【经管大课堂·经济统计】美联储纪要、非农与概率反转：「数据依赖」的统计逻辑

案例背景

北京时间2026年10月8日凌晨，美联储公布9月联邦公开市场委员会（FOMC）会议纪要。纪要显示，与会官员对未来加息路径存在明显分歧，年内或再次上调利率一次。而在此前公布的9月新增非农就业数据仅为2.9万人，显著逊于市场预期，就业降温信号与纪要中的偏紧表述形成对照。有分析称，中期选举前不加息的概率已升至83%，10月加息的市场定价则从此前的高位大幅降温。

与此同时，美国30年期国债收益率升至5.70%附近，创下2002年以来最高水平。短端政策预期与长端市场利率在方向上出现背离，这一组合为理解「数据依赖」的货币政策框架提供了难得的教学样本。

核心分析

一、从泰勒规则到数据依赖：把政策写成状态函数

泰勒规则（Taylor, 1993）把联邦基金利率写成均衡实际利率、通胀、通胀缺口与产出缺口的线性函数，其核心思想是政策应当可预测、可检验。Clarida、Gali与Gertler将之扩展为前瞻性规则并进行跨国实证估计，发现央行实际是在对预期通胀与预期产出缺口做出反应，而非对已实现数据机械回应。所谓数据依赖（data-dependent），本质上是把政策反应函数写成状态依存的形式：政策不按日历走，而按经济状态走。

纪要显示的分歧，则可以用Brainard保守性原理来解释：当政策乘数与传导存在不确定性时，最优政策调整幅度应小于确定性情形下的幅度。因此，在就业数据转弱、通胀路径不明时，委员会内部出现分歧并选择小步慢走，是统计决策理论的自然推论，而非优柔寡断。伯南克长期倡导的预期管理则提示我们，纪要本身就是政策工具的一部分，其信息含量需要通过文本量化方法（鹰鸽指数、情绪计分）才能被纳入实证模型。

二、83%的概率意味着什么：隐含概率的统计边界

市场流传的加息概率，通常来自联邦基金利率期货定价（如CME FedWatch）。其计算逻辑是：由期货价格反推出市场对合约期内平均有效联邦基金利率的预期，再结合已公布的当前利率，反解出「加息若干基点」的隐含概率。这里有两个常被混淆的概念。第一，期货价格给出的是风险中性概率，其中混入了风险溢价，并不等于对未来事件发生的客观概率估计；第二，同一份数据可以因假设的步长（25个基点还是50个基点）而得出不同的概率分配，概率本身高度依赖模型设定。

Bernanke与Kuttner（2005）的经典研究把货币政策冲击分解为三部分：当期目标利率变动、未来政策路径的预期变动、以及期限溢价变动，并指出资产价格反应主要来自预期成分而非当次调整本身。这一结论对数据解读极为关键：非农2.9万人公布后的市场波动，真正被定价的不是「2.9万」这个数字，而是它相对于预期的偏离，即意外成分（surprise）。实证上通常采用事件研究法，以数据公布时刻为事件窗口，测量标准化后的异常反应，并分离预期与意外两个通道。

三、长端利率为何居高不下：收益率曲线的分解

30年期美债收益率升至5.70%附近、创2002年以来新高，需要与短端政策预期分开理解。根据预期假说，长期利率等于市场对未来短期利率路径预期的平均值，加上一个期限溢价。因此，长端上行可能来自两个完全不同的原因：一是市场预期未来短端利率中枢抬升，二是投资者要求更高的持有长期限风险补偿。

要把这两者分开，需要用到期限结构模型。Kim与Wright的无套利期限结构模型、Adrian-Crump-Moench（ACM）模型，都是把收益率曲线拆分为预期短端路径与期限溢价的标准工具。期限溢价主要受通胀不确定性、债券供给与期限偏好影响。当短端加息预期降温、而长端收益率仍在攀升时，曲线趋于陡峭化，通常被解读为市场在同时定价「短期按兵不动」与「长期通胀与期限风险上升」。教学中可以用同一时点的短端隐含概率与长端期限溢价，构造一张两维度的诊断表，训练学生避免用单一利率推断政策立场。

管理启示

第一，市场概率是定价结果而非客观概率，使用风险中性概率时必须说明其模型假设与风险溢价成分。第二，数据冲击的影响取决于相对预期的偏离，分析应分离预期成分与意外成分，而非只看绝对值。第三，长端利率必须分解为预期路径与期限溢价，否则容易把结构性变化误读为政策转向。

其他思考

1. 如果要用文本分析方法量化FOMC纪要的鹰鸽倾向，应如何构建词典与计分规则，并检验其与利率期货定价的相关性？
2. 风险中性概率与真实概率之间通常存在差异，这种差异能否用期限溢价近似度量？需要哪些额外数据支持？
3. 若非农数据因调查回复率下降而 revisions 频繁，数据修正会如何影响事件研究法的窗口设定与结论稳健性？

关键词：泰勒规则、隐含概率、收益率曲线分解
来源：第一财经 | 财新网 | 整理：经管大课堂