工业增加值实际上就是GDP的工业部分，所以它是我们跟踪经济运行可盯住的最重要指标之一。市场中已有三类方法预测工业增加值同比增速。方法一是通过主要工业产品产量乘以相应行业权重进行加权合成；方法二是利用工业生产领域的单一或多项高频指标做线性回归，比如用耗煤量、货运量等；方法三是直接利用指标自身的波动规律进行外推，例如常见的ARIMA模型等。
　　方法一可以总结为“行业产量数据”合成法，是从工业增加值最本质的计算方式出发，通过各子行业产量数据，加权合成整体工业增加值。这一方法准确性较高，逻辑清晰，能够观察各行业工增结构变化。
　　方法二可以总结为简单“高频指标”回归法，是直接利用工业生产领域的单一或多项高频指标做线性回归，比如用耗煤量、货运量等。这些高频指标的简单合成与工增在趋势上具有一致性。
　　方法三可以总结为“自身趋势外推法”，是直接利用指标自身的波动规律进行外推，例如常见的ARIMA模型等。这类预测出发点是基于工业增加值较强的季节性和周期性，不需要任何高频信息。本质上，这是一种纯粹自回归预测思路，蕴含着“历史会回归、会重复”的假设。在国内经济运行平稳或者仅有小波动的时期，这类方法同样有一定预测能力。
　　上述方法均有其价值，但缺点也很明显，比如或只能用于解释过去；或只能预测中期（1个季度以上）的趋势，而无法较准确实时跟踪工业增加值的单月波动；抑或预测结果本身波动性较大，颗粒度较粗。特别是疫情后，工业增加值波动变大，“自身趋势外推法”的假设前提（历史会重复）一定程度被打破，预测效果明显打折扣。如何应对“见微”不一定能“知著”的问题？在这里我们希望介绍一套新的方法。我们的解决方案可以简单总结为“用同步扩散指数辨方向、用ARDL模型做预测、用混频（MIDAS）回归打辅助。”
　　“行业产量数据”合成法缺点在于只能解释过去，观察结构，不能预测未来，因为各行业产量数据公布的时点晚于工业增加值公布。简单“高频指标”回归法也会出现误判，因为即便相关性很强的高频指标，也经常会在单月变动中与工增方向相反。中长期趋势尚可捕捉，但近月预测效果一般。“自身趋势外推法”蕴含着“历史会重复”的假设前提。当重大冲击来临时，比如疫情，预测效果会打折扣。一是在冲击来临之前，无法反映高频信息中的“新息”，低估波动，拐点判断滞后，二是在冲击发生之后，过度反映历史刚发生的“异像”，高估波动，预测颗粒度较粗。
　　我们的方案是“用同步扩散指数辨方向、用ARDL模型做预测、用混频（MIDAS）回归打辅助”。首先，我们只聚焦在重点行业工业生产强关联的多项高频指标，既不穷尽四十多个细分行业，也不依赖某一指标。我们提取多项高频指标变动信息，用工业增加值构成中的行业增加值占比进行配权，合成同步扩散指数，以此来过滤高频数据的噪音。进一步地，将构造的同步扩散指数与工业增加值同比进行ARDL回归，自回归部分融入工业增加值历史波动的规律，分布滞后部分融入高频指标带来的“新息”。依托模型系数和设定，我们可以滚动预测近月工业增加值同比。为了能直接利用最全面的高频信息，我们也直接将周度或日度的高频数据与月度工业增加值进行混频（MIDAS）回归。但预测结果单月波动可能较大，预测区间较宽，更适合作为预测的辅助。
　　如何寻找能预测工业增加值的有效高频指标？简单来说是先分类，再寻强相关，后看拐点变动。我们将高频指标归为六大类——整体发电量、对工业生产有明显需求拉动的行业，以及四个行业增加值占比排名靠前的重点行业（汽车、化工、钢铁、煤炭）。关于相关性，我们不仅进行了传统意义上的相关系数测算；还从拐点变动的角度，观察高频指标是否与工业增加值同比具有一致的拐点变化。最终，我们筛选得到了19项高频指标，除了广义汽车产量和挖掘机销量是先于工业增加值公布的月度数据以外，其余17个指标均为周度或日度指标。我们进一步观察到三点信息：
　　第一，整体上，自2010年以来的149个样本中（剔除1月），各类高频数据平均有四成时间（57个月，占比38%）与工业增加值增速的变动方向保持一致。疫情发生以来，这一比例提升了14个百分点至52%，说明了疫情后工业增加值波动变大，“历史不再重复”，基于高频数据的预测更有必要。
　　第二，相关系数角度，与工业增加值同比相关性较高的高频指标依次是，广义乘用车产量同比（0.67）、PTA产业链负荷率（0.61）、粗钢产量同比（0.58）、半钢胎开工率同比（0.58）、PTA开工率（0.55）、全钢胎开工率同比（0.51）、十大城市商品房成交面积（0.46）、石油沥青装置开工率（0.44）、6大发电集团耗煤量同比（相关系数为0.4）。而部分指标在疫后与工业增加值同比相关性提升较快，比如挖机销量疫后提升至0.76。
　　第三，拐点变动角度，与工业增加值相关系数较高的指标均有近50%的时间拐点变动也与工业增加值同比一致。并且，疫后地产、基建类指标的预测胜率提高明显，石油沥青开工（提

研究报告全文：TablePage宏观经济研究报告2023年8月30日证券研究报告TableTitle广发宏观工业增加值如何预测分析师Tabl郭磊分析师陈礼清eAuthorSAC执证号S0260516070002SAC执证号S0260523080003SFCCEnoBNY419021-38003572021-38003809guoleigfcomcnchenliqinggfcomcn请注意陈礼清并非香港证券及期货事务监察委员会的注册持牌人不可在香港从事受监管活动TableSummary报告摘要工业增加值实际上就是GDP的工业部分所以它是我们跟踪经济运行可盯住的最重要指标之一市场中已有三类方法预测工业增加值同比增速方法一是通过主要工业产品产量乘以相应行业权重进行加权合成方法二是利用工业生产领域的单一或多项高频指标做线性回归比如用耗煤量货运量等方法三是直接利用指标自身的波动规律进行外推例如常见的ARIMA模型等方法一可以总结为行业产量数据合成法是从工业增加值最本质的计算方式出发通过各子行业产量数据加权合成整体工业增加值这一方法准确性较高逻辑清晰能够观察各行业工增结构变化方法二可以总结为简单高频指标回归法是直接利用工业生产领域的单一或多项高频指标做线性回归比如用耗煤量货运量等这些高频指标的简单合成与工增在趋势上具有一致性方法三可以总结为自身趋势外推法是直接利用指标自身的波动规律进行外推例如常见的ARIMA模型等这类预测出发点是基于工业增加值较强的季节性和周期性不需要任何高频信息本质上这是一种纯粹自回归预测思路蕴含着历史会回归会重复的假设在国内经济运行平稳或者仅有小波动的时期这类方法同样有一定预测能力上述方法均有其价值但缺点也很明显比如或只能用于解释过去或只能预测中期个季度以上的趋1势而无法较准确实时跟踪工业增加值的单月波动抑或预测结果本身波动性较大颗粒度较粗特别是疫情后工业增加值波动变大自身趋势外推法的假设前提历史会重复一定程度被打破预测效果明显打折扣如何应对见微不一定能知著的问题在这里我们希望介绍一套新的方法我们的解决方案可以简单总结为用同步扩散指数辨方向用ARDL模型做预测用混频MIDAS回归打辅助行业产量数据合成法缺点在于只能解释过去观察结构不能预测未来因为各行业产量数据公布的时点晚于工业增加值公布简单高频指标回归法也会出现误判因为即便相关性很强的高频指标也经常会在单月变动中与工增方向相反中长期趋势尚可捕捉但近月预测效果一般自身趋势外推法蕴含着历史会重复的假设前提当重大冲击来临时比如疫情预测效果会打折扣一是在冲击来临之前无法反映高频信息中的新息低估波动拐点判断滞后二是在冲击发生之后过度反映历史刚发生的异像高估波动预测颗粒度较粗我们的方案是用同步扩散指数辨方向用ARDL模型做预测用混频MIDAS回归打辅助首先我们只聚焦在重点行业工业生产强关联的多项高频指标既不穷尽四十多个细分行业也不依赖某一指标我们提取多项高频指标变动信息用工业增加值构成中的行业增加值占比进行配权合成同步扩散指数以此来过滤高频数据的噪音进一步地将构造的同步扩散指数与工业增加值同比进行ARDL回归自回归部分融入工业增加值历史波动的规律分布滞后部分融入高频指标带来的新息依托模型系数和设定我们可以滚动预测近月工业增加值同比为了能直接利用最全面的高频信息我们也直接将周度或日度的高频数据与月度工业增加值进行混频MIDAS回归但预测结果单月波动可能较大预测区间较宽更适合作为预测的辅助如何寻找能预测工业增加值的有效高频指标简单来说是先分类再寻强相关后看拐点变动我们将高频识别风险发现价值请务必阅读末页的免责声明本报告联系人TableContacter139TablePageText宏观经济研究报告指标归为六大类整体发电量对工业生产有明显需求拉动的行业以及四个行业增加值占比排名靠前的重点行业汽车化工钢铁煤炭关于相关性我们不仅进行了传统意义上的相关系数测算还从拐点变动的角度观察高频指标是否与工业增加值同比具有一致的拐点变化最终我们筛选得到了19项高频指标除了广义汽车产量和挖掘机销量是先于工业增加值公布的月度数据以外其余17个指标均为周度或日度指标我们进一步观察到三点信息第一整体上自2010年以来的149个样本中剔除1月各类高频数据平均有四成时间57个月占比38与工业增加值增速的变动方向保持一致疫情发生以来这一比例提升了14个百分点至52说明了疫情后工业增加值波动变大历史不再重复基于高频数据的预测更有必要第二相关系数角度与工业增加值同比相关性较高的高频指标依次是广义乘用车产量同比067PTA产业链负荷率061粗钢产量同比058半钢胎开工率同比058PTA开工率055全钢胎开工率同比051十大城市商品房成交面积046石油沥青装置开工率0446大发电集团耗煤量同比相关系数为04而部分指标在疫后与工业增加值同比相关性提升较快比如挖机销量疫后提升至076第三拐点变动角度与工业增加值相关系数较高的指标均有近50的时间拐点变动也与工业增加值同比一致并且疫后地产基建类指标的预测胜率提高明显石油沥青开工提升26个百分点钢材库存提升22个百分点地炼开工提升22个百分点十大城市商品房成交面积提升20个百分点同步扩散指数如何构建胜率几何有何提示简单来说我们构建的同步扩散指数实质上是生产端重点行业高频指标每月同比增速较前值的变动值为正的占比提示的是当月工业增加值同比可能的变动方向单这一点对于预测工业增加值已经有一定意义我们的数据回溯显示同步扩散指数能够很好地捕捉工业增加值同比的变动2010年以来胜率达到了651疫后2020年以来提升至744我们利用投入产出表中高频指标涉及的重点行业的行业增加值占比作为权重配权过程中对于上下游广泛的基础性原料行业如化工钢铁我们不仅考虑自身行业的增加值占比还汇总上下游行业的增加值占比作为权重合成的同步扩散指数本质上是当月高频数据同比变动为正的占比我们定义50为同步扩散指数的枯荣线大于50即说明当月经过加权后有超过半数的高频指标指示工业增加值同比将向上变动结果显示同步扩散指数能够很好地捕捉工业增加值同比的变动2010年以来胜率达到了651疫后提升至744加权处理后的同步扩散指数相比不考虑权重的指数胜率提高了52个百分点在疫后10次的偏差中5次偏差都出现在年底或者年初3次出现在10月剩余两次分别是2020年8月以及2023年6月剔除岁末年初之后预测胜率进一步提升至872如何进行工业增加值读数的短期预测我们构建了同步扩散指数与工业增加值同比的模型为IIARDLAR自回归部分融入了工业增加值前期值表征历史规律性DL为分布滞后部分融入了高频指标以及高频指标前期值表征当下和近期高频信息带来的新息简单来说这种方法是既有预测方法优缺点的一个集合我们既利用了多项高频指标信息又通过提取同比变动配权合成同步扩散指数来过滤噪音又兼顾了工业增加值自身前期波动的影响比任何一种既有的单一方法更综合预测精度也更细比如这一模型下样本外预测7月工业增加值同比区间为369404最终7月实际工业增加值同比为370在2010年1月至2014年12月期间仅用工业增加值自身规律推演就能得到不错的预测效果2015年后同步扩散指数II的滞后期对工业增加值的影响明显提升疫后同步扩散指数II的当期值主导了工业增加值同比的波动经过系数折算出贡献率我们可以更清晰地看到这一特征2010-2014期间99的模型解释力中工业增加值过去值贡献了73高频信息贡献了262015-2019期间99的模型解释力中工业增加值过去值贡献了33而高频信息贡献了662020年以来总共75的模型解释力中工业增加值过去值贡献了3而高频信息贡献了72样本外推算78月份数据与同步扩散指数提示方向一致前者波动区间为369404后者波动区间为400465上述过程实质上已经完成了预测不过通过ARDL模型预测工业增加值同比的方法本质上只单纯使用了高频数据的变动方向而不是变动幅度优点是简洁方便地择取了高频数据的有效信息过滤了高频数据的高波动噪音缺点是折损了部分有用高频信息即不是所有的高频指标高波动都是噪音有没有其他方法可以避免这一点混频MIDAS模型可以直接利用高频数据对低频数据进行建模虽然受高频指标高波动的干扰导致预测结果的区间较宽但同样能帮助我们进行辅助判断识别风险发现价值请务必阅读末页的免责声明239TablePageText宏观经济研究报告利用同步扩散指数初判方向再以此为解释变量通过ARDL模型预测工业增加值同比的方法本质上只单纯使用了高频数据的变动方向而不是变动幅度优点是简洁方便地择取了高频数据的有效信息过滤了高频数据的高波动噪音缺点是折损了部分有用高频信息并且构建同步扩散指数的第一步就是将高频指标进行降频处理过程中损失了高频指标月内更详细的波动信息混频MIDAS模型结果显示第一2020年起混频MIDAS模型拟合度达098明显高于ARDL模型的075说明对于疫后工业增加值的预测来说高频指标的信息更为重要融入变动幅度的信息之后预测精度提高这一特征与ARDL的结果一致第二观察各时期的误差大小混频MIDAS回测结果更为震荡比如在2020年至2021年一季度期间工业增加值增速的读数基本上平滑上升但MIDAS拟合结果却是震荡上升的上升趋势中有多处反复点印证了虽然混频MIDAS预测更有效地利用了高频数据但也受到高频数据波动较大的干扰所以在使用中不同方法可以相互印证和参考风险提示一是高频数据选择或存在偏差二是同步扩散是各类高频数据方向变动的集合处理方式较简单若当月经济真实生产端状态波动较大可能会丢失高频数据在变动幅度上的有效信息三是与ARDL建模相反当混频MIDAS回归对高频信息的改进效果低于被其高波动的反噬干扰则预测结果将打折扣TableReport识别风险发现价值请务必阅读末页的免责声明339TablePageText宏观经济研究报告目录索引一市场中已有的三类预测方法7一方法一行业产量数据合成法7二方法二简单高频指标回归法8三方法三自身趋势外推法9二如何才能见微知著9一市场中已有预测方法的缺陷9二我们的解决方案10三重点行业高频指标筛选评估两类相关性11一工业生产的影子发电量14二重点行业之一汽车制造业14三重点行业之二化学原料及化学制品制造业15四重点行业之三黑色金属冶炼及压延加工业17五重点行业之四煤炭开采和洗选业18六工业需求的拉动源房地产基建相关19四疫后同步扩散指数的方向判断胜率达7420一构建工业增加值同步扩散指数的方法论20二同步扩散指数预测工业增加值胜率如何21五如何进行工业增加值同比的短期预测27一基于ARDL模型的探索27二样本内回测28三样本外预测32六基于混频MIDAS回归的辅助判断33七风险提示36识别风险发现价值请务必阅读末页的免责声明439TablePageText宏观经济研究报告图表索引图1国际比较来看对于我国来说工业增加值相对更重要7图2工业增加值从供给端反映经济形势8图36大发电集团日均耗煤与工业增加值同比趋势相同常被用来观察工增变化8图4疫情前工增环比具有季节性且较稳定单纯趋势外推有一定预测效果9图5从滚动12个月均值来看疫情前工增环比较平稳9图6利用重点行业高频预测工业增加值的出发点和主要思路11图7工业增加值中排名前十大行业占比近七成根据2018年投入产出表测算12图8从7个方向选取19个高频指标来预测工业增加值12图9汽车钢胎开工产量同比与工业增加值同比2015-201915图10汽车钢胎开工产量同比与工业增加值同比2020-202315图11化工行业上下游涉及较多重点工业行业16图12PTA开工率产业负荷率同比与工业增加值同比16图13PTA开工率产业负荷率同比与化工行业工业增加值同比16图14地炼开工率同比与工业增加值同比16图15地炼开工率同比与化工行业工业增加值同比16图16钢铁是众多工业行业生产的原材料17图17高炉开工率同比与工业增加值同比18图18高炉开工率同比与黑色压延行业工业增加值同比18图19生铁粗钢产量同比与工业增加值同比18图20高炉炼铁钢材库存与黑色压延行业工业增加值同比18图21煤炭开工库存同比与工业增加值同比19图22煤炭开工库存同比与煤炭采选行业工业增加值同比19图23商品房销售面积同比与工业增加值同比2015-201920图24商品房销售面积同比与工业增加值同比2020-202320图25石油沥青装置开工率同比与工业增加值同比20图26挖机销量与工业增加值同比20图27等权重同步扩散指数与工业增加值同比变动有一定同步性疫情前23图28疫情后等权重同步扩散指数与工业增加值同比变动同步性进一步提高23图29加权处理后的同步扩散指数与工业增加值同比变动也有一定同步性疫情前23图30疫情后加权处理同步扩散指数与工业增加值同比变动同步性较等权重进一步提高23图31加权处理后的同步扩散指数预测胜率在疫后明显提高24图32疫后工业增加值同步扩散指数预测胜率达到74424图33疫情前同步扩散指数II与工业增加值的关系又以2015年为节点26图342015年前加权后的同步扩散指数II较等权重波动更大26图352015-2019年期间等权重同步指数II与工业增加值变动的一致性提高26识别风险发现价值请务必阅读末页的免责声明539TablePageText宏观经济研究报告图362015-2019年期间同步指数加权后的预测胜率与不加权相当26图372020-2023年期间等权重同步指数II与工业增加值变动的一致性在疫情前后变化不大27图382020-2023年期间同步指数加权后的预测胜率明显提升27图39利用全样本ARDL310模型到的拟合效果29图40分样本基于ARDL104ARDL433的疫情前拟合结果31图41分样本基于ARDL311的疫情后拟合结果31图42分样本回归之后拼接的全序列拟合结果31图43利用全样本混频MIDAS模型拟合效果35图44分样本疫情前拟合结果35图45分样本疫情后拟合结果35图46分样本回归之后拼接的全序列拟合结果36表1各类高频数据平均有四成时间与工业增加值增速的变动方向保持一致14表2同步扩散指数预测偏差半数出现在岁末年初剔除这些时点的预测胜率达到87225表3基于ARDL模型将同步扩散II与工业增加值同比进行回归全样本建模28表4基于ARDL模型将同步扩散II与工业增加值同比进行回归分样本建模30表5基于ARDL模型进行的短期预测样本外33表6各类高频数据的表现33表7基于混频MIDAS模型进行的短期预测样本外36识别风险发现价值请务必阅读末页的免责声明639TablePageText宏观经济研究报告一市场中已有的三类预测方法对中国而言工业增加值有小GDP之称2023年6月占GDP现价比重达到了324从国际比较来看世界银行的数据也显示我国的工业增加值占比远超过美国日本和全球水平这一指标相对GDP更高频地从供给端反映着经济的冷暖因而也广受市场关注目前市场中已有三类预测方法我们总结如下图1国际比较来看对于我国来说工业增加值相对更重要中国占GDP比重工业增加值日本占GDP比重工业增加值5000美国占GDP比重工业增加值全球工业增加值占GDP比重450040003500300025002000150010002000200120022003202219961997199819992004200520062007200820092010201120122013201420152016201720182019202020211995数据来源Wind广发证券发展研究中心一方法一行业产量数据合成法方法一是从工业增加值最本质的计算方式出发通过各子行业产量数据加权合成整体工业增加值具体而言本质上看工业增加值是规模以上工业企业在经济系统中进行工业生产活动的最终成果有采矿制造业公用事业三大类和41个中观行业由于工业增加值工业总产值包含出口交货值贡献-工业中间投入本期应交增值税因此选择代表性工业产品当月产量的同比乘以相应的行业权重可以近似得到工业增加值的同比变化这一方法准确性较高并且可以观察结构上各个行业工业增加值的变化识别风险发现价值请务必阅读末页的免责声明739TablePageText宏观经济研究报告图2工业增加值从供给端反映经济形势数据来源广发证券发展研究中心二方法二简单高频指标回归法方法二则直接利用工业生产领域的高频指标进行单一指标或多项指标线性回归部分指标比如用电量PMI与工业增加值在历史上有较好的趋势一致性比如从历史上看工业增加值与国内发电量发电耗煤数据存在较强相关性仅靠发电耗煤数据的月同比变动预测工增的同比变动胜率可以达到50图36大发电集团日均耗煤与工业增加值同比趋势相同常被用来观察工增变化日均耗煤量6大发电集团月同比日均耗煤量6大发电集团月同比3MMA400工业增加值当月同比右轴150300100200100500000-100-50-200-300-1002022-032015-072015-122016-052016-102017-032017-082018-012018-062018-112019-042019-092020-022020-072020-122021-052021-102022-082023-012023-06数据来源wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明839TablePageText宏观经济研究报告三方法三自身趋势外推法方法三是直接利用工业增加值同比指标自身的波动规律进行外推例如常见的ARIMA模型等这类预测出发点是基于工业增加值较强的季节性和周期性不需要任何高频信息本质上这是一种纯粹自回归预测思路蕴含着历史会回归会重复的假设在国内经济运行平稳或者仅有小波动的时期这种简单时间序列的建模方式是可行的并且效果较好的工业生产的内生动力较强很难受到经济中小波动小冲击的影响即便单一行业的生产经营容易发生变化但就整体而言工业企业整体的生产状况也常常保持稳定图4疫情前工增环比具有季节性且较稳定单纯图5从滚动12个月均值来看疫情前工增环比较平趋势外推有一定预测效果稳中国工业增加值环比季调工业增加值环比滚动12个月均值200200150150100100050050000000-050-050-100-1002015-032014-092015-092016-032016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-032022-092023-032014-032018-092022-092015-092016-032016-092017-032017-092018-032019-032019-092020-032020-092021-032021-092022-032023-032015-03数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心二如何才能见微知著一市场中已有预测方法的缺陷上述三种方法均有其价值但缺点也很明显比如或只能用于解释过去或只能预测中期1个季度以上的趋势而无法较准确实时跟踪工业增加值的单月波动抑或预测结果本身波动性较大颗粒度较粗预测的现实意义有限特别是疫情后工业增加值波动变大自身趋势外推法的假设前提历史会重复被打破预测效果明显打折扣方法一行业产量数据合成法缺点在于只能解释过去观察结构不能预测未来因为各行业产量数据公布的时点晚于工业增加值公布识别风险发现价值请务必阅读末页的免责声明939TablePageText宏观经济研究报告方法二简单高频指标回归法也会出现误判部分常用的观测指标比如用电量PMI与工业增加值在历史上有较好的一致性但细看单月波动高频指标与工业增加值的单月变动在不少月份是背离的比如从历史上看工业增加值与发电耗煤数据呈现整体强相关单月常背离的现象因此用单一高频指标做近月短期预测给出的单月预测结果常常方向相反而综合多项高频指标的方式又非常多样合成降维以及如何配权都是难点比如有简单使用线性回归将多项高频合成的这种方式同样不仅预测效果一般并且更多是解释过去预测中长期趋势并没有好的近月预测效果多个月份在数值甚至方向上都会出现预测偏差方法三自身趋势外推法蕴含着历史会重复的假设前提当重大冲击来临时比如疫情预测效果会打折扣往往难以提前预测到拐点简单来说这种预测方式下的近月预测颗粒度较粗一方面在重大冲击来临之前这种方式无法及时反映高频信息中的新信息低估波动拐点判断滞后另一方面在冲击发生之后这种方式又会过度反映历史刚发生的异像高估波动预测颗粒度较粗二我们的解决方案由上见微不一定能知著但高频数据是我们预测方法论的基底因为此时高频数据中的新息能够及时反映出指标异动特别是在疫后在面对指标波动加大自身规律性变差时这种方式预测效果较好因此我们的方案是用同步扩散指数辨方向用ARDL模型做预测用混频MIDAS回归打辅助首先我们只聚焦在重点行业工业生产强关联的多项高频指标既不穷尽四十多个细分行业也不依赖某一指标其次我们只提取高频指标中的方向变动信息作为有用信息过滤掉高频指标月际之间数值上的高波动至于哪些高频指标对工业增加值影响更大我们则按照行业工业增加值的占比进行加权初步合成同步扩散指数用于辨明下期工业增加值同比变动方向同步扩散指数是我们对下期工业增加值变动的初探是一个方向性的指引进一步地我们将构造的同步扩散指数与工业增加值同比进行回归我们构造了ARDL自回归分布滞后模型自回归部分融入工业增加值历史波动的规律分布滞后部分融入高频指标带来的新息简单来说模型将捕捉工业增加值滞后期对当期的影响高频指标以及其滞后期对工业增加值当期的影响进而给出一个具体工业增加值同比数值的预测在利用ARDL自回归分布滞后模型进行核心预测之后我们同样意识到我们识别风险发现价值请务必阅读末页的免责声明1039TablePageText宏观经济研究报告对高频信息的处理思路是为了不受高频数据的高波动影响只提取高频数据的方向变动信息不可否认这种方式必然会损失部分高频数据变化幅度上的有用信息因此为了能直接利用最全面的高频信息我们也直接将周度或日度的高频数据与月度工业增加值同比进行混频MIDAS回归但得到的预测只能作为我们的一种辅助判断因为结果显示混频MIDAS回归的确会被高频数据的高波动反噬预测结果更容易大起大落颗粒度较粗此外混频MIDAS回归需要样本中各指标具有一致的起始和结束点因此样本点会减少同时预测8月工业增加值需要等到8月高频指标全部出炉即至少等到8月31日才能进行图6利用重点行业高频预测工业增加值的出发点和主要思路数据来源广发证券发展研究中心三重点行业高频指标筛选评估两类相关性能进行预测的指标要符合两大标准一是公布时点要早于工业增加值这样可以用于预测二是要与工业增加值或者分项相关具有预测信息对于符合后者条件的指标筛选我们并不是穷尽工业增加值40多个子行业而是聚焦在几个重点行业通过2018年的投入产出表计算可以看到工业增加值中非金属矿物制品业化学原料及化学制品制造业电力热力的生产和供应业汽车制造业计算机通信和其他电子设备制造业黑色金属冶炼及压延加工业农副食品加工业电气机械及器材制造业煤炭开采和洗选业等前十大行业占比接近7成抓住各些重点行业的增加值波动就能大致了解工业增加值变动的方向除了重点行业高频我们还选择了地产基建类的高频指标主因这些行业是对工业生产产生大量需求的行业是重点行业高频指标的补充事实上有些重点行业比如非金属矿物制品高频指标并不多但是可以通过地产基建高频反映出来识别风险发现价值请务必阅读末页的免责声明1139TablePageText宏观经济研究报告图7工业增加值中排名前十大行业占比近七成根据2018年投入产出表测算有色金属冶炼及压延加工业通用设备制造业金属制品业煤炭开采和洗选业电气机械及器材制造业农副食品加工业黑色金属冶炼及压延加工业计算机通信和其他电子设备制造业汽车制造业电力热力的生产和供应业化学原料及化学制品制造业非金属矿物制品业0002004006008001000数据来源Wind广发证券发展研究中心基于以上两点考虑我们从个方向选取个高频指标除了广义汽车产量和挖719掘机销量是先于工业增加值公布的月度数据以外其余17个指标均周度或日度指标图8从7个方向选取19个高频指标来预测工业增加值行业指标公布频率工业增加值当月同比每月15日左右房地产行业十大城市商品房成交面积月同比日度汽车轮胎半钢胎开工率月同比周度汽车行业汽车轮胎全钢胎开工率月同比周度下游广义乘用车产量月同比每月11-12日左右石油沥青装置开工率月同比周度基建行业挖掘机销量月累计同比每月10-12日左右发电量6大发电集团日均耗煤量月同比日度数据高炉开工率247家月同比周度唐山钢厂高炉开工率月同比周度重点企业生铁日均产量旬月同比旬度钢铁行业重点企业粗钢日均产量旬月同比旬度高炉炼铁产能利用率247家月同比周度中上游主要钢材品种库存月同比周度地炼开工率月同比周度PTA开工率月同比日度石油化工PTA产业链负荷率江浙织机月同比日度PTA产业链负荷率聚酯工厂月同比日度煤炭库存CCTD主流港口月同比周度煤炭行业焦化企业230家开工率月同比周度数据来源广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1239TablePageText宏观经济研究报告我们在建模预测之前首先对高频数据进行降频处理然后观察其与工业增加值同比之间的相关性除了传统的相关系数外我们还考察了序列间拐点变动是否具有一致性因为不少高频指标波动较大与变化较平稳的工业增加值增速走势在变动幅度上有较大差异直接计算统计相关性可能并不高而实际上指标可能在拐点处与工业增加值的拐点有一定的同步性结果显示总体上自2010年以来的149个样本中剔除1月各类高频数据平均有四成时间57个月占比38与工业增加值增速的变动方向保持一致特别是其中的十大城市商品房成交面积月同比广义乘用车产量月同比挖机销量同比6大发电集团日均耗煤量月同比唐山钢厂高炉开工率月同比重点企业粗钢日均产量旬月同比这6个指标与工业增加值增速平均有75个月份变动方向一致占比达到了503此外值得注意的是疫情发生以来这一比例提升了14个百分点至52再次说明了疫情后工业增加值波动变大基于高频数据的预测更有必要分项中疫后提升较大的依次是石油沥青开工预测胜率提升26个百分点钢材库存提升22个百分点地炼开工提升22个百分点十大城市商品房成交面积提升20个百分点等似乎说明疫后地产基建类指标的变化对工业增加值的波动的影响明显提升识别风险发现价值请务必阅读末页的免责声明1339TablePageText宏观经济研究报告表1各类高频数据平均有四成时间与工业增加值增速的变动方向保持一致2010年以来42015年以来22020年以来3与工增同比变动与工增同比变与工增同比变动行业指标占比占比占比方向一致动方向一致方向一致房地产行业十大城市商品房成交面积月同比775256602872汽车轮胎半钢胎开工率月同比583949522051汽车行业汽车轮胎全钢胎开工率月同比523544472154广义乘用车产量月同比795352552872石油沥青装置开工率月同比604055592667基建行业挖掘机销量月累计同比745049522462发电量6大发电集团日均耗煤量月同比734948511949高炉开工率247家月同比362431331744唐山钢厂高炉开工率月同比734937391436重点企业生铁日均产量旬月同比513446492154钢铁行业重点企业粗钢日均产量旬月同比714845482154高炉炼铁产能利用率247家月同比362431331744主要钢材品种库存月同比573836381538地炼开工率月同比513446492256PTA开工率月同比513446492256石油化工PTA产业链负荷率江浙织机月同比432937391333PTA产业链负荷率聚酯工厂月同比604042452154煤炭库存CCTD主流港口月同比322127291641煤炭行业焦化企业230家开工率月同比453040431846平均573843462052数据来源Wind广发证券发展研究中心一工业生产的影子发电量需求端工业用电占我国电力需求的7-8成供给端火电发电则是我国发电的主要方式而发电和用电之间间隔时间较快几乎同时完成因此从电力的供需视角看发电厂的耗煤量就与工业企业生产状况有了密切关联而从数据上看6大发电集团耗煤量同比与工业增加值同比整体趋势一致单月波动存在部分背离两者相关性系数自2010年以来为04疫情之后提升至053从拐点变动看无论在何时间段耗煤量都与工业增加值有接近50的时间变动方向完全一致说明发电数据与工业增加值具有稳定的相关性历来是预测工业增加值的重要指标但依赖于这一单一指标做出的判断只有50的胜率二重点行业之一汽车制造业汽车行业增加值占比超7且产业链较长是工业生产的重要部分高频数据中市场中常用的指标是汽车全钢胎半钢胎开工率全钢胎多用于商用车半钢胎多用于乘用车两者都是汽车生产端的重要配件广义汽车产量是少数月频但公布时识别风险发现价值请务必阅读末页的免责声明1439TablePageText宏观经济研究报告点早于工业增加值增速的指标是汽车生产全面并且直观的反映从相关性系数看全钢胎开工率同比与半钢胎开工率同比都与工业增加值同比有较强相关性前者为051后者为058侧面反映作为多用于乘用车和轻卡的半钢胎更与汽车生产端关系紧密广义乘用车产量同比与工业增加值同比的相关系数最大2015年以来达到了067疫情后进一步达到了07拐点变动上半钢胎在整个历史上有58个月占比39全钢胎有52个月占比35而乘用车产量有79个月占比53与工业增加值变动方向完全一致这说明汽车类高频也具有一定预测能力但单一来看胜率也至多在50附近图9汽车钢胎开工产量同比与工业增加值同比图10汽车钢胎开工产量同比与工业增加值同比2015-20192020-2023半钢胎开工率同比全钢胎开工率同比半钢胎开工率同比全钢胎开工率同比广义乘用车产量同比工业增加值当月同比右轴广义乘用车产量同比工业增加值当月同比右轴400080100600080300075400060702000402000652010000006000000-2000-2055-40-1000-400050-60-6000-200045-80-300040-8000-1002019-032022-122018-092018-122019-062019-092019-122020-032020-062020-092020-122021-032021-062021-092021-122022-032022-062022-092023-032023-062015-092015-112016-012016-032016-052016-072016-092016-112017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-09数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心三重点行业之二化学原料及化学制品制造业化工行业是非常重要的中游基础性产业产业链中涵盖了较多子行业不少属于轻工业范畴除了其自身行业增加值占比排前二以外该行业上下游关联的重点行业较多上游涉及石油天然气等燃料行业下游先是化学纤维非金属矿以及橡胶和塑料制品再对应纺织纺织服装皮革制鞋汽车和电子通讯设备机械设备识别风险发现价值请务必阅读末页的免责声明1539TablePageText宏观经济研究报告图11化工行业上下游涉及较多重点工业行业数据来源广发证券发展研究中心我们选择地炼开工率PTA开工率PTA产业链负荷率等指标进行跟踪PTA开工率系列除了江浙织机相关性较低以外其余都与工业增加值同比的相关性超过05地炼开工率与工业增加值同比相关性也超过05并且从趋势上看该类指标也与化工行业工业增加值同比有较强相关性拐点变化角度2010年后平均有34的时间与工业增加值变化一致疫后提升至50图12PTA开工率产业负荷率同比与工业增加值同图13PTA开工率产业负荷率同比与化工行业工业比增加值同比中国开工率PTA国内月平均值同比中国开工率PTA国内月平均值同比PTA产业链负荷率江浙织机月平均值同比PTA产业链负荷率江浙织机月平均值同比中国PTA产业链负荷率聚酯工厂月平均值同比中国PTA产业链负荷率聚酯工厂月平均值同比工业增加值当月同比右轴600020中国工业增加值化学原料及化学制品制造业当月同比右轴158000124000106000108200040006542000000020000-5-2-2000-2000-4-10-4000-6-4000-8-15-6000-10-6000-20-8000-122020-022020-052020-082018-082018-112019-022019-052019-082019-112020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-052018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-052018-08数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图14地炼开工率同比与工业增加值同比图15地炼开工率同比与化工行业工业增加值同比识别风险发现价值请务必阅读末页的免责声明1639TablePageText宏观经济研究报告地炼开工率常减压开工率山东地炼厂月平均值同比3MMA地炼开工率常减压开工率山东地炼厂月平均值同比3MMA地炼开工率常减压开工率山东地炼厂月平均值同比地炼开工率常减压开工率山东地炼厂月平均值同比10000工业增加值当月同比右轴10000中国工业增加值化学原料及化学制品制造业当月同比右轴11800080006000960001040007400020002000550000003-2000-2000-40001-400002020-082023-052018-082018-112019-022019-052019-082019-112020-022020-052020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-05数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心四重点行业之三黑色金属冶炼及压延加工业钢铁行业是工业众多行业的中游枢纽牵动上下游多条产业链的生产情况包括建筑和设备类同时该行业又可以找到较多的周度高频数据进行跟踪图钢铁是众多工业行业生产的原材料16数据来源wind广发证券发展研究中心我们主要考察了高炉开工率粗钢生铁钢材以及高炉炼铁产能利用率指标高炉开工率系列与工业增加值直接的相关系数并不大但从走势上看开工率与工业识别风险发现价值请务必阅读末页的免责声明1739TablePageText宏观经济研究报告增加值中的黑色冶炼压延行业增加值同比更为贴合从拐点变动上唐山钢厂高炉开工率同比与工业增加值在历史上有73个月占比49的时间变动一致生铁粗钢产量作为中游产量是下游建筑机械设备类生产的景气刻画也同样于工业增加值同比走势较为贴合尤其是粗钢产量相关系数达到了04371个月占比48与工业增加值变动一致图17高炉开工率同比与工业增加值同比图18高炉开工率同比与黑色压延行业工业增加值同比全国高炉开工率247家同比唐山钢厂高炉开工率同比全国高炉开工率247家同比唐山钢厂高炉开工率同比4000工业增加值当月同比右轴4000中国工业增加值黑色金属冶炼及压延加工业当月同比右轴2014030003000152000120200010100010010005000800000-1000-1000-560-2000-2000-1040-3000-3000-1520-4000-4000-20-500000-5000-252020-022022-022018-082018-112019-022019-052019-082019-112020-052020-082020-112021-022021-052021-082021-112022-052022-082022-112023-022023-052019-052023-022018-082018-112019-022019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-05数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图19生铁粗钢产量同比与工业增加值同比图20高炉炼铁钢材库存与黑色压延行业工业增加值同比中国日均产量生铁重点企业旬月平均值同比中国高炉炼铁产能利用率247家全国月平均值同比中国日均产量粗钢重点企业旬月平均值同比中国库存主要钢材品种合计月平均值同比中国工业增加值黑色金属冶炼及压延加工业当月同比右轴工业增加值当月同比右轴7000201060001517009500012008400010700730002006200055-300100040-8000003-1000-13002-5-2000-18001-3000-102019-022020-112022-082018-082018-112019-052019-082019-112020-022020-052020-082021-022021-052021-082021-112022-022022-052022-112023-022023-052018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-022023-05数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心五重点行业之四煤炭开采和洗选业煤炭行业同样是基础性原料行业我们选择了焦化企业开工率以及煤炭库存两者与工业增加值增速的相关性约在02左右虽然直接相关系数一般但我们看到两者的拐点变动在疫情后与工业增加值变动较为一致胜率分别达到了41和46识别风险发现价值请务必阅读末页的免责声明1839TablePageText宏观经济研究报告图21煤炭开工库存同比与工业增加值同比图22煤炭开工库存同比与煤炭采选行业工业增加值同比中国开工率焦化企业家产能万吨月平均值同比中国开工率焦化企业家产能万吨月平均值同比230200230200煤炭库存CCTD主流港口合计月平均值同比煤炭库存CCTD主流港口合计月平均值同比6000工业增加值当月同比右轴106000中国工业增加值煤炭开采和洗选业当月同比右轴205000950001540008400030007300010200062000510005100000040000-10003-1000-5-20002-2000-10-30001-3000-40000-4000-152017-102020-042017-072018-012018-042018-072018-102019-012019-042019-072019-102020-012020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-012023-042023-072020-012017-102018-012018-042018-072018-102019-012019-042019-072019-102020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-012023-042023-072017-07数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心六工业需求的拉动源房地产基建相关最后除了工业行业中的重点行业外我们也考虑了对工业生产产生较大需求的下游地产基建类高频指标地产方面我们选取了十大城市商品房成交面积为代表性指标其反映了一二线重要城市的地产景气与工业增加值同比的同步性高于其他地产高频指标相关系数达到了046疫情以来进一步提升至079在拐点变动上这一单一指标预测工业增加值变动的胜率就能达到52疫后两者进一步了有72的时间里方向变动一致基建方面我们选择了石油沥青装置开工率这一指标在历史上与道路运输投资增色相关性较高能反映基建投资程度两者相关性在疫后约为044拐点变化上有40的时间完全一致此外挖掘机销量代表了工程机械的销售情况是基建和地产链景气度的综合反映与工业增加值的相关性在整个历史上为022疫后提升至076拐点变化上两者变动一致的时间占比达到50疫情以来进一步提升至62识别风险发现价值请务必阅读末页的免责声明1939TablePageText宏观经济研究报告图23商品房销售面积同比与工业增加值同比图24商品房销售面积同比与工业增加值同比2015-20192020-2023十大城市商品房成交面积月合计值同比30大中城市商品房成交面积月合计值同比80030大中城市商品房成交面积月合计值同比80十大城市商品房成交面积月合计值同比200工业增加值当月同比右轴400600工业增加值当月同比右轴15075400200100702005000006500-200-200-5060-400-10055-400-600-150-80050-600-2002018-062015-082015-102015-122016-022016-042016-062016-082016-102016-122017-022017-042017-062017-082017-102017-122018-022018-042018-082018-102018-122019-022019-042019-062019-082018-052023-022018-082018-112019-022019-052019-082019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-052023-08数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图25石油沥青装置开工率同比与工业增加值同比图26挖机销量与工业增加值同比销量挖掘机工程机械行业当月同比中国开工率石油沥青装置月平均值同比工业增加值当月同比右轴销量挖掘机工程机械行业当月值累计值同比600012200000200工业增加值当月同比右轴4000101500001502000810000010000065000050-20004000000-40002-50000-50-60000-100000-1002021-072022-112017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072020-112021-032021-112022-032022-072023-032023-072020-112021-032017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072021-072021-112022-032022-072022-112023-032023-07数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心四疫后同步扩散指数的方向判断胜率达74一构建工业增加值同步扩散指数的方法论为什么预测工业增加值需要先编制同步扩散指数源于两点理由一方面由于疫后工业增加值波动变大传统的时间序列趋势外推的预测方式误差明显变大另一方面高频指标庞杂繁多单一指标的预测胜率最高只有50左右并且单一指标波动性较大因此利用高频数据预测是在疫后判断工业增加值变化的基底并且有必要合成某一指标来过滤高频指标的噪音提取高频指标的综合信息我们构建的同步扩散指数实质上是生产端重点行业高频指标每月同比增速较前值的识别风险发现价值请务必阅读末页的免责声明2039