中國電力景氣指數(shù)的混頻非對稱測度

周德才，陳金金，劉波

(1. 南昌大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌 330031；2. 中國中部經(jīng)濟(jì)社會(huì)發(fā)展研究中心，江西 南昌 330031)

0 引言

國民經(jīng)濟(jì)包羅萬象，電力行業(yè)作為基礎(chǔ)產(chǎn)業(yè)，對宏觀經(jīng)濟(jì)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(jì)的發(fā)展方向。深入探究電力行業(yè)的運(yùn)行態(tài)勢，對于引導(dǎo)宏觀經(jīng)濟(jì)調(diào)控政策的制定有著重要作用。因此，實(shí)時(shí)和動(dòng)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(biāo)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(jià)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(xiàn)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(xiàng)研究又可進(jìn)一步分為2類：①基于主觀賦權(quán)法等傳統(tǒng)統(tǒng)計(jì)學(xué)方法的電力景氣指數(shù)構(gòu)建研究。一些學(xué)者們主要基于同頻電力行業(yè)數(shù)據(jù)，使用擴(kuò)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(xiàn)[1-3]使用擴(kuò)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(jì)量經(jīng)濟(jì)學(xué)方法的電力景氣指數(shù)構(gòu)建研究。文獻(xiàn)[4]采用狀態(tài)空間模型技術(shù)對整個(gè)社會(huì)電力需求增長率進(jìn)行了趨勢分解，反映了電力需求周期波動(dòng)，文獻(xiàn)[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(jìn)行了中長期的預(yù)測及周期波動(dòng)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(shí)時(shí)的問題。（2）同頻電力景氣指數(shù)應(yīng)用研究。這項(xiàng)研究也可進(jìn)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(xiàn)[8]收集了天津電力市場相關(guān)行業(yè)經(jīng)濟(jì)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(xiàn)[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(dòng)和動(dòng)態(tài)貢獻(xiàn)率等方面的研究，揭示各個(gè)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(xiàn)[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(xiàn)[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(jì)景氣數(shù)據(jù)統(tǒng)計(jì)頻率不盡相同，采用普通求平均等簡單的插值法，會(huì)使得數(shù)據(jù)失去部分真實(shí)性和可信度，一些學(xué)者開始嘗試使用混頻數(shù)據(jù)模型構(gòu)建經(jīng)濟(jì)景氣指數(shù)。雖然目前對于電力經(jīng)濟(jì)指數(shù)的構(gòu)建依舊處于同頻化研究階段，缺乏一定的實(shí)時(shí)性，但在經(jīng)濟(jì)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(xiàn)[14-15]基于混頻DFM模型（MF-DFM），文獻(xiàn)[16-17]基于混頻VAR模型（MF-VAR），文獻(xiàn)[18-19]基于混頻MS-DFM模型（MF-MS-DFM）模型，文獻(xiàn)[20-22]基于混頻MS-VAR模型（MF-MS-VAR）編制了一些混頻經(jīng)濟(jì)景氣指數(shù)和金融狀況指數(shù)。

綜上所述，目前國內(nèi)外學(xué)者對于電力景氣指數(shù)的研究還比較少，對于綜合考慮實(shí)時(shí)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(shí)時(shí)性和預(yù)測性上的優(yōu)勢，試圖從一致性指標(biāo)、先行指標(biāo)、滯后指標(biāo)3個(gè)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(xiàn)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(xiàng)上設(shè)置了馬爾科夫（Markov）機(jī)制轉(zhuǎn)換，從而消除了標(biāo)準(zhǔn)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(dòng)態(tài)變化規(guī)律。（2）本文編制了中國首個(gè)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(gè)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”。

1 模型構(gòu)建

1.1 構(gòu)建計(jì)量模型

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(kuò)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(dòng)態(tài)因子模型提取相關(guān)行業(yè)變量協(xié)同變動(dòng)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(jìn)行處理，捕捉行業(yè)變量協(xié)同變動(dòng)的共同成分，因此依然采用動(dòng)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(jì)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(jìn)一步地，借鑒文獻(xiàn)[20]，假設(shè)Markov機(jī)制存在2種，即可取和。一般地，假設(shè)，那么機(jī)制和機(jī)制就分別表示為電力行業(yè)處于收縮階段和擴(kuò)張階段，若且，則電力行業(yè)同時(shí)包含收縮和擴(kuò)張兩個(gè)過程?？傊?，上述MF-MS-SW模型同樣適用于描述電力行業(yè)波動(dòng)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(jì)

（2）新MF-MS-SW模型的Kalman濾波估計(jì)。借鑒文獻(xiàn)[23]對模型參數(shù)的估計(jì)方法，對上文構(gòu)建的新模型使用Kalman濾波與平滑方法進(jìn)行估計(jì)，得出參數(shù)結(jié)果。詳細(xì)介紹參考文獻(xiàn)[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(cuò)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?fàn)顩r的不同維度之間具有一定的聯(lián)動(dòng)性。各維度、各行業(yè)之間相互影響，用傳統(tǒng)的單一指標(biāo)來反映一個(gè)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(dòng)著整個(gè)行業(yè)變化，同時(shí)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(gè)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(dòng)的共同因子，以此觀測電力行業(yè)的發(fā)展趨勢。

1.2 電力景氣指數(shù)預(yù)警信號系統(tǒng)

本文將景氣指數(shù)波動(dòng)設(shè)置成表1中的5種狀態(tài)[24]。根據(jù)表1的原則，當(dāng)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

2 電力景氣指數(shù)編制前的數(shù)據(jù)處理與方程具體化

2.1 變量的選擇與數(shù)據(jù)的處理

本文使用Wind數(shù)據(jù)庫和中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫收集了電力行業(yè)相關(guān)的月度和季度指標(biāo)共160多個(gè)。然后借鑒K-L信息量法的分析方式，結(jié)合經(jīng)濟(jì)發(fā)展規(guī)律和工業(yè)增長速度等因素進(jìn)行分析來對指標(biāo)進(jìn)行篩選。在研究比較之后，確定“全社會(huì)用電量”為基準(zhǔn)指標(biāo)，其次使用時(shí)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(gè)指標(biāo)分別與基準(zhǔn)指標(biāo)“全社會(huì)用電量”進(jìn)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(gè)指標(biāo)。采用這種分析方法所選出來的指標(biāo)具有客觀性，能很好地?cái)M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(biāo)與基準(zhǔn)變量作對比分析之前都先將指標(biāo)的增長率使用EViews9軟件進(jìn)行季節(jié)性調(diào)整（Census X-12方法），以消除季節(jié)變動(dòng)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(biāo)

本文選取了全社會(huì)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(jià)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(biāo)的代理變量。

2.1.2 先行指標(biāo)

本文選取了化學(xué)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(biāo)的代理變量。

2.1.3 滯后指標(biāo)

本文選取了鐵路貨運(yùn)量（Z1）、工業(yè)企業(yè)主營業(yè)務(wù)收入（Z2）、燃料、動(dòng)力類工業(yè)生產(chǎn)者購進(jìn)價(jià)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(biāo)的代理變量，合計(jì)共21個(gè)指標(biāo)。從表2可知，這些指標(biāo)與電力行業(yè)的波動(dòng)對應(yīng)性較好，符合景氣指標(biāo)選取所要求的全面性和層次性、及時(shí)性和敏感性、統(tǒng)計(jì)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(gè)電力行業(yè)指標(biāo)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(jìn)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(fù)數(shù)的數(shù)據(jù)取對數(shù)；（3）使用HP過濾方法得出21個(gè)變量的缺口值；（4）對缺口值進(jìn)行標(biāo)準(zhǔn)化處理。

2.2 數(shù)據(jù)平穩(wěn)性檢驗(yàn)

對于樣本數(shù)據(jù)的穩(wěn)定性，本文采用ADF檢驗(yàn)和PP檢驗(yàn)2種方式進(jìn)行驗(yàn)證，鑒于文章篇幅問題，檢驗(yàn)結(jié)果不做展示。檢驗(yàn)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(yàn)和PP檢驗(yàn)均在1%的水平上都拒絕原假設(shè)；變量X1，X7，X8，X9的ADF檢驗(yàn)在1%的水平上都拒絕原假設(shè)，PP檢驗(yàn)在5%的水平上拒絕原假設(shè)；變量X4的ADF檢驗(yàn)在5%的水平上拒絕原假設(shè)，PP檢驗(yàn)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(shí)間序列,滿足構(gòu)建中國電力景氣指數(shù)的要求。

2.3 方程的具體形式

本文借鑒文獻(xiàn)[25]的動(dòng)態(tài)因子模型，再根據(jù)前文所構(gòu)建的計(jì)量模型，同時(shí)結(jié)合本文所選取的21個(gè)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(jìn)行具體化處理。

2.3.1 量測方程的設(shè)定

由于數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理,指標(biāo)變量序列的均值便都為0，故在具體化時(shí)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(xiàng)和系數(shù)項(xiàng)上具備Markov機(jī)制，具體為

3 電力景氣指數(shù)的實(shí)證測度

3.1 系數(shù)估計(jì)結(jié)果分析

本文參考文獻(xiàn)[21]，為了減少需要估計(jì)的參數(shù)個(gè)數(shù)，去除模型中常數(shù)項(xiàng)的影響，在一定程度上簡化計(jì)算過程，對文中涉及的指標(biāo)均去均值。同時(shí)，式（9）中的假定為2種機(jī)制，以便更顯著地體現(xiàn)出狀態(tài)方程的動(dòng)態(tài)性和機(jī)制性。

模型的系數(shù)估計(jì)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(gè)，大于10%的共15個(gè)，其中有12個(gè)不顯著的情況是出現(xiàn)在滯后指數(shù)的估計(jì)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(biāo)組：（1）在本文設(shè)定的Markov機(jī)制1和機(jī)制2下，共同因子的自回歸系數(shù)估計(jì)值分別為0.953和0.845，說明在Markov機(jī)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(kuò)張狀態(tài)和收縮狀態(tài)中均表現(xiàn)出強(qiáng)連續(xù)性。（2）共同因子的標(biāo)準(zhǔn)差與大部分特定因子的標(biāo)準(zhǔn)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(jī)制和第2機(jī)制的狀態(tài)下，共同因子的截距項(xiàng)分別為0.197和–0.156，表明分別處于擴(kuò)張和收縮狀態(tài)。

表3 MF-MS-SW模型的量測方程參數(shù)估計(jì)結(jié)果Table 3 Estimation results of measurement equation parameters of MF-MS-SW model

3.2 基于濾波概率判斷中國電力景氣狀態(tài)

對于模型的估計(jì)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(jī)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(kuò)張時(shí)期，因此，電力景氣的狀態(tài)可以分別識(shí)別第一機(jī)制為擴(kuò)張狀態(tài)；第二機(jī)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。

3.3 中國混頻電力景氣指數(shù)總體趨勢分析

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(gè)階段：（1）2003年1月—2008年6月為反復(fù)波動(dòng)階段，此階段景氣指數(shù)出現(xiàn)波動(dòng)，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(diǎn)。（2）2008年7月—2009年12月為巨幅波動(dòng)階段，此階段表明受金融危機(jī)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(dá)到最低波谷點(diǎn)，這也是截至目前中國電力景氣指數(shù)的歷史最低點(diǎn)（96.2），后來隨著經(jīng)濟(jì)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(jī)前的水平。（3）2010年1月—2014年7月為小幅波動(dòng)階段，此階段中國電力景氣指數(shù)盡管出現(xiàn)波動(dòng)，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(dá)到波谷點(diǎn)，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(gè)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(dòng)，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(diǎn)。（2）巨幅波動(dòng)階段（2008年2月—2009年4月）。此階段表明受金融危機(jī)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(shí)間先于一致指數(shù)約4個(gè)月左右，在2008年11月達(dá)到最低波谷點(diǎn)（97.2），后來隨著經(jīng)濟(jì)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(jī)前的水平。（3）大幅波動(dòng)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(dòng)并經(jīng)歷了2個(gè)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(dá)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(gè)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(dòng)，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(diǎn)。（2）巨幅波動(dòng)階段（2009年1月—2010年1月）。此階段表明受金融危機(jī)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(shí)間晚于一致指數(shù)約10個(gè)月左右，在2009年3月達(dá)到最低波谷點(diǎn)，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(diǎn)（96.9），后來隨著經(jīng)濟(jì)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(jī)前的水平。（3）大幅波動(dòng)階段（2010年2月—2015年12月）。此階段經(jīng)歷了一個(gè)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(dá)到波谷點(diǎn)（99.2），隨后景氣指數(shù)一路攀升，在2017年2月達(dá)到相對高峰值（101.8）后有震蕩下降的跡象。

3.4 中國混頻電力景氣指數(shù)與同頻電力景氣指數(shù)比較分析

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(jìn)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(diǎn)，體現(xiàn)出拐點(diǎn)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(diǎn)，且景氣指數(shù)值為102.3，但是在相同時(shí)間段同頻景氣指數(shù)中，只能觀察到拐點(diǎn)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(diǎn)，值為103，在相同時(shí)間段同頻景氣指數(shù)中，只能觀察到拐點(diǎn)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

4 中國電力景氣指數(shù)應(yīng)用分析

4.1 預(yù)警信號系統(tǒng)狀態(tài)結(jié)果分析

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(shí)間均表現(xiàn)為正常狀態(tài)，隨后在2018年1季度進(jìn)入過比較景氣的階段，而最近一段時(shí)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 中國電力景氣指數(shù)的關(guān)聯(lián)性分析

4.2.1 中國混頻電力景氣指數(shù)與全社會(huì)用電量的相關(guān)性

本文將全社會(huì)用電量作為基準(zhǔn)指標(biāo)，與中國混頻電力景氣指數(shù)進(jìn)行相關(guān)性分析，即將中國混頻電力景氣指數(shù)與全社會(huì)用電量進(jìn)行比較，具體如圖6所示。

圖6 電力景氣指數(shù)與全社會(huì)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(huì)用電量的圖形運(yùn)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(huì)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(huì)用電量大致3個(gè)月，中國混頻電力景氣滯后指數(shù)滯后于全社會(huì)用電量大致2個(gè)月。通過Eviews9軟件計(jì)算，得出中國混頻電力景氣一致指數(shù)與全社會(huì)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(huì)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(huì)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(shí)，先行指數(shù)出現(xiàn)峰值，全社會(huì)用電量在同月尾隨中國電力景氣指數(shù)的變化達(dá)到階段峰值；在2009年12月，先行指數(shù)經(jīng)歷了一個(gè)巨大回落后，出現(xiàn)另一個(gè)峰值；而全社會(huì)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(dá)到波谷值，全社會(huì)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(dāng)先行指數(shù)在2011下半年下滑時(shí)，全社會(huì)用電量則在3個(gè)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(biāo)，對中國電力景氣狀況能進(jìn)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(jìn)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(gè)波峰和波谷趨勢得知，中國混頻電力景氣一致指數(shù)波動(dòng)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(dòng)1個(gè)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(dòng)1個(gè)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(dá)到峰值，而后GDP于2010年1季度達(dá)到峰值，中國混頻電力景氣先行指數(shù)相比GDP提前了1個(gè)季度達(dá)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(dá)到第一個(gè)波谷,并于2012年第1季度再次探底；相對于GDP提前了1個(gè)月到達(dá)波谷值。說明先行電力景氣指數(shù)能動(dòng)態(tài)實(shí)時(shí)地反映GDP的變化，可作為主要經(jīng)濟(jì)活動(dòng)的季度領(lǐng)先指標(biāo)，對其進(jìn)行預(yù)測，預(yù)期達(dá)1個(gè)季度。

圖7 電力景氣指數(shù)與GDPFig. 7 China power prosperity index and GDP

4.3 中國電力景氣指數(shù)對全社會(huì)用電量的預(yù)測檢驗(yàn)

4.3.1 中國混頻電力景氣一致指數(shù)對全社會(huì)用電量的預(yù)測檢驗(yàn)

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(huì)用電量進(jìn)行預(yù)測，并與同頻電力景氣一致指數(shù)進(jìn)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(huì)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(dá)到最大值0.771和0.702。換句話說，社會(huì)用電量的77.1%的波動(dòng)可以由混頻電力景氣一致指數(shù)來解釋，70.2%的波動(dòng)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(shí)，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(biāo)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(huì)用電量的預(yù)測檢驗(yàn)

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(huì)用電量進(jìn)行預(yù)測，并與同頻電力景氣先行指數(shù)進(jìn)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(huì)用電量的預(yù)測檢驗(yàn)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(shí)候達(dá)到最大值0.236和0.222。換句話說，全社會(huì)用電量的23.6%的波動(dòng)可以由混頻電力景氣先行指數(shù)來解釋，22.2%的波動(dòng)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(shí)，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(biāo)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(huì)用電量的預(yù)測檢驗(yàn)

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(huì)用電量進(jìn)行預(yù)測，并與同頻電力景氣滯后指數(shù)進(jìn)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(dá)到最大值0.322和0.280。換言之，全社會(huì)用電量的32.2%的波動(dòng)可以由混頻電力景氣滯后指數(shù)來解釋，28%的波動(dòng)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(shí)，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(biāo)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(huì)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。

5 結(jié)論

本文從電力行業(yè)一致指標(biāo)，電力行業(yè)先行指標(biāo)，電力行業(yè)滯后指標(biāo)3個(gè)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(shí)期內(nèi)出現(xiàn)的波動(dòng)狀況進(jìn)行了實(shí)證分析，研究認(rèn)為：（1）本文構(gòu)建的MF-MS-SW計(jì)量模型較好地刻畫了中國電力景氣指數(shù)的波動(dòng)特征。本文選取的21個(gè)經(jīng)濟(jì)指標(biāo)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(biāo)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?cái)M合中國電力行業(yè)指標(biāo)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(jì)發(fā)展?fàn)顟B(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(gè)月的指標(biāo)數(shù)據(jù)進(jìn)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(dòng)，有利于對中國電力景氣狀態(tài)進(jìn)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(jì)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(dòng)3個(gè)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(biāo)，能動(dòng)態(tài)指引中國電力行業(yè)的變化趨勢。同時(shí)電力景氣預(yù)警信號燈的設(shè)計(jì)，能夠?qū)崟r(shí)反映電力景氣的轉(zhuǎn)折和變化規(guī)律，有較強(qiáng)的動(dòng)態(tài)性和時(shí)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(jìn)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(shí)時(shí)變化。在當(dāng)前經(jīng)濟(jì)運(yùn)行穩(wěn)中有變、變中有憂，外部環(huán)境復(fù)雜嚴(yán)峻，經(jīng)濟(jì)面臨下行壓力，全社會(huì)用電量增長不確定性的情況下，動(dòng)態(tài)時(shí)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(kuò)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(lì)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(jìn)入景氣狀態(tài)。

（3）建議相關(guān)部門發(fā)展風(fēng)電、核電、太陽能發(fā)電等，優(yōu)化能源結(jié)構(gòu)。進(jìn)一步優(yōu)化電力消費(fèi)結(jié)構(gòu)，促進(jìn)電力行業(yè)向著綠色低碳高質(zhì)量方向發(fā)展。當(dāng)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(jìn)能源結(jié)構(gòu)優(yōu)化調(diào)整。

（4）加強(qiáng)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(jì)的波動(dòng)較為敏感且略先行于宏觀經(jīng)濟(jì)波動(dòng)，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(shí)間，觀察市場的行為，適時(shí)調(diào)整，避免行業(yè)出現(xiàn)劇烈波動(dòng)，保持電力行業(yè)以及國家宏觀經(jīng)濟(jì)的穩(wěn)定發(fā)展。