当前我国通货膨胀预期及防范对策

王俊+梁宗德

内容摘要：我国消费物价指数CPI的持续走高，一度成为最受关注的经济金融热点问题之一。本文通过中华人民共和国国家统计局发布的我国2003年6月至2012年6月的CPI数据为依据，研究我国通货膨胀预期，在分析我国通货膨胀预期的基础上，利用AR模型，进行了实证分析，并通过Eviews和Excel等软件进行操作以及整理，得出了通胀预期的预测值。

关键词：通货膨胀预期 AR模型检验 估计

我国自2003年以来，经济快速增长的同时发生了数次通货膨胀。从2003年下半年开始，CPI指数从0.3%一路攀升，2003年下半年CPI涨幅达到3.2%。2006年产生流动性过剩以来，市场价格先是表现为资产价格的飙升，然后是肉、鸡蛋等食品价格的狂涨。进入2007年下半年，物价上涨迅速，一举将全年的通货膨胀率拉升到4.8%，经济运行中出现“结构性通货膨胀”，并在2008年上半年得到加强，年通货膨胀率更是达到5.9%。自2009年7月开始，我国CPI指数一路上升，到2011年7月有所下降，国内通胀预期也开始逐渐显现。2012年上半年CPI陆续下降，然而2013年年初到现在，月度CPI却起伏较大。2012年9月份，全国居民消费价格总水平同比上涨1.9%，1月至9月平均全国居民消费价格总水平比去年同期上涨2.8%。

我国通货膨胀预期形成的原因

（一）货币投放量过大

自2003年以来，我国金融机构新增贷款不断增加，至2012年呈递增趋势。2012年，我国货币供应量更是增长较快。2012年1-9月我国货币供应量增加了87789.86亿元人民币。但是，现阶段我国处于经济复苏的不确定性阶段，货币投放量很难强制压缩，于是由于宽松信贷而产生的流通性过剩的通胀压力持续显现。

（二）资产泡沫的不良预期

现阶段我国货币供应量不断增加，居民消费价格指数也不断上涨，剩余的流通货币增加，再加之宽松的信贷政策，导致房地产价格的不断上升。我国房地产价于2000年初开始上涨，到2004年全国商品房和商品住宅平均销售价格分别上涨14.4%和15.2%，是1998年以来的最高水平。通过政府的宏观调控，直到2012年我国房屋价格涨幅总体趋缓，这显现了宏观调控的初步效果，但是未来形势依然不容乐观。由于住房需求坚挺、土地成本上升，导致少数城市房价涨幅仍然较高。因此，房产市场随着房价的飙升而成为投机型投资追逐目标，导致硬资产涨价拉动消费品物价上升，使得消费增加，进而促进物价上涨；导致资产泡沫化预期形成后，大量资金涌出压力增大，提高通胀预期。

（三）输入性通胀增加

2008年金融危机以来，由于我国原材料和能源短缺，需从其他国家购买，致使世界原材料和能源价格纷纷上涨。2012年以来，我国货物贸易进出口总体保持平稳增长，呈现低位回稳态势。据中国国家海关统计，2012年上半年，外贸进出口总值18398.4亿美元，同比增长8%。其中出口9543.8亿美元，增长9.2%；进口8854.6亿美元，增长6.7%；贸易顺差689.2亿美元，扩大56.4%。由于我国进口大宗商品，其价格大幅增长，严重影响到我国国内消费品价格，增加了输入性通胀，形成通胀预期压力。

（四）汇率政策不完善

现阶段我国汇率政策仍存在汇率的弹性较低，汇率的灵活性较低等问题，而且人民币不断升值使得汇率波动与中国出口企业价格调控能力之间的问题日益突出。在汇率不完善的情况下，存在通胀预期成为一种必然。

从上述分析可以看出，我国通货膨胀预期的原因主要在于货币的投放量、资产泡沫的不良预期和输入性通胀增加，这些都会影响政府政策的制定及企业和社会公众的经济行为，不利于我国经济的增长，加剧了我国社会的动荡。

实证研究

根据以上分析可知，我国当前确实存在通货膨胀预期，但是未来预期的数值具体是多少，本文将根据AR模型相关知识，构建AR模型预测2013年通货膨胀率。

（一）AR模型的基本思想

AR模型是时间序列模型中的简单自回归模型，利用变量自身的历史资料寻求观测数据演变所遵从的动态规律性，以预测其未来。

p阶自回归模型记作AR（p），满足以下方程：

其中，εt是白噪声序列。

（二）模型估计

本文收集和整理了国家统计局数据库2003年6月到2012年6月的月度CPI指数，共109个数据作为样本，前103个数据建立AR（p）模型，作为预测样本，后6个数据用作验证AR模型的准确性。

1.时间序列的平稳化处理及单位根检验。2003年6月至2012年6月的CPI指数序列的平稳化处理，结果如表1所示，样本序列的自相关系数（autocorrelation）没有很快地趋近于0，说明原序列是非平稳的序列。2003年6月至2012年6月的CPI指数序列的ADF检验结果如表2所示。检验结果显示，CPI序列接受原假设，因此，CPI指数序列是一个非平稳数列。

接着对一阶差分△CPI序列进行单位根检验，ADF检验结果如表3所示。检验结果显示，一阶差分△CPI序列拒绝原假设，接受△CPI序列是平稳序列的结论。由此可判断△CPI序列基本满足AR（1）过程。

2.时间序列模型估计与诊断检验。本文采用LM检验方法，经过反复试验，发现该残差项是一阶自相关AR（1），检验结果如表4所示。通过eviews操作以及整理，可得如下模型：

3.预测。接着使用估计的模型，预测2012年1月至2013年12月的CPI情况，并计算出2012年度CPI数值以及2013年度的CPI指数。

通过检测，如表5所示，差均在误差范围之内， 2012年3月的误差相对较大，因为3月上旬受低温雨雪天气影响，由于冬储菜逐步退市，新季蔬菜尚未大量上市，导致各种蔬菜价格上涨幅度较大，居民消费价格总水平不断上涨。从而可知，用AR模型预测CPI数值是可行的。并通过计算2012年、2013年相关数据，预测CPI指数的平均值，可得出2012年预期全国居民消费者价格指数为2.8%，2013年预期全国居民消费者价格指数将为2.6%。endprint