宏觀研究-廣發(fā)宏觀：工業(yè)增加值如何預(yù)測(cè)？-廣發(fā)證券郭磊,陳禮清-20230830

發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值廣發(fā)宏觀廣發(fā)宏觀SFCCEnoBNY41903572leigfcomcn03809liqinggfcomcn請(qǐng)注意，陳禮清并非香港證券及期貨事務(wù)監(jiān)察委員會(huì)的注冊(cè)持牌人，不可在香港從事受監(jiān)管活動(dòng)。報(bào)告摘要：GDP所以它是我們跟蹤經(jīng)濟(jì)運(yùn)行可盯住的最重要指標(biāo)之一。市場(chǎng)中已有三類方法預(yù)測(cè)工業(yè)增加值同比增速。方法一是通過(guò)主要工業(yè)產(chǎn)品產(chǎn)量乘以相應(yīng)行業(yè)權(quán)重進(jìn)行加權(quán)合成；方法二、貨運(yùn)量等；方法三是直接利用指標(biāo)自方法一可以總結(jié)為“行業(yè)產(chǎn)量數(shù)據(jù)”合成法，是從工業(yè)增加值最本質(zhì)的計(jì)算方式出發(fā)，通過(guò)各子行業(yè)產(chǎn)量數(shù)方法二可以總結(jié)為簡(jiǎn)單“高頻指標(biāo)”回歸法，是直接利用工業(yè)生產(chǎn)領(lǐng)域的單一或多項(xiàng)高頻指標(biāo)做線性回歸，比與工增在趨勢(shì)上具有一致性。等。這類預(yù)測(cè)出發(fā)點(diǎn)是基于工業(yè)增加值較強(qiáng)的季節(jié)性和周期性，不需要任何高頻信息。本質(zhì)上，這是一種純粹能力。?上述方法均有其價(jià)值，但缺點(diǎn)也很明顯，比如或只能用于解釋過(guò)去；或只能預(yù)測(cè)中期(1個(gè)季度以上)的趨勢(shì)，而無(wú)法較準(zhǔn)確實(shí)時(shí)跟蹤工業(yè)增加值的單月波動(dòng)；抑或預(yù)測(cè)結(jié)果本身波動(dòng)性較大，顆粒度較粗。特別是疫情后，工業(yè)增加值波動(dòng)變大，“自身趨勢(shì)外推法”的假設(shè)前提(歷史會(huì)重復(fù))一定程度被打破，預(yù)測(cè)效果明顯打折扣。如何應(yīng)對(duì)“見微”不一定能“知著”的問(wèn)題？在這里我們希望介紹一套新的方法。我們的解決方案可以簡(jiǎn)單總結(jié)為“用同步擴(kuò)散指數(shù)辨方向、用ARDL模型做預(yù)測(cè)、用混頻(MIDAS)回歸打輔助?！蓖碛诠I(yè)增加值公布。簡(jiǎn)單“高頻指標(biāo)”回歸法也會(huì)出現(xiàn)誤判，因?yàn)榧幢阆嚓P(guān)性很強(qiáng)的高頻指標(biāo)，也經(jīng)常會(huì)在著“歷史ARDL用混頻(MIDAS)回歸打輔助”。首先，我們只聚焦在重點(diǎn)行業(yè)工業(yè)生產(chǎn)強(qiáng)關(guān)聯(lián)的多項(xiàng)高頻指標(biāo)，既不窮盡四十多個(gè)細(xì)分行業(yè)，也不依賴某一指標(biāo)。我們提取多項(xiàng)高頻指標(biāo)變動(dòng)信息，用工業(yè)增加值構(gòu)成中的行業(yè)增加值占比進(jìn)行配權(quán)，合成同步擴(kuò)散指數(shù)，以此來(lái)過(guò)濾高頻數(shù)據(jù)的噪音。進(jìn)一步地，將構(gòu)造的同步擴(kuò)散指數(shù)與工業(yè)增加值同比進(jìn)行ARDL回歸，自回歸部分融入工動(dòng)預(yù)測(cè)近月工業(yè)增加值同比。為了能直接利用最全面的高頻信息，我們也直接將周度或日度的高頻數(shù)據(jù)與月度工業(yè)增加值進(jìn)行混頻(MIDAS)回歸。但預(yù)測(cè)結(jié)果單月波動(dòng)可能較大，預(yù)測(cè)區(qū)間較寬，更適合作為預(yù)測(cè)的輔?如何尋找能預(yù)測(cè)工業(yè)增加值的有效高頻指標(biāo)？簡(jiǎn)單來(lái)說(shuō)是先分類，再尋強(qiáng)相關(guān)，后看拐點(diǎn)變動(dòng)。我們將高頻發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39指標(biāo)歸為六大類——整體發(fā)電量、對(duì)工業(yè)生產(chǎn)有明顯需求拉動(dòng)的行業(yè)，以及四個(gè)行業(yè)增加值占比排名靠前的重點(diǎn)行業(yè)(汽車、化工、鋼鐵、煤炭)。關(guān)于相關(guān)性，我們不僅進(jìn)行了傳統(tǒng)意義上的相關(guān)系數(shù)測(cè)算；還從拐點(diǎn)標(biāo)，除了廣義汽車產(chǎn)量和挖掘機(jī)銷量是先于工業(yè)增加值公布的月度數(shù)據(jù)以外，其余17個(gè)指標(biāo)均為周度或日度38%)與工業(yè)增加值增速的變動(dòng)方向保持一致。疫情發(fā)生以來(lái)，這一比例提升了14個(gè)百分點(diǎn)至52%，說(shuō)明了第二，相關(guān)系數(shù)角度，與工業(yè)增加值同比相關(guān)性較高的高頻指標(biāo)依次是，廣義乘用車產(chǎn)量同比(0.67)、PTA產(chǎn)業(yè)鏈負(fù)荷率(0.61)、粗鋼產(chǎn)量同比(0.58)、半鋼胎開工率同比(0.58)、PTA開工率(0.55)、全鋼胎開工置開工率(0.44)、6大發(fā)電集團(tuán)耗煤量同比76。第三，拐點(diǎn)變動(dòng)角度，與工業(yè)增加值相關(guān)系數(shù)較高的指標(biāo)均有近50%的時(shí)間拐點(diǎn)變動(dòng)也與工業(yè)增加值同比一22個(gè)百分點(diǎn))、地?zé)掗_工(提升22個(gè)百分點(diǎn))、十大城市商品房成交面積(提升20個(gè)百分點(diǎn))。?同步擴(kuò)散指數(shù)如何構(gòu)建？勝率幾何？有何提示？簡(jiǎn)單來(lái)說(shuō)，我們構(gòu)建的同步擴(kuò)散指數(shù)實(shí)質(zhì)上是生產(chǎn)端重點(diǎn)行業(yè)高頻指標(biāo)每月同比增速較前值的變動(dòng)值為正的占比，提示的是當(dāng)月工業(yè)增加值同比可能的變動(dòng)方向。單這一點(diǎn)對(duì)于預(yù)測(cè)工業(yè)增加值已經(jīng)有一定意義。我們的數(shù)據(jù)回溯顯示，同步擴(kuò)散指數(shù)能夠很好地捕捉工業(yè)增加值我們利用投入產(chǎn)出表中高頻指標(biāo)涉及的重點(diǎn)行業(yè)的行業(yè)增加值占比作為權(quán)重。配權(quán)過(guò)程中，對(duì)于上下游廣泛的權(quán)重。合成的同步擴(kuò)散指數(shù)本質(zhì)上是當(dāng)月高頻數(shù)據(jù)同比變動(dòng)為正的占比，我們定義50%為同步擴(kuò)散指數(shù)的升自回歸部分，融入了工業(yè)增加值前期值，表征歷史規(guī)律性；“DL”為分布滯后部分，融入了高頻指標(biāo)以及高頻合，我們既利用了多項(xiàng)高頻指標(biāo)信息，又通過(guò)“提取同比變動(dòng)、配權(quán)、合成同步擴(kuò)散指數(shù)”來(lái)過(guò)濾噪音，又兼顧了工業(yè)增加值自身前期波動(dòng)的影響，比任何一種既有的單一方法更綜合，預(yù)測(cè)精度也更細(xì)。比如這一模，比的波動(dòng)。經(jīng)過(guò)系數(shù)折算出貢獻(xiàn)率，我們可以更清晰地看到這一特征，2010-2014期間，99%的模型解釋力加值過(guò)去值貢獻(xiàn)了33%，而高頻信息貢獻(xiàn)了66%；2020年以來(lái)，總共75%的模型解釋力中，工業(yè)增加值過(guò)ARDL單純使用了高頻數(shù)據(jù)的變動(dòng)方向，而不是變動(dòng)幅度。優(yōu)點(diǎn)是簡(jiǎn)潔方便地?fù)袢×烁哳l數(shù)據(jù)的有效信息，過(guò)濾了高頻數(shù)據(jù)的高波動(dòng)噪音，缺點(diǎn)是折損了部分有用高頻信息，即不是所有的高頻指標(biāo)高波動(dòng)都是噪音。有沒(méi)有其他方法可以避免這一點(diǎn)？混頻MIDAS模型可以直接利用高頻數(shù)據(jù)對(duì)低頻數(shù)據(jù)進(jìn)行建模，雖然受高頻指標(biāo)高波動(dòng)的干能幫助我們進(jìn)行輔助判斷。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39利用同步擴(kuò)散指數(shù)初判方向，再以此為解釋變量，通過(guò)ARDL模型預(yù)測(cè)工業(yè)增加值同比的方法，本質(zhì)上只單純使用了高頻數(shù)據(jù)的變動(dòng)方向，而不是變動(dòng)幅度。優(yōu)點(diǎn)是簡(jiǎn)潔方便地?fù)袢×烁哳l數(shù)據(jù)的有效信息，過(guò)濾了高頻5，說(shuō)明對(duì)于疫后工業(yè)增加值的預(yù)測(cè)來(lái)說(shuō)，高頻指標(biāo)的信息更為重要，融入變動(dòng)幅度的信息之后預(yù)測(cè)精度提的，上升趨勢(shì)中有多處反復(fù)點(diǎn)，印證了雖然混頻MIDAS預(yù)測(cè)更有效地利用了高頻數(shù)據(jù)，但也受到高頻數(shù)據(jù)波不同方法可以相互印證和參考。?風(fēng)險(xiǎn)提示：一是高頻數(shù)據(jù)選擇或存在偏差；二是同步擴(kuò)散是各類高頻數(shù)據(jù)方向變動(dòng)的集合，處理方式較簡(jiǎn)AS發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值4/39 制造業(yè) 15加工業(yè) 17 8 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39表索引 耗煤與工業(yè)增加值同比趨勢(shì)相同，常被用來(lái)觀察工增變化 圖7：工業(yè)增加值中排名前十大行業(yè)占比近七成(根據(jù)2018年投入產(chǎn)出表測(cè)算) 與工業(yè)增加值同比(2015-2019) 15工業(yè)增加值同比(2020-2023) 15 售面積同比與工業(yè)增加值同比(2015-2019) 20售面積同比與工業(yè)增加值同比(2020-2023) 20 圖27：等權(quán)重同步擴(kuò)散指數(shù)與工業(yè)增加值同比變動(dòng)有一定同步性(疫情前)....23圖29：加權(quán)處理后的同步擴(kuò)散指數(shù)與工業(yè)增加值同比變動(dòng)也有一定同步性(疫情 圖30：疫情后加權(quán)處理同步擴(kuò)散指數(shù)與工業(yè)增加值同比變動(dòng)同步性較等權(quán)重進(jìn)一 I發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39 II一致性在疫情 表3：基于ARDL模型將同步擴(kuò)散II與工業(yè)增加值同比進(jìn)行回歸(全樣本建模) 表4：基于ARDL模型將同步擴(kuò)散II與工業(yè)增加值同比進(jìn)行回歸(分樣本建模) 發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值39959697959697989920002001200220032004200520062007200820092010201120122013201420152016201720182019202020212022對(duì)中國(guó)而言，工業(yè)增加值有“小GDP”之稱，2023年6月占GDP現(xiàn)價(jià)比重達(dá)到了的工業(yè)增加值占比遠(yuǎn)超過(guò)美0000%%(一)方法一：“行業(yè)產(chǎn)量數(shù)據(jù)”合成法方法一是從工業(yè)增加值最本質(zhì)的計(jì)算方式出發(fā)，通過(guò)各子行業(yè)產(chǎn)量數(shù)據(jù)，加權(quán)合成統(tǒng)中進(jìn)行工業(yè)生產(chǎn)活動(dòng)的最終成果，有采礦、制造業(yè)、公用事業(yè)三大類和41個(gè)中觀行業(yè)。由于工業(yè)增加值=工業(yè)總產(chǎn)值(包含出口交貨值貢獻(xiàn))-工業(yè)中間投入+本期應(yīng)交增值稅，因此，選擇代表性工業(yè)產(chǎn)品當(dāng)月產(chǎn)量的同比，乘以相應(yīng)的行業(yè)權(quán)重，可以近似得到工業(yè)增加值的同比變化。這一方法準(zhǔn)確性較高，并且可以觀察結(jié)構(gòu)上發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值392015-072016-052017-032017-082018-012018-062019-042019-092020-022020-072015-072016-052017-032017-082018-012018-062019-042019-092020-022020-072021-052022-032022-082023-012023-06：廣發(fā)證券發(fā)展研究中心(二)方法二：簡(jiǎn)單“高頻指標(biāo)”回歸法方法二則直接利用工業(yè)生產(chǎn)領(lǐng)域的高頻指標(biāo)，進(jìn)行單一指標(biāo)或多項(xiàng)指標(biāo)線性回歸。部分指標(biāo)，比如用電量，PMI與工業(yè)增加值在歷史上有較好的趨勢(shì)一致性。比如從歷史上看，工業(yè)增加值與國(guó)內(nèi)發(fā)電量、發(fā)電耗煤數(shù)據(jù)存在較強(qiáng)相關(guān)性。僅靠發(fā)電耗月同比變動(dòng)預(yù)測(cè)工增的同比變動(dòng)，勝率可以達(dá)到50%。圖3：6大發(fā)電集團(tuán)日均耗煤與工業(yè)增加值同比趨勢(shì)相同，常被用來(lái)觀察工增變化日均耗煤量%.0:當(dāng)月同比(右軸.0-10.0-5.0-20.0-10.0--10.0發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值392014-032014-092015-032015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-032014-032014-092015-032015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-032022-092023-032015-032015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-032022-092023-03方法三是直接利用工業(yè)增加值同比指標(biāo)自身的波動(dòng)規(guī)律進(jìn)行外推，例如常見的ARIMA模型等。這類預(yù)測(cè)出發(fā)點(diǎn)是基于工業(yè)增加值較強(qiáng)的季節(jié)性和周期性，不需要任何高頻信息。本質(zhì)上，這是一種純粹自回歸預(yù)測(cè)思路，蘊(yùn)含著“歷史會(huì)回歸、會(huì)重復(fù)”的假設(shè)。在國(guó)內(nèi)經(jīng)濟(jì)運(yùn)行平穩(wěn)或者僅有小波動(dòng)的時(shí)期，這種簡(jiǎn)單時(shí)間序列的建模方式是可行的并且效果較好的。工業(yè)生產(chǎn)的內(nèi)生動(dòng)力較強(qiáng)，很難受到經(jīng)濟(jì)中小波動(dòng)小沖擊的影響。即便單一行業(yè)的生產(chǎn)經(jīng)營(yíng)容易發(fā)生變化，但就整體而言，工。圖4：疫情前工增環(huán)比具有季節(jié)性，且較穩(wěn)定，單純趨勢(shì)外推有一定預(yù)測(cè)效果%中國(guó):工業(yè)增加值:環(huán)比:季調(diào)2.000.500.00-0.50-1.00穩(wěn)%工業(yè)增加值環(huán)比(滾動(dòng)12個(gè)月均值)2.000.500.00-0.50-1.00(一)市場(chǎng)中已有預(yù)測(cè)方法的缺陷測(cè)中期(1個(gè)季度以上)的趨勢(shì)，而無(wú)法較準(zhǔn)確實(shí)時(shí)跟蹤工業(yè)增加值的單月波動(dòng)；工業(yè)增加值波動(dòng)變大，“自身趨勢(shì)外推法”的假設(shè)前提(歷史會(huì)重復(fù))被打破，預(yù)方法一“行業(yè)產(chǎn)量數(shù)據(jù)”合成法缺點(diǎn)在于只能解釋過(guò)去，觀察結(jié)構(gòu)，不能預(yù)測(cè)未行業(yè)產(chǎn)量數(shù)據(jù)公布的時(shí)點(diǎn)晚于工業(yè)增加值公布。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值，PMI上有較好的一致性，但細(xì)看單月波動(dòng)，高頻指標(biāo)與工業(yè)增合成、降維以及如何配權(quán)都是難點(diǎn)。比如，有簡(jiǎn)單使用線性回歸將多項(xiàng)高頻合成的，種方式又會(huì)過(guò)度反映歷史剛發(fā)生的“異像”，高估波動(dòng)，預(yù)測(cè)顆粒度較粗。(二)我們的解決方案同步擴(kuò)散指數(shù)辨方向、用ARDL模型做預(yù)測(cè)、用混頻(MIDAS)回歸打輔助?！庇杏眯畔?，過(guò)濾掉高頻指標(biāo)月際之間數(shù)值上的高波動(dòng)。至于哪些高頻指標(biāo)對(duì)工業(yè)增于辨明下期工業(yè)增加值同比變動(dòng)方向?！巴綌U(kuò)散指數(shù)”是我們對(duì)下期工業(yè)增加值變動(dòng)的初探，是一個(gè)方向性的指引。進(jìn)一步地，我們將構(gòu)造的同步擴(kuò)散指數(shù)與工業(yè)增加值同比進(jìn)行回歸。我們構(gòu)造了后期對(duì)當(dāng)期的影響”、“高頻指標(biāo)以及其滯后期對(duì)工業(yè)增加值當(dāng)期的影響”，進(jìn)而在利用ARDL(自回歸分布滯后)模型進(jìn)行核心預(yù)測(cè)之后，我們同樣意識(shí)到，我們發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值對(duì)高頻信息的處理思路是，為了不受高頻數(shù)據(jù)的高波動(dòng)影響，只提取高頻數(shù)據(jù)的方否認(rèn)，這種方式必然會(huì)損失部分高頻數(shù)據(jù)變化幅度上的有用信息。月度工業(yè)增加值同比進(jìn)行混頻(MIDAS)回歸。但得到的預(yù)測(cè)只能作為我們的一種輔助判斷，因?yàn)榻Y(jié)果顯示，混頻MIDAS回歸的確會(huì)被高頻數(shù)據(jù)的高波動(dòng)反噬，預(yù)標(biāo)具有一致的起始和結(jié)束點(diǎn)，因此，樣本點(diǎn)會(huì)減少，同時(shí)，預(yù)測(cè)8月工業(yè)增加值需行業(yè)高頻預(yù)測(cè)工業(yè)增加值的出發(fā)點(diǎn)和主要思路：廣發(fā)證券發(fā)展研究中心三、重點(diǎn)行業(yè)高頻指標(biāo)篩選：評(píng)估兩類相關(guān)性能進(jìn)行預(yù)測(cè)的指標(biāo)要符合兩大標(biāo)準(zhǔn)，一是公布時(shí)點(diǎn)要早于工業(yè)增加值，這樣可以用值40多個(gè)子行業(yè)，而是聚焦在幾個(gè)重點(diǎn)行業(yè)。原料及化學(xué)制品制造業(yè)、電力、熱力的生產(chǎn)和供應(yīng)業(yè)、汽車制造業(yè)、計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)、黑色金屬冶煉及壓延加工業(yè)、農(nóng)副食品加工業(yè)、電氣機(jī)械及器材制造業(yè)、煤炭開采和洗選業(yè)”等前十大行業(yè)占比接近7成，抓住各些重點(diǎn)行業(yè)的增加值波動(dòng)就能大致了解工業(yè)增加值變動(dòng)的方向。除了重點(diǎn)行業(yè)高頻，我們還選擇了地產(chǎn)、基建類的高頻指標(biāo)，主因這些行業(yè)是對(duì)工業(yè)生產(chǎn)產(chǎn)生大量需求的行業(yè)，是重點(diǎn)行業(yè)高頻指標(biāo)的補(bǔ)充。事實(shí)上，有些重點(diǎn)行業(yè)，比如非金屬礦物制品，高頻指標(biāo)并不多，但是可以通過(guò)地產(chǎn)、基建高頻反映出來(lái)。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值：工業(yè)增加值中排名前十大行業(yè)占比近七成(根據(jù)2018年投入產(chǎn)出表測(cè)算)%有色金屬冶煉及壓延加工業(yè)通用設(shè)備制造業(yè)金屬制品業(yè)煤炭開采和洗選業(yè)電氣機(jī)械及器材制造業(yè)農(nóng)副食品加工業(yè)黑色金屬冶煉及壓延加工業(yè)計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)汽車制造業(yè)電力、熱力的生產(chǎn)和供應(yīng)業(yè)化學(xué)原料及化學(xué)制品制造業(yè)非金屬礦物制品業(yè)0.00%2.00%4.00%6.00%8.00%10.00%基于以上兩點(diǎn)考慮，我們從7個(gè)方向，選取19個(gè)高頻指標(biāo)，除了廣義汽車產(chǎn)量和挖9個(gè)高頻指標(biāo)來(lái)預(yù)測(cè)工業(yè)增加值行業(yè)指標(biāo)公布頻率工業(yè)增加值當(dāng)月同比每月15日左右房地產(chǎn)行業(yè)十大城市商品房成交面積月同比汽車輪胎半鋼胎開工率月同比周度汽車輪胎全鋼胎開工率月同比周度廣義乘用車產(chǎn)量月同比每月11-12日左右基建行業(yè)石油瀝青裝置開工率月同比周度挖掘機(jī)銷量月累計(jì)同比每月10-12日左右6大發(fā)電集團(tuán)日均耗煤量月同比鋼鐵行業(yè)高爐開工率(247家)月同比周度唐山鋼廠高爐開工率月同比周度重點(diǎn)企業(yè)生鐵日均產(chǎn)量(旬)月同比重點(diǎn)企業(yè)粗鋼日均產(chǎn)量(旬)月同比高爐煉鐵產(chǎn)能利用率(247家)月同比周度主要鋼材品種庫(kù)存月同比周度石油&化工地?zé)掗_工率月同比周度PTA開工率月同比PTA產(chǎn)業(yè)鏈負(fù)荷率(江浙織機(jī))月同比PTA產(chǎn)業(yè)鏈負(fù)荷率(聚酯工廠)月同比煤炭行業(yè)煤炭庫(kù)存(CCTD主流港口)月同比周度焦化企業(yè)(230家)開工率月同比周度：廣發(fā)證券發(fā)展研究中心發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值幅度上有較大差異，直接計(jì)算統(tǒng)計(jì)相關(guān)性可能并不高，而實(shí)際上，指標(biāo)可能在拐點(diǎn)結(jié)果顯示，總體上，自2010年以來(lái)的149個(gè)樣本中(剔除1月)，各類高頻數(shù)據(jù)平均有四成時(shí)間(57個(gè)月，占比38%)與工業(yè)增加值增速的變動(dòng)方向保持一致。特別是其中的十大城市商品房成交面積月同比、廣義乘用車產(chǎn)量月同比、挖機(jī)銷量同比、6大發(fā)電集團(tuán)日均耗煤量月同比、唐山鋼廠高爐開工率月同比、重點(diǎn)企業(yè)粗鋼日均產(chǎn)量(旬)月同比這6個(gè)指標(biāo)，與工業(yè)增加值增速平均有75個(gè)月份變動(dòng)方向一致，占到了50.3%。此外，值得注意的是，疫情發(fā)生以來(lái)，這一比例提升了14個(gè)百分點(diǎn)至52%，再次說(shuō)升較大的依次是石油瀝青開工(預(yù)測(cè)勝率提升26個(gè)百分點(diǎn))、鋼材庫(kù)存(提升22個(gè)百分點(diǎn))、地?zé)掗_工(提升22個(gè)百分點(diǎn))、十大城市商品房成交面積(提升20個(gè)百分點(diǎn))等，似乎說(shuō)明疫后地產(chǎn)、基建類指標(biāo)的變化對(duì)工業(yè)增加值的波動(dòng)的影響明顯發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值增速的變動(dòng)方向保持一致423高爐開工率(247家)月同比PTA機(jī))月同比PTA廠)月同比煤炭庫(kù)存(CCTD主流港口)月同比焦化企業(yè)(230家)開工率月同比(一)工業(yè)生產(chǎn)的影子：發(fā)電量需求端，工業(yè)用電占我國(guó)電力需求的7-8成。供給端，火電發(fā)電則是我國(guó)發(fā)電的主而從數(shù)據(jù)上看，6大發(fā)電集團(tuán)耗煤量同比與工業(yè)增加值同比整體趨勢(shì)一致，單月波背離。兩者相關(guān)性系數(shù)自2010年以來(lái)為0.4，疫情之后提升至0.53。向完全一致，說(shuō)明發(fā)電數(shù)據(jù)與工業(yè)增加值具有穩(wěn)定的相關(guān)性，歷來(lái)是預(yù)測(cè)工業(yè)增加(二)重點(diǎn)行業(yè)之一：汽車制造業(yè)汽車行業(yè)增加值占比超7%，且產(chǎn)業(yè)鏈較長(zhǎng)，是工業(yè)生產(chǎn)的重要部分。高頻數(shù)據(jù)中，用于乘用車，兩者都是汽車生產(chǎn)端的重要配件。廣義汽車產(chǎn)量是少數(shù)月頻但公布時(shí)發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值半鋼胎更與汽車生產(chǎn)端關(guān)系緊密。廣義乘用車產(chǎn)量同比與工業(yè)增加值同比的相關(guān)系數(shù)最大，15年以來(lái)達(dá)到了0.67，疫情后進(jìn)一步達(dá)到了0.7。拐點(diǎn)變動(dòng)上，半鋼胎在整個(gè)歷史上有58個(gè)月(占比39%)、全鋼胎有52個(gè)月(占比35%)、而乘用車產(chǎn)量有79個(gè)月(占比53%)與工業(yè)增加值變動(dòng)方向完全一致，這說(shuō)明汽車類高頻也具有一定預(yù)測(cè)能力，但單一來(lái)看，勝率也至多在50%附近。圖9：汽車鋼胎開工、產(chǎn)量同比與工業(yè)增加值同比(2015-2019) 同比 502015-092015-112016-012016-032016-052016-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-0900(2020-2023)%40.0020.00 % 同比0-2.0-4.0-6.0-8.010.02018-092018-122019-032019-062019-092019-122020-032020-062020-092020-122021-032021-062021-092021-122022-032022-062022-092023-032023-06(三)重點(diǎn)行業(yè)之二：化學(xué)原料及化學(xué)制品制造業(yè)化工行業(yè)是非常重要的中游基礎(chǔ)性產(chǎn)業(yè)，產(chǎn)業(yè)鏈中涵蓋了較多子行業(yè)，不少屬于輕工業(yè)范疇。除了其自身行業(yè)增加值占比排前二以外，該行業(yè)上下游關(guān)聯(lián)的重點(diǎn)行業(yè)較多。上游涉及石油天然氣等燃料行業(yè)，下游先是化學(xué)纖維、非金屬礦以及橡膠和發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值游涉及較多重點(diǎn)工業(yè)行業(yè)：廣發(fā)證券發(fā)展研究中心我們選擇地?zé)掗_工率、PTA開工率、PTA產(chǎn)業(yè)鏈負(fù)荷率等指標(biāo)進(jìn)行跟蹤。PTA開工率系列除了江浙織機(jī)相關(guān)性較低以外，其余都與工業(yè)增加值同比的相關(guān)性超過(guò)0.5。地?zé)掗_工率與工業(yè)增加值同比相關(guān)性也超過(guò)0.5。并且，從趨勢(shì)上看，該類指圖12：PTA開工率、產(chǎn)業(yè)負(fù)荷率同比與工業(yè)增加值同比%60.0040.0020.000.00-20.00-40.00-60.00%2018-082019-022019-052019-082020-022020-052020-082021-022021-052021-08%2018-082019-022019-052019-082020-022020-052020-082021-022021-052021-082022-022022-052022-082023-022023-05 PTA產(chǎn)業(yè)鏈負(fù)荷率:江浙織機(jī):月:平均值:同比中國(guó):PTA產(chǎn)業(yè)鏈負(fù)荷率:聚酯工廠:月:平均值:同比工業(yè)增加值:當(dāng)月同比(右軸)2050-5-10-15-20數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心加值同比% 86420101260.0040.0020.00 2018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-05數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖14：地?zé)掗_工率同比與工業(yè)增加值同比圖15：地?zé)掗_工率同比與化工行業(yè)工業(yè)增加值同比發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值8-089-029-059-080-020-050-081-021-051-082-022-052-083-023-05%8-089-029-059-080-020-050-081-021-051-082-022-052-083-023-05%%工業(yè)增加值:當(dāng)月同比(右軸)80.00960.009740.00720.005.003-20.001-40.001%.000002018-082019-022019-052019-082020-02202018-082019-022019-052019-082020-022020-052020-082021-022021-052021-082022-022022-052022-082023-022023-05 地?zé)掗_工率(常減壓開工率):山東地?zé)拸S:月:平均值:同比中國(guó):工業(yè)增加值:化學(xué)原料及化學(xué)制品制造業(yè):當(dāng)月同比(右軸)50(四)重點(diǎn)行業(yè)之三：黑色金屬冶煉及壓延加工業(yè)鋼鐵行業(yè)是工業(yè)眾多行業(yè)的中游樞紐，牽動(dòng)上下游多條產(chǎn)業(yè)鏈的生產(chǎn)情況，包括建業(yè)生產(chǎn)的原材料與工業(yè)發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值增加值中的黑色冶煉壓延行業(yè)增加值同比更為貼合。從拐點(diǎn)變動(dòng)上，唐山鋼廠高爐粗鋼產(chǎn)量作為中游產(chǎn)量，是下游建筑、機(jī)械設(shè)備類生產(chǎn)的景氣刻畫，也同樣于工業(yè)增加值同比走勢(shì)較為貼合，尤其是粗鋼產(chǎn)量，相關(guān)系數(shù)達(dá)到了0.43，71個(gè)月(占比48%)工業(yè)增加值同比%40.0030.0020.0010.00 0.00-10.00-20.00-30.00-40.00-50.002018-082018-082019-022019-052019-082020-022020-052020-082021-022021-052021-082022-022022-052022-082023-022023-05% 唐山鋼廠高爐開工率同比7家)同比軸)12.010.08.06.04.02.00.0比%40.0030.0020.0010.00 0.00-10.00-20.00-30.00-40.00-50.00%家)同比% 唐山鋼廠高爐開工率同比050-10-152025中國(guó):工業(yè)增加值:黑色金屬冶煉及壓延加工業(yè):當(dāng)月同比(右軸)2018-082019-022019-052019-082020-022020-052020-082021-022021-052021-082022-022022-052022-082023-022023-05量同比與工業(yè)增加值同比%17.0012.00 7.00 2.00 -3.00 -8.00-13.00-18.00%2018-082019-022019-052019-082020-022020-052020-0812021-022021-052021-082022-0220%2018-082019-022019-052019-082020-022020-052020-0812021-022021-052021-082022-022022-052022-082023-022023-05987654321值同比%70.0060.0050.0040.0030.0020.0010.00 0.00-10.00-20.00-30.00中國(guó):高爐煉鐵產(chǎn)能利用率(247家):全國(guó):月:平均值:同比% 中國(guó):庫(kù)存:主要鋼材品種:合計(jì):月:平均值:同比中國(guó):工業(yè)增加值:黑色金屬冶煉及壓延加工業(yè):當(dāng)月同比(右軸)2050-5-102018-082019-022019-052019-082020-022020-052020-082021-022021-052021-082022-022022-052022-082023-022023-05(五)重點(diǎn)行業(yè)之四：煤炭開采和洗選業(yè)煤炭行業(yè)同樣是基礎(chǔ)性原料行業(yè)，我們選擇了焦化企業(yè)開工率以及煤炭庫(kù)存，兩者與工業(yè)增加值增速的相關(guān)性約在0.2左右。雖然直接相關(guān)系數(shù)一般，但我們看到兩的拐點(diǎn)變動(dòng)在疫情后與工業(yè)增加值變動(dòng)較為一致，勝率分別達(dá)到了41%和46%。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值存同比與工業(yè)增加值同比%60.0050.0040.0030.0020.0010.00 0.00-10.00-20.00-30.00-40.002017-0702018-012018-042018-0702019-012019-042019-072017-0702018-012018-042018-0702019-012019-042019-0702020-012020-042020-0702021-012021-042021-0702022-012022-042022-0702023-012023-042023-07煤炭庫(kù)存:CCTD主流港口:合計(jì):月:平均值:同比工業(yè)增加值:當(dāng)月同比(右軸)9876543210值同比0.000.000.000.000.00 %%502017-072017-102018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-012023-042023-07數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心(六)工業(yè)需求的拉動(dòng)源：房地產(chǎn)、基建相關(guān)達(dá)到了0.46，疫情以來(lái)進(jìn)一步提升至0.79。在拐點(diǎn)變動(dòng)上，這一單一指標(biāo)預(yù)測(cè)工業(yè)增加值變動(dòng)的勝率就能達(dá)到52%。疫后，兩者進(jìn)一步了有72%的時(shí)間里方向變動(dòng)一色相關(guān)性較高，能反映基建投資程度。兩者相關(guān)性在疫后約為0.44，拐點(diǎn)變化上有40%的時(shí)間完全一致。到50%，疫情以來(lái)進(jìn)一步提升至62%。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值0/39(2015-2019)%%十大城市:商品房成交面積:月:合計(jì)值:同比%%8.07.57.06.56.05.55.080.060.040.020.0 0.0-20.0-40.0-60.080.060.040.020.0 0.0-20.0-40.0-60.0-80.02015-082016-022016-042016-062016-082017-022017-042017-062017-082018-022018-042018-062018-082019-022019-042019-062019-08(2020-2023)%% %%2018-052018-082018-052018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-052023-08開工率同比與工業(yè)增加值同比%60.0040.0020.000.00-20.00-40.00-60.00%中國(guó):開工率:石油瀝青裝置:月:平均值:同比%工業(yè)增加值:當(dāng)月同比(右軸)20864207圖26：挖機(jī)銷量與工業(yè)增加值同比%200.000150.000100.00050.0000.000-50.000100.000%2017-07-112018-032018-07-112019-032019-07-112020-032020-0732021-07-112022-03%2017-07-112018-032018-07-112019-032019-07-112020-032020-0732021-07-112022-032022-07-112023-032023-0720.015.010.05.00.0-5.0銷量:挖掘機(jī):工程機(jī)械行業(yè):當(dāng)月值:累計(jì)值:同比工業(yè)增加值:當(dāng)月同比(右軸)(一)構(gòu)建工業(yè)增加值同步擴(kuò)散指數(shù)的方法論后工業(yè)增加值波動(dòng)變大，傳統(tǒng)的時(shí)間序列趨勢(shì)外推的預(yù)測(cè)方式誤差明顯變大。另一波動(dòng)性較大。因此，利用高頻數(shù)據(jù)預(yù)測(cè)是在疫后判斷工業(yè)增加值變化的基底，并且我們構(gòu)建的同步擴(kuò)散指數(shù)實(shí)質(zhì)上是生產(chǎn)端重點(diǎn)行業(yè)高頻指標(biāo)每月同比增速較前值的發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值1/39說(shuō)，我一點(diǎn)對(duì)于預(yù)測(cè)工業(yè)增加值已經(jīng)有一定意義。我們分別構(gòu)造了等權(quán)重和加權(quán)處理的同步擴(kuò)散指數(shù)，后者根據(jù)投入產(chǎn)出表中各行業(yè)數(shù)預(yù)測(cè)勝率達(dá)到了65.1%，疫情后提升至74.4%。驟分為三步：第一，我們將19項(xiàng)工業(yè)生產(chǎn)類高頻指標(biāo)取月度平均值進(jìn)行降頻，并且計(jì)算每月同比值占比。比如汽車行業(yè)高頻指標(biāo)，我們賦予汽車制造業(yè)增加值占比為權(quán)重。由于上比如PTA系列，賦予的權(quán)重是化工行業(yè)、電氣機(jī)械設(shè)備、汽車制造、非金屬礦4個(gè)是黑色冶煉壓延、電氣機(jī)械設(shè)備、通用設(shè)備、煤炭開采4個(gè)行業(yè)的增加值占比總和。這種情況下，越是重要的行業(yè)將會(huì)被賦予更高的權(quán)重。對(duì)于發(fā)電量、地產(chǎn)基建這類為了解決高頻指標(biāo)起始點(diǎn)不一致，部分高頻的時(shí)間序列較短問(wèn)題，我們進(jìn)行的是滾動(dòng)迭代計(jì)算。滾動(dòng)迭算會(huì)根據(jù)各個(gè)時(shí)間段有數(shù)據(jù)的高頻數(shù)據(jù)調(diào)整分母。比如，2011年2月，我們能拿到的高頻數(shù)據(jù)只有10項(xiàng)，其中7項(xiàng)正向變動(dòng)，3項(xiàng)負(fù)向變動(dòng)。而在2023年7月，我們拿到高頻數(shù)據(jù)有19項(xiàng)，其中有10項(xiàng)變動(dòng)為正，9項(xiàng)變動(dòng)為負(fù)。在總和19項(xiàng)為分母，各自為正的個(gè)數(shù)為分子。在加權(quán)同步擴(kuò)散指數(shù)中，我們將這些高(二)同步擴(kuò)散指數(shù)預(yù)測(cè)工業(yè)增加值勝率如何？因?yàn)橥綌U(kuò)散指數(shù)已經(jīng)是基于同比變動(dòng)信息匯總的環(huán)比類指標(biāo)，因此其自身的數(shù)值發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值2/39們定義50%為同步擴(kuò)散指數(shù)的“枯榮線”，大于50%即說(shuō)明當(dāng)月經(jīng)過(guò)加權(quán)后有超過(guò)半數(shù)在下圖中，當(dāng)我們將同步擴(kuò)散指數(shù)的50%枯榮線與右軸社零同比變動(dòng)為0相重合進(jìn)一是，同步擴(kuò)散指數(shù)位于50以上時(shí)正好對(duì)應(yīng)著大量的工業(yè)增加值增速月度變動(dòng)值等權(quán)重和加權(quán)處理后的指數(shù)效果中均有體現(xiàn)。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值3/39圖27：等權(quán)重同步擴(kuò)散指數(shù)與工業(yè)增加值同比變動(dòng)有一定同步性(疫情前)%%2011-07201%%2011-072011-112012-032012-072012-112013-032013-072013-112014-032014-072014-112015-032015-072015-112016-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-07工業(yè)增加值變動(dòng)(右軸)90.003.01.060.0040.002.0-3.010.004.04.0數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心%%等權(quán)重同步擴(kuò)散指數(shù)%%工業(yè)增加值變動(dòng)(右軸)11.090.0011.080.006.06.060.001.050.0040.00-4.030.00-9.020.00-9.010.00-1-14.0數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心圖29：加權(quán)處理后的同步擴(kuò)散指數(shù)與工業(yè)增加值同比變動(dòng)也有一定同步性(疫情前)%2011-07%2011-072011-112012-032012-072012-112013-032013-072013-112014-032014-072014-112015-032015-072015-112016-032016-072016-112017-032017-072017-112018-032018-072018-112019-032019-07%%進(jìn)一步提高%%加權(quán)處理后的同步擴(kuò)散指數(shù)%%工業(yè)增加值變動(dòng)(右軸)0-4.0-9.0-14.0019-07019-09020-01020-03020-05020-07020-090-4.0-9.0-14.0019-07019-09020-01020-03020-05020-07020-09021-01021-03021-05021-07021-09022-01022-03022-05022-07022-09023-01023-03023-052023-07.0.00.0.040.0.00.0發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值4/392015-032015-072016-032016-072015-032015-072016-032016-072017-032017-072018-032018-072019-032019-072020-032020-072021-032021-072022-032022-072023-032023-0710-1值同步擴(kuò)散指數(shù)預(yù)測(cè)勝率達(dá)到74.4%等權(quán)重同步擴(kuò)散指數(shù)加權(quán)處理后的同步擴(kuò)散指數(shù)來(lái)來(lái)來(lái)來(lái)來(lái)(剔除1月)率失誤概率情況?？梢钥吹?，自2020年以來(lái)的39個(gè)月(剔除1月)，僅有10個(gè)月工業(yè)增加值同步擴(kuò)散指數(shù)預(yù)測(cè)出現(xiàn)了偏差。并且其中5次偏差都出現(xiàn)在年底或者年初，3次出現(xiàn)在10月，剩余兩次分別是2020年8月以及2023年6月。剔除歲末年初之后，預(yù)測(cè)勝率有87.2%。而從現(xiàn)有的8月擴(kuò)散指數(shù)看，15項(xiàng)公布數(shù)據(jù)的高頻指標(biāo)中有11項(xiàng)變動(dòng)為正，等權(quán)重同步擴(kuò)散指數(shù)為73.33%?？紤]權(quán)重之后的擴(kuò)散指數(shù)為63.5%，均高于50%，提示8并且在7月的預(yù)判中，等權(quán)重同步擴(kuò)散指數(shù)為52.63%，略超50%，而加權(quán)后的擴(kuò)散指數(shù)為38.5%，明顯低于50%，因此，加權(quán)后的擴(kuò)散指數(shù)給出的提示更有意義。我月工業(yè)增加值同比可能邊際回升，但幅度不大。發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值5/39歲末年初，剔除這些時(shí)點(diǎn)的預(yù)測(cè)勝率達(dá)到87.2%加權(quán)處理后的同步擴(kuò)散指數(shù)(高頻指標(biāo)正向變動(dòng)占比，%)同步擴(kuò)散指數(shù)提示變動(dòng)工業(yè)增加值實(shí)際同比變動(dòng)預(yù)測(cè)勝率2020-0211.7下降下降預(yù)測(cè)與實(shí)際相符2020-0368.2上升上升預(yù)測(cè)與實(shí)際相符2020-0487.3上升上升預(yù)測(cè)與實(shí)際相符2020-0584.1上升上升預(yù)測(cè)與實(shí)際相符2020-0670.9上升上升預(yù)測(cè)與實(shí)際相符2020-0740.3下降下降預(yù)測(cè)與實(shí)際相符2020-0839.3下降上升預(yù)測(cè)與實(shí)際不符2020-0961.8上升上升預(yù)測(cè)與實(shí)際相符71.0上升下降預(yù)測(cè)與實(shí)際不符51.8上升上升預(yù)測(cè)與實(shí)際相符49.3下降上升預(yù)測(cè)與實(shí)際不符2021-0288.3上升下降預(yù)測(cè)與實(shí)際不符2021-0342.8下降下降預(yù)測(cè)與實(shí)際相符2021-047.4下降下降預(yù)測(cè)與實(shí)際相符2021-0514.0下降下降預(yù)測(cè)與實(shí)際相符2021-0646.9下降下降預(yù)測(cè)與實(shí)際相符2021-0730.7下降下降預(yù)測(cè)與實(shí)際相符2021-089.1下降下降預(yù)測(cè)與實(shí)際相符2021-0945.8下降下降預(yù)測(cè)與實(shí)際相符49.8下降上升預(yù)測(cè)與實(shí)際不符63.4上升上升預(yù)測(cè)與實(shí)際相符30.4下降上升預(yù)測(cè)與實(shí)際不符2022-0249.9下降下降預(yù)測(cè)與實(shí)際相符2022-0329.5下降下降預(yù)測(cè)與實(shí)際相符2022-0432.4下降下降預(yù)測(cè)與實(shí)際相符2022-0588.3上升上升預(yù)測(cè)與實(shí)際相符2022-0682.9上升上升預(yù)測(cè)與實(shí)際相符2022-0767.7上升下降預(yù)測(cè)與實(shí)際不符2022-0864.6上升上升預(yù)測(cè)與實(shí)際相符2022-0952.3上升上升預(yù)測(cè)與實(shí)際相符66.2上升下降預(yù)測(cè)與實(shí)際不符34.9下降下降預(yù)測(cè)與實(shí)際相符45.7下降下降預(yù)測(cè)與實(shí)際相符2023-0295.7上升下降預(yù)測(cè)與實(shí)際不符2023-0353.4上升上升預(yù)測(cè)與實(shí)際相符2023-0451.5上升上升預(yù)測(cè)與實(shí)際相符2023-0521.3下降下降預(yù)測(cè)與實(shí)際相符2023-0617.1下降上升預(yù)測(cè)與實(shí)際不符2023-0738.5下降下降預(yù)測(cè)與實(shí)際相符2023-0863.5上升疫情以來(lái)同步擴(kuò)散指數(shù)預(yù)測(cè)工業(yè)增加值變動(dòng)的勝率74.4%剔除歲末年初時(shí)間段的勝率87.2%發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值6/39上述同步擴(kuò)散指數(shù)對(duì)標(biāo)工業(yè)增加值同比的變動(dòng)。為了能直接和工業(yè)增加值同比進(jìn)行比較以及方便建模預(yù)測(cè)，我們以2010年1月為基期，設(shè)為0，將每個(gè)月的同步擴(kuò)散我們發(fā)現(xiàn)，2015年和疫情發(fā)生是兩個(gè)重要的時(shí)間節(jié)點(diǎn)。2015年前，加權(quán)后的同步擴(kuò)散指數(shù)II較等權(quán)重波動(dòng)更大，2015-2019年期間兩者與工業(yè)增加值同比貼合程度相當(dāng)，而疫情后，加權(quán)后的同步擴(kuò)散指數(shù)II工業(yè)增加值同比更具有同步性。圖33：疫情前同步擴(kuò)散指數(shù)II與工業(yè)增加值的關(guān)系又0.00%2086.0042010-012010-032010-052010-072010-092010-112011-012011-032011-052011-072011-092011-112012-012012-032012-052012-072012-092012-112013-012013-032013-052013-072013-092013-112014-012014-032014-052014-072014-092014-112015-01數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心%%86.0042010-012010-032010-052010-072010-092010-112011-012011-032011-052011-072011-092011-112012-012012-032012-052012-072012-092012-112013-012013-032013-052013-072013-092013-112014-012014-032014-052014-072014-092014-112015-01數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心加值變動(dòng)的一致性提高%%2015-012015-032015-05%%2015-012015-032015-052015-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-1198765432數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心加權(quán)相當(dāng)%%%%工業(yè)增加值同比(右軸)2864202015-012015-032015-052015-072015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-11數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值7/39加值變動(dòng)的一致性在疫情前后變化不大%%2019-082019-102019-122020-022020-042020-062020-082020-102020-122021-022021-042021-062021-0%%2019-082019-102019-122020-022020-042020-062020-082020-102020-122021-022021-042021-062021-082021-102021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-08工業(yè)增加值同比(右軸)86420數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心升%%%工業(yè)增加值同比(右軸)864202019-082019-102019-122020-022020-042020-062020-082020-102020-122021-022021-042021-062021-082021-102021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-08數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心五、如何進(jìn)行工業(yè)增加值同比的短期預(yù)測(cè)？擴(kuò)散指數(shù)，是否可以進(jìn)一步給出短期工業(yè)增加值同比的預(yù)測(cè)數(shù)值？上文中，我們的同步擴(kuò)散指數(shù)已經(jīng)提取了高頻指標(biāo)對(duì)當(dāng)月工業(yè)增加值變動(dòng)的信息。經(jīng)過(guò)人工過(guò)濾降維之后，同步擴(kuò)散指數(shù)已經(jīng)不向任何一個(gè)生產(chǎn)端高頻指標(biāo)那樣高波動(dòng)，勝率也比任何一個(gè)單一指標(biāo)更高，特別在疫后。這似乎提示我們構(gòu)造的同步擴(kuò)散指數(shù)是個(gè)能夠有效預(yù)測(cè)工業(yè)增加值同比的影子變量。ARDL屬于自回歸分布滯后模型，模型中既包括因變量的滯后期，還包括自變量的滯后期，既可以包含工業(yè)增加值過(guò)去信息，又可以囊括高頻指標(biāo)信息，因此，我們速的前期值、同步擴(kuò)散指數(shù)II以及同比擴(kuò)散指數(shù)II的前期值對(duì)當(dāng)期工業(yè)增加值同比增IYt=C0+C1t+piYt?i+eiXt?i+ut其中的∑=1piYt?i是自回歸(AR)部分，加入模型是因?yàn)楣I(yè)增加值本身數(shù)據(jù)具動(dòng)，存在慣性，當(dāng)期工業(yè)增加值同比增速可能會(huì)受到前幾期的表現(xiàn)影響；∑=0eiXt?i是分布滯后(DL)部分，意味著同步擴(kuò)散指數(shù)II對(duì)工業(yè)增加值同比的影發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值8/39現(xiàn)在當(dāng)期，自變量的沖擊像脈沖一樣有持續(xù)多期的影響。也正因此，這種方式是既有預(yù)測(cè)方法優(yōu)缺點(diǎn)的一個(gè)集合，我們即利用了多項(xiàng)高頻指標(biāo)信息，又(二)樣本內(nèi)回測(cè)預(yù)測(cè)分兩步，先樣本內(nèi)建模，后樣本外預(yù)測(cè)。我們利用2010年1月至2023年6月的數(shù)據(jù)進(jìn)行建模，然后利用2023年7月、8月的高頻數(shù)據(jù)進(jìn)行樣本外推測(cè)?？紤]到工業(yè)增加值數(shù)據(jù)的年度趨勢(shì)性變化，我們?cè)谀Ｐ椭屑尤霑r(shí)間固定效應(yīng)。在全樣本區(qū)間內(nèi)(2010年1月-2023年6月)，數(shù)據(jù)自動(dòng)選擇的最優(yōu)模型是ARDL(3,1,0)。整體模型的擬合優(yōu)度達(dá)到了0.89，意味著工業(yè)增加值同比89%的波動(dòng)已樣從系數(shù)的顯著性中，我們看到工業(yè)增加值同比的滯后一期、二當(dāng)期工業(yè)增加值波動(dòng)，自回歸強(qiáng)度并不低，這印證了傳統(tǒng)使頻信息——同步擴(kuò)散指數(shù)II的影響力持續(xù)了兩期，即當(dāng)期工業(yè)增加值反映了當(dāng)期高頻數(shù)據(jù)的新信息，也反映了滯增加值、23年5、6月同步擴(kuò)散指數(shù)II聯(lián)合起來(lái)解釋89%左右。通過(guò)系數(shù)折算出的各因素貢獻(xiàn)，我們可以得到在這89%的解釋力中，前一期工業(yè)增加值貢獻(xiàn)了65%，而同步擴(kuò)散指數(shù)II貢獻(xiàn)24%。表3：基于ARDL模型將同步擴(kuò)散II與工業(yè)增加值同比進(jìn)行回歸(全樣本建模)ARDL模型回歸結(jié)果：樣本期(2010.01-2023.06)模型設(shè)定DLR-方(擬合優(yōu)度)因變量：工增同比回歸系數(shù)T工增同比(滯后一期)工增同比(滯后兩期)工增同比(滯后三期)項(xiàng)發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值9/392010-042011-042012-02010-042011-042012-042013-042014-042015-042016-042017-042018-042019-042020-042021-042022-042023-04%誤差(右軸)工增當(dāng)月同比工增當(dāng)月擬合值(全樣本建模)R89%50-10？從走勢(shì)圖中，基于全樣本建?；販y(cè)的序列與工業(yè)增加值同比的貼預(yù)測(cè)中的地位有明顯提升。簡(jiǎn)單來(lái)說(shuō)，進(jìn)行分樣本考察的意圖是工業(yè)增加值與高頻信息之間的關(guān)系并不是線性的?；谏衔?，我們選擇2015年、2020年為時(shí)間節(jié)點(diǎn)。、2015年1月至2019年12月期間提升至99%，而在2020年1月至2023年6月期間，由于發(fā)生了疫情這一據(jù)波動(dòng)明顯加大，因而僅基于高頻變動(dòng)信息合成的同比擴(kuò)散指數(shù)II對(duì)其回歸的預(yù)測(cè)力為75%。從系數(shù)來(lái)看，在2010年1月至2014年12月期間，同步擴(kuò)散指數(shù)II的預(yù)測(cè)力完全消化推演就能得到不錯(cuò)的預(yù)測(cè)效果。而在2015年后，同步擴(kuò)散指數(shù)II的滯后期對(duì)工業(yè)增加值的影響明顯提升。而在疫情發(fā)生后，同步擴(kuò)散指數(shù)II的當(dāng)期值主導(dǎo)了工業(yè)增加換言之，疫情發(fā)生后，工業(yè)增加值同比更難單純被過(guò)去自身波動(dòng)經(jīng)測(cè)，需要實(shí)時(shí)跟蹤每個(gè)月當(dāng)期高頻指標(biāo)的波動(dòng)才能做出有效經(jīng)過(guò)系數(shù)折算出貢獻(xiàn)率，我們可以更清晰看到這一特征，2010-2014期間，99%的模型解釋力中，工業(yè)增加值過(guò)去值貢獻(xiàn)了73%，高頻信息貢獻(xiàn)了26%；2015-2019期間，99%的模型解釋力中，工業(yè)增加值過(guò)去值貢獻(xiàn)了33%，而高頻信息貢獻(xiàn)了66%；2020年以來(lái)，總共75%的模型解釋力中，工業(yè)增加值過(guò)去值貢獻(xiàn)了3%，而發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39表4：基于ARDL模型將同步擴(kuò)散II與工業(yè)增加值同比進(jìn)行回歸(分樣本建模)ARDL模型回歸結(jié)果：樣本期(2010.01-2014.12)型設(shè)定R-方(擬合優(yōu)度)因變量：工增同比回歸系數(shù)T工增同比(滯后一期)時(shí)間固定效應(yīng)(滯后一期)時(shí)間固定效應(yīng)(滯后兩期)時(shí)間固定效應(yīng)(滯后三期)時(shí)間固定效應(yīng)(滯后四期)ARDL模型回歸結(jié)果：樣本期(2015.01-2019.12)型設(shè)定R-方(擬合優(yōu)度)因變量：工增同比回歸系數(shù)T工增同比(滯后一期)工增同比(滯后兩期)工增同比(滯后三期)工增同比(滯后四期)時(shí)間固定效應(yīng)(滯后一期)時(shí)間固定效應(yīng)(滯后兩期)時(shí)間固定效應(yīng)(滯后三期)ARDL模型回歸結(jié)果：樣本期(2020.01-2023.06)型設(shè)定R-方(擬合優(yōu)度)因變量：工增同比回歸系數(shù)T工增同比(滯后一期)工增同比(滯后兩期)工增同比(滯后三期)時(shí)間固定效應(yīng)(滯后一期)發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/392010-082011-022011-082012-022012-082013-022013-082014-022014-0822010-082011-022011-082012-022012-082013-022013-082014-022014-082015-022015-082016-022016-082017-022017-082018-022018-082019-022019-082020-022020-082021-022021-082022-022022-082023-022023-08建模的工業(yè)增加值走勢(shì)擬合圖，可以看到分樣本之后再拼接起來(lái)的擬合走勢(shì)與工業(yè)增加值同比更為貼合。平均擬合優(yōu)度也提升%%43210-122011-0122011-0522011-092012-02012-012012-02012-052012-02012-092013-02013-012013-02013-052013-02013-092014-02014-012014-02014-052014-02014-092015-02015-012015-02015-052015-02015-092016-02016-012016-02016-052016-02016-092017-02017-012017-02017-052017-02017-092018-02018-012018-02018-052018-02018-092019-02019-012019-02019-052019-02019-09數(shù)據(jù)來(lái)源：Wind，廣發(fā)證券發(fā)展研究中心%%%509.007.005.003.002020-032020-042020-052020-062020-072020-082020-092020-102020-112020-122021-012021-022021-032021-042021-052021-062021-072021-082021-092021-102021-112021-122022-012022-022022-032022-042022-052022-062022-072022-082022-092022-102022-112022-122023-012023-022023-032023-042023-052023-062023-072023-08后拼接的全序列擬合結(jié)果8.006.004.002.000.00%誤差(右軸)工增當(dāng)月同比工增當(dāng)月擬合值(分時(shí)段建模)%5050-10-152025發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39(三)樣本外預(yù)測(cè)年6月之前的數(shù)據(jù)。為了測(cè)試建模的預(yù)測(cè)力，我們給出2023年7、8月的樣本外預(yù)測(cè)。首先，我們分別利用全樣本一次性建模得到的ARDL(3,1,0)與分樣本建模得到的DL增加值同比原始預(yù)測(cè)值為2.27%、2.97%，均較2023年6月的4.4%邊際回落。我們進(jìn)一步進(jìn)行誤差調(diào)整，分別采用歷史7月誤差以及上月預(yù)測(cè)誤差進(jìn)行調(diào)整，最終得到的工業(yè)增加值預(yù)測(cè)值在3.69%~4.04%。而2023年7月公布的工業(yè)增加值同比值為3.7%，處于預(yù)測(cè)區(qū)間下沿。如果僅基于往年季節(jié)性和去年同比基數(shù)進(jìn)行推測(cè)，工業(yè)增加值同比將達(dá)到5%左右，難得到7月工業(yè)增加值增速仍弱于2023年6月的結(jié)論，升分項(xiàng)有11項(xiàng)，超過(guò)8項(xiàng)下降分項(xiàng)。但在我們的加權(quán)方式中，我們賦予了代表整體生產(chǎn)的日均耗煤、挖機(jī)銷量、化工類高頻更高的權(quán)重，因而最終給出了7月將小幅走弱的判斷。而也正因?yàn)榭紤]加權(quán)后的正向指標(biāo)也沒(méi)有明顯收縮，基于此為自變量同步擴(kuò)散指數(shù)為63%，既位于50%的枯榮線之上，也小幅強(qiáng)于7月，這提示8月的工業(yè)3%~3.89%，經(jīng)過(guò)歷史誤差調(diào)整后為4.00%~4.65%。從各類高頻的明細(xì)分項(xiàng)來(lái)看，除了十大城市商品房銷售面積、汽車全鋼胎開工率、發(fā)現(xiàn)價(jià)值發(fā)現(xiàn)價(jià)值/39表5：基于ARDL模型進(jìn)行的短期預(yù)測(cè)(樣本外)基于ARDL模型的樣本外預(yù)測(cè)結(jié)果模型預(yù)測(cè)原始值(%)根據(jù)歷史上該月誤差進(jìn)行調(diào)整(%)根據(jù)上月誤差進(jìn)行誤差調(diào)整(%)值(%)基于ARDL(3,1,0)模型的全樣本ARDL,0,4)、ARDL(4,3,3)ARDL本回基于ARDL(3,1,0)模型的全樣本ARDL,0,4)、ARDL(4,3,3)ARDL本回行業(yè)指標(biāo)2023年5月同比 )2023年6月同比(%)2023年7月同比 2023年8月同比 )6月較5月同比變化(%)7月較6月同比變化(%)8月較7月同比變化(%)工業(yè)增加值當(dāng)月同比4.4#N/A上升-0.7降#N/A#N/A房地產(chǎn)行業(yè)