论经济周期的监测对象

[摘 要]为制定有效的产业调控政策、加快我国工业经济结构调整和升级、实现工业经济平稳快速发展，需要完善我国工业经济周期监测体系，其中的首要任务即是明确经济周期的监测对象。文章首先通过对不同观点的比较，对经济周期的含义进行界定，在此基础上论述了经济周期的监测对象是“总体经济活动”中的一种波动，并对其度量指标的进行了阐述。基于不同的度量指标及其基础数据形式，所监测的经济周期类型有所不同，包括古典周期、增长周期或增长率周期等三种类型。

[关键词]经济周期监测；总体经济活动；古典周期；增长周期；增长率周期

[DOI] 10.13939/j.cnki.zgsc.2018.26

1 问题的提出

当前我国正处于产业转型升级的关键时期。从国际上看，2018年中美贸易战的爆发对我国产业转型升级提出了更高的要求。从国内的情况看，自2008年国际金融危机爆发以来，其对我国工业经济的影响至今尚未完全消除。我国虽然采取促进制造业企业技术创新等一系列措施来摆脱国际金融危机的负面影响、迎接中美贸易战的挑战，但我国工业经济中存在的结构性问题仍未得到根本性解决。目前，国际、国内市场存在的各种风险和不确定性对我国工业经济运行的周期波动产生多方面的影响，进而影响我国工业经济运行的平稳程度以及结构调整的速度。在实践中，工业经济运行中的周期波动是现代经济活动中不可避免的经济现象，也是构成国民经济周期波动的重要部分。我国工业的转型升级必然会加大未来工业经济运行的波动性，因此，对我国工业经济周期监测体系进行完善，对于制定有效的产业调控政策，加快我国工业经济结构调整和升级、实现工业经济平稳、快速发展，有着重要的作用。在完善我国工业经济周期监测工作的过程中，明确经济周期的监测对象是其首要任务。

2 经济周期的界定

对经济周期的定义主要有以下三种（Harding和Pagan，2005）：

第一种是将经济周期定义为以正弦/余弦函数所表示的循环性波动。对经济周期的正弦/余弦函数描述首先由Frisch（1933）通过求解微分方程并给定外生冲击函数而实现。描述经济周期的一般做法为：设定待研究序列的AR（p）模型（一般情况下p不超过2），检验序列是否存在单位复根（Harvey和Jaeger，1993）。该种定义在经济周期监测研究中并不适用，主要出于以下两个方面的原因：（1）该种定义将周期强加于数据之上，强调经济周期类似于物理中“波”的规律性波动的特点，这意味着一旦检验出周期波动形式，则可以单纯依靠数据本身的性质对未来的经济周期波动进行预测。这与实际情况存在较大差距，因为正弦/余弦函数形式的周期波动属于极端情况，在实践中一般不会出现，对经济周期未来波动的预测也十分复杂。该种定义对经济周期所作的描述是对现实世界的抽象化处理，适用于经济周期外生冲击影响研究等方面的理论分析，但在经济周期监测研究中，会因为其对周期特征的抽象化处理而导致监测结果与实际情况出现较大偏差，从而不利于经济周期监测的准确进行。（2）基于该种定义的经济周期刻画方法可能会产生伪周期的问题。萨金特（1998）通过对一个任选序列的AR（1）过程和AR（2）过程的模拟，证明了对于谱不含有波峰和波谷的序列而言，仍可以通过低阶随机差分方程产生“看起来”有经济周期的过程。综上，该种定义不适用于实时经济监测研究。

第二种是将经济周期定义为围绕某种状态的连续性偏离。如：将经济周期定义为“围绕贸易的标准状态的周期性偏离和回归”或“对经济均衡位置的周期性偏离和回归”（Hayek，1933）等。Blinder和Fischer（1981）认为经济周期是“围绕总产出趋势的连续相关的偏离”。Lucas（1982）认为经济周期是“围绕总产出趋势的波动以及与之相关的价格、总产出中的投资贡献份额、名义利率的协同运动”。该种定义从“偏离”（或者波动）的角度描述经济周期，但是其隐含的前提是需要首先确定“偏离”（或者波动）的参照系。从上述常见的定义来看，贸易的标准状态、经济的均衡位置等参照系都属于理论上的概念，在现实世界中无法准确观测，因此就监测研究而言，该类参照系的选取难以实现。退一步讲，即便能够准确确定参照系，对“偏离”（或者波动）本身的度量也给监测研究带来困难。

第一，该方式虽然将“偏离”（或者波动）视为经济周期，但定义中并未对“偏离”（或者波动）进行界定，其隐含假设是“偏离”（或者波动）的含义明确、且已获得普遍认同。但在现实中事实并非如此。如：是否每一次“偏离”（或者波动）都应视为一个经济周期，该种方式所给出的定义未能回答。

第二，“偏离”与其对应的参照系之间如何进行比较。参照系本身（如总产出的趋势）是不断变化的，而“偏离”也是不断变化的。两个不断变化的因素的比较问题，会给研究带来很多不便。如果能够从其他途径找到更好的监测方法，那么这种研究上的不便则不是必须面对的。出于上述原因，该种定义适合于经济周期内在原因等方面的理论分析，但对周期监测研究而言不够清晰。

第三种是通过对经济活动周期性波动的观测特征的刻画来定义经济周期。Mitchell（1927）認为，经济周期是“有组织的团体的经济活动的一种波动”，并通过美国20世纪初的一些周期波动事实对经济周期的主要特征进行了描述。Burns和Mitchell（1946）在Mitchell（1927）的基础上进行了完善，形成了基于观测科学视角的经济周期的正式定义：“经济周期是在主要以商业企业组织活动的国家的总体经济活动中存在的一种波动：周期由几乎同时进行的许多经济活动中发生的扩张、随后发生的普遍衰退、收缩、汇集成下个周期扩张阶段的复苏组成；这一系列变化循环发生，但时间间隔不固定；经济周期波动的持续时间在1年至10年或12年之间；经济周期不可分为与之具有相似特征、近似振幅的更短的周期。”Burns和Mitchell（1946）指出，应将经济周期与经济中的其他波动区分开来，经济周期既不同于总体经济活动的波动，也不同于现代经济活动中的其他波动。此外，Burns和Mitchell（1946）还进一步指出，由于上述定义是基于观测科学视角的定义，所以对于不同国家、不同阶段的经济活动而言，其经济周期的特征并非一成不变，定义中的部分内容可能需要根据研究的实际情况而重新进行界定。Burns和Mitchell（1946）定义从观测特征的角度对经济周期进行描述，提供了对现实世界经济周期波动的较为明确的界定依据，在经济周期监测的实践中被广泛接受。该种定义存在的主要问题在于缺乏理论支撑（Koopmans，1947）；此外，也会产生因数据处理方法不同而导致监测结果出现差异的问题。尽管如此，与前述两种定义相比，从Burns和Mitchell（1946）的定义出发，能够构建出相对完整的经济周期监测研究的框架。

此外，有的研究还认为经济周期应该通过转折点进行界定，因此将该种对周期的界定方式称为“转折点周期”（Harding和Pagan，2005）。同时，该研究指出转折点确定的两种办法——美国国家经济研究局（The National Bureau of Economic Research，NBER）开发的BB法则和Markov区制转换模型。但是，BB法则和Markov区制转换模型，从其原理上来看都是建立在Burns和Mitchell（1946）定义的基础之上的。譬如BB法则关于波峰和波谷的界定，是以Burns和Mitchell（1946）定义中对经济周期“扩张、衰退、收缩、复苏”阶段的界定为划分依据的；而以Hamilton（1989）为代表的Markov区制转换模型所采用的两阶段或多阶段划分法，也是以Burns和Mitchell（1946）定义中对经济周期阶段的划分为基本依据的。综上，“转折点周期”的观点虽然表达了对Burns和Mitchell（1946）定义的认可，但是未能反映出Burns和Mitchell（1946）定义的基本含义，如果以该种观点界定经济周期则存在逻辑上的循环论证，因此该观点也不宜采用。

通过对上述三种经济周期定义的分析可以看出，第三种定义适用于经济周期监测研究。但是，明确了经济周期的定义并不意味着已经完成对经济周期监测框架的构架。本文在Burns和Mitchell（1946）定义的基础上，还需要对经济周期作出进一步的界定。

主要包括：第一，经济周期的监测对象。Burns和Mitchell（1946）的定义中指出，经济周期是存在于总体经济活动中的一种波动，但却并未对经济周期的监测对象——总体经济活动中的周期性波动——作出明确说明。为完善对经济周期的界定，还需要就此进行阐述，包括：一是所谓“总体经济活动”是指哪个或者哪些经济时间序列；二是所谓“周期性波动”是指哪种形式的经济时间序列数据，即应该使用哪种形式的经济时间序列作为监测总体经济活动中的周期性波动的基础数据。

第二，经济周期特征的刻画。即：如何通过对经济周期特征的描述来确定一个完整的周期，包括：一是如何确定一个周期的起始点与持续时间；二是如何划分一个周期的不同阶段；三是如何判定一个周期的转折点，因为确定起始点、划分周期阶段必须通过对转折点的判定来完成；四是如何描述一个周期的波动特征。

3 经济周期的监测对象

3.1“总体经济活动”的度量指标

根据Burns和Mitchell（1946）的定义，经济周期的监测对象是“总体经济活动”中的一种波动。从现有研究来看，关于如何获得“总体经济活动”指标，主要有两种思路：一种是以一个单独的指标来代表“总体经济活动”，另一种是从多个指标中获得能够代表“总体经济活动”的指标。

对于第一种思路而言，NBER的实践表明，实际GDP是度量整体经济活动的最佳独立指标（Hall，Feldstein和Frankel等，2003）。但是，目前包括我国在内的世界很多国家仅提供GDP的季度数据，对于经济周期监测而言，难以实现经济周期监测的时效性；此外，也有学者指出，GDP（或与之类似的GNP）不能全面代表“总体经济活动”（Lucas，1977）。因此，仅使用季度GDP指標作为对“总体经济活动”的度量，无法满足监测研究的需要。综上可以看出，一方面有必要使用以实际GDP为代表的一个总量统计指标作为对“总体经济活动”的参考性度量指标，另一方面还需要使用其他方法获得能够代表“总体经济活动”的月度指标，即上述第二种思路。

根据第二种思路，目前常见的方法包括：（1）将一组指标进行合成，从而得到能够度量“总体经济活动”的指数。如：NBER开发的扩散指数和合成指数。（2）将“总体经济活动”视为所有经济序列中共同具有的一个无法观测的潜在因素，并从一组指标中提取出各个指标所共同具有的这个潜在因素，作为度量“总体经济活动”的指数，如因子分析法（Stock和Watson，1998）。

3.2基础数据的形式

为确保时效性，一般使用月度经济时间序列数据进行经济周期监测；同时，也可以使用季度数据和年度数据进行辅助说明与判断。时间序列是由按时间先后顺序排列的观测值与y1，y2，…，yt，…，yT组成的一组序列，其中：t=1，2，…，T；t与t+1之间的时间间隔固定，一般为月度或季度，也可以是更长的时间跨度。将这样的一组时间序列记为Y={yt，t=1，2，…，T}（简记为Y）。序列Y一般而言是以水平值表示的序列，或水平值序列的简单对数变换；如有需要，应事先进行价格调整。一般来说，时间序列可以分解为三个基本成分序列：季节成分序列、趋势-周期成分序列和不规则成分序列。

第一，季节成分序列S={st，t=1，2，…，T}（简记为S）。季节成分是指每年在几乎相同的时间、以几乎相同的强度重复出现的年内的月度/季度波动。经济数据中存在季节性波动的原因主要有（Granger，1978）：一是日历的影响。日历的影响主要包括特定公众节假日（如春节、圣诞节）、工作日等与日历相关的因素对经济活动的影响。日历的变化对经济活动季节性的影响称为日历效应。日历效应的存在可能导致经济活动在邻近月份之间转移，也可能使一些经济意义上毫无关系的数据之间出现伪相关。二是时间决策的影响。如学校的假期安排、会计年度等。在相当长的一段时期内，这些事件在不同年份都会在相似的时间发生，从而对经济活动产生季节影响。三是天气的影响。季节交替、气温、降雨或其它天气的变化，以及其它自然、生态因素，都可能对农业、建筑业、交通运输业等的经济活动产生直接的季节性影响，并间接影响经济系统中的其它经济活动。四是预期的影响。对一个变量的季节类型的预期可能导致该变量或其它变量的真实季节变动。当不存在预期时，季节成分仍旧存在，但是与存在预期相比会呈现出不同的类型或特征。

第二，趋势-周期成分序列Y'={y t'，t=1，2，…，T}（简记为Y'）。其中又可以进一步分为趋势成分序列和周期成分序列：趋势成分序列G={gt，t=1，2，…，T}（简记为G）反映时间序列的长期演变方向，周期成分序列C={ct，t=1，2，…，T}（简记为C）则反映时间序列所表现出的持续的周期性波动。因为对于趋势的认识至今尚未达成一致，所以有时可将趋势成分与周期成分放在一起不进行区分，合称为趋势-周期成分。

第三，不规则成分序列I={it，t=1，2，…，T}（简记为I）。不规则成分是时间序列除上述成分外余下的成分，主要包括：一是极端的一次性事件的影响。如战争、特殊的天气条件、经济系统的不稳定性等。这些事件通常无法预测，但是其影响可以估计。二是余下的不规则成分。这部分不规则成分主要是由度量误差、响应误差或其他误差所产生，因此也难以估计和预测。

用于经济周期监测的基础数据主要有三种形式（Harding和Pagan，2005）：

第一种：原始数据序列Y的趋势-周期成分序列Y'，据此监测的经济周期称为古典周期（或传统周期）。移动平均比率法、X-12-ARIMA方法等季节调整方法即可原始数据序列Y中分解出趋势-周期成分序列Y'。NBER公布的美国经济周期参考日期的基础数据（月度）即为该种形式（NBER，2010）。此外，欧洲经济周期日期确定委员会（European Business Cycle Dating Committee，CEPR）也对欧洲国家的古典周期进行监测（CEPR，2017）。我国自改革开放以来实现了连续多年的高速增长，表现在经济数据上为趋势成分较强，从而掩盖了周期成分，因此很难观测到古典周期。

第二種形式：原始数据序列Y的周期成分序列C，据此监测的经济周期称为增长周期。从原始数据序列Y中分解出周期成分序列C的一般做法是从趋势-周期成分序列Y'中剔除长期趋势成分，常用方法主要包括Hodrick-Prescott滤波（简记为HP滤波）法（Hodrick和Prescott，1997）、带通滤波（Band-Pass Filter，简记为BP滤波）法（Baxter和King，1999）等。以周期成分序列C为基础数据的经济周期，称为增长周期。尽管NBER主要监测美国的古典周期，但实践经验表明，美国既存在古典周期，又存在增长周期；此外，加拿大、英国、德国、法国、日本等多个国家的事实研究证实了增长周期的存在（Klein和Moore，1985）。监测增长循环的代表为OECD；此外，欧洲经济周期日期确定委员会（CEPR）同时也对欧洲国家的增长循环进行监测。关于我国经济周期的研究也表明，我国当代经济周期波动存在增长周期（董进，2006）。

第三种形式：原始序列的趋势-周期成分序列Y'的差分序列，据此监测的经济周期称为增长率周期。Y'的差分序列可以用如下的符号表示：△Y'={△yt'，t=1，2，…，T}（简记为△Y'）。对于月度或季度数据而言，一般使用趋势-周期成分序列的同比增长率序列替代差分序列；对于年度数据而言，则使用趋势-周期成分序列的年增长率序列替代差分序列。在该类数据序列基础上监测到的经济周期，称为增长率周期。Harding和Pagan（2005）的研究证明，增长率周期可以视为增长周期的一种特殊情况，但是在实践中，使用增长周期和使用增长率周期，监测结果往往并不一致。日本及大部分发展中或经济起飞中的国家都监测增长率周期；我国国家统计局中国经济景气监测中心公布的景气指数所监测的即为增长率周期。

4 我国工业经济周期监测的完善

与经济周期相类似地，工业经济周期也具有Burns和Mitchell（1946）定义中所描述的以下主要特征：一是工业经济周期存在于一国工业经济活动中，由工业经济活动中发生的普遍扩张、衰退、收缩、复苏组成；二是“复苏—扩张—收缩—衰退”的系列变化循环发生，但相互之间的时间间隔不固定；三是工业经济周期的持续时间可长可短，根据实际情况而定；但是一般来说，应与Burns和Mitchell（1946）提出的“在1年至10年或12年之间”的范围大体一致；四是工业经济周期不可分为与之具有相似特征、近似振幅的更短的周期。

从上面的论述可以看出，中国工业经济周期的监测对象是中国工业经济活动中的周期性波动。

第一，在选择代表中国工业经济活动的度量指标方面，与经济周期监测类似地也存在两种思路：一是以一个独立指标来代表中国的工业经济活动。在工业经济活动中，可以使用工业增加值作为独立监测指标。但是，工业增加值在全面代表工业经济活动方面具有一定的局限性，因此工业增加值作为一个独立监测指标，可以作为对工业经济周期监测的参考指标。二是通过多指标处理方法，构建能够监测中国工业经济活动的指数。为避免单一思路带来的局限性，可以采用两种思路涉及的多种方法展开研究，从而实现对中国工业经济周期的多方位监测。

第二，在基础数据的形式方面，从我国的实际情况出发，为避免单一数据形式对周期监测的局限性，可以选择使用增长周期和增长率周期进行共同监测。

在当今的国际、国内形势下，明确经济周期的监测对象，对于确立中国工业经济周期监测体系、实施有效的工业经济监测、推动我国工业经济转型升级、有效应对中美贸易战有着重要的作用。

参考文献：

[1]HARDING D，PAGAN A. A Suggested Framework for Classifying the Modes of Cycle Research[J].Journal of Applied Econometrics，2005，20（2）：151-159.

[2]FRISCH R.Propagation Problems and Impulse Problems in Dynamic Economics[C]. Economic Essays in Honour of Gustav Cassel，London：Allen & Unwin，1933：171-205.

[3]HARVEY A C，JAEGER A. Detrending， Stylized Facts and the Business Cycle[J]. Journal of Applied Econometrics，1993，8（3）：231-247.

[4]萨金特.宏观经济理论[M]. 王小明，译.北京：中国经济出版社，1998：317.

[5]HAYEK F A. Monetary Theory and the Trade Cycle[M].Kaldor N，Croome H M Translated.New York：Sentry Press，1933.

[6]BLINDER A S，FISCHER S.Inventories， Rational Expectations and the Business Cycle[J].Journal of Monetary Economics，1981，8（3）：277-304.

[7]FITOUSSI J，Velupillai K. A Review of Studies in Business-Cycle Theory by Robert E. Lucas[J].Journal of Money， Credit and Banking，1987，19（1）：122-130.

[8]MITCHELL W C. Business Cycles：The Problem and Its Setting[M].New York：National Bureau of Economic Research，1927：468.

[9]BURNS A F，MITCHELL W C. Measuring business cycles[M].New York：NBER，1946.

[10]KOOPMANS T C.Measurement Without Theory[J].The Review of Economics and Statistics，1947，29（3）：161-172.

[11]HAMILTON J D. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica，1989，57（2）：357-384.

[12]HALL R，FELDSTEIN M，FRANKEL J，et al. Business Cycle Dating Committee， NBER. The NBER's Business-Cycle Dating Procedure[EB/OL].（2003-10-21）[2018-04-26].http：// michaelcarliner.com/blog/wp-content/uploads/2008/02/NBER_0310_Business_Cycle_Dating.pdf.

[13]LUCAS R E. Understanding Business Cycles[J].Carnegie-Rochester Conference Series on Public Policy，1977，5（1）：7-29.

[14]STOCK J H， Watson M W.Business Cycle Fluctuations in US Macroeconomic Time Series[J]，NBER Working Paper，1998，No.6258.

[15]GRANGER C. Seasonality： Causation， Interpretation， and Implications[M]// Zellner A. Seasonal Analysis of Economic Time Series. New York：NBER，1978：33-56.

[16]NBER. US Business Cycle Expansions and Contractions[EB/OL].（2010-09-20）[2018- 04-26]. http：//www.nber.org/cycles.

[17]CEPR Data Sources[EB/OL].（2017-08-07）[2018-04-26].https：//cepr.org/content/

euro-area-business-cycle-dating-committee.

[18]HODRICK R J， PRESCOTT E C. POSTWAR U.S. Business Cycles： An Empirical Investigation[J].Journal of Money， Credit and Banking，1997，29（1）：1-16.

[19]BAXTER M， KING R G. Measuring Business Cycles： Approximate Band-Pass Filters for Economic Time Series[J].The Review of Economics and Statistics， 1999，81（4）：575-593.

[20]KLEIN P A，MOORE G H. Performance of Individual Indicators： Behavior at Successive Turning Points[M]//KLEIN P A，MOORE G H. Monitoring Growth Cycles in Market-Oriented Countries： Developing and Using International Economic Indicators. Philadelphia：Ballinger，1985：109-223.

[21]董進.宏观经济波动周期的测度[J].经济研究， 2006（7）：41-48.

[22]中国经济景气监测中心.宏观经济景气指数编制方法介绍[EB/OL].[2018-04-26]. http：//www.cemac.org.cn/Ozsbz.html.

[作者简介]谭运嘉（1981—），女，江苏徐州人，北京工商大学经济学院讲师，博士，研究方向：产业经济。