什么是NAIRU,它如何塑造美联储政策 banner image

Reference

Macro Education

什么是NAIRU,它如何塑造美联储政策

美国联邦储备委员会 (Fed) 通过本指南解释了NAIRU是什么,美联储如何使用它来平衡其双重任务,以及为什么平衡失业率的不确定性是美元波动的最大驱动因素之一.

其他语言版本 English

美国联邦储备委员会 (Federal Reserve) 拥有两个法定目标:最大就业和稳定的价格.一看,它们是相反的方向:推低失业率,通货膨胀往往会上升;推高太低的通货通胀率,就业就会被摧毁.调和这些目标需要一个工作估计,即劳动力市场可以在哪里坐下来,而不会产生加速的价格压力.该估计有名字:NAIRU 无加快的失业通货率.

美国央行没有明确宣布NAIRU作为政策目标.它并没有出现在点图上.但它作为一个不可见的,几乎在每一次FOMC讨论劳动力市场"过于紧张",当它"足够限制",以及双重任务真正平衡时,它都起作用.对于任何观察美元的外汇分析师来说,理解NAIR U和美联储关于其位置的不确定性是解释利率决定,就业数据和央行前指导的重要背景.

关键的带走点 2026 年 4 月

过去十年里,美联储对NAIRU的最佳估计一直在下降,在大多数工作人员模型中处于4.04.4%左右.由于实际失业率自2023年底以来一直在这个范围内波动,美聯储正在模糊的区域中运作,劳动力市场既不明显通货膨胀也不明显限制.这种不确定性在每次FOMC分歧决策投票和每次谨慎的数据依赖指导声明中都可见,并且它使美元波动性在非农业工资表和CPI发布中保持高.

纳伊鲁是什么,不是什么

纳伊鲁 (NAIRU) 略为不加快的失业通胀率 (Non-Accelerating Inflation Rate of Unemployment) 是失业率,其通胀不上升也不下降,其余的情况均等.这是总体劳动需求和供应平衡的平衡点,而不会产生过度的工资压力,从而透到价格中.

美国经济学家们认为,NAIRU是指"完全就业"或"零失业".但事实上,经济总是包含摩擦失业 (工作之间工作者),结构失业率 (技能不再符合可用职位),以及季节性变化.NAIRO包含所有这些因素.实际上,对于美国经济,NAIRE估计自20世纪90年代以来的估计率大约在4%至6%之间,具体取决于哪个组织进行估计和使用哪种方法.

第二个误解是NAIRU是一个固定常数.它不是.NAIR U是一个动态的,不可观察的变量,由计量经济模型估计,使用失业率和通胀之间的过去关系.当劳动力市场结构特征变化时,NAIR u 变化:人口组成,部门转变,工会权力,地理流动性,技术替代和移民政策都会影响平衡的位置.

奈鲁:它有三件事,没有三件事

这就是... 这不是...
均衡失业率,其中通货膨胀稳定 美国联邦储备委员会明确宣布或公布的政策目标
模型估计的,具有显著不确定性的不可观察变量 零或最低失业率 包括摩擦和结构性失业
动态随着劳动力市场结构变化而发生变化 同"自然失业率"一样,尽管这两个概念是密切相关的

菲利普斯曲线:NAIRU的理论基础

纳伊鲁基于菲利普斯曲线,这是经济学家A.W.菲利ፕ斯于1958年第一次从英国工资和失业数据中描述的失业率与通胀率之间的经验关系.基本见解是,低失业与高工资增长和最终高通胀相关,而高失业同低工资增加和低通胀有关.

菲利普斯曲线在原始形式上提出了一个稳定,可利用的权衡:决策者可以选择曲线上的一个点,接受某种水平的通胀以换取较低的失业率. 这种观点在20世纪70年代被拆除,当时米尔顿弗里德曼和埃德蒙德·菲尔普斯独立认为任何权衡都是暂时的. 工人最终会预测通胀并要求更高的工资来补偿,使曲线向上移动.只有在失业的"自然率"下,我们现在称之为NAIRU,通货膨胀将是自一致的. 在NAIRO以下,通胀将加速;在上面,通价将放缓.

1970年代的停滞通货膨胀同时高失业率和高通货率似乎证实了这一批评,并破坏了原来的菲利普斯曲线框架.但改编的版本,包含通货紧张预期,幸存下来,并仍然是全球各国央行,包括美联储的现代货币政策模式的支柱.

期待-加大菲利普斯曲线 风格化视图

短期菲利普斯曲线向下倾斜:NAIRU以下,通货膨胀加速;以上,通胀放缓.每个曲线都定在不同的通货通胀预期水平.来源:增长预期的菲利ፕ斯曲線模型的风格化表示.

美联储如何在实践中使用NAIRU

联邦公开市场委员会没有发布一个NAIRU估计,但它在经济预测总结 (SEP) 中发布了一个"长期失业率"预测.

截至2026年初,长期失业率的中位数FOMC预测处于4.1%4.2%左右,这与国会预算办公室 (将长期自然利率定位在4.4%左右) 和美联储自己的员工模型一致.劳巴克-威廉姆斯模型纽约联邦储备银行正式的自然利息估计框架目前将长时间利率设置在3.8%4.5%范围内,反映了真正的模型不确定性.

实际上,美联储以两种方式使用NAIRU作为基准.首先,它通知了双重任务的"最大就业"方面:当失业率明显高于NAIRO时,美聯储有空间放松而不引发通货膨胀.其次,它告知了通货通胀风险评估:当无业率显著低于NAirO时.劳动力市场"过热"和通货紧张风险升高,提供了收紧的理由,即使目前的通货胀数据还不是令人担忧.

为什么NAIRU不确定性对外汇很重要

美国联邦储备委员会认为,如果NAIRU为4.5%,失业率为4.0%,就会认为劳动力市场紧张,并保持政策限制性美元积极.如果随后将NAIRO调整至3.8%,同样的4.0%失业值读数不再触发警报美联储可以放宽,削弱美元.NAIR U估计的模型修订历史上先于FOMC指导中的重大转折,使它们成为外汇定位的重要信号.

美元失业率与NAIRU 三十年的周期

实际失业率与NAIRU之间的差距 (有时称为失业差距) 是美联储内部最常被关注的指标之一.当失业水平低于NAIRO (负失业区间),就业市场被认为紧张,通货膨胀压力正在增加.当无业率高于NAirO (正差距),就存在松,通胀压力的统治.

随着时间的推移,跟踪这一差距揭示了美联储的主要政策周期以及它们与劳动力市场状况的联系.您可以直接从FXMacroData API中获取实际美元失业率数据:

import requests

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

# USD unemployment rate
unemployment = requests.get(
    f"{BASE}/announcements/usd/unemployment",
    params={"api_key": KEY, "start": "2000-01-01"}
).json()["data"]

# USD NAIRU estimate
nairu = requests.get(
    f"{BASE}/announcements/usd/nairu",
    params={"api_key": KEY, "start": "2000-01-01"}
).json()["data"]

print(f"Latest unemployment : {unemployment[0]['val']}% ({unemployment[0]['date']})")
print(f"Latest NAIRU estimate: {nairu[0]['val']}% ({nairu[0]['date']})")

美元失业率与NAIRU 2000年至2026年

实际失业率 (蓝色) 与NAIRU估计 (金色线条).蓝色线在金色線条以下的时期代表了NAIRO以上条件的紧张劳动力市场.来源: 美元失业率 现在我 美元奈卢 通过FXMacroData.

两种情况是:一是1990年代末的繁荣,失业率下降到2000年的4.0%,因为互联网扩张使劳动力市场拉伸到当时被认为是非常紧张的水平,促使美联储激烈提高利率.二是2008年2015年复苏,失职率在金融危机之后升至10%,创造了一个大积极的失业差距,证明了近零的利率七年.三是2022年2023年紧缩的失职比例短暂触及3.4% (1969年以来最低),而NAIRU估计保持在低4s,创造了一个负失业区间,美联儲明确引用了为四十年来最激进的利息上的理由.

美联储的双重任务和NAIRU平衡法案

联邦储备法案授权美联储促进"最大就业,稳定价格和适度的长期利率".实际上,运营的双重任务是最大的就业和价格稳定,2012年灵活的平均通胀目标框架 (FAIT) 定义了价格穩定性为2%的PCE通胀率,平均时间.

纳伊鲁座落在这个任务的关键位置.当失业率高于纳伊卢,通胀率低于2%,两项目标都朝着相同的方向指向宽松政策.当无业率低於纳伊魯,通货膨胀率高达2%,两个目标再次一致收紧.真正困难的时期是目标冲突时:NAIRU以上的失业,但高的通货胀率 (美联储1970年代的停滞通货率问题被很糟糕地处理),或NAIRO以下的失工,但仍在下降的通胀 (90年代末的"金毛"条件,这短暂地允许美联网容忍劳动力市场,而不会激烈收紧).

纳伊鲁四个政策四分之一

根据美国联邦储备委员会双重任务与失业率差距的映射.

20212024年周期:NAIRU实时

疫情后的收紧周期是NAIRU基于推理塑造美联储政策的最新和最有记录的例子.该序列值得审查,因为它说明了NAIR U作为政策指南的力量和局限性.

截至2021年,美联储认为,劳动力市场远远远离最大就业失业率仍高于5%,工资单数仍低于疫情前的趋势,劳工参与率远低于2019年的水平.NAIRU估计,当时约为4.04.4%,远高于实际失业水平,表明存在显著的剩余疲软.这一分析证明了扩大资产购买计划和接近零的利率,即使通货膨胀加速.

2021年底至2022年,情况发生了剧烈变化.非农业工资收益率比预期快,失业率下降了4%,失业差距变为负.同时,通货膨胀升至40年来的最高水平.美联储的迟到反应是由于认识到失业水平远低于NAIRU,加上供应冲击通胀,需要积极收紧,以避免解除通货胀预期.

随后的反通货膨胀辩论从2023年开始,主要集中在美联储是否做得够:失业率在3.74.1%左右 (仍然低于或接近NAIRU) 和通货紧缩但尚未达到2%,每次FOMC会议都成为一个关于失业差距是否仍然足够负的政策限制性辩论.

美元核心通胀与美联储政策利率 2020年至2026年

核心PCE通胀率 (黄金) 与联邦基金目标利率 (蓝色).通胀峰值和利率峰值之间的滞后说明了美联储如何对NAIRU通胀框架进行收紧步伐校准. 美元核心通货膨胀 现在我 美元政策利率 通过FXMacroData.

美国国家货币汇率 (NAIRU) 不确定性和美元波动性

对于外汇交易者来说,NAIRU的唯一最重要的含义是美联储本身不知道它在哪里.不同美联儲模型,CBO估计和私营部门预测中NAIRO估计范围约为3.5%至5.0% 150个基点区间.当实际失业率接近该范围的中部 (例如4.04.5%),美联网真的不确定劳动力市场是否足够紧张以保证持续的约束或足够宽松以允许放宽.

美国美元的不确定性是美元波动的直接来源.每份工资公告,每份JOLTS报告,每周的失业申请都包含信息,帮助市场缩小NAIRU的可信结果范围.在失业率接近估计NAIR U的制度中,就业市场数据比失业水平明显高于或低于平衡水平时更有市场动作,因为平衡本身受到质疑.

美国联邦储备委员会 (Fed) 认为,美国的经济增长率将在未来几年内大幅增长,但在未来,美国将会出现更大的增长.

美国失业差距与美元指数

失业差距 (实际减去估计NAIRU,右轴逆转) 与 USD 强度指数相比. 负差距 美元奈卢 现在我 美元失业率 通过FXMacroData提供数据.

如何监测与NAIRU相关的信号

对于外汇分析师和交易者来说,NAIRU本身并非直接交易的,但显示劳动力市场与NAIRO相比的信号是:

农业以外的工资和失业率 劳动力市场的头条新闻. 工资单打印,使失业率低于预计的NAIRU,对美元来说是明确的派;

平均小时工资 工资单的工资成分是劳动力市场紧张的最直接信号之一.当NAIRU接近4%时,工资年增长率持续高于4%,这表明失业差距是负值的,工价螺旋风险较高.

工作机会 空缺与失业人数比率提供了对劳动力市场紧张局势的补充观点,比总体失业率更难控制,自2021年以来,FOMC成员一直在大量引用这一观点.

核心PCE调值器 美联储首选的通胀指标.当核心PCE超过2%且失业率接近NAIRU时,双重任务不平衡,美联网将倾向于.

import requests

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

# Key NAIRU-related indicators for USD
for indicator, label in [
    ("unemployment",          "Unemployment rate"),
    ("nairu",                 "NAIRU estimate"),
    ("non_farm_payrolls",     "Non-farm payrolls"),
    ("average_hourly_earnings", "Average hourly earnings"),
    ("core_inflation",        "Core PCE inflation"),
]:
    r = requests.get(
        f"{BASE}/announcements/usd/{indicator}",
        params={"api_key": KEY}
    ).json()
    latest = r["data"][0] if r.get("data") else {}
    print(f"{label:30s}: {latest.get('val', 'N/A')} ({latest.get('date', 'N/A')})")

美元交易者所需的NAIRU信号矩阵

失业率与NAIRU 核心PCE与2% 美国联邦货币委员会偏见 美元偏见
下面 (紧) 超过2% 鱼 两项目标都需要加强
下面 (紧) 低于2% 谨慎劳动力市场紧张,但通货膨胀受到控制 势中立
上方 (空白) 低于2% 两项目标都需要放宽 低迷
上方 (空白) 超过2% 位通货膨胀风险,依赖数据 易挥发性

纳伊鲁的结构性变化:为什么估计继续变化

对于具有更长时间视野的外汇分析师来说,NAIRU估计的结构性波动与当前的失业率差距一样重要.NAIRO在20世纪90年代美国急剧下降,从20世纪80年代中期的估计接近6%到2000年时下降到5%以下,因为技术投资推动了生产力增长,全球化抑制了进口价格和工资需求.美联储当时主席艾伦格林斯潘著名的注,新经济已经改变了供应曲线,使央行允许失业量远低于以前的NAIR U估计,而不会引发通货膨胀.他在美联儲历史上最具影响力的NAIR u重新评估中,大致是正确的.

2008年后的时期带来了不同的结构故事.长期的失业率超过8%到2011年2012年引发了人们的担忧,即长期失业和技能衰退正在提高NAIRU (歇斯底效应) 这意味着即使实际失业水平提高,NAIR U也可能会上升,这对扩张政策的空间比简单的差距模型所建议的少.美联储的近零利率政策延长到2015年反映了NAIR u没有上升的投注,而且热运行就业市场会治愈歇斯度损害,而不是加速通货膨胀.

疫情后,结构性NAIRU转变再次成为政策辩论的中心.数百万老年工人的提前退休使劳动力供应永久减少,可能会提高NAIR U. 但随后的青春期工人的重新参与率推动了参与率达到多十年的最高水平,可能使其降低.移民流量足够大,以影响劳动力的供应估计. 2026年NAIR u的净影响仍然是真正不确定的,这正是为什么美联储仍然处于数据依赖模式,而不是依靠固定估计

外国汇交易者要注意的关键事项

美国联邦储备委员会 (Fed) 的政策是以NAIRU为基础的.虽然它不出现在任何单独的公布表上,但它影响了FOMC如何解释每一份就业报告,每一份JOLTS发布,以及每一份工资增长报纸.对于美元交易者来说,以下是 NAIRU相关的核心原则:

关注失业率差距,而不是水平. 只有利率水平就能告诉你比美联储的平衡估计还要少.

联邦政府对NAIRU的不确定性加剧了数据的敏感性. 当失业率接近NAIRU预计区间时,每次劳动力市场释放都比失业水平远离平衡时更具有市场动态潜力.

核心PCE确认或矛盾NAIRU信号. 劳动力市场紧张 (NAIRU以下),而不会产生高于目标通胀率,这表明NAIRO可能低于预期,使美联储能够在没有通胀后果的情况下放宽.注意两种信号的分歧.

NAIRU的修订可能会引发制度变化. 当美联储模型修改NAIRU估计值时,就像1990年代和2010年代中期发生的那样,政策反应功能会发生变化,美元的价格也会相应地重新定价.美联儲研究人员和学术经济学家提出挑战现行NAIR U估计的声明是最终政策转向的主要指标.

您可以通过"美国美元劳动力市场和通胀指标"失业率,NAIRU,非农业工资单,平均小时工资和核心PCE查看 汇率指数目录,提供历史时间序列,并提供公告级时间,用于对NAIRU相关交易策略进行后期测试.

AI Answer-Ready

Key Facts

Page
Nairu Fed Policy Usd
Section
Articles
Canonical URL
https://fxmacrodata.com/articles/nairu-fed-policy-usd
Source
FXMacroData editorial and official publisher references
Last Updated
2026-04-22 12:37 UTC

Provenance And Trust

Cite the canonical URL and source field above. Where available, this page maps to official publisher releases and timestamped updates.

Quick Q&A

What is this page about? This page explains Nairu Fed Policy Usd with directly usable context for trading, research, and API workflows.

What source should be cited? Use the canonical URL and the listed source field; cite official publisher references when available.

How fresh is this content? The last updated value above reflects the page metadata or latest available data timestamp.

Can this be used in AI assistants? Yes. This section is intentionally structured for retrieval and citation in chat assistants.

Prompt Packs

Use these in ChatGPT, Claude, Gemini, Mistral, Perplexity, or Grok for consistent source-aware outputs.

Blogroll