核心觀點：
通脹影響所有資產價格，目前市場對通脹走勢相對一致，但對其橫向結構和縱向時間的預期卻相對模糊。本文運用3種方法對我國通脹做全面的解析。
一，成分合成法，主要分析對CPI走勢牽引最大的分項，通過各分項預測總體走勢。食品項和交通運輸項對CPI的影響最大。其中食品項對CPI的拉動力與CPI走勢基本一致。食品項中，豬價和菜價對CPI影響最大，值得注意的是，2017年後菜價相對於豬價來說，與食品項的同步性更強，影響力度更大。未來豬價會隨著豬週期上揚而上揚，菜價或依然延續其季節性規律。根據測算，2019年CPI整體呈上行趨勢，9-10月或為全年高點（2.9%左右），CPI在11-12月或季節性下降。
二，環比均值法，運用CPI環比數據的季節性性特徵推測總體。CPI呈現出明顯的波動規律：1-2月CPI環比增速較高，3月大幅回落，4月小幅上升，5月環比下滑，6-9月逐漸上升，10-11月環比增速回落，12月有所反彈。首先運用環比和同比的關係推測下月CPI數據，之後在本月基礎上外推下月，可以得到2019年全年的CPI預測值。
根據預測，今年8-10月CPI同比將會大概率上漲。三，向量自迴歸模型，CPI與豬肉、鮮菜、油價、M1增速和CPI做五變量向量自迴歸模型來擬合與估計CPI同比走勢。其中，油價用進口價格指數代替。根據模型，計算CPI下月數據，之後逐步外推。
值得注意的是，環比均值法和向量自迴歸模型參考歷史數據程度較大，而隨著歷史參考性減弱，預測參考性下降。
從需求端來看，受到未來全球通脹下行以及國內經濟增長放緩的影響，中國並不具備持續高通脹的基礎。
綜合以上三種方法，5月CPI在2.65%-2.7%左右，9-10月為全年高點，11-12月季節性下降。
風險提示：模型失效風險
目 錄
通脹影響所有資產價格，目前市場對通脹走勢相對一致，但對其橫向結構和縱向時間的預期卻相對模糊。本文運用3種方法對我國通脹做全面的解析。
第一，成分合成法，主要分析對CPI走勢牽引最大的分項，通過各分項預測總體走勢。食品項和交通運輸項對CPI的影響最大。其中食品項對CPI的拉動力與CPI走勢基本一致。食品項中，豬價和菜價對CPI影響最大，值得注意的是，2017年後菜價相對於豬價來說，與食品項的同步性更強，影響力度更大。未來豬價會隨著豬週期上揚而上揚，菜價或依然延續其季節性規律。根據測算，2019年CPI整體呈上行趨勢，9-10月或為全年高點（2.9%左右），CPI在11-12月或季節性下降。
第二，環比均值法，運用CPI環比數據的季節性性特徵推測總體。CPI呈現出明顯的波動規律：1-2月為CPI環比增速較高，3月大幅回落，4月小幅上升，5月環比下滑，6-9月逐漸上升，10-11月環比增速回落，12月有所反彈。運用環比和同比的關係推測下月CPI數據，之後將在本月基礎上外推下月，可以得到2019年全年的CPI預測值。根據預測，今年8-10月CPI同比將會大概率上漲。
第三，向量自迴歸模型，CPI與豬肉、鮮菜、油價、M1增速和CPI做五變量向量自迴歸模型來擬合與估計CPI同比走勢。其中，油價用進口價格指數代替。根據模型，計算CPI下月數據，之後逐步外推。
綜合三種方法，5月CPI或為2.65%-2.7%左右，9-10月或為全年高點，達到2.9%左右，11-12月或季節性下降。值得注意的是，由於環比均值法和向量自迴歸模型參考歷史數據程度較大，而隨著歷史參考性減弱，預測參考性下降。因此，成分合成法相對其他方法可信度高。
此外，從需求角度來看，受到未來全球通脹下行以及國內經濟增長放緩的影響，中國並不具備持續高通脹的基礎。
一、成分合成法
（一）CPI最大牽引項：食品項和交通項
從CPI結構來看，CPI主要由八大項組成，2016年統計局重新調整CPI權重，其中，食品菸酒（30%左右）和居住（22%左右）二者佔比50%以上，其他權重項為教育文化和娛樂（12.5%）、交通和通信（10.4%）、醫療保健（10.3%）。
從CPI的拉動項來看，食品、居住、醫療、教育和交通是主要拉動項，其他拉動力較小。因居住、醫療和教育拉動力較為穩定，食品和交通項波動較大（如下表），所以CPI主要受到食品和交通項的牽引，二者走勢與CPI走勢基本同步。
（二）食品項：2017年後菜價對食品項的影響超過豬價
1、2017年後菜價影響超過豬價
2013年之前，豬價波動較大且與CPI相關性較強，2013-2016年豬價波動幅度減小，對應CPI相對穩定。2017年豬價大幅下行，但CPI並未出現大幅下行趨勢，而是相對穩定，這背後主要受到菜價的影響。如下圖，2017年，後菜價相對於豬價來說，與食品項的同步性更強，影響力度更大。
2、未來豬週期崛起&菜價依然季節性波動
經濟週期影響豬週期而不是相反。豬價和CPI和經濟週期的關係應該是被動的，經濟週期影響豬價波動，本輪超長豬週期也是受到超長經濟週期的影響。2015年以來的經濟週期受到房地產週期厚尾現象的影響，形成超長經濟週期和豬週期。豬價和經濟週期先行指標（房地產銷售）相對同步，2016年房地產去庫存和棚改貨幣化導致三四線及以下城市銷售出現厚尾現象，考慮到三四線及以下城市商品房銷售佔全國65%-70%，因此導致整個房地產週期和經濟週期出現厚尾現象。
目前豬週期已經開啟，加之受到非洲豬瘟和基數較低等因素影響，本輪豬週期豬價的增速或相對較高。2009年-2018年有3輪完整豬週期，鑑於2012年豬週期並不明顯，因此本輪豬週期可以參考2010年和2015年的豬週期走勢。
蔬菜價格存在明顯季節性規律。由於菜籃子產品批發價格200指數公佈時間序列數據相對較短，從前海農產品批發價格指數和28種重點監測蔬菜批發價格來看，菜價一般在1-5月有上行趨勢，6月大幅下行，7-10月明顯上行，9月達到高點，11-12月再次回落。
（三）交通項：略滯後於油價
交通項主要受到油價影響，交通項同比一般滯後油價同比2個月左右。
（四）除食品項和交通項：拉動力相對穩定
衣著、生活用品和其他用品三項拉動力較小且波動較小，三者對CPI的拉動力之和一般在0.2-0.24個百分點之間。由上文可知，三者拉動力的方差分別為0.02、0.02和0.04。我們假設未來這三項的拉動力維持在[0.2,0.24]區間。
居住、教育和醫療三項拉動力較大，但是波動較低，其中居住和教育項拉動力相對穩定，醫療項拉動力波動相對略大。由上文可知，三者拉動力的方差分別為0.1、0.07和0.15， 而相比食品項拉動力方差為0.62。因此，我們假設居住和教育維持歷史拉動力水平。
醫療項未來或呈緩慢上升趨勢。醫療主要分為西藥、中藥和醫療保健，西藥由於受到政策因素影響，全國招標價格已經明顯回落。中藥有緩慢上升趨勢。醫療保健未來仍呈現上漲趨勢，但漲勢或相對平緩。
（五）預測CPI：成分合成法
如上文所述，CPI主要受到食品項和交通項牽引，食品項主要受到菜價和豬價影響，交通項主要受油價影響。CPI預測方法按照以上思路，食品項中，豬價跟隨豬週期向上，菜價走勢符合季節性。未來隨著全球經濟放緩，交通項或跟隨油價下行。
此外，衣著+生活用品+其他用品三項對CPI拉動比較穩定，保持在0.2-0.24區間內。居住+教育+醫療三項對CPI拉動相對穩定，其中，居住和教育穩定性高，醫療根據分項來看，未來中藥和醫療保健價格呈緩慢上升趨勢，西藥價格有一定下降空間。
根據以上方法計算CPI各分項對CPI的拉動力，預測2019年CPI走勢。
2019年CPI整體呈上行趨勢，9-10月或為全年高點（2.9%左右），主要受到菜價季節性上行和豬價整體上行影響。CPI在11-12月或季節性下降。
二、環比均值法
CPI月度環比數據具有顯著的季節性特徵。CPI結構中權重較高的食品價格受到天氣、養殖週期、節假日等因素影響呈現出明顯的波動規律，從近幾年數據來看，CPI環比大致呈現以下規律：1-2月為CPI環比增速較高，3月大幅回落，4月小幅上升，5月環比下滑，6-9月逐漸上升，10-11月環比增速回落，12月有所反彈。
值得注意的是，近來環比均值法的歷史參考性走弱。近幾年CPI月度環比數據顯著的季節性特徵可能取決於近年來相對較為穩定的宏觀經濟環境與市場環境，鑑於近期宏觀經濟環境以及豬肉、蔬菜、水果對CPI影響較大的商品市場環境出現較大波動，此方法對CPI的預測會有一定偏差。
以2013-2018年各月CPI的月度環比均值作為2019年CPI月度環比的預測值，通過CPI同比與環比數據之間的關係，可以計算出2019年各月CPI同比預測值。2013-2018年CPI五月的環比均值為-0.23%，設2018年4月CPI指數為100，則2018年5月CPI指數為99.8，2019年4月CPI指數為102.5，2019年五月CPI預測指數為102.5*（100-0.23）%=102.26，2019年5月CPI同比上漲應為102.26/99.8-1=2.47%
按照此方法預測，2019年5月CPI約為2.5%，考慮到今年5月豬價、菜價以及鮮果價格同比均大幅上漲的反常情況，本方法或對CPI有一定低估。之後將在本月基礎上外推下月，可以得到2019年全年的CPI預測值。
預測結果顯示，2019年5-7月CPI同比將繼續保持在2.3%以上，並在8-10月份下降。通過對比往年數據發現，2018年8-10月CPI環比為近十年來最高值，因而使用近幾年CPI環比均值作為今年CPI環比預測值可能會導致對今年8-10月CPI同比的低估。進一步研究發現，2018年8-10月食品項中波動最大的豬價同比大幅下跌，同時菜價同比與往年相差不大，鑑於今年三月豬價已開始止跌回升，菜價受到季節性因素影響今年8-10月也將上漲，綜上所述，今年8-10月CPI同比將會大概率上漲。
三、向量自迴歸模型
CPI不僅與豬肉、鮮菜價格高度相關，而且受到油價與M1增速的影響，據此可建立五變量向量自迴歸模型來擬合與估計CPI同比走勢。
向量自迴歸（VAR）模型是一種常用的計量經濟模型，該模型把系統中每一個內生變量作為系統中所有內生變量滯後值的函數來構造模型，從而將單變量回歸模型推廣到由多元時間序列變量組成的“向量”自迴歸模型。VAR模型被廣泛用於多個相關經濟指標的分析與預測，此方法通過對多個變量的迴歸分析可以較好的擬合曆史數據，增加變量個數或樣本時間跨度時能夠顯著提高擬合精確度。然而隨著擬合精確度的提高，模型對於異常情況的預測能力會有所下降，甚至產生過擬合情況。
選擇對CPI影響更明顯的進口價格指數同比替代油價，以CPI同比、豬肉價格同比（PIG），鮮菜價格同比（VEG）、進口價格同比（IPT）和M1同比增速構建五變量的向量自迴歸模型，假設這五個變量中的每一個都是全部變量2階滯後值的線性函數，可以得到每個變量的函數表達式。以CPI和豬肉價格同比（PIG）為例，其表達式分別為：
即下月CPI同比、豬肉價格同比（PIG）等指標均為本月和上月CPI同比、豬肉價格同比（PIG）、鮮菜價格同比（VEG）、進口價格同比（IPT）以及M1增速的線性函數。以2005年1月至2019年4月數據為樣本，將五個線性迴歸方程進行聯立估計，可以得到A1、B1等參數的估計值，進而可以對CPI進行估計與預測。
使用該模型對CPI進行估計，結果顯示CPI序列的R2值為0.942，表明模型對CPI的擬合程度較高，用2019年3、4月的CPI同比、豬肉價格同比、鮮菜價格同比、進口價格同比以及M1增速分別乘以模型估計出的係數並加總，可以進一步估計2019年5月CPI同比增速在2.3%左右。由於本模型樣本時間跨度較長且歷史參考性減弱，因而實際CPI同比可能會與2.3%的預測值有一定差距。
四、CPI的基本面支撐
短期來看，中國CPI同比或將維持在2.5%以上較高水平，但從長期來看卻並不具備持續高通脹的經濟基礎。
全球角度來看，全球經濟不支撐中國通脹大幅上行。中國通脹趨勢與世界上幾大主要經濟體的通脹趨勢相關性較高。在未來全球通脹下行的大環境影響下，中國也難以維持長期的高通脹水平，如油價下跌則交通通信項則拖累CPI。
國內角度來看，經濟下行壓力扔在。根據我們的經濟週期模型，本輪經濟週期或將於3季度末或者4季度出現拐點，未來或在低增長區間。目前中國經濟下行壓力並未消除，總需求放緩也難以支撐長期的高通脹。
五、CPI預測結論
綜合以上三種方法，運用成分合成法預測CPI的可信度較高。成分合成法參考最新豬價、菜價和油價等權重指標變化，能夠“與時俱進”的預測下期通脹走勢。環比均值法和向量自迴歸模型參考歷史數據程度較大，隨著時間跨度增加，這兩種方法預測參考性下降。後兩種方法有助於理解歷史走勢，以及分析最新走勢背後的邏輯。
綜上，5月CPI約為2.65%-2.7%左右，9-10月或為全年高點，達到2.9%左右，11-12月季節性下降。
- END -
