GDP数据是衡量经济运行最为重要的指标，它衡量的是一个时段所有商品和服务的“综合增加值”，无疑比任何单一领域的经济数据都靠近于经济真实表现，也是我们判断增长周期位置和边际变化方向的主要依据。但目前的GDP数据公布频率最高也仅为季频，不利于市场实时跟踪经济变化，把GDP高频化具有重要意义。
　　金融市场越来越有效，所以宏观数据的高频化是一个趋势，比如用发电量、耗煤量、行业开工率等高频数据去观测工业部门；用地铁客运量、航班执行率等数据去观测居民部门；用航运运价等数据去观测出口表现。
　　GDP是一个更具综合性的衡量经济绩效的指标，涵盖了工业部门、服务业部门、对外部门，比任何单一指标都更靠近真实经济表现，GDP指标如果能进行高频化模拟，无疑具有重要意义。
　　 GDP如何高频化？一个最简单便捷的做法是用月度工业增加值同比去粗略估算月度GDP。工业增加值有“小GDP”之称，占GDP的比重超过30%，可以视为GDP的一个大样本；且经济中所有终端需求的变化，如出口、消费、资本开支，最终都会映射到工业生产上。从历史经验看，季度工业增加值与实际GDP之间具有同步性，1992年以来与GDP相关系数达0.93，变动方向一致率达84%。但一则在有些时段二者会有方向背离，比如在建筑业、第三产业波动较大的时候；二则二者的变动幅度不同，工增序列标准差为5.5，而实际GDP序列标准差仅为3.3。
　　季度工业增加值与实际GDP的同步性体现在两个方面，一是两者自1992年至今的相关系数高达0.93。二是单纯看两者同比每月变动方向，一致率达到84%。
　　两者单季方向背离的20个季度大致分布在六个时间段，其中15个季度集中在2008年之前。近期方向背离的时段是在2014 Q4、2016Q2Q4，以及2019Q1Q4。这些背离时段大部分同时是第三产业GDP、建筑业GDP与整体GDP变动方向相同的时间段，说明“背离”可能与第三产业GDP、建筑业GDP波动影响有关。
　　除了变动方向外，两者变动幅度也有所差异，从波动率看，季度实际GDP运行明显更为平稳，工增序列标准差为5.5，而实际GDP序列标准差仅为3.3。除了金融危机期间以及2020-21年基数干扰较大外，其余时间里，两者变化幅度上出现较大差异的时间段一是在2001年Q4至2003年Q1的上行周期中，工增提升较快且回升斜率较陡，而GDP同比虽同为增长，但回升缓慢，这背后可能是规模以下工业企业增加值增速平缓带来的。二是2014年至2016年，工增与GDP虽然趋势上均为回落，但工增回落幅度明显更大，并且单季出现过回升的时间点。这期间第三产业GDP同比表现持续增长，增长的幅度和工业GDP下降的幅度相当。
　　所以我们需要进一步去对模拟方法进行细化。GDP的核算有生产法、支出法、收入法，我们选择以生产法作为估计月度GDP的主要框架，支出法在指标选择方面提供补充。主要考虑到生产法下数据可得性较高、映射关系较为直接，而支出法下需要两阶段建模，会隐含着两层误差。
　　第一，基于生产法框架估计的月度GDP可以直接和官方口径的季度GDP数据进行对比。而且支出法自身只有年度数据，对于建模的时效性和样本点来说都有所限制。
　　第二，我们估算月度GDP的核心逻辑是寻找月度层面的其他经济指标，这类经济指标与GDP存在映射关系。这种方式本质上就是生产法GDP中的“相关指标推算法”。从指标核算的方式本身来看，寻找替代指标进行建模的思路更接近于生产法框架下GDP核算方法。
　　第三，基于生产法框架的预测可以找到更准确的相关指标。从三次产业中各行业占GDP的比重可以看到，工业占GDP约32%，工业增加值本身与GDP一致，为增加值数据，用于建模的合理性较强。如果基于支出法估计月度GDP，建模时不能直接将社零、固投以及海关统计进出口对GDP建模。更好的方式是先分别对最终消费支出、资本形成总额以及货币服务进出口进行建模，得到转换系数，再进一步对GDP建模。这一过程中就会融入两层误差。
　　方法一是用工业增加值、服务业生产指数建立两变量ARDL模型，其中“AR”部分表示GDP季同比过去值对当前GDP同比的影响，“DL”部分表示工业增加值、服务业生产指数当期同比，及两者的前期值（T-1期、T2期……）对当前GDP同比（T期）的影响。这一方法拟合度较高，2017年以来误差平均0.01%；缺点是时效性有一定影响，需要等到每月15日经济数据公布。
　　从占比来看，工业占了第二产业的八成，我们用工业部门作为第二产业的代表；第三产业涉及行业繁杂，占比较大的是批发零售、金融、地产行业，但三者汇总后的占比也尚未超过第三产业的一半。我们直接利用统计局与2017年3月正式对外发布的服务业生产指数作为第三产业增加值的代理变量。
　　简单来说，工业增加值代表二产，服务业生产指数代表三产。模型选择ARDL(1,4,4)，保留季度GDP滞后一阶，工增、服务业生产同比滞后4阶，解释力得到99.3%。这一模型优点在于两点，一则拟合度较高，2017年以来误差平均0.01%；二则指标最为简洁，逻辑清楚。缺点一是时效性欠佳，需要等到

研究报告全文：XmlTablePage宏观经济研究报告2023年9月17日证券研究报告TableTitle广发宏观如何对GDP进行月度估算分析师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GDP数据是衡量经济运行最为重要的指标它衡量的是一个时段所有商品和服务的综合增加值无疑比任何单一领域的经济数据都靠近于经济真实表现也是我们判断增长周期位置和边际变化方向的主要依据但目前的GDP数据公布频率最高也仅为季频不利于市场实时跟踪经济变化把GDP高频化具有重要意义金融市场越来越有效所以宏观数据的高频化是一个趋势比如用发电量耗煤量行业开工率等高频数据去观测工业部门用地铁客运量航班执行率等数据去观测居民部门用航运运价等数据去观测出口表现GDP是一个更具综合性的衡量经济绩效的指标涵盖了工业部门服务业部门对外部门比任何单一指标都更靠近真实经济表现GDP指标如果能进行高频化模拟无疑具有重要意义GDP如何高频化一个最简单便捷的做法是用月度工业增加值同比去粗略估算月度GDP工业增加值有小GDP之称占GDP的比重超过30可以视为GDP的一个大样本且经济中所有终端需求的变化如出口消费资本开支最终都会映射到工业生产上从历史经验看季度工业增加值与实际GDP之间具有同步性1992年以来与GDP相关系数达093变动方向一致率达84但一则在有些时段二者会有方向背离比如在建筑业第三产业波动较大的时候二则二者的变动幅度不同工增序列标准差为55而实际GDP序列标准差仅为33季度工业增加值与实际的同步性体现在两个方面一是两者自年至今的相关系数高达二是单GDP1992093纯看两者同比每月变动方向一致率达到84两者单季方向背离的20个季度大致分布在六个时间段其中15个季度集中在2008年之前近期方向背离的时段是在2014Q42016Q2Q4以及2019Q1Q4这些背离时段大部分同时是第三产业GDP建筑业GDP与整体GDP变动方向相同的时间段说明背离可能与第三产业GDP建筑业GDP波动影响有关除了变动方向外两者变动幅度也有所差异从波动率看季度实际GDP运行明显更为平稳工增序列标准差为55而实际GDP序列标准差仅为33除了金融危机期间以及2020-21年基数干扰较大外其余时间里两者变化幅度上出现较大差异的时间段一是在2001年Q4至2003年Q1的上行周期中工增提升较快且回升斜率较陡而GDP同比虽同为增长但回升缓慢这背后可能是规模以下工业企业增加值增速平缓带来的二是2014年至2016年工增与GDP虽然趋势上均为回落但工增回落幅度明显更大并且单季出现过回升的时间点这期间第三产业GDP同比表现持续增长增长的幅度和工业GDP下降的幅度相当所以我们需要进一步去对模拟方法进行细化GDP的核算有生产法支出法收入法我们选择以生产法作为估计月度GDP的主要框架支出法在指标选择方面提供补充主要考虑到生产法下数据可得性较高映射关系较为直接而支出法下需要两阶段建模会隐含着两层误差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TableContacter134TablePageText宏观经济研究报告第一基于生产法框架估计的月度GDP可以直接和官方口径的季度GDP数据进行对比而且支出法自身只有年度数据对于建模的时效性和样本点来说都有所限制第二我们估算月度GDP的核心逻辑是寻找月度层面的其他经济指标这类经济指标与GDP存在映射关系这种方式本质上就是生产法GDP中的相关指标推算法从指标核算的方式本身来看寻找替代指标进行建模的思路更接近于生产法框架下GDP核算方法第三基于生产法框架的预测可以找到更准确的相关指标从三次产业中各行业占GDP的比重可以看到工业占GDP约32工业增加值本身与GDP一致为增加值数据用于建模的合理性较强如果基于支出法估计月度GDP建模时不能直接将社零固投以及海关统计进出口对GDP建模更好的方式是先分别对最终消费支出资本形成总额以及货币服务进出口进行建模得到转换系数再进一步对GDP建模这一过程中就会融入两层误差方法一是用工业增加值服务业生产指数建立两变量ARDL模型其中AR部分表示GDP季同比过去值对当前GDP同比的影响DL部分表示工业增加值服务业生产指数当期同比及两者的前期值T-1期T-2期对当前GDP同比T期的影响这一方法拟合度较高2017年以来误差平均001缺点是时效性有一定影响需要等到每月15日经济数据公布从占比来看工业占了第二产业的八成我们用工业部门作为第二产业的代表第三产业涉及行业繁杂占比较大的是批发零售金融地产行业但三者汇总后的占比也尚未超过第三产业的一半我们直接利用统计局与2017年3月正式对外发布的服务业生产指数作为第三产业增加值的代理变量简单来说工业增加值代表二产服务业生产指数代表三产模型选择ARDL144保留季度GDP滞后一阶工增服务业生产同比滞后4阶解释力得到993这一模型优点在于两点一则拟合度较高2017年以来误差平均001二则指标最为简洁逻辑清楚缺点一是时效性欠佳需要等到每月15日经济数据公布二是服务业生产指数起始点为2017年3月建模序列较短难以用于进行长周期分析方法二是用工业增加值社零地产投资建立三变量ARDL模型由于服务业生产指数只有2017年以来的数据对观测过往的经济周期可能样本不够我们用第三产业中占比相对较高的批发零售业房地产业两个行业来替代相较于方法一这一方法在拟合优度没有损失过多的前提下可以进行更长序列的月度GDP分析当然缺点同样是需要等待每月15日的经济数据公布由于服务业生产指数自2017年开始公布用该指标与工增同比进行月度GDP的估测只能获得自2017年3月起始的月度GDP指数序列对于跟踪研究我国国内增长周期来说样本点较少第三产业中占比相对较高的批发零售业占GDP约10与第三产业的GDP走势一致性也最高相关系数达到078其次是房地产业统计上相关系数为077简单来说工增代表第二产业GDP社零代表第三产业中的批发零售项地产投资代表第三产业中的房地产业项建模具体方式与方法一类似即季度序列建模定权重月度自变量序列配权后合成月度GDP模型选择ARDL1341保留季度GDP滞后一阶和四阶工增滞后3阶社零滞后4阶地产投资影响集中在当期模型解释力96这一模型优点在于由于自变量起始点较长可以得到自1999年6月来的月度GDP同比1999年以来预测平均误差在003拟合优度没有损失过多的前提下我们可以进行更长序列的月度GDP分析缺点同样是时效性欠佳仍然需要等到每月15日经济数据公布二是近期预测结果波动有所加大方法三是高频的三变量模型为了能进行月度GDP同比的提前预测我们选择工业增加值的代理指标工增同比扩散指数社零的代理指标社零同步扩散指数地产投资的代理指标30城商品房销售同比进行ARDL模型回归这一模型的缺点在于拟合优度有所下降需要进行误差调整而优点相当于以此为代价换取提前15天识别风险发现价值请务必阅读末页的免责声明234TablePageText宏观经济研究报告左右的预测至少可以当作一个环比方向上的参考沿用方法二中思路建模将能更高频获得的工增同比扩散指数社零同步扩散指数30城商品房销售同比与GDP同比进行ARDL回归模型解释力92这一优点在于利用高频数据可以在每个月月末得到当月月度GDP的估计值缺点在于拟合优度有所下降需要进行误差调整本质上我们相当于牺牲了8左右的拟合优度下降以此来换取提前15天左右的预测我们用方法一和方法二估算了2023年以来单月的GDP模拟同比增速并对两种方法下的结果取平均值这一测算方法下6-8月月度GDP同比分别为4741498月经济较6-7月数据已初步回升与我们报告中所说的较为全面的边际好转结论一致今年二季度基数较低为避免基数干扰导致二三季度不可比我们进一步测算了这一方法下的两年复合增速8月两年复合同比为42左右的水平4的两年复合增速对应年度GDP增速5左右本轮经济的谷底在4-5月已经形成7月是修复过程中的一个增速回撤点但也高于4-5月风险提示用于估测月度GDP的模型选择存在选择适用性问题底层数据指标选择上工增同步指数社零同步指数所采用的高频数据或存在样本偏差或存在遗漏变量问题利用季度模型定权重中可能会高估或低估每月经济变量与每月GDP同比之间的关系TableReport识别风险发现价值请务必阅读末页的免责声明334TablePageText宏观经济研究报告目录索引一GDP高频化的意义7二月度GDP的一个简单估算方法8三GDP核算的两个框架12四生产法框架为基底支出法框架为辅助15五月度GDP的三种估测方法16一双变量生产法利用工增服务业生产指数16二三变量混合法利用工增社零地产投资22三高频三变量混合法利用工增社零同步扩散指数II以及地产销售27四三种方法平均表现30五23年以来的月度GDP综合表现31六风险提示32识别风险发现价值请务必阅读末页的免责声明434TablePageText宏观经济研究报告图表索引图1GDP数据衡量的是一个时段所有商品和服务的综合增加值7图2季度工业增加值与实际GDP之间具有同步性8图3季度工业增加值与实际GDP变动方向一致率达到849图4工增与实际GDP背离时段受三产GDP建筑业GDP波动影响10图52001Q4-2003Q1工增回升节奏快于实际GDP11图62013Q4-2015Q1工增回落节奏也快于GDP且单季波动反复11图72013年末开始第三产业对整体GDP同比的影响力变大12图82013Q4-2015Q1三产GDP提升且增幅和工业GDP降幅相当12图9我国公布的GDP一类是生产法收入法的融合计算一类是支出法12图10生产法GDP年度核算和季度核算的具体方法14图11以生产法作为估计月度GDP主要框架的三点原因16图1222年底一二三产业占比分别为7738254117图13GDP增长主要来自二三产的拉动第一产业拉动小且较稳定17图14工业占了第二产业的八成18图15第二产业GDP的当季同比波动与工业GDP的当季同比波动更一致18图16工业增加值同比与第二产业GDP同比呈现明显的强相关性18图17第三产业GDP波动与服务生产指数波动一致19图18服务业生产指数同比与第三产业GDP同比呈现明显的强相关性19图19基于ARDL144的双变量模型可以解释GDP同比波动的99320图20基于双变量的月度GDP移动3月平均与实际GDP季频21图21基于双变量的月度GDP指数月频与实际GDP同比季频22图222022年以来估测的月度GDP同比与实际GDP同比明细22图23批发零售业同比与第三产业GDP同比的相关系数达到07823图24房地产业同比与第三产业GDP同比的相关系数为07723图25社零同比与批发零售GDP同比具有一致性24图26社零同比对批发零售GDP同比的解释力达到7324图27社零同比与服务业生产指数月同比具有一致性24图28社零同比对服务业生产指数同比的解释力达到9224图29房地产开发投资完成额累计同比与房地产GDP同比具有一致性25图30房地产开发投资完成额累计同比对房地产GDP的解释力可以达到6325图31基于ARDL1341的三变量模型可以解释GDP同比波动的9626图32基于三变量的月度GDP移动3月平均与实际GDP季频27图33基于三变量的月度GDP月频与实际GDP季频27图342022年以来估测的月度GDP月频与实际GDP季频明细27图35基于高频三变量的月度GDP指数与实际GDP同比28图362022年以来估测的月度GDP同比与实际GDP同比明细28图37基于ARDL6245的高频三变量模型可以解释GDP同比波动的9229图38基于高频三变量的月度GDP移动3月平均与实际GDP季频30图39基于高频三变量的月度GDP指数月频与实际GDP同比季频30识别风险发现价值请务必阅读末页的免责声明534TablePageText宏观经济研究报告图402022年以来月度GDP月频与实际GDP同比季频明细30图41三种方式平均月度GDP移动3月平均与实际GDP季频31图42三种方式平均月度GDP月频与实际GDP季频31表1工增服务业生产指数当季同比对当季GDP进行ARDL回归20表2工增社零地产开发投资当季同比对当季GDP同比进行ARDL回归25表3工增社零同步指数地产销售面积同比对当季GDP进行ARDL回归29表423年以来每月GDP同比在不同方法在测算结果32识别风险发现价值请务必阅读末页的免责声明634TablePageText宏观经济研究报告一GDP高频化的意义金融市场越来越有效所以宏观数据的高频化是一个趋势GDP以外的其他高频指标虽然时效性强但反映的经济活动范围窄于GDPGDP数据是衡量经济运行最为重要的指标它衡量的是一个时段所有商品和服务的综合增加值无疑比任何单一领域的经济数据都靠近于经济真实表现也是我们判断增长周期位置和边际变化方向的主要依据以23年二季度为例63的实际GDP同比增速是二季度经济的总成绩单也是各个行业的增加值总体表现由于22年同期基数较低两年平均增速实际在33低于一季度的两年平均增速46其中房地产行业创造的GDP同比由一季度的13下降至-12是边际上趋弱最为明显的行业其次工业部门的GDP增速在一二季度均弱于整体水平一季度低于整体16个百分点二季度45比整体63进一步低了19个百分点而第三产业服务业表现好于整体但GDP公布较为低频目前公布频率最高也仅为季频并不利于市场实时跟踪经济变化因此把GDP高频化具有重要意义图1GDP数据衡量的是一个时段所有商品和服务的综合增加值2023年一季度实际GDP同比增速以及各产业GDP同比增速2023年二季度实际GDP同比增速以及各产业GDP同比增速200175146147150136112881008274767763676962525455604545484050373733291300-12-50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734TablePageText宏观经济研究报告二月度GDP的一个简单估算方法一个最简单便捷的高频化做法是用月度工业增加值同比去粗略估算月度GDP工业增加值有小GDP之称占GDP的比重超过30可以视为GDP的一个大样本且经济中所有终端需求的变化如出口消费资本开支最终都会映射到工业生产上从历史经验看季度工业增加值与实际GDP之间具有同步性一是两者自1992年至今的相关系数高达093图2季度工业增加值与实际GDP之间具有同步性工业增加值当月同比季GDP不变价当季同比350030002500200015001000500000-500-1000-15002000-032002-032004-032006-032008-032010-032012-031993-031994-031995-031996-031997-031998-031999-032001-032003-032005-032007-032009-032011-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-032023-031992-03数据来源Wind广发证券发展研究中心二是单纯看两者同比每月变动方向在1992年二季度以来的125个季度样本点中共有105个季度工增同比与GDP同向变动一致率达到84两者单季方向背离的20个季度大致分布在六个时间段其中15个季度集中在2008年之前具体方向背离的时间段一是1993年Q1至1994年Q4二是1997年Q2和1998年Q2三是2002年Q2至2005年Q1四是2006年Q4至2007年Q2五是2014年Q42016年Q2Q4六是2019年Q1Q4识别风险发现价值请务必阅读末页的免责声明834TablePageText宏观经济研究报告图3季度工业增加值与实际GDP变动方向一致率达到84季度工业增加值与实际GDP的变动方向10-12004-061992-061993-061994-061995-061996-061997-061998-061999-062000-062001-062002-062003-062005-062006-062007-062008-062009-062010-062011-062012-062013-062014-062015-062016-062017-062018-062019-062020-062021-062022-062023-06数据来源Wind广发证券发展研究中心注纵坐标为1表示方向一致为-1表示方向背离观察背离时点工增以外的增加值表现可以发现第一在1993年一季度以来的125个季度样本中20个样本点方向背离其中16个时间段第三产业GDP与实际GDP变动方向相同2008年后的方向背离阶段集中在14-16年均是第三产业GDP与整体GDP变动方向相同可能与第三产业GDP对整体GDP的影响加大有关第二剩下4个时间实际GDP与工增第三产业GDP均变动方向背离分别是1994年三季度2002年四季度1993年一季度2004年一季度其中1994年三季度2002年四季度均是实际GDP负向变动工增和第三产业正向变动而第二产业GDP是负向变动可能与二产中建筑业的负向波动有关剩余两个时间点1993年一季度2004年一季度没有明确线索识别风险发现价值请务必阅读末页的免责声明934TablePageText宏观经济研究报告图4工增与实际GDP背离时段受三产GDP建筑业GDP波动影响11993-0621993-1231994-0641994-1251997-0661998-0672000-0982002-06工业增加值与实际GDP反向变动方向背离但第三产业GDP92005-03与实际GDP同向变动方向相同工业增加值与实102006-12际GDP反向变动112007-06方向背离122014-12132016-06142016-12152019-03162019-12171994-09工业增加值第三工增第三产业GDP与实际GDP方向背离182002-12产业GDP均与实际但第二产业GDP与实际GDP方向相同191993-03GDP均反向变动工增第三产业GDP第二产业GDP均与实202004-03方向背离际GDP方向背离数据来源Wind广发证券发展研究中心此外除了变动方向外两者变动幅度也有所差异从波动率看季度实际GDP运行明显更为平稳工增序列标准差为55而季度实际GDP序列标准差仅为33除了金融危机期间以及2020-21年基数干扰较大外其余时间里两者变化幅度上出现较大差异的时间段一是在2001年Q4至2003年Q1的上行周期中工增提升较快且回升斜率较陡而GDP同比虽同为增长但回升缓慢工增自847上行至1717提升87个百分点而实际GDP自75上行至111提升36百分点二是2014年至2016年工增与GDP虽然趋势上均为回落但工增回落幅度明显更大并且单季出现过回升的时间点工增自2013年Q4的10回落至2015年Q1的627而相同时间段GDP同比仅仅回落06识别风险发现价值请务必阅读末页的免责声明1034TablePageText宏观经济研究报告图52001Q4-2003Q1工增回升节奏快于实际GDP图62013Q4-2015Q1工增回落节奏也快于GDP且单季波动反复工业增加值当月同比季不变价当季同比工业增加值当月同比季GDP不变价当季同比GDP2200190020001700180016001500140013001200100011008009006004007002005001999-062000-062001-062002-062003-062004-062005-062009-032012-112016-072009-072009-112010-032010-072010-112011-032011-072011-112012-032012-072013-032013-072013-112014-032014-072014-112015-032015-072015-112016-032016-112017-032017-072017-112018-032018-072018-112019-032019-072019-11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观察变动幅度背离时间段其他的增加值表现同样可以发现第一2001Q4-2003Q1之间的波幅差异看起来更像是规模以下工业企业增加值增速平缓带来的因为工业GDP和整体GDP在那个时候还是比较相近的工业GDP和工业增加值的区别就在于后者是统计规模以上工企的情况第二2013Q4-2015Q1这个期间工增增速和工业GDP的节奏是相似的回落幅度都大于整体实际GDP这个期间可以看到第三产业GDP同比是增长的并且增长的幅度和工业GDP下降的幅度相当2014年是二三产业对整体GDP增速拉动和贡献率发生转变的一年2014年首次出现了第三产业拉动GDP37第二产业拉动GDP增长338同时首次出现了第三产业对GDP的贡献率为4991第二产业贡献率为4557即2013年末开始第三产业对整体GDP同比的影响力变大了识别风险发现价值请务必阅读末页的免责声明1134TablePageText宏观经济研究报告图72013年末开始第三产业对整体GDP同比的影图82013Q4-2015Q1三产GDP提升且增幅和工响力变大业GDP降幅相当中国GDP不变价工业当季同比中国GDP不变价当季同比对GDP增长的拉动第二产业-对GDP增长的拉动第三产业工业增加值当月同比季中国GDP不变价第三产业当季同比60006002000GDP增长贡献率第二产业-GDP增长贡献率第三产业右轴5000500180040004001600300030014002000200120010001001000000000800-1000-100600-2000-200400-3000-300200-4000-4000001989199119921993199419961997199819992001200220032004200620072008200920112012201320142016201720182019202120222000-062001-061997-061998-061999-062002-062003-062004-062005-062006-062007-062008-062009-062010-062011-062012-062013-062014-062015-062016-062017-062018-062019-062020-062021-062022-062023-061996-06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GDP核算的两个框架从核算方式看GDP有生产法收入法和支出法三种但我们在分析中只采用生产支出两种框架这是因为在我国公布的GDP数据中一类是通过生产法和收入法融合计算得到按照季频和年频公布另一类是通过支出法核算得到按照年频公布图9我国公布的GDP一类是生产法收入法的融合计算一类是支出法数据来源Wind广发证券发展研究中心生产法GDP的年度和季度核算方式并不相同年度核算对不同行业采取不同的计算识别风险发现价值请务必阅读末页的免责声明1234TablePageText宏观经济研究报告方式主要分为直接计算比例推算相关指标推算三种方法季度核算方法主要是增加值率法指标推算法利用直接计算法核算的行业占比最高占GDP的55主要用于基础资料充足的行业核算的准确度最高有农业工业运输业等利用比例推算法核算的行业占比其次约占GDP40这是一种间接核算方法已知行业内部分企业的增加值数据然后根据这些企业在行业中的占比进行外推主要包括建筑批发零售住宿餐饮房地产等行业利用相关指标推算法的行业较少只占GDP的5思路是寻找与行业增加值发展速度相关的指标然后乘以年度普查的增加值利用这种方式的根本原因在于这些行业的基础资料更难高频获取主要包括仓储等行业季度核算的行业更少主要是间接计算农业工业建筑也采用增加值率计算本期产出乘以上一年度增加值率主要包括农业工业以及建筑业其他行业均使用相关指标推算法如运输业批发零售房地产金融仓储等在生产法和收入法的混合核算以外还有支出法核算但只有年度数据计算的核心是把GDP视为最终消费支出资本形成总额以及货物服务净出口三者之和支出法和生产法是从不同方向核算同一变量理论上两者数值应该相同但是实际中由于统计误差的存在两者存在差距我国以生产法核算的GDP为准将两者差距视为支出法的误差项识别风险发现价值请务必阅读末页的免责声明1334TablePageText宏观经济研究报告图10生产法GDP年度核算和季度核算的具体方法数据来源Wind广发证券发展研究中心值得注意的是虽然最终消费支出资本形成总额以及货物服务净出口三者与社零总额固定资产投资以及海关统计进出口贸易差额相对应但是前三者与后三者在统计口径上均有差异最终消费支出是政府和居民部门的最终消费涵盖的范围整体上比社会消费品零售总额更广社零主要指实物消费以及部分餐饮住宿服务消费并且包含部分中间环节的消耗比如销售给居民的建筑材料销售给社会集团的零售额资本形成总额包含两个大项一是固定资本形成总额二是存货变动前者既包含住宅设备类有形资本也包含计算机软件矿藏勘探等无形的知识产权类资本而全社会固定资产投资则不包括无形资产也不包含地产商的房屋销售增值它较资本形成总额多涵盖的部分为土地购置费旧设备旧建筑物购置费等货物和服务净出口较海关统计的进出口差额多了服务贸易差额另一方面货物和服务净出口中进口出口都按照离岸价格计算但海关口径的货币进口按照到岸价格计算识别风险发现价值请务必阅读末页的免责声明1434TablePageText宏观经济研究报告四生产法框架为基底支出法框架为辅助我们选择以生产法作为估计月度GDP的主要框架支出法在指标选择方面提供补充主要考虑了生产法框架的三点优势第一基于生产法框架估计的月度GDP可以直接和官方口径的季度GDP数据进行对比若基于支出法得到的月度GDP估计理论上会和季度口径GDP有所差异而且支出法自身只有年度数据对于建模的时效性和样本点来说都有所限制第二建模思路是更接近于生产法框架下GDP的相关指标推算法我们估算月度GDP的核心逻辑是寻找月度层面的其他经济指标这类经济指标与GDP存在映射关系进一步地我们通过建模定权重将其与筛选的月度经济指标交乘这种方式本质上就是生产法GDP中的相关指标推算法由于季度GDP本身核算中不少行业没有办法得到充足的基础资料大多采用的就是相关指标推算法因此从指标核算的方式本身来看估算月度GDP的建模思路更接近于生产法框架下GDP核算方法第三基于生产法框架的预测可以找到更准确的相关指标从三次产业中各行业占GDP的比重可以看到工业占GDP约32其次是批发零售金融房地产建筑业这些行业占比合计可以达到GDP的八成以上工业增加值本身与GDP一致为增加值数据用于建模的合理性较强而如果基于支出法估计月度GDP最终消费支出资本形成总额以及货币服务进出口的代理变量只能选择社零固投以及海关统计进出口三者都和GDP口径下的相应项目有差异在建模的时候不能直接将三者对GDP建模而是要先分别对最终消费支出资本形成总额以及货币服务进出口进行建模得到转换系数再进一步对GDP建模这一过程中就会融入两层误差识别风险发现价值请务必阅读末页的免责声明1534TablePageText宏观经济研究报告图11以生产法作为估计月度GDP主要框架的三点原因数据来源Wind广发证券发展研究中心五月度GDP的三种估测方法一双变量生产法利用工增服务业生产指数在生产法框架下估测月度GDP需要从我国产业结构入手寻找相应指标从22年底的数据看二三产合计占GDP比重达到了923从历史变化来看第三产业的比重在逐年上升第一和第二产业则占比逐年收缩近年来基本保持稳定从对GDP的拉动来看第一产业拉动贡献小并且自1994年以来较为稳定平均拉动在008个百分点而相对应的二产和三产平均拉动在478354因此从占比历史波动以及对GDP增速的拉动来看核心是找到二三产的月度代理变量而第一产业的影响由于其稳定性和占比小的特点可以通过在模型中加入GDP的前期值来进行反映识别风险发现价值请务必阅读末页的免责声明1634TablePageText宏观经济研究报告图1222年底一二三产业占比分别为77382541第一产业第二产业第三产业100908070605040302010020122018198019821984198619881990199219941996199820002002200420062008201020142016202020221978数据来源Wind广发证券发展研究中心图13GDP增长主要来自二三产的拉动第一产业拉动小且较稳定对GDP增长的拉动第一产业1000对GDP增长的拉动第二产业对GDP增长的拉动第三产业800600400200000-200数据来源Wind广发证券发展研究中心第二产业分为工业和建筑业但从占比来看工业占了第二产业的八成从两者的增加值当季同比来看第二产业GDP的当季同比波动与工业GDP的当季同比波动更一致而建筑业GDP的当季同比波动更大在简单的线性回归中工业增加值同识别风险发现价值请务必阅读末页的免责声明1734TablePageText宏观经济研究报告比对第二产业GDP同比的解释力达到0797呈现出强相关因此出于模型的简洁性我们将工业增加值的同比增速作为第二产业GDP的衡量指标图14工业占了第二产业的八成制造业占比制造业以外的其他工业部门占比建筑业占比10090807060504030201002004200720102013201620192022数据来源Wind广发证券发展研究中心图15第二产业GDP的当季同比波动与工业GDP的当图16工业增加值同比与第二产业GDP同比呈现明季同比波动更一致显的强相关性中国GDP不变价第二产业当季同比中国GDP不变价工业当季同比50003000中国GDP不变价建筑业当季同比2500400030002000同比20001500y08445x02135GDPR0796610001000000500第二产业-4000-2000000200040006000-1000000-2000-500-3000工业增加值同比2003-062022-061993-061994-061995-061996-061997-061998-061999-062000-062001-062002-062004-062005-062006-062007-062008-062009-062010-062011-062012-062013-062014-062015-062016-062017-062018-062019-062020-062021-062023-061992-06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识别风险发现价值请务必阅读末页的免责声明1834TablePageText宏观经济研究报告第三产业涉及行业繁杂占比较大的是批发零售金融地产行业但三者汇总后的占比也尚未超过第三产业的一半我们直接利用统计局与2017年3月正式对外发布的服务业生产指数作为第三产业增加值的代理变量按照统计局定义服务业生产指数涵盖了从批发零售到文娱的13个行业门类从服务业生产指数当月同比与第三产业GDP同比的走势看两者走势贴合度较高而简单的线性回归也显示服务业生产指数单一指标对第三产业GDP同比的解释力就能达到086因此服务业生产指数可以作为衡量第三产业GDP的代理指标图17第三产业GDP波动与服务生产指数波动一致图18服务业生产指数同比与第三产业GDP同比呈现明显的强相关性3000中国GDP不变价第三产业当季同比中国服务业生产指数当月同比2000250020001500150010001000同比y06201x23104R08646500GDP500000第三产业000-500-2000-1000000100020003000-1000-500-1500-1000服务业生产指数当月同比2017-032017-072017-112018-032018-072018-112019-032019-072019-112020-032020-072020-112021-032021-072021-112022-032022-072022-112023-032023-072016-11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在得到二三产业GDP的月度代理指标之后我们需要估算其在GDP同比合成中的权重我们假设在一个季度内整体GDP与工业增加值同比服务业生产指数当月同比的映射关系是稳定的我们首先构建基于ARDL的季度模型AR部分表示GDP季同比过去值T-1期T-2期对当前GDP同比T期的影响DL部分表示工业增加值当季同比T期服务业生产指数当季同比T期及两者的前期值T-1期T-2期对当前GDP同比T期的影响模型最优选择为ARDL144拟合优度R方为0993表明前一期GDP当季同比工增当季同比及其滞后四期服务生产指数当季同比及其滞后四期均对GDP当季同比有解释力能解释GDP当季同比波动的993我们通过模型系数进行GDP当季同比回溯比如2023年二季度模型回测结果为672与实际23年二季度的GDP同比误差为042具体的计算构成为67223Q2GDP同比预测值-0394523Q1GDP同比0244523Q2工增同比00642923Q1工增同比01028322Q4工增同比02247722Q3工增同比-01505722Q2工增同比053106723Q2服务业生产指数同比识别风险发现价值请务必阅读末页的免责声明1934TablePageText宏观经济研究报告0189223Q1服务业生产指数同比-013-08722Q4服务业生产指数同比-02012322Q3服务业生产指数同比04-33022Q2服务业生产指数同比表1工增服务业生产指数当季同比对当季GDP进行ARDL回归ARDL模型回归结果样本期201703-202306模型设定ARDL144R-方拟合优度09931因变量GDP当季同比回归系数TPtGDP当季同比滞后一期-039-207006工业增加值当季同比024489000工业增加值当季同比滞后一期006073048工业增加值当季同比滞后两期010203007工业增加值当季同比滞后三期022318001工业增加值当季同比滞后四期-015-308001服务业生产指数当季同比053842000服务业生产指数当季同比滞后一期018250003服务业生产指数当季同比滞后两期-013-191008服务业生产指数当季同比滞后三期-02-220005服务业生产指数当季同比滞后四期040495000数据来源广发证券发展研究中心以此类推我们可以得到利用模型拟合的每期GDP当季同比在样本期内的平均误差为00043最大误差发生在2020年12月为-058模型预测GDP当季同比为698实际GDP为640由此总体上ARDL144能较好地反映工增服务业生产指数与GDP同比之间的映射关系图19基于ARDL144的双变量模型可以解释GDP同比波动的993误差25GDP不变价当季同比GDP拟合两变量工增服务业生产指数20R方099151050-5-102018-122020-032021-062017-032017-062017-092017-122018-032018-062018-092019-032019-062019-092019-122020-062020-092020-122021-032021-092021-122022-032022-062022-092022-122023-032023-06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2034