🔮 什么是季度预测模型（QPM）？

可以把QPM看作印度储备银行预测印度经济走势的"水晶球"。就像天气应用通过温度、湿度和风向数据预测明天的天气，QPM通过经济数据预测以下指标：

印度储备银行季度预测模型（QPM）融入了印度经济结构的独特特征，这些特征在发达经济体中并不适用。QPM于2013至2017年在国际货币基金组织技术援助下合作开发，恰在印度2016年采用弹性通货膨胀目标制之际正式投入使用，取代了此前在应对印度不稳定食品价格和供给侧冲击方面力不从心的旧模型。

以下四项特征使印度宏观经济动态与众不同，需要专门的建模方法：

农业与季风依赖性：农业约占印度GDP的18%，雇用42%的劳动力，远超其他主要经济体。季风降雨量的变化会带来大规模供给冲击——2014年干旱将食品通胀推高至10%以上，而2013年和2016年的强劲季风则有效缓解了价格压力。QPM将食品供给冲击明确建模为通货膨胀的外生驱动因素，认识到货币政策无法抵消天气引发的价格变动，但必须防止二次效应渗入更广泛的通胀预期。

食品在消费和通胀衡量中的权重：食品约占印度消费者价格指数（CPI综合）篮子的39%，远高于美国的14%或欧元区的20%。这一较高权重给通胀目标制带来挑战：是否应对季风失败导致的食品价格急涨积极应对，从而冒着造成不必要经济收缩的风险？还是对暂时性食品冲击"视而不见"，冒着遭遇双位数食品通胀的家庭对4%目标丧失信心、通胀预期脱锚的风险？QPM将通胀分解为食品和非食品两部分，赋予各自不同的持续性特征，使政策制定者得以评估当前通胀究竟源于暂时性供给中断还是持续性需求压力。

不完全的货币政策传导：印度金融体系仍部分分割——中小企业和农村家庭往往难以进入正规信贷市场，限制了利率变化对其支出的影响。即便在银行借款人中，政府管控的小额储蓄计划利率（由政府而非市场力量控制）也与银行存款竞争，削弱了政策利率向存款利率的传导。QPM融入了比发达经济体模型所假设的更为缓慢和薄弱的利率传导，依据印度数据校准：回购利率变化100个基点，四个季度后银行贷款利率仅移动60至70个基点。

外部脆弱性与石油依赖：印度约85%的石油消费依赖进口，使经济对全球原油价格高度敏感。2013至2014年油价下跌大幅收窄了印度经常账户逆差，而俄罗斯入侵乌克兰后2021至2022年的油价急涨则扩大了逆差并导致卢比走软。QPM将全球油价视为外生变量，追踪其通过多重渠道产生的影响：对总体通胀的直接效应、较高进口成本带来的汇率压力，以及运输和生产成本上升产生的二次效应。这一外部脆弱性使印度有别于加拿大或澳大利亚等石油出口经济体——商品价格冲击在这些经济体中产生截然相反的动态效应。

🧑‍🔬 谁来构建这些模型？

印度储备银行拥有一支专职经济学家和研究人员团队，持续致力于改进经济模型。他们公开研究成果，让所有人都能了解印度经济的运作机制。

🔄 预测周期

每季度（每3个月），印度储备银行都会经历一个详细的更新经济预测的过程。具体流程如下：

🚧 为何完美预测不可能实现

即使是最优秀的经济模型也无法完美预测一切。原因如下：

📚 想深入了解？

如果您对印度储备银行的运作机制及经济预测方法感兴趣，以下是不容错过的优质资源：