cflp和hsbc采購經(jīng)理人指數(shù)的數(shù)據(jù)對(duì)比與協(xié)整分析

cflp和hsbc采購經(jīng)理人指數(shù)的數(shù)據(jù)對(duì)比與協(xié)整分析

采購行政率是一套月度發(fā)布的全面的經(jīng)濟(jì)監(jiān)測指數(shù)。這是經(jīng)濟(jì)氣候變化的重要指標(biāo)，反映了經(jīng)濟(jì)擴(kuò)張和收縮的美好愿景。采購經(jīng)理人指數(shù)在2008年的金融危機(jī)中,非常清楚地預(yù)測了經(jīng)濟(jì)的拐點(diǎn)(如圖1所示)。在經(jīng)濟(jì)預(yù)測和商業(yè)分析方面,PMI對(duì)政府部門、金融機(jī)構(gòu)、普通商業(yè)企業(yè),都發(fā)揮重要作用。每月發(fā)布的PMI指數(shù)數(shù)據(jù)已成為新聞媒體廣為引用、傳播的重要經(jīng)濟(jì)信息,對(duì)金融市場、政策與決策制定發(fā)揮一定影響。PMI指數(shù)一般分為制造業(yè)和非制造業(yè)(或服務(wù)業(yè))兩部分。在制造業(yè)方面,通常用各擴(kuò)散指數(shù)分別按照一定權(quán)重構(gòu)建綜合指數(shù),也就是通常所指的制造業(yè)PMI指數(shù);在非制造業(yè)領(lǐng)域,各國主要發(fā)展擴(kuò)散指數(shù),但美國發(fā)展了非制造業(yè)的綜合指數(shù)NMI,還有的國家專門針對(duì)建筑業(yè)建立了采購經(jīng)理人指數(shù)。與客觀調(diào)查不同,采購經(jīng)理人指數(shù)原始數(shù)據(jù)來源于每月對(duì)采購經(jīng)理人的主觀調(diào)查。主觀調(diào)查的問卷項(xiàng)目考察生產(chǎn)和流通服務(wù)領(lǐng)域訂貨、發(fā)貨和庫存水平的動(dòng)態(tài)變化。問項(xiàng)設(shè)計(jì)一般為三值定性判斷(有的采用五項(xiàng)判斷法,如新加坡),答案包括“上升、不變或下降”。有學(xué)者研究指出,與定量數(shù)據(jù)相比,定性調(diào)查數(shù)據(jù)更能抵抗一些只對(duì)少數(shù)行業(yè)產(chǎn)生作用的特殊沖擊的影響(Kennedy,1991)。采購經(jīng)理人指數(shù)的調(diào)查最早可以追溯到20世紀(jì)30年代,紐約采購管理協(xié)會(huì)即美國供應(yīng)管理協(xié)會(huì)(ISM)前身針對(duì)某些商品對(duì)其會(huì)員開展的供應(yīng)調(diào)查。1930年,在美國經(jīng)歷了嚴(yán)重的股市崩盤和經(jīng)濟(jì)危機(jī)之后,該協(xié)會(huì)認(rèn)為,如果能及時(shí)掌握制造業(yè)采購信息,在國家層面有助于預(yù)測和重振經(jīng)濟(jì),企業(yè)層面能方便采購人員更好地開展工作。故從1931年開始,該協(xié)會(huì)開始定期向其會(huì)員和其他組織提供制造業(yè)調(diào)查報(bào)告,自1948年開始每月公開發(fā)布調(diào)查數(shù)據(jù)。1982年,美國商業(yè)部高級(jí)經(jīng)濟(jì)師TheodoreTorda提出了基于采購調(diào)查建立擴(kuò)散指數(shù),然后由五項(xiàng)季節(jié)調(diào)整擴(kuò)散指數(shù)計(jì)算得出的PMI指數(shù)。到了20世紀(jì)90年代初,在NTC-Research集團(tuán)(一家全球商業(yè)信息研究和咨詢機(jī)構(gòu),以下簡稱NTC)的支持下,歐洲多數(shù)國家相繼建立了PMI編制和發(fā)布制度。在12個(gè)新興市場國家,則有匯豐銀行聯(lián)合Markit公司(一家金融信息服務(wù)公司),開展PMI調(diào)查與發(fā)布。目前,30多個(gè)國家(地區(qū))建立了PMI(MarkitEconomics,2012),部分國家(地區(qū))的PMI如表1所示。除綜合指數(shù)外,各國(地區(qū))PMI指數(shù)一般還包含新訂單、產(chǎn)量、雇員、供應(yīng)商配送、庫存、價(jià)格、積壓訂單、新出口訂單、進(jìn)口等商業(yè)活動(dòng)的分項(xiàng)指數(shù)。在我國,現(xiàn)有國家統(tǒng)計(jì)局與中國物流與采購聯(lián)合會(huì)和匯豐銀行分別發(fā)布的兩組PMI指數(shù),前者于2005年8月開始發(fā)布,后者于2004年9月開始發(fā)布。由于兩組PMI指數(shù)在調(diào)查對(duì)象和數(shù)據(jù)處理方面的差異,數(shù)據(jù)結(jié)果略有不同。我國采購經(jīng)理人指數(shù)在調(diào)查問卷設(shè)計(jì)中,遵循了簡煉、定性的原則,共設(shè)有12個(gè)封閉式問題,3個(gè)開放型問題。封閉型問題包括:生產(chǎn)量、產(chǎn)品訂貨、出口訂貨、現(xiàn)有訂貨、產(chǎn)成品庫存、采購量、進(jìn)口、購進(jìn)價(jià)格、主要原材料庫存、生產(chǎn)經(jīng)營人員、供應(yīng)商配送時(shí)間、原材料訂貨提前時(shí)間。依據(jù)調(diào)研結(jié)果計(jì)算擴(kuò)散指數(shù),然后按照一定權(quán)重計(jì)算綜合指數(shù)PMI。其中,五項(xiàng)擴(kuò)散指數(shù)的權(quán)重分別為生產(chǎn)量25%、新訂單30%、就業(yè)20%、供應(yīng)商配送15%、庫存10%由于PMI能夠及時(shí)反映宏觀經(jīng)濟(jì)波動(dòng),有的研究者著力研究改善該指數(shù)的統(tǒng)計(jì)穩(wěn)健性,努力通過定量化以提高其信號(hào)功能(Peláez,2003)。還有的國外研究者發(fā)現(xiàn)了準(zhǔn)確預(yù)測PMI指標(biāo),提前獲得經(jīng)濟(jì)未來走勢方向的實(shí)踐價(jià)值,應(yīng)用一些模型開展相關(guān)研究(Larrain,2007;Lindsey&Pasvur;2005;Raedels,1990)。其中,有的學(xué)者利用利率和過去值來預(yù)測PMI的未來值(AnthonyJoseph,2011)。這方面,國內(nèi)相關(guān)研究較少。大概因?yàn)镻MI應(yīng)用性較強(qiáng),大多數(shù)文獻(xiàn)均探討PMI對(duì)經(jīng)濟(jì)波動(dòng)的解釋,反而忽略了對(duì)PMI指數(shù)本身的研究方向。少量文獻(xiàn)采用定量分析方法,探討PMI與經(jīng)濟(jì)的相關(guān)性。本文以國家統(tǒng)計(jì)局、物流聯(lián)合會(huì)(CFLP)和匯豐銀行(HSBC)制造業(yè)采購經(jīng)理人指數(shù)的歷史數(shù)據(jù)為研究對(duì)象,分析其波動(dòng)規(guī)律、數(shù)據(jù)差異及經(jīng)濟(jì)意義。由于宏觀經(jīng)濟(jì)政策發(fā)揮作用具有較長時(shí)滯性,增強(qiáng)對(duì)經(jīng)濟(jì)波動(dòng)的預(yù)見具有較大應(yīng)用前景。本文采用多種模型對(duì)各PMI數(shù)據(jù)序列進(jìn)行擬合和與預(yù)測,包括簡單ARIMA模型、疏系數(shù)模型、乘積季節(jié)模型和神經(jīng)網(wǎng)絡(luò)模型,通過協(xié)整檢驗(yàn)驗(yàn)證了CFLP和HSBC制造業(yè)采購經(jīng)理人指數(shù)之間的協(xié)整關(guān)系。預(yù)測結(jié)果顯示,除疏系數(shù)模型誤差超過3%外,各模型預(yù)測誤差均低于2%。一、pm指數(shù)分析自1948年開始,美國已經(jīng)積累了65年770組PMI指數(shù)數(shù)據(jù)。在對(duì)這些數(shù)據(jù)的研究中,研究者發(fā)現(xiàn),PMI具有較強(qiáng)的宏觀經(jīng)濟(jì)預(yù)測能力。例如,研究者指出,PMI的優(yōu)勢在于數(shù)據(jù)發(fā)布早于很多指數(shù),同時(shí)它是工業(yè)生產(chǎn)、真實(shí)GDP、存貨、銷售、存銷比、聯(lián)邦基金利率、貨幣政策的預(yù)測指標(biāo)((Berge&Jorda,2011;Neely&Day,2010;Ozyldirim等,2011;AnthonyJoseph,2011)。Harris(1991)的研究中指出,制造業(yè)對(duì)國民經(jīng)濟(jì)發(fā)展趨勢的影響比例高達(dá)三分之二。很多學(xué)者得出相似的結(jié)論,Hoagland(1993)認(rèn)為,盡管制造業(yè)占經(jīng)濟(jì)總量的比重僅為18%,但制造業(yè)會(huì)帶來的商務(wù)活動(dòng)總量能夠超過33%。與整體經(jīng)濟(jì)其他部分相比,制造業(yè)部分更不穩(wěn)定,因而影響更明顯。Cahn(1994)則得到了具體的反應(yīng)系數(shù),當(dāng)總體GDP變化1%時(shí),制造業(yè)增加值會(huì)成比例的改變2.1%,這就定量地逆向說明了制造業(yè)對(duì)其他部分的經(jīng)濟(jì)具有更大影響和帶動(dòng)作用,說明了制造業(yè)PMI指數(shù)比其他經(jīng)濟(jì)變量敏感度更高,對(duì)總體經(jīng)濟(jì)代表性更好。RalphG.Kauffman(1999)在研究中發(fā)現(xiàn),PMI的指數(shù)與GDP的相關(guān)系數(shù)在0.7以上。在40多年中,美國PMI的峰值領(lǐng)先商業(yè)周期高峰10個(gè)月以上,領(lǐng)先低谷1個(gè)月以上,為決策者提供了風(fēng)向標(biāo),如表2、表3所示;ISM(2012)研究報(bào)告指出,歷史數(shù)據(jù)表明,如果PMI高于50%,則顯示制造業(yè)通常是擴(kuò)張的;如果低于50%,則制造業(yè)領(lǐng)域通常是收縮的。如果PMI高于42.6%,并持續(xù)一段時(shí)間,則表示國家或區(qū)域GDP上升,反之則下降。在美國制造業(yè)報(bào)告中,通常會(huì)基于PMI平均值與年度經(jīng)濟(jì)增長率的歷史關(guān)系,給出對(duì)經(jīng)濟(jì)增長率的預(yù)測(Holcomb,2012)。該報(bào)告除了匯總制造業(yè)總體情況PMI外,還分18個(gè)細(xì)分行業(yè)報(bào)告了經(jīng)濟(jì)活動(dòng)的表現(xiàn),對(duì)各種企業(yè)的決策者均具有重要的參考價(jià)值。由表2可知,PMI綜合指數(shù)與分項(xiàng)指數(shù)GDP季度變化率相關(guān)系數(shù)超過0.7,在1994~1997年階段更是高達(dá)0.9,反映了制造業(yè)在該階段對(duì)經(jīng)濟(jì)的影響之大。相對(duì)而言,1953~1986年間相關(guān)系數(shù)略低。因此,PMI的應(yīng)用與分析要考慮不同的時(shí)間階段,因?yàn)槲覈鳳MI推出時(shí)間相對(duì)較短,尚可不涉及這個(gè)問題。根據(jù)表3的數(shù)據(jù)可以看到令人振奮的結(jié)果,無論綜合指數(shù)還是分項(xiàng)指數(shù),均能提前商業(yè)周期轉(zhuǎn)折點(diǎn),尤其是能夠領(lǐng)先周期頂點(diǎn)超過12個(gè)月以上。但是,領(lǐng)先時(shí)間過長,實(shí)踐意義可能會(huì)大打折扣。表3中說明,PMI指數(shù)領(lǐng)先谷底時(shí)間段非常合適,對(duì)于控制擴(kuò)張或積極的財(cái)政貨幣政策意義重大。尤其是分項(xiàng)指數(shù)之一的庫存指數(shù),能夠基本與谷底同步,此現(xiàn)象對(duì)于企業(yè)和市場參與者而言可能具有重要價(jià)值。近些年來,國外研究者發(fā)現(xiàn),預(yù)測PMI指數(shù)自身變化,對(duì)發(fā)現(xiàn)和認(rèn)識(shí)經(jīng)濟(jì)發(fā)展趨勢的具有重要意義,積極展開了相關(guān)研究(Larrain,2007;Lindsey&Pasvur,2005;Raedels,1990;AnthonyJoseph,2011)。國內(nèi)管理部門和研究者已在廣泛應(yīng)用PMI分析宏觀經(jīng)濟(jì)變化趨勢(陳中濤,2011;潘正彥,2011)。有學(xué)者從統(tǒng)計(jì)角度,借鑒歐美采購經(jīng)理人指數(shù)的應(yīng)用經(jīng)驗(yàn),提出我國PMI指數(shù)存在指數(shù)樣本覆蓋范圍不夠,季節(jié)調(diào)整參數(shù)欠缺,非制造業(yè)擴(kuò)散指數(shù)有待進(jìn)一步完善等方面問題,給出了對(duì)策建議(鄭樹霞,2011)。國內(nèi)現(xiàn)存兩種指數(shù)數(shù)據(jù)之間的矛盾也引發(fā)市場研究者的關(guān)注。有研究者關(guān)注CFLP與HSBC的PMI指數(shù)比較,分析哪一種更能夠反映經(jīng)濟(jì)趨勢,并從與GDP走勢的比較中發(fā)現(xiàn),在2005~2007年,CFLP比HSBCPMI更能反映GDP走勢;而在2008年,HSBCPMI與GDP的吻合度要好于CFLP(王小娥、楊荇,2012)。CFLP分析了PMI指數(shù)與工業(yè)增加值、增加值增長率、工業(yè)品庫存的關(guān)系,發(fā)現(xiàn)存在明顯的相關(guān)關(guān)系;鄭樹霞(2011)研究指出,我國采購經(jīng)理人指數(shù)領(lǐng)先有關(guān)經(jīng)濟(jì)指標(biāo),通常能夠領(lǐng)先5個(gè)月。此外,國內(nèi)外在區(qū)域采購經(jīng)理人指數(shù)方面的理論和實(shí)踐已經(jīng)展開,有助于決策者更好地把握區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r(盧建軍,2005)。由表4可以發(fā)現(xiàn),盡管只考慮了1年多的數(shù)據(jù),PMI綜合指數(shù)與工業(yè)經(jīng)濟(jì)指標(biāo)的相關(guān)系數(shù)均高于0.7?？梢杂^察到一個(gè)現(xiàn)象,部門分項(xiàng)指數(shù)與對(duì)應(yīng)部門相關(guān)指標(biāo)相關(guān)系數(shù)更高,這充分說明定性主觀調(diào)查的PMI分項(xiàng)指數(shù)與定量經(jīng)濟(jì)指標(biāo)變動(dòng)一致,PMI分項(xiàng)指數(shù)能夠較好反映部門經(jīng)濟(jì)變動(dòng),具有明顯的區(qū)分度。由表5可以看出,盡管沒有區(qū)分谷底與峰頂,國內(nèi)的研究也發(fā)現(xiàn)了PMI及分項(xiàng)指數(shù)的先行性。表5中的庫存變化,仍與經(jīng)濟(jì)波動(dòng)基本同步,新出口訂單也能夠較準(zhǔn)確地判斷經(jīng)濟(jì)轉(zhuǎn)折,這從一個(gè)側(cè)面反映了出口在現(xiàn)階段中國經(jīng)濟(jì)生活中的地位和作用。綜上所述,國內(nèi)外對(duì)PMI指數(shù)的應(yīng)用都比較重視。在PMI研究方面,大量集中PMI在宏觀經(jīng)濟(jì)形勢判斷方面的應(yīng)用研究。國外已經(jīng)發(fā)現(xiàn)分析PMI自身變化規(guī)律的價(jià)值,并逐步展開這方面的研究,但國內(nèi)目前尚缺少對(duì)中國CFLP和HSBCPMI兩種指數(shù)的預(yù)測分析以及較深入的探討,本文希望在此領(lǐng)域展開探索。二、基于時(shí)間序列模型的研究1、arra模型的建立目前,對(duì)非平穩(wěn)時(shí)間序列的分析,大體可以采用確定性分解和隨機(jī)分析兩種方法。前者具有原理、操作簡單、易于解釋的優(yōu)點(diǎn),在宏觀經(jīng)濟(jì)管理部門與預(yù)測領(lǐng)域應(yīng)用廣泛。但是,確定性因素分析對(duì)隨機(jī)性信息浪費(fèi)較多,而且簡單地把所有序列的變化歸結(jié)為季節(jié)、周期、趨勢和隨機(jī)因素的綜合影響,卻始終無法提供證據(jù)說明各因素之間確切的作用關(guān)系。正是由于確定性分解方法不能充分提取觀察值序列中的有效信息,導(dǎo)致模型擬合精度通常不夠理想(王燕,2007)。本文采用隨機(jī)時(shí)序方法。(1)ARIMA模型實(shí)質(zhì)上是差分運(yùn)算與ARMA模型的組合,非平穩(wěn)序列只要通過適當(dāng)階數(shù)的差分,以實(shí)現(xiàn)差分后平穩(wěn),就可以對(duì)差分后序列應(yīng)用ARMA模型。ARIMA模型結(jié)構(gòu)數(shù)學(xué)描述如下:Φ(B)=1-φ1B-…-φpBp,為平穩(wěn)可逆ARMA(p,q)模型的自回歸系數(shù)多項(xiàng)式Θ(B)=1-θ1B-…-θqBq,為平穩(wěn)可逆ARMA(p,q)模型的移動(dòng)平滑系數(shù)多項(xiàng)式式(1)可以簡記為:為零均值白噪聲系列。(2)基于ARIMA的乘積季節(jié)模型,考慮了短期相關(guān)性和季節(jié)性之間的相關(guān)關(guān)系。模型可簡記為:2、非制造業(yè)企業(yè)pm(1)關(guān)于PMI指數(shù)的定性描述分析。本文根據(jù)CFLP和HSBC的PMI數(shù)據(jù),繪制2008~2012年P(guān)MI時(shí)序圖(如圖1所示)。由圖1可以發(fā)現(xiàn),CFLP制造業(yè)PMI和匯豐制造業(yè)PMI存在輕微趨勢性,而CFLP非制造業(yè)PMI則明顯存在季節(jié)波動(dòng);非制造業(yè)PMI在每年2月和4月分別出現(xiàn)低點(diǎn)和高點(diǎn),顯示出較強(qiáng)的季節(jié)性影響;CFLP與HSBC指數(shù)基本走向一致,能夠較好地反映我國宏觀經(jīng)濟(jì)波動(dòng)與趨勢,2008年11月,三個(gè)指數(shù)均創(chuàng)出歷史低點(diǎn)。但是,從圖1顯然也可發(fā)現(xiàn),兩個(gè)指數(shù)序列有較多局部不符之處,最近的時(shí)間段包括2012.2~2012.4和2012.6~2012.7。(2)關(guān)于PMI數(shù)據(jù)的分布特征。經(jīng)過簡單分析處理可以發(fā)現(xiàn):首先,CFLP制造業(yè)PMI、非制造業(yè)PMI、HSBC制造業(yè)PMI的均值分別為51.868、56.382、51.039。就數(shù)值大小而言,非制造業(yè)PMI均值遠(yuǎn)遠(yuǎn)大于制造業(yè)PMI值,即非制造業(yè)PMI數(shù)據(jù)中心位置要遠(yuǎn)高于制造業(yè)PMI數(shù)據(jù)的中心位置,部分反映了在2008~2012年間包括房地產(chǎn)業(yè)、航空、建筑在內(nèi)的非制造業(yè)經(jīng)營條件和業(yè)績擴(kuò)張性要遠(yuǎn)遠(yuǎn)好于制造業(yè);其次,三組PMI數(shù)據(jù)標(biāo)準(zhǔn)差分別為3.53、4.875、3.848,顯示出非制造業(yè)PMI數(shù)據(jù)的波動(dòng)更大,這種波動(dòng)性一方面可能來自于季節(jié)性,非制造業(yè)企業(yè)例如航空、餐飲、零售均隨季節(jié)發(fā)生較大變化;另一方面,非制造業(yè)企業(yè)的訂單更容易受到經(jīng)濟(jì)波動(dòng)的影響。CFLP-PMI標(biāo)準(zhǔn)差略小于HS-BC,這可能部分由于抽樣調(diào)查中樣本企業(yè)規(guī)模差異;第三,三組數(shù)據(jù)的峰態(tài)分別為3.703、1.09、0.279,顯示三組PMI均呈現(xiàn)出尖峰分布,但相對(duì)來說,HSBC-PMI最為扁平,即CFLP-PMI指數(shù)53~54區(qū)間出現(xiàn)頻率在22%以上,而此區(qū)間在后續(xù)分析中可以看到53.79為GDP增長率的臨界點(diǎn),即宏觀經(jīng)濟(jì)增長率穩(wěn)定的區(qū)間占比超過了22%。此外,進(jìn)一步的分析可以看出,經(jīng)濟(jì)加速增長的區(qū)間超過了20%;三組指數(shù)的偏度分別為-1.329、-1.164、-0.673,均為左偏分布,但CFLP左偏程度較大,顯示三個(gè)指數(shù)序列均有個(gè)別極端低值,即經(jīng)濟(jì)境況極差的機(jī)率都存在,大約2%。相對(duì)來說,經(jīng)濟(jì)境況較好時(shí)候的極端值并不明顯,即反映了一個(gè)普遍規(guī)律,即經(jīng)濟(jì)不景氣的情況各有不同,但經(jīng)濟(jì)繁榮的時(shí)期大多相似。另外,如畫出頻率分布圖,則可很明顯看出非制造業(yè)PMI繁榮期占比較高。(3)關(guān)于PMI臨界值的分析。美國在使用PMI判斷總體經(jīng)濟(jì)時(shí),主要關(guān)注42.6和50兩個(gè)臨界值。前者是GDP變動(dòng)的臨界點(diǎn),后者是制造業(yè)擴(kuò)張、收縮變動(dòng)的臨界點(diǎn)。由于中國的經(jīng)濟(jì)增長速度較高,在分析PMI對(duì)總體經(jīng)濟(jì)的預(yù)測功能時(shí),不能直接照搬以上臨界值。在前期的初步研究中,發(fā)現(xiàn)針對(duì)CFLP-PMI,GDP年增長率的臨界值大約為53.79,如果月制造業(yè)PMI在53.79以上持續(xù)一段時(shí)間,年GDP增長率會(huì)上升,反之下降。除臨界點(diǎn)以外,大家往往忽視了PMI趨勢與GDP趨勢的關(guān)系,因?yàn)镻MI本身由擴(kuò)散指數(shù)而來,反映的是擴(kuò)張與收縮,所以,PMI指數(shù)趨勢與實(shí)際GDP潛在增長率趨勢關(guān)系密切,從圖1可以看到,正是這種較緩慢的趨勢。總之,根據(jù)臨界值、趨勢和波動(dòng)方向三個(gè)要點(diǎn),能夠較好地把握宏觀經(jīng)濟(jì)政策的方向。(4)對(duì)CFLP制造業(yè)PMI的時(shí)間序列分析。分析時(shí)間序列,第一步首先應(yīng)檢測時(shí)間序列的平穩(wěn)性,進(jìn)而采取不同的處理方法。如果一個(gè)序列始終在一個(gè)常數(shù)值附近隨機(jī)波動(dòng),而且波動(dòng)顯示出范圍有界的特點(diǎn),則該序列為平穩(wěn)序列。如果觀察序列的時(shí)序圖顯示出該序列有明顯的趨勢性或周期性,那它通常不是平穩(wěn)序列。由CFLP制造業(yè)PMI序列自相關(guān)圖(如圖2所示)可以看出,該序列非平穩(wěn)。對(duì)簡單非平穩(wěn)序列,通過簡單的低價(jià)差分即可以把趨勢信息提取充分,周期步長差分即可以把序列中的季節(jié)因素提取充分。本文首先采用一階差分消除其趨勢性,然后進(jìn)行ARMA的定階,綜合自相關(guān)圖和偏相關(guān)圖(圖2),確定采用ARIMA(2,1,0)模型,結(jié)果顯示,該模型可以較好地?cái)M合該序列,其中,AIC=243,BIC=247。模型順利通過殘差白噪音檢測和參數(shù)顯著性檢驗(yàn)(如表6、表7所示)。經(jīng)序列擬合值與觀察值聯(lián)合作圖(如圖3所示),可以直觀地看出該模型對(duì)原系列的擬合狀況良好,顯示殘差信息提取較為充分。(5)對(duì)CFLP非制造業(yè)PMI的分析。首先本文嘗試采用普通ARIMA模型進(jìn)行擬合和預(yù)測,但在趨勢差分和季節(jié)差分后仍發(fā)現(xiàn)季節(jié)性明顯存在,反復(fù)嘗試結(jié)果均不理想,估計(jì)的AIC和SBC值>300,說明簡單的ARIMA模型不適合擬合這個(gè)序列。進(jìn)一步考慮到該序列中既具有短期相關(guān)性,又具有季節(jié)效應(yīng),而且短期相關(guān)性與季節(jié)效應(yīng)不能簡單地以加法公式提取。因而判斷該序列的季節(jié)效應(yīng)與短期相關(guān)性之間具有復(fù)雜的關(guān)聯(lián)性。本文假定短期相關(guān)性和季節(jié)效應(yīng)之間具有乘積關(guān)系,采用乘積季節(jié)模型進(jìn)行擬合。經(jīng)過測試,建立如下擬合方程:模型順利通過了殘差白噪音檢驗(yàn)和參數(shù)顯著性檢驗(yàn)(如表8、表9所示),AIC=219.39,SBC=222.95。顯示模型假設(shè)較合理,預(yù)測方法可行。(6)對(duì)匯豐制造業(yè)PMI的分析。與前述不同,本文在對(duì)匯豐制造業(yè)PMI指數(shù)進(jìn)行分析的過程中,采用了ARIMA疏系數(shù)模型。所謂疏系數(shù)模型,是指模型中有部分自相關(guān)系數(shù)或部分移動(dòng)平滑系數(shù)為零,即原ARIMA(p,d,q)模型中有部分系數(shù)缺失。擬合模型為:(7)對(duì)CFLP和HSBC序列的協(xié)整檢驗(yàn)。CFLP與HSBC均為非平穩(wěn)序列,為了驗(yàn)證其協(xié)整關(guān)系,采用了EG檢驗(yàn)法,首先建立相應(yīng)序列之間的回歸模型,然后對(duì)回歸殘差序列{εt}進(jìn)行平穩(wěn)性檢驗(yàn)。采用單位根檢驗(yàn)的方法來考察回歸序列的平穩(wěn)性。EG檢驗(yàn)與DF檢驗(yàn)、ADF檢驗(yàn)、PP檢驗(yàn)不同,DF檢驗(yàn)只適用于一階自回歸過程的平穩(wěn)性檢驗(yàn),為使DF檢驗(yàn)?zāi)軌蜻m用于AR(P),進(jìn)行了一定修正,得到增廣DF檢驗(yàn)(ADF)。PP檢驗(yàn)可適用于異方差場合的檢驗(yàn)。EG檢驗(yàn)與DF檢驗(yàn)原理及計(jì)算公式相同,但臨界值與回歸模型中非平穩(wěn)變量個(gè)數(shù)有關(guān)。本文的EG檢驗(yàn)表明,殘差序列平穩(wěn),CFLP與HSBC之間存在協(xié)整關(guān)系。(8)預(yù)測結(jié)果與比較。本文采用上述模型,得到預(yù)測結(jié)果(如表10所示)與最新實(shí)際結(jié)果比較可以發(fā)現(xiàn),2012年10月PMI實(shí)際值為50.2%,非制造業(yè)為55.5%,誤差分別為0.14%和1.46%,HSBC制造業(yè)誤差稍大達(dá)到3.5%。三、神經(jīng)網(wǎng)絡(luò)的應(yīng)用20世紀(jì)40年代,WarrenMcCulloch&WalterPitts從原理上證明了人工神經(jīng)網(wǎng)絡(luò)可以計(jì)算任何算術(shù)和邏輯機(jī)制,神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究與應(yīng)用開始蓬勃發(fā)展起來。感知機(jī)網(wǎng)絡(luò)和學(xué)習(xí)規(guī)則的發(fā)現(xiàn),使得神經(jīng)網(wǎng)絡(luò)能夠解決模式識(shí)別問題,神經(jīng)網(wǎng)絡(luò)成為重要的數(shù)學(xué)/工程工具。20世紀(jì)80年代反向傳播算法的提出,為神經(jīng)網(wǎng)絡(luò)研究注入新活力,理論上反傳算法可以逼近任意連續(xù)非線性函數(shù)。1、bp神經(jīng)網(wǎng)絡(luò)算法BP神經(jīng)網(wǎng)絡(luò)(ErrorBack-propagation,簡稱BP網(wǎng)絡(luò))算法是得到最廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)算法之一。它是基于多層網(wǎng)絡(luò)的一種“逆推”學(xué)習(xí)算法,該算法采用均方誤差作為性能系數(shù),每輸入一個(gè)樣本,均比較網(wǎng)絡(luò)輸出與目標(biāo)輸出,通過調(diào)整網(wǎng)絡(luò)參數(shù)使均方誤差最小。BP神經(jīng)網(wǎng)絡(luò)算法包括順向傳遞信息與反傳誤差兩個(gè)訓(xùn)練學(xué)習(xí)過程。輸入數(shù)據(jù)順向傳遞時(shí),先從輸入層傳入,經(jīng)隱層分別處理后傳至輸出層。如果輸出層的網(wǎng)絡(luò)輸出與目標(biāo)輸出不一致,則開始誤差的反向傳播過程。誤差的反向傳播過程,則要實(shí)現(xiàn)敏感性從最后一層通過網(wǎng)絡(luò)傳播到第一層,即依次通過第m+1層的敏感性(輸出對(duì)第m+1層輸入變化的敏感性)計(jì)算第m層的敏感性,這就是反傳算法名稱的由來。算法采用最速下降法確定學(xué)習(xí)速度,確定修正各單元的權(quán)值和偏置值。這種輸入數(shù)據(jù)順向傳遞與誤差反向傳播的各層權(quán)值調(diào)整工程重復(fù)進(jìn)行,這就是所謂學(xué)習(xí)訓(xùn)練過程。一般在開始時(shí)會(huì)選擇較小的隨機(jī)值作為權(quán)值和偏置值的初始值,通過學(xué)習(xí)訓(xùn)練使得性能系數(shù)達(dá)到可以接受的水平,或者學(xué)習(xí)次數(shù)達(dá)到預(yù)先設(shè)定的限值為止。2、pm預(yù)測模型建立本文通過BP神經(jīng)網(wǎng)絡(luò)模型,來逼近和預(yù)測CFLPPMI綜合指數(shù)序列。采用單隱層網(wǎng)絡(luò)實(shí)現(xiàn),隱層神經(jīng)元的數(shù)量采用誤差對(duì)比的方法獲取,網(wǎng)絡(luò)隱層和輸出層分別采用他Tansig和Purelin傳遞函數(shù)。由于多步預(yù)測誤差較大,預(yù)測方法分別采取單步和滾動(dòng)預(yù)測方法。PMI綜合指數(shù)單步預(yù)測:PMI時(shí)間序列為{PMI},根據(jù)歷史數(shù)據(jù)PMI1,PMI2,…,PMIn建立非線性預(yù)測模型:PMIn+1=f(PMI1,PMI2,…,PMIn)。滾動(dòng)預(yù)測的過程為先進(jìn)行單步預(yù)測,然后將網(wǎng)絡(luò)輸出的預(yù)測值反饋給網(wǎng)絡(luò)輸入端作為輸入的一部分,用于下一步的預(yù)測。通過反復(fù)迭代,得到未來一段時(shí)期的PMI預(yù)測值。神經(jīng)元網(wǎng)絡(luò)訓(xùn)練部分程序說明如下:net=train(net,P,T);訓(xùn)練網(wǎng)絡(luò),等號(hào)左右net分別表示訓(xùn)練前后的神經(jīng)網(wǎng)絡(luò)對(duì)象。該函數(shù)采用學(xué)習(xí)速率自適應(yīng)調(diào)整策略和動(dòng)量法訓(xùn)練網(wǎng)絡(luò)。通過訓(xùn)練過程,反復(fù)調(diào)整權(quán)重和閾值,以減少性能系數(shù)值,直到達(dá)到預(yù)先設(shè)定的誤差精度。由擬合結(jié)果(如圖4所示)可以發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)在PMI擬合方面,通過訓(xùn)練網(wǎng)絡(luò)可以達(dá)到非常高的精度,預(yù)測結(jié)果50.29與實(shí)際值50.2的誤差僅為0.18%,完全滿足預(yù)測要求。四、模型擬合與檢驗(yàn)PMI指數(shù)對(duì)于經(jīng)濟(jì)活動(dòng)的預(yù)測具有重要的理論和應(yīng)用價(jià)值,針對(duì)PMI序列的分析也具有重要的理論和實(shí)踐意義。本文采用多種模型對(duì)各PMI數(shù)據(jù)序列進(jìn)行擬合與預(yù)測,包括簡單ARIMA模型、疏系數(shù)模型、乘積季節(jié)模型和神經(jīng)網(wǎng)絡(luò)模型,通過協(xié)整檢驗(yàn)驗(yàn)證了CFLP和HSBC制造業(yè)采購經(jīng)理人指數(shù)之間的協(xié)整關(guān)系。本文研究的主要結(jié)論和政策建議如下:1、其他指數(shù)趨勢(1)CFLP制造業(yè)PMI和匯豐制造業(yè)PMI存在輕微趨勢性,而CFLP非制造業(yè)PMI明顯存在季節(jié)波動(dòng);非制造業(yè)PMI在每年2月和4月,分別出現(xiàn)低點(diǎn)和高點(diǎn),顯示出較強(qiáng)的季節(jié)性影響;CFLP與HSBC指數(shù)基本走向一致,能夠較好地反映我國宏觀經(jīng)濟(jì)波動(dòng)與趨勢,2008年11月,三個(gè)指數(shù)均創(chuàng)出歷史低點(diǎn)。但是,兩個(gè)指數(shù)序列有較多局部不符之處,應(yīng)高度重視和分析其差異和經(jīng)濟(jì)意義。(2)非制造業(yè)PMI數(shù)據(jù)均值要遠(yuǎn)高于制造業(yè)PMI數(shù)據(jù),部分反映了在2008~2012年間包括房地產(chǎn)業(yè)、航空、建筑在內(nèi)的非制造業(yè)經(jīng)營條件和業(yè)績要遠(yuǎn)遠(yuǎn)好于制造業(yè);非制造業(yè)PMI數(shù)據(jù)的波動(dòng)更大,這種波動(dòng)一方面來自于季節(jié)性,非制造業(yè)企業(yè)例如航空、餐飲、零售均隨季節(jié)發(fā)生較大變化;另一方面,非制造業(yè)企業(yè)的訂單更容易受到經(jīng)濟(jì)波動(dòng)的影響。CFLP-PMI標(biāo)準(zhǔn)差略小于HSBC,這可能部分由于抽樣調(diào)查中樣本企業(yè)規(guī)模差異;三組PMI數(shù)據(jù)均顯示出尖峰分布,但相對(duì)來說HSBC-PMI最為扁平。CFLP-PMI指數(shù)53~54區(qū)間出現(xiàn)頻率在22%以上,根據(jù)GDP增長率的臨界點(diǎn)53.79,發(fā)現(xiàn)宏觀經(jīng)濟(jì)增長率穩(wěn)定的區(qū)間占比超過了22%。此外,進(jìn)一步的分析可以看出,經(jīng)濟(jì)加速增長的區(qū)間也超過了20%;三組指數(shù)均為左偏分布,但CFLP左偏程度較大,顯示三個(gè)指數(shù)序列均有個(gè)別極端低值,即經(jīng)濟(jì)境況極差的機(jī)率都存在,大約2%。相對(duì)來說,經(jīng)濟(jì)境況較好時(shí)候的極端值并不明顯,即反映了一個(gè)普遍規(guī)律,即“經(jīng)濟(jì)不景氣的情況各有不同,但經(jīng)濟(jì)繁榮的時(shí)期大多相似”。很明顯,非制造業(yè)PMI繁榮期占比相對(duì)較高。(3)美國在使用PMI判斷總體經(jīng)濟(jì)時(shí),主要關(guān)注42.6和50兩個(gè)臨界值。前者是GDP變動(dòng)的臨界點(diǎn),后者是制造業(yè)擴(kuò)張、收縮變動(dòng)的臨界點(diǎn)。由于中國的經(jīng)濟(jì)增長速度較高,在分析PMI對(duì)總體經(jīng)濟(jì)的預(yù)測功能時(shí),不能直接照搬以上臨界值。在前期的初步研究中,本文發(fā)現(xiàn),針對(duì)CFLP-PMI,GDP年增長率的臨界值大約為53.79,如果月制造業(yè)PMI在53.79以上持續(xù)一段時(shí)間,年GDP增長率會(huì)上升,反之下降。除臨界點(diǎn)以外,大家往往忽視PMI趨勢與GDP趨勢的關(guān)系,因?yàn)镻MI本身由擴(kuò)散指數(shù)而來,反映的是擴(kuò)張與收縮,PMI指數(shù)趨勢與實(shí)際GDP潛在增長率趨勢關(guān)系密切?？傊?根據(jù)臨界值、趨勢和波動(dòng)方向三個(gè)要點(diǎn),能夠較好地把握宏觀經(jīng)濟(jì)政策的方向。(4)在針對(duì)PMI的預(yù)測中,應(yīng)根據(jù)不同的PMI指數(shù)序列選擇適宜的模型。本文中,經(jīng)檢驗(yàn)三個(gè)指數(shù)均為非平穩(wěn)序列,但各有不同,CFLP-PMI指數(shù)與HSBC-PMI指數(shù)具有趨勢性,而非制造業(yè)指數(shù)則有明顯的季節(jié)性,應(yīng)根據(jù)這種特點(diǎn)分別選擇模型。文中應(yīng)用的乘積季節(jié)模型,考慮季節(jié)效應(yīng)與短期相關(guān)性之間的復(fù)雜乘積關(guān)系,因而能夠較好地反映非制造業(yè)PMI指數(shù)的變化趨勢。另外,針對(duì)具體問題,建立乘積季節(jié)模型需要對(duì)模型深入理解、對(duì)數(shù)據(jù)序列規(guī)律深入觀察,以及具備一定的分析經(jīng)驗(yàn)。通過觀察、反復(fù)嘗試和刪減不顯著參數(shù)得到疏系數(shù)模型,是分析PMI指數(shù)的另一種選擇。(5)在預(yù)測中,無論是普通ARIMA模型、