经济数据从何而来：统计机构、发布日程、修正与增速口径

学习目标

• 美国、德国和欧元区哪些机构发布会影响市场的数据，以及发布日程如何安排。
• 为什么初值会被修正，以及审慎的读者如何对待修正。
• 季节调整的作用是什么，什么时候应改看未经调整的数据。
• 如何在环比、年化和同比增速之间换算，并识别基数效应。

讲解

课程《市场与宏观：外汇、利率与美元》介绍了哪些报告重要，以及为什么相对于市场共识的"意外"会驱动行情。本课程更进一步：讲清每个数字是如何构成的，让你能判断一次意外究竟是信息还是噪音。

数据由谁发布。在美国，劳工统计局（BLS）发布消费者价格指数（CPI）和就业报告；经济分析局（BEA）发布国内生产总值（GDP）和个人消费支出（PCE）价格指数；人口普查局发布零售销售和耐用品订单。在德国，联邦统计局（Statistisches Bundesamt，Destatis）发布 CPI、GDP、工业生产和零售销售。欧盟统计局（Eurostat）把各国数据汇总为欧元区统计，例如调和消费者价格指数（HICP）。S&P Global 和 ifo 研究所等私营机构发布调查数据。各机构会提前一年公布发布日历并固定发布时间，例如多数美国数据在美国东部时间 08:30 发布。

发布时滞与数据版本。美国 CPI 大约在月末后两周公布；德国 CPI 初值则在参考月结束前约两个工作日公布，终值在下月中旬公布。首次公布的数字称为第一版本（vintage）。后续版本会加入迟到的调查回复和更好的源数据；两个版本之间的差异就是修正。修正是提前发布数据必然付出的正常代价。

季节调整。许多序列存在可预测的年度规律：零售销售在 12 月跳升，建筑活动在冬季下降。季节调整（SA）剔除估计出的规律性模式，使月度变化反映趋势；未经季节调整（NSA）的数据则显示实际发生了什么。经验法则：环比比较用 SA 数据，同比比较用 NSA 数据，因为同比中季节规律会相互抵消。像 2020 年封锁这样的冲击可能使季节因子在数年内失真（残余季节性）。

三种增速口径。环比（m/m）增速把本月指数与上月比较。同比（y/y）增速与去年同月比较。年化增速回答的问题是：如果本月的速度持续十二个月，会得到怎样的年增速？公式是 (1 + m/m)^12 − 1（其中 ^12 表示"12 次方"），而不是 12 × m/m。美国 GDP 以年化季度增速公布；德国和欧元区 GDP 以普通的季度环比增速公布，因此美国 2.0% 的数据和德国 0.5% 的数据描述的是大致相同的速度。

基数效应。同比增速是两个指数水平之比。当十二个月前一次异常大的月度变化移出比较窗口时，即使本月什么也没发生，同比增速也会变动。预测者事先就知道这些变化，所以它们不算新闻。

实例演算

假设示例：某价格指数去年 3 月为 120.0，今年 3 月为 123.6。该指数去年 4 月上涨了 0.8%。假设今年 4 月只上涨 0.2%。结果四舍五入到两位小数。

1. 3 月同比增速：123.6 / 120.0 − 1 = 0.030 = 3.00%。
2. 4 月年化速度：(1.002)^12 − 1 = 2.43%。作为对比，0.3% 的月度速度年化后为 3.66%，而不是 3.60%。
3. 4 月指数水平：去年 120.0 × 1.008 = 120.96；今年 123.6 × 1.002 = 123.85。
4. 4 月同比增速：123.85 / 120.96 − 1 = 2.39%。

同比增速下降了 0.61 个百分点，但其中大部分来自 0.8% 的那个月移出窗口（基数效应），而不是新的消息。三个月年化增速是一个有用的折中：月度变化 0.1%、0.2% 和 0.4% 得到 (1.001 × 1.002 × 1.004)^4 − 1 = 2.84%。费用、点差和税收在指数运算中不起作用。

常见错误

练习活动

纸上练习：某指数去年 6 月为 104.0，今年 6 月为 107.1。去年 7 月该指数上涨了 0.6%。假设今年 7 月上涨 0.1%。计算 (a) 6 月同比增速，(b) 7 月年化速度，(c) 7 月同比增速。然后说明同比增速的变化中有多少是基数效应。

要点回顾

• 了解每个序列的发布机构、时滞和发布时间；日历会提前一年公布。
• 初值会被修正；比较时要口径一致，并预期初值会发生变化。
• 环比比较用经调整数据，同比比较用未经调整数据。
• 用 (1 + m/m)^12 − 1 进行年化，并在把同比变动当作新闻之前先检查基数效应。

下一步

接下来，我们将把这些口径应用于最受关注的数据：消费者价格指数，包括其美国和欧洲两种形式。