徐煜程

摘要：為了較為準(zhǔn)確的對(duì)我國(guó)金融機(jī)構(gòu)存款進(jìn)行分析，文章利用同花順iFinD 1991年6月至2016年10月按月統(tǒng)計(jì)的數(shù)據(jù)，對(duì)比分析了OLS回歸預(yù)測(cè)的結(jié)果，再應(yīng)用ARMA模型進(jìn)行時(shí)間序列分析，由此比較準(zhǔn)確的預(yù)測(cè)出2016年11月的金融機(jī)構(gòu)存款，為1，499，552.06 （億元）。通過(guò)對(duì)此進(jìn)行有效和準(zhǔn)確的預(yù)測(cè)，可以為國(guó)家進(jìn)行宏觀的政策調(diào)控，例如進(jìn)行貨幣的量化寬松和利率的把控方面，提供重要的參考價(jià)值。

關(guān)鍵詞：金融機(jī)構(gòu)存款；OLS回歸預(yù)測(cè)；ARMA模型

一、引言

關(guān)于我國(guó)金融機(jī)構(gòu)存款的分析，現(xiàn)有研究也有很多。例如，張橋云和王寧（2013）從銀行特征和市場(chǎng)環(huán)境兩個(gè)方面實(shí)證研究影響我國(guó)商業(yè)銀行存款利率浮動(dòng)幅度的因素，研究得到：不同規(guī)模、不同所有制結(jié)構(gòu)的銀行有不同的存款定價(jià)策略。而在模型方面，郭奕陽(yáng)等（2015），通過(guò)對(duì)多指標(biāo)進(jìn)行綜合分析、回歸預(yù)測(cè)和模擬仿真，對(duì)金融與管理類(lèi)的公司進(jìn)行有效分析。張思奇等（2000）以上海A股市場(chǎng)綜合指數(shù)為樣本，借助ARMA-ARCH-M模型手段，研究市場(chǎng)收益的時(shí)間序列行為，分析了市場(chǎng)整體風(fēng)險(xiǎn)配置性質(zhì)。韓美清（2008）通過(guò)建立自回歸移動(dòng)平均模型，研究了各種宏觀經(jīng)濟(jì)與金融市場(chǎng)變量對(duì)該利率的影響。

二、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

本文的數(shù)據(jù)來(lái)源于同花順iFinD，選取自記錄至今的數(shù)據(jù)，即1991年6月至2016年10月按月統(tǒng)計(jì)的金融機(jī)構(gòu)存款（Deposits of Financial Institutions，簡(jiǎn)稱(chēng)為DOFI）（億元）數(shù)據(jù)，總計(jì)305個(gè)指標(biāo)數(shù)據(jù)。

（二）模型建立

本文的自變量為時(shí)間1991年6月至2016年10月，即1～305；因變量為金融機(jī)構(gòu)存款（億元）的對(duì)數(shù)形式的數(shù)據(jù)。根據(jù)因變量的序列性質(zhì)，對(duì)其進(jìn)行預(yù)測(cè)分析時(shí)，一般有OLS回歸和時(shí)間序列分析，而為了較好的進(jìn)行擬合，時(shí)間序列模型方面使用的是ARMA模型。

1. OLS回歸模型

回歸模型構(gòu)建如下：

ln（DOFI）=α0+α1t+ε（1）

其中，ε為誤差項(xiàng)。

2. ARMA模型

AR為一階自回歸模型，而MA為移動(dòng)平均模型，為了更好的對(duì)數(shù)據(jù)進(jìn)行擬合，可將其結(jié)合起來(lái)，得到ARMA模型，具體如下：

yt=β0+β1yt-1+…+βpyt-p+εt+θ1εt-1+…+θqεt-q（2）

其中，擾動(dòng)項(xiàng)εt為白噪聲，θ為權(quán)重。

三、結(jié)果分析

（一）描述統(tǒng)計(jì)

運(yùn)用Stata12.0軟件，對(duì)變量進(jìn)行描述統(tǒng)計(jì)，結(jié)果如表1。

（二）OLS分析結(jié)果

運(yùn)用Stata12.0軟件，對(duì)變量進(jìn)行OLS回歸分析，得到結(jié)果如表2。

由上述結(jié)果可知，R-squared=0.99，可見(jiàn)擬合效果很好。可以求得擬合方程，根據(jù)擬合方程預(yù)測(cè)出t=306時(shí)的DOFI（306）=14.47，同比增長(zhǎng)率為1.74%，遠(yuǎn)大于實(shí)際情況下t=305時(shí)的同比增長(zhǎng)率0.06%，因而其準(zhǔn)確性存疑，據(jù)此進(jìn)行下文的深入研究。

（三）ARMA分析結(jié)果

運(yùn)用Stata12.0軟件，計(jì)算前10階自相關(guān)與偏相關(guān)系數(shù)，可得到1～10階都是顯著的，為方便計(jì)算，本文取前4階進(jìn)行分析。首先進(jìn)行AR（4）模型估計(jì)如表3。

根據(jù)AR（4）模型估計(jì)結(jié)果，可看出除L3外，其余階均為顯著。計(jì)算信息準(zhǔn)則如表4所示。

檢驗(yàn)其殘差項(xiàng)是否存在自相關(guān)，根據(jù)檢驗(yàn)結(jié)果，可以接受殘差項(xiàng)“無(wú)自相關(guān)”的原假設(shè)（檢驗(yàn)至第10階自相關(guān)）。因?yàn)樵贏R（4）模型中L3不顯著，為此，考慮將AR（4）中的第3階變量略去并計(jì)算信息準(zhǔn)則如表5所示。

因?yàn)镸A（4）模型在最大化過(guò)程中不能收斂到解，所以綜上，本文選取AR的最優(yōu)結(jié)果，即略去第3階的變量由此得到方程如下：

yt=0.9506yt-1+0.3718yt-2-0.3226yt-4

（3）

根據(jù)上述方程可預(yù)測(cè)出t=306時(shí)的DOFI（306）=14.22，同比增長(zhǎng)率為0.01%，接近于實(shí)際情況下t=305時(shí)的同比增長(zhǎng)率0.06%，據(jù)此對(duì)比上文的OLS回歸，本結(jié)果顯得更為合理。據(jù)此可以預(yù)測(cè)得到，2016年11月的金融機(jī)構(gòu)存款為1，499，552.06 （億元）。

四、結(jié)論

本文利用同花順iFinD1991年6月至2016年10月按月統(tǒng)計(jì)的金融機(jī)構(gòu)存款（DOFI）（億元）數(shù)據(jù)，進(jìn)行OLS回歸，得到擬合效果很好的方程，預(yù)測(cè)出t=306時(shí)的DOFI（306）的同比增長(zhǎng)率為1.74%，遠(yuǎn)大于實(shí)際情況下t=305時(shí)的同比增長(zhǎng)率0.06%，其準(zhǔn)確性存疑；據(jù)此，應(yīng)用ARMA模型進(jìn)行時(shí)間序列分析，預(yù)測(cè)出t=306時(shí)的DOFI（306）的同比增長(zhǎng)率為0.01%，接近于實(shí)際情況下t=305時(shí)的同比增長(zhǎng)率0.06%，此結(jié)果顯得更為合理。由此，本文可以比較準(zhǔn)確的預(yù)測(cè)出2016年11月的金融機(jī)構(gòu)存款，為1，499，552.06 （億元）。通過(guò)對(duì)此進(jìn)行有效和準(zhǔn)確的預(yù)測(cè)，可以為國(guó)家進(jìn)行宏觀的政策調(diào)控，例如進(jìn)行貨幣的量化寬松和利率的把控方面，提供重要的參考價(jià)值。

參考文獻(xiàn)：

[1]郭奕陽(yáng)，宋俏穎，胡麗婷.量化回歸的改進(jìn)：基于珠三角制造業(yè)的實(shí)證研究[J].計(jì)算機(jī)與數(shù)字工程，2015（09）.

[2]韓美清.基于 ARMA 模型的銀行間質(zhì)押式回購(gòu)利率的實(shí)證研究[J].金融研究，2008（05）.

[3]張橋云，王寧.我國(guó)商業(yè)銀行存款利率浮動(dòng)幅度影響因素實(shí)證研究——基于全國(guó) 124 家銀行的數(shù)據(jù)[J].國(guó)際金融研究，2013（05）.

[4]張思奇，馬剛，冉華.股票市場(chǎng)風(fēng)險(xiǎn)，收益與市場(chǎng)效率[J].世界經(jīng)濟(jì)，2000（05）.

（作者單位：中國(guó)工商銀行股份有限公司如皋支行）