存货投资与经济周期

□文/郭长林

（东北财经大学经济学院 辽宁·大连）

存货在一国经济中的地位非常重要。尽管存货占GDP的比重并不高，但是其波动程度很大，是产出波动的主要构成部分。鉴于存货投资对经济的重要性，本文从理论上介绍了存货投资的概念、统计方法、基本理论、最近的理论进展以及存货理论的应用，以期对关于我国存货投资与经济周期的研究起到抛砖引玉的作用。

一、存货的概念及其重要性

（一）存货与存货投资。存货的持有者主要是生产部门与销售部门。对生产部门而言，存货不仅包括产成品，而且包括在制品、半成品和原材料等；对于销售部门来说，存货则主要指未销售出去的商品。存货投资指一定时期内存货实物量变动的市场价值，即期末价值减初期价值的差额，再扣除当期由于价格变动而产生的持有收益。存货投资可以是正值，也可以是负值，正值表示存货上升，负值表示存货下降。此外，基于产出和收入的角度，存货投资作为当期总产出与总销售之差，是GDP的构成之一（许志伟等，2012）。

（二）存货投资的数据来源和统计方法。基于美国的实践，我们讨论统计存货投资的数据来源和估计方法。一般而言，用于估计存货投资的数据来源非常广泛，不同部门的数据来源也不尽相同。为了将各种来源不同的数据调整成国民收入账户（NIPA）中的对应概念，需要使用一定的估计方法。目前，主要的估计方法主要有四种：基年估计（benchmark-year estimates）、非基年估计（non-benchmark year estimates）、最近年份和本季度估计（mostrecent-year and current-quarterly estimates）和数量和价格估计（quantity and price estimates）。更为具体的介绍参考国民收入账户手册第七章。

张涛等（2010）详细论述了代表性发达国家和中国存货指数的计算方法，具体为：美国的存货指数是由美国供应管理学会（ISM）编制，由采购经理人协会抽样调查和收集企业家对存货变动看法（存货增加、存货持平、存货减少）；存货指数的编制是分行业进行的，行业存货指数=（行业内存货增加的样本公司占比+0.5×预期下月原材料存货减少的比例）×100；综合存货指数是在行业指数基础上根据行业权重加权计算得到，每一个行业的权重是依据该行业在国民生产总值中所占比重来确定。

德国的存货景气指数由德国经济信息研究所（IFO）编制，在调查7，000个制造、建筑、批发和零售企业存货的基础上计算得出；具体分为现在的状况和未来6个月存货的预期变化，存货现状分为三个状态：满意、不满意和很满意。未来6个月存货预期变化也分为三种情况：不变化、上升和下降。用“预期上升”的企业占比减去“预期下降”的企业占比，或用“满意”的企业占比减去“不满意”的企业占比，再除以基期计算得到的百分比就是存货景气指数；目前德国存货景气指数选择的基期是2000年，调查得出的数据经过季节调整后，每月发布一次。

英国存货指数是自1992年开始，在调查制造业600家企业的基础上计算得出；其计算方法为：如果本期存货相对上期存货增加，赋予权重0.5，没有变化赋予权重0.5，下降赋予权重0，权重乘以相应的百分比相加即得到存货指数。英国在计算存货指数时，考虑了企业规模因素，大企业比小企业影响更大，因此大企业样本占比相对更高。

日本存货指数的编制方法与美国类似，覆盖日本制造业的近300家企业，包括小企业、中等规模企业和大型企业，其存货指数细分为产成品存货指数和商品采购存货指数。日本存货指数计算也采用按行业比重加权得到。

在我国，中国物流中心从2005年开始，根据其月度企业问卷调查数据，将制造业存货指数和非制造业存货指数作为其采购经理人指数（PMI）中的一个子项按月编制，并于每月9日公开发布上一个月的计算结果；其中，制造业存货编制共涉及730余家企业，分为原材存货指数和产成品存货指数，同时按行业不同，编制分行业原材料和产成品存货指数；非制业存货指数编制涉及1，000余家企业，不存在原材料存货指数和产成品存货指数的区分；其体编制方法（以制造业原材料存货指数为例，产成品存货指数编制方法与此类似）是：原材料存货指数=（受调查企业中预期下月原材料存货增加的比例-0.5×预期下月原材料存货减少的比例）×100。

此外，国内有一些学者依据国家统计局的季度企业问卷调查数据，按照国外通行的计算方法，进行过计算中国存货指数的相关研究。陈杰、刘妹威（2008）以国家统计局的“全国工业企业景气状况设计调查问卷”为基础，借鉴国外存货指数的计算方法并结合中国企业景气调查制度的特征，提出了中国存货指数的设计方案。王作春等（2005）则以国内上市公司公开的财务数据为基础，通过推算的方式获取个体存货景气指数，再以加权的方式对各行业存货景气指数进行汇总，进而获得总体存货景气指数。

（三）理解存货与存货投资的重要性。尽管存货投资占GDP的比重在不同国家、不同年份均有所不同，但是无论是从纵向还是横向角度看，这一比重都很低。例如，1956～1998年间，存货投资占美国GDP的平均比重为0.66%。1995年，存货投资占西方七国GDP的比重分别为：美国0.36%、英国0.31%、日本0.53%、德国0.47%、法国0.54%、加拿大0.32%以及意大利0.91%。中国的情况也不例外，1992～2010年间，每年存货投资占GDP的比重大约在3.5%左右。上述事实似乎意味着存货投资可能无法对经济产生重要影响，但是事实上，理解存货投资对研究一国的经济波动是非常重要的，主要表现在如下两个方面：第一，尽管存货投资占GDP的比重较低，但是存货投资的波动对一国经济波动的贡献较为明显。例如，美国战后经济的波动中，大约有1/3归结存货投资。中国经济中的存货投资波动也能够解释产出波动的20%。更为重要的是，存货持有量的变动大约可以占到季度GDP变动的60%左右（Fitzgerald，1997）。因此，理解存货投资变动的原因是理解经济波动的关键（Blinder，1990）；第二，企业的存货投资行为有可能会放大或缩小经济的波动幅度，进而成为技术和政策影响经济的重要的传导机制，并且可以用来识别不同的冲击来源或者说经济起伏的原因。

二、存货投资数据的统计特征

由于存货投资的波动在经济波动中扮演着重要角色，因此，我们需要对存货投资的数据特征进行分析和总结。

（一）存货投资占国民生产总值的比重。从国外的数据来看：Ramey and West（1999）通过分析G7（加拿大、法国、德国、意大利、日本、英国和美国）从1956～1995年的数据得到，存货投资只占GDP份额的0.5%，相比固定资产投资（占GDP比重15%）和消费比重（占GDP的2/3），存货投资的比重是非常小的。而根据G7国家1995年的横截面数据，得到各国占GDP的比重分别为美国0.36%、英国0.31%、日本0.53%、德国0.47%、法国0.54%、加拿大0.32%、意大利0.91%。此外Fitzgerald（1995）分析了美国二战后的存货投资数据，得出美国的存货投资只占国民生产总值的0.5%。因此，不论从时间序列上还是从横截面上，从国外的数据来看，存货投资所占国民生产总值的比重是十分微小的。

从国内的数据来看：相比较国外存货投资的特征，中国存货投资占国民生产总值的比重有自己的特点，仅就该比例的这种趋势变化也可以看出我国市场化的进展。对于当代存货投资的特征，许志伟等（2012）分析了1992～2010年的宏观年度数据，得出中国每年的存货投资仅占GDP的3.5%。因此，通过分析中国存货投资数据，我们得到的结论和国外的数据基本是一致的，即存货投资占国民生产总值的比重是比较小的，对于中国而言，随着市场化程度的发展，存货投资占GDP的比重正在不断地降低。

（二）存货投资的波动规模。相比较存货投资所占GDP的份额，存货投资的波动性是非常巨大的。早在1950年，Abramowitz就得出：第二次世界大战之前，美国的经济衰退往往伴随着存货投资的急剧下降。而根据Alan.Blinder（1991）的计算，这一情况在二战后的历次衰退中仍是如此，他通过分析1948～1982年的数据发现，美国真实的存货投资变化占真实国民生产总值变化的87%。Ramey and West（1999）分析了二战后G7国家存货投资变动和GDP的变动，发现存货投资变动占GDP变动的比例保持在12%～71%的范围内。许志伟等（2012）分析了1992～2010存货投资和GDP数据，相比较存货投资所占的份额，发现其存货波动解释了GDP总波动的20%之多。所以，存货投资的波动规模对于经济波动的影响是不容忽视的。

（三）存货投资的顺经济周期性。在存货投资的研究中，存在一个众所周知的事实，是存货投资对经济周期波动有放大作用。所谓存货投资顺经济周期性是指存货投资的波动趋势与经济周期的波动趋势是 一 致 的（Ramey and West，1999）。Fitzgerald（1995）计算了美国1948年到1991年历年存货投资周期与经济周期波峰与波谷之间的变化比较发现，存货投资的变化与经济周期的变化方向是完全一致的，而且存货投资周期性的波动规模与经济周期的波动规模基本相当。Blinder and Maccini（1991）发现二战后，在美国衰退的时期内，存货投资的下降和总产出的下降相伴随，并且存货投资的变化可以解释总产出变化的87%。Blinder（1990）在文章中认为：经济周期在很大程度上来说，就是存货投资周期。Ramey and West（1999）分别计算了G7国家1956～1995年存货投资和销售额之间相关系数发现：所有国家的相关系数均为正，系数均值在0.1～0.2之间，并且通过VAR模型检验了二者之间的相关性，结果发现结论是一致和稳健的。YiWen（2005）通过研究美国和OECD国家的总量数据，在经济周期的不同波动区域上详细讨论了存货投资与经济周期的相关性，得出：在经济周期高频波动的部分，存货投资是逆经济周期的；而在经济周期低频波动的部分，存货投资是顺经济周期的。此外，存货投资的波动方差在经济周期高频波动的部分比较大，而在经济周期低频波动的部分比较小。Kahn（2002）通过分析美国数据发现：美国自八十年代起，总产出的波动规模较二战结束时期缩小了将近一半。Kahn等人通过构建宏观经济模型得出：由于信息技术革命引起的存货投资的变化（尤其是耐用品存货投资）是导致美国经济波动平稳的一个至关重要的原因。从国内研究来看，易纲、吴任昊（2000）考察了中国1979～1989年存货周期和经济周期的相关性，得出：1979～1986年间，二者的相关系数为0.783869，即表现为明显的“顺周期”特点。而在1979～1989年间，二者的相关系数为-0.24599，却表现为“逆周期”特点。原因就在于1987～1989年间，二者的相关系数为惊人的-0.92289，即存货投资的波动在那三年几乎完全是反经济波动而行的，即“顺周期”这一特点在1987～1989年出现了一个明显的例外。其原因在于：在1987年、1988年，受多种因素影响，市场需求十分高涨。在进入八十年代之后，存货行为的“顺周期”特点日益明显。在1992～1995年经济高速增长之时，存货投资出现了更高速度的增长，GDP波动与存货投资波动的相关系数为0.664865。而当1996年经济开始进入调整期，经济增长开始减缓之时，存货投资则以更快速度下降，在1996～1998年间，二者的相关系数为惊人的0.998304。张涛（2010）通过构建5，000户企业的存货指数与经济周期的数据得出：5，000户企业存货指数与经济波动周期能够较好地拟合，但存在约1～3个季度的滞后。许志伟等（2012）根据采购经理人指数中的产成品库存和原材料库存指数作为两种存货投资的代理变量，得到了原材料存货投资顺周期、产成品存货投资逆周期的经验事实。

（四）存货投资与销售额的正相关性。Ramey and West，（1999）分析了G7国家1956～1995年的数据，通过VAR模型分析，得出了存货投资于最终销售之间的正相关性，并得出了存货投资与销售额比例平稳性的结果。Kahn（2002）通过分析美国1953～2000年的数据，得出了美国存货投资与销售额之间正相关的性质。

三、关于存货投资的理论

这部分介绍文献中关于存货投资的相关理论：首先，我们介绍关于存货最为基本的生产平滑模型；其次，针对生产平滑模型存在的不足，我们在局部均衡分析框架下依次介绍对生产平滑模型的三个拓展；最后，介绍在一般均衡分析框架下有关存货投资的理论。

（一）生产平滑模型。生产平滑模型是文献从微观角度研究企业存货行为的基准模型。其基本想法是，当面临可变的市场需求且调整产出存在一定的成本时，企业具有持有存货以平滑生产的动机。在这一模型中，与不持有存货的情形相比，企业持有存货能够减小产出的波动程度（用方差衡量）。但是，为了使企业有足够的激励持有存货，需要具备一定的条件：（1）持有存货的成本适中；（2）随着产量的增加，成本上升的幅度足够大；（3）企业有足够的耐性，否则其平滑生产的动机就会减弱。

尽管生产平滑模型为分析企业存货行为的基准，但是其理论预测与存货行为的特征事实并不一致。生产平滑模型产生的两个可供验证的结论为：（1）销售的波动要大于产出；（2）存货投资的变动方向与产出相反。事实上，这两个结论均与数据不相一致（Fitzgerald，1997）。为了克服这一缺点，一部分文献通过对生产平滑模型进行修订，使其产生与数据相一致的结论，还有一些文献则从新的角度考察存货的动态变化。早期的模型拓展都是在局部均衡的分析框架下展开的。

（二）局部均衡分析框架下的存货理论

1、基于生产平滑模型的拓展。基于生产平滑模型的拓展大致分为三类：成本冲击、目标存货水平和非凸性技术。下面，我们就其基本思想依次加以阐述：

第一，引入成本冲击。通过引入成本冲击，产出会随着成本的变化而变化。具体而言，当成本升高时，企业选择较低的产出水平，反之亦然。由于存货投资为销售与产出之差，所以在这种情形下，产出可能通过成本冲击这一途径产生比销售更大的波动。同时，存货投资也会表现出顺周期的特征。

第二，引入目标存货水平。与上述模型不同，一些文献引入持久性的销售冲击，并假定企业存在明确的存货/销量之比目标，且偏离这一目标会产生额外的成本。通过这些设定，能够使模型产生与数据相一致的特征。其中的逻辑是：设想t期销量意外增加并且企业的生产决策在冲击发生之前完成。企业会减少与冲击相当的存货数量。在t+1期，企业不仅需要使生产达到期望的销量（销售冲击是持久的），而且为了达到其存货/销量目标，其持有的存货数量也会相应增加。这样不仅会导致产出的增加大于意外销量的增加，而且还导致产出与存货呈同向变动关系。

第三，引入非凸性技术。即假定在一定的产出范围内，企业的边际成本是下降的。这样，在某一时期内，企业增加生产导致边际成本下降，进而导致其增加生产的动机增强；而在另外一些时段内，企业减少生产导致边际成本上升，从而进一步促使企业减少生产。这样就产生了产量“扎堆”而非平滑的特征。

2、（S，s）模型。生产平滑模型适用于描述最终产品制造业的存货行为。但是，一些研究表明这部分存货的比重较低，只占到制造和贸易行业存货总量的15%。不仅如此，这部分存货的波动是最小的，而零售和原材料加工和提供部门的存货波动程度最大。关于存货的研究应该主要聚焦于此。

（S，s）模型着重讨论运输过程而非生产的时间安排，故而更适用于讨论零售和原材料加工和提供部门。在这一模型中，企业的决策方式为：首先，选择最优的数量s，当存货水平低于s时，企业不允许存货水平继续下降。当存货水平达到这一水平时，企业会订购存货，使其达到另外一个最优选择的水平S。只有当存货水平达到s时，企业才会追加存货。S-s称为最优份额。

在该模型中，由于产出会在0与S-s之间跳跃变化，所以有可能使产出的波动大于销售。但是，在将这类同数据对比时，会产生模型难以加总的问题，因为模型中没有代表性企业，而是需要讨论企业持有存货的分布。

（三）一般均衡分析框架下的存货理论。在分析上述模型过程中，假定企业所面临的市场需求是外生的，因此均为局部均衡模型。最近的研究将分析拓展到一般均衡分析的框架中，并得到了一些新的结论。

首先，Pengfei Wang and Yi Wen（2011）将企业生产-成本平滑动机引入动态随机一般均衡模型中，刻画企业存货投资行为。具体而言，企业在面临成本不确定的情况下会对销量加以平滑。在成本较低时，企业扩大生产并增加存货，以防备当成本较高所导致的产出减少。这一模型不仅能拟合数据中顺周期存货投资与逆周期存货/销售比的特征，而且得出了存货能够放大和传导经济周期的结论。

其次，YiWen（2011）将无库存规避动机引入动态随机一般均衡模型中，讨论存货的动态特征。在拟合美国经济周期和存货相关特征事实的同时，模型的结论是存货管理技术的进步反而会加剧总产出的波动。这是因为无库存规避动机会产生顺周期的存货价格（影子价格），这一机制能够起到自动稳定器的作用，即在经济高涨时抑制销售，经济低迷时鼓励总需求，从而缓解了经济的波动。存货管理技术的进步弱化了这一机制。

最后，Khan and Thomas（2007）将（S，s）模型扩展到了动态随机一般均衡模型中。通过参数校准，模型能够拟合存货投资2/3的波动，并产生与特征事实相一致的特征，如顺周期的存货投资，较大的产出波动和反周期的存货/销售比等。但是，这一模型的分析认为产出的变动并没有因为存货的积累发生根本的改变，因为顺周期的存货投资会将经济资源移出最终产品的生产，从而弱化了销售的波动程度。

四、存货模型的应用

一些文献通过将存货引入模型讨论相关的宏观问题。目前这类文献为研究的前沿，方便起见，我们此处列举两个例子：

（一）存货模型在国际贸易中的应用。

有研究使用存货模型解释金融危机之后国际贸易量大幅下降的现象，代表性的文献为Alessandria et al.（2010）。Alessandria etal.（2010）表明国际贸易中的两大摩擦——运输时滞（delivery lag）和交易成本的规模经济—所发挥的作用远大于其在国内贸易的情形。这两大摩擦都导致进口企业持有大量的存货，正因如此出口对冲击的反应要大于产出。

（二）新凯恩斯模型中的存货。通过将存货引入新凯恩斯模型，Lubik and Wing Keong Teo（2010）讨论了其对通货膨胀动态的影响。由于新凯恩斯菲利普斯曲线（NKPC）中实际边际成本是影响通货膨胀的主要因素却无法观测，所以利用存货/销量比与边际成本的关系能够克服这一困难。但是研究结果表明，在NKPC框架下，存货对解释通货膨胀没有帮助。YongSeung Jung and Tack Yun（2012）通过Calvo定价模型中引入产成品存货，将当期通货膨胀表示成边际销售成本的函数，利用产成品存货与边际销售成本的关系生成的通货膨胀序列表明，即使不使用单位劳动成本代理边际成本这种传统做法，也存在较好拟合经验NKPC的可能性。

［1］Alessandria，Kabosoki and Midrigan.Inventories，Lumpy Trade and Large Devaluations［J］.American Economic Review，2010.

［2］Fitzgerald，T.Inventories and Business Cycles：An Overview［J］.Economic Review，1997.

［3］Khan and Thmas.Inventories and Business Cycles：An Equi librium Analysis of（S，s）Pol icies［J］.American Economic Review，2007.

［4］Lubik and W.K.T.Inventories，Inf lation Dynamics and the New Keyesian Phi lips Curve［J］.Working paper，2011.

［5］Ramey，V.and K.West.Inventories［C］.Handbook of Macroeconomic，1999.

［6］Wang and Wen.Inventory Accelerator in General Equilibrium［J］.Working paper，2009.

［7］Wen.Input and Output Dynamics［J］.American Economic Journal：Macroeconomics，2011.

［8］Jung，Y.S.and T.Yun.Inventory and the Empirical Philips Curve［J］.Journal of Money，Bank and Credit，2013.

［9］许志伟，薛鹤翔，车大为.中国存货投资的周期性研究——基于采购经理人指数的动态视角［J］.经济研究，2012.8.

［10］张涛，安荔，陈浩.从500户企业存货指数看经济波动［J］.金融研究，2010.7.