百分比变化与同比变化：先读懂图表标签

同样的数据，两个不同的问题

大多数时候，图表展示的是水平值：某项资产的价格、某个指数的数值、某项经济总量的美元金额。百分比变化图则不同。它把这个水平值转换成一个变化率，问的是该序列相对于更早的某个时点变动了多少。选择哪个更早的时点，决定了一切。

FRED 是由圣路易斯联邦储备银行运营的免费经济数据服务，用户几乎可以切换任何序列的单位。其中两个选项在菜单里看起来几乎一模一样。一个标为 Percent Change，另一个标为 Percent Change from Year Ago。它们回答的是两个不同的问题，画出的线条可能毫无相似之处。

Percent Change 设置把每个观测值与紧邻的前一个观测值相比。对月度序列来说，就是本月对比上月；对季度序列来说，就是本季度对比上一季度。Percent Change from Year Ago 设置则把每个观测值与十二个月前对应的观测值相比：今年十月对比去年十月，本季度对比一年前的同一季度。

两条线为何出现分歧

由于比较的基准点不同，同一序列的环比变化和同比变化可能彼此不一致，而两张图都依然正确。两者都不是错误，只是在不同的时间窗口内衡量变化。

短窗口比较反应迅速。一个异常的月份会立刻表现为尖锐的飙升或下跌，线条往往显得杂乱，在零轴上下来回跳动。长窗口比较则更平滑，因为每个点都融合了整整一年的变动。它转向较慢，单个异常月份对它的影响很小。

这种差异会带来一些常见的困惑。某个序列可能在最近一个月出现负读数，而其同比线仍明显为正，因为过去一年整体上是增长期。反过来也会发生：单月表现强劲，同比却依然疲弱，因为当前水平仍低于一年前。

还需要留意基数效应。同比线既取决于现在发生的事，也同样取决于一年前发生的事。如果该序列在十二个月前异常偏低，即使近几个月平静无波，今天的同比变化也可能显得很大。如果当时异常偏高，则情形相反。

正如引发本文的那则笔记所言：“因此，月度变动与同比变动可以不同，而两张图表都没有错。”

线的高度不等于水平值

第二个陷阱更为隐蔽。序列一经转换，线条就不再显示被衡量的那个对象，而是显示增长率。请这样读坐标轴：转换后线条上的一个点告诉你的是序列变化得有多快，而不是序列有多大，所以线的高度永远不等于背后的美元金额或指数数值。

当百分比变化线下降时，这一点尤为重要。增长率下降并不意味着水平值在下降。只要增长率仍高于零，底层序列就仍在上升，只是比以前更慢。只有当线条跌破零轴时，水平值在该比较窗口内才真正在收缩。

同样的逻辑反过来也成立。增长率从深度负值向零攀升，描述的仍是一个在下降的水平值，只是降幅更温和。只看线条形状而不读坐标轴的读者，可能会得出与数据所述正相反的印象。

解读飙升之前的三项检查

实用建议很简短。在解读市场或经济图表上的飙升之前，先检查三件事。

• 单位标签。坐标轴显示的是水平值、较上一期的百分比变化、较一年前的百分比变化，还是其他内容，比如以某个起始值为基期重新定基的指数？标签通常很小，却是图表上最重要的文字。
• 观测频率。该序列是日度、周度、月度还是季度？较上一个观测值的百分比变化，对日度价格序列和季度经济总量而言，含义大不相同。
• 比较期。每个读数是与哪个更早的时点相比的？上一个观测值与一年前的同一时点会给出不同的答案，而且二者单独看都不是完整的图景。

这些检查都不需要特殊软件。它们只需几秒钟，却能避免对头条图表最常见的误读。

这些道理如何延伸到市场图表

这些观点并不局限于经济数据发布。它们同样适用于市场图表，无论对象是股指、单只股票还是加密货币。许多图表工具允许用户在价格视图和百分比视图之间切换，许多新闻图表引用的是所选窗口内的回报，却很少交代窗口本身。

某项资产的日度百分比变化图，表现得像上文描述的短窗口视图：跳动剧烈、反应迅速、容易被过度解读。在较长窗口内衡量的回报，则表现得像同比视图：更平滑、更缓慢，并且深受窗口起点时价格所处位置的影响。看上去强劲的长窗口回报，完全可以与近期一连串下跌的日度收盘价并存，两种描述都可能是准确的。

这正是 Chartora 自己的文章每次引用变化时都会注明窗口，并把任何百分比与日线图上重要的价位配对的原因：最近的支撑与阻力区域、近期波段高点和低点的趋势结构、相对于移动平均线的位置，以及价格在近期区间内所处的位置。单独的百分比描述的是运动，而价位描述的是这一运动把价格留在了何处。

下一张图表出现时该看什么

按计划发布的数据是混淆最常出现的地方。头条可能以环比数字开头，而旁边的图表显示的是同比增速，或者反过来。先读标签，再看频率，然后看比较窗口，就能把一张令人困惑的图变成清晰的图。

把水平值图表与转换后的图表并排对照也很有帮助。看到底层序列，就能一目了然地判断下降的增长线反映的是真实的下滑，还是仅仅上升放缓。跳过这一步的风险并不小：基于被误读的坐标轴做出的决定，可能恰恰是与数据所示相反的决定。