投资摘要：
每周一谈：
(资料图)
我们认为美国核心 CPI 同比将保持较高的粘性，预测 11 月美国核心 CPI 同比降幅有限，仍将高于 6%，甚至有很大概率与 10 月持平。而我国 CPI 则是另一番场景，由于去年同期食品项高基数的影响，预计 11 月我国 CPI 增速将回到“1开头”。
预计我国 11 月 CPI 当月同比将较 10 月显著下降。
具体预测值为 1.2%，较 10 月下降 0.9 个百分点。其中食品项 CPI 当月同比2.2%，较 10 月下降 4.8 个百分点；非食品项 CPI 当月同比 1%，较 10 月下降0.1 个百分点。
1、预测方法改进
基数异常影响模型准确度。在报告《日中则昃——中美通胀的历史复盘与预测》中我们详细介绍了我们用以跟踪中美通胀的高频/先行指标体系。在预测具体 CPI 同比时，由于直接将自变量的同比纳入模型，因此在 CPI 基数出现异常时，模型给出的同比增速波动较大。
增加自变量，提高模型解释度。将 CPI 指数绝对值作为因变量进行建模，得到绝对值后与去年同期基数相比计算变化，以此来尽量减小异常基数给准确度带来的影响。除此之外，我们还做了进一步改进：经过检测，发现在自变量中加入“临沂商城价格指数:总指数:月:平均值:+5 月”、“平均批发价:鲫鱼+鲤鱼+白鲢鱼+大带鱼:月:平均值”能够进一步提高我国 CPI 预测模型的解释度。
增加残差修正项，提高模型精确度。在测算时我们发现，模型无法解释的残差部分有很强的自相关性，说明还有剩余信息无法被模型捕捉。我们在原模型基础上针对残差进一步建立自回归模型，对结果进行细微修正，以期提高模型的精确度。
2、预测步骤
改进后，模型预测步骤可表示为：
根据 CPI 中的分项选择高频/先行指标
将高频/先行指标变频为月度指标（合计或均值）
检验变频后的高频/先行指标与对应 CPI 分项绝对值的相关性
以 CPI 绝对值为因变量，以高频/先行指标绝对值作为自变量建立模型
最终预测值=模型预测值+残差修正值
预测同比=最终预测值/去年同期真实值-1
3、预测食品项 CPI 同比使用的 9 项高频指标有：
全国油料/原粮收购价指数（周）月均值
猪肉/牛肉/羊肉平均批发价（日）月均值
28 种重点监测蔬菜/7 种重点监测水果平均批发价（日）月均值
鸡蛋平均批发价（日）月均值
新增：鲫鱼、鲤鱼、白鲢鱼和大带鱼批发价（日）月均值
4、预测非食品项 CPI 同比使用的 3 项高频指标有：
全国城市二手房出售挂牌价指数（周）月平均值（+4 月）
全国汽油最高零售指导价（日）月均值
新增：临沂商城价格总指数（周）月均值（+5 月）
预计 11 月美国核心 CPI 同比增速较 10 月降幅有限，甚至与 10 月持平。 我们对美国 11 月核心 CPI 同比增速下降幅度并不乐观，核心 CPI 同比有可能与 10 月持平，即 6.3%。
风险提示：美国房租和服务价格下降超预期、我国食品价格上涨超预期。
