炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
中信建投证券研究 文|曾羽曲远源
从数据上看，央行的加息、降息行为有一定的规律可循。利用加权多分类Logistic模型对近10年的数据进行分析后发现，核心CPI同比增速、固定资产投资完成额累计同比增速、人民币汇率指数（参考SDR货币篮子）是三个具有统计显著性的先导指标，构成了央行行为的有效观察点。
计量结果显示，在降息周期中，核心CPI同比增速每下降1%，央行降息的概率平均提升22%；而在加息周期中，核心CPI同比增速每提升1%，央行降息的概率平均提升39%。这一非对称效应体现出，央行在行为层面对“通胀”问题有更高的敏感度。此外，人民币汇率指数（参考SDR货币篮子）这一指标在降息周期中不具有显著性，仅在加息周期中具有显著影响，验证了近年来货币政策“以我为主”的导向。
近几个月7日OMO利率维持不变。
1、模型：基于加权多分类Logistic模型的统计验证
央行的货币政策目标是保持货币币值的稳定，并以此促进经济增长。这一目标意味着，当物价、经济增长等基本面因素发生变化时，有可能会触发央行的政策调节机制，推动一系列货币政策的落地。因而理论上，部分经济统计指标在央行的降息、降准等行为中具有先导信号作用。
为充分的观察这一潜在效应，我们采用了加权多分类Logistic模型进行研究。Logistic模型是基于logit变换的广义线性模型，通过对优势比（Odds）进行对数变化，可以将正负无穷的连续数据映射到0、1区间的概率区间。在计量过程中，一般先通过极大似然估计法（MLE）估计模型的系数，再通过Sigmoid函数还原概率值，而后计算边际效应。
不过，经典的Logistic模型主要用于解决二分类问题，而央行行为有降息、加息、不变三种情况，不满足研究需求。此时，需要将模型拓展为多分类Logistic模型。多分类情况下，模型的概率值变为基于基准分类的条件概率值。进一步，由于在大部分情况下央行维持政策利率不变，基准情形的观测样本量占比过高，需要在损失函数中调整权重以平衡降息、加息事件的重要性。因此，我们采用逆类别频率权重（ICF）的处理方法对每个观测样本进行赋权，以强化加息、降息事件在模型中的重要性。
至此，我们得到了一个可以用于研究央行行为的加权多分类Logistic模型。
2、计量：拟合结果表现较好
基于上一部分的模型，我们以2016年1月以来的月度数据为样本，对央行的行为进行计量验证。被解释变量方面，以7日OMO利率是否发生变化判断央行是否加息或降息，解释变量选择常见的宏观统计指标进行验证。为确保指标具有“先导”含义，所有解释变量均向前滞后一期，以确保在降息行为发生前可以观察到。
研究发现，在较多的变量中，核心CPI同比增速、固定资产投资完成额累计同比增速、人民币汇率指数（参考SDR货币篮子）是三个具有统计显著性的指标，在计量拟合的过程中表现较好。其中，固定资产投资完成额累计同比增速的缺失项采用向前填充方法补全。模型的统计结果如下表所示。
从模型整体上看，模型的Pseudo R^2超过0.4，属于较好拟合区间，说明了上述三个指标具有较高的总体解释力度，模型整体具有较好的效力。
分单个指标来看，核心CPI在降息情形下的统计系数中不显著，但边际效应系数及加息分类中均显著。由于Logistic模型的系数值含义是优势比的对数，其非线性变化会一定程度上扭曲变量的真实影响，因此应优先从边际效应系数进行判断。且考虑到核心CPI在降息情形下的系数Z值为-1.46，处于近似显著的区间内，故仍应认为其具有显著影响。
固定资产投资完成额系数显著性较为稳定，属于正常保留的指标。人民币汇率指数方面，无论统计系数还是边际效应系数在降息情形下均不显著，故认为，人民币汇率指数在降息、加息过程中呈现明显的差异化特征，在加息周期中是明显的观察点，但降息周期中没有明显价值。
3、解读：上述计量结果经济学含义良好
上述计量结果具有较为良好的经济学含义，计量模型的系数符合经济学层面的理论预测。
观察边际效应系数发现，在降息周期中，核心CPI每提升1%，平均使得央行降息的概率降低22%；在加息周期中，核心CPI每提升1%，平均使得央行加息的概率提升39%。这一非对称效应显示，央行在行为层面对于“通胀问题”更加敏感，通胀的发生有更大概率触发加息。
相对的，固定资产投资完成额的表现较为稳定和对称。在降息周期中，固定资产投资完成额累计同比增速每提升1%，平均使得央行降息的概率降低2%；在加息周期中，固定资产投资完成额每提升1%，平均使得央行加息的概率提升2.6%。这一组较为接近的数值说明，标示经济增长的基本面指标较为中性，近似平均的影响加息和降息事件的发生。
最后，外汇数据的计量结果更为差异化。人民币汇率指数（参考SDR货币篮子）这一指标在降息周期中不具有显著性，仅在加息周期中具有显著影响。人民币汇率指数（参考SDR货币篮子）每提升1点，平均对应央行加息的概率提升2%。这一结果可以从两个角度解释。第一，近年来货币政策强调“以我为主”，又恰逢降息周期，导致外汇数据的重要性有所降低；第二，不排除央行对于人民币币值的系统性走强更为敏感，在内外双循环的要求下，过高的币值会影响我国出口，不利于经济增长。需要特别说明的是，人民币对美元汇率在模型中完全不显著，符合央行强调关注综合汇率的一贯表态。
4、总结：央行的行为仍是有迹可循的
从数据上看，尽管不易观察，但央行的加息、降息行为仍是有一定的规律可循的。核心CPI同比增速、固定资产投资完成额累计同比增速、人民币汇率指数（参考SDR货币篮子）是三个具有统计显著性的先导指标，构成了央行行为的有效观察点。客观的讲，上述三个指标不能完全描述央行在降息、加息过程中的全部行为，但构成了有效的锚点，对于辅助市场判断政策利率走势有积极意义。
除去本研究的主体内容外，我们按惯例汇报基于Bernanke因子模型的12月10Y国债中枢预测数值。机器学习方法下，估计出的12月基本面支撑的10Y国债中枢数值为1.83%。考虑到当前债市主线不明显，故暂不进行额外调整，以此数值作为12月的点位预测值。
海外市场波动风险：长时间通胀对美欧市场造成一定负面影响，企业成本上升，居民需求下降，工业品和消费品价格上涨。为应对通胀问题，美联储降息进程一再延后，客观上带来了海外市场衰退的风险。随着特朗普的上台，逆全球化思想在海外有所抬头，我国科技发展及对外贸易带来一定的压力。
地缘冲突风险：俄乌冲突仍存在较大不确定性。随着北约对乌克兰的持续支持和俄方立场的持续强硬，俄乌战争局势仍不平稳。受此影响，全球金融市场可能出现一定的波动，甚至出现区域性系统风险。需要考虑到风险在全球的传导并加以防范。
宽信用加速风险：随着稳增长政策的持续出台，宽信用进程不断推进，政府债供给充裕。随着基建、投资拉动的推进，宽信用存在加速的可能，将使得市场风险偏好升高。考虑到当前流动性局面较近年更为复杂，信用走宽叠加流动性的加速转向或推动市场转向，造成债券收益率上行，价格下跌。
