第六章　如何分析中国经济的短期波动？

在本章中，我们将介绍进行中国经济短期波动的方法，即从GDP核算的支出法出发，从“三驾马车”（消费、固定资产投资、进出口）构成的需求端来分析GDP增速变动的原因，并探究导致“三驾马车”各自增速变化的更深层次原因。本章的分析是为中国政府通过宏观政策来“熨平”经济波动提供基本面分析支持。

资料来源：Wind。

图6.1　改革开放以来的中国GDP增速

如图6.1所示，自1978-2019年，中国GDP年均增速高达9.4%。尽管如此，GDP增速的波动还是挺大的。总体来看，改革开放以来的GDP增速经历了“四落三起”。最近这次增速下滑从2008年持续至2019年，是改革开放以来四次增速下滑中持续时间最长的，目前来看，下行似乎仍未结束。在本书上篇中，我们从长期增长视角出发，分析了中国经济增速自2008年以来持续下滑的原因。在本章中，我们将从短期波动视角出发来探寻经济增速持续下滑的原因。

一、GDP的三种统计方法及结构分析

GDP有三种统计方法：生产法、收入法与支出法。

资料来源：Wind。

图6.2　GDP统计的生产法

生产法是中国国家统计局进行国民收入核算的最重要方法。简而言之，生产法是分别衡量第一、二、三产业各自的最终产出，三者相加等于GDP。如图6.2所示，自改革开放以来，第一产业产出占GDP比重持续下降，由1982年32.8%的峰值下降至2020年的7.1%；第三产业产出占GDP的比重持续上升，由1980年的22.3%的低点上升至2019年的53.9%；第二产业占GDP的比重长期以来一直在40%～50%的区间内波动，但在2007年至2019年持续下行，2019年仅为39.0%。值得注意的是，从2012年起，第三产业超过第二产业，成为对中国经济增长最大的产业。

GDP核算的收入法把GDP分解为居民部门初次收入（劳动者报酬）、政府部门初次收入（生产税净额）与企业部门初次收入（营业盈余和固定资产折旧）。如图6.3所示，在2016年，劳动者报酬、生产税净额、营业盈余和固定资产折旧占GDP的比重分别为52.0%、11.6%和36.4%。值得注意的是，从2011年至2016年，劳动者报酬占GDP比重由47.0%持续上升至52.0%，上升了5个百分点；而同期内，营业盈余和固定资产折旧占GDP的比重则由39.8%持续下降至36.4%。国民收入初次分配中居民收入占比的上升与企业收入占比的下降，很可能源自我们在上篇中提及的人口红利I的衰减（该红利的拐点在2010年）。

资料来源：Wind。

图6.3　GDP统计的收入法

GDP核算的支出法把GDP分解为三项最终支出，也即最终消费支出（包括居民消费与政府消费）、资本形成总额（包括固定资产投资与存货投资）及货物和服务净出口。如图6.4所示，改革开放以来，最终消费支出GDP占比的最高值是1983年的66.8%，最低值是2010年的48.5%。2010-2018年，该比率由48.5%持续上升至54.3%；资本形成总额GDP占比的最高值是2011年的48.0%，最低值是1982年与1983年的32.4%。2011-2018年，该比率由48.0%回落至44.8%；货物和服务贸易净出口占GDP比率的最高值是2007年的8.6%，最低值是1985年的-4.0%。2007-2019年，该比率由2007年的8.6%逐渐回落至2018年的0.8%。综上所述，2008年全球金融危机至今，最终消费支出的GDP占比总体持续上升，而资本形成总额与货物和服务净出口的GDP占比总体持续下降。换言之，消费作为GDP增长引擎的作用，在2008年之后变得更加显著。

资料来源：Wind。

图6.4　GDP统计的支出法

二、从支出法“三驾马车”角度展开分析

在短期经济波动分析时，我们习惯于从需求侧角度来分析GDP组成部分的变动，即从GDP支出法视角出发展开分析，分析“三驾马车”（消费、固定资产投资、进出口）各自变动所导致的GDP波动，并探究导致“三驾马车”各自增速发生变动的深层次原因。

1.“三驾马车”对GDP的拉动分析

资料来源：Wind。

图6.5　“三驾马车”对每年GDP增速的拉动

图6.5展示了在每个年份，消费、投资与净出口分别对当年GDP增长的拉动作用。例如在2000-2007年，中国GDP增速总体上处于上行趋势，这段时间内，消费、投资与净出口对GDP增长的年均贡献分别为5.2、5.0与0.4个百分点。而在2008-2019年，中国GDP增速总体上处于下行趋势，这段时间内，消费、投资与净出口对GDP增长的年均贡献分别为4.4、4.0与-0.5个百分点。不难看出，与2008年全球金融危机爆发前相比，危机后“三驾马车”对中国GDP增长的贡献均在下降。从降幅来看，投资（1.0个百分点）大于净出口（0.9个百分点），而净出口大于消费（0.8个百分点）。在2019年，消费、投资与净出口对GDP增长的贡献分别为3.5、1.9与0.7个百分点，这说明当年投资贡献的萎缩最为显著。

2.消费

在消费方面，社会消费品零售总额同比增速是最常用的月度指标。这是指企业通过交易直接销售给个人和社会集团的、非生产、非经营的实物用品金额及提供餐饮服务所得金额，主要用于反映全社会中实物商品在非生产方面的消费。如图6.6所示，社会消费品零售总额同比增速在1999年至2008年总体上处于上升态势，并在2008年7月达到23.3%的高点。随后，该指标在2008年下半年至2019年期间总体上不断下滑。2019年，社会消费品零售总额同比增速仅为8%左右。

资料来源：Wind。

图6.6　消费月度增速的变动

一般而言，影响消费增速的主要因素包括居民收入增速、消费者信心、居民财富水平、资产价格变动造成的财富效应等，其中最重要的因素是收入增速。^[57]

如图6.7所示，中国城镇居民可支配收入增速在1988-2002年期间总体上不断上升，而在2007-2018年总体上不断下降。后者可以在一定程度上解释同期内社会消费品零售总额同比增速的持续下降。

资料来源：Wind。

图6.7　城乡居民可支配收入的变化

如图6.8所示，中国消费者信心指数在2007年下半年至2016年上半年总体上处于震荡盘整、中枢水平略微下降的态势。然而，2016年下半年至2019年年底，消费者信心指数呈现显著上升态势，这与同期内社会消费品零售总额同比增速的持续下滑相背离。这意味着，消费者信心的变化不能很好地解释近年来的消费变动。

资料来源：Wind。

图6.8　消费者信心的变化

资料来源：Wind。

图6.9　消费增速与房地产销售面积增速的关系

如图6.9所示，在中国商品房销售面积同比增速与社会消费品零售总额同比增速之间存在一定程度的正相关，且前者的变动领先于后者。虽然居民购买商品房不算消费算投资，但居民在购买商品房的同时，通常也会购买家用电器、进行房屋装修、购买汽车等，而这些配套购买行为都算作消费。这正是房地产销售与居民消费正相关的原因之所在。此外，在房地产销售较为火爆的时期，通常房价涨幅也较高，这对有房者群体会造成正向的“财富效应”，从而推动该群体的消费增长。从图6.9中也可发现，从2016年下半年至今，商品房销售面积同比增速总体上持续下降，这在一定程度上可以解释同期内消费增速的下降。

3.投资

资料来源：Wind。

图6.10　三大投资占固定资产投资比重的变化

投资的波动性远高于消费，因此投资波动往往是中国经济短期波动的主要原因。如图6.10所示，在中国的固定资产投资中，最重要的三类投资是制造业投资、基础设施投资与房地产投资。制造业投资额占中国固定资产投资总额的比重，一度由2000年的12.2%上升至2012年33.2%的峰值，到2017年下降至30.2%。房地产投资额占比在2013年曾经达到25.0%的峰值，到2017年下降至21.8%。基础设施投资额占比一直在20%～30%的区间内波动，最高值是1998年的28.7%，最低值是2012年的20.6%，2017年为27.0%。在2017年，制造业、房地产与基础设施投资额占固定资产投资总额的比重合计达到79.0%。因此，要分析中国固定资产投资增速的变化，就必须首先分析三大投资增速各自的变化。

资料来源：Wind。

图6.11　三大投资的增速变动

图6.11显示了制造业、房地产与基础设施三大投资各自增速的变动。从中发现两个特点：第一，在2010年至2019年，三大投资增速均呈现出持续走低的特征。在2017年至2019年这三年间，制造业、房地产与基础设施投资月度累计同比增速的均值分别为5.0%、7.9%与8.0%。相比之下，在2005年至2007年这三年间，上述指标分别高达33.9%、27.4%与23.2%；第二，基础设施投资增速的变动与制造业、房地产投资增速的变动通常是负相关的。例如，在2008年、2009年全球金融危机爆发期间，房地产投资增速一落千丈，制造业投资增速也在下滑，而基础设施投资增速则一飞冲天。造成该现象的根本原因，是中国的基础设施投资是由政府主导的，而制造业与房地产投资是由市场主导的。中国政府通常把基础设施投资作为一种反周期的政策工具。换言之，在市场化投资增速走低时，中国政府通常会增加基础设施投资，而当市场化投资增速走强时，中国政府通常会压缩基础设施投资。

然而，如图6.11所示，在2018年至2019年，虽然市场化投资增速总体下行，但与此同时基础设施投资增速也在下行。该现象之所以出现，是因为在这段时期内，中央政府高度重视地方政府债务攀升的风险，从而开始严格控制地方政府及其下属的融资平台举债。此举造成地方政府的基础设施投资资金来源不足，从而造成基础设施投资增速下降。

制造业投资决策是由市场化企业做出的。企业在进行有关决策时，通常会考虑市场环境变动、自身赢利水平变化及产成品库存水平等因素。采购人经理指数（purchasing manager's index, PMI）是针对采购经理的月度调查进行汇总得出的数据，能够反映市场环境的变动。制造业PMI被认为是制造业投资增速的重要先行指标。如图6.12所示，在2008年全球金融危机爆发前，中国制造业PMI的均值为55，远高于50这一荣枯线。然而从2012年起至2019年，制造业PMI却始终在50上下波动。这意味着与全球金融危机爆发前相比，中国制造业面临的市场环境已经明显恶化，这是危机后中国制造业投资增速总体上持续下滑的重要原因。

规模以上工业企业增加值增速与工业企业利润增速这两个指标都可以反映中国工业企业的赢利状况。如图6.13所示，在2008年全球金融危机爆发前，规模以上工业企业增加值增速平均在15%以上，而在危机后，该指标逐渐滑落至2019年的5%上下。中国工业企业利润增速虽然波动较大，但在2017-2019年也出现了明显下滑。上述两个指标的变化，说明中国工业企业的赢利水平在危机爆发后总体上显著下行，这也可以部分解释同期内制造业投资增速的下滑。

资料来源：Wind。

图6.12　中国制造业PMI指数的变化

资料来源：Wind。

图6.13　工业增加值与工业企业利润的变化

工业企业产成品库存变动也会影响制造业投资增速。产成品库存高企通常意味着市场需求不足，这会压低制造业投资增速。产成品库存较低通常意味着市场需求强劲，这会提高制造业投资增速。如图6.14所示，中国工业企业存货波动并未对固定资产投资增速产生显著影响。原因可能是，自2008年全球金融危机爆发后中国制造业一直面临着产能过剩。即使库存水平显著下降，工业企业也会选择利用现有富余产能，而非通过固定资产投资去增加新产能。

资料来源：Wind。

图6.14　工业企业存货增速与固定资产投资增速

房地产企业在进行投资决策时，通常会考虑销售、资金可获得性与资金成本、政府调控等因素。在中国，房地产销售面积增速与房地产企业土地购置面积增速是房地产投资增速的两个重要先行指标。如图6.15所示，从历史上来看，房地产销售额累计同比增速与房地产开发投资累计同比增速之间存在显著正相关，且前者的变动通常领先后者1～2个季度。从2016年下半年起至2019年，中国房地产销售额同比增速持续下降，这意味着房地产投资增速在未来一段时间难有大的起色。

资料来源：Wind。

图6.15　房地产销售面积增速与房地产投资增速

如图6.16所示，土地购置面积增速与房地产开发投资增速之间也存在显著正相关，且两者的变动存在较强的同步性。在2019年年初，受政府宏观调控与其他因素影响，中国土地购置面积增速出现了一次断崖式下滑。在经历一段时滞后，这必然会对房地产开发投资增速产生负面影响。

资料来源：Wind。

图6.16　土地购置面积增速与房地产投资增速

4.进出口

如图6.17所示，从中国加入WTO的2001年至2012年（全球金融危机期间除外），中国出口增速与进口增速的均值高于20%。从2012年起，进出口增速双双显著回落。2012-2019年，出口与进口月度同比增速的均值分别仅为4.1%与3.1%。导致进出口增速回落的原因包括内外需增速下降、人民币汇率变化、进出口商品价格变动等。

资料来源：Wind。

图6.17　进出口增速与贸易余额

一般而言，造成出口增速变动的因素有外部需求、汇率、本国商品国际竞争力（包括价格竞争力与品质竞争力）等。如图6.18所示，外部需求变动（用OECD综合领先指标^[58]来度量）与中国出口同比增速变动之间存在显著正相关。此外，我们也可以把PMI中的新订单指数^[59]作为中国出口变动的先行指标。如图6.19所示，PMI新订单指数变动的确与中国出口同比增速变动之间存在显著正相关，且前者的变动要领先后者几个月。如图6.20所示，中国出口同比增速变动与人民币实际有效汇率变动之间存在显著负相关。事实上，自2012年以来中国出口增速的趋势性下降，也与同期内人民币实际有效汇率的快速升值密切相关。图6.21显示了中国进口增速变动与内需变动之间的关系，不难发现两者呈现显著正相关。中国进口增速自2012年以来的显著下降，与同期内国内经济增速的持续放缓关系密切。需要说明的是，由于GDP增速没有月度数据，我们用规模以上企业工业增加值同比增速来代替内需变动。

资料来源：Wind。

图6.18　出口增速变动与外部需求变动

资料来源：Wind。

图6.19　出口增速变动与PMI新订单指数变动

资料来源：Wind。

图6.20　出口增速变动与有效汇率变动

资料来源：Wind。

图6.21　进口增速变动与内需变动

三、通货膨胀

中国有三种常用的通货膨胀率（见图6.22）。GDP平减指数变化率是最广义的通货膨胀率。GDP平减指数（GDP Deflator）是将名义GDP折算为实际GDP的平减指标，衡量了中国的整体通货膨胀状况，但可惜没有月度高频数据。消费者价格指数（consumer price index, CPI）衡量了居民部门最终消费面临的通货膨胀率，而工业品出厂价格指数（producer price index, PPI）衡量了出厂工业品的通货膨胀率。从图6.22中可以看出，尽管幅度存在差异，但上述三项通货膨胀指标所反映的趋势是基本一致的。改革开放以来，中国在1985年、1988-1989年、1993-1995年发生了三次较为严重的通货膨胀（GDP缩减指数变化率均超过10%）。而在2000年之后，中国通货膨胀率的变动幅度明显收窄，但同期内PPI增速发生了多次负增长（这意味着出现了工业品通货紧缩），这是2000年之前几乎没有发生过的情况。^[60]

资料来源：Wind。

图6.22　三种口径的通货膨胀率

由于CPI统计的商品篮中包含食品与能源这两种价格波动非常大的商品，因此食品与能源价格的变动通常会导致CPI增速大起大落。为了控制这两种商品的影响，我们可以转为分析剔除了食品与能源价格的核心CPI（Core CPI）。如图6.23所示，核心CPI增速的波动性的确远低于CPI增速，因此，前者成为很多国家中央银行在制定货币政策时重点参考的目标。例如，目前美联储与欧洲央行的最重要参考目标都是2%的核心通货膨胀率。在2019年下半年至2020年年初，中国CPI增速与核心CPI增速的差距变得史无前例地大，这是因为在此期间发生了猪肉价格大幅度飙升的现象。

资料来源：Wind。

图6.23　CPI增速与核心CPI增速

资料来源：笔者自行绘制。

注：图中的+号代表正相关。

图6.24　通货膨胀走势的分析框架

笔者喜欢使用一个三因素框架来分析中国CPI增速的变动（见图6.24）。该框架的主要内容如下：第一，中国CPI增速在很大程度上受到食品价格波动的影响，而食品价格又在很大程度上受到猪肉价格波动的影响（可称之为“猪肉的故事”）；第二，中国CPI增速在一定程度上受到PPI增速波动的影响，而PPI增速在一定程度上又受到进口价格波动的影响（可称之为“进口的故事”）；第三，中国CPI增速在一定程度上受到狭义货币M1增速波动的影响（可称之为“货币的故事”）（张明等，2017b）。

如图6.25所示，在2005年至2019年，CPI同比增速、CPI篮子中的食品价格同比增速、CPI篮子中的猪肉价格同比增速这三者之间呈现出鲜明的正相关，且CPI增速的波幅通常显著低于食品价格增速波幅，而食品价格增速的波幅通常又显著低于猪肉价格增速波幅。考虑到猪肉在CPI篮子中的权重达到3%左右，是占比最高的单一商品，因此，中国的CPI增速波动在一定程度上受到猪肉价格变化的驱动。

资料来源：Wind。

图6.25　CPI增速、食品价格增速与猪肉价格增速

自2006年至2019年，猪肉价格呈现出鲜明的周期性波动，迄今为止出现了三轮半周期（这个周期被戏称为“猪周期”）。从波谷到波谷来计算，第一个猪周期为2006年6月至2009年6月，第二个猪周期为2009年6月至2012年7月，第三个猪周期为2012年7月至2017年6月，第四个猪周期为2017年6月至今。前两个猪周期的持续时间均为3年，而第三个猪周期的持续时间延长至5年。前三次猪周期的最高值与最低值呈现出逐渐收敛的特征，但当前这个猪周期的最高值则创下了历史纪录。2020年1月CPI篮子中的猪肉价格同比增速高达116.0%。本次猪肉价格涨幅如此惊人，一方面是因为2019年中国国内“非洲猪瘟”的暴发与扩散，另一方面则是因为有些地方政府实施了过度严格的环保政策（即为了控制相关污染，强行关闭了当地很多养猪场）（张明等，2019a）。随着猪肉价格同比增速在2020年的某个时点由升转降，食品价格增速与CPI增速也都有望相应下降。

资料来源：Wind。

图6.26　CPI增速、PPI增速与进口价格指数增速

如图6.26所示，在CPI同比增速、PPI同比增速与进口价格指数同比增速三者之间存在着显著的正相关。自2006-2019年，CPI增速的波幅通常小于PPI增速波幅，而PPI增速的波幅又通常小于进口价格指数增速波幅。这种正相关的原因在于，中国从全球市场进口大量能源、原材料与中间产品，在本国加工成最终产品后，或者用于国内销售、或者用于出口。这就意味着，全球大宗商品与中间产品价格变动首先会影响中国进口价格、之后逐渐传递至PPI与CPI。从图6.25中可以看出，在2019年下半年，进口价格指数同比增速与PPI同比增速已经双双转负，这意味着未来一段时间内，CPI同比增速很可能将会由升转降。

美国著名经济学家弗里德曼有一句名言：“通货膨胀在任何时间与任何地方均是一种货币现象。”这意味着通货膨胀通常与货币发行过多有关。如图6.27所示，中国CPI同比增速与狭义货币M1同比增速之间的确存在显著正相关，且后者变动要领先前者一段时间。2016年下半年至2019年年底，中国M1同比增速由25%左右降至5%以下，这意味着未来一段时间内CPI增速将会面临下行压力。

资料来源：Wind。

图6.27　CPI增速与M1增速

综上所述，无论从“猪肉的故事”、“进口的故事”还是“货币的故事”来看，2019年下半年至2020年年初中国CPI同比增速的上升都很难持续，未来由升转降将是大概率事件。这也意味着在未来一段时间内，中国CPI增速与核心CPI增速之间的显著背离将会收窄。

四、失业

中国国家统计局当前发布两种口径的失业率指标（见图6.28）。一种失业率指标是城镇登记失业率。该指标长期以来一直稳定在4%上下，因此很难用于经济波动分析。该指标波动很小的原因，是当一个劳动力失业后，他（她）先要主动到户口所在地居委会登记为失业人员，之后才会被纳入有关统计体系中。另一种失业率指标是城镇调查失业率。这个指标的发布时间很短，但波动性明显高于城镇登记失业率。2019年12月，中国的城镇登记失业率与城镇调查失业率分别为3.6%与5.2%。无论从哪个指标来看，目前中国的失业率都是很低的。

资料来源：Wind。

图6.28　两种口径的失业率

劳动力市场求人倍率从另一个角度反映了中国的就业市场状况。^[61]如图6.29所示，在2010年之前，中国劳动力市场求人倍率一直低于1，说明劳动力市场总体供过于求。而从2010年第四季度起至今，中国劳动力市场求人倍率一直高于1，且指标数值持续上升，说明同期内劳动力市场总体供不应求，且供求缺口还在不断加剧。我们曾在本书上篇提及，2010年是中国人口红利I由升转降的拐点之年。劳动力市场供求格局的转变看来的确与人口红利I到达拐点密切相关。

资料来源：Wind。

图6.29　劳动力市场求人倍率

小结

本章从经济增长、通货膨胀与失业三个层面，介绍了中国经济短期波动分析方法。

在经济增长方面，我们从GDP核算的支出法出发，分析了消费、投资与净出口变动对GDP增速的影响。近年来，导致消费增速下降的主要原因是居民收入增速下降与房地产销售增速下降；导致制造业投资增速下降的主要原因是市场环境恶化、工业企业利润下降与产能过剩；导致房地产投资增速下降的主要原因是房地产销售增速的下降与土地购置面积增速的下降；导致基础设施投资增速下降的主要原因是中央政府严控地方政府举债；导致出口增速下降的主要原因是外需疲软与人民币有效汇率显著升值，导致进口增速下降的主要原因则是内需疲软。

在通货膨胀方面，GDP缩减指数变动率、CPI增速与PPI增速是三种常见的通货膨胀率。中央银行通常更加关注剔除了食品与能源价格的核心CPI增速。我们可以从“猪肉的故事”、“进口的故事”与“货币的故事”组成的三因素框架来预测未来CPI增速的走势。基于上述分析框架，从2020年年初的情况来看，自2019年下半年起快速上升的CPI增速即将由升转降。

在失业率方面，城镇调查失业率是比城镇登记失业率更有用的宏观分析指标，但可惜前者的时间序列长度太短。无论是失业率数据，还是劳动力市场求人倍率，都说明当前中国劳动力市场不存在严重失业，这与人口红利I自2010年以来的衰减有关。