美国消费信贷实证研究.docVIP

美国消费信贷实证研究 　　一、引言 　　二战后，信用消费成为美国经济的一个重要组成部分。从五十年代中期至今，美国消费信贷一直呈现高速增长势头。消费信贷不仅支撑着许多“支柱”产业，还改变了美国人的生活。那些没有太多收入的美国人和有钱人一样购买相同的商品，使他们可以像有钱人那样生活。美国拥有稳定的经济系统、完善的法律机制以及发达的科学技术，其得天独厚的条件，使它成为世界上消费信贷最发达的国家。 　　由于文化影响美国借贷消费占消费总量的百分比要比我国的数据大很多，这是因为美国人民借贷消费的意识相比较我国乃至全世界都要更强，这使得消费信贷对于美国经济的中四架马车中最重要的消费一环起着非常重要的作用。 　　二、模型建立 　　时间序列预测方法的基本理念是：预测一个现象的未来变化时，用该现象的过去来预测未来，即通过时间序列的历史数据揭示现象随时间变化的规律，并将这种规律延伸到未来，从而对该现象的未来做出预测。 　　1、ARMA模型 　　AR 模型（ 自回归模型） 和MA 模型（ 滑动平均模型） 组合， 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA， ARMA 模型建立的基础是时间序列是平稳的，也就是说，在研究的时间范围内研究对象受到的影响因素必须是相同的。若所给的序列并非稳定列，则必须对所给的序列做预处理，使其平稳化，然后用ARMA模型建模。具体建模流程如下： 　　（1）序列的预处理，判断该序列是否为平稳非随机序列。若为非平稳序列，需对该序列进行处理使其符合ARMA模型建模的条件，即处理后的序列是平稳的。 　　（2）计算观察值序列的样本自相关系数和样本偏自相关系数的值。 　　（3）根据样本自相关系数和样本偏自相关系数初步判断p、q值，并选择较优的几个组合进行模拟，最后通过AIC或者BIC选择一个最恰当模型的估计模型中的未知参数。 　　（4）对模型进行检验，观其是否有效。 　　（5）利用拟合的模型对未来指数进行预测。 　　2、ARCH模型 　　ARCH模型由美国加州大学圣迭哥分校罗伯特?恩格尔（Engle）教授1982年在《计量经济学》杂志（Econometrica）的一篇论文中首次提出。此后在计量经济领域中得到迅速发展。 　　所谓ARCH模型，按照英文直译是自回归条件异方差模型。粗略地说，该模型将当前一切可利用信息作为条件，并采用某种自回归形式来刻划方差的变异，对于一个时间序列而言，在不同时刻可利用的信息不同，而相应的条件方差也不同，利用ARCH 模型，可以刻划出随时间而变异的条件方差。 　　作为一种全新的理论，ARCH模型在近十几年里得到了极为迅速的发展，已被广泛地用于验证金融理论中的规律描述以及金融市场的预测和决策。 　　ARCH模型是获得2003年诺贝尔经济学奖的计量经济学成果之一。被认为是最集中反映了方差变化特点而被广泛应用于金融数据时间序列分析的模型。ARCH模型是过去20年内金融计量学发展中最重大的创新。目前所有的波动率模型中，ARCH类模型无论从理论研究的深度还是从实证运用的广泛性来说都是独一无二的。 　　ARCH模型的基本思想是指在以前信息集下，某一时刻一个噪声的发生是服从正态分布。该正态分布的均值为零，方差是一个随时间变化的量（即为条件异方差）。并且这个随时间变化的方差是过去有限项噪声值平方的线性组合（即为自回归）。这样就构成了自回归条件异方差模型。 　　如果误差项的平方服从AR（q）过程，则称上述模型是自回归条件异方差模型。简记为ARCH模型。ARCH模型通常对主体模型的随机扰动项进行建模分析。以便充分的提取残差中的信息，使得最终的模型残差成为白噪声序列。 　　从上面的模型中可以看出，由于现在时刻噪声的方差是过去有限项噪声值平方的回归，也就是说噪声的波动具有一定的记忆性，因此，如果在以前时刻噪声的方差变大，那么在此刻噪声的方差往往也跟着变大；如果在以前时刻噪声的方差变小，那么在此刻噪声的方差往往也跟着变小。体现到期货市场，那就是如果前一阶段期货合约价格波动变大，那么在此刻市场价格波动也往往较大，反之亦然。这就是ARCH模型所具有描述波动的集群性的特性，由此也决定它的无条件分布是一个尖峰胖尾的分布。 　　3、VAR模型 　　1980年Sims提出向量自回归模型（vector autoregressive model）。这种模型采用多方程联立的形式，它不以经济理论为基础。在模型的每一个方程中，内生变量对模型的全部内生变量的滞后项进行回归，从而估计全部内生变量的动态关系。 　　因VAR模型中每个方程的右侧只含有内生变量的滞后项，他们与残差项是渐近不相关的，所以可以用OLS法依次估计每一个方程，得到的参数估计量都具有一致性。 　　三、实证数据说明 　　笔者选取