基于时间序列模型的我国居民储蓄动态分析与精准预测研究.docxVIP

基于时间序列模型的我国居民储蓄动态分析与精准预测研究

一、引言

1.1研究背景与意义

在我国经济体系中，居民储蓄占据着举足轻重的地位，其动态变化深刻影响着经济的各个层面。近年来，我国居民储蓄规模持续扩张，据相关数据显示，截至2024年末，国内存款类金融机构居民存款余额已高达152.25万亿，人均存款成功突破10万元大关。这一显著增长趋势不仅反映了居民财富的逐步积累，也暗示了居民在经济活动中的谨慎态度与长远规划。

居民储蓄作为社会投资的关键资金来源，对经济增长有着不可或缺的作用。它为企业的扩张、创新以及基础设施建设等提供了必要的资金支持，是推动经济发展的重要动力。高储蓄率在一定程度上能够为经济增长提供稳定的资金保障，促进资本的形成与积累，进而推动产业升级和技术创新。但居民储蓄率过高也会带来一些问题，如可能抑制当前消费需求，影响经济的内需拉动作用。

居民储蓄行为的变化对货币政策的制定与实施效果有着显著影响。货币政策的目标之一是通过调节货币供应量和利率水平，来影响居民的消费和投资行为，从而实现经济的稳定增长和物价的稳定。当居民储蓄意愿强烈时，货币政策通过降低利率来刺激消费和投资的效果可能会受到削弱。因为居民更倾向于将资金存入银行获取稳定的收益，而不是进行消费或投资，这就使得货币政策的传导机制受阻，影响政策目标的实现。

居民储蓄为金融市场提供了大量的资金，是金融市场稳定运行的重要基础。随着金融市场的不断发展与创新，居民可以将储蓄投入到股票、债券、基金等多种金融产品中，实现资产的多元化配置。这不仅增加了居民的财产性收入，还促进了金融市场的繁荣与发展，提高了金融市场的效率和活力。但居民储蓄在金融市场的流动也可能带来风险，如大量资金集中涌入某一金融领域，可能导致资产价格泡沫，影响金融市场的稳定。

对我国居民储蓄进行深入研究，建立精准的时间序列模型并进行有效预测，具有重要的现实意义。通过对居民储蓄的研究，能够深入了解居民的经济行为和心理预期，为政府制定宏观经济政策提供科学依据。有助于优化投资结构，合理引导储蓄向投资的转化，提高资金的使用效率，促进经济的可持续增长。能够为金融机构提供决策参考，帮助金融机构更好地开发金融产品和服务，满足居民多样化的金融需求，同时防范金融风险，维护金融市场的稳定。

1.2国内外研究现状

国外学者对居民储蓄的研究起步较早，理论成果丰硕。生命周期-持久收入模型（LC/PIH）由莫迪利安尼（Modigliani）和弗里德曼（Friedman）等提出，该模型认为居民会在整个生命周期内规划自己的消费和储蓄行为，以实现效用最大化。他们会根据对未来收入和资产增值情况的预期，以及自身的时间偏好，动态调整各期的消费和储蓄。预防性储蓄理论则强调居民为应对未来不确定性而进行额外储蓄，如扎尔德斯（Zeldes）的研究指出，当居民面临收入不确定性时，会增加储蓄以保障未来的生活水平。

在时间序列建模应用于储蓄预测方面，国外学者进行了大量实证研究。恩格尔（Engle）和格兰杰（Granger）提出的协整理论，为分析非平稳时间序列之间的长期稳定关系提供了有力工具。一些学者运用该理论对居民储蓄与相关经济变量（如收入、利率、通货膨胀率等）进行协整分析，建立误差修正模型（ECM）来预测储蓄变化。霍尔（Hall）运用随机游走模型研究消费和储蓄行为，认为消费的变化是不可预测的，但储蓄会根据收入的意外变化进行调整。

国内学者结合我国国情，对居民储蓄进行了深入研究。部分学者关注我国居民储蓄率居高不下的现象，李扬等指出，传统文化中对储蓄的重视以及对未来不确定性的担忧，使得我国居民倾向于将一部分收入存入银行。万广华等通过实证分析发现，收入增长、收入分配不均以及预防性动机等因素对我国居民储蓄率有着重要影响。

在时间序列建模预测我国居民储蓄方面，国内学者也取得了一定成果。一些学者运用ARIMA模型对居民储蓄数据进行分析和预测，根据历史数据的特征确定模型的参数，以预测未来储蓄的变化趋势。还有学者将灰色预测模型、神经网络模型等应用于居民储蓄预测，通过对多种模型的比较和优化，提高预测的准确性。

现有研究仍存在一些不足之处。在模型选择上，单一模型往往难以全面捕捉居民储蓄的复杂变化规律，不同模型在不同的经济环境和数据特征下表现各异，如何选择最适合我国居民储蓄数据的模型，或者如何将多种模型进行有效组合以提高预测精度，还需要进一步探索。在影响因素分析方面，虽然已考虑了收入、利率等常见因素，但随着经济社会的发展，一些新的因素（如互联网金融的发展、人口结构的变化等）对居民储蓄的影响尚未得到充分研究。

1.3研究内容与方法

本文主要围绕我国居民储蓄的时间序列建模、预测及应用展开研究。深入剖析我国居民储蓄的现状，包括储蓄规模的增长趋势、储蓄结构（活期存款、定期存