月势晓：优化后的模型预测结果：7月生产边际回升

月势晓 优化后的模型预测结果：7月生产边际回升 债券 2023年8月7日 证券分析师 刘璐投资咨询资格编号 S1060519060001 LIULU979@pingan.com.cn 研究助理 陈蔚宁一般证券从业资格编号 S1060122070016 CHENWEINING369@pingan.com.cn 2023年8月我们对经济数据预测模型进行了调整，增加预测未来2个月的数据，并调整当月数据预测，现将方法介绍给大家。本次优化主要用到的模型包括AR模型、MA模型和SARIMA模型。本次调整的经济数据涉及工业增加值、CPI和 PPI，此外未来我们也将尝试提供月度GDP预测，以动态观察全年经济目标的达成情况。 平安观点： 工业增加值采用ARMA（1，1）预测未来3个月数据，并根据PMI对当月数据微调 7月制造业生产项改善幅度不及22年同期，整体生产保持偏弱势，不对模型数据做调整。模型预测工增同比为5.0%，8-9月工增当月同比分别为 4.6%、3.2%。 CPI和PPI当月预测方法不变，远月预测分别采用SARIMA模型和ARMA 模型 7月CPI同比下降，环比或有回升，8-9月CPI同比维持低位。我们预计7月CPI环比季节性增速为0.1%，我们预计23年7月同比增速为-0.3%。7月工业品价格回升带动PPI触底回升。我们预计PPI同比增速7月份大概率会触底回升，我们预计7月PPI同比增速可能在-4.0%左右，8-9月PPI 同比分别为-3.5%和-3.4%。 投资需求仍在回落，暑期居民出行支持消费表现 地产投资疲软，固投继续下滑。我们预计地产、基建和制造业投资累计同比增速分别约-8.5%、10.8%和6.7%。固投累计同比增速下滑至3.6%。美欧景气度回落，外需同比回落。7月美欧制造业PMI仍徘徊在荣枯分界线以 下，海外经济景气度回落，外需偏弱。按照季节性规律，我们预计出口、进口同比增速分别约-11.2%、-3.8%。暑期居民出行、旅游活动为服务消费提供支撑。从非制造业PMI来看，服务消费相关的运输业、住宿业、餐饮业 景气指数较高，与商品消费相关的批发零售行业则相对较弱。我们预计社零同比为5.0%。 金融支持实体经济力度有望加强，信贷或略高于季节性 7月是信贷小月，票据利率全月先稳后下，或预示7月信贷表现偏弱。考虑到22年以来季初月弱、季末月高增的信贷投放特征，结合票据利率回落， 我们预计7月新增人民币贷款在7,500亿元-8,000亿元。其他融资方面， 7月份政府债发行节奏较弱且低于历史水平。我们根据“五因素”框架测算出7月末超额存款准备金率为1.04%。 风险提示：货币政策转向，通胀超预期，海外货币政策收紧持续性超预期。 债券报 告 债券动态跟踪报 告 证券研究报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 图表1宏观数据预测 2023-07(预测) 2023-06 2023-05 2023-04 内需 工增 5.0 4.4 3.5 5.6 投资 3.6 3.8 4.0 4.7 制造业 6.7 6.0 6.0 6.4 房地产 -8.5 -7.9 -7.2 -6.2 基建 10.8 10.2 9.5 9.8 消费 5.0 3.1 12.7 18.4 外需 出口 -11.2 -12.4 -7.1 7.3 进口 -3.8 -6.8 -4.5 -8.1 物价 CPI -0.3 0.0 0.2 0.1 PPI -4.0 -5.4 -4.6 -3.6 金融 M2 11.1 11.3 11.6 12.4 社融同比 9.3 9.0 9.5 10.0 社融规模 9,700 42,241 15,555 12,253 贷款规模 8,000 30,500 13,600 7,188 超储率 1.0 - - 1.7 资料来源：Wind,平安证券研究所；投资为累计同比，社融为存量同比，其他分项为当月同比；贷款规模为社融口径；新增社融和贷款单位为亿元，其他为%。 图表2工业增加值同比预测情况（%） 60 50 40 30 20 10 0 -10 -20 -30 工业增加值_当期同比增速工业增加值_当期同比增速（预测值） 17-0718-0419-0119-1020-0721-0422-0122-1023-07 资料来源：Wind,平安证券研究所 图表3CPI同比预测情况（%） 6CPI同比 5 4 3 2 1 0 -1 CPI预测 资料来源：Wind,平安证券研究所 图表4PPI同比预测情况（%） PPI同比PPI预测 15 10 5 0 -5 -10 资料来源：Wind,平安证券研究所 2023年8月我们对经济数据预测模型进行了调整，增加预测未来2个月的数据，并调整当月数据预测，现将方法介绍给大家。本次调整的经济数据涉及工业增加值、CPI和PPI，此外未来我们也将尝试提供月度GDP预测，以动态观察全年经济目标的达成情况。 本次优化主要用到的模型包括AR模型、MA模型和SARIMA模型。简单来说，一个时间序列数据可以分为趋势、季节性和 随机成分。AR模型核心思想是历史的趋势会在未来重演，现在的数据是过去q阶历史数据的线性组合，即趋势。MA模型则擅长模拟数据中的随机成分，主要是在剔除了数据的趋势以后，用过去q阶的误差（白噪声）的线性组合来预测未来数据。ARMA模型是通过自回归和移动平均两个方面来描述序列的趋势+随机波动。模型ARMA（p，q）即用过去p个时间点的数 据和q个随机误差白噪声对当前值的影响进行预测。但是ARMA对季节性比较强的数据无法得到最好的预测效果，因此 SARIMA模型在ARMA的基础上，对数据中的季节性成分进行处理。 工业增加值采用ARMA（1，1）预测未来3个月数据，并根据PMI对当月数据微调 工业增加值方面，以往我们采用过去五年的工增定基指数的季节性环比均值来作为当期工增定基指数环比的预测基准。工增定基指数是典型的非季调、实际值（以2011年1月为基期做价格调整）口径数据，环比波动较大且季节性规律较强。本次改进后，我们直接用工业增加值同比增速做ARMA处理，这样可以减少季节性处理的麻烦。基于工业增加值同比增速（IND）的自相关系数图和偏自相关系数图以及最小AIC、SIC原则，对其预测选取ARMA（1，1）模型，使用其滞后一期数据和滞后一期白噪声进行系数估计，基本模型形式如下： (�−𝝓�𝑳)𝑰𝑵𝑫�=(�+𝜽�𝑳)𝒗� 图表5工增预测拟合情况（%） 工业增加值_当期同比增速工业增加值_当期同比增速（预测值） 30 5 0 5 0 5 0 92-0394-0897-0199-0601-1104-0406-0909-0211-0713-1216-0518-1021-03 5 2 2 1 1 - -10 -15 资料来源：Wind,平安证券研究所 从预测结果来看，预测值与真实值拟合情况较好，2000年以来除去20、21年异常值外，误差在（-2.16%-2.87%）区间。在两种情形下模型预测效果会变差。（1）历史数据过少时，可供参考的数据较少，模型难以对未来做出准确预测，如92-95年预测结果偏离度较大；（2）出现非预期性外生冲击时，容易出现极值，模型在极高值时容易低估，在极低值时容易高估当月数据，如20-21年6月受疫情影响，模型预测效果变差。但冲击发生之后，模型根据冲击对其进行超调，而影响冲击后的相 邻数据的月份预测，因此可以事后对较大型冲击进行一定调整（如21年6月同比过高为20年低基数影响，可以对21年6 月进行一定调整，从而使后面预测结果更为准确）。 7月制造业生产项改善幅度不及22年同期，整体生产保持偏弱势，不对模型数据做调整。7月制造业生产项PMI为50.2%，较前值下降0.1个百分点，开工率较6月小幅上涨，7月PVC开工率较6月末上涨3个百分点，螺纹钢开工率延续上涨态势， 高炉开工率与炼铁产能利用率7月平均水平分别为84.1%、91.6%，模型预测工增同比为5.0%，8-9月工增当月同比分别为 4.6%、3.2%。 CPI和PPI当月预测方法不变，远月预测分别采用SARIMA模型和ARMA模型 价格方面，我们原来的预测方法是当月CPI同比=前11个月累计环比+当月环比+调整项。其中当月环比处理方法不同，在预测远月CPI曲线时采用过去五年当月环比均值，在预测当月CPI环比时采用高频数据回归法，通过当月猪肉价格、菜篮子指 数、汽油价格等变动拟合出CPI的环比变动情况。这个方法对当月CPI的预测效果较好，但是远月曲线的预测效果有改善的空间，因此本次模型优化主要为了提升远月CPI曲线的预测效果。 由于CPI环比呈现较明显的季节性，本次改进我们对CPI的预测采用SARIMA模型。根据AIC和SIC检验，CPI选择 SARIMA(3,0,2)(1,0,1)12模型进行预测，模型形式如下。其中，L为滞后算子，L∙〖CPI〗_t=〖CPI〗_(t-1)、L〖∙v〗_t=v_(t-1)，在CPI预测模型中，基于最小AIC、SIC原则，非季节性部分采用滞后三期CPI数据以及滞后两期的白噪声v进行系数估计，使用估计系数进行未来数据预测。 (1−𝜙1�−𝜙2𝐿2−𝜙3𝐿3)(1−𝐿12)(1−𝛼𝐿12)𝐶𝑃𝐼�=(1+𝜃1�+𝜃2𝐿2)(1+𝛾1𝐿12)𝑣� （非季节性AR（3））（季节性AR（1））（季节性MA（1）） （季节差分）（非季节性MA（2）） 图表6CPI预测拟合情况（%） cpi环比cpi环比预测值 4 3 2 1 0 95-0197-0499-0701-1004-0106-0408-0710-1013-0115-0417-0719-1022-01 1 - -2 -3 资料来源：Wind,平安证券研究所 从预测结果来看，预测值与真实值拟合情况较好，2000年以来预测误差在（-2.43%—1.53%）区间。SARIMA模型是在ARMA 模型的基础上加入季节性因素并进行差分处理，同样为基于数据过去的波动情况来推断未来情况，因此在历史数据过少时、出现非预期性外生冲击时，模型预测结果可能出现较大偏差。此外，由于模型考虑了季节性因素并在拟合时进行剔除，出现过高或过低于季节性的数据也可能造成预测结果出现偏差，可以时候对过大偏差进行调整，从而使预测结果更为准确。 7月CPI同比下降，环比或有回升，8-9月CPI同比维持低位。7月，食品价格与油价持续共振下行，22省猪肉零售价、菜 篮子批发价、WTI期货结算价月均值分别环比下降4.47%、3.12%、5.11%，能繁母猪产能去化进度较慢，压制猪价。今年夏季全国蔬菜在田面积高于去年同期，且北方产区冷凉蔬菜大量上市，因此6月下旬以来，全国蔬菜价格开始恢复季节性下行趋势。暑假期间，出行人数提升，拉动文化和旅游市场延续复苏，票房达到近年同期最高。我们预计7月CPI环比季节性增速为0.1%，我们预计23年7月同比增速为-0.3%。模型预测8-9月CPI同比分别为0.2%和0.0%。 以往我们对PPI的预测方法是：当月PPI同比=前11个月累计环比+当月环比+调整项，通过生产资料和生活资料回归得到当月PPI环比，其中生产生活资料根据贵金属、有色、煤焦钢矿、能源、化工、非金属建材、油脂油料、软商品、谷物、农副产 品等高频数据变动得到。PPI同比的走势虽然也一定程度上受到季节性因素的影响，比如天气原因带来的生产和补库旺季、节假日的影响等，但总体上并不是核心影响因素，其趋势更容易受到大宗商品的供给周期（一般在8-10年，煤炭最近的一个周 期为15年5月-21年10月，周期大致为8年；石油最近的一个周期为14年5月-22年4月，周期大致为8年）、工业产品的库存周期影响，我们发现不做季节性调整的数据预测效果更好。因此，与工业增加值的预测方法类似，采用ARMA模