我国广义货币供应量M2AR模型与预测实证研究.docVIP

我国广义货币供应量M2AR模型与预测实证研究 　　【摘 要】根据我国广义货币供应量M2近二十年的年度实际数据建立了三种不同的AR时间序列模型，利用Eviews 6.0软件，选择最终模型对2009年至2011年的M2进行了预测检验。实证结果显示，平均相对误差绝对值只有2.83%，模型预测计算精度较高。 　　【关键词】广义货币供应量；时间序列；AR模型 　　1.引言 　　货币供应量已成为国家调节经济及参与经济活动的重要工具，其发行量的多寡或适当与否和经济的平衡稳健发展有非常重要的关系。具有代表性作用的是M1和M2，基于M2更能体现和影响长期经济均衡问题，文章选择其作为研究对象。对于M2影响因素，已有不少学者做出了研究，如袁永德等（2006）[1]对货币政策的有效性进行了两个层次的研究，结果得出了影响我国M2的三种最重要影响因素；盛理峰（2009）[2]经过实证分析得出了我国国际收支状况、贷款利差和利率水平对M2都有重要影响。众多研究还表明我国货币供应量本身是个有一定规律的时间序列，因此可以通过其历史数据建立合适的时间序列模型对未来的发行量进行预测，从而帮助更好地对一国经济进行有效调控。也有学者对此做出了贡献，如杨璨（2009）[3]对M1进行了回归分析；孙亚星，徐庭兰（2009）[4]对M2建立了ARIMA时间序列模型，并根据实证分析进行了预测检验；胡俊华（2010）[5]尝试建立了一个广义货币供应量多变量回归模型，揭示了宏观经变量对M2的不同影响程度。 　　本文通过选取1990-2011年这二十二年的我国广义货币供应量M2（年底余额）的相关数据，识别并建立了不同时间段的AR（）模型并进行了数据拟合，并得到较好的结果。 　　2.AR（）建模基本思想 　　AR（）即阶自回归模型，用来描述序列{}某一时刻和前个时刻序列值间的相关关系： 　　其中，随机序列{}是噪声且和（）序列不相关。 　　AR方法的基本思路是： 　　（1）根据原始时间序列图和差分图，检验该序列的平稳性； 　　（2）求出时间序列的相关图和偏相关图，识别模型形式； 　　（3）估计时间序列模型； 　　（4）样本外预测，检验和评价模型。 　　3.实证研究 　　文中数据来自中华人民共和国国家统???局网站，时间区段为我国1999年～2011年M2的年度时间数据（年底余额）[6]。我们用{}代表M2的原始时间序列（单位：亿元）。 　　3.1 原始时间序列平稳性检验 　　用Eviews 6.0软件对{}画出时间序列图和一阶差分图（图略），可看出1990年至2011年间，M2增长趋势显著。从{}的变化特征来看，这是一个非平衡序列。 　　3.2 模型识别与建立 　　模型形式的识别依赖于自相关与偏相关函数的分析，一阶差分序列分析结果分可知，自相关函数有指数衰减趋势，偏相关1阶或2阶截尾，所以是一个1阶或2阶自回归过程。 　　3.3 时间序列模型估计 　　为了获得更加有效的模型，我们将样本分为三种情况进行模型估计：（1）取1990-2010年数据进行估计，留2011年M2的值用于计算预测精度；（2）取1990-2009年数据进行估计，留2010年和2011年的值计算预测精度；（3）取1990-2008年数据进行估计，留2009年、2010年和2011年数据计算预测精度。 　　结果可以总结得到一阶差分序列的三种对应的AR模型： 　　（1）（取1990-2010样本得） 　　（2）（取1990-2009样本得） 　　（3）（取1990-2008样本得） 　　再分别对三种模型进行残差检验，可得残差序列的自相关函数和偏相关函数均满足在置信区间内，所有Q值都小于检验水平为0.05的分布，所以模型的误差项是一个白噪声序列。 　　3.4 样本外预测，模型检验和评价 　　分别对模型（1）、模型（2）和模型（3）进行相应的样本外预测精度计算，可得模型（3）在2011年的预测值与实际值平均误差百分比最小。进一步分析可得三种模型的拟合效果，其中模型（3）拟合曲线如下图1所示，Y为实际值，YF为模型预测值，YFSE为预测值标准差曲线。 　　图1 模型（3）的拟合曲线图 　　由拟合预测结果可知，三种模型的平均相对误差绝对值均小于5%，且模型（3）的拟合效果最好，其平均相对误差绝对值为2.83%，说明模型对未来广义货币供应量M2的预测非常符合实际情况，且预测效果比较可靠。因此，我们选择模型（3）为最终模型，即： 　　（*） 　　模型预测2009年、2010年、2011年的货币供应量分别为557311.9亿元、734438.9亿元、885151.5亿元，进而预测2012年底将突破100万亿元大关。 　　4.结论 　　以上分析表明，用AR（）模型对我国