如何衡量通货膨胀的波动性？
直接回答
通货膨胀的波动性可以通过量化通货膨胀率随时间变化的程度来衡量。与其预测未来的通货膨胀变动，不如使用选定的通货膨胀序列（例如，从价格指数计算出的通货膨胀率）和选定的波动性统计量（例如，标准差或月度变化的平均幅度），对过去的变化进行总结。关键在于明确说明定义、时间频率和计算假设，因为不同的选择可能会产生不同的“波动性”数值。
机制：在计算前先定义通货膨胀波动性
从两个定义开始。
-
通货膨胀水平或比率：这是从基础价格指数导出的数值序列。常见的例子包括同比通货膨胀率（将当前指数与去年同期相比）或环比通货膨胀率（连续月份之间的比较）。使用哪一个会影响“变化”的含义。
-
波动性：在测量意义上，波动性是指一个序列在时间上的变化幅度。典型的波动性总结包括：
- 通货膨胀率在某一窗口期内的标准差：衡量相对于平均值的离散程度。
- 平均绝对变化（或月度间平均绝对变化）：衡量典型变化步长。
- 滚动波动性：在重叠窗口上重复计算统计量，以观察变化是否增加或减少。
一种简单且可验证的方法是：先计算通货膨胀率序列，然后在指定的时间窗口长度上计算一个波动性统计量。例如，如果你在规则时间点 (t=1..T) 上有通货膨胀值 (i_t)，则整个窗口的样本标准差为： [ \sigma = \sqrt{\frac{1}{T-1}\sum_{t=1}^{T}(i_t-\bar{i})^2} ] 其中 (\bar{i}) 是该窗口期内的平均通货膨胀率。
需声明的假设：通货膨胀序列以一致的频率（例如，每月）测量，并且与波动性计算在时间上对齐。
证据或示例：测量选择如何改变结果
考虑对同一基础价格行为采用两种不同的测量设置。
- 设置 A 使用环比通货膨胀率序列。该序列通常反映短期波动，可能对数据噪声更敏感。
- 设置 B 使用同比通货膨胀率序列。该序列跨越更长的时间范围，可能显得更平滑，即使基础价格仍在变动，也可能产生较低的波动性数值。
即使“现实世界”中的变异性相同，由于序列本身不同，计算出的波动性也可能不同。
接下来，选择如何处理时间。
- 整个历史期间的一个波动性数值回答的问题是：“在这段时间内，通货膨胀有多大的可变性？”
- 滚动波动性回答的问题是：“通货膨胀在何时变得更不稳定或更稳定？”
这是不同的问题。如果你的目标是概念性地解释通货膨胀波动性，你应该描述你的指标所回答的问题。
局限性和风险：什么可能导致结果误导
至少存在一个重要的局限性：波动性指标可能将真实的经济变化与测量误差混淆。
主要的失败模式包括：
- 数据噪声和修订：通货膨胀序列可能被修订，当数据定义或历史回溯发生变化时，波动性统计量也可能改变。
- 窗口和频率效应：改变时间窗口长度（例如，12个月 vs 60个月）或改变比率定义（环比 vs 同比）会显著影响波动性结果。
- 不可比序列：混合不同的计算方法或数据集可能造成人为跳跃。
- 结构性断裂：如果通货膨胀动态发生制度性变化（例如，政策转变），在很长一段时间内使用单一波动性统计量会平均不同制度，可能无法代表当前行为。
此外，波动性不表示方向。波动性数值无法告诉你通货膨胀是上升还是下降——只能说明其变化幅度。
验证或下一个问题：如何独立检查你的工作
要独立验证波动性测量，你可以检查以下三项：
- 定义检查：你使用了哪种通货膨胀率序列（环比 vs 同比，以及从哪个价格指数概念上得出）？
- 计算检查：你是否使用了相同的频率和相同的波动性公式（例如，样本标准差 vs 总体标准差）？
- 可重复性检查：在相同的序列和窗口上重新计算波动性，以确认你得到相同的数值。
一个实用的下一个问题是：哪种通货膨胀定义最符合你对“波动性”的预期解释——短期波动性、长期波动性，还是跨时间窗口的变化？