本文通过建立三个模型：Ordered Probit排序模型、中长期时间序列模型和短期时间序列模型，定量分析美国CPI走势，评估再通胀风险。
Ordered Probit排序模型显示美国第三季度再通胀风险较高，第四季度通胀边际回落可能性较大，2025年去通胀路径仍有较大不确定性。中长期时间序列模型显示5月至7月通胀边际回升至年内高点，短暂回落后10月、11月出现年内次高点，此后进入缓慢去通胀。短期时间序列模型显示5月CPI同比增速较4月回升，与另外两个模型指向一致。
综上，5月CPI数据可能再度打击市场对于去通胀的乐观预期，5月至第三季度美国再通胀风险较高。第四季度通胀增速有望再度边际下降，中期延续缓慢去通胀，届时市场降息预期可能重燃。
尽管美国4月CPI同比增速放缓一度令市场兴奋，但美联储官员普遍认为单月数据并不能说明问题，美国去通胀仍有较高的不确定性，还需观察更多数据。年内美国再通胀风险有多大？未来去通胀路径可能如何演绎？本文我们尝试对此进行建模分析。为了更全面评估美国通胀走势，并更好与交易策略结合，我们分别建立了三个模型：Ordered Probit排序模型、中长期时间序列模型和短期时间序列模型。
该模型参考圣路易斯联储工作论文数值水平定义为通胀水平，将通胀数值的区间水平定义为通胀区间水平，将某“时期”定义为时点，将某“期”定义为时间段。
其中k∈{1,2,3,4}，a和b分别为与k对应的通胀水平区间的上下限，Ф为正态分布的累计分布函数。若将通胀水平πt+h|t视为潜变量，则前述概率模型就转化为Ordered Probit模型，本文采用的参数估计方法为极大似然估计（MLE）。
本文参考PPM指标建立了衡量未来6个月或12个月CPI同比处于各区间的平均概率指标，定义为
其中∑hWh=1，本文采用等权进行加权平均。例如，当k取4时，CPPM6代表了未来6个月CPI同比大于4%的平均概率，CPPM12代表了未来12个月CPI同比大于4%的平均概率。
在工作论文中提到9大类变量（覆盖范围包括消费者价格、生产者价格、大宗商品价格、住房及商业地产、劳动力市场、财政状况、通胀预期、市场调查和外贸），受数据可得性限制，本研究共使用其中83类子变量并提取其主成分构造解释变量Ft。具体地，对于处于t时期的N维原始解释变量Xt，存在N×M维且满足一定条件的系数矩阵Λ（其中M?N），使得
从而将N维原始解释变量Xt映射至M维主成分变量Ft，将各主成分fi对应的特征值所代表的信息占数据总信息的比例定义为主成分i的贡献度，则可根据累计贡献度选取主成分个数，从而起到降维的作用，该方法称为主成分分析（PCA）。
本文共提取6个主成分，累计贡献度为88%，即该6个主成分能够解释原始数据中88%的信息。模型显示：在2024年下半年，CPI同比处于3%至4%的概率最大，第三季度存在温和再通胀的可能，年末通胀出现回落的概率逐步上升；不过2025年第一季度CPI同比大于4%的可能性增大，表明未来去通胀仍有较高不确定性。
除了使用圣路易斯联储工作论文中的变量，本文也尝试构建更加简化的模型，选取与美国CPI高度相关的指标，包括：芝加哥联储CARTS零售指数（不含汽车）同比、Manheim二手车价值指数同比、NAR房屋价格销售中值同比、ISM非制造业物价指数同比以及CPI同比的一阶滞后项，时间区间为2019年1月至2024年5月，数据频率为月度。选用前述变量的原因为：一方面，芝加哥联储CARTS零售指数（不含汽车）同比在近年与CPI同比走势高度接近，且为公布时间早于CPI，因此选入解释变量中；另一方面，从周期性角度来看可将CPI拆解为周期性部分与非周期性部分，因此需要考虑补充具有周期性的耐用品消费以及在CPI中占比较高的房价，因此将Manheim二手车价值指数同比、NAR房屋价格销售中值同比、ISM非制造业物价指数同比选入解释变量。由于Manheim二手车价值指数与ISM非制造业物价指数相关性较强，但Manheim二手车价值指数作为补充芝加哥联储CARTS零售指数（不含汽车）的必要指标，因此我们建立了两类预测模型（包含ISM非制造业物价指数的模型称为模型1，模型2则不包含该指数）。
在2024年以内，两类模型结果呈现出相似的特征：（1）近期来看，模型1显示5月CPI同比大于3%小于等于3.5%的概率高达94%，而模型2认为5月CPI同比在接近3.5%附近，均说明5月CPI同比在3.5%附近的概率较大；（2）两个模型均认为第三季度CPI同比大于3.5%的概率较高，即再通胀的可能性增大；（3）第四季度CPI同比小于等于3%的概率在不断增大，模型1显示在今年12月CPI同比小于等于3%的概率高达75%，模型2则为72%。这暗示了第四季度通胀压力边际缓解，美联储在年末降息的可能性增加。
在2025上半年，两类模型结果出现了较大的分化，模型1认为在2025年上半年CPI同比将以较大概率大于4%，而模型2认为通胀水平将会回落到3%以内，这可能是受非制造业的周期性因素影响。可见中期美国去通胀仍面临较大不确定性。
根据前述两类模型我们建立了未来6个月和12个月的CPPM指标，通过样本拟合可以看到该指标相对通胀区间水平的走势具有一定领先性。中期来看，模型1认为平均有35%的概率未来6个月内CPI同比在3%到3.5%之间，平均有29%的概率大于4%，而模型2对通胀的区分效果不显著；长期来看，模型2认为有45%的概率未来12个月内CPI同比会降到3%以内，而模型1此时对通胀的区分效果不显著。
旧金山联储
经平稳性和单位根检验后，上述自变量与因变量可建立以下列出的时间序列模型（包括VAR、VECM、神经网络等）。为了验证模型有效性，我们将1978年1月至2013年5月作为训练集，将2013年6月至2022年4月作为测试集（20%样本量），将2022年5月至2024年4月作为预测集检验模型有效性。根据各模型在测试集的RMSE准确度排序赋予模型权重，在预测集输出各模型加权平均后的预测值。结果显示模型集合成功预测了过去两年的去通胀过程，且实际CPI同比基本在模型50%置信区间内，模型具有较高有效性。
以同样的方法，将1978年1月至2014年10月作为训练集，将2014年11月至2024年4月作为测试集（20%样本量），预测2024年5月至2025年6月的美国CPI同比。预测结果显示，CPI同比将在5月至7月反弹至年内高点（预测中值3.7%），短暂回落后10月、11月再度反弹（预测中值3.5%）但低于7月高点，此后再度进入缓慢的去通胀。
由于当前市场对于单月CPI数据极其敏感，我们通过高频数据和领先指标构建了预测下一期美国CPI同比的短期预测模型。
前文已展示芝加哥联储CARTS零售物价与CPI走势高度同步，且该指标通常在每月月初和月中公布两次，使其具有了预测CPI的可操作性。不过CARTS零售物价包含了汽油消费，但不包含汽车消费，也无法反映住房价格。为了使得指标更加接近CPI篮子，我们加入Black Book二手车价格指数和Manheim二手车价格指数反映汽车消费，以标普全美房价、NAR房价和美国劳工部公布的租金指数反映住房成本，以ISM PMI物价反映总体的商品和服务价格。受限于CARTS零售物价较短，样本为2019年1月以来的月度数据。经测试，上述自变量仅需OLS模型便可以获得极高的预测准确度，全样本回归（模型1）的R2达到了0.997；若以近12个月的样本回归（模型2）R2进一步提升至0.999，过去12个月残差在正负0.03%以内。两个模型预测5月CPI同比分别为3.64%和3.5%，较4月3.4%反弹。该结果也与中长期时间序列模型的5月预测值一致。
综上，5月CPI数据可能再度打击市场对于去通胀的乐观预期，5月至第三季度美国再通胀风险较高。第四季度通胀增速有望再度边际下降，中期延续缓慢去通胀，届时市场降息预期可能重燃。
