基于ARIMA模型的外匯占款預(yù)測

崔連翔，曾繁華，黃萬華

0 引言

央行為維持匯率穩(wěn)定而在外匯市場拋本幣購?fù)鈪R的行為，增強(qiáng)了貨幣供給的內(nèi)生性，通過外匯占款渠道投放基礎(chǔ)貨幣越來越多，并日益成為基礎(chǔ)貨幣的主要來源。而這將通過貨幣乘數(shù)作用,導(dǎo)致貨幣供應(yīng)量更大幅度增加。在其他條件不變的情況下，貨幣供應(yīng)量增加意味更多缺乏商品與服務(wù)支撐的絕對剩余購買力流入市場，市場供需只有通過物價(jià)上漲的方式才能實(shí)現(xiàn)新的均衡。

外匯儲備增加并非必然地對物價(jià)水平產(chǎn)生影響，只有在貨幣當(dāng)局為保持匯率穩(wěn)定而在外匯市場以本幣收購?fù)鈪R時(shí)，才會導(dǎo)致因外匯占款的大量被動投放而對物價(jià)水平產(chǎn)生較強(qiáng)的通脹壓力。外匯儲備主要以外匯占款為中介影響物價(jià)水平，因此沖銷外匯儲備對物價(jià)上漲的壓力，其實(shí)際就是沖銷外匯占款增長所形成的過量流動性。

本文用Johansen協(xié)整檢驗(yàn)方法，對外匯儲備與物價(jià)水平的長期均衡關(guān)系進(jìn)行協(xié)整檢驗(yàn)，并利用ARIMA模型對外匯占款數(shù)據(jù)的變化趨勢進(jìn)行短期預(yù)測。

1 外匯儲備與物價(jià)水平的協(xié)整檢驗(yàn)

1.1 數(shù)據(jù)的選取、處理與檢驗(yàn)

外匯儲備以外匯占款為中介，通過貨幣發(fā)行量對物價(jià)水平產(chǎn)生影響。因此，本文將對物價(jià)水平(CPI)、外匯儲備額(FR)及貨幣供應(yīng)量（M1）之間的關(guān)系進(jìn)行實(shí)證檢驗(yàn)。本文外匯儲備FR和貨幣發(fā)行量M1的月度數(shù)據(jù)由中國人民銀行網(wǎng)站的統(tǒng)計(jì)數(shù)據(jù)整理計(jì)算，CPI數(shù)據(jù)源自Wind資訊。為減緩數(shù)據(jù)波動和消除異方差，本文對數(shù)據(jù)均做對數(shù)化處理，并分別用LCPI、LFR、LM1表示，所有檢驗(yàn)均由EVIEWS 6.0完成。

經(jīng)典回歸模型建立在穩(wěn)定變量的基礎(chǔ)上，對非穩(wěn)定變量用經(jīng)典回歸模型進(jìn)行回歸，將會導(dǎo)致“偽回歸”。但若非穩(wěn)定變量之間存在某種線性組合為I(0)，即它們之間是協(xié)整的，則可用經(jīng)典回歸模型方法進(jìn)行回歸。本文將用協(xié)整檢驗(yàn)方法，利用2001年1月至2011年8月的月度數(shù)據(jù)，對外匯占款與通貨膨脹間的長期關(guān)系進(jìn)行檢驗(yàn)。

1.1.1 單位根檢驗(yàn)

變量間存在協(xié)整關(guān)系的前提是變量原序列都是非平穩(wěn)序列，且各序列均為一階單整序列，即服從I(1)。因此進(jìn)行協(xié)整檢驗(yàn)之前，首先應(yīng)對各序列進(jìn)行單位根檢驗(yàn)，為了減緩數(shù)據(jù)的劇烈波動，對各組數(shù)據(jù)均做對數(shù)化處理。

表1 原序列單位根檢驗(yàn)

從表1檢驗(yàn)結(jié)果可知，原序列的ADF值均大于顯著性10%的臨界值，因此，不能拒絕有一個(gè)單位根的原假設(shè)，認(rèn)為原序列均存在單位根，即原序列均是非平穩(wěn)的。

表2 一階差分序列單位根檢驗(yàn)

從表2檢驗(yàn)結(jié)果可知，一階差分后序列的ADF檢驗(yàn)值均小于顯著性1%的臨界值，且含有一個(gè)單位根的概率P值均小于1%，因此可以拒絕差分后序列有一個(gè)單位根的原假設(shè)，接受一階差分序列不存在單位根的備選假設(shè)，一階差分后序列是平穩(wěn)的。

ADF檢驗(yàn)結(jié)果表明，LCPI、LFR和LM1均為一階單整序列I(1)，滿足對其進(jìn)行協(xié)整檢驗(yàn)的條件。

1.1.2 Granger因果檢驗(yàn)

為防止序列間出現(xiàn)偽相關(guān)，在進(jìn)行協(xié)整檢驗(yàn)前，對序列進(jìn)行Granger因果檢驗(yàn)，其滯后2階的檢驗(yàn)結(jié)果如下：

表3 Grnager檢驗(yàn)

從表3檢驗(yàn)結(jié)果看，LFR是LCPI的格蘭杰成因，即外匯儲備與物價(jià)水平間存在顯著地因果關(guān)系，外匯儲備變動會引起物價(jià)水平的變化；LCPI與LM1互為格蘭杰原因，即一方面物價(jià)水平的變動會引起貨幣發(fā)行量的變化，另一方面貨幣發(fā)行量的變動也會影響物價(jià)的變化。LFR與LM1互相都不是對方格蘭杰原因，這可能是因?yàn)橹醒脬y行采取的貨幣沖銷操作有效緩解了外匯占款投放導(dǎo)致的貨幣擴(kuò)張壓力。

經(jīng)檢驗(yàn)，可以確認(rèn)序列LCPI與LFR、LM1之間存在因果關(guān)系，序列間不存在偽相關(guān)，序列間的關(guān)系具有現(xiàn)實(shí)經(jīng)濟(jì)意義。

1.2 Johansen協(xié)整檢驗(yàn)及標(biāo)準(zhǔn)化協(xié)整方程

1.2.1 最優(yōu)滯后期

協(xié)整檢驗(yàn)對滯后期的選擇極為敏感，故在進(jìn)行協(xié)整檢驗(yàn)前應(yīng)先確定滯后期。因?yàn)閰f(xié)整檢驗(yàn)進(jìn)行回歸的是原序列的差分序列，所以協(xié)整檢驗(yàn)中的滯后期比無約束VAR模型最優(yōu)滯后期少一期。即若無約束VAR模型的最優(yōu)滯后期為p，則協(xié)整檢驗(yàn)方程所設(shè)定的的滯后期為p-1。

原序列最優(yōu)滯后期可在無約束VAR模型估計(jì)結(jié)果窗口進(jìn)行，并根據(jù)LR、FPE、AIC、SC和HQ等標(biāo)準(zhǔn)選出無約束VAR模型的最優(yōu)滯后期。建立LCPI、LFR和LM1三變量的VAR模型，在EVIEWS估計(jì)結(jié)果輸出窗口，依次選擇View/Lag Structure/Lag Length Criteria，并在出現(xiàn)的對話框中輸入所要考察的最大滯后期（本文輸入EVIEWS自動推薦的8），所得結(jié)果如表4所示。

表4 滯后期判別

表4檢驗(yàn)結(jié)果表明：按照LR、FPE、AIC準(zhǔn)則選取的滯后期均為2，而依SC、HQ標(biāo)準(zhǔn)選定滯后期為1。依據(jù)多數(shù)原則，本文所取滯后期為2，由于協(xié)整檢驗(yàn)的滯后期比原序列的滯后期少1，可知協(xié)整方程的最大滯后期為1。

1.2.2 協(xié)整檢驗(yàn)

Johansen協(xié)整檢驗(yàn)通過跡統(tǒng)計(jì)量（Trace）和最大特征值（Max-Eigenvalue）統(tǒng)計(jì)量進(jìn)行判定，兩者均采用循環(huán)檢驗(yàn)規(guī)則。

（1）跡檢驗(yàn)和最大特征值檢驗(yàn)

對變量進(jìn)行滯后1期、序列與協(xié)整方程均不含趨勢項(xiàng)與截距項(xiàng)的Johansen協(xié)整檢驗(yàn)，檢驗(yàn)結(jié)果如表5所示。

表5 跡檢驗(yàn)

在表5檢驗(yàn)結(jié)果中，原假設(shè)None表示至多存在0個(gè)協(xié)整關(guān)系，即沒有協(xié)整關(guān)系，該假設(shè)下跡統(tǒng)計(jì)量的概率P值為0.0014，表示可以拒絕原假設(shè)，認(rèn)為至少存在一個(gè)協(xié)整關(guān)系；At most 1的原假設(shè)為最多存在一個(gè)協(xié)整關(guān)系，該假設(shè)下跡統(tǒng)計(jì)量的概率P值為0.6133，表示不能拒絕原假設(shè)；檢驗(yàn)到此結(jié)束。通過跡統(tǒng)計(jì)量可判斷LCPI、LFE和LM1間存在一個(gè)協(xié)整關(guān)系。

表6 最大特征值檢驗(yàn)

表6最大特征值的檢驗(yàn)規(guī)則與跡檢驗(yàn)相同，就本文而言，最大特征值的檢驗(yàn)結(jié)果與跡檢驗(yàn)結(jié)果一致，認(rèn)為LCPI、LFR和LM1之間存在一個(gè)協(xié)整關(guān)系。

（2）協(xié)整方程

依據(jù)Eviews提供的標(biāo)準(zhǔn)化協(xié)整關(guān)系可得出最終協(xié)整方程：從系數(shù)t值可知，協(xié)整方程的系數(shù)均十分顯著，檢驗(yàn)所得系數(shù)符號與理論相符，各序列在5%的顯著性水平上存在協(xié)整關(guān)系。

1.2.3 協(xié)整方程解讀

從協(xié)整方程可得出如下結(jié)論：

（1）盡管LCPI、LFR和LM1本身均為一階單整的非平穩(wěn)序列，但在樣本期內(nèi)，LCPI、LFR和LM1存在著長期穩(wěn)定的正相關(guān)關(guān)系。

（2）在長期內(nèi)，外匯儲備與貨幣量對物價(jià)水平起到明顯的推動作用。由于對數(shù)函數(shù)是常彈性函數(shù)，故協(xié)整方程的經(jīng)濟(jì)意義是：在其它條件不變的條件下，外匯儲備每增長一個(gè)百分點(diǎn)，將推動物價(jià)水平上漲0.57個(gè)百分點(diǎn)；而貨幣量每增加一個(gè)百分點(diǎn)，將推動物價(jià)上漲0.67個(gè)百分點(diǎn)。

2 ARIMA模型的外匯占款預(yù)測

雖然從根本上解決外匯儲備增長對物價(jià)水平形壓力問題，需要切斷或有效消弱外匯儲備與貨幣發(fā)行量間的聯(lián)系，但在該問題是到根本解決之前，對外匯占款進(jìn)行被動沖銷以減緩過量流動性對物價(jià)水平的上漲壓力，仍是我國貨幣當(dāng)局的重要任務(wù)。

對外匯占款進(jìn)行較為準(zhǔn)確的預(yù)測，不僅有利于貨幣當(dāng)局進(jìn)行沖銷的主動性，而且對貨幣當(dāng)局合理組合沖銷工具及政策制定都大有裨益。因此，本文將利用ARIMA模型對外匯占款的趨勢進(jìn)行短期預(yù)測，以便為需要者提供參考。

2.1 ARIMA模型簡述

ARIMA（p,d,q）模型全稱是單整自回歸移動平均模型，是一種精度較高的時(shí)間序列短期預(yù)測方法，該模型由Box和Jenkins于上世紀(jì)70年代初創(chuàng)立，所以又稱為Box-Jenkins模型。任何時(shí)間序列都具有ARIMA（p,d,q）的模型形式，該模型包含3種情況，即自回歸AR(p)模型、移動平均MA(q)模型和自回歸移動平均ARMA(p，q)模型。

2.1.1 ARIMA模型的形式

若時(shí)間序列Yt經(jīng)d次差分成為平穩(wěn)序列,而該序列的d-1次差分卻并不平穩(wěn)，則稱序列為d階單整序列，記為Yt～I(xiàn)(d)。令 yt=ΔdYt=(1-B)dYt，則 yt是平穩(wěn)序列，即yt～I(xiàn)(0)，可以對 yt建立ARMA(p,q)模型：

將上式移項(xiàng)，并用滯后算子表示為：

經(jīng)過d階差分變換后的ARMA(p，q)模型稱為ARIMA（p,d,q）模型，令

Ψ(B)=1-c1B-c2B2-…-cpBp

Φ(B)=1+a1B+a2B2+…+aqBq，

并將yt=ΔdYt=(1-B)dYt代入，則上式可轉(zhuǎn)化為：

Ψ(B)(1-B)dYt=c0+Φ(B)μt

由定義可知，AR(p)和MA（q）分別為ARMA(p,d,0)和ARMA(0,d,q)時(shí)的特殊形式。

2.1.2 ARIMA建模過程

對時(shí)間序列運(yùn)用Box-Jenkins方法進(jìn)行建模時(shí)，主要通過序列平穩(wěn)性檢驗(yàn)及運(yùn)用序列相關(guān)圖對序列所適合的模型類型進(jìn)行識別，以確定建模所需的適當(dāng)?shù)膁、p和q。該建模過程主要有以下四個(gè)步驟組成：

（1）對原序列進(jìn)行平穩(wěn)性檢驗(yàn)，并據(jù)此確定模型中單整階數(shù)d。

（2）根據(jù)序列自相關(guān)系數(shù)和偏自相關(guān)系數(shù)，并依簡約原則識別p和q的值。

（3）估計(jì)模型的未知參數(shù)，檢驗(yàn)參數(shù)的顯著性及模型本身的合理性。

（4）進(jìn)行診斷分析，驗(yàn)證模型預(yù)測值與實(shí)際值特征的吻合性。

2.2 外匯占款月度數(shù)據(jù)的ARIMA(p,d,q)建模

本文將依據(jù)2000年1月至2011年8月間外匯占款的月度數(shù)據(jù)進(jìn)行建模，為了檢驗(yàn)?zāi)Ｐ偷念A(yù)測有效性，將2011年1月至8月的數(shù)據(jù)留為檢驗(yàn)預(yù)測效果的備用數(shù)據(jù)。為了減少數(shù)據(jù)波動和消除異方差，本文對外匯占款的月度數(shù)據(jù)進(jìn)行對數(shù)化處理并以LFE表示。

2.2.1 單整階數(shù)d的識別

確定單整階數(shù)d即檢驗(yàn)時(shí)間序列經(jīng)過d次差分后才轉(zhuǎn)變?yōu)槠椒€(wěn)序列，可以通過序列圖進(jìn)行簡單和直觀的判斷：

圖1 LFE與DLFE趨勢圖

從圖1中可知，LFE有明顯隨時(shí)間增長而上揚(yáng)的趨勢，具有非穩(wěn)定序列的特征，經(jīng)一階差分后DLFE的時(shí)間趨勢已經(jīng)消除，序列值圍繞均值（近似為零）上下波動，具有穩(wěn)定序列的特征。

序列圖提供了序列穩(wěn)定性的直觀初步判斷，為更精確的識別單整階數(shù)，對LFE和DLFE進(jìn)行ADF檢驗(yàn)，以判別其統(tǒng)計(jì)意義上的穩(wěn)定性，進(jìn)而確定單整階數(shù)d，用EVIEWS對兩個(gè)序列分別進(jìn)行不含截距項(xiàng)和趨勢項(xiàng)的單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表7所示。

表7 ADF單位根檢驗(yàn)

從表7可知，LFE的ADF值6.212215遠(yuǎn)大于10%顯著水平臨界值-1.615168，不能拒絕序列具有單位根的原假設(shè)，該序列為非平穩(wěn)序列。而經(jīng)過為一階單整序列，其ADF檢驗(yàn)值小于1%顯著水平下的臨界值，可以拒絕DLFE序列具有單位根的原假設(shè)，認(rèn)為該序列為穩(wěn)定序列。

可知，在經(jīng)過一階差分后LFE序列轉(zhuǎn)變?yōu)槠椒€(wěn)序列，LFE為一階單整序列，即LFE～I(xiàn)(1)，故可知d=1。

2.2.2 p和q的識別

通過單位根檢驗(yàn)可知，時(shí)間序列LFE為一階單整序列。因此，可以借助DLFE，即LFE一階差分序列的自相關(guān)系數(shù)ACF圖和偏自相關(guān)系數(shù)PACF圖對p和q進(jìn)行初步判斷。若將ACF圖和PACF圖中相關(guān)系數(shù)突然降為零稱為“截尾”，相關(guān)系數(shù)逐漸衰減稱為“拖尾”，則據(jù)此總結(jié)出ARIMA模型的圖形識別方法如表8所示。

表8 ARIMA模型圖形初步識別方法

除利用相關(guān)圖對ARMA模型進(jìn)行初步判斷外，實(shí)際操作中還需用其他輔助準(zhǔn)則進(jìn)行判斷。第一，通過試設(shè)模型后對其進(jìn)行比較，選擇AIC和SC值最小、調(diào)整R 值最大的模型，該方法在判別ARMA(p,q)時(shí)最為重要；第二，如果上述判別值無法同時(shí)實(shí)現(xiàn)，則依“簡約原則”進(jìn)行選擇，即選擇模型設(shè)立單一、滯后期較小的模型；第三，對于AR(p)模型需進(jìn)行穩(wěn)定性檢驗(yàn)，排除殘差存在序列相關(guān)性的模型。

對ARIMA(p,d,q)模型中的p和q進(jìn)行初步識別，首先需利用EVIEWS軟件獲得D(LFE)序列的相關(guān)圖，其滯后24期的相關(guān)圖如下：

圖2 DLFE相關(guān)圖

圖中，中心實(shí)線表示零軸，此線右邊觀測值為正值，左邊為負(fù)值，虛線表示到零軸正負(fù)各2倍標(biāo)準(zhǔn)誤的置信區(qū)間，若相關(guān)系數(shù)的絕對值超置信區(qū)間，則被認(rèn)為顯著不為零。從圖中可知，DLFE序列的自相關(guān)系數(shù)ACF緩慢衰減，具有明顯的“拖尾”特征，偏自相關(guān)系數(shù)PACF在2階后其值均顯著為零，具有明顯的“截尾”特征，依據(jù)ARIMA模型的圖形識別方法，可以初步判定p=2，q=0。因此，可初步判斷模型形式為AR(2)，即對LFE序列可建立ARIMA（2，1，0）模型，其模型形式為：

DLFEt=c0+c1×DLFEt-1+c2×DLFEt-2+μt

2.2.3 ARIMA模型估計(jì)

從EVIEWS主菜單中選擇Quick/EstimateEquation，在彈出的窗口中輸入：DLFE C AR(1)AR(2)，或在命令窗口輸入：LSDLFECAR(1)AR(2)，得到ARIMA（2,1,0）的輸出結(jié)果：

圖3 ARMA估計(jì)結(jié)果

依檢驗(yàn)結(jié)果可得ARIMA（2,1,0）模型估計(jì)方程：

2.2.4 模型的論斷與檢驗(yàn)

完成模型的識別與參數(shù)估計(jì)后，還需對估計(jì)結(jié)果進(jìn)行檢驗(yàn)，以診斷所建立的模型是否合理與可靠。合理的ARIMA(p,d,q)模型須通過三方面的檢驗(yàn)：（1）模型參數(shù)估計(jì)值必須通過顯著性水平的t檢驗(yàn)；（2）ARIMA(p,d,q)模型的全部特征根的倒數(shù)都必須在單位圓內(nèi)，保證模型的穩(wěn)定性；（3）模型的殘差必須通過Q統(tǒng)計(jì)量檢驗(yàn)，即殘差序列為白噪聲序列，不存在自相關(guān)。

從模型檢驗(yàn)結(jié)果可知，模型中各參數(shù)的t值均在5%的顯著性水平上通過了顯著性檢驗(yàn)，同時(shí)AIC和SC值較小，說明模型的整體效果良好。ARMA模型的輸出結(jié)果在最后一行提供了AR、MA特征多項(xiàng)式根的倒數(shù)，自回歸特征方程兩個(gè)根倒數(shù)分別為0.58和-0.33，均在單位圓內(nèi)，說明模型具有穩(wěn)定性。

在檢驗(yàn)過模型參數(shù)顯著性和模型穩(wěn)定性之后，還要利用Q統(tǒng)計(jì)量對模型的殘差進(jìn)行白噪聲檢驗(yàn)，若殘差序列不是白噪聲序列,意味著殘差序列還存在著有用信息沒有被提取,需要進(jìn)一步修正模型。若殘差序列是白噪聲序列，則意味著所建立的模型是適合的。本文殘差序列的樣本數(shù)量為129個(gè)，故該序列檢驗(yàn)的最大滯后期取檢驗(yàn)結(jié)果如圖4所示。

圖4 殘差相關(guān)圖

從圖4可知，自相關(guān)和偏自相關(guān)值均在置信區(qū)間內(nèi)，說明殘差項(xiàng)估計(jì)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)值在0.05的顯著性水平上與零沒有顯著差異，Q(11)=8.3349且各期Q統(tǒng)計(jì)量的p值都遠(yuǎn)大于0.05，不能拒絕原假設(shè)，認(rèn)為模型誤差序列為白噪聲序列，不存在自相關(guān)。

以上檢驗(yàn)結(jié)果表明，ARMA(2,1,0)模型通過了對其進(jìn)行的各項(xiàng)檢驗(yàn)，該模型是合適的。

2.3 ARIMA模型預(yù)測

建模的主要目的就是進(jìn)行預(yù)測，為制定貨幣政策及工具操作提供依據(jù)，所以模型的預(yù)測性能尤為重要。在用該模型進(jìn)行預(yù)測之前,有必要對其預(yù)測能力進(jìn)行檢驗(yàn)。模型預(yù)測能力一般用MAPE(平均絕對百分比誤差)度量,其計(jì)算公式如下:

式中，xft為預(yù)測值,xt是序列實(shí)際值,n是預(yù)測期數(shù)。MAPE評估預(yù)測能力如下:MAPE小于或者等于0.10則表明模型預(yù)測能力極佳；0.10～0.20表明預(yù)測能力優(yōu)良；0.20～0.50表明模型預(yù)測合理；MAPE大于0.50表明模型預(yù)測不正確。

2.3.1 區(qū)間內(nèi)預(yù)測

模型預(yù)測分為靜態(tài)預(yù)測和動態(tài)預(yù)測，本文使用靜態(tài)預(yù)測方法進(jìn)行預(yù)測。對模型預(yù)測能力的檢驗(yàn)分為兩部分:對樣本期內(nèi)模型的預(yù)測能力檢驗(yàn)與對樣本期外模型的預(yù)測能力檢驗(yàn)。

圖5 樣本期內(nèi)的預(yù)測結(jié)果

首先，對樣本期間內(nèi)的數(shù)據(jù)進(jìn)行預(yù)測，其預(yù)測結(jié)果如圖5。

圖5中，中間藍(lán)色實(shí)線為LFE的預(yù)測序列線圖，兩則紅色虛線為2倍標(biāo)準(zhǔn)誤置信區(qū)間。從預(yù)測結(jié)果看，樣本期間內(nèi)，模型的預(yù)測值與實(shí)際值的平均絕對百分比誤差MAPE為0.091141,表明模型在樣本區(qū)間內(nèi)的預(yù)測能力“極佳”。

2.3.2 區(qū)間外預(yù)測

為檢驗(yàn)?zāi)Ｐ蛯颖酒谕獾念A(yù)測能力，將模型預(yù)測區(qū)間外推至2011年8月，并將2011年1月至8月的預(yù)測值與實(shí)際值進(jìn)行比較。由于靜態(tài)預(yù)測只能進(jìn)行點(diǎn)預(yù)測，即一次只能預(yù)測一期，本文通過將預(yù)測值逐期加入樣本并重新進(jìn)行預(yù)測的方式，來得出各期預(yù)測值，結(jié)果如表9所示。

表9 靜態(tài)預(yù)測值與實(shí)際值

為了更直觀的觀察其預(yù)測效果，作預(yù)測值與實(shí)際值的序列圖：

圖6 預(yù)測值與實(shí)際值

圖6中，LFER為實(shí)際值序列，LFEF為預(yù)測值序列。從表9和圖6可知，模型預(yù)測誤差隨預(yù)測期延長而擴(kuò)大，但在8期預(yù)測中預(yù)測誤差均未超0.5%，說明利用該模型進(jìn)行短期預(yù)測效果較好。

預(yù)測結(jié)果表明，無論樣本期內(nèi)還是樣本期外，模型的預(yù)測效果都較好，依據(jù)模型進(jìn)行的預(yù)測是可靠的。將模型期間外推,利用2000年1月至2011年8月的數(shù)據(jù)對2011年9月至2012年4月進(jìn)行預(yù)測。為便于對外匯占款數(shù)據(jù)進(jìn)行直觀分析，在EVIEWS命令窗口中輸入GENR FE=EXP(LFE)命令，將預(yù)測數(shù)據(jù)轉(zhuǎn)換為外匯占款的水平值，預(yù)測結(jié)果如表10所示。

表10 預(yù)測值

為直觀分析外匯占款的增長趨勢，將2009年1月后的實(shí)際值及2011年9月至2012年4月的預(yù)測值在一個(gè)序列圖中進(jìn)行觀察。

圖7 預(yù)測值與實(shí)際值序列圖

圖7中FE為外匯占款實(shí)際值，F(xiàn)Er為預(yù)測值。從預(yù)測結(jié)果看，外匯占款增長趨勢在短期內(nèi)仍將持續(xù)，貨幣當(dāng)局進(jìn)行外匯占款沖銷的任務(wù)依舊繁重。

3 結(jié)論

協(xié)整檢驗(yàn)結(jié)果顯示：在長期內(nèi)，外匯儲備與物價(jià)水平存在顯著正相關(guān)，外匯儲備持續(xù)增長將導(dǎo)致我國物價(jià)水平大幅上漲。ARIMA模型檢驗(yàn)結(jié)果表明：本文建立的模型設(shè)立恰當(dāng)、擬合良好、可信度高。依據(jù)ARIMA模型對外匯占款進(jìn)行較為準(zhǔn)確的預(yù)測，可增強(qiáng)貨幣當(dāng)局進(jìn)行沖銷的主動性和有效性，并為貨幣政策制定及沖銷工具組合選擇提供可靠借鑒。

從預(yù)測結(jié)果可知,我國外匯占款在短期內(nèi)仍將保持增長態(tài)勢，通貨膨脹壓力依舊存在。外匯占款日益成為貨幣供給的新的主要渠道，對我國貨幣政策的獨(dú)立性及有效性的負(fù)面影響日益嚴(yán)重。

只有切斷外匯增加與貨幣供應(yīng)增長的直接聯(lián)系，才能從根本上解決外匯儲備與外匯占款的被動增長，保持貨幣政策的獨(dú)立性和有效性，可行方法之一是建立外匯平準(zhǔn)基金，并加強(qiáng)對國際熱錢進(jìn)出的監(jiān)管。除此之外，還需進(jìn)一步完善外匯管理制度、改善匯率的形成機(jī)制以增強(qiáng)匯率彈性、促進(jìn)外匯市場發(fā)展和允許國民自由使用外匯等。這不僅將有效消除外匯儲備對我國物價(jià)水平的壓力，而且可使貨幣當(dāng)局從被動沖銷的泥潭中解脫出來，專一于其幣值穩(wěn)定的目標(biāo)并強(qiáng)化其貨幣政策獨(dú)立性和有效性。

[1] 鄧小勇,楊志明.我國外匯占款變動的預(yù)測研究[J].金融發(fā)展研究，2011,(5).

[2] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社，2011.

[3] 康璐璐.GARCH模型在主要消費(fèi)指數(shù)實(shí)證研究中的應(yīng)用[J].現(xiàn)代商業(yè)，2010,(20).

[4] 李海明.外匯儲備變動對我國貨幣政策的影響分析[D].上海外國語大學(xué)，2010.

[5] 李海海,曹陽.外匯占款的通貨膨脹效應(yīng)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006,(11).

[6] 易丹輝.時(shí)間序列分析方法與應(yīng)用[M].北京：中國人民大學(xué)出版社，2011.

[7] 易丹輝.數(shù)據(jù)分析與EVIEWS應(yīng)用[M].北京：中國人民大學(xué)出版社，2008.

[8] 張鵬,柳欣.我國外匯儲備對通貨膨脹的影響[J].世界經(jīng)濟(jì)研究，2009,(2).