周德才,陳金金,劉波
(1. 南昌大學 經(jīng)濟管理學院,江西 南昌 330031;2. 中國中部經(jīng)濟社會發(fā)展研究中心,江西 南昌 330031)
國民經(jīng)濟包羅萬象,電力行業(yè)作為基礎(chǔ)產(chǎn)業(yè),對宏觀經(jīng)濟發(fā)展趨勢起著導(dǎo)向作用,其各種變化可反映出宏觀經(jīng)濟的發(fā)展方向。深入探究電力行業(yè)的運行態(tài)勢,對于引導(dǎo)宏觀經(jīng)濟調(diào)控政策的制定有著重要作用。因此,實時和動態(tài)地測度中國電力行業(yè)景氣狀況,建立電力預(yù)警監(jiān)測指標體系,對于宏觀調(diào)控各行業(yè)的經(jīng)營發(fā)展,顯得十分重要和有價值。
目前,研究能源相關(guān)領(lǐng)域景氣指數(shù)的相關(guān)的文獻較為豐富,但國外專門針對電力景氣指數(shù)的研究鮮見,而國內(nèi)的專門研究也比較少。這些研究主要分為2方面:(1)同頻電力景氣指數(shù)構(gòu)建研究。這項研究又可進一步分為2類:①基于主觀賦權(quán)法等傳統(tǒng)統(tǒng)計學方法的電力景氣指數(shù)構(gòu)建研究。一些學者們主要基于同頻電力行業(yè)數(shù)據(jù),使用擴散指數(shù)和合成指數(shù)方法,構(gòu)建了一些同頻電力景氣指數(shù),文獻[1-3]使用擴散指數(shù)和合成指數(shù)編制方法,編制了中國電力景氣指數(shù)體系,反映了電力市場的景氣情況和長期變化趨勢。這些研究開創(chuàng)了中國電力景氣指數(shù)研究的先河,但也存在客觀性不夠和無法混頻等不足;②基于狀態(tài)空間模型、主成分法等現(xiàn)代計量經(jīng)濟學方法的電力景氣指數(shù)構(gòu)建研究。文獻[4]采用狀態(tài)空間模型技術(shù)對整個社會電力需求增長率進行了趨勢分解,反映了電力需求周期波動,文獻[5-7]分別采用灰色系統(tǒng)理論、神經(jīng)網(wǎng)絡(luò)法、主成分法等對電力需求進行了中長期的預(yù)測及周期波動分析。這些研究雖然解決了編制指數(shù)權(quán)重的客觀性問題,但是還存在無法混頻和實時的問題。(2)同頻電力景氣指數(shù)應(yīng)用研究。這項研究也可進一步分為2類:①基于電力景氣指數(shù)對電力供需的預(yù)測研究。文獻[8]收集了天津電力市場相關(guān)行業(yè)經(jīng)濟及能耗數(shù)據(jù),編制了天津電力景氣指數(shù),其中包含具有預(yù)測性的先行指數(shù),依據(jù)其變化來判斷天津電力市場需求走向;②基于電力景氣指數(shù)的電力景氣狀況預(yù)警分析。文獻[9]通過對電力市場結(jié)構(gòu)、電力市場對其相關(guān)行業(yè)的影響、電量波動和動態(tài)貢獻率等方面的研究,揭示各個行業(yè)不同的景氣狀況。這些研究也存在無法混頻的不足。
雖然國內(nèi)外對于電力景氣指數(shù)的相關(guān)研究較少,但是在其他能源領(lǐng)域編制過不少同頻能源景氣指數(shù)。文獻[10-12]編制了一些國家和地區(qū)的同頻煤炭行業(yè)景氣指數(shù)。文獻[11, 13]編制一些國家和地區(qū)的同頻石油景氣指數(shù)。
考慮到經(jīng)濟景氣數(shù)據(jù)統(tǒng)計頻率不盡相同,采用普通求平均等簡單的插值法,會使得數(shù)據(jù)失去部分真實性和可信度,一些學者開始嘗試使用混頻數(shù)據(jù)模型構(gòu)建經(jīng)濟景氣指數(shù)。雖然目前對于電力經(jīng)濟指數(shù)的構(gòu)建依舊處于同頻化研究階段,缺乏一定的實時性,但在經(jīng)濟景氣指數(shù)研究領(lǐng)域混頻化已逐漸成為研究的主流方向。文獻[14-15]基于混頻DFM模型(MF-DFM),文獻[16-17]基于混頻VAR模型(MF-VAR),文獻[18-19]基于混頻MS-DFM模型(MF-MS-DFM)模型,文獻[20-22]基于混頻MS-VAR模型(MF-MS-VAR)編制了一些混頻經(jīng)濟景氣指數(shù)和金融狀況指數(shù)。
綜上所述,目前國內(nèi)外學者對于電力景氣指數(shù)的研究還比較少,對于綜合考慮實時性和穩(wěn)健性的研究幾乎還沒有。本文鑒于混頻數(shù)據(jù)在實時性和預(yù)測性上的優(yōu)勢,試圖從一致性指標、先行指標、滯后指標3個方面出發(fā)將季度和月度等不同頻率的數(shù)據(jù)組成混頻樣本數(shù)據(jù),構(gòu)建季月混頻(MF-MS-SW)模型,形成中國混頻電力景氣指數(shù)體系。本文做出的主要邊際貢獻有:(1)本文構(gòu)建了新MF-MS-SW模型,在狀態(tài)方程的斜率系數(shù)項上設(shè)置了馬爾科夫(Markov)機制轉(zhuǎn)換,從而消除了標準化而導(dǎo)致的結(jié)果幾乎無差的影響,更好地反映出中國電力景氣狀態(tài)動態(tài)變化規(guī)律。(2)本文編制了中國首個混頻電力景氣指數(shù)。本文使用新構(gòu)建的MF-MS-SW模型編制中國首個電力景氣指數(shù)體系,包括先行、一致和滯后指數(shù),從而改善了傳統(tǒng)同頻電力景氣指數(shù)研究為了同頻化人為主觀插值或平均導(dǎo)致的研究“失真”。
目前,國際上對行業(yè)景氣周期的考察通常包括古典周期、增長率周期、濾波周期。早期,景氣指數(shù)主要基于擴散指數(shù)和合成指數(shù)的方法編制;近期,行業(yè)景氣增長率周期主要采用動態(tài)因子模型提取相關(guān)行業(yè)變量協(xié)同變動的共同因子來構(gòu)建;現(xiàn)在,濾波周期是通過HP濾波等濾波方法對原始樣本數(shù)據(jù)進行處理,捕捉行業(yè)變量協(xié)同變動的共同成分,因此依然采用動態(tài)因子模型來構(gòu)建。本文構(gòu)建的中國電力景氣指數(shù)采用濾波周期,故選用MS-SW模型,相關(guān)電力行業(yè)統(tǒng)計數(shù)據(jù)頻率眾多以及結(jié)構(gòu)變化多,于是將MS-SW模型拓展為MF-MS-SW模型。
1.1.1 經(jīng)典 MF-MS-SW 模型
式(1) ~(3)構(gòu)成經(jīng)典MF-MS-SW模型的具體方程。為簡化處理,假設(shè),即共同因子服從一階自回歸(AR(1))。進一步地,借鑒文獻[20],假設(shè)Markov機制存在2種,即可取和。一般地,假設(shè),那么機制和機制就分別表示為電力行業(yè)處于收縮階段和擴張階段,若且,則電力行業(yè)同時包含收縮和擴張兩個過程??傊?,上述MF-MS-SW模型同樣適用于描述電力行業(yè)波動呈現(xiàn)周期性特征,可用狀態(tài)變量來刻畫電力行業(yè)發(fā)展趨勢的階段性變化,因此本文將采用該模型編制中國電力景氣指數(shù)[19]。
(2)經(jīng)典MF-MS-SW方程轉(zhuǎn)換為狀態(tài)空間方程。對前文構(gòu)建的MF-MS-SW方程,表示為具有Markov轉(zhuǎn)換的狀態(tài)空間如下方程。
1.1.2 新 MF-MS-SW 模型構(gòu)建與估計
(2)新MF-MS-SW模型的Kalman濾波估計。借鑒文獻[23]對模型參數(shù)的估計方法,對上文構(gòu)建的新模型使用Kalman濾波與平滑方法進行估計,得出參數(shù)結(jié)果。詳細介紹參考文獻[23]。
1.1.3 基于新 MF-MS-SW 模型提取中國電力景氣指數(shù)的原理
由于電力行業(yè)的錯綜復(fù)雜,涉及的上下游行業(yè)比較廣泛,波及面廣,使得用于衡量電力行業(yè)發(fā)展狀況的不同維度之間具有一定的聯(lián)動性。各維度、各行業(yè)之間相互影響,用傳統(tǒng)的單一指標來反映一個國家的電力景氣狀況很不全面,缺乏說服力。假如在電力行業(yè)之中存在某一不可觀測變量驅(qū)動著整個行業(yè)變化,同時該變量的景氣趨勢狀況對行業(yè)絕大部分可觀測變量的趨向起著一定的決定作用,那么該變量就能用來表示整個中國電力市場的景氣情況。因此本文將采用MFMS-SW模型來提取能表征電力行業(yè)波動的共同因子,以此觀測電力行業(yè)的發(fā)展趨勢。
本文將景氣指數(shù)波動設(shè)置成表1中的5種狀態(tài)[24]。根據(jù)表1的原則,當指數(shù)值在某一區(qū)間內(nèi)就亮出相應(yīng)的信號,模型以景氣信號為輸出結(jié)果,將在后面4.1節(jié)中給出。
表1 預(yù)警信號系統(tǒng)區(qū)間判斷Table 1 Judgment of the interval of the early warning signal system
本文使用Wind數(shù)據(jù)庫和中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫收集了電力行業(yè)相關(guān)的月度和季度指標共160多個。然后借鑒K-L信息量法的分析方式,結(jié)合經(jīng)濟發(fā)展規(guī)律和工業(yè)增長速度等因素進行分析來對指標進行篩選。在研究比較之后,確定“全社會用電量”為基準指標,其次使用時差分析、波峰波谷分析、相關(guān)性分析等方法,將備選的160多個指標分別與基準指標“全社會用電量”進行分析,確定一致、先行、滯后月(季)數(shù),以及觀察它們的擬合程度,綜合相關(guān)系數(shù)的大?。ㄒ姳?),最終選取21個指標。采用這種分析方法所選出來的指標具有客觀性,能很好地擬合電力行業(yè)的發(fā)展趨勢。本文使用的數(shù)據(jù)皆為增長率序列,樣本區(qū)間為2003年1月—2019年12月。本文在將指標與基準變量作對比分析之前都先將指標的增長率使用EViews9軟件進行季節(jié)性調(diào)整(Census X-12方法),以消除季節(jié)變動影響。
表2 數(shù)據(jù)選取說明Table 2 Sample data selection instructions
2.1.1 一致指標
本文選取了全社會用電量(X1)、發(fā)電量(X2)、火力發(fā)電量(X3)、工業(yè)用電量(X4)、城鄉(xiāng)居民生活用電量(X5)、工業(yè)增加值(X6)、固定資產(chǎn)投資價格指數(shù)(X7)、國內(nèi)生產(chǎn)總值(X8)、第二產(chǎn)業(yè)增加值(X9)作為中國電力景氣一致指標的代理變量。
2.1.2 先行指標
本文選取了化學纖維產(chǎn)量(Y1)、鋼筋產(chǎn)量(Y2)、商品房銷售面積(Y3)、商品房銷售額(Y4)平板玻璃產(chǎn)銷率(Y5)作為中國電力景氣先行指標的代理變量。
2.1.3 滯后指標
本文選取了鐵路貨運量(Z1)、工業(yè)企業(yè)主營業(yè)務(wù)收入(Z2)、燃料、動力類工業(yè)生產(chǎn)者購進價格指數(shù)(Z3)、煤炭開采和洗選業(yè)主營業(yè)務(wù)收入(Z4)、石油、煤炭及其他燃料加工業(yè)主營業(yè)務(wù)收入(Z5)、電力生產(chǎn)主營業(yè)務(wù)收入(Z6)、建筑業(yè)增加值(Z7)作為中國電力景氣滯后指標的代理變量,合計共21個指標。從表2可知,這些指標與電力行業(yè)的波動對應(yīng)性較好,符合景氣指標選取所要求的全面性和層次性、及時性和敏感性、統(tǒng)計充分性和可測性以及無量綱性和層次性的原則。
本文對21個電力行業(yè)指標數(shù)據(jù)處理包括:(1)用Census X-12方法對文中選取的月度變量進行調(diào)整,消除季節(jié)性因素對數(shù)據(jù)的影響;(2)對于所有不含負數(shù)的數(shù)據(jù)取對數(shù);(3)使用HP過濾方法得出21個變量的缺口值;(4)對缺口值進行標準化處理。
對于樣本數(shù)據(jù)的穩(wěn)定性,本文采用ADF檢驗和PP檢驗2種方式進行驗證,鑒于文章篇幅問題,檢驗結(jié)果不做展示。檢驗結(jié)果中變量X2,X3,X5, X6, Y1, Y2,Y3,Y4,Y5,Z1,Z2,Z3,Z4,Z5,Z6,Z7的 ADF檢驗和PP檢驗均在1%的水平上都拒絕原假設(shè);變量X1,X7,X8,X9的ADF檢驗在1%的水平上都拒絕原假設(shè),PP檢驗在5%的水平上拒絕原假設(shè);變量X4的ADF檢驗在5%的水平上拒絕原假設(shè),PP檢驗在1%的水平上拒絕原假設(shè),因此它們均不存在單位根,屬于平穩(wěn)時間序列,滿足構(gòu)建中國電力景氣指數(shù)的要求。
本文借鑒文獻[25]的動態(tài)因子模型,再根據(jù)前文所構(gòu)建的計量模型,同時結(jié)合本文所選取的21個變量,以此構(gòu)建一致、先行和滯后中國電力景氣指數(shù)。在此基礎(chǔ)上我們將上述理論模型,進行具體化處理。
2.3.1 量測方程的設(shè)定
由于數(shù)據(jù)進行了標準化處理,指標變量序列的均值便都為0,故在具體化時忽略,以是否可觀測為例,以一致指數(shù)為例,其他指數(shù)以此類推,量測方程具體表示為
2.3.2 狀態(tài)方程的設(shè)定
狀態(tài)方程的常數(shù)項和系數(shù)項上具備Markov機制,具體為
本文參考文獻[21],為了減少需要估計的參數(shù)個數(shù),去除模型中常數(shù)項的影響,在一定程度上簡化計算過程,對文中涉及的指標均去均值。同時,式(9)中的假定為2種機制,以便更顯著地體現(xiàn)出狀態(tài)方程的動態(tài)性和機制性。
模型的系數(shù)估計結(jié)果如表3和表4所示。從表中可以看出,在10%顯著性水平下,本文所構(gòu)建的模型中絕大部分系數(shù)參數(shù)都是顯著的。具體來看,小于等于10%的有33個,大于10%的共15個,其中有12個不顯著的情況是出現(xiàn)在滯后指數(shù)的估計中,這說明本文的模型設(shè)定有一定的合理性。對于一致指標組:(1)在本文設(shè)定的Markov機制1和機制2下,共同因子的自回歸系數(shù)估計值分別為0.953和0.845,說明在Markov機制兩種狀態(tài)下所提取出的共同因子與前一期值的均具有較高的相關(guān)性,即本文構(gòu)建的電力景氣指數(shù)在擴張狀態(tài)和收縮狀態(tài)中均表現(xiàn)出強連續(xù)性。(2)共同因子的標準差與大部分特定因子的標準差相比具有顯著的差異,數(shù)值上更小,表明共同因子比較穩(wěn)定。(3)在第1機制和第2機制的狀態(tài)下,共同因子的截距項分別為0.197和–0.156,表明分別處于擴張和收縮狀態(tài)。
表3 MF-MS-SW模型的量測方程參數(shù)估計結(jié)果Table 3 Estimation results of measurement equation parameters of MF-MS-SW model
對于模型的估計以及濾波概率的測算,本文借鑒Hamilton的EM算法,結(jié)果見圖1。圖1顯示在第一機制的狀態(tài)下,大于0.5的區(qū)間段內(nèi),基本契合于中國電力景氣擴張時期,因此,電力景氣的狀態(tài)可以分別識別第一機制為擴張狀態(tài);第二機制為收縮狀態(tài)。具體如下。
3.2.1 中國混頻電力景氣一致指數(shù)的濾波概率分析
該指數(shù)的濾波概率在2003年5月—2004年2月、2004年6月—2006年7月、2008年1月—2009年10月、2011年1月—2 0 1 3年1月、2014年7月—2 0 1 7年1月、2017年8月—2018年1月、2018年12月—2019年12月,期間大于0.5,在除此外的期間內(nèi)則小于0.5。
3.2.2 中國混頻電力景氣先行指數(shù)的濾波概率分析
該指數(shù)的濾波概率在2003年2—3月、2003年10月—2004年4月、2007年5月—2008年1月、2008年5月—2009年1月、2009年5月—2010年4月、2012年2—7月、2013年1—3月、2013年5—6月、 2013年9月—2014年1月、2014年4月—2015年4月、2016年1—5月、2016年8月—2017年3月、2019年7—12月期間內(nèi)大于0.5,在除此外的期間內(nèi)小于0.5。
3.2.3 中國混頻電力景氣滯后指數(shù)的濾波概率分析
該指數(shù)的濾波概率在2003年4月—2004年5月、2006年1—5月、2006年9月—2007年12月、2008年7月—2009年12月、2010年2—10月、2011年12月—2013年7月、2015年1—12月、2016年2—12月、2017年2月—2018年4月、2018年12月—2019年12月期間內(nèi)大于0.5,在除此外的期間內(nèi)小于0.5。
按照基值為100的原則,結(jié)合圖2,根據(jù)中國電力景氣指數(shù)的走勢,得出中國混頻電力景氣指數(shù)一致、先行和滯后的總體趨勢。
3.3.1 中國混頻電力景氣一致指數(shù)總體趨勢分析
從2003年1月以來,中國混頻電力景氣一致指數(shù)可以劃分為4個階段:(1)2003年1月—2008年6月為反復(fù)波動階段,此階段景氣指數(shù)出現(xiàn)波動,并且在2006年1月創(chuàng)中國電力景氣指數(shù)新低,這也是截至目前中國一致電力景氣指數(shù)的第一低點。(2)2008年7月—2009年12月為巨幅波動階段,此階段表明受金融危機大環(huán)境影響,中國景氣指數(shù)從相對高峰值一路下降,在2009年2月達到最低波谷點,這也是截至目前中國電力景氣指數(shù)的歷史最低點(96.2),后來隨著經(jīng)濟復(fù)蘇,中國電力景氣指數(shù)也迅速向上攀升,恢復(fù)到金融危機前的水平。(3)2010年1月—2014年7月為小幅波動階段,此階段中國電力景氣指數(shù)盡管出現(xiàn)波動,但景氣狀態(tài)平穩(wěn),(4)2014年8月—2019年12月為再次探底階段,在受全球環(huán)境的影響,此階段再次出現(xiàn)了景氣狀態(tài)下降現(xiàn)象,從2014年8月持續(xù)下降,并且在2016年4月達到波谷點,隨后景氣指數(shù)一路攀升,逐漸趨于平緩。
3.3.2 中國混頻電力景氣先行指數(shù)總體趨勢分析
從2003年1月以來,中國混頻電力景氣先行指數(shù)可以劃分為4個階段:(1)反復(fù)震蕩階段(2003年1月—2008年1月)。此階段景氣指數(shù)出現(xiàn)波動,并且在2007年9月上升至101.5,創(chuàng)中國混頻電力景氣先行指數(shù)新高,這也是截至目前中國混頻電力景氣先行指數(shù)的第一高點。(2)巨幅波動階段(2008年2月—2009年4月)。此階段表明受金融危機大環(huán)境影響,中國混頻電力景氣先行指數(shù)從相對高峰值一路下降,且先行指數(shù)開始下降時間先于一致指數(shù)約4個月左右,在2008年11月達到最低波谷點(97.2),后來隨著經(jīng)濟復(fù)蘇,中國混頻電力景氣先行指數(shù)也迅速向上攀升,恢復(fù)到金融危機前的水平。(3)大幅波動階段(2009年5月—2015年10月)。此階段中國混頻電力景氣先行指數(shù)仍出現(xiàn)波動并經(jīng)歷了2個完整的景氣周期,在2013年2月出現(xiàn)目前的最高值(103)。(4)震蕩下降階段(2015年11月—2019年12月)。此階段再次出現(xiàn)了景氣狀態(tài)下降現(xiàn)象,從2016年4月達到相對高峰值(101.7)后有震蕩下降的跡象,在2019年9月后有回升的趨勢。
3.3.3 中國混頻電力景氣滯后指數(shù)總體趨勢分析
從2003年1月以來,中國混頻電力景氣滯后指數(shù)可以劃分為4個階段:(1)反復(fù)震蕩階段(2003年1月—2008年12月)。此階段景氣指數(shù)出現(xiàn)波動,并且在2008年9月創(chuàng)中國混頻電力景氣滯后指數(shù)新高(101.5),這也是截至目前中國滯后電力景氣指數(shù)的第一高點。(2)巨幅波動階段(2009年1月—2010年1月)。此階段表明受金融危機大環(huán)境影響,滯后指數(shù)從相對高峰值一路下降, 且滯后指數(shù)開始下降時間晚于一致指數(shù)約10個月左右,在2009年3月達到最低波谷點,這也是截至目前中國混頻電力景氣滯后指數(shù)的歷史最低點(96.9),后來隨著經(jīng)濟復(fù)蘇,中國混頻電力景氣滯后指數(shù)也迅速向上攀升,恢復(fù)到金融危機前的水平。(3)大幅波動階段(2010年2月—2015年12月)。此階段經(jīng)歷了一個完整的景氣周期,并在2010年2月出現(xiàn)截至目前的最高值(102.6)。(4)再次探底階段(2016年1月—2019年12月)。此階段再次出現(xiàn)了景氣狀態(tài)下降現(xiàn)象,從2016年1月持續(xù)下降,并且在2016年7月達到波谷點(99.2),隨后景氣指數(shù)一路攀升,在2017年2月達到相對高峰值(101.8)后有震蕩下降的跡象。
為了體現(xiàn)混頻電力景氣指數(shù)的優(yōu)勢,本文用MS-SW模型抽取低頻因子的方式來構(gòu)建季度同頻電力景氣指數(shù),并通過Eviews將季度數(shù)據(jù)轉(zhuǎn)換成月度數(shù)據(jù),與對所構(gòu)建的月度混頻電力景氣指數(shù)進行對比分析。
(1)由圖3 ~5可見,本文所構(gòu)建的混頻電力景氣指數(shù)與同頻電力景氣指數(shù)的一致指數(shù)、先行指數(shù)和滯后指數(shù)的走勢均基本一致,說明本文構(gòu)建的混頻指數(shù)具有較高的穩(wěn)健性。(2)本文構(gòu)建的混頻電力景氣指數(shù)較同頻電力景氣指數(shù)具備更高的靈敏性,能夠更加具體清晰地表現(xiàn)出景氣與不景氣的拐點,體現(xiàn)出拐點出現(xiàn)的月份。如在混頻先行指數(shù)中,可以明確看到2009年11月是景氣與不景氣的拐點,且景氣指數(shù)值為102.3,但是在相同時間段同頻景氣指數(shù)中,只能觀察到拐點出現(xiàn)在2009年10—12月,無法具體到月份;同樣的,可以觀察到混頻先行指數(shù)在2013年2月出現(xiàn)了景氣與不景氣的拐點,值為103,在相同時間段同頻景氣指數(shù)中,只能觀察到拐點出現(xiàn)在2013年1—4月。
圖3 同頻一致電力景氣指數(shù)與混頻一致電力景氣指數(shù)Fig. 3 Co-frequency consistent power prosperity index and mixed-frequency consistent power prosperity index
圖4 同頻先行電力景氣指數(shù)與混頻先行電力景氣指數(shù)Fig. 4 Co-frequency leading power prosperity index and mixed-frequency leading power prosperity index
圖5 同頻滯后電力景氣指數(shù)與混頻滯后電力景氣指數(shù)Fig. 5 Co-frequency lagging power prosperity index and mixed-frequency lagging power prosperity index
根據(jù)給定的原則,得出表5中電力景氣指數(shù)預(yù)警信息的輸出結(jié)果,按照慣例一般分析一致指數(shù)預(yù)警情況,以一致指數(shù)為例,其他指數(shù)以此類推。
表5 中國電力景氣指數(shù)警示燈Table 5 Warning lights of China power prosperity index
景氣預(yù)警指示燈顯示中國混頻電力景氣一致指數(shù)狀態(tài)表現(xiàn)為:從2003年1季度開始為正常狀態(tài),在2007年1季度轉(zhuǎn)為比較景氣狀態(tài);從2008年1季度開始到2008年3季度位正常狀態(tài),2008年4季度轉(zhuǎn)為不太景氣的狀態(tài),到2009年1季度到3季度持續(xù)表現(xiàn)為不景氣的狀態(tài),2009年4季度逐漸往非景氣狀態(tài)轉(zhuǎn)變,到2010年1季度和2季度變?yōu)榉浅>皻猓?季度和4季度為比較景氣,轉(zhuǎn)而在2001年1季度到2017年4季度除了在2012年3季度不太景氣以外,其他時間均表現(xiàn)為正常狀態(tài),隨后在2018年1季度進入過比較景氣的階段,而最近一段時間的綜合預(yù)警系統(tǒng)表明,中國電力行業(yè)景氣狀態(tài)持續(xù)保持在平穩(wěn)區(qū),依舊是處于正常狀態(tài)。
4.2.1 中國混頻電力景氣指數(shù)與全社會用電量的相關(guān)性
本文將全社會用電量作為基準指標,與中國混頻電力景氣指數(shù)進行相關(guān)性分析,即將中國混頻電力景氣指數(shù)與全社會用電量進行比較,具體如圖6所示。
圖6 電力景氣指數(shù)與全社會用電量Fig. 6 China power prosperity index and total electricity consumption
由圖6可以看出,中國混頻電力景氣指數(shù)與全社會用電量的圖形運行軌跡大致相同,并且中國混頻電力景氣一致指數(shù)與全社會用電量基本吻合,中國混頻電力景氣先行指數(shù)先行于全國全社會用電量大致3個月,中國混頻電力景氣滯后指數(shù)滯后于全社會用電量大致2個月。通過Eviews9軟件計算,得出中國混頻電力景氣一致指數(shù)與全社會用電量相關(guān)系數(shù)為0.759,中國混頻電力景氣先行指數(shù)與全社會用電量相關(guān)系數(shù)為0.263,中國混頻電力景氣滯后指數(shù)與全社會用電量相關(guān)系數(shù)為0.568,說明本文構(gòu)建的中國混頻電力景氣指數(shù)比較合理。(1)波峰比較。在2004年2月時,先行指數(shù)出現(xiàn)峰值,全社會用電量在同月尾隨中國電力景氣指數(shù)的變化達到階段峰值;在2009年12月,先行指數(shù)經(jīng)歷了一個巨大回落后,出現(xiàn)另一個峰值;而全社會用電量于同月尾隨出現(xiàn)回溫,出現(xiàn)相對峰值。(2)波谷比較。2008年11月先行指數(shù)達到波谷值,全社會用電量則于隨后一月后出現(xiàn)下滑,至2009年1月落至波谷值;而當先行指數(shù)在2011下半年下滑時,全社會用電量則在3個月內(nèi)亦開始表現(xiàn)為下滑走勢。因此,本文所構(gòu)建的中國混頻電力景氣先行指數(shù)可以作為中國電力行業(yè)度量的先行指標,對中國電力景氣狀況能進行較好的預(yù)測。
4.2.2 中國混頻電力景氣指數(shù)與 GDP的相關(guān)性
本文把中國月度混頻電力景氣指數(shù)按季度進行算術(shù)平均,得到季度混頻電力景氣指數(shù)。本文為了研究中國電力景氣指數(shù)與GDP之間的關(guān)系,將中國電力景氣指數(shù)與GDP畫成折線圖,其中季度電力景氣指數(shù)是通過月度電力景氣指數(shù)算術(shù)平均數(shù)得到,如圖7所示。由圖7可以看出,中國先行電力景氣指指數(shù)與GDP的整體趨勢軌跡大致相同,且從幾個波峰和波谷趨勢得知,中國混頻電力景氣一致指數(shù)波動與GDP基本吻合,中國混頻電力景氣先行指數(shù)顯著地領(lǐng)先于GDP波動1個季度左右,中國混頻電力景氣滯后指數(shù)顯著地滯后于GDP波動1個季度左右。(1)波峰比較。中國混頻一致電力景氣指數(shù)于2009年4季度達到峰值,而后GDP于2010年1季度達到峰值,中國混頻電力景氣先行指數(shù)相比GDP提前了1個季度達到波峰。(2)波谷比較。中國的先行電力景氣指數(shù)2008年第4季度達到第一個波谷,并于2012年第1季度再次探底;相對于GDP提前了1個月到達波谷值。說明先行電力景氣指數(shù)能動態(tài)實時地反映GDP的變化,可作為主要經(jīng)濟活動的季度領(lǐng)先指標,對其進行預(yù)測,預(yù)期達1個季度。
圖7 電力景氣指數(shù)與GDPFig. 7 China power prosperity index and GDP
4.3.1 中國混頻電力景氣一致指數(shù)對全社會用電量的預(yù)測檢驗
基于循環(huán)回歸方程式,本文使用混頻電力景氣一致指數(shù)對社會用電量進行預(yù)測,并與同頻電力景氣一致指數(shù)進行對比,以判斷其優(yōu)劣。為方便表述,記電力景氣一致指數(shù)為λ(PCI),電力景氣先行指數(shù)為λ(PAI),電力景氣滯后指數(shù)為λ(PLI),社會用電量為Q(SPC)。預(yù)測結(jié)果如表6所示。預(yù)測公式為
首先可以從最大擬合優(yōu)度(R2)的角度來看,混頻電力景氣一致指數(shù)和同頻電力景氣一致指數(shù)都在第0期達到最大值0.771和0.702。換句話說,社會用電量的77.1%的波動可以由混頻電力景氣一致指數(shù)來解釋,70.2%的波動可以由同頻電力景氣一致指數(shù)來解釋,說明,混頻電力景氣一致指數(shù)在最大擬合優(yōu)度上優(yōu)于同頻電力景氣一致指數(shù)。同時,從R2的平均值來看,混頻電力景氣一致指數(shù)和同頻電力景氣一致指數(shù)分別是0.658和0.650,混頻也優(yōu)于同頻;其次,從AIC和RMSE等指標來看,混頻電力景氣一致指數(shù)都是二者中較小的,都可說明混頻電力景氣一致指數(shù)優(yōu)于同頻電力景氣一致指數(shù)。
4.3.2 中國混頻電力景氣先行指數(shù)對全社會用電量的預(yù)測檢驗
同樣,基于循環(huán)回歸方程式,本文使用混頻電力景氣先行指數(shù)對社會用電量進行預(yù)測,并與同頻電力景氣先行指數(shù)進行對比,以判斷其誤差。預(yù)測結(jié)果如表6所示。預(yù)測公式為
表6 PCI、PAI和PLI對全社會用電量的預(yù)測檢驗Table 6 Predictive test of PCI, PAI and PLI on the total electricity consumption
首先從最大擬合優(yōu)度(R2)的角度來看,混頻電力景氣先行指數(shù)和同頻電力景氣先行指數(shù)分別在第1期和第2期的時候達到最大值0.236和0.222。換句話說,全社會用電量的23.6%的波動可以由混頻電力景氣先行指數(shù)來解釋,22.2%的波動可以由同頻電力景氣先行指數(shù)來解釋,說明,混頻電力景氣先行指數(shù)在最大擬合優(yōu)度上(R2)優(yōu)于同頻電力景氣先行指數(shù)。同時,從R2的平均值來看,混頻電力景氣先行指數(shù)和同頻電力景氣先行指數(shù)分別是0.151和0.140,混頻也優(yōu)于同頻;其次,從AIC和RMSE等指標來看,混頻電力景氣先行指數(shù)都是二者中較小的,都可以說明混頻電力景氣先行指數(shù)優(yōu)于同頻電力景氣先行指數(shù)。
4.3.3 中國混頻電力景氣滯后指數(shù)與全社會用電量的預(yù)測檢驗
同樣,基于循環(huán)回歸方程式,本文使用混頻電力景氣滯后指數(shù)對全社會用電量進行預(yù)測,并與同頻電力景氣滯后指數(shù)進行對比,以判斷其誤差。預(yù)測結(jié)果如表6所示。預(yù)測公式為
從最大擬合優(yōu)度(R2)的角度來看,混頻電力景氣滯后指數(shù)和同頻電力景氣滯后指數(shù)都是在第0期達到最大值0.322和0.280。換言之,全社會用電量的32.2%的波動可以由混頻電力景氣滯后指數(shù)來解釋,28%的波動可以由同頻電力景氣滯后指數(shù)來解釋,說明,混頻電力景氣滯后指數(shù)在最大擬合優(yōu)度上(R2)明顯優(yōu)于同頻電力景氣滯后指數(shù)更為。同時,從R2的平均值來看,混頻電力景氣滯后指數(shù)和同頻電力景氣滯后指數(shù)分別是0.247和0.216,混頻也優(yōu)于同頻;其次,從AIC和RMSE等指標來看,混頻電力景氣滯后指數(shù)都是二者中較小的,都可說明混頻電力景氣滯后指數(shù)優(yōu)于同頻電力景氣滯后指數(shù)。需要說明的是混頻電力景氣滯后指數(shù)是滯后變量,對全社會用電量沒有領(lǐng)先作用,因此預(yù)測效果較差是由它本身的性質(zhì)決定的。
本文從電力行業(yè)一致指標,電力行業(yè)先行指標,電力行業(yè)滯后指標3個方面出發(fā),并通過構(gòu)建MF-MS-SW模型,構(gòu)建了中國混頻電力景氣一致、先行和滯后指數(shù),對中國電力行業(yè)在一定時期內(nèi)出現(xiàn)的波動狀況進行了實證分析,研究認為:(1)本文構(gòu)建的MF-MS-SW計量模型較好地刻畫了中國電力景氣指數(shù)的波動特征。本文選取的21個經(jīng)濟指標包含了電力行業(yè)的上游和下游產(chǎn)業(yè),具有全面性和層次性,且與基礎(chǔ)指標的相關(guān)系數(shù)有近80%超過了0.5,因此通過拓展構(gòu)建的MF-MS-SW模型能很好地擬合中國電力行業(yè)指標混頻的特征。(2)中國電力景氣指數(shù)具有多頻率和非線性的特征,且與我國總體經(jīng)濟發(fā)展狀態(tài)具有高度的一致性。本文采用季、月頻率的混頻數(shù)據(jù),對2003年1月—2 0 1 9年12月連續(xù)204個月的指標數(shù)據(jù)進行濾波處理后構(gòu)建出中國混頻電力景氣先行、一致和滯后指數(shù),使得電力景氣指數(shù)能夠連續(xù)反映中國的電力行業(yè)波動,有利于對中國電力景氣狀態(tài)進行持續(xù)評估及監(jiān)測。(3)預(yù)警與預(yù)測電力市場的發(fā)展趨勢及未來的經(jīng)濟走勢。本文采用的數(shù)據(jù)所構(gòu)建的中國混頻電力景氣先行指數(shù)領(lǐng)先于GDP波動3個月左右,電力景氣先行指數(shù)是反映中國電力行業(yè)景氣狀態(tài)的先行指標,能動態(tài)指引中國電力行業(yè)的變化趨勢。同時電力景氣預(yù)警信號燈的設(shè)計,能夠?qū)崟r反映電力景氣的轉(zhuǎn)折和變化規(guī)律,有較強的動態(tài)性和時效性。
根據(jù)構(gòu)建的電力景氣指數(shù)對中國電力行業(yè)景氣狀態(tài)的研究,提出以下建議以促進中國電力行業(yè)能夠持續(xù)良好發(fā)展。
(1)建議能源和電力部門定期編制并發(fā)布中國電力景氣指數(shù)來反映電力行業(yè)景氣狀態(tài)的實時變化。在當前經(jīng)濟運行穩(wěn)中有變、變中有憂,外部環(huán)境復(fù)雜嚴峻,經(jīng)濟面臨下行壓力,全社會用電量增長不確定性的情況下,動態(tài)時效地監(jiān)測出電力行業(yè)的變化規(guī)律,有助于能源部門和政府部門相關(guān)政策的制定。
(2)建議相關(guān)部門擴大投資規(guī)模、加快電力行業(yè)的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。鼓勵技術(shù)創(chuàng)新,創(chuàng)造有效投資需求促增長,加快淘汰落后的產(chǎn)能,從而提高中國電力行業(yè)投入的投資效率,使電力行業(yè)進入景氣狀態(tài)。
(3)建議相關(guān)部門發(fā)展風電、核電、太陽能發(fā)電等,優(yōu)化能源結(jié)構(gòu)。進一步優(yōu)化電力消費結(jié)構(gòu),促進電力行業(yè)向著綠色低碳高質(zhì)量方向發(fā)展。當前應(yīng)著力解決傳統(tǒng)能源產(chǎn)能過剩、電力下游行業(yè)需求疲軟等問題,促進能源結(jié)構(gòu)優(yōu)化調(diào)整。
(4)加強對電力行業(yè)的宏觀審慎管理。因電力行業(yè)對宏觀經(jīng)濟的波動較為敏感且略先行于宏觀經(jīng)濟波動,相關(guān)部門在制定宏觀政策后,應(yīng)給予行業(yè)更多的反應(yīng)時間,觀察市場的行為,適時調(diào)整,避免行業(yè)出現(xiàn)劇烈波動,保持電力行業(yè)以及國家宏觀經(jīng)濟的穩(wěn)定發(fā)展。