目前A股市场对CPI同比数据过度关注，常因CPI同比数据而波动。相对于CPI同比数据，CPI环比数据对价格水平变动情况的反映更具有即时性。要正确完整地解读CPI需要同时关注CPI同比和CPI环比数据。
⊙刘丹
目前的A股市场对CPI同比数据过度关注，常因CPI同比数据而波动。CPI同比数据作为反映消费价格水平变动的指标由于自身固有的缺陷反映的信息是不完全的，要正确完整地解读CPI需要同时关注CPI同比和CPI环比数据。
相对于CPI同比数据，CPI环比数据对价格水平变动情况的反映更具有即时性。央行有关人士曾经表示，与消费者价格指数(CPI)同比升幅相比，将CPI环比升幅数据用作中国制定货币政策的依据更加适宜。
CPI同比数据与环比数据的差异
CPI同比与环比都是反映消费价格水平变动的指标，其差别在于基期选择的不同，而基期选择不同，会产生不同的效果。同比是采取上一年同期为基期，体现当月物价较上年同期增长百分比，环比是采取上个月为基期，体现当月物价较上月增长百分比。由定义即可看出，同比数据是一年的价格变动累计，环比数据是一个月的价格变动，因此同比数据可以通过12个月的环比数据得出。
由定义还可看出，同比、环比具有各自的优点和局限：环比反应迅速，问题在于经常会存在季节性因素，需要进行季节性调整，而且由于间隔短，一些短期的波动，暂时的小变化会影响对大趋势的把握；同比消除了季节性因素影响，准确性相对高，但时效性却差，存在翘尾效应（滞后效应），特别在趋势反转时，反应太慢。所以，需要对翘尾效应进行剥离。无论是哪种方法，都是希望能够用价格指数更真实的刻画价格变动情况。
CPI环比与季节性因素
环比价格指数（MoM）受季节性因素影响，呈现出一定的季节性规律。以下是2005年-2010年CPI的环比数据，如图1所示：
■
图1. 2005-2010年CPI环比具有明显的季节性波动（数据来源：国家统计局）
1.一般性表现
很明显，CPI环比数据具有一定的季节性因素。每年的1月、2月和12月，正值中国的春节和新年，而且在新年和春节的时候，各单位会发奖金，人们的消费能力和消费需求都显著提高，因此，这两个月份表现为明显的价格上涨，环比数据大于0。但是3、5、6月份，一般会有明显的价格下降即环比数据小于0。3月份刚过完春节，是每年生产消费的低迷时期，5- 6月份是蔬菜、禽蛋等供给充足的时期，因此一般会出现明显的价格的下降。4月和7月由于同样的原因，一般不会出现明显的价格上涨，即环比数据接近于0。
2.反常表现
2007年的环比数据较其他年份出现明显差异。关于2007年的通货膨胀的原因和治理有很多讨论，这里不再赘述。但是今年（2011年）5月-7月的表现与2007年非常相似。2011年5月份环比数据为正0.1%，6月份的环比数据达到0.3%，虽然看起来不高，但通常此数据应为负数，主要是由于食品价格不但没有下降反而出现了猛烈的上涨导致的，6月份虽然比起5月份的环比数据0.1%仅上升了0.2%，但是在CPI应该下降的季节反而出现价格上涨，这种反常不得不引起相关部门的重视。再看7月份的数据，环比为0.5%，在近7年的时间里达到了仅次于2007年的次高点。因此，通过最近连续三个月的环比数据的反常表现来看，物价上涨情况非常严重。
CPI同比与翘尾效应
1.翘尾效应
在分析CPI同比数据时，经常出现“翘尾效应”(Carry-over effect)一词，如摩根斯坦利（2010）的研究报告中指出2010年1月份翘尾效应值为0.8%。那么何为翘尾效应？翘尾效应也称滞后效应，是计算同比价格指数（YoY）中独有的、上年商品价格上涨对下一年价格指数的影响部分。年底物价上涨、股市行情上升等翘尾现象比较明显。
简单举例说明：如某一商品2000年前11个月价格均为每公斤0.5元，12月份上涨到1元，一直到2001年12月份均保持同一价格，虽然2001年价格保持稳定，但计算出来的2001年前11个月的同比价格指数都为200%，表明价格上涨一倍，这就是这一商品价格指数中的“翘尾”因素，是上年第n月价格上涨对下一年前（n-1）个月同比价格指数的滞后影响。
因此对于同比价格指数，除了12月份，其他月份都可以拆成两部分：翘尾效应影响部分和年初开始的新涨价因素部分。显然，虽然翘尾现象是同比数据中存在的特有现象，但是却需要通过环比数据进行计算。
2.CPI同比数据与翘尾效应的计算
根据上面定义，可通过环比数据计算得到后一年各月的CPI同比的翘尾效应影响值，CPI同比和翘尾效应影响如图2所示。总体来看，2011年受翘尾效应影响为正，全年平均值达到2.87%，因此，2011年CPI同比数值必然会偏高。其中1月、6月、7月受翘尾影响最大，分别为3.95%，3.96%和3.55%，8月份以后翘尾效应因素影响会逐月降低，但8月份翘尾因素仍然很高，达到2.93%。
■
图2.2008年和2011年CPI同比受翘尾因素影响较其他年份明显
进一步可得到CPI同比剥离翘尾因素影响后的新涨价因素值，结果如图3所示：
■ 图3: 同比CPI剥离翘尾效应影响后的新涨价因素与同比CPI相差很大
由图3可以明显地看到，CPI同比数据的滞后效应。2007年的同比数据虽然在8月份以后表现相对平稳，但是剥离了翘尾效应影响后，表现为显著的上涨，使得2008年CPI在3月份环比数据恢复正常后，同比数据受翘尾因素影响一直到7月份仍然非常高。而2011年以来CPI同比即使剥离翘尾影响因素后，CPI同比仍然具有明显的上涨趋势。
CPI如何解读
1.综合CPI环比数据与CPI同比数据进行分析判断
由以上CPI环比数据和同比数据的不同特点可以看出要综合CPI环比数据和同比数据才能对CPI进行完整的解读。既要考虑环比数据季节性特点不被其短期的波动影响对大趋势的判断，又要考虑同比数据的滞后性，不被其表面现象所误导，从而更准确地判断社会消费价格水平情况。
另外，我们的研究表明，在剔除了翘尾效应影响和季节性因素影响后，同比数据和环比数据可以相互转化，而对价格水平进行季节性调整然后得到的环比数据比直接对环比数据进行季节性调整更可靠。同时认为在计算翘尾效应影响的时候不必剔除季节性因素影响。
2.对CPI进行成分分解
对于CPI的完整解读，除了要综合考虑CPI同比和CPI环比指标，还要对CPI进行分解，来分析CPI的构成成份价格变动情况。CPI指数又分为CPI食品价格指数和非食品价格指数，分别体现居民消费领域一篮子食品价格和非食品价格的变动情况。通过对CPI指数进行分解，明确CPI同比上涨组成中分别由食品价格上涨导致的部分和非食品价格上涨导致的部分，可以更清晰的分析CPI上涨的原因。从而有的放矢，更加准确的把握价格走势，并更有针对性的采取相应措施。
比如：2011年7月份的CPI同比指数为6.5%，CPI食品同比为14.8%，CPI非食品同比为2.9%。根据历史数据计算，食品价格占CPI指数的比重大概为30%，非食品价格占比重大概为70%，因此，可以得出CPI同比指数6.5%的构成中，CPI食品贡献4.44%，CPI非食品贡献2.03%（0.03%的误差）。因此CPI食品同比指数对于CPI同比指数的贡献占比为4.44除以6.5，大概为68%。
可见，2006年10月-2009年2月和2009年11月至今，食品价格的上涨是导致消费价格上涨的主要因素，那么治理CPI，则要重点关注食品价格。而在2009年2月-2009年10月，非食品价格的下跌是导致消费价格下降的主要因素。
CPI如何预测
由以上论述可以看出CPI同比数据的预测归根到底是预测CPI环比数据，即当月物价较前一个月的涨幅。当然即使将CPI预测归结为预测环比数据，但想预测准确，仍然非常困难。其中可以计算的较确定的部分可以通过相关数据库对可获取的CPI组成成份价格进行跟踪来计算，另外一部分没有按周或日发布的价格数据部分，要通过综合分析当前宏观经济形势和市场情况，来进行综合判断。其中主要的考察变量有货币发行量及其滞后期，社会投资情况、消费情况，以及市场对通货膨胀的预期导致的对于价格的影响等。经济学家可以通过建立适当的模型来进行数据分析并不断调整参数来辅助完成预测。
这里尝试一种预测CPI环比数据最简单的方法就是将前几年同期的数据进行简单算术平均得到当月CPI环比的预测值。通过这种方法得到2011年8月CPI环比的预测值为0.45。通过计算可得出新涨价因素为3.42，再加上8月份的翘尾因素为2.93，则8月份同比CPI预测值为6.35。通过对2011年1月-7月预测值与实际值的对比，此种方法的预测值均低于实际值。
通过历年环比数据的表现我们可以看到，传统的8月份是价格上涨幅度比较大的月份，即使2011年8月份价格较7月份没有任何上涨，即假设8月环比CPI为0，那么8月的CPI同比也会达到5.88%，也就是说即使物价停止上涨，甚至在季节性上涨的时候没有上涨，CPI同比的数值依然看上去很高。但很显然，这时央行不应采取任何抑制通货膨胀的措施反而要关注是否是货币政策过紧而导致了通货紧缩的风险。
（作者单位：中国银河证券研究部）