本文來源微信公眾號“李迅雷金融與投資”，作者李迅雷、唐軍、陳俊偉。

　　主要觀點：

　　用絕對值數據來衡量宏觀信息可能更合理。

　　名義GDP與地產投資的相關性最高。而基建投資與名義GDP之間弱負相關，但不顯著。

　　上游可選擇工業用電量指標作為代表指標；其次是粗鋼產量，再其次是水泥產量。

　　下游的汽車銷量與名義GDP相關性較弱，而社會消費品零售總額則與名義GDP相關性更顯著；此外，名義GDP與凈出口之間沒有顯著性，而與進出口總額指標的顯著性最高。

　　長期利率水平變化的大趨勢與產出水平保持一致，且產出水平一定程度上領先于長期利率的變化。但在發生強力的貨幣政策干預時（如13年下半年銀行間回購利率大幅抬升），兩者才會背離，但短期的背離不是常態。

　　名義GDP與公司盈利相關性更高；產出水平影響股市的大趨勢，但幾乎沒有領先效果，提前預判產出水平的變化趨勢才有意義。過去十幾年名義GDP增速與上證綜指的走勢來看，大的趨勢多數時間是匹配的，大的明顯背離只在2015年發生過一次。

　　商品期貨價格對宏觀經濟比較敏感，歷史表現來看，南華商品指數走勢與名義GDP增速具有顯著的正相關性；從領先滯后關系來看， 大多數時候是同步的。

　　中泰時鐘的釋疑解惑

　　中泰時鐘自2017年初推出以來，受到業界廣泛關注。交流中對我們提出的較普遍的需求是精簡各個維度的指標體系，提升模型決策過程的直觀性和可解釋性。本篇報告從中泰時鐘的四個維度（產出、通脹、政策和資產間聯動關系）中的產出維度入手，從上游供給和下游需求角度分別挖掘最具代表性的指標來刻畫經濟產出水平，最后探討了經濟產出與股市、債市和商品的關系。

　　中泰時鐘產出維度指標篩選

　　從經濟產出總體水平、上游供給和下游需求三大塊入手，分析和對比了常用的宏觀指標，結合各指標的公布時間、數據質量和領先滯后關系，初步篩選了具有代表意義的指標。

　　數據質量問題及處理方法

　　對宏觀指標做量化統計分析面臨的一個較普遍的問題是：指標的異常值、數據質量和統計口徑的變化等容易對統計結果造成嚴重干擾。在清洗和修正這些數據問題時借助了宏觀研究團隊的主觀經驗。本文介紹了一些宏觀指標共性的問題和較統一的量化處理方法，如春節對1、2月份數據的影響、淡季的同比增速容易出現異常值、統計局統計樣本變化造成公布的絕對數值和同比增速相背離等。

　　定量評估各宏觀指標對經濟產出水平的解釋力

　　以名義GDP增速為被解釋變量，初選的上、下游指標為解釋變量，采用逐步回歸模型分析各指標的解釋力度。結果表明，房地產投資、進出口總額和社會消費品零售總額對名義GDP增速存在最顯著的解釋力。

　　風險提示

　　1、回歸模型均基于歷史數據。本文所采用的數據均為統計局等機構公布的歷史數據，回歸模型系數均依據歷史數據取得，未來存在統計口徑及數據質量變化的風險。

　　2、模型所處環境變化風險。模型建立在過去十幾年的經濟環境之上，未來存在經濟環境發生較大變化而使得模型效果減弱的風險。

　　引言：

　　中泰時鐘是中泰證券研究所宏觀、策略、固收和金融工程等研究團隊高度協同、共同推出的基于宏觀視角的資產配置模型，自推出以來受到業界廣泛關注。在推廣和交流的過程中，業界同仁對我們自上而下的宏觀分析框架普遍表示認同，對宏觀指標的選取、數據處理等細節更是表示出了極大的興趣。

　　由于宏觀指標的歷史數據質量較差，統計口徑的變化或其他原因導致指標代表的宏觀經濟意義可能發生了較大變化，前后不具備可比性，由此造成對宏觀指標做統計或回測分析的結果容易失真，因此我們對眾多的宏觀指標做了一遍數據清洗、修正和梳理的工作，其中大量工作依賴宏觀研究團隊的主觀經驗，而且為了減小單一指標數據異常的影響，我們保留了較多的同類指標來共同刻畫某一經濟意義，這些都造成了指標體系較為復雜，由各個指標如何得到最終結果的過程不夠直觀，可解釋性不強。這可能導致只能簡單參考我們模型的結果，而要做進一步的拓展或與其他研究相融合就會比較困難。

　　基于這一普遍的需求，我們對中泰時鐘的四個維度（產出、通脹、政策和資產間聯動關系）分別展開分析，著重研究指標的對比和數據清洗，進一步篩選出更有代表意義、數據質量較優、同類指標中較為領先的指標，精簡各個維度的指標體系，提升模型決策過程的直觀性和可解釋性。本報告研究和介紹經濟產出維度的指標。

　　一．中泰時鐘產出維度指標篩選

　　通過各研究團隊共同討論，從宏觀基本面邏輯入手的定性分析，我們初步從上游供給端、下游需求端以及總體產出水平三個層面篩選出了以下指標：

　　二．數據質量問題及處理方法

　　2.1月度異常值問題

　　春節因素一直是影響中國大多數1、2月份統計數據有效性的關鍵因素，因為中國春節日期是根據陰歷來定，但是統計數據要以陽歷來劃分，這使得春節經常在1月和2月之間不固定地跳動，春節期間的工廠停工因素直接影響著統計值，所以根據1月和2月的單月數據計算的增速往往會異常高或者異常低。

　　為此，國家統計制度也進行過調整，從2013年開始1-2月的數據一起調查，一起發布，不再披露1月和2月當月數據。盡管如此，根據1-2月合并數據計算的同比數據仍然會出現異常情況，我們以工業用電量數據來看：

　　全社會用電量數據是全口徑數據，工業用電量數據則是國家能源局根據統計局的行業劃分進行計算的結果，其中1-2月份數據合并發布，從上圖中，我們可以看到即使將1-2月數據合并，同比數據仍然會出現異常值，而異常值常常會嚴重影響數據擬合模型的參數。這是因為盡管1、2月數據合并降低了春節因素的影響，但是1、2月為傳統淡季，因此計算出來的同比增速仍然會顯著異常，而異常值不僅會影響數據擬合的結果，還會影響數據趨勢判斷的有效性。為此我們考慮干脆不使用1-2月份數據，而只使用3-12月的單月數據來做研究。

　　2.2統計樣本調整導致同比增速數據與絕對數值背離

　　統計局公布數據時一般會公布兩組數據，一組是統計的絕對值數據，另一組是同比增速數據，而且根據絕對值數據計算出的同比增速與統計局公布的同比增速不一致，最典型就是工企利潤增速2018年以來的差異：

　　根據統計局發布的增速顯示，2018年1-7月，全國規模以上工業企業的總利潤比去年同期增長了17.1%，但根據統計局公布的絕對值數據，今年前7個月全國規模以上工業企業總利潤3.9萬億，去年同期為4.2萬億，計算出的同比增速應該是-8.1%。兩個增速一正一負，差異如此之大也引起了市場的廣泛關注。

　　統計局的解釋首先是統計口徑問題，它解釋公布的同比數據是根據今年規模以上工業企業上報的上年同期數計算的同比數據，所以這個數據和絕對值計算的數據一般不相等。這會使得當前在統計范圍的企業是符合統計條件的，因此會存在幸存者偏差，從企業個數來看，18年相對17年企業個數在供給側改革的影響下確實有所下降，但下降比例只有1.8%這并不能完全解釋利潤增速的差異如此之大。

　　另一個解釋則是“營改增”后，一些工業企業把非工業的經營活動進行了剝離，這直接會導致根據絕對值計算的同比負值明顯。

　　如果僅根據今年的規模以上企業去年的營收計算同比會存在著幸存者偏差問題，供給側改革以來工業企業規模集中度上升的趨勢會顯著高估利潤增速。而如果是“營改增”影響的部分，根據絕對值計算的結果可能又低估了利潤增速，因為這只是非工業經營收入的剝離，計算出來的負值也反映了這種低估。因此真實的工企增速應該在絕對值計算的同比和公布的同比增速之間。

　　對于工業企業利潤數據，似乎兩個數據都不可靠，但是對于產量數據來說“營改增”促使副業剝離并不會有比較顯著的影響，因此此時根據絕對值計算的同比增速可能就是個相對合理的方法，它反映了供給側改革下市場集中度提升的趨勢，我們以水泥產量為例：

　　圖表4展示了根據水泥產量絕對值計算的同比和統計局公布的同比增速結果。兩個數據出現了兩次較大差異，第一次是2011年工企統計口徑將規模以上企業標準起點從500萬提高到2000萬，這使得根據絕對值計算的同比數據在當年顯著低于統計局的同比數據。另一次則是2018年以來根據絕對值計算的增速要顯著低于統計局增速，而這正反應了供給側改革造成水泥企業集中度提升的現狀。因此我們認為用絕對值數據來衡量宏觀信息可能更合理。2011年的數據可以用同比數據倒推上一年產量進行計算。

　　2.3兩種增速計算方法：滾動環比及滾動同比

　　在確定了用統計局公布的絕對值計算增速時，一般會計算當月同比或者累計同比指標，但是我們認為這兩種方法都不太合適，而應該采用一種類TTM的計算方法。因為當月同比受單月絕對值影響大，較易出現異常值，而累計同比雖然趨勢性更好，但是其自相關性比較高，且每年前幾個月由于基數小的原因波動更大。

　　為此我們對當月同比和累計同比進行改良，計算12個月滾動環比和12個月滾動同比兩個指標，其中12個月滾動環比數據更高頻但缺點是毛刺較多，而12個月滾動同比雖然更光滑，但是會較滯后而且自相關性嚴重不適合做數據擬合。兩個指標計算方法如下：

　　在進行數據擬合時用12個月滾動環比，而在判斷趨勢性時會結合12個月滾動同比來看。

　　三．經濟產出的刻畫

　　3.1經濟產出水平：名義GDP與公司盈利相關性更高

　　在三類宏觀指標中，經濟產出水平是因變量，我們希望找到領先的上下游指標來擬合經濟產出水平。經過研究，我們發現刻畫經濟產出水平的大體有兩類指標，一類是純量指標包括實際GDP和工業增加值等，另一類是含價指標包括名義GDP、工企利潤和上市公司利潤等。

　　對于經濟產出的核算有支出法、收入法和生產法三種方法，中國GDP的核算是采用生產法，也就是根據三大產業的增加值之和來進行核算，如果計算產業增加值時不考慮價的因素那么計算出來的就是實際GDP，圖6展示了實際GDP增速和工業增加值增速之間的關系，明顯看到兩者相關性比較高，2013年以來走勢平穩。

　　而名義GDP則是在計算產業增加值時考慮了價格的因素，因此該指標和企業的利潤相關性比較高，圖表7和8分別展示了GDP實際價當季同比指標和工企利潤以及上市公司利潤的關系。

　　工企利潤增速2011年以前每年發布4個數據，將其對齊到季度日期，而上市公司利潤增速，采用整體法計算上市公司（剔除銀行和非銀）的ttm利潤增速，從圖表中可以看出名義GDP和工企利潤增速以及非金融企業ttm利潤增速走勢相關性比較高。而對于投資者來講企業的利潤是個比較關鍵的因素，因此對于經濟產出的刻畫我們采用名義GDP增速來刻畫。

　　3.2 各指標解釋力度

　　3.2.1 上游指標：工業用電量解釋力最強

　　對于上游指標，初步篩選了工業用電量、粗鋼產量、水泥產量，首先分別檢驗各指標與名義GDP之間的單變量回歸顯著性，時間范圍為05年至今的季度數據。

　　圖表9展示了三個上游指標12個月滾動同比與名義GDP的走勢，可以看到整體走勢一致性高。另外將名義GDP和三個指標12個月滾動環比做單變量回歸，在5%水平下三個指標均顯著，其中顯著性最高的是工業用電量，其次是粗鋼產量，再其次是水泥產量。粗鋼指標的問題在于其庫存會干擾產量的有效性，而水泥和工業用電量均是沒有庫存的。水泥指標的問題在于最近幾年錯峰限產造成了個別月份滾動同比增速的異常對于測試結果有效性的影響，因此上游可選擇工業用電量指標作為代表指標。

　　3.2.2 下游指標：房地產投資、進出口總額、社會消費品零售總額

　　對于下游需求指標，根據支出法核算，GDP=投資+消費+政府購買+凈出口，雖然我國GDP核算是根據生產法核算，也就是無法通過現有的投資、消費、出口等數據加總獲得GDP，但是這幾個指標仍然能夠反映下游的需求情況。

　　首先來分析固定資產投資，我們分地產投資、基建投資和其他固定資產投資三大塊來分析。其中，其他固定資產投資為總固定資產投資額減去地產和基建投資額。

　　從走勢的一致性來看，名義GDP與地產投資的相關性最高。進一步，將三類固定資產投資12個月滾動環比增速分別與名義GDP同比增速進行回歸檢驗，發現地產投資和其他固定資產投資增速與名義GDP增速顯著正相關，而基建投資與名義GDP之間弱負相關，但不顯著。

　　從歷史數據來看，地產投資的周期主要決定了GDP的周期，其他固定資產投資是順周期指標，往往滯后于經濟產出水平的變化，基建投資則更多的是作為政府托底經濟的政策工具，表現出明顯的逆周期特征。

　　關于基建投資作為政策工具的屬性，本文做了進一步的分析。財政政策和貨幣政策都反應了政府對當前經濟的看法以及干預的意圖，那么基建投資與其他政策工具之間是否存在一定的規律呢？從圖表14、15中可以看出基建投資和M2同比以及貨幣利率逆序相關性比較高，且在一些拐點處基建投資具有一定領先性，這說明了貨幣政策和財政政策一致性較強，基建投資的變化對預判貨幣政策的調整具有一定的參考意義。政策維度將在后續專題報告中詳細分析。

　　對于進出口數據，我們取進出口、出口、進口和凈出口4個指標12月滾動環比與GDP進行回歸分析，結果表明名義GDP與凈出口之間沒有顯著性，而與其他三個指標均顯著正相關，而且進出口總額指標的顯著性最高。

　　從圖16中也可以明顯看出進出口、出口和進口走勢相關性幾乎一致，我們認為進口和出口走勢一致的原因也可能是由于中國更多屬于加工貿易，因此很多商品是先進口到中國在利用中國低成本的人力加工之后再出口到外國，因此這也導致了進口和出口走勢的相關性如此之高。而從圖表17中可以看出2010年以后GDP和凈出口之間的關系非常弱。

　　對于消費，我們主要用社會消費品零售總額和汽車銷量兩個數據進行檢驗，消費主要是由可選消費和必需消費構成，其中汽車銷量屬于可選消費，且汽車銷量與可選消費的變化趨勢高度一致，社會消費品零售總額則包括可選和必需消費。

　　經過檢驗，汽車銷量與名義GDP相關性較弱，而社會消費品零售總額則與名義GDP相關性更顯著。其原因可能是汽車銷量也容易受到政策的影響，比如購置稅優惠政策對汽車銷量影響較大，而社會消費品總額本身涵蓋面更廣，更好地反映了消費需求。購置稅一般為10%，05年以來有兩次優惠降低，其中09年降到5%，10年回到7.5%，最近一次是16年降到5%，17年回到7.5%，從圖中可以看出兩次購置稅優惠直接帶來了汽車銷量數據的提升。

　　四．定量評估各宏觀指標的解釋力

　　4.1采用逐步回歸模型檢驗各指標

　　將名義GDP的當季同比增速作為被解釋變量，將初步篩選出來的指標（月度數據對齊到季度）作為解釋變量，然后進行逐步回歸并獲得擬合函數。

　　4.2 逐步回歸模型結果

　　在p=0.05的置信水平下，有3個指標通過顯著檢驗，分別是地產投資、進出口金額和社會消費品零售總額，最終得到的回歸方程為：

　　利用回歸方程，通過解釋變量的月度數值，可以擬合得到產出水平月度的擬合值，圖表22表明回歸模型的擬合效果較好。

　　五．產出維度對債市、股市和商品的影響

　　前面用大篇幅的內容分析了可能驅動經濟產出的需求端等指標因素，但是經濟產出水平對于大類資產的影響到底如何，這是本節主要關注的重點，主要分析經濟產出對債市、股市和商品的影響。

　　5.1 經濟產出與債市

　　以十年期國債收益率代表債市的長期利率水平，觀察其與名義GDP增速的關系，圖表23可見，長期利率水平變化的大趨勢與產出水平保持一致，且產出水平一定程度上領先于長期利率的變化。

　　其中，2013年和2017年分別有一段區間十年期國債收益率與產出增速發生背離，這應該主要受當時貨幣政策的干擾（13年“錢荒”，17年去杠桿）。以DR007（銀行間市場存款類機構以利率債為質押的7天期回購利率）代表貨幣市場短期利率，其變化很大程度上受央行貨幣政策的直接影響，可以看到在長期利率與產出背離的兩個短期區間里，DR007均發生了大幅上升，即發生了較強的政策干預。

　　可見，產出水平對長期利率通常有較大的決定性影響，只有發生強力的政策干預時兩者才會背離，但短期的背離不是常態。

　　5.2 經濟產出與股市

　　通常認為股市是經濟的晴雨表，理論上講，經濟產出水平直接影響上市公司的盈利水平，從而影響了股票的內在價值。從過去十幾年名義GDP增速與上證綜指的走勢來看，大的趨勢多數時間是匹配的，大的明顯背離只在2015年發生過一次，見圖表24。

　　由于股價反映的是上市公司未來盈利的預期，所以股市理應領先于經濟產出的變化。從歷史走勢看也印證了這一點，在不考慮名義GDP公布時間滯后的情況下，產出水平的變化同步或滯后于股市的變化。

　　那么在考慮股票資產配置時該怎么利用產出維度的信息呢？首先，盡可能挖掘產出維度的領先指標，提前預判產出水平的變化趨勢，從而對判斷股市的趨勢和階段具有參考意義。其次，當股市和產出水平發生較長時間或較大幅度的背離時，要足夠重視和警惕，股市短期可能受情緒或其他因素影響發生了非理性波動（如2015年的牛市）。

　　5.3 經濟產出與商品

　　商品期貨價格對宏觀經濟比較敏感，從歷史表現來看，南華商品指數走勢與名義GDP增速具有顯著的正相關性。從領先滯后關系來看，兩者大多數時候是同步的（見圖表25）。其中，2008年商品明顯先于GDP見底回升，是因為當時強有力的政策刺激很確定的預示了經濟產出的回升，如基建投資增速大幅提高（見圖表26），商品價格提前反映了這一預期。此外，2017年以來，經濟產出增速呈現回落趨勢，但商品指數表現較強，這應該與供給側改革和環保限產等政策干預有關。

　　風險提示

　　1、 回歸模型均基于歷史數據。本文所采用的數據均為統計局等機構公布的歷史數據，回歸模型系數均依據歷史數據取得，未來存在統計口徑及數據質量變化的風險。

　　2、 模型所處環境變化風險。模型建立在過去十幾年的經濟環境之上，未來存在經濟環境發生較大變化而影響模型效果的風險。（編輯：劉瑞）

責任編輯：張恒星 SF142