亚洲经济简评：AEJ当前活动指标(CAI)：追踪经济活动并捕捉拐点的新指标02191.ppt

,亚洲经济简评2012 年 2 月 16 日研究报告高华全球经济研究网站https:/,布凯南Prakriti S+91 22 6616 9376岑雅韻+852 2978 6634邱小村+852 2978 0106陈慧莹+65 6654 5459张胤（高华证券）+86 10 6627 3112Sungsoo C+822 3788 1726Vishal V+91 80 6637 8602,AEJ 当前活动指标(CAI)：追踪经济活动并捕捉拐点的新指标我们推出一个新工具：当前活动指标(CAI)，以帮助我们追踪日本以外亚洲地区(AEJ)各个经济体的整体经济活动。我们将 CAI 做为 GDP 的补充，后者在描述当前经济活动状况时虽然有效但不尽完善。高盛已在美国、英国、澳大利亚和日本采用了相似的 CAI 衡量指标，AEJ CAI 的推出填补了空白。CAI 指标基于广泛的硬数据和调查数据，以“实时”反映实体经济状况水平，各国CAI 的构成指标数量从 6-15 个不等。CAI 比 GDP 更易获取、且公布频率更高，同时其所用序列也不像官方 GDP 初值那样易受数据修正的影响。虽然 CAI 被设计为一个衡量实体经济活动的独立指标，但它能够很好地捕捉各国 GDP的关键动态，并能比 GDP 更早地发现经济形势拐点。中国 CAI 很早即反映了 2011 年初经济增长的放缓，而在 2011 年 7 月之后改善了逾150 个基点。虽然这与我们 10 月初以来的观点一致，但其变动幅度大于我们对 GDP环比增幅上升 61 个基点的预测，并与目前 GDP 同比增幅下降 20 个基点的情况形成反差。印度 CAI 早在 2011 年 2 月便已下滑（数据于 3 月初公布），而 GDP 却直到 6 月才下降（数据于 8 月初公布）。最近几个月中，虽然印度 CAI 的某些成分指数有所反弹，整体却依然疲弱。从现在开始，我们会将 CAI 指标与 AEJ 的重要数据公布结合起来，补充现有的宏观数据评估平台(MAP)评分体系。如此一来我们就可以衡量 CAI 组成数据与预期的偏差程度，及其对整体经济增长的潜在影响。CAI 汇总了若干月度实时经济数据，其权重通过主成分分析法得出，并按照 GDP 等值单位的方式进行再整理，以方便数据解读。CAI 权重的设置目的在于最大化每一个序列变动中存在的“共性”，同时最小化仅由特异性因素变动带来的影响（比如说，税率调整导致的汽车销售额变化并不能反映更广义的经济活动状况）。1,高盛全球经济、商品和策略研究,亚洲经济简评,我们的新 CAI 是 GDP 的补充GDP 是一个实用但并不完善的当前经济活动指标：GDP 是受广泛关注的经济活动综合指标，但每季度只公布一次，较为滞后且需要修正，这降低了其用作投资和政策决策参考的有效性。因此我们构建了 CAI 指标作为 GDP 的补充。我们参考了此前美国、英国和澳大利亚同事的工作（请参见 2011 年 4 月 12 日发表的美国金融市场日评:CAI:追踪美国增长的新指标；2011 年 12 月 2 日发表的欧洲点评：Gauging the Slowdown:Introducing theGS UK Current Activity Indicator；2012 年 1 月 19 日发表的日本经济分析 12/02:运用高盛的日本 CAI 指标对 GDP 进行月度追踪；和 2011 年 12 月 8 日发表的 EconomicsWeekly Comment：Introducing The Australia Current Activity Index）。所有高盛 CAI 指标都明显优于 GDP，原因在于：(1)CAI 是各国经济实时活动状况的综合数据，它能捕捉短期数据趋势，比 GDP 更早地体现数据变化；(2)GDP 初值往往是基于尚不全面的数据汇编而成的，这意味着 GDP 组成数据往往是基于（用户不一定了解的）简单规律的预测值，因此 GDP 初值比 CAI 的组成序列更可能受到数据修正的影响；(3)CAI 可以随新数据的发布而持续更新。对 CAI 的关注在于实体经济而非金融变量，对于后者来说，高盛金融状况指数(GS-FCI)是一个更好的衡量指标。CAI 是基于主成分模型(PCM)构建而成，这是一个数据计算过程，它区分了多重数列的模式、给予各自权重并将其汇编成一个系列，可随时间推移而进行追踪；权重设置取决于最小化特异性数据变动的影响，并归纳变动“共性”。CAI 的构建机制CAI 权重是通过主成分分析而得出的，我们通过简单的统计计算提取选定变量中的最大化信息，进行加权均值计算（即算出主成分）。计算主成分的优点在于我们手中的序列是所有可用信息的汇总，并且易于追踪。CAI 实时序列的构建包括以下三个步骤：第一步：审慎选择 CAI 成分序列。第一步是选择尽可能多的、能够反映经济体中实体经济动态的月度（或更高频）数据：序列可以选择硬数据或调查指标。将前者折算为季调后季环比增幅以反映环比趋势，对后者则使用水平数据即可。简单预测公式有助于我们预测那些尚未发布的数据。一旦数据公布，则可以将预测值替换为实际值。由于主成分模型对变量的选取范围较为敏感，我们努力确保各国数据的一致性。同时在将名义数据平减为实际值时也需小心，需要对各国各数列选择正确的平减指标。我们还对虽具相关性但波动剧烈的序列进行了数据平滑处理。基于数据的可得性和相关性，AEJ 各经济体的 CAI 指标序列数量从 6 个到 15 个不等。第二步：主成分分析。在预测和构建 CAI 时大量使用了主成分分析法。它是一个简单的统计计算过程，我们将选定的变量转换为一系列加权均值，即主成分。具体而言，实体经济指标的变化可视为由以下两部分组成：(i)所有衡量指标的共性部分这可能与宏观经济周期相关；以及(ii)各指标独有的组成特点。我们只关注每个选定变量中的共性部分。2,高盛全球经济、商品和策略研究,亚洲经济简评,我们可以从若干序列中计算出多个共性部分，但其中令我们感兴趣的唯有第一主成分(PC1)。PC1 是一个时间序列的加权平均值，它在最大程度上弱化了特异因素所导致的样本差异占比。此处权重被命名为“载荷”，指的是变量在构建主成分时的相关程度如何。举例来说，我们发现印度的服务业 PMI 在 PC1 中权重最高，因为服务业对印度整体 GDP 的贡献达到了 55%。这一计算方法的最大优点在于它按照数据所含共性信息而自动对序列赋予了权重，我们无需对权重进行主观选择。第三步，基于可识别单位编制 CAI 序列。现在需要将 PC1 转化为 GDP 等值单位，以便于解读数据结果。我们在这一步骤中首先将月度 PC1 转变为季度数列，并基于季度 GDP 和一个常量进行回归。而后我们用估算系数来估测月度第一主成份，以编制各国月度 CAI 序列。最终将哪些变量编入 CAI 取决于多重核实，例如检验它们与 PC1 和 GDP 的关联度。我们还反复检查了哪些数列在主成分中权重较高，并确认这是否与我们的预期和理由相符。以菲律宾为例，我们将外汇汇回剔除在了 CAI 的构建之外，因为它与 CAI 呈负相关(这一点有违直觉判断)。另一个需要指出的重要问题在于，虽然我们构建 CAI 时希望 GDP 能与CAI 形成良好匹配，但是这一点不得做为变量选取的标准。我们的初衷在于创建一个指标，在最大程度上利用可用数据来尽量体现当前活动状况，而在某些时段或某些经济体中，经济活动状况可能与 GDP 指标有所背离。AEJ CAI 与 IMF 数据和 US CAI 的比较IMF 基于动态因子模型汇编了一个月度数据（参见 2011 年 2 月 1 日发表的 IMF Working Paper：NewIndicators for Tracking Growth in Real Time）。它的成分序列涉及范围更广，数量从 97 个至 290 个不等，而且包含经济活动、价格和金融数据。各国数据还直接包括了八个美国序列做为外部因子的控制变量。同时还剔除了长期趋势的影响，并基于 5-6 种不同方法对实时预测进行评估。我们的版本更为简单，可以随着新数据的发布每日进行调整。我们的主要目的是让 CAI 便于计算，可以日日更新，以实现信息的快速传递。与 IMF 数据相仿的是，我们计算数据的季节性因素，平滑处理了数据的过度波动，并最终修正各个数列的偏差数值。我们通过将贸易数据包括在内的办法来将控制外部因子。AEJ CAI 是季调后季环比数据，美国 CAI 是季调后月环比数据。在亚洲国家，我们深受数据稀缺之困，这些数据波动剧烈而且信息量极少。对印度等国而言，农业在 GDP 的构成中占到了 20%，而我们找不到任何显示农业活动状况的月度指标。3,高盛全球经济、商品和策略研究,亚洲经济简评,测试 CAI我们纳入 CAI 的变量涉及面广泛，而根据数据的可获得情况，对每个国家试用的变量有20 个之多。最终选取的变量基于总体统计结果、经济学意义及判断得出。值得注意的是，硬性产量指标（如工业增加值IP）和调查数据（如 PMI）都是各国 CAI 不可或缺的组成部分。由于试图反映部分对外经济活动情况，我们也将进出口数据纳入 CAI，二者在各国的 PC1 中也占有较大权重。纳入进出口数据也反映了各亚洲国家 GDP 对出口的依赖程度。除了那些我们无法获得可信数据的国家，我们构建的 CAI 时间序列也很好地反映了各国GDP 的重大变动。大多数 GDP 的峰值和谷底在我们的 CAI 中有所体现。PC1 与 GDP 区间的匹配度在 0.3-0.7 之间；这同样取决于亚洲各国数据的可获得情况和可信度。在所有国家中，只有印度和印尼未采用 GDP 数据，我们用剔除农业的 GDP 数据取代了总 GDP，因这样可获得更好的统计结果。尽管我们的 CAI 同比数据较折年季环比数据的匹配度通常更好，但我们仍将关注点放在更具时效性的季环比数据上。尽管与 GDP 的相关性略低，但由于我们的关注点在于反映经济体的环比增长势头及找到转折点，因此季环比数据更有用处。我们还注意到，总体而言，季环比数据的序列相关性问题更少。各国的 CAI 指标和结果如下：图表 1:AEJ 地区 CAI,%qoq s.a.ann.,AEJ Current Activity Indicator,12.0010.008.006.004.002.000.00-2.00资料来源：Haver、CEIC、高盛全球经济、商品和策略研究中国：我们的中国 CAI 较好地反映了总体经济形势，大部分经济周期在 CAI 中都有所体现。中国 CAI 还与 GDP 高度相关，相关性达到了 0.82。我们 CAI 反映了工业和服务业的情况。PC1 载荷在 PMI、IP 指数和发电量方面最高。我们只纳入了从 2005 年 11 月开始的数据，主要原因是我们希望包括能够正确反映服务业经济活动的可信变量。此外，由于数据质量较低，我们未将固定资产投资、零售销售和消费者信心指数包括在内。中国 CAI 印证了 2011 年初以来经济活动的放缓，但显示从 7 月起经济改善 152 个基点（略高于我们对 GDP 季环比增长 61 个基点的估算，与当前同比 GDP 下降 20 个基点的情况形成反差）。CAI 显示经济活动增速放缓从 2008 年 6 月开始，并在 8 月份大幅放缓（CAI 数据滞后 1 个月。因此我们看到 2008 年 7 月 CAI 首次下滑，9 月份大幅下降），而直到 2008 年 10 月 20 日三季度 GDP 数据发布后，GDP 才印证了经济的放缓。4,Dec-05,Mar-06,Mar-07,Mar-08,Mar-09,Mar-10,Mar-11,Dec-06,Dec-07,Dec-08,Dec-09,Dec-10,Dec-11,Sep-06,Sep-07,Sep-08,Sep-09,Sep-10,Sep-11,Jun-06,Jun-07,Jun-08,Jun-09,Jun-10,Jun-11,8,0.51,高盛全球经济、商品和策略研究图表 2:中国 CAI vs.GDP%qoq s.a.ann.201816,China,GDP(qoq sa ann)CAI(qoq sa ann),亚洲经济简评,14121086420资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 3:中国 CAI 成分指标和匹配度Correlation,Variable nameIndustrial Production,TypeHard data,Transformationqoq%chg,PC10.46,Weight0.17,with CAI0.93,NBS Manufacturing PMI:Production,Index(re-adjusted for seasonality)HSBC/Markit Service PMIElectricity ProductionReal ExportsReal ImportsCar SalesCement Production,Survey dataSurvey dataHard dataHard dataHard dataHard dataHard data,levellevelqoq%chgqoq%chgqoq%chgqoq%chgqoq%chg,0.400.320.430.330.350.300.15,0.150.120.160.120.130.110.05,0.810.650.870.670.710.620.30,Basic descriptive StatisticsNumber of variablesHow much of the variance is explained by the PC1,R-square in relation to GDPCorrelation between CAI and GDPDW statistics,0.670.821.12,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究印度：印度 CAI 纳入了制造业和服务业活动指标，反映了实体经济活动的总体趋势。工业行业的表现通过纳入月度 IP 指数以及制造业 PMI、水泥运送量、商用车销售和钢材消耗量等一系列变量而反映出来。服务业主要通过服务业 PMI、非食品信贷和访客量体现。IP 指数和服务业 PMI 指数占有最大的权重，它们与 CAI 和 GDP 的相关性最高。由于缺少农业（其波动性大、季节性强，在 GDP 中的占比为 18%）月度数据，我们使用剔除农业后的 GDP 数据作为 CAI 的参照指标。剔除农业后的 GDP 数据与 PC1 的匹配度改善、序列相关性下降。我们注意到由于 GDP 季环比数据波幅较大（2008 年以来尤为如此），使用 GDP 季环比数据降低了 GDP 与 PC1 的整体匹配度。而同比 GDP 数据（作为比较，如图表 5 所示）波幅较小，与 PC1 的匹配度较高。我们还尝试了产能利用率、铁路运输收入、手机用户等其他变量，但因统计结果不理想，我们没有将这些数据纳入指标。我们还发现 CAI 中名义（而不是实际）食品信贷数据能够最好地反映经济活动。当前，CAI 显示经济活动从 2011 年 7 月起显著放缓，因实体经济在出口和非石油进口疲软、PMI 和税收收入下降的拖累下放缓。有趣的是，我们 2011 年 2 月份（3 月初公布）5,2005M12,2006M03,2006M06,2006M09,2006M12,2007M03,2007M06,2007M09,2007M12,2008M03,2008M06,2008M09,2008M12,2009M03,2009M06,2009M09,2009M12,2010M03,2010M06,2010M09,2010M12,2011M03,2011M06,2011M09,2011M09,2011M12,2011M12,2005M12,2006M03,2006M06,2006M09,2006M12,2007M03,2007M06,2007M09,2007M12,2008M03,2008M06,2008M09,2008M12,2009M03,2009M06,2009M09,2009M12,2010M03,2010M06,2010M09,2010M12,2011M03,2011M06,高盛全球经济、商品和策略研究,亚洲经济简评,的 CAI 指标已经开始下降，而 GDP 在 6 月份的数据中（8 月份公布）才显现出下降势头。我们注意到 2008 年全球金融危机时也出现过类似趋势，当时 CAI 从 9 月份开始连续下降。而 GDP 环比数据到 12 月才开始下降。2012 财年三季度，CAI 在 PMI 和环比 IP 数据（二者在 PC1 的权重最大）改善的推动下上行。尽管主要受到节日基数效应的推动，但我们注意到 11 月份的 IP 数据同比增幅从 10 月份的负值大幅升至 5.9%。但 CAI 其他成分指标的环比增长仍继续下降，因此我们认为 CAI 不会出现持续改善。图表 4:印度 CAI vs.GDP,%qoq s.a.ann.15,CAI,India,13,GDP ex agriculture,119753资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 5:印度 CAI vs.GDP(同比),%chg yoy11.510.59.58.57.56.5,CAIGDP ex agriculture(%yoy),India,5.5资料来源：Haver、CEIC、CMIE、高盛全球经济、商品和策略研究6,0.32,0.54,高盛全球经济、商品和策略研究图表 6:印度 CAI 成分指标和匹配度,亚洲经济简评,Variable Name,Type,Transformation,PC1,Weight,Correlation,with CAI,Air Cargo HandledCement despatches,Hard dataHard data,%qoq change%qoq change,0.330.04,0.090.01,0.720.06,Real Corporate Tax,Revenue,Hard data,%qoq change,0.09,0.03,0.20,Real Excise Tax,RevenueReal Goods exportsIP Index,Hard dataHard dataHard data,%qoq change%qoq change%qoq change,0.280.300.37,0.080.090.10,0.610.670.81,Commercial vehicle,salesNon-food creditsReal Non-oil importsPMI:manufacturingPMI:servicesPower DemandTotal traffic shipsSteel ConsumptionVisitors Arrivals,Hard dataHard dataHard dataSurveySurveyHard dataHard dataHard dataHard data,%qoq change%qoq change%qoq changeLevelLevel%qoq change%qoq change%qoq change%qoq change,0.250.190.210.350.340.170.240.050.33,0.070.050.060.100.100.050.070.010.09,0.550.400.470.790.750.370.550.110.72,Basic descriptive statistics,Number of variablesHow much of the variance is explained by the PC1R2 in relation to GDP ex-agriCorrelation between CAI and GDP ex agriDW stat,150.292.3,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究韩国：韩国 CAI 反映了工业和服务业活动情况及消费者信心。我们总共使用 10 个变量，利用我们的最佳模型获得了 PC1 和 GDP 间 0.56 的匹配度（图表 7、8）。我们在系统性估算中使用的是月环比折年数据的 3 个月移动均值，而非折年季环比数据。我们最终指标中计入的数据从 2000 年开始，原因是缺少有关服务业活动和消费者信心的其他重要指标。我们也尝试了变量较少、时间段较长（回溯至 1980 年）的序列，得出的结果类似。我们将同时获得或时间晚于总体活动数据的所有数据剔除在外（如 IP 和服务业数据），因我们认为这些数据冗余或已失去时效性。由于缺少历史数据，我们还将每月信用卡使用状况剔除在外。当前的 CAI 指标印证了经济活动自去年年中欧债危机以来小幅放缓。我们的韩国 CAI 显示，2011 年 9 月份经济显著放缓，而 GDP 在 3 个月后（1 月 26 日），低于预期的 2011 年四季度 GDP 初值公布时才印证了经济放缓走势。7,0.35,高盛全球经济、商品和策略研究图表 7:韩国 CAI vs.GDP%qoq s.a.ann.20151050-5-10-15,KoreaGDPCAI,亚洲经济简评,-20-25资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 8:韩国 CAI 成分指标和匹配度Correlation,Variable nameReal exportsReal importsIndustrial productionAutomobile saleEmploymentBusiness Sentiment IndicatorService outputElectricity consumptionConsumer SentimentVolumn of crude oil import,TypeHard DataHard DataHard DataHard DataHard DataHard DataHard DataHard DataSurveyHard Data,Transformation%change%change%change%change%changelevel%change%changelevel%change,PC 10.380.360.410.320.170.390.290.290.31-0.07,Weight0.130.130.140.110.060.140.100.100.11-0.03,with CAI0.720.690.770.600.320.740.540.540.59-0.13,Basic descriptive Statistics,Number of variablesHow much of the variance is explained by the PC1R2 in relation to GDPCorrelation between CAI and GDPDW statistics,100.560.752.40,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究新加坡：新加坡 CAI 显示在 2011 年四季度环比大幅下降后，1 月份出现环比反弹迹象。2011 年四季度经济活动疲软的部分原因是外部需求和消费者信心下降。我们的指标显示，进出口在去年的最后几个月出现了环比负增长。2011 年四季度经济活动的负面趋势被 1 月3 日公布的 2011 年四季度 GDP 先期数据所印证。就我们的新加坡 CAI 指标而言，其与 GDP 的匹配度略高，为 0.65（图表 9-10）。在成分指标中，用电量和国内非石油出口的权重最高（均为 0.20），其次是 PMI 和 IP。在构建CAI 指标时，我们采用了不同的 PMI 成分指数进行检验，并尝试了不同的出口指数，来探究这些不同的指标是否会提高匹配度。由于这些指标未能显著改善整体结果，我们决定不将其纳入最终分析中。8,Mar-06,Mar-07,Mar-08,Mar-09,Mar-10,Mar-11,Dec-05,Dec-06,Dec-07,Dec-08,Dec-09,Dec-10,Dec-11,Sep-06,Sep-07,Sep-08,Sep-09,Sep-10,Sep-11,Jun-06,Jun-07,Jun-08,Jun-09,Jun-10,Jun-11,7,0.39,高盛全球经济、商品和策略研究图表 9：新加坡 CAI vs.GDP,亚洲经济简评,%qoq s.a.ann.50,CAI,Singapore,40,GDP,3020100-10-20-30资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 10：新加坡 CAI 成分指标和匹配度,Variable nameElectricity ConsumptionDomestic Exports:Non OilPurchasing Manager Index:ManufacturingIndustrial Production IndexResidential Property TransactionImports:Non Oil Retained Imports ofRetail Sales Index,TypeHard DataHard DataSurveyHard DataHard DataHard DataHard Data,Transformation%qoq change%qoq changeLevel%qoq change%qoq change%qoq change%qoq change,PC 10.510.480.460.410.240.170.20,Weight0.200.200.190.170.100.070.08,Correlation0.830.790.760.680.400.280.34,Basic descriptive StatisticsNumber of variablesHow much of the variance is explained by the PC1,R2 in relation to GDPCorrelation between CAI and GDPDW statistics,0.650.812.43,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究印度尼西亚：我们 CAI 指标显示去年四季度经济活动环比加速增长，这在随后 2 月 6 日公布的四季度实际 GDP 数据中得到了印证。我们的 CAI 指标目前显示 1 月份环比势头略有放缓。在构建印度尼西亚 CAI 时，由于缺少农业指标，我们采用了剔除农业的 GDP 数据（图表 11-12）。总体而言，我们还面临的一个问题是：缺乏能够更广泛体现该国经济活动的数据变量。9,2,6,0.41,0.62,高盛全球经济、商品和策略研究图表 11：印度尼西亚 CAI vs.GDP,亚洲经济简评,%qoq s.a.ann.109876543,Indonesia,CAI,GDP ex Agri10资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 12：印度尼西亚 CAI 成分指标和匹配度Correlation,Variable nameIndustrial Production IndexMotorcycle SalesRetail Sales IndexReal exportsReal importsConsumer Confidence Index,TypeHard DataHard DataSurveyHard DataHard DataSurvey,Transformation%qoq change%qoq change%qoq change%qoq change%qoq changeLevel,PC 10.420.430.330.450.490.31,Weight0.170.180.140.180.200.13,with CAI0.600.700.520.660.810.53,Basic descriptive StatisticsNumber of variablesHow much of the variance is explained by the PC1,R2 in relation to GDP ex agriCorrelation between CAI and GDP ex agriDW statistics,0.382.38,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究泰国：泰国 CAI 指标显示去年四季度实体经济下滑，部分原因是私营领域活动因严重洪灾而遭受打击（图表 13-14）。泰国 CAI 指标目前显示去年四季度经济活动因严重洪灾影响而大幅下滑，这在我们对四季度 GDP 将大幅收缩的预期中得到了体现。具体来看，我们的指标显示出口和附加值生产指数环比负增长，这应会在 2 月 20 日四季度 GDP 数据公布后得到印证。然而，我们的 CAI 指标目前显示继去年四季度下滑后，1 月份经济环比反弹。10,Mar-01,Mar-02,Mar-03,Mar-04,Mar-05,Mar-06,Mar-07,Mar-08,Mar-09,Mar-10,Mar-11,Sep-01,Sep-02,Sep-03,Sep-04,Sep-05,Sep-06,Sep-07,Sep-08,Sep-09,Sep-10,Sep-11,9,0.50,高盛全球经济、商品和策略研究图表 13：泰国 CAI vs.GDP,亚洲经济简评,%qoq s.a.ann.20151050-5,CAI,Thailand,-10,GDP,-15-20资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 14：泰国 CAI 成分指标和匹配度,Variable name,Type,Transformation,PC 1,Weight,Correlation,with CAI,Real exportsConsumer Confidence IndexPrivate Consumption IndexReal importsValue Added Production IndexBusiness Sentiment IndexRetail Sales Index:2002=100Capacity utilization ratePassenger car sales,Hard DataSurveyHard DataHard DataHard DataSurveyHard DataHard DataHard Data,%qoq changelevel%qoq change%qoq change%qoq changelevel%qoq changelevel%qoq change,0.380.380.370.370.370.340.300.270.17,0.130.130.130.130.130.120.100.090.06,0.870.380.870.820.810.690.730.600.35,Basic descriptive StatisticsNumber of variablesHow much of the variance is explained by the PC1,R2 in relation to GDPCorrelation between CAI and GDPDW Statistics,0.500.711.71,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究马来西亚：马来西亚 CAI 指标显示 2011 年四季度实体经济温和反弹，这在近期公布的去年四季度 GDP 数据（显示环比势头改善）中得到了印证。CAI 反弹受到 IP、机动车生产和销售数据改善的推动。针对该国 CAI 指标，我们得出的 PC1 与 GDP 的匹配度为 0.74（见图表 15-16）。进口和制造业销售数据的初始年份为 2005 年，但我们认为这些数据变量非常重要，因此可以接受预测样本期较短这一不足。我们注意到，制造业销售、贸易和IP 的权重较高，其次是用电量和机动车销售。11,Jun-05,Dec-05,Dec-06,Dec-07,Dec-08,Dec-09,Dec-10,Dec-11,Jun-06,Jun-07,Jun-08,Jun-09,Jun-10,Jun-11,7,0.61,高盛全球经济、商品和策略研究图表 15：马来西亚 CAI vs.GDP,亚洲经济简评,%qoq s.a.ann.20151050-5-10,Malaysia,CAI,GDP-15-20资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 16：马来西亚 CAI 成分指标和匹配度Correlation,Variable nameManufacturing salesReal importsMotor Vehicle ProductionIndustrial Production IndexElectricity ConsumptionMotor Vehicle SalesReal exports,TypeHard DataHard DataHard DataHard DataHard DataHard DataHard Data,Transformation%qoq change%qoqchange%qoqchange%qoq change%qoq change%qoqchange%qoq change,PC 10.450.440.180.430.340.270.45,Weight0.180.170.070.170.130.100.18,with CAI0.930.900.370.890.720.560.93,Basic descriptive StatisticsNumber of variablesHow much of the variance is explained by the PC1,R2 in relation to GDPCorrelation between CAI and GDPDW Statistics,0.740.861.87,资料来源：Haver、CEIC、高盛全球经济、商品和策略研究菲律宾：菲律宾 CAI 指标显示 2011 年下半年实体经济增长势头保持坚挺，进口和零售销售数据企稳。其中 IP、贸易和销售数据的权重最高、其次是私营住宅建筑领域和到访游客数量。我们面临的一个问题是，由于菲律宾可用数据欠缺，该指标无法全面反映该国的综合经济活动。例如，因缺乏实时数据，消费和政府消费等推动经济增长的重要因素没有包含在内。然而，2011 年 CAI 指标成功捕捉到了二季度经济增长的显著放缓，因为日本地震冲击令菲律宾出口和工业生产增长遭受损失。实体经济季环比折年增速稳定在 3.3%左右，受到了进口增长和国内汽车销售数据部分企稳的支撑。12,9,0.42,高盛全球经济、商品和策略研究图表 17：菲律宾 CAI vs.GDP,亚洲经济简评,%qoq s.a.ann.20,Real GDP,Philippines,15,CAI,1050-5-10资料来源：Haver、CEIC、高盛全球经济、商品和策略研究图表 18：菲律宾 CAI 成分指标和匹配度Correlation,Variable nameReal ExportsNet Sales IndexIndustrial Production IndexReal ImportsReal Exports:ElectronicsPrivate Building Construction AreaVistor ArrivalMotor Vehicle SalesCa