2025年金融工程专题报告：基于Nowcasting方法的社零高频跟踪

消费在经济中依然处于重要地位

GDP的增长主要由“三驾马车”进行驱动，从占比来看， 消费一直都为三大分项中占比最高部分。且从三大分项 对GDP同比的贡献率和拉动作用看，随着房地产的长期 走弱和全球贸易摩擦的不断发生，消费在对GDP同比的 影响中又逐渐趋于主导地位。 近年来国内多项政策其出，旨在能够扩大内需使国内消 费复苏。 因此当前时点消费在各项宏观指标中的重要性不断提升， 对消费进行跟踪具有重要的现实意义。

社零的现实意义与局限

在宏观统计体系中，社会消费品零售总额（以下简称“社零”）的时间分辨率高、历史数据完整、口径 稳定，已成为观测经济内需变化的主要窗与市场最常使用的消费替代变量。从图中可看出，社零占最终 消费支出比重稳定在60%至80%，两者变动同步性很强。 但社零指标仍存在发布滞后性的缺点。  因此，引入一套由宏观消费高频指标构建的预测工具有助于弥补社零统计短板，提升市场对消费趋势变 化的响应能力。

Nowcasting方法介绍

本文使用Nowcasting的方法对社会消费品零售总额同比进行预测，其中Nowcasting使用的模型为混频 动态因子模型。 混频动态因子模型的核心逻辑是寻找一个共同因子能够与观测变量具有较强的相关性，其中共包含了 三个方程，分别代表了：1）所获得的混频数据与共同因子之间的关系；2）共同因子的自回归过程； 3）每个观测变量的特质因子的自回归过程。 其中??代表了观测矩阵；? ? 代表了观测矩阵与共同因子之间的转换关系，观测矩阵可能与过去L期的 共同因子相关，在本文中L取1；??代表了共同因子序列；?? 代表了观测变量中与共同因子不相关的特 质因子；? ? 代表了序列自回归算子；??和??分别代表了自回归的残差。

Nowcasting方法介绍

构建完成状态空间模型后需要对模型的参数进行估计，在模型中需要估计的参数分别为共同因子和特 质因子的状态转移矩阵、观测值与共同因子之间的观测矩阵，观测的噪音和状态转移的噪音，模型估 计主要结合卡尔曼滤波过程、PCA主成分分析和EM算法，总共包含如下步骤： 首先随意设定初始参数并通过卡尔曼滤波的方法计算的到共同因子f的序列； 根据得到的f序列和初始参数可以计算各期观测值的高频数据； 使用主成分分析得到上述高频数据的第一主成分，并用得到的第一主成分作为共同因子反过来计 算观测矩阵、共同因子和特质因子的状态转移矩阵以及两个噪音矩阵； 使用得到的矩阵再次作为初始输入重复上述过程，直到连续两次所得到的观测值的高频预测结果 收敛。

数据处理及指标筛选

混频动态因子模型（DFM）的方法是希望使用的高频经济指标来对社零同比进行高频预测，而方法要 求各个变量对社零同比要有相似的走势和波动，并且由于在模型中使用了PCA的方法，所以相比于传 统的OLS回归对指标进行拟合，混频DFM的方法不需要担心高频指标之间序列相关性的问题，并且高频 指标之间相关性越强越有助于模型最终实现收敛。 从“需求侧与供给侧”两个维度出发，将与消费能力和消费意愿相关的高频指标纳入需求侧维度，将 反应生产和流通体系对消费需求的响应能力与预期相关高频指标纳入供给侧维度。 在构建用于预测社零的高频因子体系时，指标选择与因子设计需同时满足理论相关性与实证有效性两 大标准。理论相关性：强调所选变量应从宏观逻辑上与居民商品消费活动存在合理的经济关联。实证 有效性：要求其在历史数据中对社零的边际变动具有一定的相关性。 从万得EDB数据库来看，相比于对PPI和CPI这种价格指标预测，对社零数据进行预测时所能使用的直 接相关的高频宏观指标数量相对较少，本文从数据库中选择了地铁客运、商品房销售、开工率、电影 票房、乘用车销售、PMI分项等大类指标。  在数据筛选以及构建状态空间模型之前先要对数据进行初步的筛选和处理，来确保所选数据的质量。

需求侧指标——地铁客运量

理论相关性：反映城市中人口流动的密度和频次，尤其集中于通勤、购物、休闲等日常活动相关区 域，可作为居民线下消费活跃度的先行指标。 实证有效性：地铁客流量的持续上升通常预示着线下商业活动回暖，对社零中占比较大的商品零售 和餐饮收入构成支撑，从而对社零具有一定的预测价值。从图中可看出，地铁客运量同比与社零同 比走势呈现高度同步性。从绝对量来看，两者的趋势变动在大多数时间段内同样高度正相关。

需求侧指标——乘联会乘用车销量

理论相关性：汽车类商品在整体消费结构中具有较高权重，且由于汽车产业链条较长、带动效应显 著，其消费活跃度在一定程度上能够对整体零售市场产生扩散效应。2024年国内乘用车累计销量占 据整体汽车累计销量的87.67%，销量走势与整体汽车销售变化高度一致，可作为衡量汽车市场动态 的重要代表性指标。

实证有效性：近年来，中央及地方政府出台多项旨在刺激汽车消费的政策措施，汽车类消费在多个 阶段早于其他消费品类出现回暖趋势，对社零的波动产生了相对及时的反馈。从图中可看出，乘用 车销量同比与社零同比的走势呈现高度同步性，尤其在2019-2024年期间，两者的峰值与谷值几乎同 步出现。

供给侧指标

相对来讲供给侧指标与社零同比的相关性略低于需求侧指标，但其能够在一定程度上反应社会经济 活跃程度。并且能够在某些时间段与社零同比具有较为相似的走势。 供给侧指标可以作为预测社零同比预测的补充指标。

预测效果

根据高频预测结果显示，最终的高频预 测社零同比与真实的社零同比结果较为 接近。 预测的社零同比变动方向的准确率为 76.00%，大部分月份的误差在正负1%之 间之间。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）