广西明利股票网

当前位置:首页 >> 基金要闻

基金要闻

基金000532宏观经济专题|生产部门通缩与全局性通缩影响因素的差异性研究——机器学习方法的新视角

2021-10-13 01:56:19基金要闻
基金000532原文信息作者:陈小亮中国社会科学院经济研究所刘玲君中国人民大学经济学院肖争艳中国人民大学统计学院、中国人民大学应用统计科学研究中心刊登信息:《中

基金000532宏观经济专题|生产部门通缩与全局性通缩影响因素的差异性研究——机器学习方法的新视角图

原文信息

作者:

陈小亮

中国社会科学院经济研究所

刘玲君

中国人民大学经济学院

肖争艳

中国人民大学统计学院、中国人民大学应用统计科学研究中心

刊登信息:《中国工业经济》2021年第7期

以下为论文节选:

1

摘要

最近30年间中国已经发生过五轮通货紧缩,考虑到通缩对经济的冲击往往较大,因此有必要识别其背后的影响因素。

已有文献主要使用结构向量自回归等传统线性方法开展研究,未能全面考察各个因素对通缩的非线性影响,而且研究的变量个数较少。

为了弥补已有研究的不足,本文使用多种非线性机器学习方法识别通缩的影响因素,尤其是对2012年之前发生的三轮以消费价格指数和生产价格指数双双下跌为表征的全局性通缩和2012年之后发生的两轮以生产价格指数下跌但是消费价格指数上涨为表征的生产部门通缩的影响因素进行了对比分析。

结果表明,生产部门通缩和全局性通缩的影响因素存在显著差异:债务因素对全局性通缩的影响较小,但是2012年以来各部门债务负担不断加重,债务因素已经成为生产部门通缩最主要的影响因素;供给侧因素对全局性通缩的影响同样较小,但是对生产部门通缩的影响明显提高;需求侧因素和货币政策因素对全局性通缩的影响较大,但是对生产部门通缩的影响大幅下降。

鉴于此,本文认为,中央正在推进的结构性去杠杆和供给侧结构性改革对于2012年以来频繁发生的生产部门通缩具有很好的针对性,未来应该加强两类措施以防范债务因素和供给侧因素再度触发通缩风险。

2

引言

虽然从全世界范围看,通缩相比通货膨胀更为罕见,但是通缩在中国并不罕见。

已有研究在界定发达经济体的通缩现象时,主要采用消费价格指数代表一般物价水平,并且以CPI 是否持续下滑较长一段时期为核心特征来判断是否发生了通缩。

对发达经济体而言,这一做法是合理的,因为消费对发达经济体经济增长的贡献率较高。

但是,如果只用CPI界定中国经济是否发生了通缩很可能会产生误判,主要有两点原因:一是消费对中国经济增长的贡献率明显低于发达经济体,投资对中国经济增长的贡献率则明显高于发达经济体,因此仅用CPI并不能全面反映中国一般物价水平的走势,还需要结合生产价格指数走势来判断是否发生了通缩。

二是2012年以来中国的CPI和PPI走势多次出现方向性背离,由此进一步表明,只用CPI判断是否发生通缩是不够全面的。

鉴于此,本文参照已有研究以及中国经济所处的发展阶段,专门定义了两类通缩:一类是以CPI和PPI双双下跌为表征的通缩,本文称之为全局性通缩;另一类是以PPI持续下跌但是CPI上涨为表征的通缩,本文称之为生产部门通缩。

根据上述定义可知,20世纪90年代以来短短30年的时间里中国已经发生过五轮通缩。

其中包括三轮全局性通缩和两轮生产部门通缩,而且全局性通缩主要发生在2012年之前,而生产部门通缩主要发生在2012年之后。

历史和国际经验表明,通缩对经济运行的冲击往往非常严重,因为通缩过程中很容易发生债务—通缩恶性循环,1929—1933年间美国的大萧条、20世纪90年代以来的日本经济大衰退和美国2008年爆发的金融危机都是债务—通缩的典型案例,其危害之大无需赘言。

对当前的中国而言,在多次发生通缩的同时,企业部门、政府部门、居民部门的债务负担都不断升高,企业部门债务负担更是处于国际高水平。

通缩尤其是生产部门通缩叠加企业部门高债务负担,很容易使企业部门跌入债务—通缩循环。

此外,2012年以来发生的以PPI下跌但是CPI上涨为表征的生产部门通缩导致中国的货币政策面临困境:要想防范生产部门通缩,需要加大货币政策力度;但是,加大货币政策力度会进一步加剧CPI上涨带来的通胀压力,从而导致货币政策不敢轻易发力。

由此可见,识别通缩尤其是生产部门通缩的影响因素具有较为重要的理论和政策意义。

事实上,近年来中央专门出台的结构性去杠杆和供给侧结构性改革两大类重要举措,其重要目的之一就是应对生产部门通缩。

其中,结构性去杠杆希望精准地降低国有企业等部门的高债务负担,帮助生产部门摆脱还本付息的沉重负担,从而应对以PPI持续下跌为特征的生产部门通缩,并且避免出现债务—通缩恶性循环的不利局面。

供给侧结构性改革包括“三去一降一补”,其中的“去产能”和“去库存”旨在应对产能过剩所导致的工业品价格下降,即以PPI持续下跌为特征的生产部门通缩。

问题的关键是,高债务因素和以产能过剩为核心的供给侧因素究竟是不是2012年以来生产部门通缩的重要影响因素呢?若是,那就应进一步加大相关政策的力度和实施范围;若否,那将面临药不对症的局面,很可能延误对生产部门通缩的治理。

从这一层面讲,非常有必要对通缩背后的影响因素进行深入研究,尤其要研究不同因素的影响究竟孰大孰小,从而针对主要影响因素出台有效对策。

不仅如此,2012年之前的全局性通缩和2012年之后的生产部门通缩具有截然不同的表现,其背后的影响因素也很可能存在显著差异,因此有必要对全局性通缩和生产部门通缩的影响因素进行对比分析,这样才能深刻剖析当前生产部门通缩的影响因素和应对之策。

虽然已经有部分文献研究了通缩的影响因素,但是相关研究以定性分析为主,定量分析相对欠缺。

而且,已有文献主要使用向量自回归和结构向量自回归等线性方法开展研究,考察的变量个数有限,且难以深入挖掘各个因素对通缩的非线性影响。

不仅如此,鲜有文献探寻2012年之前全局性通缩和2012年之后生产部门通缩影响因素的差异。

为了弥补已有研究的不足,本文使用多种非线性机器学习方法,分别构建了包含17个变量的基准指标体系和包含33个变量的扩展指标体系,对1998—2020年间中国所发生的多轮通缩的影响因素进行了实证检验。

结果表明,生产部门通缩和全局性通缩的影响因素存在显著差异:①债务因素对2012年之前全局性通缩的影响较小,但是2012年以来企业、政府、居民部门的债务负担都不断加重,使债务因素成为生产部门通缩最主要的影响因素。

②供给侧因素对2012年之前全局性通缩的影响同样相对较小,但是对2012年以来生产部门通缩的影响明显提高。

③需求侧因素和货币政策因素对2012年之前全局性通缩的影响较大,但是对2012年以来生产部门通缩的影响大幅下降。

此外,资产价格因素和国际输入因素对两类通缩的影响均处于相对次要地位,但是房价和国际大宗商品价格对2012年之后生产部门通缩的影响已不容忽视。

本文主要有两方面学术贡献:一是使用机器学习方法,丰富拓展了通缩影响因素的定量研究。

关于通缩的定量研究相对匮乏,而且大都使用VAR和SVAR等传统线性方法,本文使用多种非线性机器学习方法重新识别了通缩的影响因素,这样既可以考察更多因素对通缩的影响,又可以更加全面地挖掘相关因素对通缩的非线性影响,从而能够更加准确地识别通缩的影响因素。

二是将2012年前后通缩的影响因素进行了对比分析,从而剖析了全局性通缩和生产部门通缩背后驱动因素的差异,这有助于更加准确地提供决策参考。

基于本文的实证结果,中央正在推进的结构性去杠杆和供给侧结构性改革两大举措对2012年以来频繁发生的生产部门通缩具有很好的针对性。

其中,结构性去杠杆可以更加精准地降低高债务部门的债务负担,从而削弱债务因素对生产部门通缩的影响,并且防范债务—通缩风险。

供给侧结构性改革可以消除产能过剩的体制成因,改善供给结构,从而削弱供给侧因素对生产部门通缩的影响。

附表:经济数据一览

整理:IMI助理研究员吴桐雪。

表中为空部分为暂未公布之数据

今日基金资讯基金000532宏观经济专题|生产部门通缩与全局性通缩影响因素的差异性研究——机器学习方法的新视角:基金网提供专业、及时、全面的基金行业动态、基金数据、基金净值、基金000532、基金评级和交易。