核心观点：
通胀影响所有资产价格，目前市场对通胀走势相对一致，但对其横向结构和纵向时间的预期却相对模糊。本文运用3种方法对我国通胀做全面的解析。
一，成分合成法，主要分析对CPI走势牵引最大的分项，通过各分项预测总体走势。食品项和交通运输项对CPI的影响最大。其中食品项对CPI的拉动力与CPI走势基本一致。食品项中，猪价和菜价对CPI影响最大，值得注意的是，2017年后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。未来猪价会随着猪周期上扬而上扬，菜价或依然延续其季节性规律。根据测算，2019年CPI整体呈上行趋势，9-10月或为全年高点（2.9%左右），CPI在11-12月或季节性下降。
二，环比均值法，运用CPI环比数据的季节性性特征推测总体。CPI呈现出明显的波动规律：1-2月CPI环比增速较高，3月大幅回落，4月小幅上升，5月环比下滑，6-9月逐渐上升，10-11月环比增速回落，12月有所反弹。首先运用环比和同比的关系推测下月CPI数据，之后在本月基础上外推下月，可以得到2019年全年的CPI预测值。
根据预测，今年8-10月CPI同比将会大概率上涨。三，向量自回归模型，CPI与猪肉、鲜菜、油价、M1增速和CPI做五变量向量自回归模型来拟合与估计CPI同比走势。其中，油价用进口价格指数代替。根据模型，计算CPI下月数据，之后逐步外推。
值得注意的是，环比均值法和向量自回归模型参考历史数据程度较大，而随着历史参考性减弱，预测参考性下降。
从需求端来看，受到未来全球通胀下行以及国内经济增长放缓的影响，中国并不具备持续高通胀的基础。
综合以上三种方法，5月CPI在2.65%-2.7%左右，9-10月为全年高点，11-12月季节性下降。
风险提示：模型失效风险
目 录
通胀影响所有资产价格，目前市场对通胀走势相对一致，但对其横向结构和纵向时间的预期却相对模糊。本文运用3种方法对我国通胀做全面的解析。
第一，成分合成法，主要分析对CPI走势牵引最大的分项，通过各分项预测总体走势。食品项和交通运输项对CPI的影响最大。其中食品项对CPI的拉动力与CPI走势基本一致。食品项中，猪价和菜价对CPI影响最大，值得注意的是，2017年后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。未来猪价会随着猪周期上扬而上扬，菜价或依然延续其季节性规律。根据测算，2019年CPI整体呈上行趋势，9-10月或为全年高点（2.9%左右），CPI在11-12月或季节性下降。
第二，环比均值法，运用CPI环比数据的季节性性特征推测总体。CPI呈现出明显的波动规律：1-2月为CPI环比增速较高，3月大幅回落，4月小幅上升，5月环比下滑，6-9月逐渐上升，10-11月环比增速回落，12月有所反弹。运用环比和同比的关系推测下月CPI数据，之后将在本月基础上外推下月，可以得到2019年全年的CPI预测值。根据预测，今年8-10月CPI同比将会大概率上涨。
第三，向量自回归模型，CPI与猪肉、鲜菜、油价、M1增速和CPI做五变量向量自回归模型来拟合与估计CPI同比走势。其中，油价用进口价格指数代替。根据模型，计算CPI下月数据，之后逐步外推。
综合三种方法，5月CPI或为2.65%-2.7%左右，9-10月或为全年高点，达到2.9%左右，11-12月或季节性下降。值得注意的是，由于环比均值法和向量自回归模型参考历史数据程度较大，而随着历史参考性减弱，预测参考性下降。因此，成分合成法相对其他方法可信度高。
此外，从需求角度来看，受到未来全球通胀下行以及国内经济增长放缓的影响，中国并不具备持续高通胀的基础。
一、成分合成法
（一）CPI最大牵引项：食品项和交通项
从CPI结构来看，CPI主要由八大项组成，2016年统计局重新调整CPI权重，其中，食品烟酒（30%左右）和居住（22%左右）二者占比50%以上，其他权重项为教育文化和娱乐（12.5%）、交通和通信（10.4%）、医疗保健（10.3%）。
从CPI的拉动项来看，食品、居住、医疗、教育和交通是主要拉动项，其他拉动力较小。因居住、医疗和教育拉动力较为稳定，食品和交通项波动较大（如下表），所以CPI主要受到食品和交通项的牵引，二者走势与CPI走势基本同步。
（二）食品项：2017年后菜价对食品项的影响超过猪价
1、2017年后菜价影响超过猪价
2013年之前，猪价波动较大且与CPI相关性较强，2013-2016年猪价波动幅度减小，对应CPI相对稳定。2017年猪价大幅下行，但CPI并未出现大幅下行趋势，而是相对稳定，这背后主要受到菜价的影响。如下图，2017年，后菜价相对于猪价来说，与食品项的同步性更强，影响力度更大。
2、未来猪周期崛起&菜价依然季节性波动
经济周期影响猪周期而不是相反。猪价和CPI和经济周期的关系应该是被动的，经济周期影响猪价波动，本轮超长猪周期也是受到超长经济周期的影响。2015年以来的经济周期受到房地产周期厚尾现象的影响，形成超长经济周期和猪周期。猪价和经济周期先行指标（房地产销售）相对同步，2016年房地产去库存和棚改货币化导致三四线及以下城市销售出现厚尾现象，考虑到三四线及以下城市商品房销售占全国65%-70%，因此导致整个房地产周期和经济周期出现厚尾现象。
目前猪周期已经开启，加之受到非洲猪瘟和基数较低等因素影响，本轮猪周期猪价的增速或相对较高。2009年-2018年有3轮完整猪周期，鉴于2012年猪周期并不明显，因此本轮猪周期可以参考2010年和2015年的猪周期走势。
蔬菜价格存在明显季节性规律。由于菜篮子产品批发价格200指数公布时间序列数据相对较短，从前海农产品批发价格指数和28种重点监测蔬菜批发价格来看，菜价一般在1-5月有上行趋势，6月大幅下行，7-10月明显上行，9月达到高点，11-12月再次回落。
（三）交通项：略滞后于油价
交通项主要受到油价影响，交通项同比一般滞后油价同比2个月左右。
（四）除食品项和交通项：拉动力相对稳定
衣着、生活用品和其他用品三项拉动力较小且波动较小，三者对CPI的拉动力之和一般在0.2-0.24个百分点之间。由上文可知，三者拉动力的方差分别为0.02、0.02和0.04。我们假设未来这三项的拉动力维持在[0.2,0.24]区间。
居住、教育和医疗三项拉动力较大，但是波动较低，其中居住和教育项拉动力相对稳定，医疗项拉动力波动相对略大。由上文可知，三者拉动力的方差分别为0.1、0.07和0.15， 而相比食品项拉动力方差为0.62。因此，我们假设居住和教育维持历史拉动力水平。
医疗项未来或呈缓慢上升趋势。医疗主要分为西药、中药和医疗保健，西药由于受到政策因素影响，全国招标价格已经明显回落。中药有缓慢上升趋势。医疗保健未来仍呈现上涨趋势，但涨势或相对平缓。
（五）预测CPI：成分合成法
如上文所述，CPI主要受到食品项和交通项牵引，食品项主要受到菜价和猪价影响，交通项主要受油价影响。CPI预测方法按照以上思路，食品项中，猪价跟随猪周期向上，菜价走势符合季节性。未来随着全球经济放缓，交通项或跟随油价下行。
此外，衣着+生活用品+其他用品三项对CPI拉动比较稳定，保持在0.2-0.24区间内。居住+教育+医疗三项对CPI拉动相对稳定，其中，居住和教育稳定性高，医疗根据分项来看，未来中药和医疗保健价格呈缓慢上升趋势，西药价格有一定下降空间。
根据以上方法计算CPI各分项对CPI的拉动力，预测2019年CPI走势。
2019年CPI整体呈上行趋势，9-10月或为全年高点（2.9%左右），主要受到菜价季节性上行和猪价整体上行影响。CPI在11-12月或季节性下降。
二、环比均值法
CPI月度环比数据具有显著的季节性特征。CPI结构中权重较高的食品价格受到天气、养殖周期、节假日等因素影响呈现出明显的波动规律，从近几年数据来看，CPI环比大致呈现以下规律：1-2月为CPI环比增速较高，3月大幅回落，4月小幅上升，5月环比下滑，6-9月逐渐上升，10-11月环比增速回落，12月有所反弹。
值得注意的是，近来环比均值法的历史参考性走弱。近几年CPI月度环比数据显著的季节性特征可能取决于近年来相对较为稳定的宏观经济环境与市场环境，鉴于近期宏观经济环境以及猪肉、蔬菜、水果对CPI影响较大的商品市场环境出现较大波动，此方法对CPI的预测会有一定偏差。
以2013-2018年各月CPI的月度环比均值作为2019年CPI月度环比的预测值，通过CPI同比与环比数据之间的关系，可以计算出2019年各月CPI同比预测值。2013-2018年CPI五月的环比均值为-0.23%，设2018年4月CPI指数为100，则2018年5月CPI指数为99.8，2019年4月CPI指数为102.5，2019年五月CPI预测指数为102.5*（100-0.23）%=102.26，2019年5月CPI同比上涨应为102.26/99.8-1=2.47%
按照此方法预测，2019年5月CPI约为2.5%，考虑到今年5月猪价、菜价以及鲜果价格同比均大幅上涨的反常情况，本方法或对CPI有一定低估。之后将在本月基础上外推下月，可以得到2019年全年的CPI预测值。
预测结果显示，2019年5-7月CPI同比将继续保持在2.3%以上，并在8-10月份下降。通过对比往年数据发现，2018年8-10月CPI环比为近十年来最高值，因而使用近几年CPI环比均值作为今年CPI环比预测值可能会导致对今年8-10月CPI同比的低估。进一步研究发现，2018年8-10月食品项中波动最大的猪价同比大幅下跌，同时菜价同比与往年相差不大，鉴于今年三月猪价已开始止跌回升，菜价受到季节性因素影响今年8-10月也将上涨，综上所述，今年8-10月CPI同比将会大概率上涨。
三、向量自回归模型
CPI不仅与猪肉、鲜菜价格高度相关，而且受到油价与M1增速的影响，据此可建立五变量向量自回归模型来拟合与估计CPI同比走势。
向量自回归（VAR）模型是一种常用的计量经济模型，该模型把系统中每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，从而将单变量回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型被广泛用于多个相关经济指标的分析与预测，此方法通过对多个变量的回归分析可以较好的拟合历史数据，增加变量个数或样本时间跨度时能够显著提高拟合精确度。然而随着拟合精确度的提高，模型对于异常情况的预测能力会有所下降，甚至产生过拟合情况。
选择对CPI影响更明显的进口价格指数同比替代油价，以CPI同比、猪肉价格同比（PIG），鲜菜价格同比（VEG）、进口价格同比（IPT）和M1同比增速构建五变量的向量自回归模型，假设这五个变量中的每一个都是全部变量2阶滞后值的线性函数，可以得到每个变量的函数表达式。以CPI和猪肉价格同比（PIG）为例，其表达式分别为：
即下月CPI同比、猪肉价格同比（PIG）等指标均为本月和上月CPI同比、猪肉价格同比（PIG）、鲜菜价格同比（VEG）、进口价格同比（IPT）以及M1增速的线性函数。以2005年1月至2019年4月数据为样本，将五个线性回归方程进行联立估计，可以得到A1、B1等参数的估计值，进而可以对CPI进行估计与预测。
使用该模型对CPI进行估计，结果显示CPI序列的R2值为0.942，表明模型对CPI的拟合程度较高，用2019年3、4月的CPI同比、猪肉价格同比、鲜菜价格同比、进口价格同比以及M1增速分别乘以模型估计出的系数并加总，可以进一步估计2019年5月CPI同比增速在2.3%左右。由于本模型样本时间跨度较长且历史参考性减弱，因而实际CPI同比可能会与2.3%的预测值有一定差距。
四、CPI的基本面支撑
短期来看，中国CPI同比或将维持在2.5%以上较高水平，但从长期来看却并不具备持续高通胀的经济基础。
全球角度来看，全球经济不支撑中国通胀大幅上行。中国通胀趋势与世界上几大主要经济体的通胀趋势相关性较高。在未来全球通胀下行的大环境影响下，中国也难以维持长期的高通胀水平，如油价下跌则交通通信项则拖累CPI。
国内角度来看，经济下行压力扔在。根据我们的经济周期模型，本轮经济周期或将于3季度末或者4季度出现拐点，未来或在低增长区间。目前中国经济下行压力并未消除，总需求放缓也难以支撑长期的高通胀。
五、CPI预测结论
综合以上三种方法，运用成分合成法预测CPI的可信度较高。成分合成法参考最新猪价、菜价和油价等权重指标变化，能够“与时俱进”的预测下期通胀走势。环比均值法和向量自回归模型参考历史数据程度较大，随着时间跨度增加，这两种方法预测参考性下降。后两种方法有助于理解历史走势，以及分析最新走势背后的逻辑。
综上，5月CPI约为2.65%-2.7%左右，9-10月或为全年高点，达到2.9%左右，11-12月季节性下降。
- END -
