浙江省現(xiàn)金投放回籠影響因素灰色關(guān)聯(lián)度分析及凈投放量預(yù)測(cè)

林建華

（浙江新昌農(nóng)村合作銀行，浙江 新昌 312500）

浙江省現(xiàn)金投放回籠影響因素灰色關(guān)聯(lián)度分析及凈投放量預(yù)測(cè)

林建華

（浙江新昌農(nóng)村合作銀行，浙江 新昌 312500）

為進(jìn)一步加強(qiáng)現(xiàn)金管理，運(yùn)用廣義灰色關(guān)聯(lián)度分析方法對(duì)2004—2010年浙江省現(xiàn)金投放回籠影響因素進(jìn)行定量研究，并通過(guò)構(gòu)建等維灰色遞補(bǔ)GM（1，1）模型，預(yù)測(cè)浙江省現(xiàn)金凈投放量。其預(yù)測(cè)結(jié)果對(duì)相關(guān)部門(mén)的決策具有一定的指導(dǎo)意義。

浙江?。滑F(xiàn)金投放回籠；凈投放量；灰色關(guān)聯(lián)度

目前，理論界一般會(huì)從國(guó)家的宏觀角度研究貨幣需求特點(diǎn)及其規(guī)律，但從一個(gè)區(qū)域（?。┑慕嵌葋?lái)深入研究現(xiàn)金投放回籠的文獻(xiàn)卻并不多見(jiàn)。近年較有代表性的主要文獻(xiàn)有：中國(guó)人民銀行杭州中心支行課題組[1]采用GDP的分布滯后模型、投資傳導(dǎo)模型、消費(fèi)決定模型和時(shí)間序列模型對(duì)浙江省現(xiàn)金投放回籠進(jìn)行定量研究；黃向慶[2]引入系統(tǒng)動(dòng)力學(xué)模型，采用季節(jié)趨勢(shì)、SARIMA和BP神經(jīng)網(wǎng)絡(luò)三種模型對(duì)江蘇省2010年四個(gè)季度現(xiàn)金投放回籠情況進(jìn)行分析預(yù)測(cè)；繆斌等[3]從影響貨幣需求因素入手，以鎮(zhèn)江市為例采用協(xié)整方法分析地區(qū)GDP、物價(jià)指數(shù)對(duì)現(xiàn)金投放回籠的影響。這些研究對(duì)于區(qū)域現(xiàn)金管理和經(jīng)濟(jì)社會(huì)的健康發(fā)展起到了積極作用。鑒于區(qū)域現(xiàn)金投放回籠研究的重要性，本文對(duì)浙江省現(xiàn)金投放回籠影響因素和浙江省現(xiàn)金凈投放量進(jìn)行分析和預(yù)測(cè)，以期為相關(guān)部門(mén)進(jìn)一步加強(qiáng)現(xiàn)金管理提供方法和思路。

一、浙江省現(xiàn)金投放回籠影響因素的灰色關(guān)聯(lián)度分析

1.變量和數(shù)據(jù)

區(qū)域金融機(jī)構(gòu)一定時(shí)期內(nèi)的現(xiàn)金投放與回籠的軋差形成現(xiàn)金凈投放或凈回籠。從統(tǒng)計(jì)口徑看，現(xiàn)金回籠渠道包括商品銷(xiāo)售收入X1，服務(wù)業(yè)收入X2，稅款收入X3，城鄉(xiāng)個(gè)體經(jīng)營(yíng)收入X4，儲(chǔ)蓄存款收入X5，其他金融機(jī)構(gòu)收入X6，居民歸還貸款收入X7，匯兌收入X8，有價(jià)證券收入X9和其他收入X10；現(xiàn)金投放渠道包括工資性支出Y1，農(nóng)副產(chǎn)品采購(gòu)支出Y2，工礦及其他產(chǎn)品采購(gòu)支出Y3，行政企事業(yè)管理費(fèi)支出Y4，城鄉(xiāng)個(gè)體經(jīng)營(yíng)支出Y5，儲(chǔ)蓄存款支出Y6，其他金融機(jī)構(gòu)支出Y7，居民提取貸款支出Y8，匯兌支出Y9，有價(jià)證券支出Y11和其他支出Y12。從現(xiàn)金投放與回籠的形成渠道看，影響二者的因素各不相同，因此將影響現(xiàn)金投放與回籠的因素分別進(jìn)行廣義灰色關(guān)聯(lián)度分析。2004—2010年浙江省金融機(jī)構(gòu)現(xiàn)金投放和現(xiàn)金回籠統(tǒng)計(jì)見(jiàn)表1～表2。

表1 2004 —2010年浙江省金融機(jī)構(gòu)現(xiàn)金投放統(tǒng)計(jì) 億元

表2 2004 —2010年浙江省金融機(jī)構(gòu)現(xiàn)金回籠統(tǒng)計(jì) 億元

2.灰色關(guān)聯(lián)度分析

灰色關(guān)聯(lián)度分析是根據(jù)數(shù)據(jù)序列曲線幾何形狀的相似程度判斷事物或因素關(guān)系緊密與否的多因素分析方法。它具有對(duì)樣本數(shù)量要求不高，且不要求樣本服從典型概率分布的優(yōu)點(diǎn)，在分析諸因素的相互關(guān)系中具有明顯的優(yōu)越性和廣泛的適用性?；疑P(guān)聯(lián)度的具體算法較多，廣義灰色關(guān)聯(lián)度便是其中比較典型的一種算法。廣義灰色關(guān)聯(lián)度包括灰色絕對(duì)關(guān)聯(lián)度、灰色相對(duì)關(guān)聯(lián)度和灰色綜合關(guān)聯(lián)度[4-5]，其計(jì)算公式分別為：

根據(jù)（1）、（2）、（3）式分別計(jì)算灰色絕對(duì)關(guān)聯(lián)度、灰色相對(duì)關(guān)聯(lián)度、灰色綜合關(guān)聯(lián)度。2004—2010年浙江省金融機(jī)構(gòu)現(xiàn)金投放回籠影響因素的灰色綜合關(guān)聯(lián)度見(jiàn)表3。

表3 2004 —2010年浙江省金融機(jī)構(gòu)現(xiàn)金投放回籠影響因素的灰色綜合關(guān)聯(lián)度

從灰色綜合關(guān)聯(lián)度的分析原理看，X0和X1的關(guān)聯(lián)度越接近于1，說(shuō)明二者的灰色關(guān)聯(lián)度越高，X1對(duì)X0的影響度也就越大。由表3可知，按灰色關(guān)聯(lián)度大小排序，現(xiàn)金投放影響因素的灰色綜合關(guān)聯(lián)度依次為：；現(xiàn)金回籠影響因素的灰色綜合關(guān)聯(lián)度依次為：

由表1和表2分析可得到，儲(chǔ)蓄存款現(xiàn)金收入占現(xiàn)金回籠的比例由2004年的68.4%上升到2010的71.6%，年均占比71.3%；儲(chǔ)蓄存款現(xiàn)金支出占現(xiàn)金投放的比例由2004年的69.3%上升到2010的77.2%，年均占比74.3%。顯然，2004—2010年浙江省金融機(jī)構(gòu)儲(chǔ)蓄存款現(xiàn)金收支已成為其現(xiàn)金投放回籠的主渠道，并且在數(shù)量上遠(yuǎn)遠(yuǎn)超過(guò)了其他現(xiàn)金投放回籠渠道的總和。可見(jiàn)，灰色綜合關(guān)聯(lián)度分析的結(jié)果與實(shí)際情況是吻合的。浙江省儲(chǔ)蓄存款現(xiàn)金與非現(xiàn)金收支的共同作用，造成了儲(chǔ)蓄存款余額的一路攀升，儲(chǔ)蓄存款余額由2004年的7364.06億元增加到2010年的20612.16億元,年均增長(zhǎng)率為18.7%①，成為促進(jìn)浙江經(jīng)濟(jì)社會(huì)發(fā)展的重要資金支撐。浙江省儲(chǔ)蓄存款余額的快速持續(xù)增長(zhǎng)，既得益于經(jīng)濟(jì)的發(fā)展和城鎮(zhèn)居民人均可支配收入的不斷增長(zhǎng)，又與人們的消費(fèi)偏好和投資渠道狹窄等因素密切相關(guān)。浙江省高儲(chǔ)蓄率現(xiàn)象與全國(guó)高儲(chǔ)蓄率現(xiàn)象相類(lèi)似，其背后的經(jīng)濟(jì)社會(huì)因素錯(cuò)綜而復(fù)雜，影響程度也長(zhǎng)期而深遠(yuǎn)，還需要對(duì)其作進(jìn)一步的研究和探討。

二、浙江省現(xiàn)金凈投放量等維灰色遞補(bǔ)GM (1，1)模型及預(yù)測(cè)

1.等維灰色遞補(bǔ)GM（1，1）模型

等維灰色遞補(bǔ)GM（1，1）模型[6-8]一般是在GM（1，1）灰色模型的基礎(chǔ)上發(fā)展起來(lái)的，它能更有效地提高常規(guī)灰色模型預(yù)測(cè)的精度。為確保所建灰色模型在預(yù)測(cè)中有較高精度，采用后驗(yàn)差檢驗(yàn)方法[7]對(duì)模型精度進(jìn)行檢驗(yàn)，即通過(guò)計(jì)算后驗(yàn)差比值C和小誤差概率p來(lái)判斷模型精度（見(jiàn)表4）。通常而言，C值越小，p值越大，則模型精度越好。

表4 后驗(yàn)差檢驗(yàn)判別標(biāo)準(zhǔn)

2.現(xiàn)金凈投放量等維灰色遞補(bǔ)GM（1，1）模型預(yù)測(cè)

改革開(kāi)放以來(lái)，浙江省現(xiàn)金投放回籠狀況大致經(jīng)歷了“凈投放→凈回籠→凈投放”的變化格局，并且能夠預(yù)見(jiàn)現(xiàn)金凈投放趨勢(shì)還將繼續(xù)保持下去。為提高預(yù)測(cè)精度，根據(jù)等維灰色遞補(bǔ)GM（1，1）模型的建模原理，一般要建立不少于5維的GM（1，1）模型群，并從中選取預(yù)測(cè)精度較高的GM（1，1）模型作為預(yù)測(cè)模型。為此，以2008年的現(xiàn)金凈投放量作為各數(shù)據(jù)序列的尾數(shù)（見(jiàn)表5），分別向前各取4～7個(gè)數(shù)據(jù)，構(gòu)建5～8維的GM（1，1）模型，然后從中選取最恰當(dāng)維數(shù)建立等維灰色遞補(bǔ)GM（1，1）模型，對(duì)2009—2012年的浙江省現(xiàn)金凈投放量進(jìn)行預(yù)測(cè)。

表5 2001 —2010年浙江省現(xiàn)金凈投放量統(tǒng)計(jì) 億元

以5維（2004—2008年）灰色遞補(bǔ)GM（1，1）模型建模為例，具體說(shuō)明其模型動(dòng)態(tài)預(yù)測(cè)現(xiàn)金凈投放量的步驟和過(guò)程。

步驟1：對(duì)原始數(shù)據(jù)序列x(0)=（403.16，497.9，555.79，640.74，641.95）進(jìn)行一次累加生成，得到累加序列x(1)=（403.16，901.06，1456.85，2097.59，2739.54）。

步驟2：根據(jù)累加序列x(1)進(jìn)行緊鄰均值生成，得到緊鄰均值序列為：z(1)=（652.11，1178.96，1777.22，2418.57）。

步驟3：分別構(gòu)造矩陣B和Y得：

步驟7：分別計(jì)算原始數(shù)列和殘差序列均值、標(biāo)準(zhǔn)差，后驗(yàn)差比值C值和小誤差概率p值得：

根據(jù)后驗(yàn)差檢驗(yàn)判別標(biāo)準(zhǔn)，因C=0.203<0.35，p=1> 0.95，可以判定5維灰色遞補(bǔ)GM（1，1）模型的精度等級(jí)為“好”。

依此類(lèi)推，可得到6維、7維和8維灰色遞補(bǔ)GM（1，1）模型。各維數(shù)灰色遞補(bǔ)GM（1，1）模型參數(shù)和精度等級(jí)判定結(jié)果見(jiàn)表6。

表6 各維數(shù)灰色遞補(bǔ)GM(1，1)模型參數(shù)和精度等級(jí)判定結(jié)果

由于7維灰色遞補(bǔ)GM（1，1）模型的C值最小，故選定其作為等維灰色遞補(bǔ)GM（1，1）模型進(jìn)行預(yù)測(cè)。根據(jù)7維灰色遞補(bǔ)GM（1，1）模型預(yù)測(cè)結(jié)果（見(jiàn)表7），將2009年現(xiàn)金凈投放量預(yù)測(cè)值754.26億元補(bǔ)充到已知原始數(shù)列的末尾，同時(shí)去掉第一個(gè)現(xiàn)金凈投放量原始數(shù)據(jù)257.88億元，重新建立等維灰色遞補(bǔ)GM（1，1）模型，重復(fù)以上的灰色預(yù)測(cè)步驟和過(guò)程，逐個(gè)預(yù)測(cè)依次遞補(bǔ)，可得到2010—2012年浙江省現(xiàn)金凈投放量預(yù)測(cè)值分別為840.42億元、920.19億元、1016.44億元。預(yù)測(cè)結(jié)果表明，除2009年應(yīng)對(duì)全球金融危機(jī)影響這一特殊年份外，其他年份模型預(yù)測(cè)精度較高，平均相對(duì)殘差為3.74%。

表7 7 維灰色遞補(bǔ)GM(1,1)模型預(yù)測(cè)精度

三、結(jié) 論

目前，區(qū)域現(xiàn)金投放回籠問(wèn)題的研究還不夠深入，還需要進(jìn)一步探討。在諸多影響區(qū)域現(xiàn)金投放回籠的因素中，有些因素是確定的，而另外一些因素則是不確定的，因而區(qū)域現(xiàn)金投放回籠實(shí)際上是一個(gè)灰色系統(tǒng)。本文運(yùn)用廣義灰色關(guān)聯(lián)度方法分析了浙江省現(xiàn)金投放回籠影響因素，得出儲(chǔ)蓄存款現(xiàn)金收支為現(xiàn)金回籠投放的主導(dǎo)因素，這與實(shí)際情況相吻合。同時(shí)，利用7維灰色遞補(bǔ)GM（1,1）模型對(duì)浙江省現(xiàn)金凈投放量進(jìn)行擬合，經(jīng)后驗(yàn)差檢驗(yàn)，模型預(yù)測(cè)精度高，平均相對(duì)殘差低。此外，以7維灰色遞補(bǔ)GM（1,1）模型對(duì)其現(xiàn)金凈投放量進(jìn)行預(yù)測(cè)，以期為相關(guān)管理部門(mén)決策提供一定的科學(xué)依據(jù)。

[1]中國(guó)人民銀行杭州中心支行課題組.浙江省現(xiàn)金投放模型研究[J].浙江金融，2008(7):4-7.

[2]黃向慶.基于系統(tǒng)動(dòng)態(tài)分析的現(xiàn)金影響要素及趨勢(shì)預(yù)測(cè)研究[J].上海金融，2012(1):102-106.

[3]繆斌，孫雯，張堅(jiān)，等.影響區(qū)域現(xiàn)金投放的因素分析及對(duì)策研究[J].上海金融，2012(2):101-103.

[4]高輝巧，牛光輝，肖獻(xiàn)國(guó).土地荒漠化驅(qū)動(dòng)因子的灰色綜合關(guān)聯(lián)度分析[J].人民黃河，2009(5):95-96.

[5]顧建強(qiáng).我國(guó)外匯儲(chǔ)備的灰色關(guān)聯(lián)分析與趨勢(shì)預(yù)測(cè)[J].貴州教育學(xué)院學(xué)報(bào):自然科學(xué)版，2008，19(3):68-70.

[6]郝永紅，王學(xué)萌.灰色動(dòng)態(tài)模型及其在人口預(yù)測(cè)中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2002(5):813-820.

[7]杜紅偉，鄭笑平，陳兵.基于等維新息GM(1，1)的鄭州市需水量預(yù)測(cè)[J].人民黃河，2009(1):53-54.

[8]湯云，易東.等維遞補(bǔ)GM(1，1)模型在結(jié)核病發(fā)病率預(yù)測(cè)中的應(yīng)用[J].西南國(guó)防醫(yī)藥，2009(10):972-974.

[責(zé)任編輯：彭壽康]

Grey Relational Grade Analysis of Factors Affecting Cash Issuance and Withdrawal and Predication of Net Cash Injection in Zhejiang Province

LIN Jianhua
(Zhejiang Xinchang Rural Cooperative Bank, Xinchang, 312500, China)

To strengthen the management of cash, the generalized grey relational grade analysis is applied to make a quantitative analysis on the factors affecting the cash issuance and withdrawal from 2004 to 2010 in Zhejiang province. Grey equi-dimension additional GM (1,1) model is established to predict the net cash injection in Zhejiang province. The result will be of certain significance for relative sectors to make decisions.

Zhejiang province; Cash issuance and withdrawal; Net cash injections; Grey relational grade

F832.21

A

1671-4326(2012)03-0037-04

2012-03-26

林建華（1962—），男，浙江新昌人，浙江新昌農(nóng)村合作銀行風(fēng)險(xiǎn)總監(jiān)，浙江省農(nóng)村信用聯(lián)合社特聘研究員.