论文部分内容阅读
【摘要】货币供应量作为货币政策的中间目标，对经济的发展有着重要的影响作用。信贷投放与货币供应高度相关，在2012年货币政策取向引发市场广泛讨论的背景下，对信贷水平的事前预测就显得尤为必要。本文利用统计软件对云南省金融机构历年信贷投放量的时间序列数据进行了分析，并建立了相应的计量模型。预测结果显示，云南省2012年的信贷增长大致有21%的空间。控制信贷投放的总量与节奏，调整信贷投放的结构和比例仍将是今年信贷政策的重点。
【关键词】货币政策 信贷 市场
货币政策是一种重要的宏观经济政策，是中央银行实现其职能的核心和依据。其主要任务之一就是维持适度的货币供应，使之与经济的正常运行相适应。央行通过公开市场操作、调整存款准备金率、改变再贴现率等手段，可以影响基础货币和货币乘数，进而影响货币供应量。根据货币学派的理论，货币供应量的变化直接影响支出，从而影响到投资并最终改变总收入。因此，对货币供应量的调控将在很大程度上关系到货币政策最终目标的实现，具有非常重要的战略意义。在经历了去年的通胀和企业融资难等问题之后，2012年的货币政策取向便引发了学界和金融业内人士的广泛讨论。根据央行发布的金融统计数据报告，1月人民币贷款增加7381亿元，远低于此前市场预期，货币供应量亦创下历史新低。而与此同时，美联储和欧洲中央银行宣布继续维持定量宽松货币政策，这在我国当前复杂的经济形势下，进一步加大了政策制定的难度，十分考验中国智慧。2月18日央行宣布，从2012年2月24日起，下调存款类金融机构人民币存款准备金率0.5个百分点，再度超出市场预期。这一紧一松的政策动向释放了货币政策的微调信号。在此背景下，对云南省信贷投放的预测就显得格外必要，不仅可以大致确定今年我省信贷投放的总体规模，而且能够根据预测情况作出前瞻性安排，具有较强的理论和现实意义。由于信贷数据为时间序列，因此较好的预测方法为构建相应的时间序列模型。本文的研究就从这一点开始。
一、云南省信贷余额时间序列数据分析
本文利用EViews5.0软件对云南省1983年到2011年的金融机构贷款余额时间序列数据（YN）进行分析。从图1来看，我省金融机构信贷投放规模呈逐年上升趋势，并具有明显的指数增长形态。单位根检验结果见表1。
由表1的检验结果可知，ADF检验统计量的值为0.693789，大于三个不同显著性水平的临界值，表明序列非平稳。因此，需要对序列进行平稳化处理。由于信贷余额序列呈指数型增长，所以首先对该序列取自然对数，使其线性化，然后再进行一阶差分以消除线性趋势。对新生成的序列进行ADF检验，结果如表2所示。
由检验结果可知，ADF检验统计量的值为-2.502082，在10%的显著性水平下，处理后的序列已基本接近平稳。新序列的自相关与偏自相关图如图2所示。从图中可以看到，当滞后阶数大于1时，序列的自相关系数很快地趋近于0，即落入随机区间，说明该时间序列已经平稳，可以对其构建相应的计量模型。
二、ARMA模型的选择与预测
对时间序列进行分析和预测，较常使用的模型有ARMA模型和Holter-Winter非季节短期预测模型等。ARMA模型是一类常用的随机时序模型，其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律可以用相应的数学模型近似描述。通过过去的观测值、过去的干扰值和现在的干扰值的线性组合，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，其数学表达式记作：
yt=φ1yt-1+φ2yt-2+…+φPyt-P+εt-θ1εt-1-θ2εt-2-…-θqεt-q
由于ARMA是一种精度较高的时序短期预测方法，经常被用作GDP等经济指标的预测，因此本文遂采用这一方法，对信贷余额时间序列构建相应的ARMA模型。
从经过平稳化序列的自相关与偏自相关图（图2）可以看出，偏自相关系数在k=1后很快趋于零，因此取p=1；自相关系数在k=1时显著不为0，k=2后便落入置信带内，所以取q=1。综合两者，可以考虑ARMA（1，1）模型。但经过回归分析，该模型的AR项未能通过t检验。为此，笔者剔除不显著的AR项，新建MA（1）模型，EViews回归结果如下：
模型的估计结果表示为：
DLOG(YN)=0.196171+εt+0.647317εt-1
该模型的各项系数估计量均通过t检验，特征根的倒数在单位圆内，DW值接近2，AIC与SC值均较小，各项统计指标都较为理想。用该模型对2011年的贷款数据进行误差预测。2011年信贷余额的预测值为12083.56亿元，同实际值12114.59亿元的相对误差为0.26%，预测精度较高。因此，可以将其用来预测2012年的信贷投放水平。
根据该模型对2012年的信贷投放数据进行预测，结果显示，2012年云南省金融机构贷款投放额预计将达到14702.49亿元，较2011年上涨21%，高于省政府制定的16.5%的增长目标。
三、结论和启示
根据预测结果，对于云南省2012年的信贷政策，我们可以得到以下两点启示：
第一，控制信贷投放的总量与节奏，保持政策的稳健性。通过ARMA模型可知，我省金融机构信贷投放量与上一期信贷投放量无关，当期信贷投放量受当期和前期的随机因素影响。信贷波动究其原因，在于货币政策的内在传导机制和外在冲击共同作用的结果。因此，在制定我省信贷政策时，不能过于依赖往年的经验。既要做到总量上与我省实体经济发展的客观需求相适应，又要根据经济形势的变化作出审慎、灵活的调整和安排，控制好信贷投放的节奏。这也是今年货币政策稳健性的必然要求。
第二，调整信贷投放的结构和比例，提高政策的科学性。监管当局应加强对金融机构的道义劝告和窗口指导，使信贷资金有意识向低碳、“三农”、高新技术产业倾斜。对于小微企业贷款难的现状，一方面在鼓励向其增加信贷投放的同时，另一方面应积极探索和推广融资租赁、无抵押循环贷款等新型融资手段，切实扭转央企国企不愁贷，中小企业融资难的尴尬现状。
需要格外指出的是，模型的預测值是根据历史数据拟合得出的结果，并不代表实际发生的数量。在制定政策时，必须考虑外在冲击。在极端情况下，实际值甚至可能同预测值有很大差别。
【关键词】货币政策 信贷 市场
货币政策是一种重要的宏观经济政策，是中央银行实现其职能的核心和依据。其主要任务之一就是维持适度的货币供应，使之与经济的正常运行相适应。央行通过公开市场操作、调整存款准备金率、改变再贴现率等手段，可以影响基础货币和货币乘数，进而影响货币供应量。根据货币学派的理论，货币供应量的变化直接影响支出，从而影响到投资并最终改变总收入。因此，对货币供应量的调控将在很大程度上关系到货币政策最终目标的实现，具有非常重要的战略意义。在经历了去年的通胀和企业融资难等问题之后，2012年的货币政策取向便引发了学界和金融业内人士的广泛讨论。根据央行发布的金融统计数据报告，1月人民币贷款增加7381亿元，远低于此前市场预期，货币供应量亦创下历史新低。而与此同时，美联储和欧洲中央银行宣布继续维持定量宽松货币政策，这在我国当前复杂的经济形势下，进一步加大了政策制定的难度，十分考验中国智慧。2月18日央行宣布，从2012年2月24日起，下调存款类金融机构人民币存款准备金率0.5个百分点，再度超出市场预期。这一紧一松的政策动向释放了货币政策的微调信号。在此背景下，对云南省信贷投放的预测就显得格外必要，不仅可以大致确定今年我省信贷投放的总体规模，而且能够根据预测情况作出前瞻性安排，具有较强的理论和现实意义。由于信贷数据为时间序列，因此较好的预测方法为构建相应的时间序列模型。本文的研究就从这一点开始。
一、云南省信贷余额时间序列数据分析
本文利用EViews5.0软件对云南省1983年到2011年的金融机构贷款余额时间序列数据（YN）进行分析。从图1来看，我省金融机构信贷投放规模呈逐年上升趋势，并具有明显的指数增长形态。单位根检验结果见表1。
由表1的检验结果可知，ADF检验统计量的值为0.693789，大于三个不同显著性水平的临界值，表明序列非平稳。因此，需要对序列进行平稳化处理。由于信贷余额序列呈指数型增长，所以首先对该序列取自然对数，使其线性化，然后再进行一阶差分以消除线性趋势。对新生成的序列进行ADF检验，结果如表2所示。
由检验结果可知，ADF检验统计量的值为-2.502082，在10%的显著性水平下，处理后的序列已基本接近平稳。新序列的自相关与偏自相关图如图2所示。从图中可以看到，当滞后阶数大于1时，序列的自相关系数很快地趋近于0，即落入随机区间，说明该时间序列已经平稳，可以对其构建相应的计量模型。
二、ARMA模型的选择与预测
对时间序列进行分析和预测，较常使用的模型有ARMA模型和Holter-Winter非季节短期预测模型等。ARMA模型是一类常用的随机时序模型，其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律可以用相应的数学模型近似描述。通过过去的观测值、过去的干扰值和现在的干扰值的线性组合，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，其数学表达式记作：
yt=φ1yt-1+φ2yt-2+…+φPyt-P+εt-θ1εt-1-θ2εt-2-…-θqεt-q
由于ARMA是一种精度较高的时序短期预测方法，经常被用作GDP等经济指标的预测，因此本文遂采用这一方法，对信贷余额时间序列构建相应的ARMA模型。
从经过平稳化序列的自相关与偏自相关图（图2）可以看出，偏自相关系数在k=1后很快趋于零，因此取p=1；自相关系数在k=1时显著不为0，k=2后便落入置信带内，所以取q=1。综合两者，可以考虑ARMA（1，1）模型。但经过回归分析，该模型的AR项未能通过t检验。为此，笔者剔除不显著的AR项，新建MA（1）模型，EViews回归结果如下：
模型的估计结果表示为：
DLOG(YN)=0.196171+εt+0.647317εt-1
该模型的各项系数估计量均通过t检验，特征根的倒数在单位圆内，DW值接近2，AIC与SC值均较小，各项统计指标都较为理想。用该模型对2011年的贷款数据进行误差预测。2011年信贷余额的预测值为12083.56亿元，同实际值12114.59亿元的相对误差为0.26%，预测精度较高。因此，可以将其用来预测2012年的信贷投放水平。
根据该模型对2012年的信贷投放数据进行预测，结果显示，2012年云南省金融机构贷款投放额预计将达到14702.49亿元，较2011年上涨21%，高于省政府制定的16.5%的增长目标。
三、结论和启示
根据预测结果，对于云南省2012年的信贷政策，我们可以得到以下两点启示：
第一，控制信贷投放的总量与节奏，保持政策的稳健性。通过ARMA模型可知，我省金融机构信贷投放量与上一期信贷投放量无关，当期信贷投放量受当期和前期的随机因素影响。信贷波动究其原因，在于货币政策的内在传导机制和外在冲击共同作用的结果。因此，在制定我省信贷政策时，不能过于依赖往年的经验。既要做到总量上与我省实体经济发展的客观需求相适应，又要根据经济形势的变化作出审慎、灵活的调整和安排，控制好信贷投放的节奏。这也是今年货币政策稳健性的必然要求。
第二，调整信贷投放的结构和比例，提高政策的科学性。监管当局应加强对金融机构的道义劝告和窗口指导，使信贷资金有意识向低碳、“三农”、高新技术产业倾斜。对于小微企业贷款难的现状，一方面在鼓励向其增加信贷投放的同时，另一方面应积极探索和推广融资租赁、无抵押循环贷款等新型融资手段，切实扭转央企国企不愁贷，中小企业融资难的尴尬现状。
需要格外指出的是，模型的預测值是根据历史数据拟合得出的结果，并不代表实际发生的数量。在制定政策时，必须考虑外在冲击。在极端情况下，实际值甚至可能同预测值有很大差别。