拆解十一个行业，提前研判当季GDP——债市风向标系列（五）

债市定价前置与现有预测方法的局限

债券市场对当季经济增长的定价，在官方GDP公布之前就已基本完成。增长决定政策约束与利率定价的基本方向，而官方GDP要到季度结束后约半个月才发布。在此之前，市场依据高频数据、月度经济数据与政策信号反复修正对增长的判断。以2016年一季度至2026年二季度的数据测算，GDP当季同比的单季变化对10年期国债收益率单季变化的解释力仅约0.05；将两者同时取两年移动均值后，相关系数升至约0.44，说明GDP与债市的关联更多体现在中期趋势，而非单季数据公布所引发的即时波动。

事件研究进一步表明，债市对GDP方向的定价明显提前于GDP公布日。在GDP放缓样本中，各期限国债收益率的下行行情在GDP公布前逐步展开；在GDP增长样本中，各期限收益率则普遍在公布前先行上升、随后回落。此外，GDP公布日10年期国债收益率日均绝对变动约1.29BP，低于统计局月度数据公布日的约1.79BP，也低于全样本的约1.55BP，印证了信息已被提前消化。

现有的GDP预测做法大致分为三类：环比折年外推、桥接方程法与动态因子模型。这三类做法的精度均已成熟，但短板集中于读数时点偏晚或结构信息缺失。环比折年外推与桥接方程法均以当季月度数据为输入，在官方数据发布之前难以给出有效读数；动态因子模型虽可在季度内滚动更新，但其输出仅为总量单一数值，无法识别增长强弱的行业来源。因此，可行的路径是以高频数据根据不同行业先行拟合当季读数，在提升时效性的同时保留行业结构信息。

基于生产法的十一行业拆解框架

官方核算GDP有生产法、使用法与收入法三条路径，季度数据仅按生产法编制。生产法从生产过程创造新增价值的角度核算，将各行业总产出扣除中间投入后的增加值加总。该框架沿用官方口径，将GDP拆分为十一个行业分别预测、再按权重加总。十一个行业包括农林牧渔业、工业、建筑业、批发和零售业、交通运输仓储和邮政业、住宿和餐饮业、金融业、房地产业、信息传输软件和信息技术服务业、租赁和商务服务业与其他行业。

各行业权重按上一年增加值占比确定，其中工业最高约29.7%，其他三产约17.6%，其余九个行业的权重介于1.9%至10.4%之间。八个行业各有一个含义相近的官方月度指标，按2025年增加值精确占比合计约70.8%。具体对应关系为：工业对应规模以上工业增加值，批发零售对应社会消费品零售总额，建筑业对应固定资产投资中基建与房地产投资累计同比的均值，房地产业对应商品房销售面积累计同比，金融业对应社会融资规模存量同比，住宿餐饮对应餐饮收入，信息传输对应电信业务总量，交运仓储对应综合换算周转量。

其余三个行业没有可直接对应的官方月度指标，合计权重约29.2%。农林牧渔权重约7.1%，由高频数据在全季度内直接跟踪该行业本身；租赁商务与其他三产合计权重约22.1%，全季度改以一阶自回归（AR(1)）趋势外推给出。

季度内三个月的分阶段处理逻辑

季度内可用信息按月递进，读数因此一季更新三次。第一个月末尚无当季官方月度数据，第二个月末本季首月数据已公布，第三个月末前两个月数据均已公布。每往后一个月，官方数据的覆盖范围扩大一块，高频数据承担的部分相应收缩。

在第一个月，八个有官方月度指标的行业中，六个行业先用高频数据拟合该指标，再通过换算式折算为行业增加值同比增速。例如工业采用六大发电集团日均耗煤量、重点企业粗钢产量、江浙地区涤纶长丝开工率进行拟合；建筑业采用水泥出货率、钢材产量与石油沥青装置开工率；批发零售采用乘用车零售量与地铁客运量。房地产业与信息传输缺少同步性足够的高频指标，首月由历史增速外推给出。农林牧渔采用周频的猪肉平均批发价高频数据直接跟踪行业增速。

进入第二个月与第三个月，本季部分月份的官方数据已经公布。对于工业、批发零售与住宿餐饮这三个高频候选与官方月度指标关系最稳定的行业，采用“补月”机制，即以高频数据估算尚未公布的月份，与已公布的官方月份加权平均，形成最新时点的数据，再代入换算式得到行业增加值增速。其余行业不作补月，官方数据到位后即直接采用。工业、批发零售、住宿餐饮与农林牧渔合计约49%的权重，使得高频数据的作用贯穿全季。

预测准确度检验与分行业误差分析

回测近14个季度，第一、二、三个月读数的平均绝对误差分别为0.48、0.20、0.33pct，均优于直接沿用上一季官方增速的最简做法（0.64pct）。第二个月误差最低，第三个月虽较第二个月回升，但仍明显低于首月。在剔除预测失准较大的异常值后，第三个月的平均绝对误差可降至约0.25pct。

从细分行业角度，十一个行业的预测数与官方值相差0.29pct至4.12pct，误差的高低主要取决于行业增速自身的波动幅度。误差低于1pct的行业为农林牧渔、工业与批发零售，共同特征是增速自身波动有限，且均有贴近实物量的高频指标可用。误差处于1至2pct的行业为其他三产、金融业、交运仓储、租赁商务与信息传输，原因在于高频指标与行业增加值之间存在一层转换，或缺少可供对照的官方月度指标。建筑业、住宿餐饮与房地产业的增加值预测误差在3pct以上，原因在于这三个行业增速波动幅度较大，高频指标可反映变化方向，对幅度的刻画能力相对有限。由于误差方向并不一致，合并后的GDP净误差大幅降低，误差抵消效应显著。

二季度实测与三季度展望

2026年二季度三次更新的误差逐次收窄，第三次已接近于零。4月末、5月末、6月末三次读数依次为4.71%、4.40%与4.29%，官方随后公布值为4.30%，误差依次为0.41、0.10与-0.01pct。4月末读数偏高主要集中在工业与批发零售行业；5月末多数行业转为官方数据接管，读数收敛；6月末前两个月官方数据均已到位，误差几乎归零。依托高频数据，还可将当季GDP的更新频率进一步提高至周度，每周的GDP预测值逐渐接近官方读数。

三季度截至2026年8月末已进入第二个月阶段，读数由7月的4.52%调整至4.18%。从细分行业看，建筑业仍为负向拉动，读数由首月的-3.66%降至-4.44%；房地产业读数由-1.06%回升至1.25%，对建筑业的拖累形成部分对冲。批发零售与金融业读数下调，与工业读数下调共同带动总量由4.52%降至4.18%。

GDP提前读数对债市决策的实证价值

提前读数的价值最终落到债市交易上。检验按1、5、10、30年四个期限，以及0.5个月、1个月、1.5个月、2个月、3个月五个预测值检验点进行回测。结果显示，长端、1个月、下行方向三者叠加的信号最值得依赖。10年期国债与30年期国债的1个月下行胜率分别为78%与89%，且持有窗口不跨官方公布日、不含确认行情。

在实际策略层面，按信号只拉长久期的胜率和累计收益明显高于同笔数随机模拟。以30年期国债为例，依据1个月信号只拉长久期策略胜率达88.9%，累计收益约50BP，远高于随机模拟的约10BP。10年期国债只拉长久期策略1个月检验点累计收益约29BP，同样高于同笔数随机模拟的约12BP。相比之下，1年期国债受短端流动性与资金面影响更大，信号适用性偏弱。整体而言，早期检验点在方向判断上尚未形成稳定优势，至1个月信号产生后，长端期限上已可兑现为可验证的交易收益，可作为债市久期决策的提前参考。