国内宏观经济分析精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的国内宏观经济分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：国内宏观经济分析范文

在新常态下，我国经济面临的形势和任务更加复杂艰巨，政府宏观决策对宏观经济分析的准确性和时效性提出了更高的要求。随着大数据时代的到来，借助大规模数据生产、分享和利用，以崭新的思维和技术去分析，将揭示海量数据背后所隐藏的宏观经济运行模式。

大数据方法和技术不仅可以被深度地应用在微观分析、行业研究领域，也可以运用在宏观决策之中。未来，大数据既是企业占领市场、赢得机遇的利器，也是政府进行宏观调控、国家治理、社会管理的信息基础。而大数据时代对数据的挖掘、处理和分析的方式，对于传统的宏观经济分析，无疑是一次大的革新。

大数据应用于宏观经济分析的趋势

传统的宏观经济分析通常是通过对比主要宏观经济指标、建立宏观经济计量模型、仿真宏观经济动力系统，对宏观经济形势及未来发展趋势进行判断与预测。

在当前的大数据时代，越来越多的宏观经济政策制定者和相关专家学者都已经意识到，大数据对宏观经济分析有着革命性的影响。目前，在宏观经济分析及预测中运用大数据方面，无论是国外还是国内，从新型宏观经济指数构建，到建立新型大数据宏观经济预测模型，各方面都取得了一定的进展。

早期大数据在宏观经济分析领域的应用，主要集中在建立新的宏观经济指数，以便更加准确的反应宏观经济运行状况。这方面的工作主要基于个人的交易记录，包括像一些欧洲国家将销售点扫描数据纳入CPI指数编制。

特别引起关注的是麻省理工学院的经济学家利用网上购物交易数据创建的BBP项目 （Billion Prices Project），基于不断变化的一篮子商品所计算的日度通胀指数。这种实时的通货膨胀指数能够比相应的官方数据更好地反映实际经济运行的情况。当年，在雷曼兄弟公司倒闭后，BPP 的数据显示，大部分美国企业几乎立刻开始削减价格，这就表明总需求已经减弱。而相比之下，官方通胀机构公布的数据直到当年11月，即在10月CPI数据公布后，才对通货紧缩有所反应。

“企业发展工商指数”是宏观经济分析领域中典型的大数据应用案例，也是我国政府在大数据挖掘领域的首创成果。该指数包括10 个对宏观经济具有显著先行性的指标，可以提前1～2 个季度预测宏观经济发展趋势。它改变了传统的抽样统计方式，利用大数据挖掘技术，对工商全量、动态的全国企业登记数据进行分析，发掘大数据价值，并采用合成企业发展工商指数，以判断宏观经济走势。

除了宏观经济分析与预测方面相关指数的建构，从宏观经济分析与预测研究的国际趋势看，使用大数据集，建构监测预测的模型，进行经济预测越来越广泛，逐渐成为很多国家央行进行经济预测的新方法和新工具。

在应用互联网大数据进行经济分析及预测中，使用网络搜索引擎或网络社交媒体记录的关键词，会有数据获取及时、样本统计意义明显等优势，预测精度较高。

Google Trends每天都在产生大量与经济发展相关的查询结果，且这些查询结果与当下的经济活动之间必然存在着不容忽视的关系，或许可以对预测当下的经济活动起到非常重要的作用。并且，在此基础上，Choi H. &. Varian H.（2016）举例说明了如何利用Google Trends预测美国零售业、汽车、住房和旅游的销售情况。

还有相关机构引用专业数据分析软件公司SAS的研究数据，以社交网络活跃度增长作为失业率上升的早期征兆，帮助政府判断就业形势和经济状况，以更好地制定经济政策。在社交网络上，网民们更多地谈论“我的车放在车库已经快两周了”、“我这周只去了一次超市”这些话题时，显示网民可能面临巨大的失业压力；当网民开始讨论“我要出租房屋”、“我准备取消度假”这些话题时，显示出这些网民可能已经失业，面临巨大的生存压力，这些指标是失业后的滞后标志性指标。

样本统计转为总体普查

大数据的发展对于宏观经济分析最为显著的积极影响，莫过于使宏观经济分析从样本统计时代走向总体普查时代。大数据时代的宏观经济分析中，传统的样本假设方式被抛弃，转而以真实的海量数据来进行计算机的自动分析。

我们知道，传统的经济分析包括经济计量分析是建立在抽样统计基础之上的，在传统的抽样统计分析中，往往以假设检验为基本模式，依靠的数据主要是样本，将样本假设为整体，然而，这种分析往往与事实存在或多或少的出入。

与传统宏观经济分析总是局限于小规模样本数据有所不同，在大数据时代，随着信息覆盖范围和数据量迅速提升，数据样本的体量会极大地提高，甚至可以达到样本即总体的程度。例如，就物价而言，每一笔在电子商务网站成交的交易信息都能记录在案。这样的情况下，宏观经济分析的可靠性必然大大加强。

同时，随着信息量的极大拓展和处理信息能力的极大提高，使得宏观经济的分析不再局限于传统的统计分析模式，而是将抽样分析转变为总体分析。这一点对宏观经济分析意义重大，因为宏观经济系统纷繁复杂，如果能将对整体宏观经济变量的分析建立在尽可能多的关于经济主体行为的信息以及其他诸多经济变量的信息的基础上，无疑将会极大地提高宏观经济分析的准确性。

基于推特（Twitter）平台表达的公共情绪用来预测股市变动，是很典型的例子。2008年3月到12月长达九个月间，270万Twitter用户推送的多达970万条的消息，经过情绪评估工具――Opinion Finder 和GPOMS 被分别赋值并评估为“积极”与“消极”两种情绪和“calm（冷静）”、“alert（警觉）”、“ sure（确信）”、“vital（活泼）”、“kind（美好）”、“happy（高兴）”六种情绪。结果发现，在道琼斯工业平均指数和GPOMS中的“calm（冷静）”情绪之间存在相关性。进一步研究发现，“calm（冷静）”情绪可以很好地预测道琼斯工业平均指数在未来2到6天的涨跌情况，而且这种每日预测的准确率高达到87.6%。

大数据时代，可获得大而全的可得数据，甚至可抛弃原有的假设检验的模式，这些优势是传统经济分析方法无法想象和实现的，无疑将会极大地提高宏观经济分析的准确性和可信度，不仅可以更加准确了解宏观经济形势，还有利于正确做出宏观经济发展的预测，从而更加合理地制定宏观经济政策。

变量个数无限增多

在当前大数据时代，数据的可得性和多样性导致样本量无限增大，同时变量个数无限增多，这有利于应用大量模型进行研究，并应用完备的数据信息，提高预测的准确性。

经济预测模型可以分为两类：一是传统的小模型预测，这类模型往往通过建立时间序列、横截面或面板方程来进行经济分析。传统的小模型预测的特点是仅使用较少的变量，像VAR模型的变量个数通常小于10个。二是大模型预测，这类模型往往使用成百上千个变量，因而大模型预测利用的信息非常丰富。

小模型预测理论比较成熟、方法相对简单。但是，小模型预测有天然的缺陷，那就是变量的完整通常是不可能的，而预测的效果受限于其所使用的变量。

使用小模型进行预测时必须仔细挑选预测变量，然而仁者见仁智者见智，无论是根据理论还是根据经验进行变量的选择，其过程必然会存在差异，其结果也更是可想而知，而且甚至会产生一些争议。比如，基于菲利普斯曲线预测通胀时，有的研究使用失业率作为预测变量，也有研究使用GDP缺口或者产能利用率。

清华大学经济学研究所所长刘涛雄教授就指出，由于模型变量选择、参数设置、估计方法以及滞后期选择等的不同，预测结果会产生很大的偏差。

小模型预测方法这一天然的局限是很难调和的，主要是因为数据样本有限而导致增加很多变量不可行。这使小模型预测的结论往往和经济现实严重脱节。我们很难想象中央银行会仅仅根据少数几个变量进行宏观预测，并据此做出决策。即便是一家企业也不会如此草率。

通过大数据挖掘，可以使得变量大大增加。这就为经济预测从小模型预测转变为大模型预测创造了条件，应用大量模型进行分析及预测，可以应用完备的数据信息，从而提高预测的准确性。

在美国，银行通常依靠FICO得分做出贷款与否的决定，FICO分大概有15-20个变量，诸如信用卡的使用比率、有无未还款的记录等。而一家名为ZestCash的金融机构，在决定是否向客户放贷的时，分析的却是数千个信息线索。ZestCash正是依靠其强大的对于大数据的处理和分析能力，形成了其独特的核心竞争力。

未必因果关系 而是相关关系

传统的经济计量分析以寻找相关事物（变量）的因果关系为核心，而大数据条件下的经济分析通常则着眼于挖掘相关事物（变量）的相关关系。

在复杂的宏观经济系统中，许多经济变量的因果关系往往难以准确检验，或者因果结论经常广受质疑。然而，在如今的大数据时代，更加重视可靠相关关系的发掘，并且充分利用相关关系对于经济预测、经济政策制定与评估的作用，则无疑为宏观经济分析打开了另一片广阔的空间。

在“小数据”时代，宏观经济中的因果关系分析其实并不容易，耗费的精力大、时间多。特别是，要从建立假设开始，进而不断地进行一系列假设的实验，而一个个假设要么被证实，要么被。不过，无论被证实还是被，由于二者都始于假设，这些分析就都有受偏见的可能，所以极易导致错误。

同时，由于计算机能力的不足，在小数据时代，大部分相关事物（变量）关系的分析局限于寻求线性关系。然而，实际上的情况要复杂得多，在现实宏观经济中，总能够发现的是相关事物（变量）的“非线性关系”。

当然，在小数据世界的宏观经济分析中，相关关系也是存在并有价值的；不过，在大数据时代的宏观经济分析中，相关关系才将大放异彩。维克托・迈尔-舍恩伯格与肯尼思・库克耶（Victor？Mayer-Schonberger &. Kenneth？Cukier）认为，建立在相关关系分析基础上的预测是大数据的核心。通过应用相关关系，可以比之前更容易、更快捷、更清楚地分析事物（变量）。

英国华威商学院为预测股市的涨跌，使用谷歌趋势（Google Trends）共计追踪了98个搜索关键词。这中包括“债务”、“股票”、“投资组合”、“失业”、“市场”等与投资行为相关的词，也包括“生活方式”、“艺术”、“快乐”、“战争”、“冲突”、“政治”等与投资无关的关键词。结果发现有些词条，诸如“债务”，成为预测股市的主要关键词。

“谷歌流感趋势”为预测季节性流感的暴发，对2003年和2008年间的5000万最常搜索的词条进行大数据“训练”，试图发现某些搜索词条的地理位置是否与美国流感疾病预防和控制中心的数据相关。

谷歌并没有直接推断哪些查询词条是最好的指标，相反，为了测试这些检索词条，谷歌总共处理了4.5亿个不同的数字模型。将得出的预测与2007年和2008年美国疾控中心记录的实际流感病例进行对比后，谷歌公司发现，它们的大数据处理结果发现了45条检索词条的组合，将它们用于特定的数学模型，预测结果与官方数据的相关性高达97%。

在大数据时代来临之前，尽管相关关系已被充分证明大有用途，可是相关关系的应用很少。这是因为用来做相关关系分析的数据同用来做因果关系分析的数据一样，也很少，也不容易得到，并且收集有关的数据，在过去相对来说，也费时费力，也会耗资巨大。不过现如今，可用的数据如此之多，也就不存在这样的难题了。特别是现在，有关专家们正在研发能发现并对比分析“非线性关系”的必要工具。总之，一系列飞速发展的新技术和新软件从多方面提高了有关分析工具发现宏观经济变量相关关系的能力，这就好比立体画法可同时从多个角度来表现人物或事物。

在大数据时代，这些新的分析工具和思路为我们提供了一系列新的视野和有用的预测，使我们看到了很多以前不曾注意到的宏观经济中的联系，掌握了以前无法理解的复杂的国民经济动态。

时滞变即期

目前对宏观经济的分析研究所采用的资料，主要依赖于各种统计调查系统的统计数据，但面临的最明显的缺陷之一便在于关于宏观经济统计的数据具有很强的时滞性。而大数据经济模型可以充分利用数据的实时性，提高分析或预测的时效性，为经济预警和政策制定提供最快速的资料和依据。

一般来说，依赖统计部门的宏观经济数据的都存在时间滞后的问题。由于不能及时获取宏观经济发展的数据信息，也就不能对当下的宏观经济形势作出准确判断。例如，政府公布的季度GDP 往往会有1个月的滞后期，而反映全面经济社会状况的统计年鉴的滞后期会达到3个月左右，这对及时了解宏观经济形势、预测与预警都是非常不利的，基于此统计进行的预测甚至被认为助长了宏观经济波动。

在互联网技术的辅助下相关宏观经济的分析部门能够快速地收集到主要宏观经济发展数据，如全社会的用电量、全社会的商品销售总额以及商品房的购买量等。这些大数据的获取时间较短，有的数据甚至是立即可以获得。

而随着互联网尤其是移动互联网的发展，产生了大量的即时传播数据，如企业通过微博、微信第一时间产品、人事等重要信息； 普通用户实时针对特定事件或对象发表见解和态度，等等。

这些即时传播的非结构化数据对宏观经济的走势也产生了重要影响。通过大数据软件处理平台，可以实时追踪和搜集这些即时数据，并快速对数据进行分析和处理，从而提高宏观经济的时效性，为经济活动参与者赢得决策时间。

在日本北九州市八幡东区东田地区实行的“八幡东区绿色乡村构想”中，日本IBM公司除了设立城市整体能源管理系统、综合性移动管理系统外，还参与了控制整个城市的城市指挥中心建设。得益于该公司处理和分析大数据的高效工作，当地行政机关可以实时掌握城市能源的情况，并将分析的结果同气象信息结合，详细预测48小时之后电力等能源的供需状况。如果发现将有电力不足的情况发生，行政部门可直接采取抑制电力消费或让电动汽车释放电能等措施，提前进行预防。

第2篇：国内宏观经济分析范文

虽然中国股市很年轻，从1990年沪深证交所正式成立算起都不到18岁。但就是在这不到20年里，中国投资理念已经完成了从基于技术面分析(technical analysis)到基于基本面分析(fundamental analysis)的转变。现在，不但作为机构投资人的基金经理普遍是根据基本面分析作投资决策的，越来越多个人投资者也是运用基本面分析作为买卖证券的依据。

但是很多投资者在运用基本面分析时，由于对一些概念和理论没有领悟透彻，而存在一些认识上的误区，笔者经常碰到的就有两类，特此指出来，和大家一起切磋探讨。

一是只看表面不看实质举例来说，股市是国民经济的风向标这句话没错。但有投资者以目前中国经济良好来指责今年以来股市下跌是偏离基本面的。这个观点其实包含三个层次的认知误区。首先，国民经济包含内容很多，涉及很多指标和方方面面。单看绝对值，2008年中国GDP增速的确也很高，估计全年在10％左右。但是这个增速相对2007年的11.9％就是下降了近2个百分点，在实体经济中可能就意味着几万个企业破产、数十万个人失业等经济现象。而2009年中国GDP增速有进一步下滑至9％的可能性。总之，中国经济增速在回落，这比增速维持或加速都要差。

其次，股指高低和全市场利润具有很高相关性，而GDP只是个收入指标，不是利润指标。即使GDP增速不下降，原材料价格、能源价格和劳动力成本上升都会导致企业利润率下降。所以相比2007年上市公司盈利增长49.3％，2008年上市公司盈利增速估计可能不到三成。可以看到，作为收入项的GDP增速下降才2个百分点，企业盈利增速居然可能下降20个百分点。如果全球经济持续不好、国内还继续紧缩政策，那么，2009年上市公司盈利增速会进一步下降。

第三，虽然被称作是国民经济的风向标，但股指表现往往和基本面指标并不同步。毕竟，决定股价的因素有两个：盈利和市盈率(PE)估值水平，而影响PE高低的因素有预期盈利的增速、资金面情况、投资者心理甚至还有全球市场PE水平等等。作为非成熟市场，中国股市PE水平经常出现较大波动，且未必要和盈利变化一致。

二是刻舟求剑，静态思维券商曾经都很看好中国石化，在当时来说确实是有道理的，因为当时公司基本面不错。估值相对也便宜。但当国际原油价格持续高涨而国内成品油价格管制形成成品油价格和原油价格倒挂，导致中石化的炼油业务从有利润变成巨额亏损，但很多个人投资者却依然以老的“基本面不错、估值低”的理由去买入并持有，根本没意识到公司基本面已变差。所以，做基本面研究务必要及时跟进了解宏观、行业和公司基本面的变化情况。

第3篇：国内宏观经济分析范文

国内主流的经济学研究目前沿袭的是西方经济学理论，从范式到假设、数学模型都基本没有变化。而西方经济学，特别是宏观经济学，可以说是以美国为主的西方发达国家在二次世界大战及战后，针对他们所遇到的经济现象进行研究而建立和发展起来的，已经相当成熟，侧重于对经济现象进行解释，强调实证研究；对比起来，中国学者对于宏观经济的研究更倾向于引出政策性对策，更重视规范性研究。而且，因为中国经济制度和社会发展的特殊性，西方宏观经济学在建立模型时的很多假设与中国现实不相符，这就从一定程度上导致了直接使用造成的“水土不服”。不加区别地将这类研究结论作为制订政策的依据，在国内市场经济体制不完善，市场调节力度低的情况下，可能带来的不仅是混乱而更可能是对经济的严重扭曲，这方面的主要体现在政府某些宏观经济政策，存在“一刀切”的简单化作法。比如去年第三季度对于中国经济中局部存在的由投资拉动的“热”的趋势，就采取了提高准备金率的措施。作为一剂猛药，立即导致贷款额下降，而实际上，很多行业仍然迫切需要贷款资金启动。如果仔细去看，这样的例子是很多的。经济学界对于宏观经济是否过热的讨论更是众说纷纭，见仁见智，但结论似乎有简单化之嫌。要么言之凿凿地认为已经过热或有过热的明显趋势，要么铁板钉钉地咬定不过热。实际上，中国经济的复杂程度，是很难一以概之地以是否过热来做结论的。而主流宏观经济学理论似乎也只是提供了这样一种认识问题的途径。作为一种理论范式是无可厚非的，但用来指导中国经济管理的实践就失于简单了。

国内理论界曾经讨论过中观经济学，如何界定中观经济学和宏观经济学的范畴是一个本文不打算探讨的问题。然而宏观经济学的研究范畴过于宏观，对于中观问题的研究不够，可能是我们无法有效地利用宏观经济学方法论解决实际宏观经济问题的一个主要原因。当我们站在很高的高度，研究GDP增长率，通货膨胀率和失业率时，我们需要搞清楚这些传统的宏观经济指标在中国的形成和传导机制，而现有的理论框架和研究成果似乎没有给我们提供这样的工具和帮助。

如果局限于传统的宏观经济学方法论，就很难让我们把视角转移到具有中国特色的宏观经济现象的构架过程中去。其实，即使是西方经济学，也是在某种经济构架之上进行讨论的，也就是开放和成熟的市场经济环境，所有假设都源于此。而中国的情况却很不同，忽略这样的本质区别，不讲宏观经济学理论适用的条件，就套用其研究范式甚至结论，是无益于事的。尽管关于是否存在中国经济学还有很多争议，无庸讳言，中国经济的特殊性提示我们，在研究宏观经济现象时，不可不顾其是建立在与中国目前不尽相同的社会制度基础上这样一个前提。至于转型过程中的中国的经济形态与西方成熟的市场经济的不同，以及现有的研究方法的适用性，还需要大量的深入的研究。

中国宏观经济的特点是以投资驱动为主，工业主导型，而且投资中政府的投资所占比重较大，政府主导投资和行政干预的作用显著。这和西方市场经济国家有非常明显的区别，以美国为例，其宏观经济体现为消费驱动，服务业主导，投资基本由私人进行。另外，中国的制度演进的步伐较快，而西方国家的制度体系基本定型了。相比之下，在投资，金融，法制，人力资源，技术，制度变迁等对宏观经济有重大影响的各方面，中国的情况都与西方差异很大，而且处于不断变化之中。西方在统一的制度框架下，经过长期的发展，形成了统一的市场环境，而在中国存在着南北、东西、城乡等地理区域上的巨大差异。这种经济环境有较大的动态性和发生畸变的不确定性。而我们在进行宏观经济分析时，往往存在着不比较模型的使用条件，较多采用静态的宏观经济分析模型的缺陷，局限性是很难避免的。方法论方面的尴尬，使我们既不能直接引用宏观经济数据，套用现成的静态模型，又不能只是依赖以前几次经济过热的经验，对目前的宏观经济做出客观的判断。所以，各家各派的观点也就无法统一，甚至无法建立共同的研究出发点。

但是有些专家还是通过数据和直觉预感到了事情的本质。比如在去年部分行业表现出投资过快，价格上涨幅度和发展速度较高，汽车，钢铁，建材，房地产，原油，粮棉等都很热，甚至出现了水和电力的短缺。另一方面，大部分消费品的价格仍然在下降，总的价格指数上升幅度不大。一些先行指标特别是生产资料价格在上升，引起学者担心消费价格指数会在一段时间后上升加快，引起通货膨胀。这些看法都来自现有宏观经济学总需求与总供给的分析模型。信奉者认为现在的特征数据已足够，用现有模型分析，通货膨胀必将到来，只是有滞后性，所以不会马上显现，但要防微杜渐。反对者也使用同样的分析工具，但要乐观很多。正是由于他们观点虽然不同，但研究方法却大同小异，因此，谁也说服不了对方。对于宏观经济的判断成为了数字的估计，不同处只是在程度上，有量的区别而无质的不同。这样很容易使宏观经济研究变成数字游戏，结果只能是看谁估计的更接近实际数字一些，而每年都有很多预测家为此大跌眼镜。

第4篇：国内宏观经济分析范文

    根据作者所在单位的多年跟踪调查,证券投资与管理专业的学生毕业主要的对口工作岗位为证券公司、投资公司、股份公司证券部等单位从事投资以及客户服务岗位工作,这些岗位对实战能力要求较强,需要毕业生具备较强的投资咨询能力和投资决策能力。因此,作为高职层次的投资管理类专业,设置证券投资分析课程时应将投资咨询和投资决策能力作为本课程的首要教学目标。具体来说,应该让学生通过学习当前主流的证券投资分析方法和投资分析策略,能够对当期证券市场的总体趋势和市场总体投资估值进行较为准确、合理的判断,能够根据经济形势的变化寻找投资热点,能够为投资者进行产品推荐和提供投资操作建议,能够在不同的市场行情实施成功率较高的投资操作等。因而,在对证券投资分析课程进行重构时了必须服务于这一独特的课程目标定位。

    二、课程内容重构的实践探索表

    1.根据课程目标定位来选取教学内容

    当前传统的证券投资分析课程内容包括证券基本面分析(包括宏观经济分析、行业分析和公司分析)证券投资技术分析、证券组合管理理论、金融工程应用分析、投资操作策略等内容,根据高职专业的面向证券行业一线岗位就业定位和以培养投资咨询能力和投资决策能力为核心的课程目标定位,结合高职学生的认知特点和学习能力,高职的证券投资分析课程在内容上舍弃了理论性强、难度较大的证券组合管理理论和金融工程应用分析两个模块,仅保留证券基本面分析(包括宏观经济分析、行业分析和公司分析)证券投资技术分析和投资操作策略三个模块。

第5篇：国内宏观经济分析范文

关键词：房价；政策评估；DSGE模型；货币政策； 限购政策

中图分类号：F293.3 文献标识码：A

一、引 言

近年来，我国房价涨速过快，尤其是2009年下半年至2011年初，房地产市场投机氛围炽热，房价飞速上涨，引发政府对房地产市场的一系列调控，“国八条”、“京十五条”、房产税等政策相继提出，2012年更是被称为“史上最严厉调控年”，但年底房地产市场依旧有回暖趋势，2013年政府将稳中求进，坚持房地产调控不动摇，持续限购、差别化信贷税收政策更加深化、加大保障房建设力度、抑制投资投机需求等。房价问题一直备受瞩目，学者们也对其进行了广泛研究。国内外已有大量文献研究了房价的影响因素以及房地产政策对房价的影响效果，影响房价的因素有很多，如何将政策变量从诸多影响因素中剥离开来是关键。现有文献在研究政策对房价的影响时大多仅限于货币政策，对限购、房产税、保障性住房等政策进行系统科学的实证研究比较缺乏，也没有形成一个有效的房地产政策评估体系。研究方法上，大多文献运用的是向量自回归模型（VAR模型），缺乏对微观主体行为的描述，无法从根本上解决房地产市场存在的内生性问题，且没有考虑预期对房价的影响以及房价波动，而动态随机一般均衡模型（DSGE模型）能够克服这些问题。尽管DSGE模型已经广泛运用于宏观经济分析中，但在房地产政策评估领域运用得还比较少，尤其是将该模型运用到限购政策的有效性评估问题的研究尚属缺失。本文主要聚焦于货币政策和限购政策，首先梳理了房地产政策对房价的影响机制，接着对政策评估的主流方法进行了阐述，指出DSGE模型应该被运用到房地产政策评估的实证研究中，然后进一步对货币政策和限购政策评估的文献进行了综述，并指出房地产政策有效性评估问题应考虑政策对整个宏观经济的影响。

二、政策对房价的影响机制研究

决定房价最主要的因素是房地产市场的供求关系。房地产既是消费品也是投资品。从微观经济学的角度看，房地产市场的需求由自住易需求、投资需求和投机需求三部分构成。房地产的供给不仅取决于开发商的开发能力，还取决于土地供应量。早在1977年，Burns和Grebler就出版的名著《国家住房论》中，指出世界上没有哪一个国家住房的供给和需求能达到完全平衡，因此需要政府这只“看得见的手”来进行调控。近些年，房地产价格出现非理性上涨，为了抑制市场上不合理的需求，调节房地产市场的供求关系，紧缩货币、提高利率、限购令、房产税等宏观调控政策陆续出台。高健、冷安琪（2010）认为“政府在制定控制房价的政策时应供需调节相结合，不能单纯抑制供给。与加大土地开发成本相比，提高利率控制投资过热更为有效，同时辅以加强经济适用房、廉租房的建设”。

除了供求关系，预期因素也会影响房价。房地产行业具有投资品的特性，而投资品的价格取决于对未来收益的预期，况伟大（2010）从预期和投机角度研究了房价波动，研究发现预期及其投机对中国城市房价波动都具有较强的解释力。从某种程度上说，房地产政策的实施会影响公众预期从而影响微观个体行为，继而对房地产价格产生影响。

房地产价格形成机制是房地产市场参与者共同博弈的必然结果。房地产市场与其他市场相比有很大的特殊性，这种特殊性是由房地产价值构成、政策角色与作用、供求双方预期心理影响等因素共同造成的。消费者和房地产商根据政策调整各方策略，对房市产生影响。政府又以此为依据判断公众对政策的反应程度，决定下一步的政策调整策略，博弈如此循环往复。

在研究房地产政策的影响机制时还需要考虑影响房价的其他因素，比如经济基本面、人均GDP、CPI等，如何将政策从诸多影响因素中剥离出来是关键。

综上所述，房地产政策的实施通过诱发和影响微观经济主体的消费和投资行为，来调节房地产市场的供求失衡，从而导致宏观经济总量发生变化。因此，我们在研究房地产政策有效性时应该考虑一般均衡，即研究在一个经济中，消费者、厂商、政府等每一个参与者，在根据其偏好及其对未来的预期下，所做出的最优选择。

三、政策评估现状研究

政策评估方法可分为微观评估和宏观评估。早期的学者构建了以Rubin因果模型为基础的微观计量经济学模型，来评估项目或者政策的有效性。微观评估反映了个体受政策的影响但忽略了宏观层面的影响，并伴随着“自选择”问题；而宏观评估面临的一个问题是如何将个体的最优选择考虑进去，Heckman（1998，1999）、Costas（2006）认为DSGE模型可以用来解决该问题。

Kydland，Prescott（1982）提出的DSGE模型逐渐发展成为近年来宏观经济及货币政策分析方面的重要研究方向，已经被广泛地运用到经济分析与货币政策决策中。由于房地产市场存在明显的异质性和自选择，政策对房价的影响对于不同的城市效果也不同，城市选择房地产政策是内生行为，因此在评估房地产政策是否有效时要考虑到个体差异性，做到微宏观评估相结合。而DSGE模型有着清晰的理论基础，提供了一个逻辑一致的分析框架，因此可以运用到房地产政策的评估当中。

刘斌（2008）结合我国的实际情况，建立了一个带有“金融加速器”的开放经济DSGE模型，采用Bayes技术估计，并利用该模型进行了政策分析。仝冰（2010）基于DSGE模型讨论了金融市场、货币政策和经济波动之间的关系，研究表明货币政策对于通货膨胀和资产价格反应可以降低产出、通胀和资产价格的波动。

四、货币政策与房价波动

国内外已有大量有关货币政策对房价影响的实证研究。自20世纪80年代以来，宏观经济分析主要采用两种方法。一种是Sims（1980）提出的VAR模型，另一种是DSGE模型。Lastrapes（2002）运用时间序列数据，基于VAR模型估计了房价对货币冲击的动态响应，研究发现货币供应的正面冲击会导致房价和房屋销售量在短期出现增长。Iacovielb（2005）考察了经济波动与金融部门之间的互动问题。他在经济周期基础上建立了一个产品市场、借贷市场、房地产市场和货币政策的一般动态均衡模型。VAR脉冲反应结果显示紧缩的货币政策对住房价格会产生负的影响。周晖、王擎（2009）采用BEKK模型和GARCH均值方程模型实证检验了房地产价格、货币供应量与经济增长的波动相关性以及它们的各种波动对经济增长率的影响，研究发现货币供应量与房价的联动变化非常剧烈，货币政策在不同城市之间对房价的调控效果也不同。李成、黎克俊、马文涛（2011）通过构建包含房价的DSGE模型，模拟分析了不同货币工具调控下货币政策对房价的影响效果以及房价对实体经济（产出与通货膨胀） 的影响，研究发现数量型工具在房地产市场的调控中要优于价格型工具。

针对国内的现状，学者们从不同的角度提出了自己的观点。2007年以来，中央银行实施了多次上调存款准备金率和上调存贷款利率的超紧缩货币政策，但对房地产价格的调控效果并不理想。其中一个很重要的原因就是中央政府与地方政府博弈的结果。中央政府与地方政府的委托——关系很容易被地方政府与房地产商的管制——被管制关系带来的利益所干扰，即地方政府与房地产商的合谋在一定程度上决定了中央管制政策的成败（淮建军，2007）。

五、限购政策与房价波动

国内针对房地产限购政策评估方面的理论研究大多是透过供求关系、效用、成本、博弈等经济学视角，如住房限购可有效抑制房地产市场投机需求，应作为长期政策（王克忠，2010；高辉清，2011；李火林，2011；刘秀茹，2011等）。房地产限购的一个本质是实行直接的、严格的资本管制；限购是常规调控手段失效的情况下所能采取的最后一剂药；限购是一个过渡性的制度安排，需付成本，对消费性需求有误伤的可能（李稻葵，2011）。潘亚男（2011）利用博弈论的方法对中央，地方政府及房地产开发商之间的利益关系进行了分析，得出限购对我国房价调控作用有限的结论。王雪慧（2010）认为“限购令”是一种行政手段，与市场经济相悖，不可能持久下去，这类观点值得商榷。房林（2011）通过微观经济学视角对当前房地产市场的变化和趋势进行判断，认为“限购”政策仅仅是暂时缓解住宅市场供求矛盾的应急举措，扩大有效供给才是关键。

国内关于房地产限购政策评估的实证分析比较少。王敏、黄滢（2011）利用我国70个大中城市的房价指数面板数据，应用Difference in Difference方法分析了限购政策对房价的影响，结果表明，限购政策能降低房价，但影响有限，市场会呈现“价高量低”的局面。舒良峰、朱振宇（2012）以北京市和武汉市为例，通过引入虚拟变量建立计量经济学模型，对两市实施“限购令”的政策效果进行比较分析，发现“限购令”对北京市的负面影响的权重更大，而对武汉市的正面影响权重更大，且当其他经济变量相同的情况下，“限购令”对北京市的影响大于其对武汉市的影响。

六、房地产政策的宏观经济效应

房地产行业对于国民经济发展有着显著影响。近几年，随着房地产业的飞速发展，在国民经济中的作用愈发重要，房地产投资也确实对我国经济的高速增长做出了极大贡献。房地产政策的实施通过对房地产市场的影响进而影响宏观经济，因此在对房地产政策进行评估时，不仅要盯住房地产价格，还要考虑其对整个宏观经济的影响。国内生产总值、国民收入水平、CPI等宏观经济衡量指标都应该被考察在内。意大利中央银行的Grande（2006）认为仅盯住资产价格的货币政策有很多缺点。首先获得资产的公允价值是比较困难的，此外以资产价格作为目标可能导致不希望的产出和通胀波动。韩国中央银行Park（2006）认为资产价格自身的稳定性并不能保证持续、平稳的经济增长，而且房产泡沫的破灭很可能产生诸如经济衰退和金融动荡等各种问题，而这些问题又会导致很高的经济成本。周晖、王擎（2009）选取1998年第一季度到2008年上半年的货币供应量、房屋销售价格指数、GDP的季度数据作为样本研究了三者之间的波动相关性，结果表明房价的波动以及房价与货币量的联动对GDP增长速度有显著影响，会导致GDP增长率下降，货币供应量和GDP具有显著的时变方差特征和波动持久性。Efrem和Salvatore （2010） 关注家庭财富波动对消费需求的可能影响，运用DSGE模型探讨房地产等资产价格波动以及货币政策对实体经济的冲击后果，结果显示，房地产价格上涨会显著影响经济增长、消费需求以及宏观经济的运行周期，货币政策会对房地产等资产价格波动产生显著性影响。肖争艳、彭博（2011）构建了一个关于房地产市场的四部门DSGE模型，研究了我国货币政策对房地产市场及房价的影响。结果表明，将住房价格波动纳入货币政策规则对调控房价上涨有较好效果，但代价是调控过程中通货膨胀率的持续上升，以及产出水平和家庭消费负向偏离稳态；家庭住房贷款首付比例能够有效降低稳态水平下的住房价格。

七、结 论

房价问题在国民经济中占有举足轻重的地位，居高不下的房价一直是人们热切关注的焦点，为了抑制房价上涨和投机行为，国家出台了一系列政策。国内外学者在房地产政策评估方面做了很多有意义的研究，但大多限于货币政策，对房地产限购政策进行系统性、科学性的政策评估研究尚属缺失。大部分研究都是从理论的角度对限购政策进行描述性分析，定性地预测和评价其效果，实证方面的研究甚少。指标选取上，鉴于城市住房价格指数数据的易获得性，现有文献都是将房价指数作为测量指标，除了房价以外，诸如CPI、GDP等宏观指标也应该考虑在内。方法上，现有的研究方法缺乏对微观主体行为的描述，没有考虑预期因素，无法从根本上解决政策与房地产价格之间存在的内生性问题，并且没有将政策的影响效果从房价的诸多影响因素中有效地剥离出来，相比较而言，动态随机一般均衡模型在研究货币政策与资产价格问题时具有很大的优势，并且该模型在长期预测中表现优于向量自回归模型（仝冰，2010）。因此，该模型可以很好地用来研究房地产政策评估的问题，尤其是应该被广泛运用到除货币政策以外的其他房地产政策中。

参考文献：

[1] Heckman J J.Micro Data，heterogeneity，and the evaluation of public policy：Nobel Lecture[R].Journal of Political Economy，2001，109：673–748.

[2] 况伟大.预期、投机与中国城市房价波动[J].经济研究，2010，（9）：67-78.

[3] 刘斌.我国DSGE模型的开发及在货币政策分析中的应用[J].金融研究，2008，（10）： 1-21.

[4] 梁云芳，高铁梅.中国房地产价格波动区域差异的实证分析[J].经济研究，2007，（8）：133-142.

[5] 沈悦，刘洪玉.住宅价格和经济基本面：1995-2002年中国14城市的实证研究.经济研究[J]，2004，（6）：78-86.

[6] 仝冰.货币、利率与资产价格——基于DSGE模型的分析和预测[D].北京，北京大学，2010.

第6篇：国内宏观经济分析范文

QE3的措施非常具体，免除了市场预期的诸多不确定性：美联储每月将购买400亿美元抵押贷款支持证券，公开市场操作将从9月14日开始，预计9月购买额230亿美元；将继续延长“扭曲操作”至今年底，这与购买抵押贷款加在一起，美联储每月可购买长期债券850亿美元，超过上一轮量化宽松时每月750亿美元的购买规模。

美联储对购买抵押贷款支持证券未设置结束时间，并称如果就业市场未出现重大改善，将持续执行购买计划，并在合适时动用其他政策工具；美联储还宣布，将继续维持联邦基金利率0-0.25%的区间不变至2015年中期。

与前两次量化宽松货币政策不同，QE3对购买资产对象进行了调整，将其集中在抵押贷款支持证券上，而不是像上一轮量化宽松那样集中购买长期国债。这说明QE3更关注房地产市场，对美元国债市场的需求也比较旺盛。

美联储如此重大的货币政策选择，自然牵一发而全球动。QE3出台后，国际市场迅速回应了几个标准动向：美元贬值、大宗商品价格上涨、美国股市上扬，等等。总体来看，QE3在市场预期之内，市场反应平静。同时，日本央行已开始响应，新一轮全球性货币量化宽松浪潮似乎无可阻挡，这令中国货币决策和宏观经济管理者压力顿增。

中美经济深度交融，虽然远隔万里，美联储QE3自会显著影响中国经济和货币政策。

从总需求来看，QE3将带来两方面积极影响：其一，美国货币当局将提供更多、更便宜的美元，这会降低美元吸引力，增加人民币吸引力，短期资本可能加速流入中国，中国央行的基础货币投放可能因此上升，国内资产价格将受到正面支撑；其二，QE3带动美国及全球需求增加，这会带动需求曲线右移，刺激经济增长和物价上涨。

但从总供给看，QE3带来的负面影响更多。量化宽松可能刺激大宗商品价格上涨，进而带动中国能源、原材料进口成本上涨。在一个标准的宏观经济分析框架当中，这是典型的负面供给冲击。此前，在两次石油危机期间，全球经济经历过类似冲击，由于进口原油价格大幅上涨，日本等能源进口国的企业只有在更高的价格水平上才能维持产出水平，结果就是供给曲线左移，遏制经济增长并刺激物价上涨。

综合来看，QE3可能不利于中国维持经济稳定增长。因为QE3很可能推动国际大宗商品价格上涨以及人民币再度被动升值。在中国经济增速明显放缓的情况下，借助于QE3刺激需求增长并非真正利好，人民币被动升值则会进一步加压本已困难的中国出口。

目前，中国宏观经济决策者仍有不少政策手段，可以自行刺激总需求增长。中国央行也可以通过公开市场操作和降低存款准备金率，向市场投放更多货币，以刺激短期经济增长。在提高总需求方面，中国这些政策手段的作用与QE3相同，区别在于：前者是中国经济决策者可主动采取的可控措施，后者则是中国将被动接受的不可控结果。

QE3出台以来，诸多金融研究机构的报告多强调，这会对资本市场和总需求带来正面影响，却对其负面影响分析不足。从短期资本市场表现看，QE3的正面效应确实如此，但从维护宏观经济稳定的角度看，则当另论。除非有充分的证据表明，宏观经济管理部门在维持总需求方面做得不够，否则就不应当视被动接受QE3刺激总需求增长为利好。

这一轮经济增速放缓过程中，中国货币当局在刺激需求方面比较审慎，并未大幅度放松货币政策，应当是吸取了上一轮经济刺激政策幅度过大的教训，总体上是理性的。

应当看到，QE3对中国和全球经济可能带来的其他不利影响。比如，QE3将继续侵蚀中国外汇储备的购买力价值。美国一连串量化宽松货币政策的后果，就是美元在全球的真实购买力缩水。而中国恰恰持有大量美元外汇储备资产，其购买力自然会随美元的真实购买力缩水而缩水，这对中国外储管理势必带来新的压力和挑战。

第7篇：国内宏观经济分析范文

内容摘要：本文以金融稳定为研究目标，以资产价格波动为研究着眼点，分析了资产价格过度波动引发金融不稳定的特征。本文在进行相关理论和数理分析的基础上，通过大量实证数据和实证分析来反应实际问题。为了检验资产价格波动与银行体系稳定性，本文收集和选取大量的中国的时间序列数据，并利用eviews、spss等研究工具检验了相关变量之间的影响效果，并结合实证分析的结果，提出相关的结论和对策建议。

关键词：银行体系稳定性 资产价格波动 因子分析 回归分析

引言

资产价格的大幅波动会对一国宏观经济和银行体系稳定带来巨大的影响，为了反映银行体系的稳定性，学者们研究了一系列的测度方法，其中主要有：个体到总体分析法、总量分析法和宏观经济分析法。de nicolo（2000）通过考察银行亏损（利润是负的）超过银行股本（净资产）的概率来测度银行稳定性，如果银行净资产无法抵补亏损的概率增加，银行的不稳定增强。总量分析法则通过对经济或金融总量等进行分析。银行体系在某一时期是否处于稳定状态可以直接通过银行内部的一些基本指标反映出来，所以一些学者通过选取能够反映银行稳定性的指标，来构建一个合成指数来监控和反映银行的稳定性。宏观经济分析法则将宏观经济状况指标和金融稳定性指标相结合来对银行体系的稳定性进行测度。如伍志文（2002）选择了城乡储蓄存款变化率、银行对非政府部门贷款增长率、cpi指数等三个指标作为核心指标，再利用cmaxt指数法，并考虑宏观变量如gdp、固定资产投资、居民消费等，从银行部门和实体经济部门两个层面来测度银行体系的稳定性。

还有一些学者采用因子分析法来提取各个分量指标的权重来构建稳定性指数。如万晓莉（2008）选取中央银行对其他银行机构贷款/国内信贷量、m2/储蓄存款、国内贷款/储蓄存款、真实信贷增长率、银行机构（除央行）真实外债增长率等五个分量指标。本文参考有关学者关于利用因子分析法分析银行业稳定性的方法进行分析研究，进而评估出其稳定性，并讨论资产价格波动对银行稳定性的影响。

理论模型

本文采用aykut kibiritciogtu（2002）构建的反映银行体系稳定性的bsf月度指数，用来监测和预警的银行体系的稳定性。bsf月度指数选取的三个主要指标是：银行存款（bd）、银行对非政府部门的贷款（bp）和银行的外币负债（bf），用它们分别来代表银行的流动性风险、信贷风险和汇率风险的变动，并将这三个指标月度数据合成一个指数，来代表银行部门不稳定程度的变化。三个指标的合成公式为：

（1）

与aykutkibiritcioglu（2002）的研究方法不同的是，本文不是根据（1）式对分量指标进行简单的相加，而是采用因子分析法，来确定不同分量指标的权重。具体表达式为：

（2）

其中yi为上述六个分量指标（xi，i=l，2，...，n）的同比增长率，即：

（3）

ρi为各个分量指标对应的权重，μi和σi分别是六个分量指标各自的均值和标准差。权重ρi的测度采用因子分析法，以因子分析中各个成分所解释的方差占总方差的百分比作为权重，来构建中国银行体系稳定性月度指标。

对中国银行体系稳定性的测度

（一） 样本选择和数据选取

本文选取六个指标：银行存款（bd）、银行对非政府部门的贷款（bp）、银行的外币负债（bf）、中央银行对存款货币银行贷款（bc）、储蓄存款/m2（dm）、贷款/存款（ld），作为衡量中国银行体系稳定性的分量指标。该六个指标的数据均为月度数据，数据年限为2001年1月至2011年12月，数据来源于中国人民银行网站。

图1为银行存款bd、银行对非政府部门的贷款bp和银行体系外汇负债bf同比增长率的走势图。通过图1可以看到，银行存款增长率bd和银行对非政府部门的贷款增长率bp指标的走势有很强的共线性，因此在建立稳定性指数时，我们剔除银行体系外汇负债增长率指标，采用其他五个指标来构建银行体系的稳定性指数。利用上述方法进行测算得到中国银行体系稳定性指数bsf。

（二）银行业稳定性指数的测度

利用spss软件对银行存款（bd）、银行外币负债（bf）、中央银行对存款货币银行贷款（bc）、储蓄存款/m2（dm）、贷款/存款（ld）五个变量进行因子分析，五个变量所解释的方差占总方差的百分比分别是39.122%，26.032%，20.718%，8.158%和5.970%。因此，我们可以得到bd、bf、cl、dm和ld的权重分别是39.122%，26.032%，20.718%，8.158%和5.970%。根据所得的各个变量的权重值，加权得到银行业稳定性指数月度指标，如图2所示。

实证检验

为研究中国的资产价格，我们选择上证综合指数（收盘）来代表股票价格，选取中房上海住宅指数来代表房地产价格。同时，选择了宏观经济方面的控制变量，包括gdp增长率及居民消费价格指数。其中考虑到月度数据的可获取性，选取工业增加值增长率作为gdp增长率的替代变量。

根据上述指标变量的选择，我们将实证分析的模型设定为：

bsfi=β0+β1lnhpi+β2lnspi+β3lncpii +β4lngyi+μi （4）

其中，bsfi ：为银行体系稳定性指数，hpi：为中房上海住宅指数增长率，spi：为上证综合指数增长率，cpii：为居民消费价格指数，gyi：为工业增加值增长率，βi为回归系数，μi为随机误差项。本文利用eviews6.0，通过对上述模型进行多元线性回归方程估计，得到下列回归模型：

bsfi=-64.4819+0.7614lnhpi-0.7428lnspi

+5.4963lncpii+8.2263lngyi （5）

回归估计结果如表1所示。

在表1中我们得知，拟合优度r2为

0.5813，说明模型跟样本拟合度还需进一步提高。

f统计量为18.0300，给定的显著性水平α=0.05，自由度为k-1=4 和n-k=127的临界值fα（4，127）=2.37 小于由eviews得出的f检验值18.0300，应拒绝原假设h0，说明回归方程显著，即方程中所选解释变量确实对银行业稳定性有显著影响。

（一）多重共线性检验

利用相关系数可以分析解释变量之间的两两相关情况。在eviews软件中得到相关系数矩阵，如表2所示。由相关系数矩阵可以看出，各解释变量之间的相关性较小。同时，t检验中查t分布表自由度为127的临界值为1.645，由eviews数据可得，hp、sp、cpi及gy对应的t统计量分别为2.6699、-6.6186、3.3122及6.2823，其绝对值均大于1.66，这说明上述解释变量分别都应当拒绝h0，也就是说，当其他解释变量不变

的时候，中房价格指数、上证综合指数、工业增加值及通货膨胀率对银行业稳定性均有显著影响。

（二）异方差性检验

为了检验随机误差项是否存在异方差，对所建模型进行white检验。经过检验，eviews计算得出的结果得nr2=10.699，由white检验知在α=0.025的置信水平下，分布的临界值.025（4）=11.14，因为nr2<.025（4）=11.14，所以不拒绝原假设，表明模型方程不存在异方差性。

（三）序列相关性检验

由表1得d.w.值为0.4552，查durbin-watson表，n=132，解释变量的个数为4，得下限临界值dl=1.61，上限临界值du=1.74，0

结论

本文从中国银行体系稳定性指数走势图可以发现2008年受国际金融危机冲击，我国银行业稳定性有所下降，在2007年美国次贷危机爆发前我国银行业稳定性指数就已经了有下降趋势，证明市场信息能够对银行危机的产生起到一定的预警作用。

为了进一步的分析资产价格波动对银行体系稳定性的影响，本文进行了多元回归分析，得到的主要结论是：资产价格波动以及宏观经济因素，对中国银行体系的稳定性有显著的影响。本文实证结果表明资产价格的波动走势和银行体系稳定性指数的走势表现出一定的相关性，在银行体系风险的防范中应充分考虑资产价格波动的因素这一结论作出一定的证实。房地产价格上涨对银行业稳定性显著为正，而股票价格上涨对银行业稳定性显著为负。这主要是因为我国股票市场成立时间较短，市场交易机制不够完善，投资者不够成熟，影响了股票市场的有效性，进而影响本文的结论。同时，宏观经济增长因素对银行业稳定性的影响也显著为正，说明稳定的经济增长对银行体系的稳定也是有利的。

参考文献：

1.卡尔·约翰·林捷瑞恩等.银行稳健经营与宏观经济政策[m].中国金融出版社，1997

2.张桂霞.关于银行体系稳定性的研究综述[j].江苏社会科学，2007（2）

3.de nicolo， g size . charter value and risk in banking： an international perspective[r] . board of governors of the federal reserve system（u.s.）， international finance discussion papers，2000，no 689

4.伍志文.中国银行体系脆弱性状况及其成因实证分析（1978～2000）[j].金融研究，2002（12）

5.万晓莉.中国1987-2006年金融体系脆弱性的判断与测度[j].金融研究，2008（6）

第8篇：国内宏观经济分析范文

预期是人们对未来的看法和期望，是一种主观的东西。然而，如果很多人的主观倾向是大体一致的，那就比较接近客观现实了。经济学意义上的预期，是指经济主体根据掌握的信息，对未来经济环境和条件进行的估计。预期在经济生活中具有至关重要的作用，这是因为，它影响着经济行为。

经济学将预期分为适应性预期和理性预期。前者是指人们对新近的经验作出反应和相适应的预期；后者是指人们基于对经济结构的理解，并充分利用所有可以得到的有关经济信息的预期。通胀预期，既可能是适应性预期，也可能是理性预期，它是人们对未来通货膨胀率的心理承受状况。这一心理感知可以基于对过去的经验，更主要的是对未来的期望。一般而言，在今天的宏观经济分析中，人们所说的通胀预期，或者说要管理的通胀预期，主要是指理性预期。

为什么要管理预期?用前香港金融管理局总裁任志刚的话说，其“目的是要将突发坏消息造成的不利影响减至最小，以及将突发好消息带来的有利影响增至最大”。为什么要管理通胀预期?道理也很简单，这是因为。通胀一旦形成，将产生对经济和社会的危害。经济学家认为，通胀是“对市场机制的破坏”，这种破坏首先会造成对资源配置的错误引导；其次，将引起对低收入者更为不利的再分配，加剧社会的贫富差距；再次，通胀无法在长期内解决失业问题，并可能孕育新的通缩。

今年我国第三季度宏观经济数据显示，前三季度实现GDP(国内生产总值)217817亿元，按可比价格计算，同比增长7.7％；第三季度GDP与去年同期相比，增长8.9％。这说明，我国宏观经济企稳回升的势头逐步增强，总体形势积极向好。但是，未来是否会出现通胀，政府将如何应对未来可能出现的通胀风险，成为新的社会关注焦点。因此，管理通胀预期也成为新的任务。

管理通胀预期的目标，是平滑价格总水平的波动，避免通胀和通缩的交替出现，使经济运行的环境尽可能稳定，以及避免因预期而产生恐慌性的群体。例如，购买不动产以应对可能到来的通胀等。我们知道，现实经济环境总是具有不确定性，因此，要利用各种经验研究的数据和结论，分析当下的经济运行，对通胀抑或通缩的可能性作出判断，进而采取有针对性的措施，合理引导通胀预期，以及避免因通胀预期产生的非理，以达到管理通胀预期的目标。

当然，管理通胀预期并不是那么容易的。困难主要在哪里?首先，需要有一个比较真实的通胀测定标准，从而在经济运行发生变化时，可以准确地确定是否存在通货膨胀及其严重程度。现在主要以CPI(消费者价格指数)作为观测通胀的指标，是不够全面的。要综合CPI、PPI(生产者物价指数)、GDP平减指数和货币供应量增长率等指标，确定通货膨胀的测定标准，使这个标准比较确切地反映现实经济生活中的价格水平变化，并反映现实的通货膨胀形成机制。

第9篇：国内宏观经济分析范文

关键词：跨国公司 国际法主体地位 可行性

一、全球经济复苏势头趋缓，有效需求增长放缓

受制于内生经济增长动力缺乏，全球经济不均衡复苏，发达国家债务危机和财政压力等不利因素影响，2010年全球主要经济体GDP增速较上年放缓，显示出复苏乏力的迹象和信号。2011年，国际金融危机的深层次影响仍未完全消除，世界经济难以进入稳步增长的良性循环，系统性和结构性风险依然较为突出。美国经济复苏动力依然不足，失业率居高不下，房地产依旧低迷，银行放贷能力尚未复苏，以消费为主导的美国经济尚未有实质性好转。欧洲债务危机时有爆发，对本来疲弱的经济复苏无疑是雪上加霜。在财政重建和刺激经济的“二难选择”中，欧洲经济很难较快恢复到危机前水平。日本经济在对美国和中国的双重依赖中有所恢复，但其受外部影响较大，未来仍有不确定性。印度、巴西等新兴经济体尽管回升势头较好，但在发达经济体整体增长疲软的情况下，高增长能否持续存在较大变数。总体而言，2011年世界经济将由前期超常规政策刺激下的恢复性反弹转向平稳甚至低速增长阶段，我国经济发展面临的外部环境依然较紧。

作为“十二五”的开局之年，2011年中国经济将继续保持增长动力，但在外需乏力。货币政策收紧和经济活动调整等因素的影响下，拉动社会总需求的“三驾马车”――投资、消费和净出口增速将有所放缓。

就投资需求而言，2011年既有促进投资增长的有利因素，也有不利因素，总体上投资增长将小幅放缓。有利因素主要包括：各地区在“十二五”规划开局之年的投资热情高涨；“新非公36条”等政策促进民间投资。不利因素主要是2009年为应对危机出台的刺激性政策逐步淡出；公共基础设施的投资拉动效应逐年衰减；房地产调控政策趋于严厉；财政支出重在结构调整，政策向保障民生领域转向。2011年全社会固定资产投资增速将在2010年回落的基础上继续小幅下降，对经济增长贡献度减弱。

二、固定资产投资增速或将企稳，外贸形势不容乐观

2010年中国对外贸易呈现高增长趋势。1-11月全国出口名义增长33.3%，进口增长40.3%，而去年同期则分别是同比下降18.9%和15.7%，2010年出口高增长的主要原因有：意识世界经济复苏，外部环境好于去年；二是2009年出口增长为负19%，出现低基数效应；三是稳定出口政策继续显效。

2011年，美国、欧洲、日本等我国主要贸易伙伴的进口需求增长缓慢，发达经济体贸易保护注意趋势严重，人民币升值预期、劳动力等要素成本上升使出口产品的价格竞争力降低，我国对外贸易条件有所恶化，同时受上半年基数太高等因素影响，预计外贸进出口增长速度比2010年将有所放缓，贸易顺差也将减少，出口对经济增长的贡献度有所削弱。

北非中东局势不稳，日本地震危害影响短期难以消除，人民币升值的预期不断提升，贸易摩擦增加，国内劳动力成本快速上涨，这些因素导致出口增速放缓。生产商宁愿更多向本土市场供货，而对欧、美等发达国家的出口明显减少。许多国家采购商都认为今后中国工人工资将会大幅上涨，产能势必将会被压缩。从去年末开始已经有生产厂家出现供货推迟现象。相对于出口大幅下滑，对美欧的进口增速基本稳定，机电产品进口占比最大的日本呈现下降趋势，资源类进口稳步增长。总体来看，2季度外贸增速回落已成定局，贸易顺差仍将继续下滑。

三、物价水平居高不下，通胀压力明显上升

2010年全国消费物价水平不断走高，CPI由1月份的1.5%逐月回升到11月份的5.1%，达到28个月以来最高。预计2011年物价总水平（CPI）增长呈小幅回落的态势，且前高后低。总体看，导致物价下行的因素增多增强，导致物价上行的因素减少减弱，预计全年CPI增长2.5%左右。推动2011年物价上涨的因素主要有三个。一是农产品价格上涨压力依然很大，一方面来自于二元经济结构的调整，另一方面来自于国际粮价震荡和上涨在国内的传导。二是要素价格上升，成本推动型通胀成为主要形式，特别是劳动力结构性矛盾突出，劳动力成本继续上升已成定势。三是人民币升值预期推动国际资本流入增加。与此同时，2011年经济增速将比2010年有所放缓，产出缺口缩窄，有利于坚强通胀的压力。趋紧的货币政策将逐步回收过剩的流动性，货币供应增长逐步回归常态，对通胀压力也有减缓的作用。

受经济运行惯性影响，2011年上半年CPI涨幅仍处于高位，5月份CPI同比上涨5.5%，创34个月新高。随着各项调控政策的逐步到位，下半年CPI涨幅将出现回落,全年通胀走势前高后低，呈现见此回落的态势。

四、大宗商品价格高位运行，整体维持上涨局面

2010年国际大宗商品市场延续着2009年以来的上升势头，但速度明显放缓，波动性加大，主要大宗商品价格回到了2008国际金融危机爆发时的水平。2011年恶劣的气候表现将导致北美、欧洲、南美等主要农业产区普遍歉收，使农产品供给减少。主要金属及矿产则受新兴经济体增长强劲的影响，需求将进一步走高。同时美国等发达国家宽松的货币政策在不断地为大宗商品价格上涨输送资金动力。随着经济复苏和通胀蔓延，2011年主要大宗商品价格预计将维持上扬趋势，但全球经济的总体复苏态势尚不足以支撑持续大幅上涨，其间可能出现较大幅度波动。值得注意的是，由于大宗商品的金融属性越来越占据了主导地位，主要国家也加大对市场投机的打击力度，在多重复合因素作用下，大宗商品短期价格走势判断难度将进一步加大。

五、 经济政策以紧为主，由宽松型向稳健型转变

货币政策取向在上半年以紧为主,2季度往后,政策调控的频度将有所下降,以寻求抑制通胀和维护增长之间的平衡。中央经济工作会议提出，2011年宏观经济政策的基本取向要积极稳健、审慎灵活，重点是更加积极稳妥地处理好保持经济平稳较快发展、调整经济结构、管理通胀预期的关系，加快推进经济结构战略性调整，把稳定价格总水平放在更加突出的位置，切实增强经济发展的协调性、可持续性和内生动力。2011年宏观经济政策的重点是抑泡沫、控投资、调结构、强民生。央行去年10月以来实施了包括加息和上调准备金率等一系列紧缩性措施，以回收过分充裕的银行体系流动性，取得比较明显的效果。中长期来看，由于阿拉伯世界政治动荡，日本地震后重建需求的支撑，中国仍然持续面临输入型通胀的压力。

参考文献：

[1] 王小广《2011年上半年中国宏观经济形势展望》，时事报告中心组学子专刊2011年04月

[2] 《2011年上半年宏观经济及政策:通胀形势主导预期变化》平安证券，2011年2月