全文可编辑内容-培训课件:基于Nowcasting方法的社零高频.pptxVIP

全文可编辑内容-培训课件:基于Nowcasting方法的社零高频.pptx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

证券研究报告2025年07月18日基于Nowcasting方法的社零高频跟踪

消费在经济中依然处于重要地位GDP支出法三大项占GDP比重?GDP的增长主要由“三驾马车”进行驱动,从占比来看,消费一直都为三大分项中占比最高部分。且从三大分项对GDP同比的贡献率和拉动作用看,随着房地产的长期走弱和全球贸易摩擦的不断发生,消费在对GDP同比的影响中又逐渐趋于主导地位。?近年来国内多项政策其出,旨在能够扩大内需使国内消费复苏。?因此当前时点消费在各项宏观指标中的重要性不断提升,对消费进行跟踪具有重要的现实意义。8.00%7.00%6.00%5.00%4.00%3.00%2.00%1.00%0.00%65.00%60.00%55.00%50.00%45.00%40.00%35.00%30.00%消费占GDP比重投资占GDP比重净出口占GDP比重(右轴)GDP支出法三大项对GDP当季同比贡献率(%)GDP支出法三大项对GDP当季同比拉动作用(%)8.00150.00100.0050.006.004.002.000.000.00-50.00-100.00-150.00-2.00-4.00-6.00中国:对GDP当季同比的拉动:最终消费支出:支出法中国:对GDP当季同比的拉动:资本形成总额:支出法中国:对GDP当季同比的拉动:货物和服务净出口:支出法中国:GDP当季同比贡献率:最终消费支出:支出法中国:GDP当季同比贡献率:资本形成总额:支出法中国:GDP当季同比贡献率:货物和服务净出口:支出法1数据:Wind,麦高证券研究发展部

社零的现实意义与局限?在宏观统计体系中,社会消费品零售总额(以下简称“社零”)的时间分辨率高、历史数据完整、口径稳定,已成为观测经济内需变化的主要窗与市场最常使用的消费替代变量。从图中可看出,社零占最终消费支出比重稳定在60%至80%,两者变动同步性很强。?但社零指标仍存在发布滞后性的缺点。?因此,引入一套由宏观消费高频指标构建的预测工具有助于弥补社零统计短板,提升市场对消费趋势变化的响应能力。GDP口径消费支出同比增速与社零同比增速社零占最终消费支出比重%4030GDP:最终消费支出:居民GDP:最终消费支出:政府社会消费品零售总额/最终消费支出(右轴)亿元%802075757574727273730072716868686364656565646564631062706050403020100605000000030000000100000.000.000-10-20GDP:最终消费支出:同比社会消费品零售总额:名义同比2数据:Wind,麦高证券研究发展部

Nowcasting方法介绍?本文使用Nowcasting的方法对社会消费品零售总额同比进行预测,其中Nowcasting使用的模型为混频动态因子模型。?混频动态因子模型的核心逻辑是寻找一个共同因子能够与观测变量具有较强的相关性,其中共包含了三个方程,分别代表了:1)所获得的混频数据与共同因子之间的关系;2)共同因子的自回归过程;3)每个观测变量的特质因子的自回归过程。?其中??代表了观测矩阵;??代表了观测矩阵与共同因子之间的转换关系,观测矩阵可能与过去L期的共同因子相关,在本文中L取1;?代表了共同因子序列;?代表了观测变量中与共同因子不相关的特??质因子;??代表了序列自回归算子;?和?分别代表了自回归的残差。???=???+????????=??????=??3数据:Wind,麦高证券研究发展部

Nowcasting方法介绍?本文观测变量数据涉及四种频率,分别为日度(地铁客运数据等)、周度(乘用车销售数据等)、常规月度(PMI数据)和1-2月合并的月度数据(社零数据)。其中日频数据为最高频数据,因此我们要找到各个频率数据与自身日频数据之间的关系,以月频数据为例。?通过下面的计算过程可以发现月度数据的同比约等于我们不可观测的月度内每个该指标日度同比的均值。周度数据和1-2月合并的月度数据同理可证。1???+?+????+?+???,????1)?,??1?=?+?=?(?+??,??,??,??1?,????1?,??算术平均转换为几何平均1???,???,??+?+???=??+??,??1?,????1取对数1???+?+ln???,????1)?,??1ln?=ln?+(ln?+ln??,??,??计算同比?1???,??365???,??365?+?+ln???ln???,????1?365)?,????1ln??l

您可能关注的文档

文档评论(0)

topband + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6022005030000000

1亿VIP精品文档

相关文档