本文试图回答一个交易与研究都绕不开的问题：在官方CPI发布前，如何用一套纪律化的方法，提前刻画美国通胀的当期位置与短期路径。

当前宏观环境下，这个问题的紧迫性进一步上升：一方面，中东地缘冲突反复牵动油价与运输成本，能源风险溢价的抬升使名义通胀更容易出现阶段性上冲；另一方面，美联储在降息时点与节奏上保持谨慎，市场对“何时降、降多少”的预期频繁重定价，导致单月通胀数据的“预期差”效应被显著放大。

在这种背景下，仅依赖单一读数或叙事判断，容易把短期能源扰动与中期核心粘性混为一谈。基于此，本文采用一个计量模型框架而非多模型拼盘：在同一参数体系内，同时输出名义通胀率与核心通胀率，并通过能源通道、成本变量、惯性项与预期代理变量的组合来解释二者分化。模型以环比口径为主，按月末信息集滚动更新，同时给出 Nowcast与未来三个月的条件预测路径。对AI影响的处理也遵循“可观测、可回归、可复核”的原则，使用相对美国宽基（SPY）的主题超额收益与波动因子作为辅助解释，而非将其设定为主驱动。

与此同时，该模型也可以滚动更新框架：在统一参数体系下，同步输出名义通胀率与核心通胀率的环比预测，按月末信息集给出Nowcast，并延伸至未来三个月的条件预测路径。

模型的预测结果显示，核心通胀环比预测更稳、名义通胀预测更易受能源扰动，但需要指出的是，能源模块高波动导致误差更大属正常。

由于美国即将发布3月通胀数据，模型给出的最新预测为：名义通胀率约+0.92%（环比），核心通胀率约+0.35%（环比）。而未来三个月美国的通胀走势应该会逐步正常化，也表明来自原油价格的冲击大概率会逐步降低。

正文

近阶段中东局势再度牵动全球能源市场的敏感神经：地区冲突外溢、关键航道航运安全与供应中断风险等叙事交织，推动原油风险溢价阶段性抬升。历史经验表明，此类冲击往往首先在现货与近月合约上体现，并沿“能源CPI—交通运输—部分服务成本”链条向消费物价扩散；其对名义通胀率的边际影响通常更为显著，而对核心通胀率的当期冲击相对滞后，更多通过企业预期与成本转嫁逐步显现。

因此，在通胀预测与资产配置讨论中，不宜将“油价上涨”简单等同于“核心通胀加速”：前者更贴近名义侧的波动来源，后者仍需回到薪资、居住与服务等分项的粘性证据上逐一核对。

与地缘冲击并行的是货币政策前景的模糊性。美联储在是否进一步降息、降息时点与幅度上表现出明显的犹豫：一方面，官员反复强调对数据的依赖与“双向风险”；另一方面，市场参与者基于软着陆或增长放缓的叙事，往往提前交易更陡峭的宽松路径。其结果是，联邦基金期货隐含的降息轨迹与点阵图所揭示的政策利率中枢之间频繁出现偏离，短端利率与风险资产在CPI、就业与PMI等“硬数据”发布窗口前后的波动率抬升。

在这样的背景下，Nowcast的意义并不止于“猜中”官方数字，而在于为投资者提供一条在发布前即可更新的参照轨迹，使名义通胀率与核心通胀率这两条线索在叙事上保持可检验的一致性。

本文主线是一个计量模型框架，模型在同一体系内处理两类目标：一类是受能源与供给扰动更直接影响的名义通胀率，另一类是更能反映中期价格粘性的核心通胀率。这种设计的优势在于：既保留总指数对市场冲击的敏感度，又能避免把所有波动都解释为核心趋势变化。

具体到结构上，模型将能源链条作为名义通胀的关键传导通道，并在同一套参数框架下对核心通胀给出相对平滑的估计。对外呈现时可以理解为“一个模型、双输出”：输出一是名义通胀的短期方向，输出二是核心通胀的粘性强弱。全文不展开技术细节，重点放在模型结论与宏观叙事的一致性。

模型变量按经济含义分为四组。第一组是通胀自身惯性，即名义与核心通胀率的滞后项，用于刻画月度序列的自相关结构。第二组是成本与外部价格，包括能源价格变化、进口价格与生产端价格信号，主要承担短期冲击向消费端传导的解释任务。第三组是内生粘性变量，例如工资与服务相关价格信号，用于识别核心通胀的“慢变量”属性。第四组是金融与预期指标，包括美元与风险偏好因子，主要用于捕捉预期层面对当月定价的放大或缓冲。

在实现上，名义通胀方程会给予能源通道更高权重，而核心通胀方程更强调工资、服务与惯性项。这样处理的好处是：当油价短期波动放大时，模型会优先把变化归入名义通胀侧；只有当非能源分项也持续抬升时，核心通胀预测才会同步上修。

考虑到AI对于通胀的影响，我们的模型中也加入了AI的相关因子。模型对AI影响的处理遵循“可观测、可回归、可复核”三原则。具体做法是将AI相关信息映射为两个因子：其一是AI主题资产的相对收益因子（相对美国宽基指数SPY的超额收益），其二是AI主题资产的波动因子（实现波动率或风险溢价代理）。前者更接近“投资周期与盈利预期”，后者更接近“不确定性与风险偏好”。

评估AI影响时，模型不直接追求“AI是否显著影响CPI”这一过于粗糙的结论，而是分三步判断。第一步看统计显著性与符号稳定性：在滚动样本中，因子系数方向是否反复跳变。第二步看增量解释力：加入AI因子后，样本外误差与方向准确率是否改善。第三步看经济解释一致性：当AI因子走强但能源走弱时，名义与核心通胀预测是否出现符合直觉的分化。

在当前框架下，AI因子通常作为“辅因子”而非“主驱动”。这意味着它更适合回答“在同样的宏观底色下，通胀路径会不会更具有粘性或更平滑”，而不是单独决定通胀方向。这样的处理方式，既保留了新经济变量的信息价值，也避免了将短期市场叙事误读为宏观因果。

为检验自数据进入到结果输出的全流程，我们使用合成的月频与日频序列构造滚动样本外评估。结果显示，名义通胀侧样本外均方根误差约0.80（百分点量级下同），方向准确率约75%；核心通胀侧均方根误差约0.19，方向准确率约75%；服务名义侧分解的能源子模块均方根误差约3.32，方向准确率约68%。

由于美国即将发布3月通胀数据，模型给出的最新预测为：名义通胀率约+0.92%（环比），核心通胀率约+0.35%（环比）。而未来三个月美国的通胀走势应该会逐步正常化，也表明来自原油价格的冲击大概率会逐步降低。

注：本文来自国泰君安证券(香港)有限公司发布的《美国通胀 Nowcast模型：如何评估油价和AI冲击？》，报告分析师：周浩、黄凯鸿