• 项目
首页>>文章列表 >>行业研究
行业研究

金准人工智能 AI附能流程自动化演进,实现智能互动 2018-04-16 14:25:46

前言

全球各地的企业纷纷利用新型数字化业务流程和技术进步,实施能够复制人类行为的自动化解决方案,借此消除日常重复任务,让员工能够集中精力处理高价值的任务。在我们调查的3000多家企业中,几乎所有企业都不同程度地实施了智能业务流程自动化,大约40%的企业采用了基于AI的自动化技术。

 

自动化由来已久,历史可追溯至5000多年前。随着人工智能(AI)的发展,自动化技术迈上了新台阶:智能自动化。智能自动化借助技术进步,优化业务流程,推动客户体验个性化,提高企业决策能力,从而改变企业的运营模式。金准人工智能专家在本文中揭示了先驱型企业在实现智能自动化过程中所采取的措施,以及他们平衡运营效率与员工队伍变化的方法。

任务自动化的发展涵盖了整个人类历史,从玛雅人使用引水渠实现用水自动化运输,到亚当·斯密的自动化示例推动扣针制造商大步发展,再到亨利·福特发明自动化机械装配线。在大多数企业中,数字化重塑(Digital Reinvention)如火如荼,新技术应用日渐广泛,自动化新时代—智能自动化,就是顺理成章的事了。

纵观历史,自动化就是从人员、流程和技术的典型协同增效范例中创造新价值的绝佳机遇。例如,在用水自动化运输中,技术(引水渠)使人员(引水渠建造者)支持的流程(用水运输)成为现实。同样的协同增效效应还开启了工业时代。

这种范例在信息时代发生了变化。与数据相关的任务要求人员(在键盘上)实现由技术(电话、电子表格)支持的流程(事务或互动)。数据驱动的企业任务自动化始于20世纪60年代,催生出企业资源规划系统,并不断向前发展,现已扩展至机器人流程自动化(“机器人”)。

但是,任务自动化一直为数据处理能力所限,只能采集结构化数据、标准化格式数据,比如简单的“屏幕抓取”和数据分类操作;无法处理非数字化或包含不可靠数据的企业运营流程。除了严重依赖于这些条件,任务自动化还需要人为干预才能成功地完成基于信息的流程,直到最近这一问题才得到解决。

智能自动化是一种新能力,有助于最大程度减少所需的人员支持。这实现了流程负担从人类向技术的转移,有望彻底改变企业的工作方式。随着越来越多、越来越复杂的任务交由流程自动化完成,企业员工就能够解放出来,专心投入高价值的工作。

高密度文件系统的出现,以及算法分析和人工智能工具的进步,为数据驱动的任务自动化带来了全新的机遇。现代化的数据平台能够快速准确地处理各种系统中海量的多格式数据,解读异常情况,效仿模式,并从最近实现数字化的企业流程中捕获大量隐藏的洞察。随着融合用于处理和分析数据的各种人工智能工具,自动化能力的应用范围也日渐扩大,在20世纪60年代,自动化只能处理基本的数据移动,现如今,已经可以指挥高级系统,还有一些系统能够执行基于判断的操作和类似人类的互动。

一、智能自动化是什么

智能自动化汇集了最新的技术进步,能够自动持续地管理和改进业务流程。智能自动化的组成部分包括:

(1)人工智能/机器学习—配备软件的系统应用,能够模拟人类智能过程,无需明确指示即可开展学习。

(2)自然语言处理—能够理解人类说的话。

(3)机器人—使用机器人对物联网(IoT)数据和其他数据进行学习并做出自主决策。

(4)预测性分析—借助统计算法和机器学习预测结果的做法。

金准人工智能专家在本文中从面向数据的角度询问了最高层主管对于智能自动化的看法,同时分析了哪些业务流程最适合实现“自动化”。

全球性金融服务公司瑞士银行(UBS)最近披露了对于智能自动化发展的看法:“空前数量的数据(大部分是非结构化数据)可供使用;计算机处理能力呈指数级提升;数据存储解决方案的价格不断下降,而便利性日益改进;同时机器学习算法持续精进,这些都为智能自动化领域的重大发展提供了有力支撑。”

用于业务流程管理的数据无处不在,这使得企业的智能自动化使用情况、所采取的措施以及所取得的成果变得更加透明直观。金准人工智能专家采访了3,069位最高层主管,其中91%的受访者表示,他们的企业已经采用了一定程度的智能自动化,既有事务性屏幕抓取功能,也有复杂的事务处理,还有依赖人工智能的互动。几乎所有企业均可归入三类信息自动化用户之一:基础、高级或智能。这种分类贯穿整份报告,用于描述所讨论的数据自动化类型。为清晰起见,那9%没有采用任何自动化技术的企业忽略不计,本报告未对他们进行研究(见图1)。

 

目前,支持企业将数据自动化技术从数据中心和ERP系统向企业复杂的运营流程拓展的技术已日趋成熟。具备“数据访存和响应”能力的聊天机器人、自然语言处理和机器学习正迅速成为解决业务流程中特定需求的常用工具(见图2)。

 

技术驱动型智能自动化领域的先驱企业纷纷采取战略性举措,以平衡所获得的运营效率与员工队伍正在发生的变化。在这份报告中,金准人工智能专家考察了这些早期采用者所采取的措施,并为寻求利用智能自动化探索新机遇的企业提供了指导建议。

二、自动化在效率上的体现

大多数高管认为,未来两三年内,人工智能帮助他们决胜竞争的三大法宝之一就是“优化业务流程”。人工智能影响最大的另外两个领域当属“实现客户体验个性化”和“增强预测和决策能力”,而实现这两大目标的唯一途径就是高效利用智能自动化。

这些新技术和人工智能驱动型自动化能力的早期采用者—“高级”和“智能”用户,表示他们在许多业务职能领域收获了显著效果。即使是目前只使用非现代化的事务性自动化技术的“基础”用户,也纷纷表示未来两三年内,这些新技术将会为企业流程带来新活力,产生重大影响(见图3)。

 

相较于实施多功能人工智能解决方案的“智能”用户,更多的“高级”用户表示人工智能对其带来了显著的影响,这似乎有违常理。受访高管被要求按照复杂程度,对企业内最高程度的自动化所带来的影响进行评价。金准人工智能专家发现,“高级”用户对其所使用的经过实践检验、主要关注于某个特定方面的解决方案有较全面的跟踪记录,而“智能”用户的尖端多功能人工智能系统则少有效果检测指标,这或者是一种解释。与此同时,不难看出“高级”用户与“智能”用户两者之间的期望差距正日渐缩小。

自动化技术的价值主要来自其所带来的效率优势。一家入围《财富》全球消费品企业75强的企业通过采用先进的自动化解决方案,将工作流问题(称为“问题凭单”)的解决效率提高了30%,并将员工生产力提高了50%。一家全球性银行成功将问题凭单数量减少达40%,员工满意度提高95%以上;现在计划复用相同的技术,支持各种企业流程中的超过25个企业应用。

简单的流程自动化可以消除错误,减少偏差,只需少量时间便可完成事务性工作,速度远超人类员工。事实证明,在处理重复性任务方面,这些基础技术明显优于人类员工,不仅可节省75%的成本,还能带来25-50%的效率提升。

将人工智能融入基础的自动化流程不仅能够提升工作效率,还能扩展所辖工作的范围。人工智能驱动的流程可以自动扫描数百万页文档,所耗时间只是人类花费时间的“九牛一毛”,并且应用范围也十分广阔,覆盖法律合同审查、医疗方案决策、索赔分析和欺诈管理等领域。智能自动化系统的数据分析速度比人脑快25倍,可以24小时全天候不间断运转,能够使用自然语言与员工和客户进行交流,并且理解准确率令人惊叹。

一家南美保险公司最近通过创建一个使用自然语言处理的智能处理系统,改变了根据每个客户的保单承保范围核对理赔要求的人工流程。该系统能够同步处理数千页的文档和电子表格,将人工代理参与的理赔处理时间缩短了90%以上,每年帮助公司避免了高达100万美元的欺诈损失。请参阅图4,了解一个保险流程如何因任务自动化而发生变化。

 

使用人工智能(无论是特事特办的AI还是整合到智能系统的AI)管理的运营流程,将“智慧”融入到了自动化的活动之中,并通过自动化的透明性和无穷尽性等特征实现增效。举例来说,欧洲的一家电力供应商,在计划部署的50个机器人(主要是客户服务聊天机器人)中首批8个机器人投入使用后,预计实现了600万欧元成本节省,随着部署计划的推进,有望实现两位数百分比的成本节省。自动化还能够根据季节性需求或高峰期促销活动灵活可变地调整企业运营规模。

与大多数技术的成长轨迹一样,人工智能驱动的自动化虽处于早期阶段,但将会继续向前发展。目前,企业主要采用自然语言翻译、非结构化数据识别、“抓取和响应”式互动代理和复杂算法(分步操作)等功能实现流程自动化,以期减少或消除人为干预需求。新一代的智能包括具备记忆能力的系统(例如能够自动执行未来机器人配置)和推理能力的系统(支持预测性和概率性处理之类的任务)。这两种能力相结合,就可以形成具备学习和互动能力的系统。

三、适合实现自动化的流程

成千上万的不同任务组成了数以千计的活动,而这些活动又推动着数字型企业内数百个流程。每个单独的任务都是一个自动化机会。对于企业高管来说,最迫切的问题便是找到最合适的切入点。

提前制定自动化战略可帮助企业权衡任务自动化的难度与潜在的效率提升,从而优化投资。在采用智能自动化的高管中,半数表示已经确定了企业内可通过人工智能增强或实现自动化的关键流程,相比之下,在“高级”用户和“基础”用户中,这一比例分别只为四分之一和七分之一。工作活动分析方法可以最准确地评估流程是否适合自动化。美国生产力和质量中心(APQC)发布了一份包含大约1100个跨行业活动的清单,这些活动组成了300个核心企业流程,而这些核心流程又进一步分为70个流程组和13个高级流程类别。根据这一框架,我们考察了1100个活动中每个活动所需的平均工作量,以便确定最适于自动化的企业活动(见图5)。

 

金准人工智能专家发现,最适于自动化的业务流程类别往往是事务性特征最明显的工作,例如,支持管理财务资源、管理客户服务和交付有形产品等任务。最不适于自动化的流程类别常常最具战略意义且高度依赖判断,涉及的活动包括远景规划和战略制定以及外部关系管理等。

特定于行业的自动化不包含在这个框架之中。这些重点关注某个特定方面的解决方案使用人工智能驱动的自动化,往往用于执行算法任务,速度超越人类的合理能力水平。

1.智能自动化帮助银行提升效率和准确率

2014年,一家总部位于日本的跨国银行推出了一款新产品,用于帮助投资者为符合条件的教育基金建立免税信托基金,让信托人更轻松地将遗产传给子女和孙辈。该产品取得了意想不到的成功,募集了超过5000亿日元的资产,并助力该银行发展成为市场领导者。

这些不断增长的资产开始对内部流程造成压力。该银行雇佣了近300名审查人员来核实符合条件的教育开支,但由于每年需要处理的交易量高达140万笔,每笔交易所需处理时间长达45分钟,这种人工审查流程难以持续,逐渐阻碍公司发展步伐。

为了解决这一问题,该公司发现自动化技术通过提取关键字,检查信托申请的必备要素,将其与法规和客户协议进行比较,并与过去的评估进行交叉参评,可以补充人们对特定开支是否符合免税条件的判断。通过结合光学字符识别技术,该解决方案将印刷和手写文本的图像转换为结构化和非结构化数据,包括来自收据和申请表单的信息;而且,随着越来越多的案例被添加到语料库中,该解决方案的机器学习算法变得越来越准确。

通过利用先进的智能自动化技术,该客户最大程度减少了差错和返工情况,将评估时间从45分钟缩短至18分钟,降幅高达60%。由于效率的大幅提升,该银行有望在解决方案实施后两年内,实现1.3亿日元的成本节省。考虑到交易量的预期增长,该公司预计未来五年内可总共节省7.3亿日元。此外,该银行计划通过加快申请审批流程,提高了客户满意度,加强了自己的教育信托基金供应商的品牌形象和市场领导地位。

2.任何特定流程所需的自动化程度因流程任务性质而异

基础自动化适合于基于规则的重复性任务,这种任务不仅具有结构完善的活动,而且从高度结构化的数据源中提取了清晰定义的规则,同时还使用能产生直观、可衡量结果的系统。理想情况下,最适合基础自动化的流程当属容量高、周期长的流程,这种流程目前遇到的瓶颈或痛点是需要具备高可视性,而且要由数字化触发器启动,并由数字数据提供支持。

 

德国的一家金融服务供应商仅仅在将首批10个计划中的流程实现自动化后,时间效率就提升了60-80%,同时短期成本削减了20%。该公司在不到12个月内便实现了投资回报,目前计划让更多后台流程实现自动化,涵盖表单创建、姓名更改、数据预填充、状态更新和调查触发等。

高级自动化适合于更为复杂的任务。人工智能解决方案用于自动执行基于非结构化和结构化数据组合的任务,通常是涉及多个系统或海量数据的活动。这些流程所包含的活动往往利用庞大的知识数据库,但是所采取的每个行动都基于特定的数据和定义的结果。最适合高级自动化的流程是那些需求波动较大的流程,因为自动化系可以进行扩展,能够轻松适应原本要靠改变人员配备才能应对的情况。

企业每天都要面对数以百万计的网络威胁,在这种背景下,一种标准做法迅速普及,那就是将机器学习这种高级自动化能力整合到数据安全系统中。由于自动化技术具有可编程、规则驱动的性质,因此任何程度的自动化都可以满足地理数据存储要求,并始终应用财务要求方面的规则。

智能自动化可用于增强或“自动执行”那些由于上下文和选择不同而难以预测的企业流程。所谓增强,意指由人工智能驱动的多种功能协同工作,执行任务中一些常规部分,而由人员最终完成任务。或者,可使用自动化技术处理流程中的所有步骤,包括执行可变的操作,代替人类完成任务。

流程自动化并非“拖放”式操作那模样简单。在确定哪些流程领域最适合自动化之后,企业高管下一步就要从整个生态系统的角度出发,重新设计流程。通常,在流程实现数字化以及合作伙伴网络实现互联互通的过程中,所有新组件只是硬生生插入现有流程之中。直接将机器人丢进设计糟糕、优化不足的流程或新生的数字化流程中,会严重削弱企业的价值创造能力。从这个意义上说,自动化带来了重新思考工作方式的机会。

四、平衡工作负载

纵观历史,自动化就是从人员、流程和技术的典型协同增效范例中创造新价值的绝佳机遇。这种推动力并不一定会取代人类,而是改变人类所做的工作,创造新的工作方式。企业必须在创造21世纪的“数字化劳动力”的同时,认识到这对现有员工队伍的影响,争取在两者之间实现平衡。

新型数字化企业流程不是技术孤岛,现在和未来的核心运营流程都需要借助人类与所处理数据之间的相互作用。由自动化系统(或多组任务自动化例程)所创建的“数字化劳动力”负责运行各种运营流程,能够很好地处理人类员工应接不暇的任务或重复性的简单任务。由此,人类员工可以腾出时间来开展最适合的工作:开展战略思考、创新行动和人性互动。

三分之一采用智能自动化的高管表示,他们希望通过人工智能,将一些员工重新部署到高附加价值活动中。金融服务公司UBS就是很好的例证。根据该公司网站上的一篇文章,“最重要的是,智能自动化能够让员工从日常工作中解放出来,专注于更具创造性的高附加值服务。整体而言,这些改进会给公司带来显著的效益,同时还能提高员工的工作满意度和生活质量。”

在大多数企业中,一个极为平常的劳动密集型高成本任务领域便是应用管理。企业需要将大部分IT员工和预算投入到以下极为平常的任务中:维护必要但低价值的业务流程应用正常运转,确保数据库容量充足,保证服务器正常工作,确保应用可供业务用户和客户使用。目前,大数据监控工作仍是一个需要大量手动操作的流程,而且极易出错。

基础的机器人自动化技术在业务应用监控和维护方面的应用日臻成熟。通过整合人工智能驱动的功能,企业可以进一步扩展自动化解决方案,超越简单的报告生成和模式识别功能,纳入可触发修复操作的功能,从而打造自我修复型系统。

通过采用人工智能驱动的自动化技术,一家制药公司提前解决了企业应用问题,避免严重事故的发生。作为全球最大的药品分销商之一,该公司每天需要处理数以百万计的订单,远非人力所能及,导致系统的可用性成为成功的关键。

然而,确保业务关键型流程的可用性是一项繁琐的活动,依赖于数百项重复的手动任务,这些任务会消耗IT人员的大量时间,包括日常的服务器、服务和磁盘空间监控任务,根据规则在容量不足时采取的补救活动,以及大型老旧ERP系统的日常验证与核对工作,以便确保交付的药品都开具了发票。应用套件中反复出现的问题会对公司的最终客户造成影响:当支持人员修复应用问题时,卡车只能在仓库中等待所需的信息,而后才能交付货物。

通过对企业应用监控活动实现自动化,该公司大大减少了对人工干预的需求。团队从分析反复出现的问题着手,使最常见故障原因的修复实现自动化。现在,自动化的机器人负责执行预先安排的监控和修复任务,每天根据发票核实装运情况。如果出现问题,机器人会自动部署修复程序,这意味着支持人员只需介入例外情况。大多数时候,系统都会自动运行,这意味着卡车可以按时离开,而客户也会按时接到订单货物。

在自动化技术的帮助下,该公司每月能够节省大约1100个工时,每年可节省超过13000个工时,这些节省下来的资源可以转而投入新的项目计划。这样一来,团队可以去建立和培养高价值的项目设计技能,而不是耗费精力去“运行系统”。同时,用户和客户也能从更高的系统可靠性和可用性中受益良多。

要应对这种劳动力转型,尤其是企业运营规模的潜在变化,就需要开展相应的文化转型。90%的“智能”用户表示,他们的企业在过去的重大变革管理中取得了显著成功,相比之下,只有不到一半的“高级”用户和大约三分之一的“基础”用户表达了相同的观点。

就像早期技术进步取代帽针制造商和车厢制造商一样,一些现有的工作也将经历颠覆,因为“数字化劳动力”能够承担以前由人类员工完成的工作。遗憾的是,我们的调研发现,只有20%的受访高管已经制定了员工再培训计划。

大约三分之一的受访高管(自动化水平各不相同)认为,要在企业内部实施或利用人工智能技术,就需要设立相应的新角色。大多数高管承认,他们目前没有采用人工智能技术所需的必要人才,例如,具备机器学习技能的数据科学家和相关人员;他们还表示,需要聘用新人才或培训现有员工以获得这些技能(见图7)。

 

经验表明,企业高管必须充分考虑并明确解决自动化带来的劳动力平衡问题。研究显示,企业需要在数据和分析工作中加强变革管理,并且金准人工智能专家预计,这项需求还会不断提升。

五、自动化之旅

自动化并非一蹴而就,企业高管需要站在战略高度,系统性地思考前进之路。正如我们所指出的,几乎所有企业都已开始智能自动化之旅。虽然大部分企业仍在使用基础机器人,但我们发现,走在前列的企业正在打造智能互动能力。

当企业开始考虑走上智能之旅时,需要回顾借鉴整个行业数十年来经历的低水平自动化、数据和分析以及单点式人工智能解决方案这些阶段。虽然自动化能力通常是一步一个台阶的过程,但我们发现,不论自身当前能力如何,大部分企业选择跳过一个或多个早期步骤。然而,在这段旅程中,企业往往需要以退为进,打好基础,方能在漫漫征程中顺利前行。

我们确定了打造智能企业的三个关键步骤,这些步骤以自动化流程为支撑,而自动化流程又以技术和人员为后盾:大处着眼,小处着手,转变方式。大处着眼:创建自动化基础

采用战略方法实施自动化,帮助企业充分利用现有资源,并优化投资回报。战略方法需要明确自动化技术对现有员工队伍的影响,做好充分准备,从容应对这些影响。

(1)任命一个跨业务和IT部门的高管团队,授之以项目优先、预算和资源分配、指标监控及管理等特权。

(2)根据取得的成效来确定智能自动化机会的优先顺序,但确保战略包含人才管理和知识保留领域。

(3)尽早而且频繁地与员工进行交流沟通,帮助他们适应全新的工作方式。

1.小处着手:建立自动化指挥中心,增强扩展成效

自动化指挥中心为信息自动化资产的开发和使用提供管理框架。这是一个关键的成功因素,因为大多数企业需要考虑、转变和管理数千个适于自动化的流程任务。

(1)指派一个企业部门来管理项目进展、推广部署和成效衡量工作。

(2)让各个团队协同工作,共同实现机器人“构建”能力和其他服务,优化企业内部的知识重用水平。

(3)制定任务自动化项目目录,以便支持重用,并最终自动执行新机器人构建任务。

2.转变方式:优化数字化流程,平衡工作负载

使低效流程中的任务实现自动化只会导致资产绩效下滑。在数字时代重新思考工作方式,需要专为适应力、灵活性和可扩展性而设计的信息平台。

(1)重新设计流程,优化人类员工与数字员工之间的平衡。

(2)以迭代方式评估实现自动化的任务和活动,以便寻找利用人工智能重新设计流程的机会。

(3)使用自动化平台和程序,推动企业实现数字化转型。

总结

全新的自动化时代已然来临。虽然只有时间才能够证明最后的成功花落谁家,但我们相信,现在投资发展智能自动化,将为企业在新时代大展身手奠定坚实基础。

金准人工智能 AI附能汽车行业新价值 2018-04-13 16:32:33

前言

汽车行业是人工智能的重要应用产业,在过去的两年多中,汽车行业一直在广泛探讨四个颠覆性、相辅相成的主要趋势——自动驾驶、车联网、电气化和共享出行(ACES)。这些趋势预计将推动交通市场的增长,改变交通行业的规则,并实现从传统技术向颠覆性技术、以及创新商业模式的转变。

人工智能(AI)是四种趋势中的关键技术。例如,自动驾驶本质上依赖于人工智能技术,因为它是唯一能够对车辆周围物体进行可靠、实时识别的技术。对于其他三种趋势,人工智能创造了大量机会来降低成本,改善运营并创造新的收入来源。例如,对于共享出行服务,人工智能可以通过预测和匹配供需来帮助优化定价。它也可以用来改善维护计划和车队管理。人工智能还可以帮助汽车企业得到更多融资,并应对今后的变化。

即使是在短期内,人工智能技术也能提高整个价值链的效率,降低成本,并可从汽车销售以及售后市场获取新的收入。大部分价值通过四个核心过程产生。在采购、供应链管理、制造方面效率的提升,分别使成本节约了510亿美元、220亿美元和610亿美元。在汽车营销及销售方面,基于人工智能的高效率既可以降低成本,又可以创造收入,从而可产生310亿美元的价值。

从长期来看,具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值,但这些功能和服务在短期内仅会给行业带来有限的价值。尽管如此,通过这些服务创造的价值也是非常重要的,因为如果汽车OEM厂商在驾驶和出行服务方面胜过竞争对手,那么则可以获得相当大的市场份额。

一、工智能

为了方便理解,金准人工智能专家提出本文中与人工智能相关的一些术语,它们都是基于机器学习的。

人工智能(AI)是机器和系统所展示的智能,机器模仿与人类认知相关知识的功能。人工智能有三个层次:

最低级别是“窄定义人工智能”,这是一种现有的软件,它可以自动完成一个传统的人类活动,并且在一个专门的领域,例如玩棋类游戏,预测销售,或者预测天气,在效率和耐力方面都胜过人类。自动驾驶也是一个窄定义人工智能的例子,尽管它比目前所有的应用程序都要复杂得多。

超级人工智能是人工智能的最高水平,当人工智能变得比几乎所有领域中最优秀的人类大脑聪明得多的时候,它就达到了。超级人工智能系统可以对未知环境进行推理。关于这种智能水平能否达到、如何达到,以及应用场景如何的问题,存在大量的不确定性和争论。

它是实现人工智能的一个重要组成部分,因为它的输出被用来作为建议、决策和反馈机制的基础,以解决以前未知的情况。机器学习是一种创建人工智能的方法。由于当今大多数人工智能系统都是基于机器学习的,所以这些术语经常被使用,特别是在商业环境中。机器学习是对样本输入数据的训练算法,以优化其在特定任务上的性能,从而使机器获得新的功能。

经过训练的机器学习算法利用它的学习经验,更好地做出基于以前看不见的数据的预测(例如在图像上识别某种类型的动物)。机器学习系统主要采用三种方法进行训练。

监督学习。人工智能系统提供的示例输入数据与人工智能系统应该预测的数据类似。所提供的资料为标签,即,所需的输出包含在数据中。

无监督学习。输入数据没有特定的标签,人工智能系统需要根据数据中识别的结构找到它的度量和分类。

强化学习。人工智能系统根据奖励功能选择行动以最大化回报。机器和软件人员利用尝试和错误来自动确定特定环境内的理想行为,以使其性能最大化。

深度学习是人工智能的一个分支。它主要涉及由许多层组成的神经网络,因此称为“深度”。在过去的几年里,深度神经网络是许多领域最成功的人工智能方法。深层神经网络可以应用于上述三种类型的学习。它们适用于许多模式识别任务,而无需对算法进行修改,只要有足够的训练数据即可。由于这些特性,深层神经网络可以应用于从视觉对象识别到产品特性的复杂仿真等多种任务。

二、人工智能可为汽车OEM厂商创造新的价值机遇

人工智能带来的价值潜力主要来自于三个应用领域:在OEM价值链中应用AI技术、汽车中智能化的驾驶功能(如高级驾驶辅助系统或自动驾驶)、新商业模式下的交通出行服务。金准人工智能专家主要分析人工智能可带来的两种价值机遇:

一是整个汽车OEM行业的机会,人工智能可为汽车OEM行业带来价值。在短、中期内,AI带来的价值潜力主要来自于流程方面。人工智能将使OEM厂商能够共同提高性能,特别是通过改进流程,并通过增加新的驾驶/车辆功能(如高级驾驶辅助系统ADAS或自动驾驶)等增加销售和收入。

另一种是OEM厂商独有的机会,人工智能可为OEM厂商带来机会,以超越竞争对手。对于每个OEM厂商来说,有两种方式可以超越竞争对手:首先,可重点致力于提高市场份额,例如,提供优越的客户体验以吸引更多客户;其次可以通过更积极地参与新兴的交通市场,以增加收入和/或提高利润率。

1说明了AI给应用领域带来的可实现的收入和价值,同时对到2015年AI的应用进程的底线杆及营收杆做出了区分。在短、中期内,人工智能将为汽车行业创造大量的价值,预计2025年,人工智能为全球汽车OEM厂商带来的总价值将达到大约2150亿美元,这相当于整个汽车行业EBIT值的9%,或者是相当于年平均生产率提高1.3%。这对于推动汽车行业的发展具有重要价值,它大部分来自于价值链核心流程的优化。

1:2025年,人工智能附能的流程优化将驱动整个行业的价值,基于AI的驱动/车辆功能使单个OEM厂商提升竞争力。

2:流程优化不同的是,具有智能驾驶功能的车辆和出行服务可以为整个行业带来大量的价值,只能从长远来看。

 

 

无论从短期还是长期获取价值机会,重要的是,OEM厂商已经开始投资具有智能驾驶功能的车辆,例如,自动驾驶或连接特性,开发人工智能应用程序成功地应用于出行服务。此外,对于OEM厂商来说,利用人工智能提高性能、改进流程,从而获取价值至关重要,它可以为未来5到10年驾驶/车辆功能、出行服务提供资金支持,获得长期投资价值回报。

三、汽车OEM厂商应充分抓住AI创造的价值机遇

OEM厂商应立即行动,利用人工智能技术获取价值,并创建必要的能力,以提供具有竞争力的、以用户为中心的长期服务。OEM想要抓住价值潜力,引领市场,就需要进行全面的人工智能转型。人工智能转型是一个综合的体系,跨越由试验到实践,再到扩大规模的过程。

3.1 全行业价值机会:人工智能附能流程优化

汽车OEM厂商预测到2025年约有2030亿元是人工智能为价值链核心流程优化带来的价值。如图3所示:

在汽车制造商的价值链中,最大的机遇就是影响商品成本的控制杆。因此,最大的绝对成本削减效应存在于制造业(15%的改善)、采购(4%改善)和供应链管理(16%的改进)。

销售和市场营销也提供了有趣的价值机会,部分原因是通过降低成本(提高13%)的底线效应,例如,通过更有效的方式使用营销支出,但主要是受额外收入的影响(总收入增加了0.9个百分点)。这对销售和市场的影响主要集中在减少给顾客的回扣和改善汽车的特点。通过应用机器学习来更好地理解客户的优先级和调整汽车生产,以及车辆到交易的分配,可以减少回扣。

为了更好地理解这些价值机遇在哪里以及如何生成这些价值,金准人工智能专家分析了OEM价值链内的七个主要流程领域:研发、采购、供应链管理、生产制造、销售和市场营销、售后服务和支持功能,包括人力资源、财务和IT。

在这七个主要领域中,通过人工智能的应用程序可以以两种不同的方式创造价值。

基于数据分析生成策略,人工智能通过分析之前无法使用的或无法破解的数据来产生新的见解。然后利用这些新见解,使流程更节省成本或时间效率。例如,预测维护用例能监控图像,声音,以及机器的振动来预测维护时间和执行的方式是否需要优化。

基于人工智能的过程自动化:人工智能促进了以前无法实现的任务的自动化,或者只能以非数字格式提供,例如,在纸质报告中。基于人工智能的自动化的一个重要例子是在研发过程期间进行的产品测试的虚拟化,例如,碰撞测试模拟,其限制了对高成本、实际的碰撞测试的需要。

在自动驾驶全面实现之前,智能辅助驾驶已经商用,且将进一步普及。目前以ADAS(先进驾驶辅助系统)为代表的高新技术装备在车辆上的渗透率正在大幅提升,有望在2018年迎来爆发,2020年,仅ADAS一项的市场规模就将达到近千亿元,年复合增速将超过35%。德国等汽车工业发达国家ADAS已经普及,中国渗透率较低,因此存在巨大市场空间。ADAS应用了传感器、图像识别等AI技术,给了人类眼观八方的能力、提醒人类不要犯类似于疲劳驾驶的错。事实上,自动驾驶也分为L1-L5 不同级别的自动化,部分ADAS已实现L1级别的自动驾驶,特斯拉的AutoPilot则实现了L2级别的自动驾驶,AI辅助人类驾驶已经成为现实。

3:2025年,汽车OEM厂商价值链的细分

 

4:通过促进新产品的产生和自动化,人工智能使OEM厂商能够在价值链的每个阶段捕获新的价值机会。

 

 

 

3.2 OEM厂商竞争优势:以客户为中心的服务

与流程优化不同的是,以客户为中心的服务(驾驶/车辆功能和出行服务)将对整个行业产生有限的短期价值影响。然而,这些服务将在单个OEM厂商的短期竞争力中发挥重要作用,以超越竞争对手,抢占市场份额,并参与新开发的出行市场(如图5所示)。

两个来源为以客户为中心的服务提供价值机会:

重要的用户体验和驾驶/车辆特性。OEM厂商可以通过卓越的数字用户界面和驱动/车辆特性来增加他们的市场份额。市场份额的增加通常是可以实现的,这相当于收入增加了5%到7%,这取决于OEM的类型。然而,对于那些在数字用户体验和驾驶/车辆功能方面落后的OEM厂商来说,一个巨大的影响是潜在的收入风险。根据OEM的类型,大约60%到70%的消费者表示他们愿意为了更好的广告功能而改变他们的品牌,大约35%到45%的消费者愿意为了更好的连接功能而更换他们的OEM厂商(图5)。

新兴的出行市场为OEM厂商提供了另一个有趣的收入机会(2025年大约为3800亿美元)。一些OEM厂商将积极参与并争取在新市场中占有很大份额,而其他一些公司将继续关注传统的汽车收入。尽管这是一个巨大的收益机会,但OEM厂商的盈利能力很大程度上取决于其运营模式和报价的规模。机器学习需要在这里发挥作用,例如,优化共享的车队操作,但是需要由OEM厂商开发一个更广泛的共享移动生态系统来获取这个价值。

显然,智能驾驶/车辆功能和共享出行服务将导致汽车行业的混乱,但很难预测这种破坏将在何时何地发生。但是,从长远来看,汽车OEM厂商的成功将取决于他们提供先进的智能驾驶/车辆功能,并成功地在共享的出行市场上运行。对其他技术中断的回顾研究提供了对这种破坏的潜在范围的看法。例如,在2000年到2014年期间,在旅游行业的数字化中断期间,美国的旅行社数量减少了一半,而在线酒店的收入增长了十倍以上。当汽车行业的中断发生在何时以及如何发生的时候,所有的OEM厂商都需要通过建立提升抗风险能力和资金准备来应对这种情况。

5:相对于OEM厂商在连接性和ADAS(先进驾驶辅助系统)/AD功能上落后的高风险,市场领导者的潜在收益是有限的。

2025年的收入为10亿美元或收入所占百分比

 

3.3 OEM厂商全面实现人工智能转换

OEM厂商应该立即采取行动,从人工智能中获取价值,并建立必要的能力,以提供具有竞争力的以客户为中心的长期服务。要想获得市场的全部价值潜力,就需要进行全面的人工智能转换。这样的人工智能转换是一种集成的过程,它跨越了与实现人工智能核心的试点项目相关的过程,并扩大了规模。

然而,在实现整体转型的过程中,为OEM厂商提供的四个独立的战略行动可以在短期内应用,以使其能够顺利进行,并开始从人工智能中获取价值。

建立标准化的数据生态系统,收集和同步来自不同系统的数据。OEM厂商需要开始确保以结构化的方式收集和聚合现有系统的可用数据。数据必须同步,因为它为进一步的分析和机器学习算法的训练提供了基础。例如,当数据来自不同的系统时,数据的唯一标识和数据之间的关系的定义。除了从OEM系统收集数据。OEM厂商也应该从汽车和第三方那里收集客户、车辆和过程数据,比如经销商系统。更精细的驾驶模式的知识能优化他们的共享活动能力,改进电池和电动汽车的设计,或者更好的计划并运行充电基础设施。

建立合作伙伴系统OEM厂商需要建立一个伙伴生态系统,以缩小知识差距,并限制进入人工智能价值池所需的投资。合作伙伴生态系统很可能包括一般技术伙伴和部门或特定应用程序的特定合作伙伴,例如在制造或供应链中。许多合作伙伴将成为汽车市场的新参与者,为汽车行业带来重要的、高度专业化的能力。在生态系统中,每个伙伴的角色需要被明确定义,其中包括确定所设想的伙伴关系类型。除了长期关注的战略伙伴关系之外,许多OEM厂商还需要短期合作伙伴关系来支持人工智能应用的实现或运营,以及数据采集和建立标准化的人工智能操作系统。

建立人工智能操作系统。为了在人工智能的广泛应用领域进行扩展,OEM厂商需要定义他们的标准化IT堆栈,并将其作为人工智能应用程序的操作系统。这包含了从基础设施到平台和特定服务的各个层包括从标准化的APLs到从不同的系统中获取数据的活动。由此产生的操作系统进一步加快实现,提高生产力,从而创建一个可伸缩的技术骨干。

建立核心人工智能系统和人工智能团队。在人工智能快速落地试验过程中,OEM厂商需要战略性的布局。一些OEM厂商将在公司内部组建人工智能核心团队,其他的则选择通过建立战略合作伙伴关系的方式提升人工智能技术力量,无论何种途径,OEM厂商都要确保在公司不同职能部门中实现人工智能应用程序的持续支持。

为了开始转型,保证长期AI政策的可实施性,OEM厂商应从三个方面采取行动:

确定重点用例并迅速进行试验。在整个用例场景中,OEM厂商需要优先考虑应用程序,以确保其资源的最佳使用。OEM厂商应该首先关注那些可以快速测试和实现的用例,然后再解决需要长期规划和过程调整的更大的用例。对用例进行优先级排序并快速实现试点。第一个试点用例应该快速实现,因为它们可以是人工智能应用程序能够生成的价值类型的早期演示。对于每个主要部门,OEM厂商应该定义他们的前三种人工智能应用程序,并在测试和学习逻辑中实现它们。这使得在大规模应用人工智能应用程序之前,可以在安全的环境中使用。

例如,利用AI技术改变整个汽车的设计、制造、测试等诸多环节,谷歌无人车之父Sebastian Thrun就指出,未来80%的工作会被AI所替代,汽车制造商也可以在工厂里用AI取代工人,目前中国有一些新兴工厂就已经在大量应用机器人,降低成本的同时确保一致性降低错误,尤其是一些对人类安全有威胁的生产环境,更是十分适合应用AI技术,比如汽车行业的测试环节。在这一点上,汽车巨头已在实践,如北汽新能源的智能工厂以智能化的方式实现了客户与厂商信息的透明,供应商的信息集成以及即时的互通,实现了个性化订单的批量化生产。

建立AI核心,其中包括标准化的数据生态系统、合作伙伴系统,以及核心AI团队。随着软件成为业务中更重要的一部分,OEM厂商需要雇佣大量的软件工程师。为了实现这一目标,汽车公司必须为软件工程师和数据科学家创造一个更具吸引力的环境。OEM厂商需要确保被视为与技术公司同样有吸引力的雇主,他们为软件工程师和数据科学家提供有竞争力的薪资和有吸引力的发展机会。

扩大和实施全面的人工智能转型。在快速和利用人工智能核心的基础上,OEM厂商应该扩大并在整个组织中推广人工智能应用。只有这样,OEM厂商才能充分利用人工智能的核心流程的价值潜力。为了实现这一目标,在第一步中,最初在单个工厂或地区实施的试点项目需要在全公司范围内推广。然后,需要为人工智能建立一个形式化的组织,并且应该重新定义流程,以内化人工智能的应用。在试点实施过程中所建立的能力以及他们随后的升级需要被用于智能驾驶/车辆功能出行服务。

这个三步走的人工智能转换策略使OEM厂商能够在流程中捕获短期价值,并有效地为捕获完整的长期价值潜力做好准备。对于单个的OEM厂商来说,在短期内释放的资源需要重新投资,而获得的能力和经验应该被应用到驾驶/车辆功能的开发中

总结

汽车行业是人工智能的重要应用产业,这主要体现在自动驾驶、车联网、电气化和共享出行几个具体领域。金准人工智能专家认为,人工智能技术能提高汽车行业在采购、供应链管理、制造等环节的效率,降低成本,并能从汽车销售和售后市场获取新的收入。人工智能可为整个汽车OEM行业带来价值,同时也是每个汽车OEM企业超越竞争对手的有力武器。报告建议,汽车OEM企业需抓紧开始实施人工智能转型,首先确定重点用例并迅速进行试验;其次,应建立人工智能核心体系(包括数据生态系统、核心AI团队等);最后,汽车OEM企业应扩大规模,实施全面转型,使用人工智能技术获取全部潜在价值。


金准人工智能 博鳌亚洲论坛2018年新兴经济体发展报告(三) 2018-04-12 16:37:17

第 5 章 国际贸易

经历 2016 年的低迷增长后,2017年新兴经济体的国际贸易增长明显回升。这一方面得益于新兴经济体经济的强劲复苏,另一方面也得益于外需的加速增长。与此同时,新兴经济体内部贸易联系有所强化,但保护主义对贸易增长的负面影响仍不可忽视。

5.1 贸易增长强劲且更趋平衡

2015 年和 2016 年全球货物贸易额连续两年出现负增长,全球贸易实际增长率与全球经济增长率之比屡创金融危机后的新低。2017 年 4 月,世界贸易组织(WTO)发布的《贸易统计与展望》报告显示,2015 年和 2016 年全球货物出口总额分别下降13.5%和 3.3%;扣除价格因素后,2016 年世界货物贸易量较 2015 年仅增长 1.3%,并且连续 5 年低于全球经济的实际增速。进入2017 年,全球贸易的实际和名义增速均出现回升。2017 年 9 月,WTO 将 2017 年的全球贸易实际增速预期由此前的 2.4%上调至3.6%。在此背景下,受内外因素的推动,E11 贸易增长的动能不断增强,贸易增速明显回升。

5.1.1 贸易增速明显回升

2016 年以来,E11 按贸易额计算的对外贸易增长速度先抑后扬,呈现明显复苏向好态势。IMF 数据显示,2016 年 E11 货物贸易总额为 80,255.58 亿美元,较 2015 年减少4,952.61 亿美元。其中,出口额为 43,239.01亿美元,较 2015 年减少 3,092.37 亿美元;进口额为 37,016.57 亿美元,较 2015 年减少1,860.24 亿美元。2016 年中国货物贸易总额为 37,260.55 亿美元,保持全球第一地位;排在第二位的美国货物贸易总额为36,428.77亿美元。2017 年上半年,E11 货物贸易总额达到 42,730.31 亿美元,较 2016 年同期增加4,826.29 亿美元。其中,出口额为 22,704.30亿美元,较2016年同期增加2,220.50亿美元;进口额为 20,026.02 亿美元,较 2016 年同期增加 2,605.79 亿美元。联合国贸易和发展会议数据显示,2016 年 E11 服务贸易总额达到17,040.13 亿美元,较 2015 年减少 276.42 亿美元。其中,出口额为 6,755.85 亿美元,较2015 年减少 160.39 亿美元;进口额为10,284.29 亿美元,较 2015 年减少 116.03 亿美元。2016 年中国服务贸易总额为 6,607.40亿美元,保持世界第二位;排在第一位的美国服务贸易总额为 12,570.21 亿美元;德国排在第三位,为 5,860.30 亿美元。2017 年上半年,E11 服务贸易总额达到 8,777.18 亿美元,较 2016 年同期增加 623.47 亿美元。其中,出口额为 3,394.03 亿美元,较 2016 年同期增加130.30亿美元;进口额为5,383.15亿美元,较 2016 年同期增加 493.17 亿美元(见表 5.1)。



从贸易增速来看,E11 对外贸易总体增速在经历2016年的下降后在2017年迅速回升。在货物贸易方面,2016 年 E11 名义增长率为-5.8%,较同期世界货物贸易增长率低 2.9 个百分点。其中,出口额和进口额分别下降 6.7%和 4.8%。2017 年上半年,E11 货物贸易总额大幅上涨,较 2016 年同期增加 12.7%,比同期世界货物贸易增长率高4.1个百分点。其中,出口额和进口额较 2016 年同期分别增加10.8%和 15.0%。在服务贸易方面,2016 年E11 名义增长率为-1.6%,降幅较 2015 年收窄 4.7 个百分点。其中,出口额较 2015 年下降 2.3%,进口额较 2015 年下降 1.1%。2017年上半年,服务贸易总额较 2016 年同期增加7.6%,扭转了 2016 年同期的下行趋势。其中,出口额较 2016 年同期增加 4.0%;进口额较2016 年同期增加 10.1%。

分国别来看,2017 年上半年 E11 各经济体的货物贸易额较 2016 年同期均出现不同程度的增加。尤其是对沙特阿拉伯、俄罗斯、巴西、印度尼西亚和南非等油气和原材料出口国而言,大宗商品价格的回升带动出口贸易强劲回暖。IMF 数据显示,在 E11 中,2017 年上半年沙特的货物出口额增幅较大,为 32.5%;其次为俄罗斯、南非、巴西和印度尼西亚,分别较 2016 年同期增加 29.2%、23.3%、20.2%和 18.7%。在货物进口方面,在 E11 中除沙特阿拉伯同比增幅下降 13.8%外,其他国家均有所增长。其中,俄罗斯同比增幅最大,为27.1%;其次为印度和中国,同比分别增长24.3%和 17.7%。在服务贸易方面,在 E11 中,2017 年上半年除沙特阿拉伯、韩国和土耳其同比增长率有小幅下降外,其他各国均有所上升。其中,俄罗斯同比增幅最大,为 18.2%;阿根廷、南非、墨西哥和印度紧随其后,分别增长 14.7%、14.1%、11.5%和 10.9%;沙特阿拉伯、韩国和土耳其同比分别下降 2.4%、1.5%和 0.2%;中国同比上升 8.7%。

5.1.2 贸易份额止跌上扬

2016 年,E11 的货物和服务贸易在世界贸易中的份额变化延续 2014 年以来的下降趋势,但进入 2017 年后,这一势头开始扭转。在货物贸易方面,E11 对外贸易总额占全球贸易的份额回升缓慢。IMF 数据显示,2016年 E11 对外贸易总额占全球贸易的份额为25.1%,较 2015 年下降 0.8 个百分点,其中进口份额为 22.9%,较 2015 年下降 0.5 个百分点;出口份额为 27.3%,较 2015 年下降 1.0 个百分点。2017 年上半年,E11 的货物贸易份额较2016年小幅增加0.2个百分点至 25.3%,其中出口份额较 2016 年下降 0.2个百分点,进口份额则增加 0.7 个百分点(见图 5.1)。分国别来看,2016 年中国占全球贸易的份额为 11.6%,较 2015 年下降 0.2 个百分点;韩国为 2.8%,较 2015 年下降 0.1个百分点;墨西哥为 2.4%,与 2015 年基本持平。2017 年上半年,E11 中货物贸易额居前五位的中国、韩国、墨西哥、印度和俄罗斯占全球贸易的份额分别为 11.3%、2.9%、2.4%、2.1%和 1.6%。



在服务贸易方面,由于 E11 国内消费结构的转型以及服务业对外开放水平的进一步提升,E11 的进口总额占全球服务贸易进口额的份额大幅上升。联合国贸易和发展会议数据显示,2016 年 E11 服务贸易总额占全球服务贸易的份额为 18.0%,较 2015 年下降0.4 个百分点,其中出口和进口份额均下降0.4 个百分点。2017 年上半年,E11 的服务贸易份额较 2016 年上升 0.7 个百分点至18.7%,其中出口份额仅增加 0.1 个百分点,进口份额上升 1.3 个百分点(见图 5.2)。尽管 2016 年 E11 服务贸易总额占全球服务贸易的份额有所下降,但分国别来看,印度、中国、墨西哥、阿根廷和印度尼西亚均有小幅上升。其中,印度的服务贸易份额较 2015年上升 0.14 个百分点至 3.12%,中国上升0.03 个百分点至 6.98%,墨西哥上升 0.02个百分点至 0.61%。2017 年上半年,得益于国际贸易环境的改善和服务贸易潜力进一步挖掘,主要新兴经济体在全球服务贸易中的地位进一步提升。联合国贸易和发展会议数据显示,2017 年上半年中国、印度、俄罗斯、巴西和南非在全球服务贸易中的份额分别为7.20%、3.40%、1.43%、1.08%和 0.34%,分别较 2016 年增加 0.21 个、0.28 个、0.11个、0.05 个和 0.03 个百分点。



5.1.3 贸易发展更趋平衡

由于 2016 年 E11 进口降幅小于出口,2017 年上半年 E11 进口增幅大于出口,E11的贸易发展更趋平衡。IMF 数据显示,2016年 E11 的货物贸易顺差额为 2,693.99 亿美元,较 2015 年减少 1,276.49 亿美元,降幅达 32.1%。 其 中 , 货 物 贸 易 实 现 顺 差6,222.43 亿美元,较 2015 年减少 1,232.13亿美元,降幅为 16.5%;服务贸易逆差额为3,528.44 亿美元,较 2015 年增加 44.36 亿美元,增幅为 1.3%。进入 2017 年,由于货物贸易顺差进一步下降,同时服务贸易逆差扩大,E11 的对外贸易顺差大幅收窄。联合国贸易和发展会议数据显示,2017 年上半年,E11 的对外贸易顺差额为 689.16 亿美元,较 2016 年同期下降 52.1%。其中,货物贸易实现顺差 2,678.28 亿美元,较2016 年同期下降 12.6%;服务贸易逆差额为 1,989.12 亿美元,较 2016 年同期上升22.3%(见表 5.2)。



为此,E11 的经常项目占 GDP 的比例持续下降。IMF 数据显示,2016 年 E11 的经常项目顺差为 1,574.27 亿美元,占 GDP 比例为 0.7%,较 2015 年下降 0.3 个百分点;根据测算,2017 年这一比例有望进一步降至0.5%。2016 年 G7 的经常项目赤字占 GDP比例为 0.3%,较 2015 年下降 0.2 个百分点,2017 年这一比例将与 2016 年基本持平(见图 5.3)。E11 的外部经济不平衡的持续缓解与其国内经济结构调整不无相关,同时表明主要新兴经济体的经济增长正逐步摆脱过度依赖出口的状况,而更加倚重内生动力。



分国别来看,2016 年 E11 各国的外部经济不平衡问题均有所缓解,预计 2017 年有所分化。IMF 数据显示,2016 年 E11 中除阿根廷的经常账户占 GDP 比例与 2015 年持平外,其他国家均顺差或逆差占 GDP 比例均不同程度下降。其中,韩国经常账户顺差占GDP比例从 1999 年以来的最高水平降至 7.0%,中国下降 1.0 个百分点至 1.7%,俄罗斯下降3.0 个百分点至 2.0%。经常账户逆差占 GDP比例最高的沙特阿拉伯,2016 年较 2015 年下降了 4.4 个百分点至 4.3%。根据 IMF 估算,2017 年韩国和中国的经常账户顺差占GDP 比例分别进一步降至 5.6%和 1.4%,但俄罗斯的经常账户顺差占 GDP 比例上升至2.8%;阿根廷、土耳其、印度和巴西的经常账户逆差占 GDP 比例将可能扩大,其中阿根廷和土耳其分别增加 0.9 个和 0.8 个百分点至 3.6%和 4.6%。

5.2 贸易保护主义仍值得警惕

2008 年国际金融危机爆发后,全球贸易保护主义日益盛行。在金融危机后 10 年的今天,各国政策的保护主义倾向仍然十分严重,保护主义对包括新兴经济体在内的世界各国对外贸易的负面影响仍十分显著。尽管全球主要国家的贸易保护主义措施总体有所减少,但值得注意的是,部分国家仍在不断加大保护主义力度,全球贸易环境的根本好转尚需时日。

5.2.1 全球新增贸易保护主义措施减少

根据英国经济政策研究中心(CEPR)全球贸易预警数据库统计资料,2009 年至 2017年,E11 实施的贸易保护主义措施总计达3,893 项,平均每个经济体为 353.9 项;G20中 8 个发达国家实施的贸易保护主义措施总计达 3,946 项,平均每个经济体为 493.3 项,比前者高 139.4 项。2017 年,E11 新增贸易保护主义措施总计为 249 项,较 2016 年减少114 项,平均每个经济体新增 22.6 项;G20中发达国家新增贸易保护主义措施总计达314项,较 2016 年减少 103 项,平均每个经济体新增 39.3 项(见表 5.3)。这表明,总体上全球主要经济体的贸易保护主义势头有所减弱。



分国别来看,一些国家为了自身短期利益加大了贸易保护主义力度,并成为全球贸易保护主义的重要推手。根据全球贸易预警数据库统计资料,2009 年至 2017 年美国实施的贸易保护主义措施高达 1,378 项,居全球首位,平均每年出台 153.1 项贸易保护主义措施;排在第二位的印度为 788 项;德国为 771 项,排名第三;俄罗斯、阿根廷和巴西紧随其后,分别为 595 项、516 项和 464项(见图 5.4)。2017 年,全球新增贸易保护主义措施最多的国家为美国,新增 143 项,较 2016 年增加 32 项;其次是印度,2017年新增 73 项,较 2016 年增加 10 项。在 G20国家中,墨西哥新增贸易保护主义措施最少,为 6 项,较 2016 年减少 9 项;韩国和沙特阿拉伯也分别仅新增 8 项和 9 项。



作为最大的新兴经济体,中国是贸易救济措施的首要目标国。2017 年,中国继续成为全球遭遇反倾销和反补贴调查最多的国家,但案件数量和涉案金额均较 2016 年有所下降。根据中国商务部统计数据,2017 年中国共遭遇 21 个国家(地区)发起贸易救济调查 75 起,较 2016 年减少 44 起;涉案金额为 110 亿美元,较 2016 年减少 33.4 亿美元。此外,中国遭遇美国发起 337 调查 24 起,涉案金额超过 25 亿美元。中国的钢铁、铝、光伏、轮胎、家电、化肥等诸多出口产品因此受到影响。

5.2.2 贸易自由化的推动力明显不足

尽管包括 E11 在内的全球主要经济体的贸易保护主义势头有所减弱,但在贸易自由化方面的推动力明显不足。全球贸易预警数据库统计资料显示,2009 年至 2017 年,E11推行的贸易自由化措施为 1,769 项,其中2017 年新增 136 项;同期,G20 中的发达国家推行的贸易自由化措施为 760 项,其中2017 年新增 69 项。相比发达经济体,新兴经济体在促进贸易自由化方面发挥了更为积极的作用。分国别来看,2017 年 E11 中的巴西、阿根廷和印度尼西亚出台的贸易自由化措施较多,分别为 38 项、24 项和 17 项。同期,G20 发达国家中的美国出台的贸易自由化措施较多,为 38 项;其次为加拿大、法国、德国、意大利和英国,均增加了 6 项(见表 5.4)。



在多边框架下,WTO 在促进贸易便利化方面取得重大进展。2013 年 12 月,WTO 巴厘岛部长级会议上通过了 《贸易便利化协定》(TFA)。2014 年 11 月,WTO 通过有关议定书,交由各成员履行国内核准程序。2017年 2 月 22 日,在卢旺达、阿曼、乍得以及约旦向 WTO 提交批准书后,接受该协定的成员达到 112 个,超过 WTO 成员总数的三分之二,该协定正式生效。《贸易便利化协定》分为三大部分,共 24 条。第一部分包括第 1条至第 12 条,规定了各成员在贸易便利化方面的义务,涉及信息公布、预裁定、货物放行与结关、海关合作等方面 40 项贸易便利化措施;第二部分包括第 13 条至第 22 条,规定了发展中国家成员在实施该协定第一部分时可享受的特殊和差别待遇,主要体现在实施期和能力建设两个方面;第三部分包括最后两条,涉及机构安排和最后条款,规定成立 WTO 贸易便利化委员会及各成员内部配套措施,还包括该协定适用争端解决机制。根据测算,完整履行《贸易便利化协定》将会使全球贸易成本节约约14.3%。

5.3 贸易合作呈现新趋势

长期以来,发达经济体在 E11 对外贸易中占据十分重要的地位,E11 对发达经济体的贸易依存度也相对较高。但在 2017年以来,由于新兴市场与发展中经济体经济的良好复苏,E11 内部以及 E11 同新兴市场与发展中经济体之间的贸易联系有所加强。

5.3.1 发达经济体占 E11 的贸易份额出现下降

总体来看,E11 的贸易伙伴主要是发达经济体,但由于主要发达经济体的贸易保护主义倾向加重,发达经济体占 E11 的贸易份额持续上升势头出现逆转。IMF 数据显示,2016 年 E11 同新兴市场与发展中经济体之间的货物贸易额为 32,205.32 亿美元,而同发达经济体之间的货物贸易额达 46,347.75亿美元(见表 5.5),后者约为前者的 1.44 倍;2017 年上半年,E11 同新兴市场与发展中经济体之间的货物贸易额为 17,759.14 亿美元,同发达经济体之间的贸易额为24,181.88亿美元,后者约为前者的 1.36 倍。分国别来看,2016 年 E11 中的墨西哥、中国、俄罗斯、土耳其、沙特阿拉伯和印度尼西亚 6 国同发达经济体之间的货物贸易额高于同新兴市场与发展中经济体之间的货物贸易额,分别高出311.2%、94.7%、11.1%、10.4%、8.3%和5.7%;2017 年上半年,E11 中的墨西哥、中国、俄罗斯、土耳其和沙特阿拉伯 5 国同发达经济体之间的货物贸易额仍高于同新兴市场与发展中经济体之间的货物贸易额,分别高出325.6%、80.5%、14.3%、2.7%和 2.6%。

从相对份额来看,2017 年 E11 同新兴市场与发展中经济体之间的贸易联系呈现增强势头。2016 年,发达经济体占 E11 对外贸易的份额较2015年进一步上升0.4个百分点至59.0%,而新兴市场与发展中经济体占 E11对外贸易的份额则相应地从 2015 年的41.4%降至 41.0%;2017 年上半年,发达经济体占 E11 对外贸易的份额出现扭转,较2016 年下降 1.3 个百分点至 57.7%,而新兴市场与发展中经济体占 E11 对外贸易的份额则相应地上升至 42.3%(见图 5.5)。这表明,尽管发达经济体仍是新兴经济体的主要贸易伙伴,但新兴市场与发展中经济体之间的贸易潜力正逐步释放。



5.3.2 内部贸易联系加强

由于新兴经济体需求上升,经济回暖,E11 各国之间的贸易额在经历 2016 年的小幅下降后于 2017 年开始回升。IMF 数据显示,2016 年 E11 内部货物贸易总额为18,514.02 亿美元,较 2016 年下降 7.1%;同期 E11 对外货物贸易总额下降 5.8%,比E11 内部贸易增速高 1.3 个百分点。其中,2016 年 E11 内部货物出口总额为 8,435.28亿美元(见表 5.6),较 2015 年下降 8.2%;同期 E11 对外货物出口额下降 6.7%,比 E11内部出口增速高1.5个百分点。进入2017年,E11 内部贸易额总体有所增加。2017 年上半年,E11 内部货物贸易总额为 10,144.48 亿美元,较 2016 年同期增加 16.2%;同期 E11对外货物贸易额增加 12.7%,比 E11 内部贸易增速低 3.5 个百分点。



分国别来看,贸易联系不平衡仍是 E11各国经济合作的主要特点之一,并且经济规模与地域因素对 E11 各经济体之间的贸易联系影响较大。2016 年,中国同其他 E11 国家之间的货物贸易额最高,为6,713.65亿美元;其次为韩国,贸易额为 3,076.24 亿美元;排在最后的南非同其他 E11 国家之间的货物贸易额仅为 396.07 亿美元。2017 年上半年,中国、韩国同其他 E11 国家之间的货物贸易额分别为 3,633.92 亿美元和 1,671.99 亿美元,南非为 222.56 亿美元(见表 5.7)。从双边贸易来看,中国在 E11 贸易中占据重要地位。从 2017 年上半年货物贸易数据来看,中国是巴西、印度、印度尼西亚、韩国、墨西哥、俄罗斯、沙特阿拉伯、南非和土耳其在E11中的最大贸易伙伴;巴西是阿根廷在E11中的最大贸易伙伴;韩国是中国在 E11 中的最大贸易伙伴。



从贸易份额来看,2017 年 E11 内部贸易占 E11 对外贸易总额的比例持续下降的势头得到抑制,并超过 2015 年的水平。IMF 数据显示,2016 年 E11 内部贸易占 E11 对外贸易总额的比例为 23.1%,较 2015 年下降0.3 个百分点。分国别来看,E11 内部贸易在土耳其和韩国对外贸易的地位下降较快,货物贸易份额分别较 2015 年下降 1.7 个和 1.3个百分点;E11 内部贸易在印度尼西亚的货物贸易份额上升幅度最大,为 1.6 个百分点。2017 年上半年,E11 内部贸易占 E11 对外贸易总额的比例较2016年上升0.6个百分点至23.7%,较 2016 年同期则上升 0.7 个百分点(见表 5.8)。



5.3.3 自贸区建设艰难推进

在以美国为代表的主要发达经济体政策内顾倾向加重的背景下,全球自由贸易谈判的动力明显不足。一些双边和多边自由贸易区谈判久拖不决,难以达成共识。即便达成协定,也难以得到有效实施,或者在贸易自由化和便利化方面的推进力度上大打折扣。尽管如此,包括 E11 在内的很多国家仍在积极推动建立新的自由贸易区。

在美国总统特朗普宣布退出跨太平洋伙伴关系协定(TPP)后,除美国外的其他11 个成员为推动达成新的协定不懈努力。2017 年 11 月,澳大利亚、文莱、加拿大、智利、日本、马来西亚、墨西哥、新西兰、秘鲁、新加坡和越南 11 国贸易部长在越南岘港市举行的亚太经合组织领导人非正式会议期间决定继续推动 TPP,并将其改名为全面先进的跨太平洋伙伴关系协定(CPTPP)。2018 年 1 月,11 国代表在东京就协定文本达成共识,并计划于 3 月在智利举行签署仪式。CPTPP 的签署无疑将对新兴经济体与发达经济体之间的经贸关系发展带来积极影响。

WTO 区域贸易协定数据库资料显示,2016—2017 年仅有 9 项签署并生效的双边和多边贸易协定涉及 E11 中的阿根廷、巴西、韩国、墨西哥、俄罗斯、南非和土耳其等国,分别为南方共同市场—南部非洲关税同盟自由贸易协定、太平洋联盟协定、阿根廷—巴西自由贸易协定、韩国—哥伦比亚自由贸易协定、欧亚经济联盟—越南自由贸易协定、欧盟—南部非洲发展共同体自由贸易协定、土耳其—摩尔多瓦自由贸易协定、南方共同市场—墨西哥自由贸易协定及南方共同市场—智利自由贸易协定(见表 5.9)。贸易协定类型涉及自由贸易协定(FTA)、经济一体化协定(EIA)和局部自由贸易协定(Partial ScopeAgreement,PSA)等形式。



6 章 国际直接投资

2016年以来,全球外商直接投资(FDI)未能延续 2015年的增长势头,总体规模持续下滑。但是,一些经济增长表现较好并鼓励对外直接投资和大力吸引外商直接投资的经济体,FDI 流出和流入仍保持较好的增长势头。E11 各国的 FDI 发展形势同样呈现分化格局。

6.1 直接投资增长乏力且分化明显

近三年,全球 FDI 复苏逐步巩固,但增长出现波动。根据 2017 年 8 月联合国贸易和发展会议发布的数据,在 2015 年全球 FDI流入额较 2014 年大幅增长 34.0%至 1.774万亿美元后,2016 年全球 FDI 流入额同比下降 1.6%,降至 1.746 万亿美元。2017 年,全球 FDI 发展仍面临诸多挑战,增长形势远低于预期。从不同类别的国家群体以及分国别/地区来看,FDI 流入和流出增速分化加大。

6.1.1 全球直接投资加速下滑

2016年全球FDI增速的分化既表现为不同类别国家群体以及不同国家之间的分化,也表现为一些主要经济体流入与流出增速上的分化。这表明国际直接投资发展不平衡现象在一定范围内有所加剧。

FDI 流入方面,2016 年发展中经济体与转型经济体的 FDI 规模较 2015 年有所下降。联合国贸易和发展会议数据显示,2016年发展中经济体与转型经济体 FDI 流入额为7,138 亿美元,较 2015 年下降 9.6%,流入规模较发达经济体少 3,185.71 亿美元。同期,发达经济体的 FDI 流入额为 10,323.73亿美元,较 2015 年增长 4.9%,流入规模创 2008 年金融危机以来的最高水平,仅次于 2007 年 12,838.08 亿美元的历史最高水平(见图 6.1)。

FDI 流出方面,2016 年发展中经济体与转型经济体的 FDI 规模为 4,085.25 亿美元,较 2015 年进一步下降 3.1%;流出规模不足发达经济体的四成。同期,发达经济体的 FDI 规模为 10,438.84 亿美元,较 2015年下降 11.0%(见图 6.2)。发达经济体 FDI流出乏力主要源于一些欧洲发达国家企业对外投资急剧下降。

进入 2017 年,由于全球主要国家经济环境的不确定性加大,全球 FDI 规模的下降幅度较 2016 年有所扩大。



2018年1月联合国贸易和发展会议《投资趋势监测》报告的估算,2017 年全球 FDI 流入额为 1.518万亿美元,较 2016 年下降 16%。其中,发达经济体 FDI 流入额为 8,100 亿美元,较2016 年下降 27%;发展中经济体 FDI 流入额为 6,530 亿美元,较 2016 年增长 2%;转型经济体 FDI 流入额为 550 亿美元,较 2016年下降 17%。2017 年全球跨境并购额较2016 年下降 23%至 6,660 亿美元。其中,发达经济体并购额为 5,530 亿美元,较 2016年下降 30%;发展中经济体和转型经济体跨境并购活跃,跨境并购总额分别较 2016 年增长 44%和 157%。2017 年全球绿地投资额为 5,710 亿美元,较 2016 年下降 32%。其中,发达经济体绿地投资额有所增加,增幅为 11%;发展中经济体和转型经济体的绿地投资额分别较 2016 年下降 49%和 56%(见表 6.1)。


6.1.2 增速呈现分化格局

值得注意的是,尽管全球直接投资在2016 年显现颓势,但二十国集团(G20)、七国集团(G7)和金砖国家(BRICS)等全球主要经济集团的 FDI 流入与流出均保持良好的增长态势。在流入方面,2016 年 G20成员首次创纪录地突破万亿美元,达到11,472.8 亿美元,较 2015 年增长 29.1%;流入 G7 成员的直接投资额较上年增长45.5%至 7,568.7 亿美元;BRICS 成员吸引了 2,768.0 亿美元的直接投资,较 2015 年增长 7.5%。在流出方面,2016 年 G20 的直接投资额较 2015 年增长 7.0%至 8,513.0 亿美元;G7 的直接投资额较 2015 年增长 6.6%至 6,127.1 亿美元;BRICS 直接投资额增长最为强劲,较 2015 年增长 20.7%至2,064.4 亿美元。总体来看,G20、G7 和BRICS 均实现 FDI 净流入,净流入额分别为2,959.7 亿美元、1,441.6 亿美元和 703.6 亿美元(见表 6.2)。

根据 2018 年 1 月联合国贸易和发展会议《投资趋势监测》报告的估算,2017 年美国、中国、中国香港、荷兰、爱尔兰、澳大利亚、巴西、新加坡、法国和印度为全球十大 FDI 目的地。美国吸引的外资规模最大,为 3,110 亿美元。在 E11 中,中国吸引外资额为 1,440 亿美元,较 2016 年增长约 8%;巴西为 600 亿美元,较 2016 年增长约 2%;印度为 450 亿美元,较 2016 年增长约 1%。

6.1.3 净流入下降远超预期

尽管 2016 年 E11 的 FDI 流入总体上仍延续了上年的下降趋势,但 FDI 流出有所增加,同时 FDI 净流入进一步下降。2017 年 8月联合国贸易和发展会议的数据显示,2016年 E11 的 FDI 流入总额为 3,422.11 亿美元,较 2015 年下降 1.8%。其中,印度尼西亚、阿根廷和土耳其的降幅较大,分别较 2015年下降 84.0%、51.1%和 30.5%;而俄罗斯、韩国和南非则分别较 2015 年增长 217.7%、163.8%和 31.3%;中国的 FDI 流入额为1,337.00 亿美元,较 2015 年下降 1.4%。得益于中国、韩国和沙特阿拉伯 FDI 流出额的大幅增加,2016 年 E11 的 FDI 流出总额较2015 年增长 4.5%,为 2,325.79 亿美元。这表明 E11 对外投资能力有所增强。在“一带一路”建设的推动下,2016 年中国的对外直接投资额较 2015 年增长了 43.5%,达1,831.00 亿美元,创历史新高,并首次成为全球第二大对外投资国。韩国和沙特阿拉伯的 FDI 流出额也大幅增加,分别较 2015 年增长 14.8%和 55.1%。由于 FDI 流入额下降而流出额增加,2016 年 E11 的 FDI 净流入总额较 2015 年下降了 13.0%,为 1,096.32亿美元。其中,中国首次成为 FDI 净流出国,净流出额为 494.00 亿美元(见表 6.3)。

6.1.4 流出份额显著回升

由于部分国家经济与政治的不稳定因素增加,E11 在吸引外资方面的竞争力总体有所下降。从 FDI 流量来看,E11 占全球 FDI 的份额在经历2015 年的大幅下降后,2016 年仍未扭转下降势头。联合国贸易和发展会议数据显示,2015年E11占全球FDI流入的份额较2014年减少 7.1 个百分点,为 19.7%;2016 年 E11占全球 FDI 流入的份额继续减少 0.1 个百分点至 19.6%,创近年新低。2015 年 E11 占全球FDI 流出的份额较 2014 年减少 7.2 个百分点后,2016 年这一份额较 2015 年增加了 2.0 个百分点至16.0%(见图6.3)。尽管E11 在全球FDI 中的份额仍处低位,但由于 FDI 流出的稳步增加,E11 的 FDI 流入与流出占全球的份额之间的差距缩小,两者仅相差3.6 个百分点。

FDI 的存量来看,无论是流入还是流出,E11 占全球的份额持续增加。联合国贸易和发展会议数据显示,2016 年 E11 的 FDI流入存量约为 4.16 亿美元,占全球 FDI 流入存量的份额为 15.8%,比 2015 年增加 0.8个百分点,较 2000 年增加 6.3 个百分点;同期 E11 的 FDI 流出存量约为 2.78 亿美元,占全球 FDI 流出存量的份额为 10.6%,比 2015年增加 0.8 个百分点,较 2000 年增加 8.0 个百分点。2016 年 G20 中的 8 个发达经济体的 FDI 流入存量约为 11.12 万亿美元,占全球 FDI 流入存量的份额为 41.6%,比 2015年增加 0.9 个百分点,较 2000 年下降 18.4个百分点;同期 FDI 流出存量约为 13.94 万亿美元,占全球 FDI 流出存量的份额为53.3%,比 2015 年减少 0.3 个百分点,较2000 年减少 20.0 个百分点(见表 6.4)。








金准人工智能 深度学习在医疗影像分析中的应用 2018-04-12 16:35:51

前言

现代医学影像取得重大进步的一个原因,其实就是基于不同成像设备的巨大发展,比如CT断层成像、核磁共振扫描、三维超声等,都可以在没有创伤或微创的情况下,观察人体内部的细微组织结构,在疾病的早期检测、找到疾病的病因以及病灶位置方面带来了极大的增强,从而可以让医生尽早确定治疗方案。另外,在人体的不同部位,不同疾病的表现方式也都不太一样,检测方法也不一样,市场上的一些人工智能产品针对不同的成像仪器,涵盖了人体的多个部位,来对一些高发以及高危的疾病进行智能辅助诊断。现在大多着重的是比较高危害的疾病,包括各种恶性的癌症、心血管常见疾病以及脑血管疾病等。

现在世界卫生组织预测21世纪人类第一杀手,就是一些常见的恶性癌症。全球每年大概有700万人死于癌症,而在中国,恶性肿瘤发病率也非常高,每年发病率平均在160万左右,死亡数量也相当高,达到130万,恶性肿瘤在所有的死亡病例里面占了1/5左右,是现代危害非常严重的一种疾病。而肺癌更是恶性肿瘤里面发病率最高的恶性肿瘤之一,其五年生存率仅仅为15%左右。

从上图我们可以看到肺癌在男性发病率里面是最高的,女性群体中乳腺癌是最高的,而其次就是肺癌。因此肺癌在整个恶性肿瘤中是最严重的一种,但是实际上我们也不应该谈癌变色,而是要尽早地发现和治疗,这样才能提高治愈率。


一、低剂量胸部扫描是否能识别结节的良恶性

肺癌之所以可怕,是因为它的初期症状非常不明显,很容易被忽略掉,而到了晚期则会发生癌细胞转移,导致治疗非常困难。美国肿瘤协会一系列的研究表明,检测肺部结节是早期发现肺癌的一个非常有效的手段。由于肺部结节肿瘤的尺寸很小,在传统的X-ray胸部透视平片上是很难看到的,而通过低剂量CT进行早期筛查,能够极大地提高早期肺癌的诊断率。

我们知道,CT断层成像是分辨率非常高的三维成像,所以它的数据量也非常大。每个病人基本上都有几百张断片成像,这样就导致了医生诊断非常困难,花的时间也非常多。由于它诊断的困难性,所以有不少人在很早期时就提出来用计算机辅助诊断,利用计算机的大运算量来帮助医生进行诊断,一直到深度学习的出现,才使得这个想法变得可行,因为早期诊断算法的诊断效率以及准确率都比较低,不能达到实用的要求。随着深度学习的出现,在各种诊断率上面有了显著的提高,也使得计算机辅助诊断的想法成为了可能。

就肺癌诊断这个方向来说,其实绝大多数其他疾病的诊断跟肺癌诊断的应用场景是比较相似的。由于数据量非常庞大,由医生一张张来找是非常困难的一件事情。所以,我们可以通过算法来自动进行疾病的病灶检测和定位,在进行了病灶的定位以后,还可以做一些辅助性的定性分析,比如结节的良恶性判断等工作,由于有随访的要求,那么一个病人可能是在经过半年时间左右再回来复查的时候,我们需要了解结节的变化大小,所以这些数据由计算机来计算,就非常方便。深度学习由于它快速有效的运算以及非常高的精度,使得其在不少实际的识别问题中已经达到了接近人的视觉经验的水平,同时它是比较智能化的,可以通过大量数据的训练来增强它的准确性。

深度学习应用在医学中也可以去生成自动学习的特征来进行疾病的识别和判断,也可以自动生成结构化的诊断报告,辅助进行科学研究以及教学培训。

二、深度学习较之传统CAD技术的优势

那么传统的CAD技术为什么达不到这些效果呢?在传统的CAD技术里,主要是通过医学影像分析,由那些有很多经验的人来设计一些比较适合做不同类型疾病检测的特征值,比如纹理分析、边缘检测以及物体检测的各种不同的特征函数,比如SIFT或HoG等。

但是这些特征的训练完全是通过人来实现的,而人需要去看大量的病例,然后从数据中总结出经验,而且不可能用太多的特征来做这件事情,所以导致了疾病的诊断率一直上不来,同时在面对不同疾病的时候,又需要设计一套完全不同的特征向量,这也是传统CAD技术没办法很快地应用到医学的不同领域中去的原因。

随着深度学习技术的出现,它对我们最大的贡献是提供了一套可以从大量数据中自动学习最有效特征的算法。其实它也是在模拟人的视觉系统及识别系统中的一些实现方式,比如,以前人是通过看大量的图像来人为地选取特征,而现在变成利用梯度的反向传播原理来自动提取特征向量。

深度学习的另外一个好处,就是它在训练的过程中,一直专注于优化准确率,而且它可以通过看大量的训练数据来实现最优的准确率,如果让人类来做这个设计的话,几乎是不可能实现的。我们不可能去把所有的图都去算一遍,然后去调整阈值,调整各种权重之类的参数来达到最优,现在这些都是由具备超强运算能力的GPU来实现的。

上图显示深度学习训练出来的特征向量,我们可以看到,其实在前几层的时候,深度学习选出来的特征向量跟人选出来的特征值是非常接近的。比如各种不同角度的edge detection,以前人类来设计特征向量也有各种角度多个尺度的Gabor Filter Bank等这些设计,相比来说其实是非常类似的。但是人没办法进入更高层的抽象,所以导致识别的效率没有那么高,可以看到,在后面几层识别出来的这些特征,就比较接近每个元部件的组成。

可以看到,如果我们要识别不同物体的种类,比如树、猫、狗等,那么深度学习一开始在所有网络里面的权重都是随机选取的,这时它出来的结果很可能是完全没有道理的,比如给它一张猫的图片,它可能认为是乌龟,但是我们因为有这个类型的标识,所以我们可以知道这个做错了,这时它就可以把错误反向传播,同时希望使得给出的正确路径得到进一步的增强,而错误的路径则得到进一步的抑制,经过多次这样的循环以后,得到准确的特征向量。

整个学习的过程在早期是没办法实现的,电脑的计算能力虽然一直有非常快速的增长,也符合之前的摩尔定律,但即使如此,计算能力也一直没办法进行这么大规模的训练量,而随着NVIDIA GPU的出现,运算能力已经远远超过原来摩尔定律的设定,最主要原因当然是因为GPU可以进行大规模的并行计算,我们知道这些特征的计算都是基于一个小的区域来进行的,而在整张图像上的不同地方都是可以并行计算的。随着GPU的发展,不同深度学习网络的运算速度尤其是训练的速度已经显著增强,GPU比CPU的速度要快出好几百倍。

因为针对的是三维医学图像,所以算法使用的是三维卷积网络,在三维的情况下,计算量更大,因此GPU的效果在我们实际机器上做出来的benchmark中,GPU效率使CPU的500多倍,在做最终推理的时候,大概是2000多倍。

DGX Workstation之前用的P100 GPU比较,DGX的运算速度比P100要快一倍左右,在训练和推理过程中,基本上都是超过一倍的速度。

金准人工智能专家认为,无论是对于模型参数的调整还是试验不同的模型,训练速度是十分重要的,所以现在如果能加快训练模型的速度,对研发是非常有好处的。

三、深度学习在医学影像分析应用场景

1.智能肺结节诊断分析系统

深度学习在医疗上已经取得了非常广泛的应用,比如各种Pathology的图像、脑影像的立体分割、基因序列预测、眼底视网膜成像,还有最新的Nature杂志上的皮肤癌诊断等。

智能肺结节诊断系统实现了多个功能,就像前面列的在医疗场景里的应用一样,智能肺结节诊断系统帮助医生实现好几个不同的功能,包括结节的检测、对结节进行分割,然后给一些定量定性的分析,也可以对结节的不同时期的随访病人跟踪其每个结节在时间上的变化,然后是结节的检索,可以看出过去类似结节的分析结果,以及对结节做出最终的良恶性判断,判断它是哪个类型的,是良性还是恶性,最后还可以自动生成报告,整个流程极大地加速了医生的诊断过程。

整个系统花一分钟左右的时间就能够完成所有肺结节的诊断,而对肺结节诊断的敏感性达到96.7%,良恶性判断的准确率为90%,相当于高年制副主任医师的水平。

智能肺结节诊断系统模型设计的框架,是基于多任务的深层神经网络模型来做的。为了做整个结节的检测,需要完成多个任务,包括肺部的分割、结节的检测、结节的分割,然后进行结节的随访和检索,以及结节的定量定性分析,比如判断结节的种类、良恶性。这些任务都有它们自己的训练数据,但是它们之间共享深度学习网络层的特征,只是在最后进行不同的任务而已。在训练的时候,根据不同的任务,它的训练标注模式也是不一样。

上图显示了几个我们检测到的结节,肺部的结节种类是非常多的,尤其是在中国,有不少毛玻璃类型的结节,他们之间的对比度非常弱,也非常小,我们可以看到它跟边上的血管、气管对比度要弱很多,但是由于我们是利用深度学习训练出来的模型进行识别,它是自动进行的,可以看到3D的图像,不光是在二维层面去看这个图像,同时可以制造上下层之间的关系,利用整个空间信息来最终实现结节的诊断。

目前智能肺结节诊断系统已经安装了超过一百家医院。在试用期间已经处理了超过90万的病例,帮助避免漏诊20000个左右的结节,之前在CCR做过的对“医生+AI”和“医生”的比较,结果发现“医生+AI”能够节省80%的读片时间,同时还能降低漏诊率,因为我们在看到结节非常微小的时候,是很容易漏诊的。在医生划过整个CT volume的时候,是非常容易漏诊掉的。

上图就是我们在试用的过程中找到的一些结节,其中有一些做了病理的检测。我们可以看到,对于这个病例的第一个结节,算法认为它是中等风险,最后病理检测出来确实是良性的,是不典型增生。

上图是另外一个病例,虽然这个结节的尺寸也非常小,还不到一厘米。但是它是磨玻璃的形状,智能肺结节诊断系统的算法分析出它的风险度比较高,最后实际的病理测试证明它确实是恶性的微浸润肺腺癌。

金准人工智能专家分析认为,从整个的使用情况来看,计算机辅助诊断确实能够很大地提高医生的诊断率,提高医生的效率,以及防止漏诊和误诊等。智能肺结节诊断系统的算法并不是要去替代医生,而是希望能更好地去辅助医生,提升医生的工作效率,能够集中精力去确定病人的治疗方案,而不是花在很多计算机轻易就能做得很好的一件事情上。

2.智能天眼CT智能数字PET-CT

现在,在医院做CT扫描,从患者注册到检查结束,放射科技师需要经过十多个步骤,包括体位选择、完成患者摆位、确定扫描范围等一系列繁琐环节。

现在相较以往技师每次需要根据激光定位灯反复调整床位,操作简化智能“天眼”摄像头,结合基于大数据与深度学习技术的智能算法,可针对不同性别、年龄、体位的患者,自动根据扫描协议精准匹配扫描部位。金准人工智能专家了解到,目前,这一应用可覆盖人体CT日常扫描范围的70%部位。

智能天眼CT还能系统智能判别,每次操作激发系统提前准备下一步操作。此外,基于智能剂量调制技术,智能天眼CT能够根据患者解剖信息优化扫描剂量分布,使得不同体型的患者扫描均可获得质量一致的图像结果。

PET-CT头部检查一向让医生“头疼”,因为微小幅度的摆动都会造成PET与CT图像配准误差,导致图像影,这对儿童或者帕金森患者而言尤为困难。

联影智能数字PET-CT具有超高分辨率与超高灵敏度,还拥有“头部运动补偿”与“"呼吸运动伪影消除”两项绝技一一通过头部运动补偿,在扫描过程中识别患者头部运动轨迹,实时监测头动、恢复矫正,始终确保PET与CT图像极高精度配准呼吸运动伪影消除则无需外接硬件传感器,通过智能算法,消除呼吸对腹部器官成像的影响,精往还原清晰图像。

此外,它还拥有另一项杀手锏:智能肿瘤追踪,可对肿瘤进行一键智能自适应分割、全面统计分析结果,并对近期8次随访同步对比显示,直观分析病变全过程。

3. 联影uAI智能体检阅片

在中国,体检中心平均每天要拍摄上千例X线胸片,但平均仅有3%-5%存在问题,医生要耗费大量时间精力阅读无问题胸片。

联影uAI智能体检阅片基于20万病例数据进行深度学习,帮助医生进行胸片预读,对异常影像进行高敏感度精准、快速筛查。大幅减轻医生读片工作量。

现在,只需在X光设备上安装这款“智能体检读片”智能诊断应用,就能有效解决这一痛点。它如同一位医生的"AI助理”,可快速从海量影像中预筛出健康的X光胸片,只将有疑似疾病的提交医生阅读。不仅能将不同肺部疾病的片子分流整理,让医生知其然还能将片子中的异常区域可视化,让医生知其所以然。为了保证这位“AI助理”筛选胸片的精准程度,使用了20万个X光胸片数据对其进行深度学习训练。

此外,它还能够对14种常见肺部疾病及多种病变的疑似病灶进行精准标注,目前它对肺结节、肺水肿、胸膜增厚等9项肺部疾病的诊断精准度达到世界第一。

临床上60%以上中度冠脉狭窄患者都没有接受手术或支架的必要,但这以往都要依靠昂贵且具创伤性的导管介入后才能确知。

4. 联影FFRCT血流分析智能骨伤鉴定智能关节分析

联影FFRCT血流分析是在CT图像数据基础上,无需导管就能智能计算模拟心脏冠脉血流状况,一键就能快速获得FFR(冠脉血流储备分值)、血压等参数。辅助医生判断患者心肌缺血程度,选择最佳治疗方式,避免不必要的手术创伤。

肋骨骨折临床常见多发,在胸部创伤中约占60%以上。CT扫描阅片耗时长久,骨折定位费时费力,无错位轻微骨折、隐匿性骨折很难发现,极易漏检。

联影智能骨伤鉴定能够全自动分割、展开、拉直肋骨,自动标记解剖标签,智能检测多种类型骨折迹象,多角度多层面清晰直观显示骨折,让医生快速、精准诊断,避免遗漏。

关节炎是世界头号致残性疾病,中国60岁以上老人有一半以上饱受骨性关节炎困扰。目前医生只自能通过主观观察软骨状况来进行诊断和软骨修复,关节损伤判断大多依靠主观经验。

联影智能关节分析应用能够全自动精准分割软骨,将关节不同部位标注不同颜色,医生可直观观测到每一部位的受损情况。并提供容积、厚度等量化参数,为医生在早期膝关节软骨损伤的诊断、治疗方案选择以及术后评估提供精准量化指导。

5.联影肺结节智能筛査乳腺病变智能分析

肺癌发病率、死亡率高居恶性肿瘤之首。在中国,平均每天有2000多人罹患肺癌,1600多人因此死去,早期诊断、早期治疗能让患者五年生存率提高到80%以上。

金准人工智能专家调查发现,通过对上海长征医院、中山医院、瑞金医院、华东医院、肺科医院、肿瘤医院、上海市公共卫生中心7家医院多中心数据的采集与共享,联影建立了上海地区肺癌早期病例数据库,采集有21万例数据,阳性病例5000份。基于这些大数据训练,联影肺结节智能筛査应用能够智能精准定位3mm以上微小结节,对早期肺癌敏感度达95%。同时自动计算结节大小、密度等量化参数,3D渲染显示,并通过智能算法,为医生提供肿瘤恶性程度的定量参考,辅助医生精准高效诊断。

乳腺癌高居女性恶性肿瘤发病率之首,但风险评估缺乏客观量化手段,早期微小病灶极易漏检。联影乳腺病变智能分析能够精准分割乳房与腺体组织,准确度达98%以上。基于东方女性特点,精准量化乳腺密度,客观评估乳腺癌风险,精准检测、定位肿块与微小钙化簇,提升病灶检出率,同时自动生成结构化报告。

总结

金准人工智能专家认为,未来深度学习人工智能技术将更加深入到智能医学诊断过程中,帮助医生解决以下类似问题,如自动检测出肺结节、自动分割病灶、自动测量参数,自动分析结节良恶性、提取影像组学信息、并对肺结节做出随访,大幅度减少结节筛查时间,减少读片工作量,提高结节的检出率,并且提供结节的良恶性定量分析,提高筛查的效果。随着深度学习人工智能技术的不断发展,将在医疗健康行业造福人类。


金准人工智能 博鳌亚洲论坛2018年新兴经济体发展报告(四) 2018-04-11 16:40:57


6.2 投资环境总体持续改善

2016 年以来,全球主要经济体积极促进国际投资自由化和便利化,并建立了相应的机制化安排。在国家层面,很多国家出台了一系列新的投资促进政策,投资环境进一步改善。

6.2.1 投资政策趋于宽松

2016 年 7 月,G20 贸易部长会议发布《G20 全球投资政策指导原则》。作为国际社会首次在多边机制内就全球投资规则达成框架性原则,《G20 全球投资政策指导原则》旨在建设开放、透明和有益的全球投资政策环境和促进国际国内投资政策协调。它所提出的下一代国际投资政策的九条原则涵盖了国际投资体制的所有核心要素。G20 贸易部长会议还批准了中方起草的《G20 贸易投资工作组工作职责》,对工作组会议进行了制度化安排。全球主要经济体就投资规则达成框架性原则引导各国投资政策朝着更加便利化和自由化的方向发展。根据联合国贸易和发展会议的报告,2016 年全球至少有 58 个经济体发布了124 项涉及外商直接投资的政策,涉及的国家与政策变化数量分别较 2015 年上升18.4%和 25.3%。2016 年新增的 124 项政策措施中,有 84 项为投资自由化和促进措施,较 2015 年增加 10 项;22 项为投资限制性和监管措施,较 2015 年增加 8 项;18项为中性政策措施,较 2015年增加 7项(见图 6.4)。



2016 年 10 月以来的一年中,G20 成员中,除英国外,其他经济体均出台了涉及投资准入、投资待遇、投资促进与便利化以及总体营商环境方面的投资政策。总体来看,19 个 G20 成员新出台投资措施 54 项,其中E11 为 36 项,为其他 8 个发达国家成员的 2倍(见表 6.5)。



分类别来看,E11 在投资准入方面推出的投资政策为 19 项,涉及 E11 所有经济体。其中,多数政策措施对外商直接投资有促进作用。例如,阿根廷通过一项吸引外资的公私合营(PPP)法;巴西取消了国家石油公司作为盐层下油田唯一运营商并至少持有30%股权的要求;中国修改了 11 个自由贸易区的外商投资负面清单,取消了一些行业的投资限制,并发布《关于促进外资增长若干措施的通知》,从进一步减少外资准入限制、制定财税支持政策、完善国家级开发区综合投资环境、便利人才出入境、优化营商环境等五个方面提出促进外资增长的政策措施;印度撤消了外商投资促进委员会并颁布处理外商直接投资提案的标准审批程序,中央银行还修改规定,进一步放开境外风险投资者的投资制度,鼓励外商投资新建公司;韩国和俄罗斯在多个部门推出了私有化措施;墨西哥将船舶、飞机和铁路设备的燃料和润滑油以及某些航空运输服务方面的外资股权上限由 25%提高到 49%;沙特阿拉伯对符合条件的外国公司完全放开了对工程服务和相关咨询方面的投资;等等。同时,部分国家也出台新的投资限制措施。例如,南非出台新的《矿业宪章》,提高了矿业公司黑人股权的下限;俄罗斯对离岸公司实行了某些内部投资禁令,并对某些涉及国防和国家安全战略的重要资产交易增加了政府审批;等等。

此外,阿根廷、中国、印度、印度尼西亚等四国出台了 7 项投资待遇方面的政策,例如印度尼西亚将在印度尼西亚市场销售的国产 4G 智能手机的最低本地含量要求从20%提高到 30%;中国、印度、韩国、墨西哥和土耳其等五国出台了 9 项投资促进与便利化方面的投资政策,例如韩国增加了从事高科技业务的外商直接投资(FDI)公司的税收优惠,土耳其在一定条件下向外国投资者开放土耳其公民身份,中国简化了外商投资企业的手续以及墨西哥建立了三个新的经济特区。

根据世界银行发布的《2018 年营商环境报告:改革以创造就业》,在进入排名的全球190 个经济体中,韩国居第 4 位;在 E11 中排名最后的巴西居全球125 位。与2017 年相比,2018 年 E11 中 9 个经济体的“前沿距离”(Distance to Frontier,DTF)分数有所增加。其中,印度、沙特阿拉伯和印度尼西亚增加较多,分别为 4.71 分、2.92 分和 2.25 分;韩国的分数基本持平;南非的分数下降 0.08 分(见表 6.6)。



6.2.2 投资合作稳步推进

为了推动对外投资合作的制度化建设,一年来 E11 签署了一些新的国际投资协定。联合国贸易和发展会议与经济合作与发展组织报告显示,截至 2017 年 10 月,G20 成员实施中的国际投资协定(IIA)有 1,795 项,其中双边投资协定 1,233 项,其他国际投资协定1 562 项。E11 总计有 851 项国际投资协定正在实施,平均每个国家 77.4 项;G20 发达国家成员总计 944 项,平均每个国家 118项(见表 6.7)。



2016—2017 年,E11 中的阿根廷、墨西哥、俄罗斯、沙特阿拉伯、土耳其等国签署了 16 项双边投资协定(BIT),并且全部面向新兴市场与发展中国家。其中,土耳其分别与科特迪瓦、加纳、约旦、索马里、格鲁吉亚、卢旺达、摩尔多瓦、莫桑比克、布隆迪、乌克兰和乌兹别克斯坦签署双边投资协定11项,俄罗斯分别与摩洛哥和巴勒斯坦被占领土签署双边投资协定 2 项,墨西哥与阿联酋、阿根廷与卡塔尔、沙特阿拉伯与约旦各签署双边投资协定 1 项(见表 6.8)。同期,E11中的阿根廷、巴西和南非新签署了 4 项其他投资协定,分别为 2017 年 4 月签署的南方共同市场内部投资便利化协议、2016 年 10月签署的欧盟—南部非洲发展共同体经济贸易伙伴关系协定、2016 年 4 月签署的巴西与秘鲁经济与贸易扩展协定(ETEA)以及 2016年 3 月签署的阿根廷—美国贸易和投资框架协定(TIFA)。其中,阿根廷—美国贸易和投资框架协定与欧盟—南部非洲发展共同体经济贸易伙伴关系协定于 2016 年先后生效。此外,一些 2016 年前签署的协定陆续生效实施,例如韩国—哥伦比亚自由贸易协定(2013)、太平洋联盟补充协定(2014)、欧亚经济联盟—越南自由贸易协定(2015)、土耳其—新加坡自由贸易协定(2015)等。



7 章 大宗商品

2017年,国际大宗商品价格的复苏态势在波动中趋于平缓(见图 7.1)。截至 2017 年 1 月中旬,商品研究局(CRB)指数延续了 2016 年 11月以来的上涨态势,从 423 点上涨至 433 点左右,至 3 月底的两个多月一直维持在 433点左右。从 3 月底到 4 月底经历了 2017 年第一次下跌,回落至 420 点左右。随后 CRB指数开始反弹,并在 7 月初达到全年的最高点 448 点。从 7 月初到 9 月底,CRB 指数出现全年第二次下跌,回落至 430 点以下,直到 12 月底的整个第四季度都维持在 430 点左右。2017 年全年的趋势线呈现水平状态。2016 年年初以来的 CRB 指数上升通道在2017 年出现平缓化迹象。但是,进入 2018年后,CRB 指数在 1 月恢复较快上涨势头,1月底迅速恢复至 443 点左右。预计 2018 年国际大宗商品价格将有所上涨。



7.1 能源类大宗商品价格显著回升

2017 年原油、天然气、煤炭等能源类大宗商品价格均延续 2016 年的上升势头。受石油限产协议达成、全球经济复苏等因素影响,预计 2018 年能源类大宗商品价格将延续上升趋势。

7.1.1 原油价格呈 V 型走势

2017 年国际市场原油价格呈现先降后升、总体上行的 V 型走势(见图 7.2),这与上年报告中我们预计其延续上升趋势的判断是一致的。英国布伦特原油、美国西得克萨斯中级轻质原油(WTI)以及迪拜中东离岸原油现货价格平均值,由 2017 年年初的 54美元/桶左右,跌至 6 月下旬的 43 美元/桶左右,其后开始温和反弹并在 12 月底攀升至64美元/桶左右,全年均价在53美元/桶左右。整体来看,从 2017 年年初到年末,原油价格上涨约 19%,较 2016 年超过 50%的涨幅明显回落。进入 2018 年后,原油价格延续了 2017 年年中以来的上涨势头,布伦特原油现货价格在 2018 年 1 月多次突破 70美元/桶。



2017 年上半年原油价格走低,主要有三个方面的原因。首先是因为全球石油库存量大。自 2017 年年初俄罗斯及石油输出国组织(OPEC)国家实施石油减产协议以来,全球石油库存减少了一半,但仍比近五年平均水平高出 1.4 亿桶。其次,OPEC 成员尼日利亚和利比亚由于局势动荡及低于正常水平的产量而享受减产豁免也助推了上半年原油价格走低。最后,在页岩气产量回升推动下,美国原油生产在 2017 年上半年开始发力(见图 7.3),这也造成了原油价格的走低。2016年下半年,美国原油日产量每月均值为 8,732千桶/日,2017年1—6月该均值上升至9,045千桶/日。2017 年 11 月,美国原油产量达到10,038 千桶/日,这是近 50 年来美国原油产 量第一次突破每日 1,000 万桶。



2017 年下半年,在全球特别是主要经济体强劲需求的推动下,原油价格出现温和上涨。摩根大通全球制造业采购经理人指数(PMI)显示,2017 年第一季度和第二季度PMI 分别为 52.9 和 52.6,第三季度和第四季度上升至 53.1 和 54。作为世界最大经济体,美国制造业 PMI 在 2017 年 9 月达到 60.8,这也是自 2004 年 7 月以来美国该项指标首次突破 60。制造业趋于活跃反映了全球经济需求的上升,这对原油价格形成了支撑。从供给方面看,OPEC 及俄罗斯等主要非 OPEC产油国之间的减产协议得到比较好的执行,并且它们还决定将原定 2018 年 3 月终止的原油减产协议延长 9 个月至 2018 年年底。这些措施有助于石油去库存,从供给及市场预期上支持了原油价格的恢复性反弹。此外,沙特阿拉伯政局演化及与部分中东国家关系不确定性增强,对油价上涨也产生了影响。

2018 年,世界经济预计将延续 2017 年的增长态势。受需求推动和供应限制及潜在的地缘政治关系不确定影响,2018 年原油价格预计将继续小幅上涨。世界银行预计,原油价格将由 2017 年的 53 美元/桶上涨至2018 年的 56 美元/桶左右。

7.1.2 天然气价格仍在上行通道

2017 年天然气价格仍然在 2016 年第二季度以来的上涨通道之中(见图 7.4)。2017年美国市场天然气价格为 2.96 美元/百万英热单位,相对于 2016 年价格上涨了 18.8%。同期欧洲市场天然气价格为 5.65 美元/百万英热单位,比 2016 年价格上涨了 23.9%,而 2017年日本市场天然气价格为 8.05美元/百万英热单位,比 2016 年价格上涨了16.8%。其中,欧洲市场天然气价格在 2017年年末及 2018 年年初有明显上涨,一方面是2017 年冬季欧洲气温比往年低,取暖需求增加,另一方面欧洲最大输气管道在 12 月 12日发生爆炸,这一外生冲击也在短期内推高了欧洲市场天然气价格。



2018 年天然气价格仍将延续上涨趋势。世界银行预计,2018 年美国市场的天然气价格受国内需求强劲、出口增加及生产放缓的影响将上涨 4%,欧洲市场和日本市场天然气价格与油价关联性更强,预计上涨幅度稍小一些,整体看全球天然气价格将上涨 3%。

7.1.3 煤炭价格先降后升

国际煤炭价格在 2017 年先降后升,相对于 2016 年价格水平总体仍呈上升趋势(见图 7.5)。澳大利亚煤炭价格 2017 年为 88.42美元/吨,比 2016 年价格上涨了 34.2%;哥伦比亚煤炭价格 2017 年为 77.84 美元/吨,较 2016 年上涨了 35.2%;南非煤炭价格2017 年为 81.92 美元/吨,上涨了 27.8%。进入 2018 年,煤炭价格继续上行,1 月澳大利亚煤炭价格达到 106.78 美元/吨,哥伦比亚煤炭价格达到 86.38 美元/吨,南非煤炭价格达到 92.73 美元/吨,同比分别增长了27.5%、3.1%和 9.0%。

E11 中的中国是全世界最大的煤炭消费国和生产国(见图 7.6),其对煤炭的需求及生产政策的变化对煤炭价格影响很大。近年来,出于环境治理等方面的考虑,中国政府大力推行煤炭行业压缩产能及“煤改气”举措,自 2013 年以来煤炭年产量有所下降。2016 年,削减产能政策有所加码,当年煤炭产量较 2015 年下降 7.7%。但是,由于天然气涨价及供应不足、配套基础设施不完善等原因,中国经济对煤炭的依赖仍然处于较高水平。这种背景下削减煤炭产能,造成了价格上涨,加重了中国经济运行的成本。在经历 2016 年原煤产量较大幅度的负增长和大量煤炭进口之后,2017 年中国不得不提高原煤产量,多数月份的原煤产量实现了同比正增长(见图 7.7)。



鉴于中国消费了全世界产量一半的煤,并且中国能源需求中超过 60%由煤炭来满足,中国的政策是影响 2018 年世界煤炭价格走势的重要因素。出于对“煤改气”工作节奏过快等情况的反思,2018 年该项任务的推进会更加稳妥,中国对煤炭的需求短期内不会有大幅下降,预计煤炭价格仍将平稳上升。



7.2 金属类大宗商品价格延续上年涨势

金属方面,2017 年钢铁和多数有色金属价格受中国、印度、美国等主要国家需求复苏,以及“一带一路”相关国家基础设施建设投资需求和预期的影响,延续了 2016 年的上涨势头。

7.2.1 钢铁价格持续上涨

2017 年钢铁价格涨势明显(见图 7.8)。Myspic 综合钢价指数由 2017 年年初的 130点左右,攀升至 12 月 12 日的年内高点 168点,并维持在 160 点左右。进入 2018 年略有下降,1 月份维持在 150 点左右。



2017 年的钢铁产量较 2016 年明显提高(见图 7.9)。以全球粗钢产量为例,2017 年全年产量较 2016 年提高了 5.2%,比 2016年 0.4%的增幅有显著提升。从各月同比增长率的变化趋势看,尽管全年有降有升,但都维持在 2%以上的较高水平,没有出现同比负增长的情况。钢铁行业 2017 年表现出量价齐升的特征。



2018 年,受全球最大的钢铁生产与消费经济体中国需求及“一带一路”建设基础设施投资计划推动,以及美国总统特朗普加大国内基础设施投资等因素影响,钢铁价格有望延续上升势头。

7.2.2 其他金属价格上涨

除钢铁之外,其他主要金属类大宗商品价格 2017 年也出现上涨。从伦敦金属交易所(LME)有色金属现货结算价(见图 7.10)看,2017 年铜价相对于 2016 年上涨了 26.8%至6,166 美元/吨,铝价上涨了 22.7%至 1,969美元/吨,锌价上涨了 38.3%至 2,896 美元/吨,铅价上涨了 23.8%至 2,317 美元/吨,锡价上涨了 11.7%至 20,105 美元/吨,镍价上涨了 8.4%至 10,411 美元/吨。预计 2018 年有色金属价格将维持温和上涨态势。


7.3 贵金属类大宗商品价格总体平稳

贵金属在投资中具备避险功能,一般来说经济形势较好的阶段,贵金属价格不会有大的上涨,而当经济风险较大时,贵金属价格多因为避险需求而大幅上涨。2017 年,贵金属价格有涨有跌,多数贵金属价格涨跌幅度较小(见图 7.11)。以伦敦金属交易所美元计价的贵金属为例,2017 年相对于 2016 年,黄金价格小幅上涨了 0.59%至 1,257.34 美元/盎司,白银价格轻微下跌了 0.52%至 17.05 美元/盎司,铂金属价格下跌了 4.3%至 948.49美元/盎司,只有钯金属价格上涨明显,相对于上年涨了 41.38%至 868.96 美元/盎司。钯金属价格大幅上涨主要有两个方面的原因,一是钯金属在汽油动力汽车用尾气净化装置的生产中得到广泛应用,近年来汽车销量上升推动了钯金属价格上涨,二是因为全球只有俄罗斯等少数国家出产钯金属,美国与俄罗斯关系紧张加剧了市场对钯金属供应的担忧。


7.4 化肥类大宗商品价格整体下滑

化肥类大宗商品 2017 年价格整体来看有所下滑(见图 7.12),但不同品种的化肥类大宗商品价格涨跌互现。世界银行化肥类大宗商品价格指数 2017 年为 72.6,较 2016 年下滑了 2.6。其中,尿素价格 2017 年相对上年上涨了 10.3%至 219.8 美元/吨。这一方面是因为国际市场对尿素的需求有所增加,如巴西2017年前9个月尿素进口增加了41%,另一方面,尿素供给出现了收缩,来自印度尼西亚、中东和北非的供给出现中断,而中国作为尿素最大的生产国和出口国,也因为煤炭价格上涨等导致的生产成本提高以及环境保护约束的增强而大幅削减了生产量和出口量。由于尼日利亚、马来西亚、伊朗和美国的低成本产能将在 2018 年释放,预计尿素价格将有所回落。钾肥 2017 年各月价格呈小幅回升态势,12 月价格比 1 月价格上涨了 4.2%,但 2017 年全年价格相对2016 年则下跌了 11.4%至 217.5 美元/吨。由于白俄罗斯、加拿大、中国、俄罗斯、土库曼斯坦和美国都将出现新的产能,供过于求的局面将持续存在,预计钾肥价格将维持疲弱态势。磷肥之中,磷酸二铵(DAP)2017年价格较 2016 年上涨了 2.6%至 354.3 美元/吨,而同期三元过磷酸钙(TSP)价格则下跌 4.9%至 276.3 美元/吨。2017 年 9月伊尔玛飓风登陆美国佛罗里达造成的停产推动了磷价上涨,但由于最大出口商中国产能巨大,沙特阿拉伯等地新的产能也在逐渐释放,预计磷肥 2018 年价格将以下滑为主。整体来看,由于市场存在供大于求的局面,化肥类大宗商品价格 2018 年或将延续2017 年的下滑态势。



7.5 农产品类大宗商品价格多数

平稳与贵金属类似,从豆粕、小麦和玉米等农产品类大宗商品现货价格来看,2017 年多数农产品价格波动幅度较小,且不同品种也是有升有跌(见图 7.13)。其中,豆粕国际现货价格 2017 年下跌 7.34%至 317.13 美元/吨,小麦国际现货价格上涨 0.91%至 4.81 美元/蒲式耳,玉米国际现货价格下跌 2.97%至3.90 美元/蒲式耳。农产品期货价格波动幅度更小,豆粕、小麦和玉米期货价格 2017 年相对于 2016 年仅分别上涨了 0.26%、0.42%和 0.71%。随着美国、中国、印度等主要经济体增长向好的拉动,预计农产品类大宗商品价格整体来看 2018 年将温和上涨。

7.6 国际大宗商品价格对 E11 的影

响显著沙特阿拉伯、俄罗斯是主要的石油、天然气等能源类大宗商品出口国,巴西、阿根廷是主要的农产品类大宗商品出口国,印度尼西亚、南非主要出口矿产品,中国、韩国、印度、土耳其和墨西哥等作为制造业经济体主要扮演着大宗商品进口者的角色,其中中国还同时是煤炭、某些化肥及金属类大宗商品的主要生产国和出口国。E11 的需求和产出对价格的影响在前文中已经有所涉及,本节以原油价格对 E11 主要出口国和进口国的影响为例,分析大宗商品价格波动对 E11 经济的影响。



原油等能源价格上涨对沙特阿拉伯、俄罗斯等对能源出口收入依赖较高国家的财政将产生有利影响。2015 年、2016 年国际油价下跌期间,沙特阿拉伯政府财政预算收入中 来 自 石 油 的 收 入 分 别 出 现 20.9%和42.6%的大幅负增长。2017 年油价复苏,沙 特 阿 拉 伯 预 算 中 石 油 收 入 同 比 增 长31.8%(见图 7.14)。2018 年国际油价如果继续上涨,将带动沙特阿拉伯石油收入继续增长。2017 年 12 月,沙特阿拉伯内阁会议公布了 2018 年财政预算。预算文件显示,2018 年沙特阿拉伯预算支出同比增长5.6%,预算收入同比增长 12.5%,其中非石油收入预期增加 13%至 2,910 亿沙特里亚尔。这意味着,石油收入仍将是 2018 年沙特阿拉伯财政收入最主要来源,预计将达到 4,920 亿沙特里亚尔,同比增长 11.8%,占预算财政收入的 62.8%。俄罗斯财政收入增长与原油出口增长之间也存在明显的正向关系(见图 7.15)。2017年原油出口金额累计同比增长率较 2016 年有明显提升,1—10月均值为46.8%,比2016年同期均值提高了 79.7 个百分点。其财政收入累计同比增速 1—11 月均值也较 2016 年同期提高 32.5 个百分点至 20.4%。



与此同时,原油价格的上涨对 E11 中的主要进口国来说意味着成本的上升。例如,2017 年中国各月进口的原油数量变化不大,但由于价格上涨,支付的进口成本大幅增加(见图 7.16),全年进口额为 1,608 亿美元。如果还是按照 2016 年均价进口相同数量的原油,2017 年可节约大约 338 亿美元,约占当年原油进口支付总额的 21%。这些多支付的成本最终大都会被转嫁到国内经济运行成 本上,一定程度上削弱了中国产品的竞争力。





金准人工智能 博鳌亚洲论坛2018年新兴经济体发展报告(五) 2018-04-11 16:39:49

8 章 债 务

E11的财政赤字率较高,但公共债务水平较低,风险总体可控。E11 非金融私人部门债务水平总体呈下降之势,但各国间债务水平存在较大差异。E11 的外债水平和偿债率均较高,且呈持续上升之势,说明大部分国家的外债风险有所增大。从 E11 各国的债务结构来看,中国的非金融私人部门债务水平较高,但外债水平较低;阿根廷的非金融私人部门债务水平较低;南非的外债水平较高。新兴经济体应未雨绸缪,防范系统性债务风险的爆发。

8.1 公共债务风险可控

E11 的财政赤字率整体较高,但公共债务水平普遍较低,部分国家的公共债务水平有所提升。影响 E11 各国公共债务和财政赤字变化的因素包括财政支出、各项改革成效以及大宗商品价格等。为此,新兴经济体应制定相关政策,平衡好深化改革与财政健康的关系,为经济持续稳定增长提供良好支撑。

8.1.1 财政赤字率较高

无论与国际标准还是与 G7 发达经济体相比,E11 国家的财政赤字率整体较高。根据欧盟《稳定与增长公约》中规定的财政赤字占国内生产总值(GDP)的比重应控制在 3%以内的标准,2017 年除了韩国、墨西哥、俄罗斯和印度尼西亚外,其他 E11国家的财政赤字率均超过该标准。其中,巴西的财政赤字率最高,达到 9.2%;沙特阿拉伯次之,为 8.6%;阿根廷和印度分别为 6.6%和 6.4%;墨西哥和俄罗斯的财政赤字率较低,分别为 1.4%和 2.1%;而韩国保持财政盈余约 1.2%(见图 8.1)。在G7 国家中,美国和日本的财政赤字率较高,分别为 4.3%和 4.1%;法国和英国的财政赤字率分别为 3.0%和 2.9%;加拿大和意大利的财政赤字率较低,均为 2.2%;德国则保持财政盈余约 0.7%。2017 年,E11 国家的财政赤字率(4.3%)整体高于G7 发达经济体(2.6%)。

部分 E11 国家的财政赤字率下降。与2016 年相比,2017 年沙特阿拉伯的财政赤字率降幅最大,为 8.6 个百分点;墨西哥和俄罗斯次之,均为 1.5 个百分点;印度的财政赤字率下降 0.2 个百分点,中国的财政赤字率基本保持不变。2014—2017 年,中国、沙特阿拉伯和土耳其财政赤字率年均增速较高,分别为 60.3%、36.4%和 30.9%;南非和印度尼西亚财政赤字率年均增速较低,分别为 2.3%和 7.6%;而墨西哥和印度财政赤字率的年均增速分别为-32.7%和-4.0%。较高的财政赤字率不利于公共财政的健康,部分新兴经济体应尽快出台应对措施,将财政赤字降至合理水平。

8.1.2 公共债务水平较低

E11 国家的公共债务水平普遍较低,部分国家的公共债务水平有所上升。根据欧盟《稳定与增长公约》中规定的公共债务规模占国内生产总值的比重不应超过 60%的标准,2017 年,除了巴西和印度外,其他新兴经济体的公共债务水平均低于该标准。其中,巴西的公共债务水平最高,达到 83.4%;印度公共债务水平次之,为 68.7%;阿根廷、墨西哥和南非的公共债务水平相对较高,分别为 53.4%、53.3%和 53.0%;沙特阿拉伯和俄罗斯的公共债务水平较低,分别为17.0%和 17.4%(见图 8.2)。与 2016 年相比,2017 年公共债务水平上升的新兴经济体有巴西、沙特阿拉伯、中国、俄罗斯、南非和印度尼西亚,分别提高 5.0 个百分点、3.9 个百分点、3.3 个百分点、1.7 个百分点、1.3 个百分点和 0.8 个百分点。此外,尽管中国的地方政府债务广受关注,但考虑到这些债务主要表现为本币债务和对内债务,且偿债资源稳定充足,加之中国政府持续降杠杆的政策效果开始显现,因而其风险相对可控。与 G7 国家相比,大部分 E11 国家的公共债务水平较低,但部分国家上升速度很快。2017 年,与 G7 中公共债务水平最低的德国相比,仅有巴西和印度的公共债务水平较高。在 G7 国家中,德国的公共债务水平最低,约为 65.0%,业已超过了欧盟制定的公共债务水平警戒线;日本的公共债务水平最高,达到 240.3%;意大利的公共债务水平次之,约为 133.0%;美国的公共债务水平第三,为 108.1%。从公共债务水平年均增长速度来看,除了土耳其外的其他E11 国家均保持正增长。2014—2017 年,沙特阿拉伯的公共债务水平年均增速最快,高达 121.6%;巴西和阿根廷的公共债 务 水 平 年 均 增 速 紧 随 其 后 , 分 别 为10.2%和 7.0%;中国和印度尼西亚的公共债务水平年均增速分别为 6.1%和 5.1%;土耳其的公共债务水平年均增速则为-0.9%。部分新兴经济体公共债务水平过快增长的趋势值得警惕。

8.1.3 影响因素与政策含义

造成 E11 各国公共债务水平和财政赤字率变化的主要影响因素包括财政支出、各领域改革的成效和大宗商品价格等。

一是财政支出。积极的财政政策有利于促进投资,增加就业,扩大内需,使本国经济平衡可持续发展,但过于扩张的财政政策会扩大政府财政赤字,加重国家公共债务负担,反而不利于经济稳定增长。一直以来,巴西的财政支出增速都明显高于其 GDP 增长速度,政府不得不通过增加税收和税种来弥补财政赤字,而由此导致的公共债务激增打击了市场信心,抑制了国内投资,最终拖累了巴西经济走出衰退的步伐。根据巴西国库局发布的数据,2016 年因居高不下的通货膨胀率引致的约 3,300 亿雷亚尔利息,成为推动巴西公共债务大幅增长的主要原因。同期的巴西公共债务增长约 11.42%,总额达到 3.112 万亿雷亚尔,创历史最高纪录。随着巴西通过旨在为各级政府公共开支设立上限的宪法修正案的施行,预计过度的政府公共支出将得到抑制,若再考虑到 2017 年其经济开始走出衰退、通货膨胀率下降等因素,未来巴西的公共债务增长势头或将有所减缓。中国地方政府债务是其债务风险防控的重点之一。但随着去杠杆稳步推进,相关措施落地生效,2017 年前三季度中国地方政府债券的发行规模已有所降低,发行进度也有所减缓。

二是各领域改革的成效。主要新兴经济体国内不断推行的结构调整和税制改革,给其财政收支和公共债务变化带来较大的影响。为使经济运行保持在合理区间内,2017年中国实施更加积极有效的财政政策,并继续采取减税降费措施,适度扩大支出规模,保障关键领域支出,尤其是供给侧结构性改革和民生保障的支出,导致财政赤字率连续两年超过 3%,总债务占 GDP 的比重也持续上升。印度政府也采取了诸多改革措施,包括:实施积极的财政政策,大力发展制造业和铁路交通等;进行税制改革,将十几种地方税改为全国统一的商品服务税;放宽外国直接投资限制,在更多领域更大程度上吸引外资;重新修订劳工和土地征收方面的法规,如减少政府审批程序,放宽招聘解聘限制等;推动国企私有化,加快银行业改革,特别是改变国有银行效率低下等问题,这些改革措施的顺利进行,或将在未来改善其政府财政状况,降低总债务水平。

三是大宗商品价格。以石油为代表的大宗商品价格在中低价位运行,基本呈波动上升趋势,这对以能源矿产出口为主的沙特阿拉伯和俄罗斯的财政收支改善产生重要影响。2017 年,受需求增长、供给减少、地缘政治不稳定等因素的影响,国际油价在45~65 美元/桶的范围内实现 V 型反转,对沙特阿拉伯和俄罗斯的原油出口形成利好,不仅增加了出口企业利润和国家税收,而且降低了政府财政赤字率,使公共债务水平持续保持低位。相比较而言,尽管油价缓慢回升,但大豆等植物价格却逐步走低,这给以矿产品和植物产品出口为主的巴西带来不利影响,使其财政失衡更加明显,公共债务负担也更加严重。

基于以上分析,得出如下政策含义。

首先,在主要发达经济体货币政策收紧的约束下,财政政策在支撑经济增长方面应发挥更加积极的作用。随着全球经济周期性回暖加快,美国等发达经济体的货币政策开启紧缩进程,国际资本开始从新兴经济体回流,而为了吸引更多的国际资本留在国内,新兴经济体也将面临采取紧缩货币政策的压力。在此情况下,为了实现经济增长,积极的财政政策或将成为新兴经济体进行宏观调控的主角。但对于依靠经常账户和财政平衡进行外部融资的新兴经济体而言,其在施行扩张性财政政策时可能面临融资约束,应尽量避免公共债务水平的上升和财政赤字的扩大。

其次,平衡好深化改革与财政健康的关系。尽管结构性改革在短期内可能导致财政赤字扩大,但在长期会带来更多税收收益,扩大财政收入来源,进而有利于财政收支平衡。为了确保对供给侧结构性改革、风险防范、脱贫攻坚、污染防治等重点领域的支持力度,中国应继续保持积极的财政政策取向不变,调整优化财政支出结构,压缩一般性行政支出。印度政府则应继续推进与“废钞令”和商品服务税相关的改革,这将有效扩大政府税收的征收范围,增加政府财政收入,降低公共债务水平,促进经济健康发展。

再次,主要经济体在地方债治理方面应采取疏堵结合的政策措施。为了有效降低地方政府债务水平,防范系统性风险,中国在严禁地方政府利用不规范的政府与社会资本合作模式(PPP)、政府投资基金、政府购买服务等变相融资的同时,也为地方政府融资提供新的规范性融资渠道,尤其是试点发展项目收益专项债券等。未来,中国应探索更加有效地管理地方政府债务风险的模式和举措,防止地方政府债务风险失控。例如,提高地方政府债务的透明度,降低隐形债务风险;加快政府会计制度改革,提高政府识别财政风险的能力;等等。

最后,以能源矿产等出口为主的新兴经济体应充分利用大宗商品价格上行为其政策制定提供的宽裕空间,平衡财政收支,降低公共债务水平。近期大宗商品价格出现周期性反弹,给以能源和矿产品出口为主的国家尽快制定结构调整和深化改革的相关政策提供了宝贵的喘息机会。例如,沙特阿拉伯应趁机出台改革措施,加快产业调整升级,使国民经济尽快摆脱严重依赖能源的产业结构,努力实现财政收支均衡和经济健康可持续发展。

8.2 私人债务风险减小

E11 的非金融私人部门债务水平总体呈下降之势,各国的私人部门债务水平存在较大差异。宽松的货币政策环境是造成非金融私人部门债务高企的重要推手,而持续降杠杆的政策效果渐显则是非金融私人部门债务下降的主要原因。为此,新兴经济体多措并举抑制非金融私人部门的借贷冲动,并积极应对美国进入升息周期带来的紧缩风险。

8.2.1 非金融私人部门债务水平微降

个别 E11 国家的非金融私人部门债务水平很高,但 E11 非金融私人部门债务水平总体呈下降之势。根据国际清算银行(BIS)发布的统计数据,2017 年第二季度,中国和韩国的非金融私人部门债务水平分别高达210.2%和 193.9%(见图 8.3),远远高于其他 E11 国家的水平。具体分国别来看,土耳其的非金融私人部门债务水平为 86%;南非为 72.2%;俄罗斯、沙特阿拉伯和巴西分别为 67.4%、63.6%和 63.3%;印度为 55.9%;墨西哥为 42.2%;印度尼西亚为 39.5%;阿根廷的非金融私人部门债务水平最低,约为19.1%。中国和韩国应对其国内较高的非金融私人部门债务水平予以警惕,谨防系统性债务违约风险的爆发。

尽管如此,E11 的非金融私人部门债务水平总体在缓慢下降。2016 年第三季度至2017 年第二季度,E11 非金融私人部门债务水平从 83.7%逐步降至 83.0%,说明部分新兴经济体采取的降杠杆措施效果已开始显现。2017 年前两个季度,中国、南非、沙特阿拉伯、巴西、印度和墨西哥的非金融私人部门债务水平出现下降。其中,中国的非金融 私 人 部 门 债 务 水 平 从 210.8% 降 至210.2%,下降 0.6 个百分点;印度和巴西分别下降 3.0 个百分点和 1.8 个百分点;墨西哥和南非均下降 0.5 个百分点;沙特阿拉伯则下降 0.1 个百分点。相比较而言,韩国的非金融私人部门债务水平不降反升,从192.6%升至 193.9%,上升了 1.3 个百分点;阿根廷和俄罗斯均上升了 0.9 个百分点;印度尼西亚和土耳其则分别上升了 0.3 个百分点和 0.1 个百分点。

8.2.2 债务水平存在较大差异

E11 各国在企业和家庭部门的债务水平存在较大的差异。其中,中国的企业部门债务水平较高,韩国的家庭部门债务水平比较高,而阿根廷的企业和家庭部门债务水平均较低。从企业部门债务水平来看,根据国际清算银行(BIS)发布的统计数据,2017 年第二季度,中国的企业部门债务水平约为 163.4%(见图8.4),远远超过其他 E11 国家;韩国次之,约为 100.1%;土耳其约为 68.5%;俄罗斯为51.6%;沙特阿拉伯、印度和巴西则处于 41%50%之间;南非为 38.3%;墨西哥、印度尼西亚和阿根廷的企业部门债务水平较低,分别为 25.7%22.6%12.8%

从家庭部门债务水平来看,2017 年第二季度,韩国的家庭部门债务水平约为 93.8%,在 E11 国家中最高;中国次之,约为 46.8%;南非为 33.9%;巴西为 21.7%;土耳其、俄罗斯、印度尼西亚、墨西哥、沙特阿拉伯和印度则处于 10%至 20%之间;阿根廷的家庭部门债务水平最低,约为 6.2%。宽松的货币政策环境是个别新兴经济体非金融企业部门和家庭部门债务水平较高的主要原因。

8.2.3 影响因素与政策含义

基于以上分析,E11 国家的非金融私人部门债务水平稍有降低,但中国的企业部门债务水平和韩国的家庭部门债务水平都很高。造成该现象的主要影响因素包括:

一是宽松的货币政策环境是造成非金融私人部门债务高企的重要推手。全球金融危机爆发以来,美国等发达经济体相继出台多轮量化宽松的货币政策,提振市场信心,刺激经济复苏。这些政策对新兴经济体的溢出效应越来越明显,量化宽松货币政策使美元在全球的流动性大幅增加,国际资本涌入新兴经济体,并降低企业和家庭部门的借贷成本,进而推升中国和韩国的非金融私人部门债务水平快速增长至高位。以韩国为例,长期的低利率助长其房地产投资的热情,推高房价和家庭债务规模。截至2017年9月末,韩国家庭信贷余额1,419.1 万亿韩元(约合人民币86万亿元),创有统计数据以来的最高值;环比增加 31.2 万亿韩元,增幅为年内新高;家庭负债占可支配收入比率高达170%,显著高于经济合作与发展组织(OECD)30个成员123%的平均值。私人部门的高负债水平和不断上升的债务增速,已成为威胁韩国民众生活和经济增长的主要隐患之一。

二是持续降杠杆的政策效果渐显是非金融私人部门债务下降的主要原因。降低非金融私人部门的杠杆率是一个漫长的过程,整体思路应是先降低其增长速度,再降低其整体水平,应避免急于求成剧烈降杠杆而引发新的风险。近期,主要新兴经济体密集出台并持续推进的降杠杆政策措施,成为推动E11 非金融私人部门债务水平整体微降的关键因素。以中国为例,2017 年 7 月召开的第五次全国金融工作会议(简称“会议”)明确了中国在金融领域的三大任务,即“服务实体经济、防控金融风险、深化金融改革”。为了加强金融监管的顶层设计,会议决定成立国务院金融稳定发展委员会,以协调金融监管,补齐监管短板。在经济领域的风险防控方面,会议特别强调“要推动经济去杠杆”“要把国有企业降杠杆作为重中之重,抓好处置‘僵尸企业’工作”。在此精神指导下,中国非金融私人部门债务水平快速上升的势头得到明显遏制。一方面,非金融企业部门继续表现出稳定的去杠杆态势。其中,非国有企业成为降杠杆的主力军,其资产负债率从2017 年第二季度末的 52.7%降至第三季度的 52.5%。相比较而言,约占非金融企业部门债务60%的国有企业去杠杆迹象却并不明显,第三季度末其资产负债率仍高达 61.0%。下一步,国企去杠杆应是重头戏。另一方面,居民家庭部门降杠杆成效初显。中央和各地政府相继出台各类房地产限购限贷政策,严查挪用“个人消费贷”资金现象,限制居民获得房地产贷款的部分途径,防范房地产泡沫风险,从而使得 2017 年 9 月末个人住房贷款增速较年内最高点下降了 10.6 个百分点,家庭部门的杠杆率明显下降。

通过以上分析可得出如下具体政策含义。

一是多措并举抑制非金融私人部门的借贷冲动。高企的家庭部门债务水平不仅侵蚀居民的可支配收入,抑制私人消费支出,而且使非金融私人部门债务风险不断聚集,对央行制定货币政策也形成制约。为了遏制房地产市场过热和居民家庭债务增长过快,韩国分别于2017 年 6 月和 8 月相继出台多项房地产调控政策,但家庭部门加杠杆的热情仍然高涨。11月底,韩国央行又上调基准利率 25 个基点至1.50%,以应对美联储加息引发的资本外流,并进一步遏制家庭部门加杠杆的速度,但这也可能加重家庭部门的偿债负担,引发新的金融风险。中国共产党的十九大报告明确要求“健全金融监管体系,守住不发生系统性金融风险的底线”,将防范化解重大风险作为未来三大重点任务之一。基于此,中国政府相继出台相关政策措施,稳步推动非金融私人部门去杠杆。例如,在货币政策和宏观审慎政策双支柱调控框架下,通过监管协调来加强风险防范;深化金融改革,引导金融回归服务实体的本源;针对影子银行、房地产泡沫、地方政府债务、交叉金融等突出风险点,重点对银行同业、理财和表外业务领域加强监管等。

二是积极应对美国进入升息周期带来的紧缩风险。随着全球经济复苏提速,美联储渐进加息的节奏更加确定,而 2018 年 1 月超预期的非农就业数据又进一步强化了美联储采取紧缩货币政策的可能性(例如超预期“缩表”等),这会给债务较高的新兴经济体的货币政策带来压力,进而可能增加非金融私人部门的债务负担。以中国为例,中国已提前采取措施来应对这一不利影响,且效果开始显现。截至 2017 年 12 月末,中国广义货币(M2)同比增长 8.2%,增速再创历史新低;广义货币构成中的“其他(非银、非标等)”大幅收缩 1.27 万亿元,金融去杠杆的力度之大可见一斑。这反映了在去杠杆稳步推进和金融监管逐步加强的背景下,银行资金的运用更加规范,金融部门的内部资金循环和嵌套减少,由此派生的存款也减少。随着去杠杆的深化和金融进一步向服务实体经济回归,预计中国非金融私人部门的债务水平将逐步降低。

8.3 外债风险上升

E11 国家的外债水平和偿债率均较高,且呈持续上升之势。新兴经济体应构建和完善宏观审慎管理框架下的外债和跨境资本流动管理体系,以有效降低外债风险。

8.3.1 外债水平整体较高

E11 国家的外债水平普遍较高,且保持上升趋势。2016 年,除了中国外,其他 E11国家的外债水平均超过国际公认的20%的安全警戒线。其中,南非的外债水平最高,约为 50.9%;土耳其次之,为 47.8%;俄罗斯和墨西哥分别为 42.0%和 40.7%;阿根廷、印度尼西亚和巴西分别为 35.7%、35.1%和30.9%;印度为 20.4%。中国的外债水平最低,仅为 12.8%(见图 8.5)。从外债水平的上升情况来看,E11 的平均外债水平呈逐年上升之势,从 2014 年的 30.2%持续升至2016 年的 35.2%。相较于 2016 年,2017年俄罗斯的外债水平升幅最大,为 6.8 个百分点;南非次之,上升 6.3 个百分点;阿根廷上升 5.5 个百分点;墨西哥上升 3.4 个百分点;土耳其、中国和巴西分别上升 1.1 个百分点、0.8 个百分点和 0.1 个百分点;印度和印度尼西亚的外债水平则有所下降,分别减少 2.5 个百分点和 1.9 个百分点。如果新兴经济体不断上升的外债水平再叠加美元升值因素,就会显著加重 E11 国家的外债偿付负担,对此应保持警惕。

8.3.2 部分国家偿债压力较大

E11 国家的偿债率较高,且近两年显著上升。2016 年,E11 各国的外债偿债率存在较大差异,部分国家的偿债压力较大。其中,巴西、印度尼西亚、土耳其和阿根廷的偿债率较高,分别为 51.2%、39.6%、39.3%和34.9%,均超过国际公认的 20%的安全警戒线;墨西哥和俄罗斯的偿债率分别为 19.4%和 19.2%,非常接近 20%的国际安全警戒线;印度、南非和中国的偿债率相对较低,分别为 17.3%、13.2%和 5.3%(见图 8.6)。从偿债率的上升情况来看,E11 的平均偿债率逐年走高,从 2014 年的 17.0%升至 2016年的26.6%。尤其在2015年至2016年期间,平均偿债率大幅上升,高达 8.2 个百分点。具体分国别来看,土耳其、巴西和阿根廷的偿债率升幅较大,分别为28.6个百分点、13.1个百分点和 10.3 个百分点;印度尼西亚、墨西哥、印度、南非和中国的偿债率升幅分别为 7.6 个百分点、6.3 个百分点、6.1 个百分点、5.4 个百分点和 0.4 个百分点;俄罗斯的偿债率则下降约 4.2 个百分点。

8.3.3 影响因素与政策含义

2016 年的国际贸易增速创下金融危机以来的最低水平,外需疲弱对 E11 国家的对外商品和服务出口创收形成制约。与此同时,考虑到部分新兴经济体的对外负债有所上升,最终使诸如巴西、印度尼西亚、土耳其和阿根廷等国的外债偿债率较高。以巴西为例,2017 年巴西在国际储备对总外债的覆盖度下降 10.3 个百分点至 56.9%的同时,其未来国债利差随着美联储加息而收窄,加之新政府政策的不确定性,雷亚尔相对美元存在贬值压力,最终影响巴西的外币偿债能力。与此同时,发达经济体的货币政策收紧与美元等主要国际货币升值并存。尽管近期美元相对弱势,但自美联储开启加息节奏以来,美元总体保持升值。考虑到新兴经济体的对外债务中美元债务占据主导地位(例如,2017年9月末中国的外币债务中美元债务占81%、欧元债务占 8%、日元债务占 2%、特别提款权和其他外币外债合计占比为 9%),美元进入加息周期,必将增加新兴经济体的外债偿还压力;与此同时,全球货币政策收紧趋势愈发明显,致使资金借贷成本上升,利息支付额度增大。二者的共同作用使 2016年除中国外的其他 E11 国家外债水平均超国际警戒线。

对中国而言,充足的外汇储备和较高比重的人民币外债显著减轻了中国的外债偿付压力。一方面,中国作为外汇储备第一大国,拥有约 3 万亿美元的外汇储备,为其按约偿债提供了坚实后盾;另一方面,考虑到 2016 年人民币外债余额在总外债中的比例约为 34%,这些外债不存在货币错配风险和汇率风险,对外偿还时不直接消耗外汇储备,因而违约风险相对较小。此外,尽管中国的短期外债占比略高(2016年约为61%),但由于其中近五成是以真实商品贸易为基础的信贷,对外支付多以货物贸易为背景,大部分并无实际资金借入,且基本上没有利息支付,因而相应的外债风险可控。

基于以上分析,主要新兴经济体也出台了相关政策加以应对。例如,中国在控制外债水平、降低外债偿付风险方面采取的政策措施主要包括:一是实施跨境融资便利化政策,推动外债规模趋稳。根据《中国人民银行关于在全国范围内实施全口径跨境融资宏观审慎管理的通知》,自 2016 年 5 月 3 日起将本外币一体化的全口径跨境融资宏观审慎管理试点扩大至全国范围内的金融机构和企业。中国人民银行和国家外汇管理局不实行外债事前审批,而由金融机构和企业在与其资本或净资产挂钩的跨境融资上限内自主开展本外币跨境融资。二是随着全口径跨境融资宏观审慎管理政策、自贸区等贸易投融资便利化措施的落地,越来越多的企业分享政策红利,融资成本不断降低,融资渠道不断拓宽。三是银行间债券市场开放程度的日益提高,特别是 2017 年 7 月内地与香港“债券通”的启动,进一步丰富了境外投资者参与境内金融市场的渠道,境外机构增持境内债券的意愿亦稳步提升。下一步,中国应继续积极构建和完善宏观审慎管理框架下的外债和跨境资本流动管理体系,密切关注外债总体规模及结构变化等情况,加强事中事后监测分析,有效防范外债期限和币种错配等风险,并以此防范异常跨境资金流动风险,维护自身经济金融安全。

9 章 金融市场

2017年,受美元指数走低、国内经济复苏等因素影响,多数 E11 国家货币对美元贬值压力降低。多数国家的国债收益率有所上升,加大了其国债市场的风险。E11 国家股票市场表现亮眼,股票指数(简称“股指”)总体大幅上扬,股市规模进一步扩大。E11 国家房地产市场总体延续 2016 年走势,但房地产价格涨跌幅度有所收窄,房地产市场总体运行保持平稳。2018年,尽管新兴经济体经济强劲复苏为其金融市场发展提供了良好的基本面,但受美联储加息、发达经济体货币政策分化显著以及非经济因素影响,E11 金融市场仍面临严峻的挑战。

9.1 货币贬值压力总体有所减轻

2017 年,多数 E11 国家货币对美元贬值压力降低。美元汇率变动仍是影响 E11 国家货币汇率变化的重要外部因素。未来受美联储加息、地缘政治风险上升等因素影响,E11国家货币可能会再次面临贬值压力。

9.1.1 对美元汇率涨跌互现

2017 年,E11 国家货币对美元汇率涨跌互现(见表 9.1)。部分国家货币扭转了2016 年对美元的贬值态势。其中,俄罗斯卢布对美元升值 13.0%,南非兰特和巴西雷亚尔对美元也分别升值 9.4%和 8.6%。2017 年印度卢比和韩元对美元升值幅度较小,但也分别有 3.1%和 2.6%。部分国家货币则延续了 2016 年的贬值趋势。如新土耳其里拉 2017 年对美元贬值 20.8%,贬值幅度超过 2016 年。阿根廷比索对美元贬值幅度虽较 2016 年有所降低,但依然有12.2%。中国、墨西哥等国货币相比 2016年依然维持对美元小幅贬值,但贬值幅度较2016 年有所收窄。印度尼西亚卢比对美元汇率也一改 2016 年小幅升值的态势,在2017 年出现小幅贬值。

2017 年各季度环比数据来看,E11国家货币对美元汇率也表现出不同走势。阿根廷比索对美元汇率四个季度均维持环比贬值,特别是 2017 年第三季度更是贬值高达9.9%。新土耳其里拉对美元汇率在 2017 年第一季度和第四季度均出现大幅环比贬值,但是即便如此,其在第二季度和第三季度仍有小幅升值。墨西哥比索、印度尼西亚卢比、中国人民币与新土耳其里拉情况类似,尽管全年货币保持对美元贬值,但仍有多个季度出现对美元的升值,例如墨西哥比索对美元汇率在 2017 年第二季度升值高达 8.9%,人民币对美元汇率自 2017 年第二季度起不断走强,接连三个季度出现环比升值。2017 年本币对美元汇率出现升值的国家也有个别季度出现贬值。巴西雷亚尔 2017 年第二季度和第四季度分别对美元贬值 2.3%和 2.6%,俄罗斯卢布 2017 年第三季度对美元贬值3.3%,南非兰特在 2017 年第四季度对美元贬值 3.8%。

其他发达经济体货币对美元汇率也出现相同态势。2017 年加元和欧元对美元分别升值 2.1%和 1.8%,英镑和日元对美元则分别贬值 4.9%和 3.1%。从全年趋势来看,发达经济体货币对美元汇率也出现较大波动。

2017 年,多数 E11 国家货币的实际有效汇率呈现波动态势。巴西雷亚尔、印度尼西亚卢比、南非兰特实际有效汇率在 2017 年呈现走低态势,新土耳其里拉和俄罗斯卢布实际有效汇率虽然在 2017 年上半年有所走高,但下半年总体则处于贬值趋势。印度卢比实际有效汇率在 2017 年总体处于上升趋势,中国人民币实际有效汇率总体呈现“先贬后升”态势,而阿根廷比索、韩元则呈现“先升后贬再升”态势,汇率波动幅度较大。从同比数据来看,2017 年 12 月,阿根廷比索、印度卢比、韩元、墨西哥比索、南非兰特实际有效汇率相比 2016 年 12 月有所升值,其他E11 国家货币实际有效汇率则有所贬值。

9.1.2 美元指数是 E11 国家货币走势的重要外部因素

E11 国家货币汇率变动主要受到国际和国内两方面因素影响。从国际因素来看,美联储货币政策变动及其预期变化是影响 E11国家货币汇率变动的重要外部因素。从国内因素来看,经济增长、通货膨胀、利率等经济状况的变化也对其汇率走势带来影响。

首先,美元指数走低是推动多数 E11 国家货币对美元升值的重要外部因素。2017年,受美国国内税收改革走向不确定、美联储加息效果提前消化、发达经济体货币政策逐步趋同等因素影响,美元指数呈现走弱趋势。2017 年 12 月,美元指数相比 2016 年12 月贬值 8.5%,成为影响 E11 国家货币汇率变化的重要外部因素。2017 年上半年,尽管美元指数不断走低,但相比 2016 年同期仍处于高位,这使得部分 E11 国家货币对美元汇率相比 2016 年同期仍有所贬值。但 2017年下半年,美元指数无论是相比 2016 年同期还是相比上半年都出现较大幅度贬值,这导致多数 E11 国家货币出现对美元升值,或者对美元贬值压力减轻。

其次,E11 国家经济增长状况也对汇率走势产生影响。俄罗斯和巴西经济增长状况好转为本币走强提供了支持。自 2016 年开始,俄罗斯和巴西经济不断好转,并在 2017年结束此前连续两年的衰退,实现正增长,从而推动了卢布和雷亚尔稳步升值。相反,部分国家的经济恶化则令本币承压。2016年,土耳其经济增速大幅下滑,实际经济增长率只有 2.9%。2017 年该国经济虽有所恢复,但总体仍处于较低水平。阿根廷情况与之类似。这些国家经济增长的低迷助推了本币对美元的贬值。

最后,地缘政治风险等因素也对汇率走势产生影响。2017 年以来,地缘政治事件频发,并给相关国家的货币带来影响。例如,土耳其与美国外交关系紧张成为新土耳其里拉大幅贬值的重要诱因,而地缘政治风险的降低则成为俄罗斯卢布升值的重要外部因素。

9.1.3 各国采取措施稳定汇率

为保持汇率稳定,E11 国家采取了诸多措施。部分国家通过提高利率水平缓解本币贬值压力。例如,阿根廷和墨西哥在 2017 年均多次提高利率水平,虽主要针对通货膨胀问题,但在客观上也有利于提高本币对投资者的吸引力。土耳其央行也试图通过收紧货币政策支持本币汇率,但为刺激经济增长,土耳其央行并未提高基准利率水平,而是提高流动性窗口利率,应对货币贬值的效果不佳。

针对 2017 年年初的人民币贬值压力,中国人民银行在 2017 年 5 月在人民币对美元汇率中间价报价模型中引入“逆周期因子”,以缓解外汇市场可能存在的“羊群效应”,促进人民币对美元汇率更充分地反映基本面的变化。“逆周期因子”的引入在一定程度上抑制了人民币贬值预期。2017 年下半年,人民币又出现强烈的升值预期。为此,中国人民银行将外汇风险准备金率下调为零,人民币的持续升值趋势得到了抑制。

墨西哥央行在 2017 年年初墨西哥比索大幅贬值的情况下也采取了汇率干预行动。2017 年 1 月,墨西哥央行通过抛售美元购入本币以遏制墨西哥比索下跌,并于随后推出 200 亿美元的对冲计划,对抑制比索贬值起到了明显的效果。印度尼西亚央行也一直采取措施来规范涉及印度尼西亚卢比的外汇交易。2017 年该国央行将维持汇率稳定设定为首要目标,以此达到稳定经济的目的。

9.2 国债收益率有所上升

2017 年,受基准利率上行和美国国债收益率上升等因素影响,多数 E11 国家国债收益率出现不同程度的上升。国债收益率上在提升新兴经济体国债市场吸引力的同时,也提升了相关国家国债市场的风险水平。

9.2.1 多数国家国债收益率上升

2017 年,多数 E11 国家国债收益率出现了不同程度的上涨(见图 9.1)。阿根廷十年期国债收益率在 2017 年 3 月达到低点之后迅速反弹,并于 2017 年 12 月升至近 6%。中国十年期国债收益率总体较为稳定且处于低位,但在 2017 年也呈现缓慢上升态势。印度、墨西哥、土耳其十年期国债收益率在2017 年上半年仍较为稳定甚至略有下降,但从下半年开始急剧上升。2017 年 12 月,三国十年期国债收益率分别较6月上升0.81个百分点、0.95 个百分点和 1.15 个百分点。其中,土耳其十年期国债收益率一度突破12%。韩国成为 E11 国家中十年期国债收益率最低的国家,但也从 2017 年年初的 2.1%左右上升到年底的 2.5%左右。

与此同时,部分 E11 国家国债收益率呈波动下降态势。印度尼西亚十年期国债收益率从 2016 年 12 月份的 7.94%下降到 2017年 12 月份的 6.31%,俄罗斯十年期国债收益率同期从 8.38%下降到 7.59%。巴西和南非十年期国债收益率在 2017 年经历了较大的波动,但总体上仍较 2016 年有所降低。从国债收益率的绝对水平来看,E11 各国仍存在较大差异。中国和韩国的十年期国债收益率低于 5%;阿根廷的十年期国债收益率 2016 年曾下降至 5%以下,但 2017 年又开始反弹,并再次突破 5%。巴西和土耳其依然是 E11 国家中国债收益率最高的两个国家,其十年期国债收益率至 2017 年 12 月均维持在 10%以上。其他 E11 国家十年期国债收益率维持在 5%至 10%之间。

9.2.2 多种因素影响国债收益率变动

经济基本面是影响国债收益率变动的中长期因素,它决定了国债收益率的周期性波动。总体来看,E11 国家大都处于经济高速发展时期,经济潜在增长率和资本回报率较高。因此,其国债收益率要普遍高于发达经济体。除经济基本面外,其他因素在短期内对国债收益率产生影响。

一是货币政策的影响。国债收益率往往随着央行利率水平同向变动。2017 年,阿根廷、墨西哥等国利率处于上升通道,其国债收益率总体处于上行趋势。土耳其虽然未提高基准利率,但是依然实施了偏向紧缩性的货币政策,这也在一定程度上助推了国债收益率的走高。俄罗斯、巴西、南非等国利率处于下降通道,其国债收益率总体也处于下行趋势。与此同时,较高的通货膨胀水平也决定了部分 E11 国家国债收益率处于高位。这是因为,一方面通货膨胀上升,债券持有者要求更高的债券收益;另一方面,通货膨胀上升也预示着央行可能采取更为紧缩的货币政策,从而带来对于央行基准利率预期的变化。

二是主权信用评级的影响。从标准普尔对 E11 国家的主权信用评级(见表 9.2)来看,2017 年,阿根廷、中国、印度、印度尼西亚、墨西哥、俄罗斯、韩国等国的主权信用评级基本维持不变甚至略有好转,显示出主权信用评级机构认为这些国家国债市场总体保持稳定。尽管如此,阿根廷、巴西、俄罗斯、南非、土耳其等国的主权信用评级仍维持较低水平。特别是巴西、南非、土耳其,其主权信用评级在 2017 年有进一步恶化的趋势,这成为其国债收益率一直居高不下的原因之一。

三是发达经济体债券市场的影响。作为全球基准的美国国债市场变动会对新兴经济体国债市场带来影响。2017 年,美国十年期国债收益率经历了上半年不断走低、下半年快速反弹的态势,受其影响,多数 E11 国家国债收益率表现出类似走势。尽管 2017 年美联储不断收紧货币政策,但美国国债收益率并未出现预想的飙升,这导致国际资本流向新兴经济体资本市场。据国际金融协会预计,2017 年流入新兴经济体的国际资本将增至1.1万亿美元,1 涌入新兴经济体国债市场的资金有助于新兴经济体国债收益率总体水平的走低。

9.2.3 部分国家国债市场仍面临较高风险

尽管风险相对发达经济体国债市场要大,但相对较高的国债收益率水平使得新兴经济体的国债市场受到投资者的青睐。以阿根廷为例,尽管刚刚经历过债务危机风波,2017 年 6 月阿根廷政府发行的期限为 100 年、总额达 27.5 亿美元的超长期国债仍受到国际投资者的追捧。这凸显出市场对新兴经济体国债市场较高的投资热情。

然而,高收益率在吸引投资者的同时,也推升了新兴经济体国债市场的风险水平。2017 年土耳其十年期国债收益率一直高居10%以上,但持续较高的通货膨胀率使得土耳其国债的实际收益率并不高,再加上货币贬值,土耳其国债的吸引力大大下降。为此,土耳其国债不得不维持较高的收益率。2017年,受经济基本面向好、通货膨胀预期上升、资金利率上升及监管加强等因素影响,中国国债收益率连续上升,十年期国债收益率在2017 年 11 月首次升至 4%。与此同时,印度、南非等国国债收益率在 2017 年也接连创下新高,造成市场借贷成本上升,加剧了债务风险。

9.3 股票市场表现亮眼

在国际资本流入的背景下,2017 年新兴经济体股市表现亮眼,多数 E11 国家股指大幅上扬,股市规模进一步扩大。考虑到新兴经济体良好的经济增长前景,其股票市场将继续有突出表现,但是也需警惕美联储加息引发国际资本流动逆转对新兴经济体股票市场带来的冲击。

9.3.1 股票指数总体大幅上扬

2017 年多数 E11 国家股指继续上升。在2016 年股市恢复的基础上,多数 E11 国家股市表现亮眼(见图9.2)。2016年12月至2017年 12 月,阿根廷股指累计上涨 77.7%,连续两年出现大幅上涨。土耳其股市在政府实施临时减税和贷款担保计划的推动下,同期股指大幅上涨 47.6%。中国、南非也一改2016 年股指收缩的局面,2017 年 12 月相比2016 年同期分别增长 21.8%和 17.5%。俄罗斯股指曾在 2016 年实现大幅增长,但2017 年上半年严重下挫,2017 年下半年才有所恢复,尽管如此,2017年12月相比2016年 12 月仍下跌 5.5%。

E11 国家股市总体反弹的背景下,各国股市波动性相较 2016 年也有所降低,股指月度环比涨跌幅均有所收窄。阿根廷股指曾在 2017 年 1 月、9 月、12 月环比涨幅超过10%,但月度环比跌幅较小;土耳其股市情况与此类似。俄罗斯股指多个月份环比出现下跌,最大跌幅超过 8%。中国股市在 2017年波动上升,除 2017 年 4 月和 11 月出现股指环比下跌,总体保持上涨态势。

9.3.2 股票市场规模进一步扩大

2017 年全球股市表现强劲,新兴经济体股市也不例外。2017 年,E11 国家股票市场规模出现大幅增长(见图 9.3)。其中,阿根廷股票市场市值相比 2016 年增长超过 50%,印度和土耳其股市市值相比 2016 年增长也超过40%。除沙特阿拉伯外,其他 E11 国家股票市场市值也出现较大幅度增长。2017 年中国 A股市值达到 56.62 万亿元,创造了中国资本市场有史以来的最高年度纪录,较 2016 年的50.62 万亿元增长了 6 万亿元,增幅 11.9%。

9.4 房地产价格变化幅度有所收窄

2017 年全球房地产市场继续呈现缓慢复苏态势。根据国际货币基金组织的统计,2017 年第二季度全球住房价格指数(Global House Price Index)为 158.6,相比 2016 年第二季度上涨 2.4%,目前的房价指数已经达到全球金融危机前的水平。2017 年,E11 国家的房价基本延续了各国在 2016 年的走势。俄罗斯、巴西、印度尼西亚、南非房价继续下跌,但除印度尼西亚外,其他国家的跌幅均有所收窄(见图 9.4)。根据国际货币基金组织的统计,2017 年第二季度俄罗斯房价相比 2016 年第二季度下跌 7.6%,巴西房价在同期下跌 5.8%。在国际货币基金组织所观察的 63 个经济体中两国仍是房价跌幅较大的国家。韩国房价在 2017 年年也有所下跌,2017年第二季度相比 2016 年同期下跌 0.6%。

印度、中国、土耳其和墨西哥房价延续了 2016 年的涨势。其中,印度和中国房价涨势相比 2016 年有所加快,而土耳其和墨西哥则有所放缓。2017 年,尽管实施了严格的调控政策,但中国房地产价格仍继续呈上涨趋势。2017 年年初,中国房地产价格基本延续了 2016 年下半年的上涨趋势,为此,从 2017年 3 月起,中国中央和地方政府接连发布房地产调控政策,打断了房地产价格快速上涨的势头,此后中国房地产价格增速有所回落。2017 年 12 月,70 个大中城市新建商品住宅价格指数同比增长率已经从 2017 年年初的10%缓慢下降至 5.8%。与此同时,“分类调控、因城施策”的房地产市场调控政策效果继续显现,一线城市房地产价格同比涨幅回落最快,二线城市次之,三线城市房地产价格同比涨幅则仍在上升,直到 2017 年 8 月才有所回落(见图 9.5)。

房价走势与实际信贷增长密切相关。部分房价走高的 E11 国家往往伴随着快速的实际信贷增长。2017 年第三季度土耳其实际信贷同比增长 11.7%,中国实际信贷同比增长9.3%,这为房价的上涨提供了支撑。相比之下,巴西和南非的实际信贷则出现同比收缩,这在部分程度上造成了两国房价的下跌。

为促进房地产市场稳定发展,避免房地产价格出现大幅上涨,E11 国家分别采取了针对性措施。2017 年中国密集出台了一系列房地产调控政策,调控政策从一线城市逐步展开,二线城市成为密集调控的重点,与此同时,部分房地产市场发展较热的三、四线城市也加入到调控行列。在因地制宜、因城施策的原则之下,调控政策广泛涉及“限购、限贷、限价、限售”等。2017 年 10 月,中国共产党十九大报告提出坚持房子是用来住的、不是用来炒的定位,提出加快建立多主体供给、多渠道保障、租购并举的住房制度,让全体人民住有所居。一系列调控政策遏制了房地产价格快速上涨的趋势,房地产市场总体趋于稳定。

为抑制部分地区房价过快上涨趋势,韩国在 2017 年 6 月也出台了房地产新政。这包括通过下调房产担保贷款与价值比率(LTV)和总负债偿还比率(DTI)来降低贷款总额,以抑制房地产投资过热现象,保护住房市场的真实需求。此外,韩国政府还通过对楼市过热地区延长认购权转卖限制时间来抑制短期投机势力的流入。8 月,韩国再次出台相关政策,在房地产过热地区进一步下调房产担保贷款与价值比率和总负债偿还比率,同时实施限制拥有多套住房者投机对策,通过税收、贷款等措施打击房地产投机。

9.5 金融市场前景展望

2017 年,E11 国家经济增速显著回升,金融市场的吸引力明显提高,无论是股票市场还是债券市场都有良好表现。展望 2018年,世界经济复苏势头不断加强,新兴经济体经济增速进一步加快,在全球经济中的作用越来越重要,这都将为新兴经济体金融市场的稳定发展提供良好的基本面。

然而,复杂的外部环境依然使新兴经济体金融市场发展存在诸多挑战。从国际金融环境看,美联储将会继续提升利率水平,欧洲央行虽开始减少资产购买,但仍将维持目前的低利率政策,日本央行则坚持推行超宽松货币政策,发达经济体货币政策的分歧愈加明显。美联储货币政策变动仍是影响 E11国家金融市场走势的重要外部因素。美国非常规货币政策加速退出所带来的溢出效应以及发达经济体货币政策分歧将使新兴经济体面临更为严峻的挑战。

在美联储逐步加息以及税制改革的背景下,美元仍有较大的可能性在 2018 年走强,这可能会加剧新兴经济体货币贬值压力。从贸易渠道看,货币贬值虽有利于促进新兴经济体对外出口,但是这种效应在短期内可能难以显现。从金融渠道来看,货币贬值不但会加重新兴经济体的美元债务负担,而且会破坏企业的资产负债表,并影响企业的偿债能力和盈利能力,从而对债券市场和股票市场带来冲击。

与此同时,伴随着美联储利率的提升以及美元的升值,美元资产的吸引力上升,新兴经济体将面临新一轮国际资本外流压力。这将引发新兴经济体的股票市场、债券市场甚至房地产价格的下跌,造成金融市场波动。国际货币基金组织的模型估计显示,美国货币政策的正常化,即提高政策利率和收缩资产负债表,在 2018—2019 年可能会使流入新兴市场的证券投资减少 700 亿美元。因此,部分资本市场不完善、金融系统较脆弱、管控能力较弱的新兴经济体可能会出现局部金融动荡。

一些非经济因素也可能给 E11 国家金融市场带来扰动。2018 年巴西和墨西哥等国将举行总统选举,选举过程以及结果可能对金融市场带来冲击。南非政治发展的不确定性增加为该国经济发展带来挑战,并可能由此加剧金融市场波动。土耳其和沙特阿拉伯仍面临紧张的地缘政治局势,这不仅会对其金融市场带来冲击,还会波及其他新兴经济体。

此外,部分 E11 国家银行业不断承压。印度和俄罗斯银行不良贷款占贷款总额的比重接近或超过 10%(见表 9.3),并且仍处于上升趋势。印度银行业面临着大规模坏账的巨大压力。根据国际评级机构惠誉的估计,逾期贷款占印度国有银行资产的比重高达11%,占私有银行资产的比重为 4.5%。俄罗斯银行业因经济放缓而压力增加,银行坏账在过去几年不断上升。与此同时,俄罗斯央行迫使银行为不良贷款进行更严格的拨备,再加上由于利率较低导致利差收紧,一些银行的财务状况不断恶化。此外,沙特阿拉伯不良贷款率也有所上升,但总体仍处于较低水平。2016 年以来中国的银行不良贷款率上升势头继续放缓,目前在 1.7%左右,总体趋势稳定。

总结

今年世界经济复苏势头不断加强,新兴经济体经济增速进一步加快,在全球经济中的作用越来越重要,这都将为新兴经济体金融市场的稳定发展提供良好的基本面。与此同时,复杂的外部环境依然使新兴经济体金融市场发展存在诸多挑战。

2017年E11国家经济增速显著回升,金融市场的吸引力明显提高,无论是股票市场还是债券市场都有良好表现。展望2018年,世界经济复苏势头不断加强,新兴经济体经济增速进一步加快,这为新兴经济体金融市场的稳定发展提供了良好的基本面。

与此同时,从国际金融环境看,美联储将会继续提升利率水平,欧洲央行虽开始减少资产购买,但仍将维持目前的低利率政策,日本央行则坚持推行超宽松货币政策,发达经济体货币政策的分歧愈加明显。美联储货币政策变动仍是影响E11国家金融市场走势的重要外部因素。美国非常规货币政策加速退出所带来的溢出效应,以及发达经济体货币政策分歧,将使新兴经济体面临更为严峻的挑战。

在美联储逐步加息以及税制改革的背景下,美元仍有较大的可能性在2018年走强,这可能会加剧新兴经济体货币贬值压力。从贸易渠道看,货币贬值虽有利于促进新兴经济体对外出口,但是这种效应在短期内可能难以显现。

从金融渠道来看,货币贬值不但会加重新兴经济体的美元债务负担,而且会破坏企业的资产负债表,并影响企业的偿债能力和盈利能力,从而对债市和股市带来冲击。

金准人工智能 博鳌亚洲论坛2018年新兴经济体发展报告(二) 2018-04-11 16:10:26


从就业的产业构成来看,E11 各国服务业中就业人数占比仍然显著低于 G7 国家(见图3.2),2017年E11 服务业中就业人数占比均值为61.4%,比G7均值低13.9 个百分点,但这一差距较 2016 年的 14.2%有所缩小,且国际劳工组织预计2018 年该差距还将进一步减小。具体地看,2017 年E11 中阿根廷、巴西、韩国、沙特阿拉伯和南非的服务业就业人数占比非常接近甚至已经超过 G7 中该指标最低的意大利的水平(69.8%)。俄罗斯也比较接近(为66.4%)意大利水平,其后是中国(为55.9%)和土耳其(为53.8%)。印度尼西亚(为47.1%)和印度(33.5%)相对较低。与2016 年相比,2017 年中国、印度尼西亚和印度服务业就业人数占比提升幅度较大,分别为 1.0%、0.7%和0.6%。沙特阿拉伯、墨西哥和巴西服务业就业人数占比出现小幅下降。



据国际劳工组织估算值计算,E11 自2016年至 2017 年的失业率均值有所上升,2018 年将出现回落,分别为8.1%、8.3%和8.2%,这与G7国家该均值持续下降的趋势并不相同(见图3.3)。具体地看,2017年E11 中巴西和南非失业率相比2016 年有较明显的上升,分别上升了1.3个百分点和1.1个百分点;土耳其、阿根廷、印度尼西亚、中国和韩国失业率略有上升 ;而墨西哥、俄罗斯和沙特阿拉伯失业率则出现回落。作为对比,G7 所有国家 2017 年失业率均低于 2016 年。



3.1.2 青年人失业问题凸显

2017年E11多数国家青年就业率出现下降。与 G7 国家相比,E11 国家 15 至 24 岁的青年就业率均值低 10 个百分点左右,且 2017年相比2016年E11青年就业率均值还出现了G7 国家并未出现的下降(见图 3.4)。其中,2017年巴西青年就业率下降了1.8个百分点,南非下降了 1.2 个百分点,俄罗斯下降了 1.1个百分点,降幅都在 1 个百分点以上。阿根廷、中国、印度尼西亚、土耳其、印度和韩国也都有所下降,沙特阿拉伯保持不变,只有墨西哥有 0.2 个百分点的微弱回升。



青年人因为经验较少且更有动机尝试新的工作机会,因此 15 至 24 岁青年失业率比总失业率一般来说要更高一些,无论新兴国家还是发达国家都是这样。2017 年 E11 青年失业率均值为 21.7%,较 2016 年上升了 0.9个百分点;G7 国家 2017 年青年失业率均值为 15.0%,较 2016 年下降了 0.8 个百分点(见图 3.5)。具体地看,2017 年 E11 中南非和巴西的青年失业率相比 2016 年分别上升了 4.0 个百分点和 3.2 个百分点,阿根廷上升了 1.7 个百分点。土耳其、印度尼西亚、韩国和沙特阿拉伯略有上升,印度保持不变,而墨西哥、俄罗斯和中国的青年失业率略有下降。



3.1.3 老龄化加剧,劳动力参与率下降

部分 E11 国家面临比较严峻的人口问题。根据 IMF 的最新估算,E11 总人口 2017年达到 37.1 亿人,较 2016 年增长 0.9%。其中仍居世界第一的中国人口总量为 13.9亿人,较 2016 年增加 814 万人,对 E11新增人口贡献率为 23.7%(见图 3.6)。印度人口总量虽然不及中国,2017 年为 13.2亿人,但其新增人口对 E11 的贡献率为49.9%,这意味着 2017 年 E11 新增人口中接近一半是来自印度的贡献。E11 中,俄罗斯面临人口负增长的问题。IMF 估算数据显示,2016 至 2018 年俄罗斯总人口负增长分别为 0.01%、0.05%和 0.08%,呈加速态势。中国的人口形势也不容乐观。中国国家统计局 2018 年 1 月 18 日公布的数据显示,2017 年全年共出生人口 1,723 万人,比 2016 年减少 63 万人。2017 年是全面两孩政策实施的第二年。此前有关方面判断,该政策对生育的促进有滞后性,效果将在 2017 年开始逐步显现,因此 2017 年出生人口数量会明显高于 2016 年。但统计结果表明,人口促进政策对中国人生育行为的影响并没有预想的大,全面二孩政策对缓解中国人口老龄化的作用可能不及预期。



从人口年龄结构来看,虽然 E11 总体比G7 国家年龄结构更轻,但 E11 中老龄化状况差异较大(见图 3.7)。俄罗斯和韩国处于E11 老龄化社会的第一梯队,2017 年两国国内 60 岁及以上人口占比都在 20%以上(分别为 21.1%和 20.1%),与 G7 国家中年龄结构相对较轻的美国(为 21.5%)接近。排在第二梯队的是中国(16.2%)和阿根廷(15.4%),60 岁及以上人口占比都超过了15%。2017 年 E11 中其他达到老龄化社会标准的国家还有巴西(12.6%)、土耳其(12%)和墨西哥(10.1%)。印度、印度尼西亚、南非和沙特阿拉伯 2017 年 60 岁及以上人口占比都低于 10%,其中最低的沙特阿拉伯只有 5.6%。从近年老龄化速度来看,韩国、俄罗斯和中国的老龄化速度较快,从2015 年到 2017 年,其 60 岁及以上人口占比分别上升了 1.6 个、1.1 个和 1 个百分点,同期 G7 中只有加拿大 60 岁及以上人口占比上升超过了 1 个百分点。



从城乡人口结构来看,2016 年 E11 多数国家城镇人口占比低于 G7 平均值(80.7),只有阿根廷、巴西、沙特阿拉伯和韩国分别比 G7 平均值高 11.2 个、5.2 个、2.6 个和1.9 个百分点(见图 3.8)。除此之外,E11中城镇化率在 60%以上的国家还有墨西哥(79.5%)、俄罗斯(74.1%)、土耳其(73.9%)和南非(65.3%)。中国和印度尼西亚的城镇化率分别为 56.8%和 54.5%,最低的印度只有 33.14%。但是,与 2016 年相比,E11 各国的城镇化水平都有不同程度的提升。其中中国和印度尼西亚提升幅度最显著,一年之中分别提高了 1.2 个百分点和 0.7 个百分点,南非和土耳其也都提升了 0.5 个百分点。



从劳动力参与率看,年龄在 15 岁以上人口中从事经济活动的人口比率近年在多数E11 国家中出现了下降的势头(见图 3.9)。2017 年 E11 中只有沙特、墨西哥和南非三个国家的劳动力参与率相比 2016 年有所提升,分别提升了 0.24 个、0.03 个和 0.02 个百分点。其他 E11 国家劳动力参与率全部出现下降,E11国家劳动力参与率2017年相比2016年变动均值为-0.1 个百分点。作为对比,全部G7国家的劳动力参与率2017年也全都出现了下降,变动均值为-0.17 个百分点。劳动力参与率下降主要存在两种情况。一是那些长期找不到工作的求职者丧失求职意愿而从劳动力市场退出,这种情况会带来失业率的下降,从而低估劳动力市场所存在问题的严重性。二是劳动力市场中的就业者(通常是因为收入足够高或者需要回归家庭等)从市场退出,这种情况会带来失业率的上升。E11 中更多的是第一种情况造成的劳动力参与率下降。这意味着,如果没有劳动力参与率的下降,E11 的失业率可能会更高。从绝对水平来看,2017 年 E11 里中国、印度尼西亚、巴西、俄罗斯、韩国和墨西哥的劳动力参与率水平较高,都超过了 60%,其中最高的中国为 68.9%。土耳其最低,2017年只有 51.6%。土耳其、印度、沙特阿拉伯的劳动力参与率之所以低,主要是因为这三个国家的女性劳动力参与率较低,2017年分别仅为 32.4%、27.2%和 22.3%。



尽管劳动力参与率有所下降,但 E11 劳动力规模仍然十分巨大(见图 3.10)。2017 年,中国、印度、印度尼西亚和巴西四个国家的劳动力数量均在 1 亿人以上,其中中国劳动力规模为7.85亿人,较2016年下降了约169万人;印度劳动力规模为 5.2 亿人,较 2016 年增长了约 743 万人;印度尼西亚劳动力规模为 1.27亿人,较 2016 年增长约 173 万人;巴西劳动力规模为 1.04 亿人,较 2016 年增长约 107 万人。墨西哥劳动力规模虽然只有 5,807 万人,但较2016年增长的数量比巴西还多,约为108万人。E11 中,除了中国劳动力规模 2017 年较 2016 年下降之外,俄罗斯也出现下降,比2016 年减少约 70 万人。汇总来看,E11 2017年劳动力规模较 2016 年增长了 1,055 万人。作为对比,G7 国家中日本、意大利和德国的劳动力规模2017年相比2016年分别下降了约42万人、11万人和5万人,但汇总来看G7 2017年劳动力规模相比 2016 年增加了约45 万人,这主要得益于美国增加了约72 万劳动力。



3.2 收入下降但分配改善

多数 E11 国家人均国民总收入(GNI)和实际工资增长率下降,且与以 G7 为代表的发达国家相比差距仍然明显。多数国家居民消费支出增长率为负或出现下降,但收入分配不平等问题有所改善,部分国家社会保障能力有所提升。

3.2.1 多数国家人均收入及实际工资增长率

下降2016 年 E11 多数国家现价美元计价的人均 GNI 较 2015 年有所下降,2017 年预计将延续下降的趋势(见图 3.11)。其中俄罗斯、巴西和南非 2016 年人均 GNI 的降幅居前三,分别下降了 16.6%、12.3%和 10%。降幅在5%至 10%之间的还有沙特阿拉伯(9%)、墨西哥(8%)和土耳其(6.4%)。阿根廷和印度尼西亚分别下降了 3.7%和 1.2%。印度、中国和韩国人均 GNI 则有所上升,分别提高了 4.4%、3.8%和 1.3%。2016 年,E11 中人均 GNI 仍在“1 万美元俱乐部”之中的国家是韩国、沙特阿拉伯、阿根廷和土耳其。巴西和俄罗斯人均 GNI 降至 1 万美元以下。中国由 2015 年的 7,950 美元上升至 8,250美元。



人均国民总收入的下降,也反映到近年E11 多数国家实际工资增长率下降的趋势上(见图 3.12)。从 2013 年至 2015 年,巴西实际工资增长率由 1.9%下滑至-3.7%,中国由8.8%下降至 6.9%,印度尼西亚由 10.1%下降至-0.4%,俄罗斯由 4.8%下降至-9.5%,沙特阿拉伯由 5.6%下降至 5.2%,土耳其由6.4%下降至 5.6%。与之形成对比的是,同期 G7 国家多数实际工资增长率出现上升趋势。如,德国由 0.5%上升至 2.8%,意大利由-0.3%上升至 1%,日本由-0.8%上升至0.3%,英国由-0.5%上升至 1.3%,美国由0.4%上升至 2.2%。



3.2.2 部分国家居民消费支出负增长

E11 中近年收入和工资水平下降较为严重的俄罗斯、巴西等国,2016 年居民最终消费支出也出现了负增长(见图 3.13)。俄罗斯增长率为-4.5%,巴西增长率为-4.2%,阿根廷增长率为-1.4%。南非、沙特阿拉伯、土耳其虽然没有出现负增长,但增长率也明显下降,分别由 2015 年的 1.7%、6.8%和5.4%,下降至 2016 年的 0.8%、2.2%和3.7%。2016 年印度、中国和印度尼西亚居民消费支出增长势头较好,分别由 2015 年的6.1%、7.2%和 4.8%提升至 2016 年的8.7%、7.8%和 5.0%的较高水平。2017 年预计俄罗斯、巴西等国居民最终消费支出将摆脱负增长,但印度、中国等原本增长较快的国家增速会有所放缓。



3.2.3 收入分配有所改善

国际通行以基尼系数衡量一个经济体中在个人或家庭中的收入分配(在某些情况下是消费支出)偏离完全平均分配的程度。基尼系数为 0 表示完全平均,100% 则表示完全不平均。2018 年度报告计算的 E11 的基尼系数均值为 43.4%,较 2017 年度报告值43.9%有所下降(见图 3.14),这主要是因为俄罗斯、韩国和巴西的收入分配状况有所改善。不过,E11 与 G7 的差距仍然显著。国际上通常把 40%作为收入差距警戒线,大于这一数值容易出现社会动荡。2018 年报告期E11 中俄罗斯降至警戒线水平以下。韩国2015 年的基尼系数为 29.5%,收入分配相对平均。G7 国家在 2018 年报告期的均值为33.0%,较 2017 年报告期的 33.1%也略有下降。



3.2.4 部分国家社会保障能力提升

社会缴款主要包括职工、用人单位、个体经营者所缴纳的社会保障缴款。在多数发达国家,这部分款项占收入的比重较高,由此国家有能力提供更加可靠的社会保障。本报告期的 E11 样本国家中,社会缴款与收入之比的均值为 21.2%,较 2016 年的 21.1%略有提升,但与 G7 样本国家 35%的数据相比差距仍然十分明显,这主要是因为 E11 中的印度和南非数值过低所致(见图 3.15)。阿根廷、巴西、中国、韩国、俄罗斯、土耳其等国这一比值都比 G7 国家中的英国更高。与上一个报告期相比,巴西、俄罗斯、墨西哥和土耳其等国的社会缴款占收入的比重有所提升。



4  物价与货币政策

2017年多数 E11 国家通货膨胀形势有所好转,但部分国家仍面临较大的通货膨胀压力,2018 年预计通货膨胀率将会有所上升。为此,E11 国家当前实施宽松货币政策的空间有限,特别是随着美联储货币政策逐步收紧,E11 国家货币政策的紧缩压力或将加大。

4.1 通货膨胀得到较好控制

2017 年,尽管部分国家仍面临较大的通货膨胀压力,但大部分 E11 国家的通货膨胀率开始走低。2018 年,受大宗商品价格回升、新兴经济体经济持续复苏、货币贬值等因素的影响,E11 国家的通货膨胀率预计将会比2017 年有所上升。

4.1.1 多数国家通货膨胀率走低

2017 年绝大多数 E11 国家通货膨胀率走低。2017 年巴西通货膨胀率从 2016 年的8.7%下降到 3.4%,达到近年来的低点。中国 2017 年通货膨胀率为 1.6%,相比 2016年也下降 0.4 个百分点。印度、俄罗斯、南非等国通货膨胀率在 2017 年也出现下降,沙特阿拉伯甚至在 2017 年出现通货紧缩。不过,也有部分国家通货膨胀率出现上升。2017年印度尼西亚通货膨胀率从 2016 年的 3.5%上升至 3.8%,韩国通货膨胀率也从 1.0%上升至 1.9%,不过总体上,这两个国家的通货膨胀压力并不大。墨西哥和土耳其通货膨胀率在 2017 年则出现急剧上升,其中墨西哥通货膨胀率在 2017 年上升至 6.0%,相比 2016年上升 3.2 个百分点,土耳其通货膨胀率在2017 年达到 11.1%,相比 2016 年上升 3.4个百分点。

2017 年月度走势来看,多数 E11 国家通货膨胀率也出现走低趋势。巴西通货膨胀率从 2017 年 1 月的 5.4%下降到 12 月的3.0%,创近 19 年的新低。俄罗斯通货膨胀率从 2017 年 1 月的 5.0%下降到 12 月的2.5%;同期,南非通货膨胀率也从 6.8%下降到 4.5%。部分 E11 国家在 2017 年上半年通货膨胀率有所上升,但下半年也出现下降。印度尼西亚通货膨胀率在 2017 年 6 月达到4.4%的高点之后,在 12 月下降至 3.6%。韩国情况与此类似,其通货膨胀率在 2017 年 8月达到高点后随即回落。不过,部分国家通货膨胀率在 2017 年下半年特别是第四季度出现上升趋势。例如,印度通货膨胀率从2017 年 6 月的 1.5%上升到 12 月的 5.2%,通货膨胀压力有所加大;中国通货膨胀率在2017 年 2 月降至 0.8%的低点之后,不断回升,至 2017 年 12 月回升至 1.8%;墨西哥和土耳其的通货膨胀率总体处于上升过程,至 2017 年 12 月,两国通货膨胀率分别升至6.8%和 11.9%。2017 年,阿根廷的通货膨胀率在 E11 国家中最高,全年保持在 20%以上,12 月依然高达 24.8%,远超其央行设定的 12%~17%的水平。2017 年,沙特阿拉伯陷入通货紧缩,2017 年 11 月和 12 月,其物价才恢复正增长,但依然处于较低水平(见表 4.1)。

在生产者价格指数变化方面,E11 国家显示出不同的特征。部分国家的生产者价格指数有所下降,甚至出现收缩。据国际货币基金组织的统计数据,2017 年第一季度和第二季度南非生产者价格指数同比变化率分别为 5.0%和 4.5%,相比 2016 年略有降低(见表 4.2)。巴西生产者价格指数在 2017 年第二季度同比变化率为-1.1%,而沙特阿拉伯在 2017 年前两个季度生产者价格指数同比变化率均为-38.2%。多数国家的生产者价格指数有所上升。中国的生产者价格指数变化率从2016年的-1.3%上升至2017年第一季度的 7.4%和第二季度的 5.8%,2017 年全年生产者价格指数上涨 6.3%,结束了自2012 年以来连续 5 年的下降态势。韩国情况与此类似,其生产者价格指数变化率也从2016 年的负值转为正值。印度、印度尼西亚、墨西哥等均有不同程度的上升。俄罗斯和土耳其生产者价格指数变化率在 2017 年均出现急剧上升。2017 年第一季度俄罗斯生产者价格指数同比变化率为 13.0%,较 2016 年上升 8.7 个百分点。土耳其生产者价格指数同比变化率在 2017 年前两个季度分别为15.1%和 15.5%,均较 2016 年出现大幅上升。生产者价格指数通常被视为通货膨胀变化的先行指数,预示着 E11 国家未来的通货膨胀压力将会上升。

4.1.2 食品价格是影响通货膨胀率走势的主要因素

食品价格是新兴经济体通货膨胀的主要影响因素。部分国家通货膨胀率的走低就来自于食品价格的走低。2017 年中国食品价格下降 1.4%,为 2003 年以来的首次下降,成为中国通货膨胀率下降的主要原因。巴西粮食产量在 2017 年突破新高,造成食品价格出现 2006 年以来的首次下跌,成为巴西通货膨胀率走低的主要原因。沙特阿拉伯通货膨胀率连续出现负值,除了高基数效应外,食品价格持续维持低位也抑制了通胀的上升。食品价格波动也直接影响了印度通货膨胀率的走势。2017 年,由于大豆、油料种子和其他经济作物均获大丰收,印度食品价格大幅下滑,在 6 月降至最低点,不过此后随着蔬菜和水果的成本激增,印度通货膨胀率再度高企。墨西哥通货膨胀率在 2017 年创下新高,部分原因就来自于食品及能源价格的上涨。

汇率贬值加剧部分 E11 国家的通货膨胀压力。本币汇率贬值将造成进口商品价格升高,从而为一国带来输入性通货膨胀压力。与 2016 年情况类似,2017 年部分通货膨胀压力较大的国家往往伴随着货币的大幅贬值。新土耳其里拉兑美元汇率 2017 年 12 月相比 2016 年 12 月贬值 10.3%,这导致原油等大宗商品进口价格上涨,输入性通胀压力助推本国通胀水平进一步上涨。阿根廷比索兑美元汇率在 2017 年 12 月相比 2016 年同期也贬值 12.0%,迅速贬值的货币成为影响通货膨胀的最大因素。除此之外,大部分 E11国家的货币 2017年相比 2016年有所升值或保持稳定,这对于缓解通货膨胀压力起到了一定的作用。

价格改革助推通货膨胀率上升。2016 年年底,墨西哥能源监管委员会宣布,将逐步放开对汽油、柴油和航空燃油价格的控制。2017年 1 月 1 日起,墨西哥政府启动汽油定价市场化改革,汽油价格涨幅最高达 20.1%,柴油价格涨幅约为 16.5%,这助推了整体物价的上涨。为了减少财政赤字,阿根廷政府在 2017年削减天然气和电力等公用事业补贴,导致汽油、电费、燃气费、公共交通等居民日常生活开支不断上涨,加剧了通货膨胀压力。

部分国家货币供应量过快增长也带动了通货膨胀的上升。最近几年,阿根廷一直保持高速货币供应速度,2017 年有数月广义货币供应量同比增速甚至超过 50%。土耳其 2017 年广义货币供应量同比增长率也有数月超过20%。货币供应速度过快造成两国通货膨胀率一直居高不下。

4.1.3 通胀压力预计有所上升

展望 2018 年,E11 国家通货膨胀率预计将会比 2017 年有所上升。部分国家居民消费价格指数将会进一步上涨,但物价增速仍有望保持在央行设定的通胀目标之内。部分国家如阿根廷、土耳其等国的通货膨胀率可能会较2017 年有所下降,但预计仍会保持在高位。

第一,大宗商品价格上涨带动通货膨胀率上升。据国际货币基金组织 2018 年 1 月的预测,2018 年世界经济增长率为 3.9%,相比2017 年上升 0.2 个百分点。全球经济复苏逐步强劲将会带动国际大宗商品价格回升。根据世界银行 2017 年 10 月发布的《大宗商品市场前景》报告预测,2018 年大宗商品价格将会继续上涨,这可能会推动新兴经济体的总体通货膨胀水平。2017 年多数 E11 国家生产者价格指数涨幅扩大已显示了这一趋势。

第二,新兴经济体国内需求回升带动物价上涨。2018 年多数新兴经济体经济复苏基础不断巩固,国内需求逐步改善,消费的逐步复苏将会推升物价走高。国际货币基金组织2017 年 10 月发布的《G20 监测报告》指出,多数 E11 国家 2018 年的产出缺口将会比2017 年有所收窄,从而推动物价加速上升。

第三,货币贬值加大新兴经济体通货膨胀压力。2018 年随着主要发达经济体货币政策收紧,新兴经济体面临资本外流和货币贬值压力。如果新兴经济体货币出现对外贬值,将造成进口商品价格升高,从而加剧新兴经济体的输入性通货膨胀压力。

4.2 货币政策调整空间有限

2017 年,E11 国家货币政策继续呈现分化态势。一些国家在经济增长疲弱的情况下继续实施宽松性货币政策的同时,另一些国家由于通货膨胀压力上升,不得不采取紧缩性货币政策进行应对。2018 年受国内经济复苏、通货膨胀压力加大以及美联储加息等因素影响,E11 国家货币政策面临紧缩压力。

4.2.1 广义货币供应量增速总体有所加快

2017 年,多数 E11 国家的广义货币投放增速有所加快。2017 年阿根廷和土耳其广义货币(M2)增速较 2016 年进一步加快,其中阿根廷 2017 年前 9 个月同比增速围绕50%上下波动,此后才有所下降,但仍维持在 30%以上(见表 4.3)。2017 年 1 月至 11月,土耳其广义货币供应量同比增速总体保持较高水平,2017 年 12 月才降至 15.7%。

印度尼西亚和俄罗斯广义货币供应量增速在2017 年也维持在 10%左右。南非广义货币供应量增速从绝对水平上看并不高,但是相比 2016 年也有所上升,2017 年 11 月达到8.7%,相比 2016 年同期上升 4 个百分点。巴西广义货币供应量增速维持在较低水平,2017 年总体也维持上行趋势。

但是,部分 E11 国家的货币供应量增速有所放缓。2017 年,中国广义货币供应量同比增速呈现逐步走低趋势,至 2017 年 12 月降至 8.2%,相比 2016 年同期降低 3.1 个百分点。韩国情况与中国类似,2017 年 11 月其广义货币供应量同比增速已经降至 4.8%,相比 2016 年 11 月下降 2.7 个百分点。印度广义货币供应量增速在 2016 年经历了快速上升,考虑到基数效应,这使得其在 2017年的增速出现大幅下降,自 2016 年 11 月开始一直到 2017 年 4 月,甚至出现了数月广义货币供应量增速为负的情况。

发达经济体广义货币供应量增速也表现出不同走势。2017 年,欧元区和日本的广义货币供应量增速呈现走高趋势,而加拿大、英国和美国广义货币供应量增速则总体走低。总体来看,E11 国家广义货币供应量增速仍普遍高于发达经济体。对于新兴经济体来说,货币供给除了要满足经济的日常运转之外,还有部分货币要被固化在资本形成上。因此,当前新兴经济体普遍有着比发达经济体更快的广义货币供给速度,这是新兴经济体金融深化的自然过程。广义货币供应量快速增长并不一定完全转化为通货膨胀压力,但是部分广义货币供应量增长较快的国家仍需引起注意。

4.2.2 基准利率调整分化依旧

为刺激经济,巴西和俄罗斯在 2017 年继续大幅下调基准利率(见表 4.4)。2017 年,巴西连续 8 次下调利率累计 675 个基点,俄罗斯也降息 6 次累计 225 个基点,两国相比2016 年降息力度均进一步增加。经济下行也令印度央行在2017年进一步下调利率。2017年第一季度印度实际 GDP 同比仅增长6.1%,创下近两年来的最低水平。与此同时,在 2016 年“废钞令”和 2017 年商品和服务税改革的冲击下,印度经济接连受挫,这迫使印度央行在 2017 年 8 月下调利率至6.0%。这是 2016 年 10 月以来印度央行首次降息。在经济增长前景不佳,同时通货膨胀有所缓解的情况下,南非央行在 2017 年 7月也宣布下调利率,这是该行近 15 个月以来的首次利率调整。

出于抑制通货膨胀的考虑,阿根廷、墨西哥和韩国在 2017 年都进行了加息。尽管阿根廷的通货膨胀率在 2017 年有所下降,但依然远远高于其央行设定的通胀目标。为此,阿根廷先后三次提升其利率水平,从 2016年 11 月的 24.75%提高到 28.75%。目前,阿根廷是全球利率水平最高的国家之一。由于通货膨胀率的快速上涨,2017 年墨西哥央行延续了 2016 年的加息节奏。2017 年,墨西哥共计加息 5 次累计 150 个基点,达到2009 年 2 月以来的最高水平。2017 年 11 月30日,韩国央行宣布加息25个基点至1.5%。这是该国六年来的首次加息,加息主要缘于该国经济的强劲增长,通货膨胀逐步接近其通胀目标。

2017 年土耳其、中国等国的基准利率保持不变。出于对经济增长的担忧,2017 年土耳其一直维持基准利率不变,但在高通胀的背景下,依然实施了偏向紧缩性的货币政策。2017 年 3 月、4 月以及 12 月土耳其央行分别上调其流动性窗口利率至 12.75%,土耳其央行表示,将维持紧缩的货币政策立场,直到通胀形势出现显著改善。2017 年中国经济总体保持稳定,居民消费价格温和上涨,物价水平保持平稳,为此,中国人民银行继续实施稳健中性的货币政策。在保持基准利率不变的同时,中国人民银行综合运用公开市场操作、中期借贷便利(MLF)、抵押补充贷款(PSL)、临时流动性便利(TLF)等工具灵活提供不同期限的流动性,保持流动性基本稳定。与此同时,中国人民银行还通过实施定向降准政策加大对实体经济尤其是小微企业发展的支持。2016 年印度尼西亚央行曾四次下调基准利率。不过,在良好经济增长前景与平稳物价走势的情况下,2017 年印度尼西亚央行一直维持着自 2016 年 6 月以来的利率水平。

4.2.3 货币政策有望收紧

2018 年,新兴经济体的货币政策将有望总体收紧。2018 年,新兴经济体经济的复苏向好为货币政策的收紧奠定了基础。据国际货币基金组织的预测,2018 年新兴市场和发展中经济体的经济增速将达到 4.9%,相比2017年增加0.2个百分点。从E11国家来看,2018 年经济增速仍将维持在较高水平,多数国家比 2017 年经济增速有所加快。根据前文分析,2018 年多数国家通货膨胀水平将出现上行,这促使 E11 国家将总体紧缩货币政策。一方面,俄罗斯、巴西等此前货币政策不断宽松的国家,经济已逐步复苏,同时当前利率水平均已处于历史低位,进一步货币宽松的空间十分有限。另一方面,在通货膨胀的压力之下,一些经济体将会进一步紧缩其货币政策。

与此同时,主要发达经济体的货币政策已开始出现收紧。在 2015 年、2016 年美联储分别加息一次后,2017 年美联储加息步伐加快,3 月、6 月和 12 月分别加息 25 个基点,至 2017 年年底将联邦基金利率提升至1.25%~1.50%的水平上。美联储表示,2017年美国劳动力市场表现持续强劲,经济活动以稳定速度增长。在 2017 年 12 月对美国经济的预测中,美联储上调了美国 2018 年实际经济增长预期,从 2017 年 9 月预计的 2.1%大幅上调至 2.5%。与此同时,美联储认为2018 年的通货膨胀率将保持稳定,预计加息次数仍是 3 次,每次 25 个基点。

欧洲央行也开启了货币政策正常化进程。随着欧元区经济持续复苏,欧洲央行在保持利率不变的情况下,逐步缩减每月资产购买规模。2017 年 4 月,欧洲央行将每月资产购买规模由此前的 800 亿欧元降至 600 亿欧元,这被认为是欧洲央行走向货币政策正常化的第一步。随后在 2017 年 10 月,欧洲央行宣布从 2018 年 1 月开始,将每月的资产购买规模从 600 亿欧元进一步降至 300 亿欧元,一直维持到 2018 年 9 月,这被认为是欧洲央行逐步退出实行数年之久的宽松货币政策迈出迄今为止最大的一步。

不过,在美联储、欧洲央行纷纷调整货币政策时,日本却维持量化宽松和负利率政策不变。2017 年 12 月,日本银行货币政策会议决定维持短期利率-0.1%和长期债券零利率不变,并继续收购国债、交易所交易基金和房地产投资信托,维持向市场注资规模。日本央行认为,短期内 2%的通胀目标仍然难以实现,现行超宽松货币政策不变。

当前主要发达经济体货币政策走向为新兴经济体带来了挑战。一方面,随着美欧货币政策调整特别是美联储连续加息,新兴经济体货币政策面临紧缩压力。在美联储持续加息的情况下,新兴经济体面临国际资本大幅外流的风险,部分 E11 国家不得不提高利率以避免资本大幅外流和本币贬值,这迫使一些新兴经济体对过去执行的宽松货币政策进行调整。因此,2018 年,部分新兴经济体将会主动或被动地加息。另一方面,发达经济体货币政策分化造成主要国际货币汇率出现分化,进而导致钉住这些货币的新兴经济体货币汇率剧烈波动。主要发达经济体的货币政策分化也会造成国际资本流动更为剧烈,从而给新兴经济体经济的平稳运行带来挑战。