核心觀點
我們在《20220901 長城證券中國經濟活動指數》中探索了用周頻指标對支出法 GDP 的跟蹤方法，從曆史數據來看具有不錯的拟合效果。該指數首先通過對居民消費、政府消費、資本形成和淨出口的拟合實現了 GDP 名義增速的跟蹤，再剔除 GDP 平減指數後得到 GDP 的實際增速。本文我們想進一步探究每個月 GDP 各分項對實際 GDP 的拉動。從 2015 年開始，統計局每季度公布三大需求（資本形成總額、最終消費支出、貨物和服務淨出口）對 GDP 實際增速的拉動，可以作為 " 錨 " 來幫助我們尋找更好的指标。
在社會消費品零售總額、九項财政支出、固定資産投資完成額、土地購置費、商品房銷售額、國際貨物與服務淨出口等月度數據基礎上，我們可以大緻估算月度 GDP 中居民消費、政府消費、資本形成、淨出口各自對實際 GDP 同比的拉動。
社零等一系列月度值的公布有一定滞後性，而通過地鐵客運量、30 大中城市商品房銷售面積等高頻數據對居民消費、資本形成、淨出口分項的拟合，我們便可以初步估計當月增速，并及時對當月 GDP 各項拉動進行測算。
本文計算出的月度 GDP 同比（下文稱為 "GDP 拟合值 2"）與《長城證券中國經濟活動指數》中的方法的測算值（下文稱為 "GDP 拟合值 1"）有一定差異。但本篇我們重點想确定月度 GDP 各分項對其拉動，因此我們在本文方法初步确定各個分項對 GDP 的拉動後，将其帶入 GDP 拟合值 1 進行調整，最後得到最終 GDP 各分項的拉動值。今年 11 月份，消費支出、資本形成和淨出口分别拉動 GDP 增長 -1%、1.2% 和 1.6% 。
我們在《20220901 長城證券中國經濟活動指數》中探索了用周頻指标對支出法 GDP 的跟蹤方法，從曆史數據來看具有不錯的拟合效果。該指數首先通過對居民消費、政府消費、資本形成和淨出口的拟合實現了 GDP 名義增速的跟蹤，再剔除 GDP 平減指數後得到 GDP 的實際增速。本文我們想進一步探究每個月 GDP 各分項對實際 GDP 的拉動。從 2015 年開始，統計局每季度公布三大需求（資本形成總額、最終消費支出、貨物和服務淨出口）對 GDP 實際增速的拉動，可以作為 " 錨 " 來幫助我們尋找更好的指标。
1
資本形成總額實際增速跟蹤
在資本形成額方面，我們在《20220901 長城證券中國經濟活動指數》中選定兩大重點行業——制造業、基礎設施建設業，剩餘部分以 PPI 的生産資料價格指數近似替代指标，來拟合支出法資本形成總額的增速。近年三季度，我們跟蹤的資本形成額分項三季度均值為 7.3%，實際上三季度基建投資、制造業投資及 PPI 生産資料同比均值為 8.9% [ 1 ] ，差距不大。
今年第三季度，統計局數據顯示資本形成總額拉動 GDP 增長 0.8 個百分點。根據同比拉動的計算公式：資本形成總額拉動 GDP 增長率
我們可計算2021 年資本形成總額占 GDP 比重 k0=43%，倒推可知今年三季度資本形成額同比增速為 0.8%/43%=1.8%。值得注意的是，這一增速是不變價口徑。而我們構建的基建、制造業、PPI 生産資料模型，跟蹤的是現價口徑的資本形成額同比增速，因此兩者之間産生了一定的差距。
名義資本形成額（現價口徑）增速由每年的支出法 GDP- 資本形成總額部分計算，實際資本形成額（不變價口徑）增速由統計局公布的 " 資本形成總額對 GDP 當季同比拉動 " 倒推。實際上兩個口徑的資本形成額增速之間的差值，應該是固定資産價格同比變化的影響。但是統計局自 2019 年開始停止公布固定資産價格指數，我們嘗試用 PPI 生産資料同比對固定資産價格進行線性回歸，有不錯的拟合效果。2020、2021 兩年我們用資本形成總額拟合的固定資産價格來調整名義資本形成額增速，與實際資本形成額增速基本一緻。
由于實際資本形成額同比增速每季度可根據統計局公布的初步核算數進行倒推，為了提高對 GDP 資本形成分項的精度，我們調整之前的模型，對實際資本形成額同比增速進行跟蹤拟合。根據廣東統計局，在支出法 GDP 核算中，固定資産投資統計數據是核算固定資本形成總額的主要基礎資料來源，但兩者存在一定差别，主要是固定資本形成總額扣除了土地購置費用，并且進一步增加了商品房銷售增值。
在之前的名義資本形成額同比拟合模型中，我們選定兩大重點行業——制造業、基礎設施建設業，其他部分以 PPI 生産資料同比進行近似替代。我們在原先的三因子模型的基礎上扣除了 PPI 生産資料同比增速，而添加了房地産投資、土地購置費、商品房銷售額三個因子。從 2015 年以來的數據看，5 因子模型 [ 2 ] 對實際資本形成額同比增速有較好的拟合效果，調整後 R 方值達到 0.71。以上 5 個自變量均為國家統計局每月公布，我們可以對每月的實際資本形成額實現跟蹤拟合。
五因子模型中的指标均為月度更新，其公布具有一定滞後性。我們進一步挖掘周度更新的指标，對五因子模型月度值進行跟蹤拟合。我們在前期選取的高頻指标 [ 3 ] 基礎上增加了 100 大中城市成交土地總價、30 大中城市商品房成交面積、城市二手房出售挂牌價指數，用來跟蹤土地購置和商品房銷售額的變化情況。上述變量對五因子模型的解釋度（R 平方）超過 88%，并且更新頻率為日度或周度，可以更好追蹤固定資産投資方面的變化。
2
消費支出實際增速跟蹤
統計局每季度公布 " 消費支出對 GDP 當季同比拉動 "，同樣根據上年消費支出占 GDP 的比重，可倒推得不變價口徑的消費支出當季同比，但這一季度數據并沒有區分居民消費與政府消費，因此我們取統計局公布的年度數據 "GDP 最終消費支出：居民 " 與 "GDP 最終消費支出：政府 "，計算同比增速。值得注意的是，這一同比增速是名義增速，實際消費支出增速應剔除價格的影響。我國 CPI 中各項權重與居民支出各項權重接近，因此用居民消費支出同比 -CPI 同比可以較好地代表實際居民消費支出同比；而政府支出多投向文化教育、科學技術、醫療衛生等公共服務類型項目中，因此實際政府消費支出我們用政府消費支出同比 -CPI 服務同比。
2.1 居民消費
統計局資料顯示最終消費支出計算公式為：農村居民消費支出＋城鎮居民消費支出 + 政府消費支出。其中農村、城鎮居民消費支出是利用農村、城市居民家庭生活消費支出調查資料、社會消費品零售總額等統計數據進行核算。
首先我們對居民消費支出增速尋求高頻數據跟蹤。統計局每季度公布居民人均消費支出，考慮到數據可得性和更新頻率問題，我們選擇社會消費品零售總額代替居民消費支出，剔除 CPI 以得到月度的居民消費增速。
社零數據、CPI 數據的公布雖然為月度，但同樣具有一定的滞後性，我們在《20220901 長城證券中國經濟活動指數》中用地鐵客運量、汽車銷量、地産銷量實現了較好的高頻拟合，這三個指标對社零同比 -CPI 同比的拟合效果也較好，調整後 R 平方超過 90%。
2.2 政府消費
對于政府消費支出，《關于中國消費統計問題的幾點看法》（彭志龍，2009）中指出政府消費指政府部門為全社會提供公共服務所形成的消費支出和免費的或以較低價格向居民提供的貨物和服務的淨支出，包括政府在國防、行政管理、醫療衛生、文教等方面的支出。當前我國财政支出。同年，上海市統計局指出，政府消費支出是利用财政預算内及預算外有關事業費支出中屬于經常性業務支出項目進行核算。
當前财政部公布一般公共預算支出情況，主要支出科目包含教育、科學技術、文化體育與傳媒、社會保障和就業、醫療衛生與計劃生育、節能環保、城鄉社區事務、農林水事務、債務付息支出這十項。我們将前九項作為經常性業務支出的代表，九大财政支出年度值與 GDP 政府消費值除個别年份存在較大差别，其餘大部分時間基本一緻。以上财政支出項目每月公布，我們結合該數據，剔除 CPI 服務價格，也可以較好刻畫每月政府消費同比增速。
政府支出具有較明顯的 " 逆周期性 "，高頻數據實際上很難做到很好的跟蹤拟合，因此我們對這一分項暫且不做周度跟蹤，當月财政支出以前三月平均值代替，雖然會給 GDP 增速帶來一定誤差，但政府消費支出占 GDP 比重在 15% 左右，遠低于居民消費的 40%，誤差可能較小。
分别用社零 -CPI 同比、九項财政支出 -CPI 服務同比代替居民消費和政府消費支出實際增速，加權平均後與 GDP 消費支出實際當季同比較為一緻。
3
淨出口實際增速跟蹤
從曆史數據來看，GDP 貨物和服務淨出口與國家外彙管理局公布的國際收支平衡表中經常賬戶的貨物和服務差額基本一緻，這一指标每季度公布一次。另外，外彙管理局也公布我國的國際收支：貨物和服務貿易數據，從 2015 年開始每月公布一次，其與經常賬戶口徑的貨物和服務差額基本一緻，隻有部分時段存在一定差異。GDP 淨出口實際增速可以通過拉動值倒推，我們用國際貨物和服務貿易差額季度同比剔除價格因素 [ 4 ] 兩者走勢較為接近。近十年來，貨物與服務淨出口占 GDP 的比重維持在 3% 以下，價格因素對 GDP 增速的影響基本可以忽略不計。
國際貨物和服務貿易差額數據雖為月度公布，但大約有兩個月的滞後。淨出口占 GDP 比重雖然不高，但其增速變化較大，同時出口是衡量外需的重要指标，近年來貨物服務出口 / 進口分别占 GDP 比重在 20% 左右，因此我們在《20220901 長城證券中國經濟活動指數》已經對其進行高頻跟蹤：我們挑選了三個指标來拟合貨物和服務出口同比。其中八大港口集裝箱外貿吞吐量可以較好表征出口數量；上海集裝箱運價指數（SCFI）可以表現出口景氣度；韓國作為主要出口國，其出口增速可以較好地體現全球外需。上述三者的解釋度（R 平方）達到 63% 以上，并且更新頻率為周度或旬度，有助于較好地跟蹤國際貨物與服務貿易的出口。
貨物和服務進口同比我們篩選了兩個指标， CRB 現貨指數同比可以較好地體現我國進口商品價格變動；韓國作為我國重要外貿交易對手，其向中國出口金額同比與我國貨物和服務進口相關度也較高。上述兩個指标對進口同比的解釋度（R 平方）達到 82% 以上，并且更新頻率分别為日度和旬度，可以較好地跟蹤國際貨物與服務貿易的進口。
完成了對貨物與服務進出口單月同比的跟蹤拟合，我們就可以在上年貨物與服務進出口絕對值的基礎上進行當期淨出口同比的測算。
4
GDP 曆史數據拟合與各項拉動
在社會消費品零售總額、九項财政支出、固定資産投資完成額、土地購置費、商品房銷售額、國際貨物與服務淨出口等月度數據基礎上，我們可以大緻估算月度 GDP 中居民消費、政府消費、資本形成、淨出口各自的拉動。從曆史數據來看，以上拉動項加總後季度化，與實際 GDP 單季同比增速較為接近，拟合優度較高。同時這一模型與實際 GDP 存在一個較為穩定的誤差，因此最終實際 GDP 拟合值在四項加權平均的基礎上加回了誤差值。
如前述，社零等一系列月度值的公布有一定滞後性，而通過地鐵客運量、30 大中城市商品房銷售面積等高頻數據對居民消費、資本形成、淨出口分項的拟合，我們便可以初步估計當月增速，并及時對當月 GDP 各項拉動進行測算。由于增加了若幹跟蹤變量，并且對 GDP 實際增速的拟合方法有一定調整，本文計算出的月度 GDP 同比（下文稱為 "GDP 拟合值 2"）與《長城證券中國經濟活動指數》中的方法的測算值（下文稱為 "GDP 拟合值 1"）有一定差異。但本篇我們重點想确定月度 GDP 各分項對其拉動，因此我們在本文方法初步确定各個分項對 GDP 的拉動後，将其帶入 GDP 拟合值 1 進行調整，最後得到最終 GDP 各分項的拉動值 [ 5 ] 。今年 11 月份，消費支出、資本形成和淨出口分别拉動 GDP 增長 -1%、1.2% 和 1.6%。
風險提示
長城證券 GDP 跟蹤指數是對國内 GDP 數據的近似拟合，中國 GDP 數據應以國家統計局公布數據為準；長城證券 GDP 跟蹤指數的構建存在較多假設，部分假設可能與實際情況不一緻的風險；部分數據可能存在統計誤差；實際值與預測值不一緻；宏觀經濟環境不及預期。
