计每个国家季度频率菲利普斯曲线,我们使用了HaverAnalyticsGDP数据。两年和五年前通货膨 预期来自季度共识预测数据集,为确保稳健性,我们还使用了国际货币基金组织世界经济增长展望数据库中 五年前预期。关于GDP和通货膨预期数据范围从1990年到2021年,具体取决于国家可用性。