通货膨胀的两项指标与美联储政策

BEA 9 月份核心个人消费支出 (PCE) 价格指数显示,核心通胀率继续高于美联储 2% 的长期目标(3.7%)。9 月份核心消费者价格指数 (CPI) 公布较高,为 4.1%。美联储有记录使用核心个人消费支出数据作为主要通胀指标。要详细了解每个版本,请查看我们最新的消费者价格指数和PCE 价格指数版本。

首选通胀指标

美联储有记录使用核心个人消费支出数据作为主要通胀指标。

长期通胀率主要由货币政策决定,因此委员会有能力制定通胀的长期目标。委员会认为,从长远来看,以个人消费支出价格指数的年度变化衡量的2%的通胀率最符合美联储的法定使命。向公众明确传达这一通胀目标有助于牢牢锚定长期通胀预期,从而促进价格稳定和适度的长期利率,并增强委员会在面临重大经济干扰时促进就业最大化的能力。[来源]注:加粗。

在其他地方,美联储强调了长期通胀模式的重要性、持续的可能性以及“核心”通胀(减少食品和能源)的重要性。为什么要强调核心通胀?以下是美联储常见问题之一的摘录。

最后,政策制定者审查各种“核心”通胀指标,以帮助确定通胀趋势。最常见的核心通胀指标不包括价格大幅或经常波动的商品,例如食品和能源商品。对于这些商品,一个时期内价格的大幅变化不一定会在下一时期出现相同方向的另一次大幅变化。尽管食品和能源是大多数家庭预算的重要组成部分,而且政策制定者最终寻求稳定总体消费者价格,但排除价格波动的项目的核心通胀指标可能有助于评估通胀趋势。[来源]

PCE 和 CPI:并列比较

PCE和CPI并列比较

这种近距离比较为我们提供了线索,说明为什么美联储更喜欢核心 PCE 而不是核心 CPI,作为其管理通胀成功的指标:核心 PCE 的波动性远低于 CPI。考虑到美联储的双重使命——价格稳定和就业最大化,过去它选择波动性较小的核心个人消费支出(PCE)指标也就不足为奇了。另一方面,核心PCE(2022年之前)的通货紧缩趋势让人对美联储货币政策的有效性产生怀疑。

劳工统计局的消费者价格指数和经济分析局的月度个人收入和支出报告是美国价格趋势的主要指标。下图是自 2000 年以来核心 CPI 和核心 PCE 的叠加。

2000年以来核心CPI与核心PCE比较

下图展示了自 1960 年以来到这两个指标发布的最近一个月这两个核心指标之间的差异。

自 1960 年以来核心 PCE 与核心 CPI 之间的利差

这是从两个系列的实际开始时的长期视角。

1960年以来核心CPI和核心PCE比较

下面的图表可以帮助我们比较自 1960 年以来这两个指数的累计变化。随着时间的推移,PCE 价格指数反映出的通胀增速明显低于 CPI。

1960年以来核心CPI和核心PCE累计变化

有关解释 PCE 和 CPI 计算差异的一些技术数据,请参阅BEA 的这篇比较文章。

我们不能将食物和能源排除在我们每月的开支之外。但这两个支出类别(尤其是能源)的极端波动往往掩盖了潜在趋势,而这正是上图的重点。有关波动性的证据,请参阅标题和核心 CPI 的叠加以及标题和核心 PCE 的叠加。

对政府通胀分析的敌意

另一方面,汽油价格的波动解释了为什么如此多的人对将食品和能源排除在通货膨胀的核心指标之外感到困惑。下面的汽油价格图表基于能源信息管理局的最新每周数据。

每周汽油价格

在通货膨胀时期,投资者有时会转向农产品ETF,例如Teucrium小麦基金(WEAT)和Teucrium玉米基金(CORN)。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/78337.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年11月4日 01:35
下一篇 2023年11月4日 01:53

相关推荐

  • 美联储能否实现软着陆?

    当前的经济环境令人困惑。就业增长强劲,但知名公司裁员的报道却随处可见。收益率曲线倒挂,暗示经济衰退即将来临,但股市却处于或接近历史高位。 我们如何看待这些相互矛盾的信号?经济能否实现预期的“软着陆”——经济增长放缓或温和衰退?还是“硬着陆”和“常规甚至严重衰退”不可避免? 只要美联储从沉睡中醒来,并且某些其他缓解因素持续存在,我相信我们仍然可以坚持下去。但许…

    2024年4月27日
    10200
  • 股票债券相关性的变化对您的资金意味着什么

    最近的一篇论文分析了自 1875 年以来股票和债券回报之间的相关性,表明过去四分之一个世纪的关系在不确定的通胀环境中正在发生变化。结果可能会刺激一些投资者重新考虑他们的投资组合配置。 威斯康星州投资委员会的研究人员和基金管理公司荷宝 (Robeco) 在“股票-债券的经验证据”中重新审视了长期投资风险/回报率的基本驱动因素之一——股票和债券价格的共同波动程度…

    2023年9月19日
    14200
  • 北京大学Julia语言讲义第6章: 文件

    对文本文件,readlines(filename)函数根据输入的文件名读入文件的各行为字符串数组,每个元素是一行,缺省行为会读入换行符但结果字符串不包含换行符,加选项keep=true可以保留换行符。用read(filename, String)将整个文件读入为一个长字符串。 用fh = open(filename)打开指定的文件用于读取,这里fh称为一个文…

    2023年8月18日
    16300
  • 北京大学R语言教程第47章: 整洁建模中模型调优

    47.1 用再抽样技术计算模型评价指标 47.1.1 拟合效果 再抽样技术是指从同一个样本数据集中多次抽样产生多个样本, 这些样本当然不能做到相互独立, 但是也可以用来增大样本容量, boostrap是典型的再抽样技术, 而统计建模、机器学习中的交叉验证(cross validation)也是一种再抽样技术。 将全体样本划分为训练集(tr…

    2023年12月8日
    14200
  • 北京大学金融时间序列分析讲义第7章: 单位根过程

    前面的AR、MA、ARMA主要应用于简单收益率和对数收益率。对于价格序列,一般其水平是缓慢变化的,包括缓慢的增长趋势与一定的周期波动。这样的序列不满足弱平稳的条件,是非平稳时间序列。 典型的非平稳时间序列模型是单位根(unit root)非平稳时间序列。 随机游动 考虑{pt}的模型 pt=pt−1+εt, t=1,2,…(7.1) 其中{εt}是零均值独立…

    2023年7月18日
    39600

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部