我国狭义货币供应量M1预测与分析.docVIP

我国狭义货币供应量M1预测与分析 　　【摘要】货币供应量是整个国民经济的重要环节，文章建立以时间为自变量的回归模型结合ARIMA模型对回归模型进行调整，建立关于我国狭义货币供应量M1的预测组合模型，通过预测货币供应量与市场预期相比较，有效规避资本市场的系统性风险。 　　【关键词】货币供应量；回归分析；ARIMA；组合模型 　　 　　一、引言与文献回顾 　　自2008年金融危机以来，我国货币政策制定日益频繁，货币供应调控难度不断加大，现正受到越来越多的关注，货币投放过多或者过少可能给实体经济带来的恶性通货膨胀与通货紧缩的风险，对于资本市场，每一次货币政策的变动都会引起其剧烈的反应，而狭义货币供应量M1的变动与资本市场的变动的相关性最强。对货币供应量的有效的预测可以使投资者预期未来货币政策的方向，以降低买卖证券的风险。 　　关于货币供应量的研究，朱新天等（1993）通过建立基础货币供应量数学模型，揭示货币乘数在信贷计划体制下不规则波动的特殊机理，认为基础货币的投放需要与控制信贷规模相适应。何运信（2006）通过评估货币乘数的可预测性及央行对于货币供应量的控制实现程度，发现近年来我国货币供应量偏离其目标并不完全是控制能力和技术方面的原因。李海波等（2011）研究发现资本市场中的预期效应，资产组合效应，股票内在价值增长效应，通货膨胀效应会对货币供给产生影响。孙艳芳（2011）采用ANFIS进行货币供应量预测，混合学习算法调整前提参数和结论参数，自动产生模糊规则，所得结果表明利用ANFIS预测货币供应量有效。胡俊华（2010）通过分解我国货币供应量的诸多宏观影响因素，建立货币供应量多变量回归模型，预测货币供应。本文将我国狭义货币供应量M1作为退势平稳时间序列进行建模，结合ARIMA方法对回归模型中的变量自相关以及残差进行调整，结果显示模型通过检验，预测有效。 　　二、实证分析 　　1.数据的选取 　　本文数据取自中国人民银行统计公布的从1978年1月至2011年10月共406个狭义货币供应量M1的月度时间序列数据。同时将1978年1月作为时间T的起点，令其值为T=1，以此类推至2011年10月令其值为T=406，生成406个时间自变量数据。 　　2.模型建立 　　（1）建立以时间为自变量，以M1作为因变量的回归模型 　　因变量M1的线图显示其走向具有曲线趋势，建立以时间以常数项C，一次项T，二次项T2，三次项T3，四次项T4，为自变量，货币供应量M1为因变量的回归模型： 　　M1=7638.336*C-410.846*T+5.744*T2-0.0262*T3+4.59*10-5T4 　　 （6.367）（-10.086）（14.138）（-17.482）（25.120） 　　R2＝0.995 F=21257.39 DW=0.123 　　E－Views6.0输出的结果显示每一个自变量都通过t检验，联合检验F值远大于临界值显示自变量整体有效，调整后的拟合度也到达了0.995趋近于1，但是DW值为0.123Q(10-2-0)=15.5显示残差未通过适应性检验，残差中含有部分信息未被提取，需要对残差Vt进行调整，使其达到白噪声。 　　第二次回归得到的残差自相关图与偏相关图显示，可以建立关于残差Vt的ARIMA模型，使残差到达白噪声。用E-views6.0得到残差的ARIMA模型的算子表达式为(at为移动平均算子)： 　　(1+0.126B+0.284B2+0.776B3-0.337B9)*(1-B12)*(1-0.587B12)Vt=(1-0.270B-0.718B2)*at P(Q(10))=0.281 　　结果显示第二次回归得到的残差对其运用ARIMA模型进行处理后，通过残差适应性检验P(Q(10))=0.2810.05，表明第二次回归得到的残差的ARIMA模型有效，可以对残差做出预测。 　　根据以上调整后的结果，得出最终关于狭义货币供应量M1的组合模型为： 　　M1t={1.408*T2－0.010*T3＋2.72*10-5*T4+［(1-0.270B-0.718B2)*at/(1+0.126B+0.284B2+0.776B3-0.337B9)*(1-B12)*(1-0.587B12)]}/(1+0.9533B+0.123B2) 　　（3）数据预测 　　运用上述组合模型二分别预测M1的2011年8－2011年10月的值与2011年11月－2012年1月的值，结果分别为（表1），（表2）。 　　三、结论及建议 　　1.研究结论 　　本文建立关于我国狭义货币供应量M1的退势平稳预测组合模型，得出以下结论： 　　（1）货币供应量M1t的与其滞后一阶M1(t-1)，M1(t-2)存在较强的相