1、解析“春節(jié)效應(yīng)”對(duì) 1-2 月宏觀數(shù)據(jù)的擾動(dòng)1-2 1-2 月數(shù)據(jù)對(duì)全年都意義重大春節(jié)移位往往對(duì) 1-2 月的宏觀經(jīng)濟(jì)數(shù)據(jù)帶來(lái)大幅擾動(dòng)。不同年份里，春節(jié)假期會(huì)落在 1、2 月的不同時(shí)間段，進(jìn)而干擾每年前兩個(gè)月各項(xiàng)經(jīng)濟(jì)指標(biāo)的同比和環(huán)比增長(zhǎng)。此外，當(dāng)（1 月上半月）或特別晚（2 月下半月）時(shí)，12 3 月的同比數(shù)據(jù)也（2007-2008 年等2013 、2 月經(jīng)濟(jì)活動(dòng)數(shù)據(jù)的單月值，而僅3 1-2 月合并的工業(yè)生產(chǎn)、零售、固定資產(chǎn)投資數(shù)據(jù)，自此形成了每年年走勢(shì)的難度。歷史上，每年年初往往是市場(chǎng)對(duì)宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)分歧最大的時(shí)點(diǎn)，即使CPI 等波動(dòng)相對(duì)較小、有對(duì)應(yīng)高頻監(jiān)測(cè)數(shù)據(jù)的指標(biāo)而言也是如此。這一現(xiàn)象

2、從側(cè)面體現(xiàn)了“春節(jié)效應(yīng)”對(duì)市場(chǎng)的擾動(dòng)（圖表 1 和 1:分月來(lái)看，2007-2018M2增速預(yù)測(cè)的差異程度中值2分月來(lái)看，2007-2018 CPI 通脹預(yù)測(cè)的差異程度中值2.82.62.42.22.01.81.61.41.21.0M2增速：市場(chǎng)預(yù)期的離散度，2007-2018年中位數(shù)%年同比一月 二月 三月 四月 五月 六月 七月 八月 九月 十月 十一月十二月1.31.21.11.00.90.80.70.60.5CPI：市場(chǎng)預(yù)期的離散度，2007-2018年中位數(shù)%年同比一月 二月 三月 四月 五月 六月 七月 八月 九月 十月 十一月十二月注：市場(chǎng)預(yù)期的離散度定義為每月市場(chǎng)預(yù)期的最高值減

3、去市場(chǎng)預(yù)期的最低值。圖中每個(gè)月份對(duì)應(yīng)的數(shù)據(jù)點(diǎn)，代表2007-2018年該月份市場(chǎng)預(yù)期離散度的中位數(shù)注：市場(chǎng)預(yù)期的離散度定義為每月市場(chǎng)預(yù)期的最高值減去市場(chǎng)預(yù)期的最低值。圖中每個(gè)月份對(duì)應(yīng)的數(shù)據(jù)點(diǎn)，代表2007-2018年該月份市場(chǎng)預(yù)期離散度的中位數(shù)資料源彭資，資料源彭資，然而，實(shí)證表明，年初的經(jīng)濟(jì)增長(zhǎng)走勢(shì)對(duì) 1 季度乃至全年的趨勢(shì)具有重要的領(lǐng)先意義。某些經(jīng)濟(jì)活動(dòng)年初占全年之比較高，比如新增貸款和社融、電影票房、消費(fèi)和旅游支出等。對(duì)于許多數(shù)據(jù)、尤其是消費(fèi)相關(guān)指標(biāo)而言，前兩個(gè)月的增長(zhǎng)走勢(shì)對(duì) 1 季度乃至全年的趨勢(shì)具有重要的領(lǐng)先意義（圖表 3 例舉了零售增速）這凸顯出對(duì)春節(jié)效應(yīng)進(jìn)行調(diào)整的必要性。圖表 3

4、: 春節(jié)黃金周的零售增速對(duì)一季度甚至全年的增速都具有領(lǐng)先指示意義零售額增速春節(jié)黃金周 Q1全年%年同比%年同比19.016.0 15.516.016.217.214.715.013.313.811.0 11.2 11.410.28.52119171513119752005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019資料來(lái)源：萬(wàn)得資訊，我們對(duì)調(diào)節(jié)春節(jié)效應(yīng)的“方法論”一些簡(jiǎn)單有效的調(diào)整方法可以很好地幫助投資者和政策制定者在 1 月數(shù)據(jù)發(fā)布后，就盡1-2 月高頻數(shù)據(jù)以求“圖景”的行業(yè)數(shù)據(jù)1 3 月中旬經(jīng)濟(jì)

5、數(shù)據(jù)“真空期”內(nèi)的信息缺口。對(duì)于（日度或周度）高頻指標(biāo)，我們可以將春節(jié)設(shè)定為參照日（即 T=，將不同年份的數(shù)據(jù)重新平移至同一參照系下，然后計(jì)算同比變化。該方法可以用于調(diào)整消費(fèi)、工業(yè)生產(chǎn)、固定資產(chǎn)投資、以及消費(fèi)價(jià)格等指標(biāo)。該調(diào)整方法相當(dāng)于將公歷周期數(shù)據(jù)的“時(shí)間軸”平移，從而以農(nóng)歷日歷為基準(zhǔn)。這種調(diào)整方式剔除了春節(jié)假期前后的擾動(dòng)、使數(shù)45比較了經(jīng)過(guò)調(diào)整和未經(jīng)調(diào)整的電廠耗煤量增速9 年2 更為合理的判斷是春節(jié)后的電廠耗煤量增速相比節(jié)前更強(qiáng)（圖表4 和今年春節(jié)后食品價(jià)格走勢(shì)明顯強(qiáng)于往年節(jié)CPI 可能明顯上升。此外，采用上述“數(shù)據(jù)平移”的調(diào)整方法，我們可以觀察到，春節(jié)長(zhǎng)假會(huì)抑制節(jié)前約 1周至節(jié)后 2 周

6、的工業(yè)生產(chǎn)和投資活動(dòng)，而提振同一時(shí)間段內(nèi)的居民消費(fèi)。圖表 4: 不進(jìn)行數(shù)據(jù)調(diào)整的情況下，2019 年 2 月的電廠耗煤量貌似大幅走低圖表 5: 但經(jīng)過(guò)平移調(diào)整，更為合理的判斷是春節(jié)后的電廠耗煤量增速相比節(jié)前更強(qiáng)6大發(fā)電集團(tuán)耗煤量6大發(fā)電集團(tuán)耗煤量10090807060504030201020182019908070605040302010020182019萬(wàn)噸2019年萬(wàn)噸2019年1月：年同比-7.0%2019年2月：年同比-14.9%萬(wàn)噸2019年春節(jié)前（30天）：年同比-11.5%2019年春節(jié)后（30天）：年同比+0.7%1/01 1/06 1/11 1/16 1/21 1/26 1/

7、31 2/05 2/10 2/15 2/20 2/25資料源萬(wàn)資，資料源萬(wàn)資，2 2月的生產(chǎn)/1-2 月單月序列進(jìn)行同比增長(zhǎng)的計(jì)算。該方法可以用于調(diào)整進(jìn)出口、CPI、貨幣信貸、以及部分行業(yè)層面的數(shù)據(jù)。春節(jié)效應(yīng)可以視為中國(guó)特有的數(shù)據(jù)季節(jié)性，因此現(xiàn)有的季調(diào)方法無(wú)法剔除春節(jié)效應(yīng)1。正因?yàn)榇?，使用?biāo)準(zhǔn)統(tǒng)計(jì)手段（Census X-12 方法）1、2 、2 （CensusX-12 方法計(jì)算歷、2 。121 31 日越遠(yuǎn)，1、2 月受春節(jié)影響天數(shù)之差就越大。計(jì)量分析結(jié)果將給出 每個(gè)春節(jié)日期對(duì)應(yīng)的估算趨勢(shì)偏離度，我們稱之為該春節(jié)日期的“春節(jié)調(diào)整因子”“春節(jié)調(diào)整因子”可以為正值、也可以為負(fù)。1、2 、2 月的數(shù)

8、據(jù)點(diǎn)除（春節(jié)調(diào)整因子變化。CPI 通脹為例，探討如何從數(shù)據(jù)中剔除春節(jié)擾動(dòng)2。首先需要強(qiáng)調(diào)的是，我們（I 同比增速CPI CPI6 2001-2019 年每年2 月經(jīng)2 季調(diào)后的I （即與趨勢(shì)之間的偏離度，該圖的橫軸為各個(gè)年份的春節(jié)（公歷）2 2 CPI 定基指數(shù)的抬升最為明顯。該現(xiàn)象符合邏輯，因?yàn)榇汗?jié)1 2 2 7 日時(shí)，2月份對(duì)應(yīng)了I受春節(jié)影響最大的一段時(shí)間（圖表。接下來(lái)，我們通過(guò)計(jì)量分析估算每個(gè)春節(jié)日期對(duì)應(yīng)的趨勢(shì)偏離度（圖表。估算結(jié)果表明，比如 2 7 2 CPI 0.3%（CPI 同比增長(zhǎng)的影響還取決于其對(duì)前一年P(guān)I 定基指數(shù)的影響得經(jīng)春節(jié)效應(yīng)調(diào)整后的I 通脹時(shí)間序列（圖表。經(jīng)春節(jié)效應(yīng)調(diào)

9、整后的數(shù)據(jù)明顯更好CPI CPI 2012 1 月1 這是由于：1）春節(jié)假期的公歷日期并不固定；2）很難量化受到春節(jié)假期影響的確切工作日天數(shù)；3）經(jīng)濟(jì)中不同部門或行業(yè)受到春節(jié)效應(yīng)影響的方式和程度不同。2 CPI 通脹特別適合作為一個(gè)例子雖然該指標(biāo)本身為按月發(fā)布，但食品 CPI（整體 CPI 的一個(gè)主要組成部分，也是造成 1 月和 2 月 CPI 波動(dòng)的主要因素）有對(duì)應(yīng)的高頻監(jiān)測(cè)數(shù)據(jù)來(lái)幫助說(shuō)明和驗(yàn)證我們的春節(jié)調(diào)整方法。Census X-12）無(wú)法規(guī)避這類錯(cuò)誤信號(hào)。6: 2 7 2 CPI定基指數(shù)的推升作用最大7: 2 7 月份涵蓋了食品價(jià)格最高的時(shí)期0.80.62月CPI定基指數(shù)（X-12季調(diào)后

10、）與趨勢(shì)的偏離度，2001-2019年%105農(nóng)業(yè)部農(nóng)產(chǎn)品批發(fā)價(jià)格除夕前一天= 100春節(jié)為2月7日時(shí)，2 除夕前一天= 100春節(jié)為2月7日時(shí)，2 月CPI數(shù)據(jù)覆蓋這些天的農(nóng)產(chǎn)品價(jià)格0.40.21000.095-0.290-0.4-0.685-0.8正月初一369春節(jié)日期資料源萬(wàn)資，資料源萬(wàn)資，8: 2 7 2 CPI 0.3%左右圖表 9: 經(jīng)春節(jié)效應(yīng)調(diào)整后的數(shù)據(jù)明顯更好地反映出了 CPI通脹的實(shí)際走勢(shì)0.80.60.40.20.0-0.2估算的“春節(jié)效應(yīng)”影響下2月CPI定基指數(shù)與趨勢(shì)的偏離度%10%8642未調(diào)整的CPI調(diào)整“春節(jié)效應(yīng)”后的CPI%年同比2012年%年同比2012年1-

11、2月-0.6-2-0.81/201/251/302/042/092/142/192/24-4春節(jié)日期資料源萬(wàn)資，資料源萬(wàn)資，分別分析春節(jié)效應(yīng)對(duì)其影響：正月初一前后居民消費(fèi)支出往往上升；春節(jié)長(zhǎng)假會(huì)抑制工業(yè)生產(chǎn)和建筑活動(dòng)； 通脹PPI 擾動(dòng)不顯著；節(jié)前會(huì)出現(xiàn)“搶出口”現(xiàn)象，而節(jié)后出口商復(fù)工滯后于其他部門；1 31 1 M21 M1。最后，剔除春節(jié)效應(yīng)后，我們還將根據(jù)已有的 1、2 月數(shù)據(jù)，對(duì) 2019 年初的經(jīng)濟(jì)走勢(shì)進(jìn)行判斷。剔除“春節(jié)效應(yīng)”對(duì)重要宏觀經(jīng)濟(jì)指標(biāo)的擾動(dòng)從某種意義而言， 通常加速，客運(yùn)量在春節(jié)前后達(dá)到峰值（即所謂的“春運(yùn)黃金周期間跳升。因此，春節(jié)假期消費(fèi)增速有助于判斷全年零售增長(zhǎng)的走勢(shì)

12、。2019 年春節(jié)期間消費(fèi)增速低于此前幾年，但整體消費(fèi)相比于 2018 年 4 季度已經(jīng)出9 年春節(jié)黃金周期間票房收入僅增長(zhǎng)8 年（圖表7.68 年以來(lái)最低增速（圖表；節(jié)后前0 天鐵路客運(yùn)增速?gòu)? 年的11.4放緩至（圖表 3；汽車銷售增速仍然呈雙位數(shù)負(fù)增長(zhǎng)（圖表（例如汽車銷售）開始企穩(wěn)。圖表10: 春節(jié)前后每日電影票房收入圖表11: 春節(jié)黃金周期間旅游出行人數(shù)同比增速億元2016161412108642-9-6-3正月初一3691215182124273033363942454851545760當(dāng)日全國(guó)電影票房 201720182019302520151050-5%年同比%年同比7.6%資料

13、源萬(wàn)資，資料源萬(wàn)資，圖表12: 春節(jié)前后乘用車日均零售銷量圖表13:2019 年，鐵路春運(yùn)客運(yùn)量增速放緩乘用車日均零售銷量鐵路客運(yùn)量2015-2017年區(qū)間20182019萬(wàn)輛12萬(wàn)輛百萬(wàn)人142019 201720161012810684624-9-6-3正月初一36912資料源萬(wàn)資，資料源萬(wàn)資，工業(yè)生產(chǎn)與投資、建筑能活動(dòng)在春節(jié)前通常會(huì)放緩，節(jié)后 1-2 周會(huì)逐步回升。近年來(lái)市場(chǎng)開始密切關(guān)注節(jié)后工業(yè)生產(chǎn)與投資的增速，節(jié)后復(fù)工的節(jié)奏通常會(huì)為 1 甚至上半年奠定基調(diào)。春節(jié)期間電廠耗煤量會(huì)明顯下降，通常會(huì)在節(jié)后三周恢復(fù)至正常水平。螺紋鋼庫(kù)存在春節(jié)前開始攀升，補(bǔ)庫(kù)態(tài)勢(shì)一直持續(xù)到節(jié)后一個(gè)月左右，主要由

14、于預(yù)期節(jié)后復(fù)工帶來(lái)的建筑需求。電廠耗煤量與螺紋鋼庫(kù)存這兩個(gè)指標(biāo)，可以部分反映出節(jié)后工業(yè)生產(chǎn)的供需狀況。行業(yè)層面數(shù)據(jù)有助于判斷節(jié)后投資增長(zhǎng)的趨勢(shì)。1-2 月份固定資產(chǎn)投資數(shù)據(jù)直3 1 月份的行業(yè)數(shù)據(jù)會(huì)在此之前公布，例如挖掘機(jī)銷量和公路投資等數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過(guò)適當(dāng)?shù)拇汗?jié)效應(yīng)調(diào)整后，能夠在一定程度上揭示投資增長(zhǎng)的趨勢(shì)。2019 雖然今年節(jié)前電廠耗煤量低于去年，但節(jié)后出現(xiàn)顯著回升（圖表。與此同時(shí)，螺紋鋼庫(kù)存仍然低于8 年（圖表，表明工業(yè)需求增速仍然具有一定韌性，尤其是考慮到工業(yè)品價(jià)格近期出現(xiàn)回升?；ㄍ顿Y方面1-2 2018 ：雖然30 （更能反映一二線城市趨勢(shì)然低迷（圖表 6 和 圖表14: 春節(jié)前

15、后電廠日耗煤量圖表15: 春節(jié)前后全社會(huì)鋼鐵庫(kù)存90萬(wàn)噸六大發(fā)電集團(tuán)耗煤量2011-2017年區(qū)間201920181200萬(wàn)噸全社會(huì)鋼鐵庫(kù)存2010-2017年區(qū)間201820198010007080060600504004030200-9-6-3正月初一3691215182124273033363942454851545760-9-6-3正月初一3691215182124273033363942454851545760資料源萬(wàn)資，資料源：MySteel，圖表16:一二線城市房地產(chǎn)成交量小幅回暖圖表17: 土地成交量仍然低迷1201008060402030個(gè)大中城市商品房成交面積（5天移動(dòng)平均

16、）2010-2017年區(qū)間201820194.03.53.02.52.01.51.00.5100個(gè)大中城市成交土地占地面積（3周移動(dòng)平均）萬(wàn)平方米千萬(wàn)平方 201220142016萬(wàn)平方米千萬(wàn)平方 20122014201620182013201520172019-9-6-3正月初一3691215182124273033363942454851545760-9-6-3正月初一3691215182124273033363942454851545760資料源萬(wàn)資，資料源萬(wàn)資，春節(jié)前通常會(huì)出現(xiàn)“搶出口”現(xiàn)象，而節(jié)后出口的回升通常比其他經(jīng)濟(jì)活動(dòng)更晚， 所以春節(jié)后出口增速恢復(fù)較慢這可能是由于出口部門農(nóng)民工

17、占比較高。我們采18 表明，1 31 1 月份出口量+8%左右（2 月的出口相是負(fù)影響2 15 1 月出口量的提振幅度會(huì)降0%1-2 向于在節(jié)前加緊完成出口訂單。另一方面，我們沒有觀測(cè)到明顯的“搶進(jìn)口”現(xiàn)象。由此，春節(jié)越晚，2 月份貿(mào)易順差相比于1 月份就會(huì)越大（圖表2019 1-2 月份出口增長(zhǎng)仍然疲弱，這一點(diǎn)在 1 月份出口數(shù)據(jù)公布后采用我們的春節(jié)效應(yīng)調(diào)整方法就可以預(yù)見到1 月份出口同比實(shí)現(xiàn)所謂“大幅超預(yù)期”的2 2 2 月出口同比雙位數(shù)下降。今年前兩個(gè)月出口累計(jì)同比下降4.68 年4 季度3.9的增速相比進(jìn)一步放緩。4 4.4%1-2 月份貿(mào)易順差與去年相比顯著收窄。圖表18: 出口商傾

18、向于在春節(jié)前的1-2周“搶出口”圖表19: 春節(jié)越晚，2月貿(mào)易順差相比于1月就會(huì)越大估算的“春節(jié)效應(yīng)”影響下1月出口額與趨勢(shì)的偏離度%202月貿(mào)易順差（2004-2018年）1 月 2 月1 月 2 月億美元年份按春節(jié)從早到晚排列0200-5-1001/211/261/312/052/102/152/20春節(jié)日期-200-400資料源萬(wàn)資，資料源萬(wàn)資， 食品與交運(yùn)類價(jià)格在春節(jié)前后呈現(xiàn)出明顯季節(jié)性特征。春節(jié)假期對(duì)食品價(jià)格存在很大的季節(jié)性影響，節(jié)前食品價(jià)格迅速上漲、節(jié)后出現(xiàn)回落。交通運(yùn)輸類價(jià)格也呈現(xiàn)類似特征。而另一方面，PPI 在春節(jié)假期前后并未出現(xiàn)明顯的季節(jié)性特征。在去

19、除春節(jié)干擾后，2019 2 CPI 1 月，雖然官方數(shù)據(jù)顯示2 月 I 同比 %、低于 1 月的 %（圖表 。即使不用春節(jié)調(diào)整因子，簡(jiǎn)單的數(shù)據(jù)“平移”調(diào)整也顯示，2019 2018 年，但節(jié)后食品價(jià)格仍然處于高位、偏離了以往節(jié)后食品價(jià)格明顯下行的季節(jié)性。3 與此同時(shí)，如果春節(jié)落在 1 月，春節(jié)越早，則工作日減少導(dǎo)致 1 月出口量下降。圖表 20: 2019 年春節(jié)后食品價(jià)格仍然處于高位農(nóng)業(yè)部農(nóng)產(chǎn)品批發(fā)價(jià)格2010-2017年區(qū)間20182019除夕前一天= 100除夕前一天= 100100959085正月初一36951資料來(lái)源：萬(wàn)得資訊，1 31 1 （鑒于M2 是存量數(shù)據(jù)M1 反而會(huì)被暫時(shí)壓

20、低。春節(jié)前往往現(xiàn)金需求激增，一般而言，許多應(yīng)付工資、獎(jiǎng)金、債務(wù)、賬款等會(huì)在春131 1 31 1 M2 已經(jīng)明顯減弱，主要由于現(xiàn)金占總貨幣供給的占比不斷地結(jié)構(gòu)性下降（圖表 與此同時(shí)，企業(yè)春節(jié)前工資/M2 M1 M1 僅包括企業(yè)與政府部門的存款，不包括居民部門的存款。但另一方面，春節(jié)對(duì)貸款發(fā)放的影響甚微，這是因?yàn)橘J款投放和工作時(shí)長(zhǎng)關(guān)系不大無(wú)論春節(jié)在哪一天，1 月仍是絕對(duì)的貸款投放大月。圖表 21: 大年初一如果靠近 1 月底，則可能壓低一月的 M1%年同比M1同比增速52.0%02014年春節(jié)：1月31日M1增速：1.2%M1增速：6.9%2011年春節(jié)：2月3日1月M1增速：13.6%2月M1

21、增速: 14.5%2017年春節(jié)：1月28日增速：14.5%增速：21.4%2007/012007/072007/012007/072008/012008/072009/012009/072010/012010/072011/012011/072012/012012/072013/012013/072014/012014/072015/012015/072016/012016/072017/012017/072018/012018/072019/01資料來(lái)源：萬(wàn)得資訊， 年一個(gè)值得關(guān)注的新現(xiàn)象是地方債發(fā)行額度的前臵2 （圖表2（圖表3表明信貸周期溫和回升。22:12超過(guò)此前幾年圖表 23: 今年年初以來(lái)信用債發(fā)行步伐也持續(xù)較快十億元專項(xiàng)債 一般債2017/1: 0專項(xiàng)債 一般債2017/1: 0億元2017/2: 146億元2018/1: 0億元2018/2: 286億元2018/1: 4180億元2018/2: 3379億元900800700600500地方政府債凈發(fā)行400300200100信用債凈發(fā)行額（7天移動(dòng)平均）2010-2