BondClaw固收投研系列六：AI辅助物价数据点评

BondClaw固收投研系列六：AI辅助物价数据点评 证券研究报告 物价分析Skill构建问题驱动的四步法分析框架，将月度物价点评从经验依赖转化为标准化流程 张亮分析师SAC执业证书编号：S1450526030001zhangliang1@sdicsc.com.cn 传统物价数据点评普遍停留在环比、同比的对比层面，对强关联、高噪声的物价数据缺乏严谨、规范的数据处理流程，分析质量高度依赖分析师的个人经验。本报告构建的物价分析Skill将资深宏观分析师面对物价数据的完整思考过程固化为一套标准化分析框架，按照"当月物价走势评估（是什么）→驱动因素拆解（为什么）→物价传导分析（怎么传）→周期位置与未来判断（怎么看未来）"四个层次依次展开，每一层有明确的分析方法、参数设定和判断标准，确保不同月份的分析维度一致、结论可追溯、质量可比较。 吴光豪联系人SAC执业证书编号：S1450126040004wugh@sdicsc.com.cn 相关报告 BondClaw固收投研系列五：基于时间序列基础模型的中国CPI预测2026-07-28BondClaw固收投研系列四：Skill中间件架构赋能，以周度回顾场景为例2026-07-24BondClaw固收投研系列三：构建可靠数据源的工程化实践2026-05-26BondClaw固收投研系列二：人机协同的REITs公告批量搜集实践2026-04-26AI辅助固收投研实务系列开篇：信用债复杂场景下，AI嵌入真实研究工作流的标杆案例2026-04-17 模块化架构实现物价分析流程的灵活配置，并确保分析结论的准确性与严谨性 我们将Skill分析流程预设为CPI分析、PPI分析、物价传导分析和周期展望四大核心模块，各模块独立运行、输出互相校验。CPI模块按"剔除扰动→量化贡献→归因定性"递进分析，PPI模块按"行业拆解→产业链汇总→辅助分析"展开，传导模块同时监测PPI→CPI纵向传导和产业链内部横向传导两条路径。在数据质量层面，系统嵌入数据校验机制。所有分析结论均可追溯到底层原始数据，确保不出现数据幻觉。 智能分析捕捉当月物价主要的边际变化，全流程实现自动化处理 系统的每个分析模块在输出数值结果的同时，同步计算"边际变化"（较上月的变动方向和幅度）和"偏离程度"（与历史均值或趋势值的差异），使报告生成环节能够基于当月数据的实际特征自动提取最具边际信息量的变化点。借鉴"数据管道"思想，将数据清洗、计量分析、可视化、正文撰写、报告生成、格式渲染、成果导出等全部环节串联为一条自动化流水线。 物价分析Skill的核心价值在于将严谨的分析方法论与分析师的专业判断有机结合，实现效率与深度的互补 宏观研究是需要深度思考的领域，这些能力难以通过自动化系统替代。物价分析Skill的定位是承担数据清洗、分析等高重复性基础工作，将经济运行的逻辑、政策跟踪与分析等高复杂性、专业性的工作留给分析师。目标是在提高物价分析效率的同时，使分析师能有更多时间进行深度思考。 风险提示：数据分析偏差，原始数据质量与口径变更风险，方法论适用性风险 内容目录 1.引言.......................................................................32.物价分析的流程.............................................................32.1.分析框架设计.........................................................32.2.分析模块拆解.........................................................42.3.数据处理的技术性方法.................................................63. AI如何嵌入物价分析工作流..................................................73.1.数据导入与自动处理...................................................73.2.智能分析与观点提取...................................................93.3.格式调整与报告导出...................................................93.4.开发思考与洞见沉淀...................................................94.结语......................................................................115.风险提示..................................................................11 图表目录 图1.物价分析总体框架........................................................4图2.物价分析模块............................................................4图3.CPI模块分析思路.........................................................5图4.PPI模块分析思路.........................................................6图5.经季节性调整的CPI环比..................................................7图6. CPI同比的分项贡献拆解...................................................7图7.PPI同比的HP滤波分解....................................................8图8.自动化底稿概览..........................................................8图9.自动渲染报告格式——以目录为例..........................................9图10.系统架构图............................................................10 1.引言 在前期《BondClaw固收投研系列五：基于时间序列基础模型的中国CPI预测》报告中，我们首次将BondClaw拓展到宏观研究领域，使用AI大模型Foundation Model对中国CPI进行预测。本篇报告，我们希望通过AISkill的形式来实现宏观经济数据的点评分析工作，由此可形成宏观经济数据的分析、预测闭环。 对于一份完整的宏观数据点评报告，重要的可能不是最终的结论，因为不同分析师的分析框架、看问题的视角大不相同。重要的可能是完整的分析逻辑和链条，在嵌入分析师的分析流程之后，这恰恰是AI能够做到的，且AI能够做到人不愿意做的基础工作。我们希望AI能够达到一位成熟宏观分析师的水准。 为此，我们以中国物价数据为例，来拆解AI如何辅助宏观经济数据点评分析工作。 2.物价分析的流程 2.1.分析框架设计 当前市场上宏观分析师对月度CPI/PPI数据的点评普遍停留在物价同比、环比对比分析层面，缺乏规范严谨的数据处理流程。事实上，学术研究和央行政策机构的物价分析通常会进行季节性调整、趋势周期分解等数据处理，以提取更真实的通胀信号，避免被短期噪声误导。 本Skill的目标是将这些严谨的方法论引入月度物价点评的日常工作中，在保留市场研究"可读性"和"决策价值"的前提下，提升物价数据分析的严谨性、科学性与效率。 物价数据月度点评的难点在于，这是一个多维度、强关联、高噪声的数据。其中CPI涵盖八大类、数十个细分项，PPI覆盖约40个行业，各序列之间既有统计上的相关性，又有经济逻辑上的传导关系，同时还受到季节性、基期效应和短期冲击的干扰。需要设计一套严谨、科学、层次清晰等分析框架与方法。 我们采用了"问题驱动"的物价分析思路：将整个分析流程拆解为四个层次，每一层回答一个核心问题：当月物价走势如何、是趋势性还是暂时性变动（是什么）？哪些因素驱动了当月变动、各自贡献多大（为什么）？价格变动在上中下游之间如何传导、效率如何（怎么传）？当前通胀处于什么周期位置、未来大致走向如何（怎么看未来）？这一框架模拟资深宏观分析师面对物价数据的完整思考过程，先分析物价最新情况，再分析当月物价变动原因，接着判断传导机制是否通畅，最后结合周期位置形成对未来物价的方向性判断。 资料来源：国投证券证券研究所整理 2.2.分析模块拆解 在上面总体框架之下，我们将每一分析步骤进一步细化为独立、可复用的分析模块。模块化设计的出发点有两点： 一是技术层面的可维护性。每个模块有明确的输入、处理和输出，修改某一模块不影响其他模块。 二是分析层面的灵活性。不同月份的数据特征差异显著，例如春节所在月份、猪周期拐点月份、国际油价大幅波动月份等。模块化设计允许根据当月特征调整某些模块的分析重点，而不改变整体框架。具体而言，我们将物价分析流程拆解为四大核心模块：CPI分析模块、PPI分析模块、物价传导分析模块，以及周期位置与展望模块。 CPI分析模块的设计遵循"剔除扰动→量化贡献→归因定性"的逻辑： 第一层季节调整是CPI分析的基础，原因是中国CPI环比存在较强的季节性特征，例如春节效应往往推高1-2月食品和服务价格、暑期出行旺季推高7-8月旅游价格等，直接观察原始环比难以区分正常的季节性波动与超预期的趋势性变化。通过X-13ARIMA-SEATS方法对CPI环比序列做季节调整（含春节效应修正），分离出季节性因子和趋势成分，观察在剔除季节效应后物价的真实变化。 第二层分项贡献拆解将CPI同比、环比分解为八大类贡献，通过边际贡献变化快速识别当月物价变动的主要拉动项和拖累项。 PPI分析模块的核心挑战在于其覆盖约40个细分行业，且各行业的价格驱动逻辑差异极大。其中石油开采业受国际油价驱动，黑色金属压延与冶炼业主要受国内基建地产投资驱动，电子计算机与通信行业受全球半导体周期驱动。我们的做法是按产业链逻辑进行归并，提炼出结构性的分析线索。我们将约40个细分行业归并为六大产业链：油气产业链、黑色和有色金属产业链、化工产业链、AI产业链、日常消费品产业链，以及其他行业。 资料来源：国投证券证券研究所整理 物价传导分析模块的设计基于价格变动在产业链和价格体系内部传导和扩散。该模块同时监测两条传导路径： 一是PPI→CPI的纵向传导，评估上游生产成本向下游消费价格的传导效率。当生产资料PPI大幅上涨但生活资料PPI不涨甚至下跌时，意味着传导受阻、中下游利润承压，这是判断通胀动能可持续性的关键信号。 二是产业链内部的横向传导，通过计算各环节涨价行业数量及占比，判断涨价压力是在集中还是扩散。如果涨价范围从上中游向下游扩散，说明传导在改善，物价上涨的持续性可能增强。 周期定位与展望模块回答"怎么看未来"的问题。该模块通过HP滤波识别通胀中枢的移动方向，通过M1、PMI购进价格、CRB现货指数和产能利用率等领先指标，并结合翘尾影响，分析未来物价的变动方向。 2.3.数据处理的技术性方法 在方法选用上，我们遵循三个原则： 一是准确性。统计方法须与数据特征相匹配，例如CPI环比存在强季节性，因此对CPI做季节调整。 二是可复现性。所有参数一经确定便固定下来（如HP滤波λ取值、季节调整模型初始设定等），确