一个实时 GDP 指标的参考边界

“该模型对上一季实际 GDP 增长的即时预测值，建立在已发布的月度数据之上，并随新数据发布而更新。”这是亚特兰大联储对 GDPNow 的标准表述，措辞克制，几乎没有留下可以被行情解读利用的缝隙。但恰恰是这段近乎枯燥的定义，划出了一条被频繁越过的边界——这个数字是模型输出，不是统计结果。

GDPNow 的基本做法并不神秘。把已经公布的月度指标——个人消费支出、耐用品订单、贸易差额、工业产出、库存变化——按他们在季度 GDP 核算中的权重，映射到尚在成形中的季度总体里。每当一个新数据落地，映射关系随之调整，预测值也跟着动。它不是把月度数据简单相加，而是依赖一套固定的桥接方程，把月频信息翻译成季频增长。

问题出在“即时”两个字上。

季初发布的第一版数值，可用数据最少，模型只能依靠样本内估计和部分硬数据工作，修正空间最大。随着更多月度数据聚合，围绕同一季度的预测会经历数次甚至是十几次更新。据公开记录，在 2020 年二季度和 2021 年三季度数据剧烈波动的时段，GDPNow 的季内预测在单周内出现高于一个百分点的修正并不罕见。这一点常被忽视：跟踪者容易把最新读数当作锚，而忽略了它本身承载的路径拐动。

GDPNow 不预测超过当前季度的增长

该指标只覆盖已经处在统计窗口内的季度，也就是已经公布了部分月度数据的季度。下一个季度尚未开始披露硬数据时，模型停止对其发布更新，或者干脆不发布。这不是技术故障，是模型结构的必然结果——没有可传导的月度输入，桥接关系就得不到支持。也因此，看到的所谓“预期增长”若已越过当前时点，含义就会发生偏移。当时不存在一个可追的读数，直到新季度有了月度数据为止。

GDPNow 是一个模型预测，不是官方统计数据。—— 亚特兰大联储对 GDPNow 的说明文件

模型的最后一个更新发生在政府发布初值 GDP 之后。一旦官方数据落地，追踪按定义结束了，数值不再移动。这个节点的重要性经常被低估：之前若干次迭代的每一个残差、标准误修正、权重替换，在此刻凝结成一个历史记录。如果回看过去多个季度已下沿

1. 先确认该季度已发布的月度数据覆盖范围
2. 对比最近若干次更新的修正方向和幅度
3. 留意发布窗口和联邦数据日程的先后关系

目前还看不清这套方法在高频数据全面延迟时能否适应——那是实时 GDP 公开话题里少见却不小的一块，现有样本还不足以判断常态中止更新的时长，会不会改变模型累计修正的系统性。