薛鶴翔、陳夢贇（薛鶴翔系申銀萬國期貨研究所所長、中國首席經濟學家論壇成員）
摘要
美國PPI介紹。（1）PPI定義。美國PPI衡量的是美國國內生產商銷售其商品和服務的平均價格變化。最終需求-中間需求PPI是目前最主要、最常用的分類體系。（2）PPI編製方法。美國PPI的覆蓋範圍非常廣泛，採礦和製造業幾乎全部覆蓋，服務業覆蓋率約佔部門總收入的70%。BLS每月從大約25000家生產企業收集超過10萬個價格數據。樣本項目權重根據其規模和重要性確定。採用修改後的拉式公式進行計算。（3）中國和美國PPI區別。兩者最大的區別是兩者覆蓋範圍不同，美國PPI涵蓋範圍大於中國PPI。美國PPI包含商品和服務兩個領域，且服務業權重更大。而中國PPI主要關注工業品的出廠價格，不包含服務業價格。這與兩國的經濟結構不同密切相關，中國是全球最大的工業生產國，往往更容易受到上游原材料和能源價格波動的影響，而美國經濟結構中服務業佔比更高，服務業對PPI的影響日益顯著。
如何用大宗商品預測美國PPI環比？根據分析，與PPI相關的大宗商品包括能源、農產品、化工、有色等行業，選取原油、小麥、天然氣、銅作為高頻價格指標。根據計算得出的大宗商品價格環比，對PPI環比進行線性回歸。從回歸結果來看，原油是PPI環比波動的最核心驅動因素，能源類大宗商品對PPI環比的綜合貢獻最大，如原油、天然氣。銅的長期滯後影響顯著。當期小麥價格和滯後1期的波動對PPI環比也具有明顯影響。
如何用大宗商品預測美國PPI同比？根據計算得出的原油、小麥、天然氣、銅的價格同比，對PPI同比進行線性回歸。從回歸結果來看，能源和金屬是主導驅動，尤其原油是貫穿短期、中期、長期的核心影響要素，是所有商品中綜合影響力最大的。此外，PPI同比預測不能忽略大宗商品價格的基數效應。
風險提示：樣本覆蓋不全；模型預測結果可能存在較大偏差；解釋變數遺漏。
報告正文
一、美國PPI介紹
1.PPI定義
美國PPI由美國勞工統計局（Bureau of Labor Statistics,BLS）編製和發布。它衡量的是美國國內生產商銷售其商品和服務的平均價格變化。
BLS編製了三個主要的PPI系列：
（1）最終需求-中間需求（Final Demand-Intermediate Demand,FD-ID）PPI是目前最主要、最常用的分類體系，它將經濟活動分為最終需求和中間需求。最終需求衡量的是銷售給個人消費、資本投資、政府和出口這幾類需求的商品的價格變化。其中最終商品需求權重為29.7%，最終服務需求權重為67.7%，最終建築需求權重為2.6%。服務權重遠高於商品，說明在美國的經濟體系中服務業的主導地位。中間需求衡量作為生產投入出售給企業的商品、服務和建築產品的價格變化，不包括資本投資。
（2）行業PPI是基於北美行業分類系統（NAICS），對特定行業的產出價格進行衡量，PPI大約發布500個行業價格指數。
（3）商品PPI按照最終用途、產品或服務類型進行分類，PPI總共發布3800多個商品價格指數和約900個服務商品價格指數。
2.PPI編製方法
（1）覆蓋範圍
美國PPI的覆蓋範圍非常廣泛，採礦和製造業幾乎全部覆蓋，服務業覆蓋率約佔部門總收入的70%，PPI還跟蹤農業、漁業、林業、公用事業和建築業等部門的數據。服務業包括以下具體細分行業：批發和零售貿易；運輸倉儲；信息；金融和保險；房地產經紀、租賃；專業科學技術服務；行政、支持和廢物管理服務；醫療保健和社會援助和住宿。由於政府徵收的關稅（如消費稅）不計入生產商收入，因此被排除在PPI之外，但是生產商因關稅而做出的定價決策將包括在內。
（2）數據來源與收集
BLS每月從大約25000家生產企業收集超過10萬個價格數據。
（3）權重
為提高PPI對價格變動估算的準確性，樣本項目權重根據其規模和重要性確定。PPI計算的第一階段，將商品或服務分組構建價格指數，指數中的單個項目的權重根據生產機構該產品線收入計算。在PPI計算的第二階段，將單個商品和服務指數合併為匯總指數，權重數據主要來自人口普查局的經濟普查，每5年更新一次。將產品線指數合併到三種不同類型的綜合指數時，權重計算有所有不同。對於行業凈產出指數，產品線權重是從主要從事產品生產的行業內企業到行業外企業的出貨價值。對於商品分組指數，產品線權重是從事該產品生產的所有行業的出貨總值。對於商品最終需求-中間需求指數，商品分組指數中的產品線權重會根據美國投入產出賬戶中所體現的關係以及商品類型，被分配至更高層級的指數中。
（4）計算方法
採用修改後的拉式公式進行計算，即使用固定基期的產出結構作為權重。
3.中國和美國PPI區別
中國和美國PPI最大的區別是兩者覆蓋範圍不同，美國PPI涵蓋範圍大於中國PPI。美國PPI包含商品和服務兩個領域，且服務業權重更大。而中國PPI主要關注工業品的出廠價格，包括採掘、原材料、加工等行業，不包含服務業價格。因此美國PPI可以更全面地反映生產領域的價格變化，中國PPI更多聚焦在工業部門。這與兩國的經濟結構不同密切相關，中國是全球最大的工業生產國，往往更容易受到上游原材料和能源價格波動的影響，而美國經濟結構中服務業佔比更高，服務業對PPI的影響日益顯著。
二、如何用大宗商品預測美國PPI環比？
1.篩選代表品種
從BLS公布的權重來看，PPI最終需求中最終商品需求權重為29.7%，最終服務需求權重為67.7%，最終建築需求權重為2.6%。最終商品需求中，食品項權重為5.7%，能源項權重為5.2%，除食品和能源之外的項目權重為18.8%。根據分析，與PPI相關的大宗商品包括能源、農產品、化工、有色等行業，因此選取原油、小麥、天然氣、銅作為高頻價格指標。由於高頻價格指標為日度頻率，為了統一為月度數據，需要首先將各個高頻指標計算月度均值，再計算環比和同比增速。
2.預測PPI環比
根據計算得出的大宗商品價格環比，對PPI環比進行線性回歸。考慮到大宗商品價格傳導存在一定的時滯性，在模型中加入1階和2階滯後項進行回歸，模型設定如下：
其中，WTI表示NYMEXWTI原油，W表示CBOT小麥，NG表示NYMEX天然氣，Cu表示COMEX銅。在回歸過程中剔除不顯著變數，最終模型解釋力度達到43.7%。根據回歸結果可以看出，原油當期項和1階滯後項、小麥當期項和1階滯後項、天然氣1階和2階滯後項、銅2階滯後項在統計意義上顯著。以上大宗商品當期項及滯後項係數均為正，說明對PPI環比具有正向影響，大宗商品價格上漲會帶動PPI環比上漲，符合經濟學原理。原油、小麥、天然氣和銅的滯後項顯著，證實了大宗商品價格向PPI傳導存在一定的時滯性，銅的傳導時滯較長，在2個月後才有所體現，原油和小麥傳導效應較快。
通過對係數進行歸一化處理，可以觀察各大宗商品價格環比對PPI環比的貢獻度。當期原油價格的環比變動是影響PPI環比變動的最主要因素，權重達到21.69%，這表明商品價格對原油價格的即時波動非常敏感。銅價格在滯後2個月之後對PPI環比的貢獻非常顯著，表明銅價雖然傳導時間較長，但對PPI的影響較大。原油的滯後1期權重為18.94%，說明原油價格對PPI的影響持續性較強。當期小麥價格權重為16.02%，滯後1期權重為10.84%，兩者合計貢獻超過四分之一，顯示了農產品價格對PPI的顯著影響。天然氣滯後1期和滯後2期的貢獻相對較小，兩者合計達到13.11%，顯示其作為工業燃料對PPI也有一定的持續影響。總的來看，原油是PPI環比波動的最核心驅動因素，當期和滯後1期合計貢獻高達40.63%。能源類大宗商品對PPI環比的綜合貢獻最大，如原油、天然氣。銅的長期滯後影響顯著。當期小麥價格和滯後1期的波動對PPI環比也具有明顯影響。
根據已知PPI環比和預測PPI環比可以通過計算得到預測PPI同比。
三、如何用大宗商品預測美國PPI同比？
根據計算得出的原油、小麥、天然氣、銅的價格同比，對PPI同比進行線性回歸，同樣可以對PPI同比進行預測。考慮到大宗商品價格傳導存在一定的時滯性以及同比基數影響，在模型中加入1階、2階和12階滯後項進行回歸，模型設定如下：
在回歸過程中剔除不顯著變數，最終模型解釋力度達到86.6%，擬合效果較好，說明同比數據由於消除了季節性因素影響，趨勢性更強，更容易被宏觀經濟因素所解釋。
根據回歸結果可以看出，原油當期項、原油2階滯後項和12階滯後項、銅當期項和12階滯後項、天然氣2階滯後項和12階滯後項、小麥2階滯後項在統計意義上顯著，說明PPI同比既受到大宗商品當期同比的影響，也受到滯後2個月和去年同期的影響。所有變數和PPI同比都呈現出正向關係，符合工業品成本傳導的邏輯，這種影響貫穿當期、短期滯後和長期滯後。原油和銅價格對PPI傳導及時性較強，原油、天然氣和小麥價格在2個月後仍有顯著傳導，原油、銅和天然氣價格的基數效應影響較大。
從貢獻度來看，一年前的銅價同比變動是PPI同比的最重要驅動因素，相對貢獻超過20%，可能是因為銅的基數效應比較顯著。當期原油價格的同比變化是PPI同比的第二大驅動因素，這表明能源成本的即時波動對PPI同比具有重要影響。原油在滯後2個月時的影響也十分顯著，進一步鞏固了原油作為PPI核心驅動因素的地位，原油價格的衝擊會在短期內持續傳導。銅的當期貢獻和天然氣滯後2期的貢獻接近，說明這兩種商品對PPI的短期至中期傳導不可忽視。原油的一年前同比變化仍對PPI同比有近10%的貢獻，表明基數效應持續存在。小麥滯後2期同比變化對PPI同比的貢獻達到10%，顯示出農產品價格對整體PPI也有重要的中期影響。天然氣滯後12期的相對貢獻是最低的，說明其基數效應影響不大。綜合來看，能源和金屬是主導驅動，尤其原油是貫穿短期、中期、長期的核心影響要素，是所有商品中綜合影響力最大的。此外，PPI同比預測不能忽略大宗商品價格的基數效應。
四、風險提示
1、樣本覆蓋不全；
2、模型預測結果可能存在較大偏差；
3、解釋變數遺漏。
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-