您的位置:首页 > 今日要闻 > 焦点资讯 >

疫情对消费的影响?从地铁客流和货运流量看社会消费品零售

2023-01-31 10:43:52 来源:未央网

1. 以地铁客流和货运流量考察社会消费品零售:底层逻辑与数据来源

国家统计局发布的社会消费品零售总额是重要的宏观经济指标。该指标直接体现经济末端消费者的活跃水平,从而综合性地反映经济整体运行情况,由此成为考察我国居民消费水平的“晴雨表”。显而易见的是,居民的消费行为和供给需求端的诸多因素相互关联:需求端上,人员流动程度直接影响着顾客线下到店消费的决策;而从供给侧看,物流商配送原料及制成品的效率影响着商铺的进货节奏,对企业经营情况也有明显的作用。

我们发现,社会零售总额指标中,餐饮住宿、批发零售两分项受上述供给需求端因素的影响尤为深刻。餐饮和住宿社零分项所统计行业对于客流景气度高度敏感,在消费客流量波动较大的环境中面临着较强不确定性;而批发零售分项更为靠近供给侧,受上游物流运输和供货情况影响较大。

受新冠疫情影响,直至我国发布“二十条”“新十条”等防疫管控放松措施前,各地视新冠疫情发展情况实施封闭管控乃至停工停产等限制措施,将会显著影响相应地区内的人员和货物流动。在本文提出的传导机制下,上述疫情管控措施将对社会消费产生显著影响,从而反应在社零指标的变化之中。


(资料图)

图1:疫情管控对社会消费的影响传导路径

基于上述讨论,我们选取了反映地区人员流动水平和物流活跃程度的另类数据,尝试考察上述指标变化与同期社会零售总额及其分项变动的关系,并以此预测近期社零情况。我们的人员流动代理变量为地铁客流量水平,来自MetroDB及Wind终端;物流活跃代理变量则为物联网服务平台G7测算的货运物流指数,社会消费品零售数据来自同花顺iFind。我们将在下文分析中说明新冠疫情管控如何影响上述指标的变化,而这些指标又是如何反映同期社零及分项的变化的。

2. 另类数据预测效果检验:基于上海数据的历史回测

2.1 新冠疫情管控与地铁客流/货运物流指标

数据显示,新冠疫情形势与地铁客流和货运物流情况存在负向关联,强制管控期间人流物流下降最为明显。在局部疫情爆发期间,政府往往实施较强的社交管控政策,民众本身也会因为病例上升减少外出和消费。上海2020年以来的两轮疫情管控中,地铁客流量出现巨大下滑,第二轮管控中更是直接停运。同时,类似的波动也见诸于货运物流数据,反映出疫情发展及管控对经济活动带来的影响。

图2:两轮疫情管控显著影响地铁交通

数据来源:Wind,iFIND

图3:货运物流数据受疫情影响明显

数据来源:Wind,iFIND

2.2 地铁客流量与住宿餐饮业消费

从数据关联性来看,地铁客流量是社零总额中住宿餐饮分项的良好领先指标。常识上,地铁作为一线城市居民出行的重要交通工具,反映了城市内每日人口流动的情况,能够从侧面反映该城市经济活动的活跃程度。我们发现,地铁客流量作为日频的高频数据,对低频率的住宿餐饮消费数据实现了较为准确的预测。在2020年一季度新冠疫情第一次较大冲击期间,上海地铁客流量断崖式下跌,且客流量下滑远超季节性因素影响。随后公布的住宿餐饮消费额也不出意外地出现较大幅度的负增长。而自2020年3月中旬开始,地铁客流量开始迅速回升,住宿餐饮消费也随之回暖,反映了消费的快速复苏。相似的情况在2022年二季度再次重演,因此从上海数据来看,地铁客流量对住宿餐饮消费具有较好的领先预测能力。

图4:上海市地铁客流量7日平均与住宿餐饮月度零售额

数据来源:Wind,iFIND

2.3 货运流量指数与批发零售业

公路货运量是社零总额中批发零售业月度销售额分项的良好领先指标。公路货运是市内物流的重要手段,货运量直接反映市内物流的通畅程度,从侧面刻画批发零售商终端商品的需求情况。以上海公路货运数据为例,该数据与批发零售业的月度销售额具有较强的正相关性,并表现出类似的季节性波动特征。2020年一季度疫情期间,上海公路货运量迅速大幅下滑,伴随同期批发零售消费下降,符合预期。随着3月后复工复产的推进,公路货运量显著回升,社零批发零售亦随之回升。2022年二季度上海第二轮疫情冲击中,公路货运量和社零亦表现出类似的下跌-修复态势。

图5:上海市公路货运量与批发零售业月度销售额

数据来源:Wind,iFIND

3. 另类数据的应用:12月新冠疫情冲击下的社零分项预测

另类数据在经济金融领域主要服务于数据预测。基于前文对于上海市的分析,我们发现国内主要城市的地铁日客流量与日度的货运流量指数分别是社会消费品零售总额中餐饮住宿分项与批发零售分项的良好高频代理指标。下文我们将以广州、北京、上海三城为例,基于2022年11-12月的最新数据,预测12月社会零售总额分项,重点关注奥密克戎疫情蔓延带来的影响以及不同城市受疫情影响的领先滞后关系。

本轮疫情2022年10月底开始,从蔓延次序来看,广州发病早(11月),其次为北京(12月初),上海大规模发病则相对滞后(12月末)。本轮疫情相较于以往的国内疫情而言,影响机制有所不同:此前的疫情冲击主要为政策造成的冲击,从高频数据反映来看,主要表现出“深V形”的下跌、反转(见上一部分分析上海历史数据的图表)。而本轮疫情对于社会面较早扩散的一线城市(如广州、北京)而言是“W形”冲击:首先,“优化疫情防控二十条”之前规模性封控政策带来第一波冲击,之后国内主要城市基于20条放松防疫政策,带来客运与物流的一定程度的反转,但随之而来的城市人口大规模感染、居家养病带来客运物流第二次下跌,最后,人群逐渐“阳康”后,又带来客运物流的重新反转上升。

受到“W形”冲击的代表性城市为广州。如下图箭头所示,11月以来,广州地铁客运量分别受到封控、人群规模性感染造成的两轮冲击,整体上处于低位震荡。11月份广州社零中住宿餐饮分项就表现出明显的同比环比下跌,基于12月地铁客运量数据,我们预计12月广州社会消费品零售总额中住宿餐饮业分项在40亿元左右。

图6:微博“咳嗽”、“发烧”搜索指数12月以来显著上升

数据来源:新浪微博

图7:广州地铁客运量预测12月社零-住宿餐饮业

(虚线为预测值)

数据来源::MetroDB,iFind,广州市统计局

与广州类似,北京同样受到本轮疫情带来的“W形”冲击。受到部分地区封控、对外地返京人员限制以及大多数在京企业启动远程办公影响,北京11月份地铁客运量、货运流量指数与社零中的餐饮、零售分项都表现出明显下跌,基于12月高频数据,结合今年5月封控影响来看,我们预计12月北京社会消费品零售总额中餐饮业分项约40亿元,商品零售分项约750亿元。

图8:北京地铁客运量预测12月社零-餐饮收入

(虚线为预测值)

数据来源:MetroDB,iFIND,北京市统计局

图9:北京货运流量指数预测12月社零-商品零售

(虚线为预测值)

数据来源:G7,iFind,北京市统计局

本轮疫情中,上海的规模性感染相对滞后于北、广、深等其他一线城市,且疫情爆发晚于“20条”,因此仅受到人群规模性感染的冲击,在图表上显示为“V形”。如下图所示,上海疫情集中爆发在12月中旬后,其中人群“阳后居家养病”对于地铁客运影响较大,而由于没有采取大规模封控,对货运物流的冲击则较小。综合高频数据,我们预计12月上海社会消费品零售总额中住宿餐饮业分项约80亿元,批发零售分项约1100亿元。

图10:上海地铁客运量预测12月社零-住宿餐饮业

(虚线为预测值)

数据来源:MetroDB,iFind

图11:上海货运流量指数预测12月社零-批发零售业

(虚线为预测值)

数据来源:G7,iFIND

(文/清华大学五道口金融学院2022级硕士生楚天豪、孙成斌、贾竞越、斯俊琪,清华大学航天航空学院2021级硕士生吴茜)

标签: 货运物流 高频数据 一线城市

热点推荐

精彩放送