徐煜程

摘要：為了較為準(zhǔn)確的對我國金融機(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)計的數(shù)據(jù)，對比分析了OLS回歸預(yù)測的結(jié)果，再應(yīng)用ARMA模型進(jìn)行時間序列分析，由此比較準(zhǔn)確的預(yù)測出2016年11月的金融機(jī)構(gòu)存款，為1，499，552.06 （億元）。通過對此進(jìn)行有效和準(zhǔn)確的預(yù)測，可以為國家進(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，提供重要的參考價值。

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

一、引言

關(guān)于我國金融機(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）從銀行特征和市場環(huán)境兩個方面實(shí)證研究影響我國商業(yè)銀行存款利率浮動幅度的因素，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策略。而在模型方面，郭奕陽等（2015），通過對多指標(biāo)進(jìn)行綜合分析、回歸預(yù)測和模擬仿真，對金融與管理類的公司進(jìn)行有效分析。張思奇等（2000）以上海A股市場綜合指數(shù)為樣本，借助ARMA-ARCH-M模型手段，研究市場收益的時間序列行為，分析了市場整體風(fēng)險配置性質(zhì)。韓美清（2008）通過建立自回歸移動平均模型，研究了各種宏觀經(jīng)濟(jì)與金融市場變量對該利率的影響。

二、研究設(shè)計

（一）數(shù)據(jù)來源

本文的數(shù)據(jù)來源于同花順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)計的金融機(jī)構(gòu)存款（Deposits of Financial Institutions，簡稱為DOFI）（億元）數(shù)據(jù)，總計305個指標(biāo)數(shù)據(jù)。

（二）模型建立

本文的自變量為時間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）的對數(shù)形式的數(shù)據(jù)。根據(jù)因變量的序列性質(zhì)，對其進(jìn)行預(yù)測分析時，一般有OLS回歸和時間序列分析，而為了較好的進(jìn)行擬合，時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為移動平均模型，為了更好的對數(shù)據(jù)進(jìn)行擬合，可將其結(jié)合起來，得到ARMA模型，具體如下：

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

其中，擾動項(xiàng)εt為白噪聲，θ為權(quán)重。

三、結(jié)果分析

（一）描述統(tǒng)計

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

（二）OLS分析結(jié)果

運(yùn)用Stata12.0軟件，對變量進(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，可見擬合效果很好?？梢郧蟮脭M合方程，根據(jù)擬合方程預(yù)測出t=306時的DOFI（306）=14.47，同比增長率為1.74%，遠(yuǎn)大于實(shí)際情況下t=305時的同比增長率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，為方便計算，本文取前4階進(jìn)行分析。首先進(jìn)行AR（4）模型估計如表3。

根據(jù)AR（4）模型估計結(jié)果，可看出除L3外，其余階均為顯著。計算信息準(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階變量略去并計算信息準(zhǔn)則如表5所示。

因?yàn)镸A（4）模型在最大化過程中不能收斂到解，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)測出t=306時的DOFI（306）=14.22，同比增長率為0.01%，接近于實(shí)際情況下t=305時的同比增長率0.06%，據(jù)此對比上文的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)測出t=306時的DOFI（306）的同比增長率為1.74%，遠(yuǎn)大于實(shí)際情況下t=305時的同比增長率0.06%，其準(zhǔn)確性存疑；據(jù)此，應(yīng)用ARMA模型進(jìn)行時間序列分析，預(yù)測出t=306時的DOFI（306）的同比增長率為0.01%，接近于實(shí)際情況下t=305時的同比增長率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)測出2016年11月的金融機(jī)構(gòu)存款，為1，499，552.06 （億元）。通過對此進(jìn)行有效和準(zhǔn)確的預(yù)測，可以為國家進(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，提供重要的參考價值。

參考文獻(xiàn)：

[1]郭奕陽，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)押式回購利率的實(shí)證研究[J].金融研究，2008（05）.

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

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

（作者單位：中國工商銀行股份有限公司如皋支行）