張潤馳　杜亞斌　薛立國　徐源浩　孫明明

摘要：相比于傳統(tǒng)宏觀經(jīng)濟指標，央行的微觀調(diào)查數(shù)據(jù)是否更加適合作為我國商業(yè)銀行不良貸款率的預(yù)測指標？本文首先提出了利用微觀調(diào)查數(shù)據(jù)進行預(yù)測的相關(guān)理論，接著基于適合解決混頻數(shù)據(jù)預(yù)測問題的MIDAS模型進行了實證研究。研究發(fā)現(xiàn)：央行微觀指標在平均樣本外預(yù)測誤差等多個方面均優(yōu)于傳統(tǒng)的宏觀指標，同時人民幣名義有效匯率指數(shù)、基金及理財投資意愿比例、房價過高難以接受比例等指標尤其適合作為預(yù)測指標。本文的結(jié)論是：央行的微觀調(diào)查數(shù)據(jù)更加適合作為不良貸款率的預(yù)測指標。

關(guān)鍵詞：央行微觀調(diào)查數(shù)據(jù)；不良貸款率；MIDAS模型；預(yù)測；預(yù)測指標

文獻標識碼：A 文章編號：1002-2848-2017（03）-0001-11

一、引言

近年來，我國商業(yè)銀行的不良貸款率持續(xù)攀升，信用風險在商業(yè)銀行體系內(nèi)不斷積累。研究并建立適合于我國發(fā)展現(xiàn)狀的不良貸款率預(yù)測指標體系，有助于及早提供信用風險預(yù)警并制定相應(yīng)對策，對保證我國銀行業(yè)健康發(fā)展、維持金融業(yè)穩(wěn)定具有重要作用，對提升企業(yè)與居民對中國經(jīng)濟的信心、助力中國經(jīng)濟走出“L”形周期也具有重要意義。

國外有不少學(xué)者對不良貸款率的預(yù)測指標進行了一定的研究。Messai等人根據(jù)意大利、希臘與西班牙三國在2004-2008年間的經(jīng)濟發(fā)展面板數(shù)據(jù)，研究了不良貸款率的解釋因素，發(fā)現(xiàn)三國的不良貸款率與GDP增長率、失業(yè)率、實際利率有較大關(guān)系。Beck等人基于全球75個國家過去10年的宏觀經(jīng)濟數(shù)據(jù)，研究了不良貸款率與宏觀經(jīng)濟因素的關(guān)系，發(fā)現(xiàn)實際GDP增長、股票價格、匯率等宏觀經(jīng)濟指標能夠顯著影響貸款的質(zhì)量。Farhan等人研究了巴基斯坦銀行業(yè)不良貸款率問題，結(jié)果表明巴基斯坦銀行業(yè)的不良貸款率可以被GDP、失業(yè)率、利率、能源危機、通脹、匯率等指標所解釋。Makfi等則研究了歐洲銀行業(yè)在2000-2008年間的銀行業(yè)不良貸款率決定因素，發(fā)現(xiàn)GDP、失業(yè)率、公共債務(wù)等宏觀指標的解釋力明顯。

國內(nèi)學(xué)者相比之下對這一問題的研究較少，譚勁松等研究了國內(nèi)某國有商業(yè)銀行在1988-2005年間的全部剝離不良資產(chǎn)數(shù)據(jù)后發(fā)現(xiàn)：政府干預(yù)是銀行不良貸款產(chǎn)生的主要原因。劉妍選取房地產(chǎn)行業(yè)作為研究對象，構(gòu)建不良貸款率模型以分析不良貸款率的影響因素。結(jié)果顯示不良貸款率同GDP、房屋銷售面積等指標呈負相關(guān)，與地產(chǎn)投資額、CPI等指標呈正相關(guān)。謝冰基于2004-2009年的經(jīng)濟數(shù)據(jù)，運用相關(guān)分析、共線性診斷、主成分回歸分析等方法建立模型，實證發(fā)現(xiàn)社會消費品零售總額、進出口總額對降低商業(yè)銀行不良貸款的貢獻度最大，宏觀經(jīng)濟因素對降低不良貸款有正向促進作用。韓笑等則基于VAR模型，就我國宏觀經(jīng)濟對商業(yè)銀行不良貸款影響進行了實證分析，發(fā)現(xiàn)不良貸款率與貨幣供應(yīng)量、社會消費品零售總額存在負相關(guān)關(guān)系，與總貸款額存在正相關(guān)關(guān)系，而國內(nèi)生產(chǎn)總值與財政支出的影響結(jié)果長短期不一致。

然而，現(xiàn)有國內(nèi)外研究的共同不足之處在于：①研究時期大多在2008年金融危機之前。由于危機后我國的經(jīng)濟結(jié)構(gòu)、金融監(jiān)管及銀行業(yè)經(jīng)營模式都發(fā)生了很大變化，基于危機前樣本的研究結(jié)論對當前的指導(dǎo)意義有待商榷。②研究指標大多直接選取宏觀經(jīng)濟發(fā)展數(shù)據(jù)，如GDP、M2、CPI、失業(yè)率等，缺乏對微觀層面數(shù)據(jù)的適用性探究。③大多采用面板回歸、VAR等傳統(tǒng)同頻計量工具展開研究，缺乏對混頻樣本指標信息的深度挖掘。

近年來，中國人民銀行通過大范圍問卷調(diào)查，每季度公布一系列微觀經(jīng)濟金融指數(shù)，涵蓋了居民收入與消費、企業(yè)經(jīng)營與貸款、銀行放貸審批與信心等多個領(lǐng)域，其相比于傳統(tǒng)宏觀經(jīng)濟指標，是否更加適合于不良貸款率的預(yù)測？又有哪些指標的適應(yīng)性最高？本文對這一系列問題展開了深入的研究。

本文的創(chuàng)新主要在于：①首次對中國人民銀行微觀調(diào)查數(shù)據(jù)預(yù)測不良貸款率的可行性及適用性進行研究，這在國內(nèi)外文獻中尚無先例；②使用2008年金融危機后至今的樣本進行研究，研究結(jié)論對當前時期也具有指導(dǎo)意義；③就微觀指標在預(yù)測不良貸款率問題中的優(yōu)勢進行了理論猜測；④使用較為新穎的MIDAS模型展開研究。MIDAS模型能夠處理混頻指標數(shù)據(jù)，適用于我國不同頻度的各項宏微觀指標并存的特征，同時現(xiàn)有研究亦表明其更加適合研究經(jīng)濟金融領(lǐng)域的預(yù)測問題；⑤在驗證央行微觀指標是否優(yōu)于傳統(tǒng)宏觀指標之外，也對實證結(jié)果進行了詳細的經(jīng)濟含義分析。

研究發(fā)現(xiàn)：央行微觀指標在樣本外預(yù)測誤差等多個方面均優(yōu)于傳統(tǒng)的宏觀指標，同時人民幣名義有效匯率指數(shù)、基金及理財投資意愿比例、房價過高難以接受比例等指標尤其適合作為預(yù)測指標。本文的結(jié)論是：相比于現(xiàn)有宏觀經(jīng)濟指標，央行的微觀調(diào)查數(shù)據(jù)更加適合作為不良貸款率的預(yù)測指標。

二、理論分析與研究數(shù)據(jù)來源

（一）理論分析

預(yù)測指標從規(guī)模及性質(zhì)角度出發(fā)，大體可以分為宏觀指標與微觀指標兩類。宏觀指標主要描述一國的宏觀經(jīng)濟運行情況，如GDP、M2、進出口額等，而微觀指標則著重描述某一類經(jīng)濟主體的當前行為與未來預(yù)期，一般通過抽樣調(diào)查的方式獲取相應(yīng)數(shù)據(jù)。國內(nèi)外現(xiàn)有關(guān)于不良貸款率預(yù)測的相關(guān)研究，大多僅使用宏觀指標。然而本文認為微觀指標至少在以下兩個方面優(yōu)于宏觀指標：

（1）指標關(guān)聯(lián)性。在過去我國金融體系發(fā)展初期，居民與企業(yè)一般以儲蓄的形式將多余資金存入商業(yè)銀行，生產(chǎn)及消費融資基本也只能依靠銀行貸款。然而近年來，隨著我國金融體系的不斷深化，互聯(lián)網(wǎng)金融、普惠金融、消費金融以及股票、債券、資產(chǎn)證券化市場持續(xù)發(fā)展，居民消費與企業(yè)生產(chǎn)的融資渠道不斷開拓，GDP中包含了更多其它融資渠道的貢獻，因而GDP是否依然能在較大程度上與商業(yè)銀行的貸款融資相關(guān)聯(lián)值得商榷。同時，“貨幣迷失”的現(xiàn)象不斷出現(xiàn)也使得M2的調(diào)控力度漸漸削弱，有時甚至與央行的調(diào)控目的背道而馳，因此，M2與經(jīng)濟發(fā)展、不良貸款的直接關(guān)系是否依然密切，亦值得研究。

理論上來說，選擇的預(yù)測指標應(yīng)當是能夠影響被預(yù)測指標的重要因素，或是這些重要影響因素的代理變量，從而提高預(yù)測的精度。我國商業(yè)銀行的不良貸款率雖然是一個宏觀指標，但其在微觀層面卻是由借款者行為及銀行家決策共同決定。相比于使用最直接的微觀指標，宏觀指標往往因涵蓋了大量與不良貸款率關(guān)聯(lián)性較弱的冗余信息，難免會導(dǎo)致預(yù)測效果不佳。endprint

（2）信息不對稱與微觀信息價值。企業(yè)主對于未來經(jīng)濟形勢的判斷、自身經(jīng)營情況的預(yù)期，往往來自經(jīng)營過程中獲取的第一手資料，能夠反映未來市場發(fā)展與整體經(jīng)濟形勢的最可能趨勢；居民在當期的收入、物價水平以及對未來預(yù)期，決定了當期與未來的消費、儲蓄與投資行為；商業(yè)銀行作為貸款的發(fā)放主體，盡管在信息不對稱的博弈中處于劣勢地位，但依然可以根據(jù)長期放貸活動積累下的大量經(jīng)驗，結(jié)合當前的貸款熱度與同業(yè)競爭情況，對未來經(jīng)營形勢進行合理預(yù)測。因此，微觀指標往往涵蓋了一些宏觀指標不易察覺的信息，具有獨特的微觀價值。

綜上我們認為：就預(yù)測我國商業(yè)銀行不良貸款率的問題而言，使用恰當?shù)奈⒂^指標，預(yù)測結(jié)果可能會優(yōu)于傳統(tǒng)的宏觀指標。

（二）研究數(shù)據(jù)來源

近年來，為了更好地把握我國經(jīng)濟發(fā)展脈絡(luò)，中國人民銀行面向國內(nèi)企業(yè)家、城鎮(zhèn)儲戶、銀行家等經(jīng)濟金融主體，從宏觀經(jīng)濟、生產(chǎn)消費、資金供求等多角度出發(fā)，推出了一系列問卷調(diào)查，并編制成表在其官網(wǎng)上公開。其中，與本文研究關(guān)聯(lián)程度較大的主要有企業(yè)家問卷調(diào)查、城鎮(zhèn)儲戶問卷調(diào)查及銀行家問卷調(diào)查3類。

企業(yè)家問卷調(diào)查的對象為全國范圍內(nèi)的5000多戶工業(yè)企業(yè)，調(diào)查內(nèi)容主要包括企業(yè)總體生產(chǎn)狀況、生產(chǎn)要素狀況、市場需求狀況等7個方面，從微觀層面很好地反映了不同企業(yè)主體在生產(chǎn)、銷售過程中的負擔情況；城鎮(zhèn)儲戶問卷調(diào)查，由央行每季度在全國50個調(diào)查城市展開，選擇共20000名儲戶作為調(diào)查對象。調(diào)查內(nèi)容包括儲戶對經(jīng)濟運行的總體判斷、儲蓄及負債情況、消費情況、儲戶基本情況等四個方面，一定程度上較為客觀地反映了居民個體在不同經(jīng)濟狀況下的金融行為；銀行家問卷調(diào)查，則對我國境內(nèi)地市級以上的各類銀行機構(gòu)采取全面調(diào)查，對農(nóng)村信用合作社采用分層PPS抽樣調(diào)查，全國共調(diào)查各類銀行機構(gòu)3100家左右。調(diào)查對象為全國各類銀行機構(gòu)的總部負責人及其一級、二級分支機構(gòu)的行長或主管信貸業(yè)務(wù)的副行長。調(diào)查具有較高的權(quán)威性與覆蓋面，所含信息價值較大。

相比于其他基于微觀層面的問卷調(diào)查，央行的上述三類問卷調(diào)查具有調(diào)查主體的權(quán)威性、調(diào)查方法的科學(xué)性以及調(diào)查對象的廣泛性，研究價值較大。同時，央行統(tǒng)計調(diào)查司也根據(jù)相應(yīng)的原始調(diào)查數(shù)據(jù)，歸納總結(jié)成指數(shù)形式，方便查閱與使用。因此，本文選擇央行上述三類問卷調(diào)查結(jié)果中的各類微觀指數(shù)展開研究。

三、實證研究

（一）研究數(shù)據(jù)處理

本文旨在研究央行的微觀調(diào)查數(shù)據(jù)能否作為我國商業(yè)銀行不良貸款率的預(yù)測指標，因此目標預(yù)測變量選擇中國銀行業(yè)監(jiān)督管理委員會每季度定期公布的全國商業(yè)銀行不良貸款率指標。同時，搜集了央行調(diào)查統(tǒng)計司編纂的各季度銀行家問卷調(diào)查報告、企業(yè)家問卷調(diào)查報告及城鎮(zhèn)儲戶問卷調(diào)查報告，從中分別提取相應(yīng)的微觀指標，并剔除諸如銀行競爭力指數(shù)、實業(yè)投資意愿比例等含缺失值較多的指標。此外，參照劉妍等人的做法，我們引入GDP、M2、CPI等現(xiàn)有文獻中常用宏觀指標作為對比，宏觀指標除GDP與金融機構(gòu)人民幣貸款加權(quán)平均利率為季度數(shù)據(jù)外，其余均為月度數(shù)據(jù)。上述指標均來自Wind數(shù)據(jù)庫。最后，對于少數(shù)存在缺失值的指標，采用移動平均法進行填補。最終選擇宏觀指標包括GDP、M2、CPI等9個，央行微觀調(diào)查數(shù)據(jù)指標41個，共計50個宏微觀預(yù)測指標。

本文選擇2009年第一季度至2016第二季度作為研究的時間區(qū)間，基于MIDAS（Mixed Data Sam-pling）模型展開研究。MIDAS模型由Ghysels等人提出，最初用于金融市場的波動預(yù)測。此后，隨著其對混頻數(shù)據(jù)的較好利用以及展現(xiàn)出較高的預(yù)測精度，逐漸被用于宏觀經(jīng)濟金融預(yù)測領(lǐng)域。我國學(xué)者鄭挺國等人，利用MIDAS模型研究了我國經(jīng)濟增長等一系列預(yù)測問題，取得了不錯的效果，且發(fā)現(xiàn)該模型優(yōu)于現(xiàn)有的各類僅能處理同頻數(shù)據(jù)的預(yù)測模型。

（二）MIDAS（m，K，h）模型的初步分析

我們首先研究各單一指標的預(yù)測效果。在預(yù)測問題中，現(xiàn)有研究一般將整體數(shù)據(jù)集劃分為模型內(nèi)擬合樣本與模型外檢驗樣本，前者用以構(gòu)建模型并擬合模型參數(shù)，后者用于檢驗?zāi)Ｐ驮谖粗獦颖旧系念A(yù)測精度。本文選擇2009年第一季度一2015年第一季度樣本作為模型內(nèi)擬合樣本，2015年第二季度一2016年第二季度樣本為模型外檢驗樣本。在參數(shù)選取方面。由于樣本數(shù)量不多，我們選擇高頻數(shù)據(jù)的最大滯后階數(shù)K=8。在實際的預(yù)測問題中，一般向前預(yù)測的步數(shù)越小，即預(yù)測期與當期越近，預(yù)測精度越高，同時考慮到在下一季不良貸款率公布前，本文所選用的各項宏微觀指標均可在當季之后不久得到，故本文選擇向前預(yù)測步長h=1。同時，由于各指標頻度僅分為季度與月度兩種，故取m=3。

圖1與圖2分別展示了本文選取的50個宏微觀指標，在不同最大滯后階數(shù)下的樣本內(nèi)擬合R方與樣本外預(yù)測誤差（標準差）。從中明顯看出，諸多指標根據(jù)反映建模階段擬合程度的R方與樣本外預(yù)測誤差的變化趨勢不同，大體可以分為3類：第一類是諸如GDP、M2、企業(yè)經(jīng)營景氣指數(shù)等指標，其擬合R方與樣本外預(yù)測誤差在不同滯后階數(shù)下基本保持相同的趨勢，較為穩(wěn)健；第二類是諸如當期收入感受指數(shù)、更多投資意愿比例指數(shù)等指標，其擬合R方與樣本外預(yù)測誤差在不同滯后階數(shù)下呈現(xiàn)背離的趨勢，表明可能隨著滯后階數(shù)的提高，該指標在模型中存在過度擬合的現(xiàn)象；第三類是諸如企業(yè)家宏觀經(jīng)濟熱度指數(shù)、出口訂單指數(shù)等指標，在較低的滯后階數(shù)下呈現(xiàn)出第一類指標的特征，而在滯后階數(shù)逐漸上升時又表現(xiàn)出第二類指標的特征，表明這類指標比較敏感于滯后階數(shù)的選取。

對預(yù)測模型而言，其樣本外預(yù)測精度往往比樣本內(nèi)擬合R方更具意義。我們進一步分析相比于各宏觀指標，央行的微觀指標是否具有更好的預(yù)測能力？

首先將宏觀指標的預(yù)測結(jié)果與央行微觀指標的預(yù)測結(jié)果分成兩個子集，接著分別計算在兩個子集中，各單一指標在所有滯后階數(shù)下的平均樣本外預(yù)測誤差與最優(yōu)樣本外預(yù)測誤差，之后分別根據(jù)兩種（平均與最優(yōu)）樣本外預(yù)測誤差的結(jié)果，對各屬性進行升序排序（誤差越小，排序越前），構(gòu)成“平均指標誤差上升序列”與“最優(yōu)指標誤差上升序列”兩個序列。顯然，兩個序列均具有非遞減的特征，且在序列中排名越靠前的指標，其樣本外預(yù)測性能越優(yōu)。同時，我們亦對兩類指標序列的累積平均誤差情況進行了測算。以計算“累積平均指標誤差上升序列”為例，設(shè)在含有n個指標的平均指標誤差上升序列中，各位置指標的樣本外預(yù)測誤差記為E_i（i∈{1，2，…，n}）。則在累積平均指標誤差上升序列Q中，第i位的累積平均指標誤差值Qi=∑E_i/i，同理可根據(jù)最優(yōu)指標誤差上升序列計算出累積平均最優(yōu)指標誤差上升序列。平均指標誤差上升序列與最優(yōu)指標誤差上升序列，分別度量了該類中各單一指標在不同滯后階數(shù)下，預(yù)測結(jié)果的平均精度與最優(yōu)精度；而累積平均指標誤差上升序列與累積平均最優(yōu)指標誤差上升序列，則反映了該類中各指標累積平均的預(yù)測精度與最優(yōu)精度。endprint

圖3反映了傳統(tǒng)宏觀指標體系與央行微觀指標體系下的8個序列測算結(jié)果。其中，反映傳統(tǒng)宏觀指標預(yù)測誤差的4類曲線，明顯位于根據(jù)央行微觀指標預(yù)測結(jié)果對應(yīng)曲線的上方，表明僅基于傳統(tǒng)宏觀指標構(gòu)筑的不良貸款率預(yù)測模型，弱于僅基于央行微觀指標構(gòu)筑的預(yù)測模型，且前者的最優(yōu)單一指標預(yù)測結(jié)果誤差，比后者高約0.2左右，相對較大。同時，就累積平均最優(yōu)結(jié)果而言，央行微觀指標的累積平均指標誤差上升序列與累積平均最優(yōu)指標誤差上升序列明顯較為平穩(wěn)，表明其穩(wěn)健性較好，而宏觀預(yù)測指標的結(jié)果則顯得上升幅度較大。

（三）MIDAS（m，K，h）-AR（p）模型的深入論證

上一節(jié)的研究并不能充分說明央行微觀指標一定比現(xiàn)有諸宏觀指標更加適合預(yù)測不良貸款率，原因在于不良貸款率具有較為明顯的趨勢特征，因此應(yīng)當在方程中加入不良貸款率的自回歸滯后項，以在消去自回歸特征的同時，提高模型預(yù)測精度。與一般金融領(lǐng)域預(yù)測時常用的無限滯后特征不同，鄭挺國等人的研究認為我國的經(jīng)濟指標大多在滯后4階的范圍內(nèi)有較好的解釋力，故出于保守起見，本文選擇不良貸款率指標的最大自回歸滯后階數(shù)為5，其余參數(shù)與上一節(jié)相同，構(gòu)建MIDAS（3，8，1）-AR（5）模型。類似于圖1和圖2，圖4與圖5展示了本文選取的50個宏微觀指標，在不同滯后階數(shù)下的樣本內(nèi)擬合R方與樣本外預(yù)測誤差。其中x軸代表各指標的滯后階數(shù)，），軸代表不良貸款率的自回歸滯后階數(shù)。

從圖4與圖5中可明顯看出，擬合R方與樣本外預(yù)測誤差在不同滯后階數(shù)下，與不含自回歸滯后項的情況相似，可以分為趨勢相同、趨勢背離、趨勢分段三種f青況。但值得注意的是，相比于圖1與圖2不含自回歸滯后項時的結(jié)果，含有自回歸滯后項能顯著提升各指標樣本內(nèi)的擬合R方，同時降低樣本外預(yù)測誤差，且上述兩項誤差指標大多能始終保持在0.2以下，表明通過在方程中添加待預(yù)測指標的自回歸項，能有效地進一步降低樣本外預(yù)測誤差。同時，在模型參數(shù)的估計階段，含有待預(yù)測指標自回歸項的MIDAS模型，能夠較好地保持樣本外預(yù)測誤差處于較平穩(wěn)的低誤差水平，表現(xiàn)為圖4與圖5中樣本外預(yù)測誤差指標曲面更為平穩(wěn)。

我們進一步比較傳統(tǒng)宏觀指標與央行微觀指標的預(yù)測能力差異。首先分別計算在所有單一指標滯后階數(shù)及所有不良貸款率指標自回歸滯后階數(shù)下，各單一指標的平均樣本外預(yù)測誤差與最優(yōu)預(yù)測誤差，之后根據(jù)結(jié)果對各屬性分別進行升序排序（誤差越小，排序越前），構(gòu)成新的“平均指標誤差上升序列”與“最優(yōu)指標誤差上升序列”。同時，我們亦對含自回歸項的兩類指標的累積平均誤差上升隋況進行了測算。以計算“累積平均指標誤差上升序列”為例，設(shè)在含有n個指標的平均指標誤差上升序列E中，各位置所代表的指標在含有j階不良貸款率自回歸滯后項的模型中，其樣本外預(yù)測誤差記為E_u（i∈{1，2，…，n}j∈{1，2，…，p}）。則在累積平均指標誤差上升序列中，第i位的值Q_i=∑∑E_I/（ixp），同理可根據(jù)最優(yōu)指標誤差上升序列計算出累積平均最優(yōu)指標誤差上升序列。圖6展示了兩類指標的8個序列在MIDAS（3，8，1）-AR（5）模型中的預(yù)測能力。

對比圖6與圖3，我們發(fā)現(xiàn)宏觀指標與央行微觀指標在MIDAS（3，8，1）與MIDAS（3，8，1）-AR（5）模型下的結(jié)果存在一定的差異。首先在圖6中，宏觀指標的平均指標誤差上升序列曲線與微觀指標的平均指標誤差上升序列曲線在橫軸為5處存在一個交叉，表明就平均指標誤差上升序列而言，平均誤差最小的前5個央行微觀指標，其性能不及平均誤差最小的前5個宏觀指標，但排名第5位之后的微觀指標，其平均誤差均小于剩余的傳統(tǒng)宏觀預(yù)測指標，兩類指標在預(yù)測方面相互存在優(yōu)勢。

其次，就最優(yōu)指標比較情況而言，宏觀指標的最優(yōu)指標誤差上升序列曲線僅在序號為l的情況下位于微觀指標的最優(yōu)指標誤差上升序列曲線下方，其余情形中均在后者上方，表明僅有一個宏觀最優(yōu)指標優(yōu)于所有的微觀最優(yōu)指標，其余情況下，均存在至少一個最優(yōu)滯后階數(shù)下的微觀指標，其預(yù)測誤差小于所有滯后階數(shù)情形下的宏觀最優(yōu)指標。此外，兩類指標的累計平均指標誤差上升序列曲線與累計平均最優(yōu)指標誤差上升序列曲線的分布與非累積的情況相似。綜上，就穩(wěn)健型而言，各滯后階數(shù)下的微觀指標優(yōu)于宏觀指標。

（四）C-MIDAS（m，K，h）-AR（p）模型的全面比較

最后，考慮到即使在單一指標的MIDAS模型中加入待預(yù)測指標的自回歸滯后項，僅能說明在單一指標的MIDAS預(yù)測模型中，使用央行微觀指標普遍優(yōu)于傳統(tǒng)宏觀指標，但不能保證在結(jié)合使用多個同類指標的情況下，央行微觀指標依然優(yōu)于傳統(tǒng)宏觀指標。同時，如果結(jié)合使用兩類指標，其預(yù)測性能相比于僅使用單一指標又會如何？本節(jié)對這些問題進行了研究。

在使用多指標進行預(yù)測時，現(xiàn)有預(yù)測模型大多采用將多個指標同時置于同一模型中，之后進行參數(shù)擬合，即所謂“多元預(yù)測模型”。然而，由于2009年第一季度2015年第一季度的建模樣本集中，僅含有25條樣本，數(shù)量較少，考慮到各預(yù)測指標及其滯后項，一旦在同一方程中加入更多指標，極易導(dǎo)致模型參數(shù)的方差變大，模型預(yù)測精準程度下降，甚至出現(xiàn)模型方程中指標總數(shù)大于樣本數(shù)的情況，從而導(dǎo)致模型參數(shù)無法預(yù)測。因此，就本文所研究問題面臨的實際樣本量限制而言，不宜采用多元MIDAS模型，故本文使用組合MIDAS模型展開研究。鄭挺國等人的研究亦表明，組合MIDAS模型相比于多元MIDAS模型，其樣本外預(yù)測精度更高。

除單一指標的預(yù)測性能外，影響組合MIDAS模型性能的另一因素是各MIDAS（3，8，1）-All（5）模型結(jié)果的權(quán)重組合方式?，F(xiàn)有文獻中通常采用的方式歸結(jié)起來共有4種：基于樣本外預(yù)測誤差的權(quán)重組合、基于AIC信息準則的權(quán)重組合、基于BIC信息準則的權(quán)重組合以及等權(quán)重組合。為了驗證穩(wěn)健性，本文分別采用上述四種組合方式，對兩類指標在不同組合方式下的MIDAS（3，8，1）一AR（5）模型性能進行檢驗。我們首先根據(jù)上一小節(jié)計算的含不良貸款率自回歸滯后項的兩類指標最優(yōu)指標誤差上升序列，逐一取出序列中最優(yōu)的前個指標，構(gòu)建隸屬于同一類型指標集的C—MIDAS（3，8，1）-AR（5）模型。此外，為了進一步驗證綜合使用宏觀與微觀指標是否優(yōu)于僅使用單一類型的指標，我們同時也將兩類指標混合，構(gòu)建出混合指標集的最優(yōu)指標誤差上升序列，之后逐一取出序列中最優(yōu)的前k個指標，迭代構(gòu)建同時使用兩類指標的C-MIDAS（3，8，1）-APt（5）模型。三個模型在四種權(quán)重組合方式下的樣本外預(yù)測誤差比較結(jié)果如圖7所示。endprint

首先分析僅基于傳統(tǒng)宏觀指標構(gòu)建的組合模型與僅基于央行微觀指標構(gòu)建的組合模型在樣本外預(yù)測誤差方面的差異。從圖7可以看出，除了在基于樣本外預(yù)測誤差權(quán)重組合方式下含有2個同類指標構(gòu)建的組合模型中，傳統(tǒng)宏觀指標組合的預(yù)測誤差小于微觀指標組合之外，在其余任一屬性規(guī)模、任一權(quán)重組合方式下，基于微觀指標構(gòu)建的模型其誤差均小于傳統(tǒng)宏觀指標模型組合。然而，考慮到在面向應(yīng)用的組合模型構(gòu)建過程中，由于無法在事前獲得樣本真實值從而推算出樣本外預(yù)測誤差，因此以樣本外預(yù)測誤差為權(quán)重的組合方式的實用性不高。同時，AIC與BIC信息準則可在模型的樣本內(nèi)擬合階段輕松得到，因此完全能夠根據(jù)各單一指標在模型訓(xùn)練階段的表現(xiàn)，選擇構(gòu)建組合模型的指標。由此，我們可根據(jù)基于AIC信息準則、BIC信息準則、等權(quán)重三種權(quán)重組合方式構(gòu)建的組合模型，同時參考基于樣本外預(yù)測誤差構(gòu)建的組合模型，充分地得出結(jié)論：基于央行微觀指標構(gòu)建的組合模型，在樣本外預(yù)測誤差方面優(yōu)于基于傳統(tǒng)宏觀指標構(gòu)建的組合模型，央行微觀指標相比于傳統(tǒng)宏觀指標，更加適合于我國不良貸款率的預(yù)測。

此外，盡管兩類指標均表現(xiàn)出了一定的預(yù)測指標優(yōu)勢，但綜合使用兩類指標構(gòu)建的C-MIDAS（3，8，1）-AR（5）模型，其樣本外預(yù)測誤差能夠進一步降低。從兩類指標的性質(zhì)上來說，宏觀預(yù)測指標自頂向下地反映了整體經(jīng)濟層面的發(fā)展趨勢，而微觀指標則著重從貸款主體行為的角度，自底向上地對還款壓力進行了有效地評估，因此，結(jié)合宏觀與微觀指標，能夠兼顧實體經(jīng)濟發(fā)展現(xiàn)狀、資金市場供需關(guān)系與不同經(jīng)濟主體的未來預(yù)期，提高預(yù)測精度。

（五）經(jīng)濟含義分析

進一步研究在使用兩類指標的C-MIDAS（3，8，1）-AR（5）模型中，樣本外預(yù)測誤差最低時所選的指標的經(jīng)濟含義。當選擇指標的數(shù)量為8時，基于BIC信息準則權(quán)重的C-MIDAS（3，8，1）-AR（5）模型取得了最低的樣本外預(yù)測誤差，表1首先列出了選擇的8個指標的具體回歸結(jié)果統(tǒng)計，我們嘗試逐一分析表l中8個指標可能的經(jīng)濟含義。

首先發(fā)現(xiàn)在傳統(tǒng)宏觀指標中，僅有人民幣匯率有效指數(shù)這一指標入選。GDP、M2等指標盡管在現(xiàn)有文獻中被認為與不良貸款率有較大關(guān)聯(lián)，但并不被認為最適合作為MIDAS模型中不良貸款率的預(yù)測指標。人民幣匯率有效指數(shù)由國際清算銀行編制發(fā)行，其剔除了通脹的影響，反映的是一國貨幣的實際購買力。人民幣匯率有效指數(shù)上升，代表本國貨幣相對價值的上升，下降則表示本幣貶值。表1中的結(jié)果顯示最大滯后3階的人民幣匯率有效指數(shù)適合作為我國不良貸款率的預(yù)測指標，其系數(shù)為正。我們認為：當當期的人民幣匯率有效指數(shù)上升時，本國貨幣相對于外幣升值，有利于進口而不利于出口，由于出口是中國經(jīng)濟長期以來增長動力的“三駕馬車”之一，因此當出口減緩時，企業(yè)產(chǎn)品滯銷，現(xiàn)金流被削弱，從而導(dǎo)致了未來還款期的還款能力下降，導(dǎo)致不良貸款率上升。這一發(fā)現(xiàn)也表明：我國經(jīng)濟發(fā)展模式必須盡快由“出口導(dǎo)向型”向“內(nèi)需拉動型”進行轉(zhuǎn)變，否則，較大的匯率或出口波動可能會引發(fā)國內(nèi)銀行業(yè)信用風險的集中暴露。

最大滯后5階的基金及理財意愿投資比例、最大滯后2階的房價過高難以接受比例、最大滯后3階的旅游意愿比例、最大滯后5階的房價預(yù)期上漲比例四個指標是央行面向城鎮(zhèn)儲戶的調(diào)查問卷結(jié)果指標。其中，房價過高難以接受比例指標的系數(shù)為負，其余3個為正。我們將逐一分析這4個指標背后的經(jīng)濟理論含義。

對于基金及理財意愿投資比例指標，當其上升時，意味著更多城鎮(zhèn)居民會選擇將原本的儲蓄資金轉(zhuǎn)化為購買基金及理財產(chǎn)品。此時，一方面以股市為代表的各類投資市場中的資金積累增多，但其對實體經(jīng)濟的發(fā)展影響有限；另一方面，儲蓄減少使得商業(yè)銀行存貸比例惡化，商業(yè)銀行可能會進一步提高貸款利率以減少貸款需求，但高利率亦會直接導(dǎo)致高違約風險，從而不良貸款率上升。從預(yù)期的角度出發(fā)，當潛在的經(jīng)濟形勢較好時，居民的閑置資金可能會更多用于實業(yè)投資，刺激經(jīng)濟增長，而當潛在經(jīng)濟形勢較差時，居民可能會選擇將資金由實體經(jīng)濟轉(zhuǎn)移至投資市場，次貸危機后美國的實體經(jīng)濟下滑，但股票市場并未暴跌，反而屢創(chuàng)新高便是例證之一。因此，基金及理財意愿投資意愿上升，亦有可能是民眾理性預(yù)計未來實體經(jīng)濟下滑的征兆。

房價過高難以接受比例指標與不良貸款率存在負相關(guān)關(guān)系，同時房價預(yù)期上漲比例指標與不良貸款率呈正相關(guān)關(guān)系。事實上，現(xiàn)有許多研究已表明，房地產(chǎn)價格持續(xù)攀升是推動近年來中國經(jīng)濟增長的重要因素之一，但同時，房地產(chǎn)行業(yè)的過度膨脹，也會擠占農(nóng)業(yè)、輕工業(yè)和公共服務(wù)業(yè)的發(fā)展空間。首先，由于房地產(chǎn)行業(yè)利潤較高，銀行樂于將資金貸給房地產(chǎn)開發(fā)商，房地產(chǎn)行業(yè)與銀行業(yè)存在一定程度的“興衰捆綁”。當當期的房價過高以致居民“難以承受”時，房地產(chǎn)企業(yè)的高利潤也使得其現(xiàn)金流充足，因此不良貸款率相對較低。而當居民預(yù)期房價上漲比例提升時，事實上暗示了預(yù)期未來市場資金會更多地涌入房地產(chǎn)行業(yè)，農(nóng)業(yè)、輕工業(yè)和公共服務(wù)業(yè)等其它行業(yè)可能會出現(xiàn)衰退，盡管房地產(chǎn)行業(yè)違約風險較小，但不能彌補由此造成的其他行業(yè)信用風險加大。我們也注意到這兩個與房地產(chǎn)相關(guān)的指標，其最大滯后階數(shù)分別為2階及5階，這意味著在短期內(nèi)，房地產(chǎn)市場的繁榮確實能降低商業(yè)銀行不良貸款率，但中長期有所偏頗的信貸政策，則可能會引致其他行業(yè)發(fā)展困難，整體信用風險上升。

旅游意愿比例指標與不良貸款率存在正向關(guān)系，這與我們的常識相悖。一般來說，旅游意愿比例上升往往出現(xiàn)在經(jīng)濟形勢較好的時期，此時居民收入較高，儲蓄結(jié)余較多，在旅游景點的購買行為能夠在短期內(nèi)提高消費，長期內(nèi)拉動當?shù)鼐蜆I(yè)，促進GDP進一步增長，且現(xiàn)有文獻已表明GDP增長對不良貸款率有抑制作用。對于這一結(jié)果，我們查閱了相關(guān)資料，攜程旅游網(wǎng)在2014年公布的《旅游者調(diào)查報告》中指出，有56%的受訪者表示：住房消費是影響旅游支出的重要因素。我們據(jù)此合理推測：房地產(chǎn)價格可能是影響旅游意愿比例的重要因素，當當期的房地產(chǎn)價格上升、居民預(yù)期房價未來會進一步上漲時，居民在當期的旅游意愿會降低，即旅游意愿比例與當期和預(yù)期的房地產(chǎn)價格可能呈相反變動關(guān)系。endprint

接著分析剩余的最大滯后5階銀行貸款審批指數(shù)、最大滯后5階銀行家宏觀經(jīng)濟熱度指數(shù)與最大滯后1階的非制造業(yè)貸款需求指數(shù)三個指標，這三個指標均來自央行的銀行家問卷調(diào)查統(tǒng)計。其中，銀行貸款審批指數(shù)與不良貸款率呈正相關(guān)，其余兩個指數(shù)均為負相關(guān)。銀行貸款審批指數(shù)衡量了銀行貸款審批嚴格程度的高低，指數(shù)越低，意味著銀行貸款審批越寬松。不難想到，當期較寬松的貸款審批政策，實際上加劇了潛在的信用風險，為未來信用風險的階段性集中爆發(fā)埋下了隱患。銀行家宏觀經(jīng)濟熱度指數(shù)反映了銀行家對當期經(jīng)濟發(fā)展狀況的認知，編制方法為首先分別計算認為本季經(jīng)濟“偏熱”和“正常”的銀行家占比，再分別賦予權(quán)重1和0.5，求和得出指數(shù)值。指數(shù)值越高，表明銀行家認為當期的經(jīng)濟發(fā)展越偏熱。當當期經(jīng)濟發(fā)展正常時，商業(yè)銀行正常放貸；而在認為當期經(jīng)濟發(fā)展過熱時，商業(yè)銀行預(yù)期未來經(jīng)濟增長幅度可能會下滑調(diào)整，一般選擇謹慎貸款，提高貸款審核要求，因而未來時期的不良貸款率較低。對于非制造業(yè)貸款需求指數(shù)，其上升意味著本季非制造業(yè)貸款需求提高。非制造業(yè)一般以服務(wù)業(yè)為代表，近年來，我國服務(wù)業(yè)不斷發(fā)展，2016年服務(wù)業(yè)占GDP比重更是超過50%，呈現(xiàn)不斷上升的勢頭。因此，非制造業(yè)由于近年來發(fā)展迅猛，可能其貸款信用風險較低，從而與不良貸款率有著負向聯(lián)系。

最后，發(fā)現(xiàn)在取得最低樣本外預(yù)測誤差結(jié)果的C-MIDAs（3，8，1）-AR（5）模型中，并未包含央行企業(yè)家調(diào)查問卷結(jié)果中的指標，這并不能表明企業(yè)家調(diào)查的相關(guān)指標不重要，研究過程中我們列出了所有50個指標在C-MIDAS（3，8，1）-AR（5）模型中的排序，事實上有不少企業(yè)家調(diào)查問卷所含指標位居前列，只是未被最優(yōu)的C-MIDAS（3，8，1）-AR（5）模型涵蓋。

四、結(jié)論與展望

本文利用適用于混頻數(shù)據(jù)預(yù)測問題的MIDAS模型，研究相比于傳統(tǒng)宏觀經(jīng)濟指標，央行的微觀調(diào)查統(tǒng)計指標是否更加適合作為我國商業(yè)銀行不良貸款率的預(yù)測指標。研究發(fā)現(xiàn)無論是在單變量MI—DAs模型、帶因變量自回歸的單變量MIDAS模型，還是多變量組合MIDAS模型中，央行微觀指標在平均樣本外預(yù)測誤差、最優(yōu)樣本外預(yù)測誤差等多個方面，均優(yōu)于傳統(tǒng)的宏觀指標，表現(xiàn)出了較強的適用性。此外，人民幣名義有效匯率指數(shù)、基金及理財投資意愿比例、房價過高難以接受比例、旅游意愿比例、銀行貸款審批指數(shù)、房價預(yù)期上漲比例、銀行家宏觀經(jīng)濟熱度指數(shù)、非制造業(yè)貸款需求指數(shù)等指標尤其適合作為不良貸款率的預(yù)測指標。

本文的結(jié)論是：相比于傳統(tǒng)宏觀經(jīng)濟指標，央行的微觀調(diào)查統(tǒng)計指標更加適合作為我國商業(yè)銀行不良貸款率的預(yù)測指標。研究結(jié)論有助于更好地預(yù)測我國銀行業(yè)信用風險，從而可以及早防范，保證我國金融體系的穩(wěn)定。

責任編輯、校對：鄭雅妮endprint