第二部分：量化软着陆、滞胀和衰退时期
概括
- 在本系列的第二部分中，我们量化了1950 年后软着陆、滞胀和衰退时期。
- 据我们所知，我们是第一个提出量化美国经济软着陆期的框架。
- 我们的研究估计，1950 年后共经历了 13 次滞胀和 13 次软着陆。
- 根据美国国家经济研究局的数据，同一时期共发生了 11 次经济衰退。
- 在本系列的下一篇文章中，我们将引入一个概率框架来生成这三种情景的四个季度的概率。这些概率将有助于确定即将出台的政策的规模和持续时间，因为货币政策决策受到近期经济前景的影响。
软着陆、滞胀和衰退：货币政策立场的三大潜在驱动因素
本系列的第一部分介绍了我们的框架，将美国经济前景划分为三种状态：衰退、软着陆和滞胀。正如我们在第一部分中讨论的那样，我们将经济划分为三种状态，因为它们在结构上不同，因此在其他条件相同的情况下会导致不同的货币政策立场。例如，衰退预测将决定宽松的政策立场（如过去四次衰退中所见），而滞胀预测将要求政策收紧，如 1980 年代的衰退中所见。
据我们所知，我们是第一个开发出量化美国经济软着陆时期的框架的人。在今年早些时候发表的一系列文章中，我们估计 1950 年后发生了 13 次滞胀，其中 5 次为轻度滞胀，4 次为中度滞胀，4 次为严重滞胀。根据美国国家经济研究局 (NBER) 的数据，自 1950 年以来，美国共经历了 11 次经济衰退。利用这些历史事件，分析师可以建立一个框架来计算每种情景在短期内发生的概率。了解这些概率有助于阐明货币政策的潜在路径。
量化软着陆事件：一种新方法
在我们的方法中，我们假设，在其他条件相同的情况下，经济增长疲软时期需要宽松的货币政策来推动经济，而强劲增长可能需要紧缩政策来避免过热。趋势型增长期（例如金发姑娘经济）可能是货币政策的中立地带。因此，我们将软着陆定义为趋势型增长期。
我们利用美国国会预算办公室 (CBO) 公布的美国经济潜在实际 GDP 系列（图 1）作为基准，以确定软着陆时期。此外，我们使用实际 GDP 增长率作为经济产出的衡量标准（图 2）。在我们的方法中，我们将实际产出增长的幅度和持续时间与 CBO 对实际 GDP 的预测进行比较。
我们采用随时间变化的方法来捕捉经济的演变性质。在第一阶段，我们利用 NBER 商业周期日期将 CBO 的潜在实际 GDP 增长率划分为衰退期和扩张期。在第二阶段，我们使用前一次扩张的平均值和标准差作为基线，将每个扩张期划分为弱软着陆或强软着陆期。在实时分析中，我们只知道过去和现在的数据，因此我们将当前时期的增长率与前一次商业周期扩张的平均值进行比较，以判断是弱软着陆还是强软着陆。
1950 年后，我们的样本中有 12 次扩张。我们计算了这 12 次扩张的平均增长率以及标准差和稳定率（标准差占平均值的百分比）。结果显示在表 1.1 中。1948-1949 年经济衰退后的扩张具有最强的平均潜在增长率，值为 5.4%。我们分析中最弱的扩张是大衰退后的扩张，平均潜在增长率为 1.8%。
为了判断此次扩张是弱软着陆还是强软着陆，我们将前一次扩张的标准差乘以 2，然后将其与前一次扩张的平均增长率相加减，以确定一个阈值。例如，在确定疫情后扩张期的阈值时，我们将大衰退后扩张期的标准差乘以 2，然后将其与其平均潜在增长率相加减。因此，计算出的范围将是 1.4%-2.2%。因此，如果疫情后衰退期的实际 GDP 增长率保持在 1.4% 至 2.2% 之间，则将被视为趋势性增长。如果超过 2.2% 的上限，则被描述为强劲增长。同样，如果低于 1.4% 的下限，则被描述为弱增长。2（表 1）
为了确定我们方法的持续时间部分，我们遵循了“技术性衰退”的定义，即连续两个季度实际 GDP 负增长，并设定了连续两个季度实际 GDP 增长率保持在阈值（即平均值 +/- 两个标准差）内的最小持续时间，以将软着陆事件分类。我们认为，坚持以连续两个季度作为最低阈值有助于消除数据中的噪音并提供更多有用的信号。例如，在我们的分析中，第一次软着陆发生在 1963 年第一季度至 1963 年第二季度期间，因为连续两个季度的实际 GDP 增长率保持在 3.4%-4.6% 的范围内（1963 年第一季度和第二季度的 GDP 增长率分别为 3.6% 和 3.8%）。
根据这些标准，我们的框架估计，1950 年后出现了 13 次软着陆（表 2）。软着陆持续时间最长的一次为 8 个季度，发生在 1984 年第 4 季度至 1986 年第 3 季度之间，5 次软着陆最短的一次为 2 个季度。根据我们的分析，上一次软着陆仅持续了 2 个季度，结束于 2023 年第 2 季度。自上一次软着陆以来，GDP 增长率大部分时间都保持在阈值上限之上（附录）。
测试而非假设才是预测近期政策路径的更好方法
我们认为，与其假设联邦公开市场委员会可能重复过去宽松周期的行为，不如预测潜在的增长情景，因为这更符合联邦公开市场委员会“依赖数据决策”的口号。
我们认为，NBER 的衰退日期方法和我们对软着陆事件的处理方法对于政策决策而言是宝贵的输入，因为它们捕捉到了衰退风险和软着陆情景。将我们的滞胀工作纳入其中将完善货币政策决策的三大经济情景。在本系列的下一篇文章中，我们将引入一个概率框架来生成这三种情景的四个季度概率。通过预测近期可能的增长情景，概率框架可以成为预测即将到来的宽松周期可能路径的宝贵输入。
尾注
1 – 我们采用潜在和实际实际 GDP 的复合年增长率 (CAGR)。CAGR 形式是衡量当前经济运行率的广泛使用指标。例如，当 NBER 确定美国商业周期日期时，它使用实际 GDP 的 CAGR 转换以及其他变量来确定特定衰退的高峰和低谷。
2 – 我们采用两个标准差加上/减去平均值来确定阈值的上限和下限，以确定软着陆的周期。我们遵循所谓的“三西格玛”规则，其中平均值加上和减去两个标准差将捕获约 95% 的数据序列 – 即统计置信水平为 95%。有关三西格玛规则的更多详细信息，请参阅 Huber, Franz。2018 年。《概率和归纳法的逻辑介绍》。纽约：牛津大学出版社，2018 年。
附录
作为对我们提出的框架的稳健性检验，我们探索了我们所采用的 CBO 潜在实际 GDP 系列基准的替代方案。一种替代方案可能是实际 GDP 增长率，类似于 NBER 的衰退方法，除了其他几个变量外，它还严重依赖实际 GDP。我们提供了自 1950 年以来每次扩张的平均值、标准差和基于实际 GDP (CAGR) 的稳定性比率，如表 1 所示。1950-1953 年扩张的最大平均值为 8.1%，最低平均值 2.4% 与大衰退后时代有关。稳定性比率列表明该系列非常不稳定，因为 1991-2000 年扩张的最小值为 48（标准差约为平均值的一半）。此外，两个 SD 规则会产生误导，因为最小的两个 SD 是 3.2%（对于大衰退后时代而言），这将产生 -0.8% 和 +5.6% 的较大范围，并宣布整个大衰退后时代为软着陆。因此，我们坚持以 CBO 的潜在实际 GDP 作为基准来识别软着陆事件。
关键词：深入,美国
