8月PPI按年數據的階段性回升，是否意味着物價已經扭轉了前期的下行軌跡？單月的反彈或許帶有一定脈衝性質，相較之下，隱藏在水面之下的結構性切換其實更為關鍵：上半年，在外部地緣博弈與供給衝擊的交織下，上游大宗商品價格的脈衝式攀升成為了推高物價的主力；而進入下半年，輸入性動能雖有震盪擾動，但其支撐力度或難以複製上半年之強，AI相關產業持續高景氣帶來的價格支撐，正悄然接棒成為當前物價圖景中的結構性亮色。

PPI高點已過：如何在結構分化中尋找定價之錨

PPI不僅是宏觀經濟感知供需冷暖的「溫度計」，更是資本市場中預判企業盈利周期與大類資產定價走向的關鍵錨點。覆盤歷史可以清晰地看到，當PPI按月處於持續為正的擴張期時，股市往往能展現出較強的上行彈性，這為市場奠定了積極的貝塔基調。更重要的是，上半年AI相關行業PPI增速的逆勢走強，正與科創50指數的走勢形成緊密的共振，一定程度上為結構性貝塔的確認提供了新的視角。

面對總量下行與結構分化的複雜局面，如何提前且精準地捕捉PPI的真實脈動？我們試圖分別構建近月擬合與遠月映射兩套量化預測模型，以期在不確定的宏觀環境中，尋得研判大類資產走勢的堅實基石。

當前PPI結構：管窺經濟溫差的「四重分化」

欲前瞻未來，必先解構當下。細究2026年以來的PPI走勢，總量回升的表象下潛藏着極具張力的「四重分化」：

其一為「供強需弱」：利用經濟學中經典的Blanchard-Quah結構向量自迴歸（BQ SVAR）模型，將PPI變動分解為供給與需求兩端驅動源後發現，本輪物價抬升主要由供給端約束撬動，需求側的支撐相對平緩。

其二為「外熱內溫」： 以中東局勢為代表的外部擾動使得原油等國際定價商品率先發力，地緣博弈推高的輸入性成本成為上半年PPI攀升的主要動力，而內源性動能的接力則相對剋制。

其三是「上熱下冷」：上游資源品盡享漲價紅利，但成本向下傳導滯緩，致使中下游企業利潤空間承壓。在「供強需弱」的宏觀背景下，價格紅利向上遊環節集中，下游行業卻仍面臨有效需求不足，企業盈利修復面臨雙向擠壓。

其四為「新老交替」：乘着全球AI產業發展的東風，電子通信等新質生產力相關產業接棒成為物價抗跌的韌性所在，折射出經濟動能加速切換的微觀鏡像。特別是在5月下旬國際油價階段性回落、輸入性通脹退潮之際，新產業相關價格仍保持按月上漲，正逐步成為PPI企穩的重要接續力量。

近月預測：破局數據時滯的「高頻捕捉」

由於官方數據通常滯後於實際經濟進程半個月以上，難免存在一定的信息時滯。為了在數據發布前的真空期內提前感知PPI的真實脈動，我們將目光鎖定在對總量波動起決定性作用、權重佔約75%的生產資料上，以此構建近月高頻擬合模型。

在變量精煉環節，我們以統計局旬度公布的50種重要生產資料為基礎，開闢了靜態與動態兩條降維路徑，以避免過度擬合。由於部分生產資料價格具有較強的共線性，靜態篩選採用了LASSO正則化降維技術，在懲罰係數為0.0313時，模型在均方誤差與維度之間取得了最佳平衡。遵循「板塊內擇優」原則，我們先在9個板塊內部各選出1個解釋力最強的品種，隨後綜合板塊覆蓋度進一步精簡，最終鎖定無縫鋼管、LPG、山西優混、尿素、聚丙烯這5個核心品種。這一方法在最大程度保留板塊代表性的同時，也保持了較強的經濟學含義可解釋性。

動態篩選則引入24個月滾動窗口，並配合貪心算法進行特徵動態尋優，精準提取出山西優混、LPG、水泥、電解銅4大品類。相比於靜態模式，動態篩選能夠持續淘汰舊信息並納入新信息，確保參數及時跟進經濟環境的邊際變化。

從回測效果來看，該模型在每月14日即可給出當月物價初窺，次月4日便能完成全月拼圖，相較官方發布日搶跑近一周。以7月為例，兩種路徑給出的預測值（3.6%與3.4%）均貼近3.5%的實際公布值，展現出較為穩健的跟蹤效能。

遠月預測：破譯商品傳導的「跨期映射」

近月擬合固然解決了數據的時滯痛點，但大類資產定價往往需要更為前瞻的視野。在直接構建遠期量化模型前，如果僅需判斷物價的大趨勢，M1按年是一個效果較好的領先指標。從長時間序列來看，M1按年穩定領先PPI按年約9個月。其傳導邏輯十分清晰：M1上升意味着資金活化程度提高，企業獲得資金後擴大生產與採購，進而推高工業品出廠價格。基於此，自2025年10月以來進入下行趨勢的M1按年，同樣預示着PPI按年或將從2026年7月起進入下行通道。

不過，儘管M1有效，但考慮到其統計口徑近期的調整以及歷史上的階段性背離，我們仍需立足於實體經濟，從大宗商品價格出發構建量化預測邏輯。

大宗商品價格向中下游的傳導並非一蹴而就，我們恰可利用這一天然的「時間差」，採取「兩步走」策略構建映射模型。首先是搭建跨期傳輸鏈條——PPI涵蓋40個工業行業，其對總量讀數的影響受行業權重與價格波動性的共同影響。我們以2025年各行業規上企業的營收佔比近似作為權重，結合2021年以來的波動率發現，黑色、化學原料、有色、石油、煤炭五大行業是PPI按年的主要貢獻者。

我們將這五大行業代表性品種的價格按年滯後1至3期後進行測試，發現諸如甲醇、LME銅等品種在滯後2期時與PPI的相關性甚至超越了當期，進一步印證了傳導的滯後特徵。通過36個月滾動窗口外推與連續性約束，模型最終篩選出包含12個自變量的最佳預測模型（涵蓋當期及滯後1期的螺紋鋼、滯後1-3期的LME鋁等）。

其次是注入前瞻價格預期。回測結果顯示，雖然模型的平均均方根誤差（RMSE）隨預測月份的推遠而自然上升，但該模型對未來1-2個月的PPI方向預測準確率仍穩定在80%以上。我們藉助活躍期貨市場的價格發現功能，將螺紋鋼、LME鋁等遠月期貨合約價格轉化為隱含價格變動代入模型（缺乏活躍合約的動力煤則以近3月價格按月均值替代），從而完成從歷史傳導規律向未來趨勢前瞻的跨越。

未來路徑：峯值已過，靜待金秋餘波

站在當前時點，我們將上述測算的價格輸入遠月模型，最終得到了2026年9月至2027年1月的PPI按年預測值，分別為3.8%、3.5%、3.3%、3.0%和2.6%。基於這一結果，我們為下半年PPI運行軌跡勾勒出「峯值已過、三季度反彈、四季度回落」的三條核心主線：

首先，6月PPI按年4.1%的讀數大概率已探明年內高點。該年中峯值主要源於二季度地緣衝突催化的油價急漲，在中性預期下，此類量級的單邊供給衝擊難以復現，7月按年回落至3.5%也初步印證了物價中樞有所下移的態勢。  

其次，9月或將迎來年內PPI按年的階段性「小高峯」。這並非通脹周期的全面反轉，而是三重力量的短期交匯：一是7月中旬以來地緣衝突反覆帶來的油價反彈，其滯後效應將在8至9月集中釋放，8月PPI按年較上月抬升0.3個百分點至3.8%的事實已初步驗證了這一傳導；二是AI產業鏈的高景氣度正持續為上游有色金屬提供結構性支撐，展現出較強價格韌性；三是基數效應方面，9月尚存0.4個百分點的翹尾因素髮揮託底作用。這三重動力有望在季末形成共振，託舉讀數階段性上行。

最後，四季度起總量讀數或將重新進入緩步回落軌道。10月以後，翹尾因素對PPI按年的支撐將減弱，若後續未見超預期的內需強刺激政策或新的外部供給擾動接棒，PPI按年讀數將面臨溫和下行的現實壓力。

風險提示

1）模型預測存在樣本外失效風險。本文近月與遠月模型的訓練與回測均基於歷史數據，若經濟環境發生樣本外結構性變化（如地緣政治格局變動加劇、國內政策超預期調整等），模型預測精度將出現衰減。

2）滾動窗口的參數設定存在主觀性。近月模型採用24個月滾動窗口進行變量篩選與參數估計，窗口長度的選擇存在一定主觀性，若價格傳導節奏因外部衝擊而顯著變化，固定窗口可能無法及時響應，導致預測偏差。

3）遠月模型存在基差風險。遠月模型對部分品種未來價格的估計採用對應期貨合約價格，若期貨市場因流動性不足、極端情緒或交割制度變化而出現價格扭曲，期貨價格隱含的預期可能與未來真實價格產生偏離，對預測結果造成擾動。

注：本文為國聯民生證券2026年9月3日研究報告《經濟指標預測框架繫系列：PPI見頂後：下半場的軌跡》，分析師：陶川S0590525110006、鍾渝梅S0590525110008