□張 瑞，張 巖，楊海芬，趙增鋒

（河北農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院，河北 保定 071000）

1 研究背景

負債管理是銀行業(yè)經(jīng)營管理體系的重點內(nèi)容，處于我國金融體系末梢的農(nóng)村金融機構(gòu)，受自身發(fā)展能力和外部市場競爭挑戰(zhàn)的雙重制約，面臨的壓力和挑戰(zhàn)更為嚴峻。2014 年以來，農(nóng)村金融機構(gòu)的資產(chǎn)擴張能力日益減弱，“負債決定資產(chǎn)”的經(jīng)營理念一直占主導(dǎo)地位，一些農(nóng)村金融機構(gòu)不顧區(qū)域經(jīng)濟發(fā)展實際，過度強調(diào)存款和貸款的市場份額，導(dǎo)致其財務(wù)風(fēng)險相對較高，回落的農(nóng)村金融機構(gòu)負債出現(xiàn)增長趨勢。農(nóng)村金融機構(gòu)是我國農(nóng)村金融服務(wù)體系重要組成部分之一，有力地支持了農(nóng)村地區(qū)經(jīng)濟和社會的發(fā)展，通過預(yù)測其負債金額的大小，對提高農(nóng)村金融機構(gòu)負債管理具有重要意義。

銀行負債主要包括存款、同業(yè)負債和主動性借入資金，并以存款為主體。從宏觀角度來看，近幾年商業(yè)銀行負債發(fā)展特點總體表現(xiàn)為負債總量增長放緩、負債結(jié)構(gòu)變化明顯以及負債成本上升壓力凸顯。程樂硯（2014）認為，存款是我國商業(yè)銀行資金來源的主要途徑，在審慎政策背景下，銀行存款波動加劇，流動性壓力增加。辛兵海等（2018）發(fā)現(xiàn)，貨幣政策收緊會影響大型上市銀行的負債融資結(jié)構(gòu)，進而對整體銀行業(yè)的負債融資結(jié)構(gòu)產(chǎn)生影響。弘毅（2020）從哲學(xué)視角出發(fā)，探討銀行負債和資產(chǎn)業(yè)務(wù)，認為銀行負債業(yè)務(wù)是其他業(yè)務(wù)的基礎(chǔ)。從微觀角度來看，徐煜程（2017）應(yīng)用ARIMA 模型對我國金融機構(gòu)存款進行分析，比較準確的預(yù)測出2016 年11 月的金融機構(gòu)存款。張會榮和鄒泉（2020）選取2000—2018 年我國金融機構(gòu)各項存款總和按月統(tǒng)計的數(shù)據(jù)，應(yīng)用ARIMA 模型對我國金融機構(gòu)存款進行了短期預(yù)測，預(yù)測結(jié)果良好。由此可以發(fā)現(xiàn)，學(xué)術(shù)界大多從整體對銀行業(yè)負債管理進行研究，在一定程度上為此研究提供了思路，但已有的研究主觀性較強，不能具體反映負債過大對銀行的影響。同時，學(xué)術(shù)界針對銀行業(yè)負債金額進行預(yù)測研究少有涉及，從農(nóng)村金融機構(gòu)角度來研究負債金額的幾乎沒有。

因此，通過研究我國農(nóng)村金融機構(gòu)負債金額的發(fā)展趨勢，依據(jù)2014 年1 月到2021 年10 月共94 個月度數(shù)據(jù)，運用ARIMA 時間序列模型進行預(yù)測。其中，農(nóng)村金融機構(gòu)包括農(nóng)村銀行、農(nóng)村合作銀行、農(nóng)村信用社和新型農(nóng)村金融機構(gòu)。以期通過研究農(nóng)村金融機構(gòu)負債金額的數(shù)據(jù)波動，使農(nóng)村金融機構(gòu)能夠準確研判形勢，對經(jīng)濟新常態(tài)下農(nóng)村金融機構(gòu)發(fā)展及加強其資產(chǎn)負債管理提供依據(jù)。

2 模型選擇

常用的預(yù)測模型主要有灰色預(yù)測模型、BP 神經(jīng)元網(wǎng)絡(luò)、回歸預(yù)測模型、時間序列預(yù)測模型4 種。相較于其他預(yù)測模型，時間序列預(yù)測模型是通過使用過去的事件特征來預(yù)測依賴于事件順序的未來事件。對農(nóng)村金融機構(gòu)的負債金額進行預(yù)測，要基于其過去的數(shù)據(jù)，該方法適合對我國農(nóng)村金融機構(gòu)負債金額的短期預(yù)測。

時間序列預(yù)測模型可分為簡單移動平均法、指數(shù)平滑法以及平穩(wěn)時間序列法等。其中，平穩(wěn)時間序列法適用于小規(guī)模、單變量的短期預(yù)測，受外界干擾因素少，所以最終采用時間序列分析模型中的ARIMA模型。ARIMA 模型可分為自回歸模型（AR）、移動平均模型（MA）和自回歸移動平均模型（ARIMA）3 類，其中自回歸模型（AR）、移動平均模型（MA）只是ARIMA模型的兩個特殊形式，簡記為ARIMA（p，d，q），其結(jié)構(gòu)如下。

其中，X表示時間序列數(shù)據(jù)，E表示殘差項，為延遲算子，表示自回歸階數(shù)，表示移動平均階數(shù)，表示差分階數(shù)，▽表示差分算子，滿足該結(jié)構(gòu)的模型為ARIMA（p，d，q）。

3 我國農(nóng)村金融機構(gòu)負債金額趨勢預(yù)測實證分析

3.1 數(shù)據(jù)的選取及描述性統(tǒng)計分析

為了保證數(shù)據(jù)的權(quán)威性和可得性，選取中國銀保監(jiān)會統(tǒng)計數(shù)據(jù)中我國農(nóng)村金融機構(gòu)負債金額為數(shù)據(jù)來源，收集整理出2014 年1 月到2021 年10 月共94 個月度數(shù)據(jù)。

《巴塞爾協(xié)議》規(guī)定，商業(yè)銀行風(fēng)險資本核心充足率為8%，也就是銀行的資產(chǎn)負債率在92%以下是正常的水平。為了更好地分析農(nóng)村金融機構(gòu)負債金額，將資產(chǎn)和負債的對比通過資產(chǎn)負債率體現(xiàn)。通過計算農(nóng)村金融機構(gòu)年平均負債率，農(nóng)村金融機構(gòu)資產(chǎn)負債率從2014 年開始下降，到2016 年達到最高點，發(fā)現(xiàn)其資產(chǎn)負債率逐漸降低后又出現(xiàn)增長的趨勢。也就是說，農(nóng)村金融機構(gòu)負債雖然整體增速放緩，但負債增速仍超資產(chǎn)增速，具體可分為4 個階段。

2014—2015 年，負債率逐漸降低。受錢荒時期影響，銀行資產(chǎn)規(guī)模從快速擴張轉(zhuǎn)向減速慢行，監(jiān)管層開始了一系列管控，銀行和企業(yè)都出現(xiàn)缺錢的狀況，致使負債率逐漸降低。2015—2016 年，高負債率階段。我國宏觀經(jīng)濟增長放緩，國家金融改革措施以及央行采取了一系列政策，農(nóng)村金融機構(gòu)的盈利水平直接受到影響，處于高負債率水平。2016—2019 年，負債率逐漸降低。國家對金融業(yè)開始嚴監(jiān)管，2017 年銀監(jiān)會專項部署了“三三四”檢查，在資產(chǎn)端亦受到結(jié)構(gòu)調(diào)整壓力，使得融資需求適當減弱，農(nóng)村金融機構(gòu)資產(chǎn)負債率呈下降趨勢。2019 年至今，負債率呈現(xiàn)增高趨勢。受新冠肺炎疫情影響，農(nóng)村金融機構(gòu)開辟的信貸“綠色通道”，易產(chǎn)生“放得出去、收不回來”的風(fēng)險，農(nóng)村金融機構(gòu)資產(chǎn)負債率呈現(xiàn)增高趨勢。

3.2 平穩(wěn)性處理

我國農(nóng)村金融機構(gòu)2014—2021 年月度負債金額一直增加，呈現(xiàn)快速上升的趨勢，初步判斷該序列為不平穩(wěn)時間序列，為在消除數(shù)據(jù)異方差的同時又不改變數(shù)據(jù)的相對關(guān)系，故對原始數(shù)據(jù)差分進行平穩(wěn)化處理。經(jīng)過一階差分處理后，該序列已基本平穩(wěn)且在零均值附近波動，可初步判定農(nóng)村金融機構(gòu)負債金額一階差分序列是平穩(wěn)的，并使用單位根檢驗法進一步對其進行驗證。其ADF-T 檢驗值為-1.762 870，在1%、5%和10%顯著性水平下均不能拒絕原假設(shè)，即判斷原始數(shù)據(jù)不平穩(wěn)。經(jīng)過一階差分處理后，ADF-t 檢驗值為-13.625 18，差分后的序列為平穩(wěn)的時間序列，可以進行ARIMA 模型的構(gòu)建。

3.3 模型的識別和定階

ARIMA 模型識別通過自相關(guān)函數(shù)圖（ACF）和偏自相關(guān)圖（PACF）來判定模型階數(shù)p 和q。一階差后的ACF 和PACF 圖截尾和拖尾的特征不明顯，故通過對p 和q 進行取值來確定模型階數(shù)，多次嘗試后建立了不同的AR 模型、MA 模型和ARIMA 模型，并根據(jù)信息準則值進行模型選擇，對比發(fā)現(xiàn)ARIMA（1，1，2）的擬合效果最好，最終確定模型ARIMA（1，1，2）。

3.4 參數(shù)估計與模型檢驗

通過對模型的識別與定階，認為ARIMA（1，1，2）模型進行擬合效果最好，并通過最小二乘估計法對模型進行參數(shù)估計，其值均小于0.05，通過檢驗。ARIMA（1，1，2）模型的最終估計結(jié)果為如下。

對模型進行殘差序列白噪聲檢驗，即統(tǒng)計量檢驗，結(jié)果如表1。模型殘差的自相關(guān)和偏自相關(guān)值都小于臨界值，對應(yīng)統(tǒng)計量的值大于0.05，即接受原始假設(shè)，在5%的有效性水平下，表明模型可以較好地描述數(shù)據(jù)。

表1 X 的殘差自相關(guān)檢驗

3.5 模型預(yù)測

數(shù)據(jù)通過檢驗后，以我國農(nóng)村金融機構(gòu)2014—2021 年月度數(shù)據(jù)為基礎(chǔ)進行預(yù)測，并與實際值進行對比，實際值和預(yù)測值之間相對差異在0.007%～0.49%，絕對差異較小，在可接受范圍內(nèi)。因此，構(gòu)建的ARIMA（1，1，2）模型具有良好的可信度。

運用ARIMA（1，1，2）模型進行預(yù)測，我國2021 年11 月到2022 年4 月，農(nóng)村金融機構(gòu)負債金額預(yù)測結(jié)果分別為422 711.905 4 億元、425 373.978 2 億元、428 037.798 3億元、430 703.366 8 億元以及433 370.684 9 億元、436 039.753 7 億元。由此可以發(fā)現(xiàn)，未來我國農(nóng)村金融機構(gòu)的負債金額仍然保持快速增長的趨勢。

4 結(jié)論與建議

4.1 結(jié)論

處理我國農(nóng)村金融機構(gòu)2014 年1 月到2021 年10 月共94 個月的數(shù)據(jù)，構(gòu)建了ARIMA 模型，并對未來6 個月農(nóng)村金融機構(gòu)的負債金額進行估計。結(jié)果顯示，我國農(nóng)村金融機構(gòu)負債金額呈現(xiàn)快速增長的趨勢，且每月增速在0.65%以上，過高的負債會給農(nóng)村金融體系帶來風(fēng)險隱患。由于我國農(nóng)村金融機構(gòu)種類較多，且時間序列預(yù)測模型是以過去數(shù)據(jù)進行預(yù)測，未考慮其他外界環(huán)境因素，且農(nóng)村金融機構(gòu)本身存在存款占比低、負債成本高、負債質(zhì)量管理體系不健全等問題，僅用過去數(shù)據(jù)進行預(yù)測不可避免地存在一定誤差。

4.2 建議

未來農(nóng)村金融機構(gòu)負債仍會增長，為控制我國農(nóng)村金融機構(gòu)負債增速，提出以下建議。

4.2.1 控制借貸金額與期限，堅持規(guī)律化發(fā)展

短期內(nèi)，農(nóng)村金融機構(gòu)需要注意貸款金額與期限的管理，要分散貸款的期限和計劃量，以減少流動性過剩的壓力。盡量協(xié)調(diào)存款增長規(guī)律和貸款的時間、額度，將其控制在自身能夠承受的范圍內(nèi)，用存款的增長滿足某些貸款的流動性需求。

4.2.2 優(yōu)化資產(chǎn)與負債結(jié)構(gòu)，堅持精細化發(fā)展

在負債端，結(jié)合農(nóng)村現(xiàn)實情況調(diào)優(yōu)負債結(jié)構(gòu)，創(chuàng)新傳統(tǒng)服務(wù)項目，使負債端產(chǎn)品與附加服務(wù)逐漸走向高端。在資產(chǎn)端，要提高資產(chǎn)質(zhì)量，從產(chǎn)業(yè)發(fā)展的角度把準信貸投放方向，推動穩(wěn)健經(jīng)營和可持續(xù)發(fā)展。此外，要圍繞國家金融政策和地方經(jīng)濟特點，明確重點支持類、適度支持類、審慎介入類等不同客戶群的準入條件、授信方式和管理要求，靈活推出存款類產(chǎn)品。

4.2.3 擁抱金融科技，堅持創(chuàng)新化發(fā)展

農(nóng)村金融機構(gòu)要加強資產(chǎn)負債管理系統(tǒng)建設(shè)，積極通過金融科技進行轉(zhuǎn)型創(chuàng)新，實現(xiàn)傳統(tǒng)與現(xiàn)代的有機結(jié)合，構(gòu)建“金融科技+資產(chǎn)負債管理”機制，建立一個完善的資產(chǎn)負債管理系統(tǒng)。一方面，有效地監(jiān)測并預(yù)防系統(tǒng)性、流動性、操作性等風(fēng)險，提高自身風(fēng)險防范水平；另一方面，實現(xiàn)資產(chǎn)負債管理模式的變革，強化自身負債管理。

4.2.4 發(fā)揮自身優(yōu)勢，堅持差異化發(fā)展

農(nóng)村金融機構(gòu)要找準自身定位，充分服務(wù)“三農(nóng)”，發(fā)揮自身網(wǎng)點多、覆蓋廣、機制靈活的特點，重塑差異化競爭優(yōu)勢，加強對自身的監(jiān)管，從而降低負債成本和風(fēng)險，使負債規(guī)?？刂圃谝粋€合理的范圍。