宏观经济研究报告:军国主义旗帜再现如何中微观观测复工进度

这里是广告

  报告摘要: :

      当前 宏观三大关键问题是疫情拐点、政策节奏、复工进度,它们分别主要影响风险偏好、流动性、经济基本面。

      在疫情防控形势取得积极进展后,复工 进度 成为 一个重要问题。

      在前期报告《疫情对宏观经济及资产定价的影响浅析》中,我们指出:后续需要依次关注三个关键时点,一是疫情拐点;二是政策稳增长出手点;三是经济数据下行脉冲后的企稳点。这三个问题仍是宏观面的三个关键问题。它们分别主要影响风险偏好、流动性、经济基本面。疫情防控形势取得积极进展后,复工进度成为一个重要问题。 。

      关于复工进度的理解,个案经验会有偏差;在本篇报告中我们梳理了利用中微观数据观测、验证复工的五种方法,展示了每个观测指标目前的信号,以及其在方法论上的优缺点。 法,展示了每个观测指标目前的信号,以及其在方法论上的优缺点。

      一季度相对缺少总量数据,个案观察成为常见的判断复工的方式。但经济结构纷繁复杂,根据国民经济行业分类(GB/T 4754-2017),经济行业新行业分类共有 20 个门类、97 个大类行业,任何单一行业的变动趋势很难说代表整体。各区域情况又千差万别,个案观察和草根调查很难保证统计有效性。

      于是,高频中微观数据成为了我们可以依靠的抓手,它一则是客观数据;二则具有总量特征和整体性。

      在本篇报告中我们梳理了利用中微观数据观测、验证复工的五种方法,展示了每个观测指标目前的信号,以及其在方法论上的优缺点。由于历年春节分布不同,在数据处理中我们按农历年做了切换,以春节为坐标观察节后的季节性。

      角度一 : 复工总会增加用电,指标“发电耗煤量”。

      无论是第二还是第三产业,复工都会用增加用电,所以我们可以根据“发电耗煤量”的变化来跟踪复工情况。

      平常我们看到的日频发电耗煤量数据是浙电、上电、粤电、国电、大唐以及华能等六大发电集团日均耗煤炭量之和,是电力耗煤的一个大样本。

      这一指标的主要优点是数据及时,数据稳定性强;缺点之一是并非所有行业都是电力消耗敏感型,总量之外可能会有一些结构性的误判;缺点之二是火电并不等于总用电,部分时段可能受水电供应占比的扰动,少部分时段会有方向性误判可能。

      从截至 2 月 12 日的发电耗煤数据看,复工情况尚不显著。春节假期结束第一周(2 月 1 日至 2 月 8 日)日均耗煤量为 37.7 万吨,之后四天的日均耗煤量为 37.3 万吨。2 月 10-12 日耗煤量日均是上升趋势,但环比幅度较低。

      角度二:复工会带来城市交通状况变化,指标“ 城市拥堵延时指数 ”。

      复工会带来一个城市交通状况的变化,所以我们可以用“城市拥堵延时指数”来观测。拥堵延时指数即城市居民平均一次出行实际旅行时间与自由流状态下旅行时间的比值;延时指数越高表示出行延时占出行时间的比例越大,所反映这个城市也就越拥堵。我们可以以此来观测复工进度。

      这一指标的优点是可以密切观察大部分一二线城市的情况,可以交叉验证;缺点是城市交通会受其他一些因素影响,比如交通管控措施,规避这种缺点的方式是短期观测。比如同样处于新冠疫情下的交通管控之中,我们可以去看今日相对于昨日、这周相对于上周的边际变化。

      从拥堵延时指数看,今年的城市交通活跃度显著低于往年,而主要城市边际变化开始于 2 月 10 日,未来可以进一步观察。

      角度三 :复工的前提是劳动力返程,指标“春运旅客发送量”。 复工的前提是劳动力返程,指标“春运旅客发送量”。

      作为一个在城市化过程中的经济,每年大规模的季节性节前返乡、节后返程是中国经济特有的现象。复工的前提是劳动力返程,所以我们可以用“春运旅客发送量”来衡量复工进度。

      这一指标的优点是它提供了一个要素供给端的观测视角;缺点之一是返程的包括大量大学生,春运旅客发送量数据中会包含学生开学时间的影响。由于今年大部分高校都推迟开学,在当前阶段对数据边际影响较大。缺点之二是它不包含私家车的数据,也会一定幅度带来今年和往年数据的不可比。

      从春运旅客发送量来看,今年的返程进度显著弱于往年,这一则和疫情防控节奏有关,目前交通和人员流动管控仍处于比较严格的过程中;二则和运力有关。2 月 6 日铁路部门表示铁路客座率控制在 50%左右,而交通运输部要求将公路、水路客座率也要控制在 50%。所以相对于往年返程比较集中来说,今年会比较分散一些。交通部预计 2 月 18 号之前还会有 1.6 亿人陆续返程。

      以广发交运团队依据交运日数据整理的返程百分比(除夕后铁路公路水运民航合计运送人数/除夕前十五天铁路公路水运民航合计运送人数),目前大概在 21%左右,去年同期这个数据超过 100%。当然,如前所述,数据没有办法排除学生返程节奏的影响,也没有计入私家车方式的返程,实际的返程比例要更大;这种方法下数据的绝对值只能当作一个参考,更有意义的,是这个比例本身未来的变化速度。

      类似的观察方式还有“百度地图迁徙大数据:百度迁徙规模指数”等。

      角度四:部分行业的开工率情况当作复工样本,指标“高炉开工率”、“焦化企业开工率”等。 角度四:部分行业的开工率情况当作复工样本,指标“高炉开工率”、“焦化企业开工率”等。

      从生产法(即供给端角度)角度看 GDP,主要是第一产业(农业)、第二产业(工业和建筑业)、第三产业(第三产业(交通运输、邮电通讯、餐饮旅游、批发零售、金融保险、房地产、信息咨询、技术服务、教育文化、休闲娱乐等)。其中工业和建筑业大概占每年一季度 GDP 的 40%左右,工业 GDP 占 GDP 的三分之一左右。

      所以,理论上可以选一些工业行业的开工率情况当作整个工业复工进度的样本,比如“高炉开工率”、“焦化企业开工率”、“汽车半钢胎开工率”、“水泥磨机开工率”等。

      这种方式的优点是比较直接,而且开工率不仅反映自身的复工情况,在某种意义上还包含对上下游的需求的映射。而缺点之一是数据多是周数据;之二是一些行业具有不停工的特征,一些重工业和大型工厂复工也相对中小企业更容易,样本很容易偏离无偏性。此外行业反映广度不够。

      截至 7 日当周的高炉开工率是进度略弱于往年,待观察的是后续一周的情况。

      角度五:工业和建筑业复工带动上游价格,指标“螺纹钢价格”等。 角度五:工业和建筑业复工带动上游价格,指标“螺纹钢价格”等。

      工业和建筑业开工会带动上游价格,往年上游价格比如螺纹钢、水泥也会随复工进度及复工预期进度而变化。

      因此我们可以用类似于“螺纹钢价格”等指标对复工进度做出跟踪。

      这一方法的主要优点是价格的高敏感性,如果市场有效,价格应该会有比其他信息更高的准确性;缺点之一是价格会同时受其他一些因素扰动。而且每年的供给及需求条件不同,前后的绝对价格水位并不直接可比;一些政策预期也会带来影响;缺点之二是反映广度不够,有部分行业复工并不会带动上游价格。

      从螺纹钢价格来看,2 月 11 日开始价格有明显回升的迹象。值得注意的是,这与春节分布相似的 2017 年(2017年元宵节 2 月 11 日,2020 年元宵节 2 月 8 日)的价格变动趋势大致类似。但目前数据链尚短,暂时没有办法判断斜率,后面可以继续观察其趋势和环比力度(环比百分比)上的差异,以对复工强度有个大致的推断。

      核心假设风险:宏观经济变化超预期,疫情变化超预期。

这里是广告,联系QQ