网络消费者信心指数和物价波动的相关性研究

利用搜索引擎中的关键词搜索数据构建了网络消费者信心指数(网络CCI),以我国消费者价格指数(CPI)作为测度物价波动的量化指标,首先分别定量描述网络CCI和CPI序列,而后利用双阶段马尔科夫区制转移模型,识别和分析我国网络消费者信心和物价波动动态过程中的内生转移机制。结果表明,网络CCI增长率比CPI增长率波动性更强。就总体发展趋势而言,CPI保持低速增长的可能性较大,网络CCI仍将处于快速增长阶段的可能性相对较大。对网络CCI这个指数未来的预测会表现出这样的情况:当它保持着较高的增长率时,可能会存在较强波动性;相反,如果网络CCI维持较低的增长率时,存在较弱的波动性。

网络搜索;大数据;消费者信心;物价波动;马尔科夫区制转移模型

一、引言

物价总体水平的波动影响着整个宏观经济的运行,它的持续不断上涨形成通货膨胀,不断下跌时会形成通货紧缩;它的波动反应了宏观经济运行状况,是经济发展和社会稳定的重要影响要素。维持物价稳定不仅是经济学者关注的焦点,更是我国政府和中央银行的重要调控目标。与保持物价稳定同等重要的一个宏观经济目标是经济增长,随着政策的不断实施和发展方式的改革,消费对经济增长的拉动作用被放在日渐重要的位置。2007年,政府提出了经济增长方式向“依靠消费、投资、出口协调拉动”转变,“三驾马车”应并驾齐驱。2009年,“扩内需、保增长”的一揽子刺激计划出台。国家“十二五”战略规划明确提出了我国的长期方针和基本立足点:把扩大消费需求纳入国策中①《中华人民共和国国民经济和社会发展第十二个五年规划纲要》。。在2014年的政府工作报告中,李克强总理更是提出推进和发展“以互联网为载体、线上线下互动的新兴消费”②李克强:《政府工作报告——2015年3月5日在第十二届全国人民代表大会第三次会议上》。,扩大消费,培育消费增长点。中国互联网络信息中心(CNNIC)公布的第35次《中国互联网络发展状况统计报告》③中国互联网络信息中心,http://www.cnnic.cn/hlwfzyj/hlwxzbg/201502/P020150203551802054676.pdf.显示,网络已经成为大数据时代中人们经济生活不可或缺的工具,信息获取方式向网络渠道转移,人们的网络生活占据日常生活中愈发重要的位置。通过对网民搜索行为的分析可以得到用户的关注重点和消费需求。由于网络搜索数据具有即时性的特点,可以实时反映用户心理变化和需求变化,许多学者将网络搜索应用到预测需要传导时间的指标或经济行为的研究中。Marta(2009)使用高频数据论证了在短期内互联网上的信息对居民个人消费支出影响显著④Marta,“Consumption and Information:An Exploration of Theories of Consumer Behavior Using Daily Data”,JOB MARKET PAPER,Stockholm University,2009.,从消费行为角度说明了网络搜索数据与经济运行的关系。在研究网络搜索数据是否对于经济行为存在影响的同时,还有一些学者利用网络搜索数据对相关宏观、微观经济指标进行了预测。Konstantin(2009)在预测美国个人消费增长率的模型中加入了网络搜索数据,得到了比基准模型更好的预测效果①Konstantin A.Kholodilin,Maximilian Podstawski,Boriss Siliverstovs,Constantin Bürgi.“Google Searches as a Means of Improving the Nowcasts of Key Macroeconomic Variables”,DIW Berlin Discussion Paper,No.946,2009.;Torsten和Simeon(2011)在预测消费同比增速时也得到了相似的结论,模型中加入网络搜索指标会明显提高预测精度②Simeon Vosen and Torsten Schmidt,“Forecasting Private Consumption:Survey-Based Indicators vs.Google Trends”,Journal of Forecasting,Vol.30(September 2011),pp.565 578.,这说明网络搜索行为与消费行为是高度相关的。利用网络搜索数据合成具有网络意义的经济指标也是研究的一个方向。Nicolás和Haifang(2011)基于谷歌趋势中的搜索数据构建了消费意向指数,与传统指标相比,新构建的指数能够更好地预测消费者信心走势③Nicolás Della Penna and Haifang Huang,“Constructing a Consumer Confidence Index for the US Using Web Search Volume”,Working paper,2009.。张崇(2012)基于均衡价格理论阐述了网络搜索行为和经济运行之间的联系,利用关键词合并的方法得到搜索指数,而后构建模型对CPI进行线性拟合,宏观搜索指数和供求关系搜索指数分别比CPI提前5个月和2个月,证明了网络搜索数据与CPI之间存在长期稳定的关系④张崇、吕本富等:《网络搜索数据与CPI的相关性研究》,《管理科学学报》2012年第7期。。随着研究的不断深入,构建网络搜索指标的过程中应用了更科学有效的合成方法。刘伟江等(2014)利用主成分分析法合成分类搜索指数,研究了网络搜索关键词与台湾地区消费者信心指数之间的关系,所建立模型能够较好地预测出消费者信心指数的拐点,模型拟合度亦较高⑤刘伟江、李映桥:《基于网络搜索数据的消费者信心指数预测研究——以台湾地区为例》,《浙江学刊》2015年第2期。。孙毅等(2014)依据百度指数中的搜索数据构建基于网络的消费者信心指数(ICCI),可以更准确地预测社会商品零售总额,作为领先宏观经济景气一致指数的先行指标,具有更强的预警能力⑥孙毅、吕本富等:《基于网络搜索行为的消费者信心指数构建及应用研究》,《管理评论》2014年第10期。;他的另一项研究表明,基于百度数据而合成的网络通胀预期指数与通货膨胀趋势高度相关,证明了我国通货膨胀预期是一种适应性预期⑦孙毅、吕本富等:《大数据视角的通胀预期测度与应用研究》,《管理世界》2014年第4期。。总的来说,上述文章都表明网络搜索关键词和经济行为之间存在密切的联系,引入网络搜索数据的研究预测更加精确、误差更小。

本文运用大数据构建了基于互联网的消费者信心指数,将其作为网民消费需求在互联网上的映射,利用马尔科夫区制转移模型研究网络消费者信心指数和物价波动之间的关系,并对两者的动态特征进行定性和定量分析,以期判断和甄别经济周期的拐点,在面对当前诸多不确定因素共同作用的情形下,为我国经济波动风险识别和预警提供实践依据,并为相关政策的制定提供参考。

二、文献评述

(一)消费者信心与物价波动相关文献回顾

消费者信心指数(Consumer Confidence Index,CCI)在学术界常被用来预测经济的走势,同时也是政府制定政策时需要参考的重要经济指标之一。CCI的测量样本需要随机抽取,被试者需要根据对当前经济满意程度作出相应的评价,研究者根据被试者的评价来预测经济未来的走势。自1997年12月起,中国国家统计局正式将CCI进行调研和编制。自1998年8月起,国家统计局开始每月定期发布《中国消费者信心监测报告》。就消费者信心指数与物价波动等宏观经济的相关性而言,国内外学者的看法存在一定争议。

一些学者认为,消费者信心可以影响宏观经济。如Farmer和Guo(1994)通过动态随机一般均衡模型证明经济系统可能存在多重均衡,他们认为,经济之所以产生波动,是由于经济主体信心变化进而导致经济系统在不同均衡之间转换而造成的①Farmer R,Guo J T,“Real business cycles and the animal spirits hypothesis”,Journal of Economic Theory,1994,63(1):pp.42 72.。他们研究发现,在经济体中没有出现冲击时,经济周期仍会产生波动,而这是因为经济体中存在具有“动物精神”的投资者,正是这些投资者心理预期的自我实现导致了经济波动。他们将信心以“动物精神”的形式与产出、消费等宏观经济变量联系起来。Sylvain等人(2003)的研究证明,美国20世纪70年代战后的通货膨胀数据符合预期理论,预期波动对于通胀变化率的影响程度大于货币政策的效果,一次性外生冲击所引起的通货膨胀预期升高会导致10年以上的通胀率升高②Sylvain Leduc,KeithSill,etc,“Self-fulfilling expectations and the inflation of the 1970s:evidence from the livingtonsurvey”,working paper,2003.,心理预期的变化会影响通胀变化率及失业。Karl(2007)的研究表明,英国、法国、意大利和荷兰四国消费者信心和企业家信心均与GDP增长率显著相关,模型可以预测出经济下行趋势,尤其是英国与荷兰的数据中,加入消费者信心和企业家信心的模型使预测误差显著减小③Karl Taylor,Robert Mc Nabb,“Business cycles and the role of Confidence:Evidence for Europe”,Oxform bulletin of economics and statistics,69,2(2007)0503 9049.,信心可以对经济增长产生影响,并有一定的预测作用。姜伟等人(2011)构建了一个两期经济模型,引入消费者情绪作为外生变量,研究了消费者情绪对物价波动的影响,他们认为,消费者情绪会影响收入预期,改变消费者的消费和储蓄行为,消费者需求产生变化,物价产生波动④姜伟、闫小勇等:《消费者情绪对通货膨胀影响的理论分析》,《经济研究》2011年增1期。,消费者情绪作为消费者信心的一个组成部分,会对货币政策效果、消费习惯等产生影响。孙立平(2009)分析了信心在金融危机中的重要作用,他认为,金融危机形成的重要因素之一是信心的自我实现特征⑤孙立平:《金融危机的逻辑及其社会后果》,《社会》2009年第2期。。以上的研究说明消费者信心可以通过影响产出、消费、物价、就业和经济增长等方式作用于经济行为。

另外一些学者则认为,消费者信心并不能显著影响宏观经济。Mehra和Martin(2003)认为经济运行具有客观规律,经济主体的信心是基于经济基本面以及个人可获得的信息得到的,因此经济主体的心理因素不会对经济运行产生显著影响⑥Mehra Y,Martin E,“Why does consumer sentiment predict household spending?”,FRBRichmond Economic Quarterly,2003,89(4):pp.51 67.,他们的研究强调经济运行的客观性。吴文锋等(2004)则认为,虽然CCI可以预测消费,但通过建立回归模型并进行格兰杰因果检验后发现,对于其他经济部门来说,消费者信心指数并不是一个显著的先行指标⑦吴文锋、胡弋游等:《中国消费者信心指数的信号引导功能》,《系统工程理论方法应用》2004年第5期。。结论虽然如此,但笔者认为该研究也许忽略了时间序列中存在非线性特征的可能性。有的研究比较了不同地域间消费者信心指数与消费的关系。杨茂(2006)的研究结果表明,不同地区的CCI对于消费的影响程度不同,北京、天津的CCI可以引导消费;上海、广州地区的CCI则不能显著影响消费⑧杨茂:《中国消费者信心与消费需求拉动效应的实证分析》,《经济经纬》2006年第1期。。此外,还有一些研究将信心细化为消费者信心和企业家信心,分别研究二者对于宏观经济的作用。陈彦斌等(2009)的研究表明,企业家信心对宏观经济具有显著影响,而消费者信心对我国宏观经济则没有显著影响⑨陈彦斌、唐诗磊:《信心、动物精神与中国宏观经济波动》,《金融研究》2009年第9期。,耿鹏(2013)的研究也得到了类似的结论,他认为只有企业家信心会对宏观经济运行产生影响（10）（10）耿鹏:《公众信心对我国宏观经济运行的影响与作用机制研究》,吉林大学博士学位论文,2013年。,而消费者信心对于宏观经济的作用并不显著。总而言之,这类学者认为消费者信心不能影响经济活动的原因主要有以下几点:第一,经济基本面具有客观性,第二,消费者信心与经济指标间不存在显著因果关系,第三,与生产行为相关的企业家信心能够影响经济运行,而消费者信心则不能产生影响。

总而言之,以上学者从多个角度用不同方法分析了消费者信心与宏观经济之间的相互作用关系,得到的结论各不相同。然而信息时代来临为学术研究带来更多可能性,网民在使用搜索引擎过程中留下的记录,可以看作是消费需求在互联网上的一种映射。而目前却鲜有文章研究代表消费意图的网络搜索数据与宏观经济的联系。本文将基于大数据独特的视角,探讨消费者信心指数与物价波动关系的存在性及表现形式。

(二)马尔科夫区制转移模型

本文首先基于所研究的时间序列(网络CCI和CPI,此处以网络CCI为例)构建自回归模型(AR模型),用来描述不同时间点的数据之间的相互关系,考察AR模型拟合网络CCI历史数据的准确程度及预测未来趋势的能力。以网络CCI增长率{πt}为因变量的(AR)模型可以写成如下形式:

其中,μ为均值,εt为随机扰动项,I t-1为t-1时刻的信息集。假设方程(1)中的系数、误差的均值以及方差均为常数,这表明第t期的网络CCI增长率依赖于自身前p期的历史项,即网络CCI增长率序列是平稳的,为此通常假设算子方程1-ϕ1L-ϕ2L2-…-ϕPL P=0的特征根均不在单位圆内,即序列不存在单位根;如果网络CCI因为政策变化或其他因素产生结构性突变,那么运用AR模型产生的估计误差将会很大,对数似然值会相对较小①隋建利、刘金全、闫超:《中国旅游经济增长动态路径的阶段性变迁识别——基于马尔科夫区制转移模型的实证分析》2013年第7期。。此外,对于网络CCI增长率序列中可能存在的内生性动态变化过程,AR模型无法进行描述。因此,文章以汉密尔顿(1989)的研究为参照②James D.Hamilton,“A new approach to the economic analysis ofnonstationarytimeseries and the business cycle”,Econometrica,vol.57,1989.,在AR模型(1)的基础上,进一步建立以网络CCI增长率为因变量的马尔科夫区制转移模型。

其中,S t为区制状态变量,μSt为条件均值,它的变化依赖于S t,εt为随机扰动项。当S t=i,i=1,2时,Sit=1且S kt=0,k≠i。在这个模型中,首先假设网络CCI增长率πt的变化过程中存在两个区制,即低速增长区制和快速增长区制,条件均值的约束条件为:μ1<μ2,具体来说,区制1(S1t=1)的条件均值为相对较小的μ1,为低速增长阶段;区制2(S2t=1)的条件均值为相对较大的μ2,代表快速增长阶段。此外,假设模型中的所有参数都受状态变量S t的控制,均为可变参数。本文用一个离散时间、离散状态的1阶马尔科夫过程对状态变量S t进行模拟③龙如银、郑挺国、云航:《Markov区制转移模型与我国通货膨胀波动路径的动态特征》,《数量经济技术经济研究》2005年第10期。,因此,可以将St的转移概率矩阵写成:

由方程(7)可以得到边际分布:

在此,还可以获得滤波概率Pr[S t=j|I t]=∑i2=1Pr[S t=j,S t-1=i,I t],滤波概率表示在t时刻信息的基础上πt处于某种区制的可能性大小。将t=1,2,…,T时刻的滤波概率重复迭代方程(7)和(10),可以在f(πt|I t-1)中相应地计算各个时刻的平滑概率(详细推导过程见汉密尔顿,1989),据此可以推断出区制转换的时点和πt处于某区制的持续时间。

通过以上的推导和分析可以看出,针对时间序列中可能存在的结构性突变,马尔科夫区制转移模型能够识别出这种非平稳特性,并根据平滑概率判断出研究对象处于特定区制的可能性大小和持续时间长短,而一般的AR模型只能对序列的线性特征进行描述,需要满足的假设条件也相对苛刻;马尔科夫区制转移模型可以识别所研究时间序列的内生转移机制,对于时间序列的刻画更为细致。

三、网络消费者信心指数的构建

(一)数据来源及预处理

《第35次中国互联网络发展状况统计报告》中指出,中国搜索引擎市场格局基本保持稳定,无论是电脑端或手机端,百度搜索的使用率均超过90%,排名第一①中国互联网络信息中心,http://www.cnnic.cn/hlwfzyj/hlwxzbg/201502/P020150203551802054676.pdf.,故本文采用百度搜索中的百度指数这一工具进行研究,具有一定的代表性,可以代表绝大部分的中国网民的关注重点和消费意愿。文章选取百度指数中2006年7月至2015年3月的关键词搜索数据进行分析,由于处理之前的数据为周数据,为了方便分析和建模,将周数据合并为月数据,而后对序列进行三期移动平均,使之更平滑。此时每个序列损失两期观测值,序列长度变为2006年8月至2015年2月。

(二)关键词的选取及优化

1.行业及基准指标的选取。按照国家统计局公布的商品零售价格指数,消费者所购买的商品可以分为通信、建筑、日用品等16个类别,然而并不是所有类别的商品的关注度变化在互联网上都能有所反映,笔者之前的文章也证实了这一点(不是所有行业的关键词搜索数据对于基准指标都有较强的相关性②刘伟江、李映桥:《基于网络关键词搜索量的商品零售价格指数预测研究》,《制度经济学研究》2014年第4期。),综合以往研究,本文选取了与互联网关联性较强的8个行业,具体为化妆品、服装、汽车、家居装潢、房地产、旅游、食品和计算机、通讯及电子消费产品(3C)。参考孙毅(2014)的基准指标选取方法③孙毅、吕本富等:《基于网络搜索行为的消费者信心指数构建及应用研究》,《管理评论》2014年第10期。,对于化妆品、服装、家居装潢、食品、3C5个行业,选择城市RPI的相关分类指数作为基准指标;汽车、房地产、旅游3个行业分别用汽车产量、房地产开发综合景气指数、居民旅游消费价格指数作为反映行业消费的基准指标。

2.关键词的筛选和优化。在确定了8个行业后,根据SEO站长工具、百度相关关键词推荐功能及主观经验判断等方法共选取854个关键词的搜索数据进行研究,除去连续5期及以上搜索量为0的关键词后,分别与所在行业的基准指标进行时差相关分析,具体方法如下:

其中x代表各个行业不同的关键词,y代表x对应行业的基准指标,i为领先期数,本文分析的序列为提前1期至提前12期,ri则表示t-i期的关键词搜索数据和第t期对应行业基准指标之间的时差相关系数。据此保留出每个关键词中与基准指标相关系数绝对值最大的一项作为时差相关系数,该项所对应的时滞阶数i即为关键词领先于基准指标的变化时间。为了在筛选掉冗余信息的同时尽量保留有用信息,本文保留了化妆品、服装、3C、房地产、汽车和旅游这6个行业,选取时差相关系数在0.6以上的关键词共计228个。

(三)网络消费者信心指数的构建

在构建指数之前,根据时差相关分析得出的时滞关系,本文将关键词搜索数据与对应行业基准指标交错对齐。然后对保留下来的6个行业的搜索数据分别进行主成分分析,各提取出一个主成分作为行业搜索指数,再对6个行业搜索指数做主成分分析,根据结果保留特征值大于1的成分,具体的主成分分析结果如表1所示:

表1 网络消费者信心指数方差分解主成分提取分析表

由表1可知,主成分分析之后只有成分1的初始特征值是大于1的,故保留成分1作为网络消费者信心指数(网络CCI),其成分矩阵分析表如表2所示:

表2 网络消费者信心指数成分矩阵

用f1,f2,…,f6表示6个行业的搜索指数,用z表示网络消费者信心指数,则z可以写成公式(12)的形式:

从公式(12)可以看出,不同行业搜索指数对网络CCI的影响程度不同,在其他自变量不变时,f1、f2、f3、f4、f5、f6分别增加1% 时,会带来网络 CCI分别增加 0.4088%、0.4225%、0.4061%、0.4176%、0.3722%和0.4202%。

本文通过运用主成分分析法,将化妆品、服装、3C、房地产、汽车和旅游等6个行业的分类搜索指数进行合并,得到网络消费者信心指数,它基本涵盖了消费者更倾向于使用网络搜寻信息作出决策的商品或服务需求。由公式(12)可知,不同行业对于网络消费者信心指数的影响程度不同,其中,相对于其他行业而言,服装行业和旅游行业的搜索指数占网络CCI的成分相对较大,这说明消费者对于服装和旅游行业的关注度变化会对网络消费者信心产生相对较大的影响。从数据特点来看,网络搜索数据具有即时变化的特征,CPI等其他经济指标从统计到计算再到公布需要一定的时间,存在一定时滞;而网络消费者信心指数可以即时地反映外部冲击对于网络消费者信心的作用,可以利用其进行一些具有时效性问题的研究。

四、网络CCI与物价波动的相关性研究

(一)网络CCI与物价波动的变化路径

本文选用前文构建的网络CCI来度量网络消费者信心,选取CPI来度量我国的物价波动,数据来源于《中经网统计数据库》①http://db.cei.gov.cn/page/Default.aspx,2015-04-10。,使用同比CPI(去年同月为100)进行测度。

首先,图1分别简单地勾勒出我国网络CCI和CPI的时间变化轨迹。由图1可知,在2006年9月2015年2月的时间范围内,我国网络CCI大体呈现出不断攀升的态势,在2012年、2013年和2014年年末分别有一定程度的下降;而CPI在经历2009年的最低点后稳步上升至2011年,随后震荡回落,小幅波动,逐渐稳定。究其原因,本文构建的网络消费者信心指数数据来源于百度指数,而百度指数的关键词搜索数据自2006年7月开始有记录,而2006年互联网的普及和覆盖率和近几年相比有较大的差距,故2006年至2009年左右网络CCI处于比较低的水平;而2011年之后,百度指数的数据开始记录移动端的搜索行为。数据来源得到扩充,互联网的渗透率也日渐提高,综合多种因素把网络CCI推向较高水平。2008年,美国的次贷危机演变成了全球范围内的金融危机,我国的经济不可避免地受到了巨大的冲击,在2008年和2009年连续两年持续走低;随着全球经济在2009年开始逐步复苏,我国经济也回升向好,刺激经济的财政政策和货币政策开始逐步发挥作用;2011年欧债危机蔓延,央行两次加息,房地产市场不景气,CPI走低,直到到2012年基本稳定偶有小幅波动。

图1 网络CCI和CPI时间动态轨迹

图1仅分别简单地刻画出我国网络CCI和CPI的总量变化特征,通过对总量走势的分析,我们只能大致地观察到网络CCI和CPI的绝对变化,但却无法透析出网络CCI和CPI的相对变化,即增长率的动态变化特征,为此通过图2来显示我国网络CCI增长率和CPI增长率时间序列的动态变化路径,其中,用H-P滤波技术分别计算出网络CCI增长率和CPI增长率的趋势成分和周期成分,在图2中分别用折线和柱形图表示,以上操作均使用EViews8.0软件完成。

将网络CCI增长率和CPI增长率序列利用H-P滤波分解后,两个增长率序列的时间动态变化特征变得更加清晰明显。从图2所示的网络CCI增长率趋势成分来看,在2006 2015年的总体样本时间区间内,网络CCI增长率是递增的;从周期成分来看,随着2007年末国际金融危机的爆发,网络CCI增长率的波动幅度明显变强。从总体发展趋势看,网络CCI增长率仍具有强劲的攀升势头,但也会伴随着较大波动性。从图2所示的CPI增长率趋势成分来看,在2006 2015年的总体样本时间区间内,呈现较为平稳的特征;而CPI增长率的周期成分则波动显著,与网络CCI增长率相比CPI增长率具有更强的波动性和更大的不确定性。

图2 网络CCI和CPI增长率时间动态轨迹

(二)网络CCI与物价波动相关性的实证检验

与图1相比较,尽管图2能够初步显示出我国网络CCI和CPI增长率的动态变化,但是却无法准确刻画出两个指数的动态突变,也无法显示出现动态突变的时间和条件。因此,本文以网络CCI增长率和CPI增长率为研究对象,采用极大似然的方法估计本文所构建的双阶段马尔科夫区制转移模型。在此,选取不同滞后阶数下模型信息量准则(AIC)和施瓦兹准则(SC)值较小的模型(本文中选取滞后1阶)来测度我国网络消费者信心和物价波动的动态变化特征。最终得到的模型具体估计结果如表3所示。由表3可知,模型中各项参数均得出了显著的估计结果,并且在不同区制下,同一参数的估计结果差异较大,这不仅说明马尔科夫区制转移模型能够十分合理而准确地描述我国网络CCI和CPI序列中的双阶段动态变化特征,而且说明双阶段动态变化特征确实存在于我国网络CCI和CPI序列中。

模型的具体估计结果如表3所示,在低速增长阶段(S t=1)时,我国网络CCI继续维持低速增长的概率为P11=0.9184,而在快速增长阶段(S t=2)时网络CCI维持快速增长的概率为P22=0.9706,由于区制状态变量处于不同区制的平均持续期D(S t)可够由与S t相对应的维持概率计算得到,即

表3 双阶段马尔科夫区制转移模型估计结果

CPI(滞后1阶)

最后,将表3中所示的具体估计结果相比较后发现,在我国网络CCI低速增长的持续期约为34个月,而CPI低速增长的持续期约为9个月;网络CCI快速增长的持续期约为34个月,CPI快速增长的持续期约为5个月,这表明网络CCI比CPI更加具有维持在某一区制的倾向。通过对比同一指数的不同区制的波动性可以发现,处于快速增长阶段时的网络CCI波动性(σ=0.9531)要强于其处在低速增长阶段时的波动性(σ=0.4361),处于快速增长阶段时的CPI波动性(σ=0.0028)要弱于其处在低速增长阶段时的波动性(σ=0.0031)。然而无论是低速增长阶段还是快速增长阶段,网络CCI增长率模型中的参数值σ都大于CPI增长率模型中的值,这说明了在两个区制内,网络CCI的波动性都显著强于CPI。

图3 网络CCI低速增长阶段(S t=1)和快速增长阶段(S t=2)

由于平滑概率能够较好描述网络CCI在t=1,2,…,T时刻所处区制状态发生转移的可能性大小,因此文章利用平滑概率进一步对网络CCI和CPI处于低速增长阶段(S t=1)和快速增长阶段(S t=2)的动态变化过程进行分析,具体图形如图3和图4所示。通常地,当相对应的转移概率Pr(S t=i|I t)>0.5时,状态变量发生区制转移;概率值越接近1,表示网络CCI或CPI有越大的可能性维持在这个区制。

图3显示,我国网络CCI在2010 2012年和2013 2014年处于低速增长阶段(Pr(S t=1|I t)>0.5),而在2006 2010年、2012 2013年及2014 2015年处于快速增长阶段(Pr(S t=2|I t)>0.5)。从近几年的平滑概率值的变动轨迹来看,处于快速增长阶段时,网络CCI的平滑概率基本停留在1.0左右,说明在未来一段时间内,网络CCI仍处于快速增长阶段的可能性较大。由图4可知,我国CPI在2008 2010年和2011 2012年处于低速增长阶段(Pr(S t=1|I t)>0.5),而在2007 2008年、2010

2011年及2012 2015年处于快速增长阶段(Pr(S t=2|I t)>0.5)。就近几年的整体发展态势而言,CPI处于低速增长阶段的平滑概率一直围绕1.0有小幅波动,说明在未来CPI有较大的可能性维持低速的增长。

综合比较样本区间内网络CCI平滑概率值的时间变化轨迹可以发现,无论是2010 2012年和2013 2014年处于低速增长阶段时,还是在2006 2010年、2012 2013年及2014 2015年处于快速增长阶段时,表征网络CCI高、低的平滑概率之大致都维持在1.0左右;就我国CPI来讲,2006 2007年其平滑概率处于比较波动的态势,在其他时间段内,无论高低区制的平滑概率则较为平稳地维持在1.0左右。

图4 我国CPI低速增长阶段(S t=1)和快速增长阶段(S t=2)

此外,综合比较图2与图3和图4可以发现,图2中在网络CCI增长率周期成分波动剧烈的时间段,基本与图3和图4中指数处于快速增长阶段的时间范围相重合;在图2中两个指数周期成分波动情况较为平缓的时间段内,大致与图3与图4中网络CCI处于低速增长阶段的时间范围相一致。这说明在增长率相对较高时,网络CCI会显示出比较大的波动性,而在增长率相对较低时,网络CCI潜在的不确定性也相对较小。

五、结论

本文以2006年9月2015年2月的网络CCI和CPI月度数据为基础,在分别对网络CCI和CPI序列进行定量描述后,利用双阶段马尔科夫区制转移模型,对我国网络消费者信心和物价波动动态过程中的内生转移机制进行识别和分析。研究得到的结论如下:

第一,通过简单描述我国网络CCI及CPI的时间变化轨迹,能够粗略地探察出网络CCI及CPI的绝对变化特征。具体来说,在2006年9月2015年2月的时间范围内,网络CCI大体呈现出不断攀升的态势,特别地,网络CCI曾在2012年、2013年末及2014年末出现了一定程度的下降迹象;而CPI由于受到全球金融危机的影响,在2008年呈现出陡然下降的征候,在政府实施一系列刺激政策后2009年开始回升;2011年CPI已显现出较明显的通胀倾向,为了缓解不断上涨的通胀压力我国又提出了相应应对措施,直到2012年CPI回到了警戒线以下,随后小幅波动,但基本维持在较为稳定的水平。

第二,从网络CCI增长率趋势成分来看,在所研究的总体样本时间区间内,网络CCI增长率大致呈逐渐攀升状态。此外,从网络CCI增长率周期成分来看,一方面,受2008年国际金融危机的冲击,网络CCI增长率呈现出剧烈的波动态势,另一方面,自2011年欧债危机爆发以来,网络CCI增长率的波动程度再一次显著增强,消费者心理状态变化对于宏观经济波动需要一定的反映时间,这从侧面印证了棘轮效应。从近年来的总体发展趋势来讲,网络CCI增长率具有强劲攀升态势的同时,还会伴随较大的波动,存在不确定性。就CPI增长率的趋势成分而言,CPI增长率呈现比较平稳的变化特征。此外,在所研究的总体样本区间内网络CCI增长率的周期成分呈现出了显著的波动现象,网络CCI增长率比CPI增长率波动性更强,不确定性也更大。综合近些年的发展趋势来看,本研究认为,CPI增长率将会维持平缓低位推进的状态。

第三,文章运用马尔科夫区制转移模型识别和分析了我国网络消费者信心和物价波动动态过程中的内生转移机制,据此得到以下结论。首先,模型中的参数均得出了显著的估计结果,并且在不同区制下,同一参数的估计结果差异较大,这说明双阶段动态变化特征确实存在于我国网络CCI和CPI序列中。其次,网络CCI维系快速增长的可能性要强于其保持低速增长的可能性,CPI保持低速增长的可能性要强于其维系快速增长的可能性。纵向比较两个指数可以发现,CPI维系低速增长的可能性要强于网络CCI,网络CCI维系快速增长的可能性要强于CPI。再次,从方差的角度来说,无论是低速增长阶段还是快速增长阶段,网络CCI的波动性要显著强于CPI。最后,在我国经济的运行历程当中,对于网络CCI而言,增长率周期成分波动剧烈的时间段,基本与其处于快速增长阶段的时间范围相重合;网络CCI增长率周期成分波动情况较为平缓的时间段,大致与网络CCI处于低速增长阶段的时间范围相一致。这说明在增长率相对较低时,网络CCI潜在的不确定性相对较小;而增长率相对较高时,网络CCI会显示出比较大的波动性。

第四,模型中的平滑概率估计结果再次证明,结构性突变确实显著存在于网络CCI增长率和CPI增长率序列中,即在一定条件下区制状态变量会在两个区制之间相互转移。一方面,我国网络CCI在2010 2012年和2013 2014年处于低速增长阶段,而在2006 2010年、2012 2013年及2014 2015年处于快速增长阶段。另一方面,我国CPI在在2007 2008年、2010 2011年及2012 2015年CPI处于快速增长阶段,2008 2010年和2011 2012年处于低速增长阶段。根据近两年的平滑概率可以看出,网络CCI处于快速增长阶段的平滑概率基本停留在1.0左右,说明网络CCI在未来有较大可能性仍处于快速增长阶段,我国的消费者信心会进一步升高;而CPI处于低速增长阶段的平滑概率值也基本与1.0接近,说明CPI在未来仍有较大概率维持低速增长,物价水平会在一定范围内保持平稳的发展态势。

总的来说,马尔科夫区制转移模型更精确地描述了我国网络CCI增长率和CPI增长率的结构性动态突变,通过以上几点结论可以看出,网络消费者信心与物价波动之间的联系十分紧密。网络搜索数据是消费者信心在互联网上的映射,而消费者信心会影响消费需求进而改变消费支出,总需求产生变化,宏观经济发生变化;而物价水平产生变化时也会影响生产者的生产行为,进而影响供给水平,可支配收入也随之变化,人们的心理预期也会产生改变。两者之间相互影响、相互作用、相互渗透。由于货币幻觉和棘轮效应等的存在,消费者对于经济波动的反应并不是即时的,网络CCI的快速增长阶段和低速增长阶段的平均持续期都长于CPI,这使滞后性得到了证明。文章所建立的网络消费者信心指数从总的变动趋势来说是逐年递增的,其主要原因有以下几点:首先,网络CCI是依据不同类别的互联网搜索数据构建而成,随着互联网从无到有、从有到不可或缺的变化过程,人们对于互联网的依赖性有所增强,使用搜索引擎进行的网络行为也日渐频繁。其次,由于国家政策的不断引导和人民生活水平的提高,消费对于国民经济的拉动作用也愈发明显,消费者信心增强是一种显而易见的结果。与网络CCI有所不同,CPI的变化趋势在经历2007年末和2011年末的显著下行后,近两年的走势比较稳定,一方面与相对比较平和的国际经济大环境有关,另一方面与国家综合使用的宏观经济调控政策是密不可分的。然而,较大的波动性始终伴随着我国经济的发展,这点在经济较快发展时更加突出。因此,如何在维持稳定的物价水平和良好的消费者信心的条件下,实现经济新常态下的科学发展,合理地使用不同的政策手段,必将成为政府关注的重点问题。

网络消费者信心指数和物价波动的相关性研究

刘伟江 李映桥 隋建利

A Study of Correlation between Web Consumers Confidence Index and Price Fluctuation

LIU Wei-jiang LI Ying-qiao SUI Jian-li
(Business school,Jilin University,Changchun 130012,P.R.China)

The study constructs a web consumer confidence index(web CCI)based on the web search volume,and measures price fluctuation by consumer price index(CPI).First,we describe the web CCI and CPI,and then we identify and analyze the internal switching mechanisms in the dynamic fluctuation of the two series with a two-stage Markov regime switching model.The results show that the growth rate of web CCI is more fluctuant than the growth rate of CPI.In terms of overall trends,CPI turns to increase with low speed while web CCI will increase with high speed.Especially,there will be more volatility if web CCIincreases rapidly,and there will be less volatility if web CCI increase with a lower speed.

web search volume;big data;consumer confidence;price fluctuation;Markov regime switching model

[责任编辑:贾乐耀]

2015 09 06

教育部人文社会科学研究项目“‘十二五’期间我国经济周期波动态势与经济政策调控模式的动态随机一般均衡分析”(11YJC790158)。

刘伟江,吉林大学数量经济研究中心教授,经济学博士(长春130012);李映桥,吉林大学数量经济研究中心数量经济学博士研究生(长春130012);隋建利,吉林大学数量经济研究中心副教授,经济学博士(长春130012)。