解读宏观经济数据的四个套路

  • 时间:
  • 浏览:29

原标题:解读宏观经济数据的3个套路

图片来源:视觉中国

解读宏观数据,俗称“报数”否则“解签”,看起来是重复和无聊的体力活动,但细究起来无须简单。要怎样在尽量短的篇幅内呈现更多信息?能都都还可不还可以 先从如下3个厚度对经济数据进行观察,即名义 vs. 实际(价 vs. 量)、趋势 vs. 水平(动量 vs. 价值)、总量 vs. 价值形式(时间序列 vs. 横截面)、相关性 vs. 因果性。

名义 vs. 实际

经济数据有“量”和“价”一个方面,这是首太难做的区分。

之好多好多 区分名义值和实际值,算是则两者对经济体的影响机制不同,相对重要性也就因时而异。一般而言,跟踪经济活动时更加看重“量”的变动(实际GDP增速、实际出口等),但或多或少情况报告下“价”的变动也一阵一阵要。价的变动有“收入效应”’(例如 贸易条件冲击)、“分配效应”(PPI上涨修复企业资产负债表)和激励扭曲效应(高房价对资源配置的扭曲)等等。一阵一阵是对于价格接受者而言,价格是颇为重要的内部环境,例如 研究新兴市场国家的刚刚往往先看资金价格(美元、利率)和商品价格。

量和价也是理解政策的出发点。2015年末提出的供给侧改革是扩大供给(量增)还是缩小供给(量减)?去库存政策要求房价上升还是要求房价下降(房子是资本品,须要消费品)?这些 是理解政策的第一步,有时也是比较重要的一步。

量和价对各类资产价格的含义不同。“量价齐升”是需求扩张,“量缩价涨”则是供给收缩,不同冲击类型对资本市场有不同影响。美林提出的投资时钟理论好多好多 我根据经济增长的名义值和实际值的五种组合来寻找最佳投资标的。

趋势 vs. 水平

报数时,不仅要提到该数据在最近一年的变动趋势,更要关注当前数据相对过去十年而言所处要怎样的水平上。

凡事须要“延续趋势”和“均值回归”五种力量。近期的趋势能都都还可不还可以 推断短期的前景,而历史相对位置则帮助判断中长期的变化空间。对应到投资当中,好多好多 我“动量投资”和“价值投资”一个策略。

区分趋势和水平,有有利于外理对不同阶数变量的混淆。否则把水平看做0阶变量,趋势好多好多 我其1阶变动,最好无须用1阶(快变量)来解释0阶(慢变量)。例如 ,无须用VIX等短期冲击来解释债券收益率水平的长期变动;反之,无须用老龄化(慢变量)来解释经济波动(快变量)。

总量 vs. 价值形式

宏观数据既有Headline须要分项,其中分项指标揭示了更多的细节。否则细节真的重要吗?

汇报对你的论点有支持作用的细节。分项数据的噪音很大,否则是无目的地呈现细节,会让读者愈发迷失。细节一般三个白作用:增进预测精准度、增强逻辑解释力和剔除暂时性因素。否则你随便说说分项数据无须能达到上述一个作用中的任何一个,不如不报。

在经济研究中,横截面数据能都都还可不还可以 明显增强逻辑的说服力。总量数据对应的是时间序列(time series),而价值形式性数据则对应横截面(cross sectional)。当先后顺序(timing)尚匮乏以建立因果关系时,进一步深挖分项数据否则是有价值的。在学术上,panel(否则双重差分)的逻辑解释力一般强于time series。例如 的市场研究案例须要好多好多 ,高善文对农村蔬菜价格和城市蔬菜价格不同走势的分析是一个有趣例子。

此外,否则你看一遍所有分项数据一齐暴涨暴跌,这否则是节日效应等暂时因素,要想方法剔除这些 暂时性效应刚刚再进行解读。

相关性 vs. 因果性

分析员喜欢把一个经济指标画在一张图里,否则两条线走势一致≠两者所处经济联系。常见的错误是,否则A和B一齐由C决定,A和B的相关关系≠因果关系。此外还有或多或少陷阱:

一个指标在统计构建上五种须要相关性。两年前,我曾“惊喜”发现油价和美元的强烈负相关关系......但原油原来 好多好多 我用美元定价,两者绿帘石负相关。

非平稳序列要做一阶差分,否则所谓因果关系好多好多 我伪回归。事实上,好多好多 研究结论经不起“一阶差分”的“折腾”。

样本最好跨越多个经济周期。在多个周期都显著的因果关系更有意义,作用系数在跨周期时比较稳定则价值更大。保持周期之间的一致性是一个门槛,否则这些 门槛无须低。

最后,一个简单规律是,否则你的模型解释力非常强,提高警惕,it is just too good to be true.

作者:MacroPapers 返回搜狐,查看更多

责任编辑: