央行微觀調(diào)查數(shù)據(jù)適合作為不良貸款率的預(yù)測(cè)指標(biāo)嗎

張潤(rùn)馳　杜亞斌　薛立國(guó)　徐源浩　孫明明

摘要：相比于傳統(tǒng)宏觀經(jīng)濟(jì)指標(biāo)，央行的微觀調(diào)查數(shù)據(jù)是否更加適合作為我國(guó)商業(yè)銀行不良貸款率的預(yù)測(cè)指標(biāo)？本文首先提出了利用微觀調(diào)查數(shù)據(jù)進(jìn)行預(yù)測(cè)的相關(guān)理論，接著基于適合解決混頻數(shù)據(jù)預(yù)測(cè)問題的MIDAS模型進(jìn)行了實(shí)證研究。研究發(fā)現(xiàn)：央行微觀指標(biāo)在平均樣本外預(yù)測(cè)誤差等多個(gè)方面均優(yōu)于傳統(tǒng)的宏觀指標(biāo)，同時(shí)人民幣名義有效匯率指數(shù)、基金及理財(cái)投資意愿比例、房?jī)r(jià)過高難以接受比例等指標(biāo)尤其適合作為預(yù)測(cè)指標(biāo)。本文的結(jié)論是：央行的微觀調(diào)查數(shù)據(jù)更加適合作為不良貸款率的預(yù)測(cè)指標(biāo)。

關(guān)鍵詞：央行微觀調(diào)查數(shù)據(jù)；不良貸款率；MIDAS模型；預(yù)測(cè)；預(yù)測(cè)指標(biāo)

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1002-2848-2017（03）-0001-11

一、引言

近年來，我國(guó)商業(yè)銀行的不良貸款率持續(xù)攀升，信用風(fēng)險(xiǎn)在商業(yè)銀行體系內(nèi)不斷積累。研究并建立適合于我國(guó)發(fā)展現(xiàn)狀的不良貸款率預(yù)測(cè)指標(biāo)體系，有助于及早提供信用風(fēng)險(xiǎn)預(yù)警并制定相應(yīng)對(duì)策，對(duì)保證我國(guó)銀行業(yè)健康發(fā)展、維持金融業(yè)穩(wěn)定具有重要作用，對(duì)提升企業(yè)與居民對(duì)中國(guó)經(jīng)濟(jì)的信心、助力中國(guó)經(jīng)濟(jì)走出“L”形周期也具有重要意義。

國(guó)外有不少學(xué)者對(duì)不良貸款率的預(yù)測(cè)指標(biāo)進(jìn)行了一定的研究。Messai等人根據(jù)意大利、希臘與西班牙三國(guó)在2004-2008年間的經(jīng)濟(jì)發(fā)展面板數(shù)據(jù)，研究了不良貸款率的解釋因素，發(fā)現(xiàn)三國(guó)的不良貸款率與GDP增長(zhǎng)率、失業(yè)率、實(shí)際利率有較大關(guān)系。Beck等人基于全球75個(gè)國(guó)家過去10年的宏觀經(jīng)濟(jì)數(shù)據(jù)，研究了不良貸款率與宏觀經(jīng)濟(jì)因素的關(guān)系，發(fā)現(xiàn)實(shí)際GDP增長(zhǎng)、股票價(jià)格、匯率等宏觀經(jīng)濟(jì)指標(biāo)能夠顯著影響貸款的質(zhì)量。Farhan等人研究了巴基斯坦銀行業(yè)不良貸款率問題，結(jié)果表明巴基斯坦銀行業(yè)的不良貸款率可以被GDP、失業(yè)率、利率、能源危機(jī)、通脹、匯率等指標(biāo)所解釋。Makfi等則研究了歐洲銀行業(yè)在2000-2008年間的銀行業(yè)不良貸款率決定因素，發(fā)現(xiàn)GDP、失業(yè)率、公共債務(wù)等宏觀指標(biāo)的解釋力明顯。

國(guó)內(nèi)學(xué)者相比之下對(duì)這一問題的研究較少，譚勁松等研究了國(guó)內(nèi)某國(guó)有商業(yè)銀行在1988-2005年間的全部剝離不良資產(chǎn)數(shù)據(jù)后發(fā)現(xiàn)：政府干預(yù)是銀行不良貸款產(chǎn)生的主要原因。劉妍選取房地產(chǎn)行業(yè)作為研究對(duì)象，構(gòu)建不良貸款率模型以分析不良貸款率的影響因素。結(jié)果顯示不良貸款率同GDP、房屋銷售面積等指標(biāo)呈負(fù)相關(guān)，與地產(chǎn)投資額、CPI等指標(biāo)呈正相關(guān)。謝冰基于2004-2009年的經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用相關(guān)分析、共線性診斷、主成分回歸分析等方法建立模型，實(shí)證發(fā)現(xiàn)社會(huì)消費(fèi)品零售總額、進(jìn)出口總額對(duì)降低商業(yè)銀行不良貸款的貢獻(xiàn)度最大，宏觀經(jīng)濟(jì)因素對(duì)降低不良貸款有正向促進(jìn)作用。韓笑等則基于VAR模型，就我國(guó)宏觀經(jīng)濟(jì)對(duì)商業(yè)銀行不良貸款影響進(jìn)行了實(shí)證分析，發(fā)現(xiàn)不良貸款率與貨幣供應(yīng)量、社會(huì)消費(fèi)品零售總額存在負(fù)相關(guān)關(guān)系，與總貸款額存在正相關(guān)關(guān)系，而國(guó)內(nèi)生產(chǎn)總值與財(cái)政支出的影響結(jié)果長(zhǎng)短期不一致。

然而，現(xiàn)有國(guó)內(nèi)外研究的共同不足之處在于：①研究時(shí)期大多在2008年金融危機(jī)之前。由于危機(jī)后我國(guó)的經(jīng)濟(jì)結(jié)構(gòu)、金融監(jiān)管及銀行業(yè)經(jīng)營(yíng)模式都發(fā)生了很大變化，基于危機(jī)前樣本的研究結(jié)論對(duì)當(dāng)前的指導(dǎo)意義有待商榷。②研究指標(biāo)大多直接選取宏觀經(jīng)濟(jì)發(fā)展數(shù)據(jù)，如GDP、M2、CPI、失業(yè)率等，缺乏對(duì)微觀層面數(shù)據(jù)的適用性探究。③大多采用面板回歸、VAR等傳統(tǒng)同頻計(jì)量工具展開研究，缺乏對(duì)混頻樣本指標(biāo)信息的深度挖掘。

近年來，中國(guó)人民銀行通過大范圍問卷調(diào)查，每季度公布一系列微觀經(jīng)濟(jì)金融指數(shù)，涵蓋了居民收入與消費(fèi)、企業(yè)經(jīng)營(yíng)與貸款、銀行放貸審批與信心等多個(gè)領(lǐng)域，其相比于傳統(tǒng)宏觀經(jīng)濟(jì)指標(biāo)，是否更加適合于不良貸款率的預(yù)測(cè)？又有哪些指標(biāo)的適應(yīng)性最高？本文對(duì)這一系列問題展開了深入的研究。

本文的創(chuàng)新主要在于：①首次對(duì)中國(guó)人民銀行微觀調(diào)查數(shù)據(jù)預(yù)測(cè)不良貸款率的可行性及適用性進(jìn)行研究，這在國(guó)內(nèi)外文獻(xiàn)中尚無先例；②使用2008年金融危機(jī)后至今的樣本進(jìn)行研究，研究結(jié)論對(duì)當(dāng)前時(shí)期也具有指導(dǎo)意義；③就微觀指標(biāo)在預(yù)測(cè)不良貸款率問題中的優(yōu)勢(shì)進(jìn)行了理論猜測(cè)；④使用較為新穎的MIDAS模型展開研究。MIDAS模型能夠處理混頻指標(biāo)數(shù)據(jù)，適用于我國(guó)不同頻度的各項(xiàng)宏微觀指標(biāo)并存的特征，同時(shí)現(xiàn)有研究亦表明其更加適合研究經(jīng)濟(jì)金融領(lǐng)域的預(yù)測(cè)問題；⑤在驗(yàn)證央行微觀指標(biāo)是否優(yōu)于傳統(tǒng)宏觀指標(biāo)之外，也對(duì)實(shí)證結(jié)果進(jìn)行了詳細(xì)的經(jīng)濟(jì)含義分析。

研究發(fā)現(xiàn)：央行微觀指標(biāo)在樣本外預(yù)測(cè)誤差等多個(gè)方面均優(yōu)于傳統(tǒng)的宏觀指標(biāo)，同時(shí)人民幣名義有效匯率指數(shù)、基金及理財(cái)投資意愿比例、房?jī)r(jià)過高難以接受比例等指標(biāo)尤其適合作為預(yù)測(cè)指標(biāo)。本文的結(jié)論是：相比于現(xiàn)有宏觀經(jīng)濟(jì)指標(biāo)，央行的微觀調(diào)查數(shù)據(jù)更加適合作為不良貸款率的預(yù)測(cè)指標(biāo)。

二、理論分析與研究數(shù)據(jù)來源

（一）理論分析

預(yù)測(cè)指標(biāo)從規(guī)模及性質(zhì)角度出發(fā)，大體可以分為宏觀指標(biāo)與微觀指標(biāo)兩類。宏觀指標(biāo)主要描述一國(guó)的宏觀經(jīng)濟(jì)運(yùn)行情況，如GDP、M2、進(jìn)出口額等，而微觀指標(biāo)則著重描述某一類經(jīng)濟(jì)主體的當(dāng)前行為與未來預(yù)期，一般通過抽樣調(diào)查的方式獲取相應(yīng)數(shù)據(jù)。國(guó)內(nèi)外現(xiàn)有關(guān)于不良貸款率預(yù)測(cè)的相關(guān)研究，大多僅使用宏觀指標(biāo)。然而本文認(rèn)為微觀指標(biāo)至少在以下兩個(gè)方面優(yōu)于宏觀指標(biāo)：

（1）指標(biāo)關(guān)聯(lián)性。在過去我國(guó)金融體系發(fā)展初期，居民與企業(yè)一般以儲(chǔ)蓄的形式將多余資金存入商業(yè)銀行，生產(chǎn)及消費(fèi)融資基本也只能依靠銀行貸款。然而近年來，隨著我國(guó)金融體系的不斷深化，互聯(lián)網(wǎng)金融、普惠金融、消費(fèi)金融以及股票、債券、資產(chǎn)證券化市場(chǎng)持續(xù)發(fā)展，居民消費(fèi)與企業(yè)生產(chǎn)的融資渠道不斷開拓，GDP中包含了更多其它融資渠道的貢獻(xiàn)，因而GDP是否依然能在較大程度上與商業(yè)銀行的貸款融資相關(guān)聯(lián)值得商榷。同時(shí)，“貨幣迷失”的現(xiàn)象不斷出現(xiàn)也使得M2的調(diào)控力度漸漸削弱，有時(shí)甚至與央行的調(diào)控目的背道而馳，因此，M2與經(jīng)濟(jì)發(fā)展、不良貸款的直接關(guān)系是否依然密切，亦值得研究。

理論上來說，選擇的預(yù)測(cè)指標(biāo)應(yīng)當(dāng)是能夠影響被預(yù)測(cè)指標(biāo)的重要因素，或是這些重要影響因素的代理變量，從而提高預(yù)測(cè)的精度。我國(guó)商業(yè)銀行的不良貸款率雖然是一個(gè)宏觀指標(biāo)，但其在微觀層面卻是由借款者行為及銀行家決策共同決定。相比于使用最直接的微觀指標(biāo)，宏觀指標(biāo)往往因涵蓋了大量與不良貸款率關(guān)聯(lián)性較弱的冗余信息，難免會(huì)導(dǎo)致預(yù)測(cè)效果不佳。endprint

（2）信息不對(duì)稱與微觀信息價(jià)值。企業(yè)主對(duì)于未來經(jīng)濟(jì)形勢(shì)的判斷、自身經(jīng)營(yíng)情況的預(yù)期，往往來自經(jīng)營(yíng)過程中獲取的第一手資料，能夠反映未來市場(chǎng)發(fā)展與整體經(jīng)濟(jì)形勢(shì)的最可能趨勢(shì)；居民在當(dāng)期的收入、物價(jià)水平以及對(duì)未來預(yù)期，決定了當(dāng)期與未來的消費(fèi)、儲(chǔ)蓄與投資行為；商業(yè)銀行作為貸款的發(fā)放主體，盡管在信息不對(duì)稱的博弈中處于劣勢(shì)地位，但依然可以根據(jù)長(zhǎng)期放貸活動(dòng)積累下的大量經(jīng)驗(yàn)，結(jié)合當(dāng)前的貸款熱度與同業(yè)競(jìng)爭(zhēng)情況，對(duì)未來經(jīng)營(yíng)形勢(shì)進(jìn)行合理預(yù)測(cè)。因此，微觀指標(biāo)往往涵蓋了一些宏觀指標(biāo)不易察覺的信息，具有獨(dú)特的微觀價(jià)值。

綜上我們認(rèn)為：就預(yù)測(cè)我國(guó)商業(yè)銀行不良貸款率的問題而言，使用恰當(dāng)?shù)奈⒂^指標(biāo)，預(yù)測(cè)結(jié)果可能會(huì)優(yōu)于傳統(tǒng)的宏觀指標(biāo)。

（二）研究數(shù)據(jù)來源

近年來，為了更好地把握我國(guó)經(jīng)濟(jì)發(fā)展脈絡(luò)，中國(guó)人民銀行面向國(guó)內(nèi)企業(yè)家、城鎮(zhèn)儲(chǔ)戶、銀行家等經(jīng)濟(jì)金融主體，從宏觀經(jīng)濟(jì)、生產(chǎn)消費(fèi)、資金供求等多角度出發(fā)，推出了一系列問卷調(diào)查，并編制成表在其官網(wǎng)上公開。其中，與本文研究關(guān)聯(lián)程度較大的主要有企業(yè)家問卷調(diào)查、城鎮(zhèn)儲(chǔ)戶問卷調(diào)查及銀行家問卷調(diào)查3類。

企業(yè)家問卷調(diào)查的對(duì)象為全國(guó)范圍內(nèi)的5000多戶工業(yè)企業(yè)，調(diào)查內(nèi)容主要包括企業(yè)總體生產(chǎn)狀況、生產(chǎn)要素狀況、市場(chǎng)需求狀況等7個(gè)方面，從微觀層面很好地反映了不同企業(yè)主體在生產(chǎn)、銷售過程中的負(fù)擔(dān)情況；城鎮(zhèn)儲(chǔ)戶問卷調(diào)查，由央行每季度在全國(guó)50個(gè)調(diào)查城市展開，選擇共20000名儲(chǔ)戶作為調(diào)查對(duì)象。調(diào)查內(nèi)容包括儲(chǔ)戶對(duì)經(jīng)濟(jì)運(yùn)行的總體判斷、儲(chǔ)蓄及負(fù)債情況、消費(fèi)情況、儲(chǔ)戶基本情況等四個(gè)方面，一定程度上較為客觀地反映了居民個(gè)體在不同經(jīng)濟(jì)狀況下的金融行為；銀行家問卷調(diào)查，則對(duì)我國(guó)境內(nèi)地市級(jí)以上的各類銀行機(jī)構(gòu)采取全面調(diào)查，對(duì)農(nóng)村信用合作社采用分層PPS抽樣調(diào)查，全國(guó)共調(diào)查各類銀行機(jī)構(gòu)3100家左右。調(diào)查對(duì)象為全國(guó)各類銀行機(jī)構(gòu)的總部負(fù)責(zé)人及其一級(jí)、二級(jí)分支機(jī)構(gòu)的行長(zhǎng)或主管信貸業(yè)務(wù)的副行長(zhǎng)。調(diào)查具有較高的權(quán)威性與覆蓋面，所含信息價(jià)值較大。

相比于其他基于微觀層面的問卷調(diào)查，央行的上述三類問卷調(diào)查具有調(diào)查主體的權(quán)威性、調(diào)查方法的科學(xué)性以及調(diào)查對(duì)象的廣泛性，研究?jī)r(jià)值較大。同時(shí)，央行統(tǒng)計(jì)調(diào)查司也根據(jù)相應(yīng)的原始調(diào)查數(shù)據(jù)，歸納總結(jié)成指數(shù)形式，方便查閱與使用。因此，本文選擇央行上述三類問卷調(diào)查結(jié)果中的各類微觀指數(shù)展開研究。

三、實(shí)證研究

（一）研究數(shù)據(jù)處理

本文旨在研究央行的微觀調(diào)查數(shù)據(jù)能否作為我國(guó)商業(yè)銀行不良貸款率的預(yù)測(cè)指標(biāo)，因此目標(biāo)預(yù)測(cè)變量選擇中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)每季度定期公布的全國(guó)商業(yè)銀行不良貸款率指標(biāo)。同時(shí)，搜集了央行調(diào)查統(tǒng)計(jì)司編纂的各季度銀行家問卷調(diào)查報(bào)告、企業(yè)家問卷調(diào)查報(bào)告及城鎮(zhèn)儲(chǔ)戶問卷調(diào)查報(bào)告，從中分別提取相應(yīng)的微觀指標(biāo)，并剔除諸如銀行競(jìng)爭(zhēng)力指數(shù)、實(shí)業(yè)投資意愿比例等含缺失值較多的指標(biāo)。此外，參照劉妍等人的做法，我們引入GDP、M2、CPI等現(xiàn)有文獻(xiàn)中常用宏觀指標(biāo)作為對(duì)比，宏觀指標(biāo)除GDP與金融機(jī)構(gòu)人民幣貸款加權(quán)平均利率為季度數(shù)據(jù)外，其余均為月度數(shù)據(jù)。上述指標(biāo)均來自Wind數(shù)據(jù)庫(kù)。最后，對(duì)于少數(shù)存在缺失值的指標(biāo)，采用移動(dòng)平均法進(jìn)行填補(bǔ)。最終選擇宏觀指標(biāo)包括GDP、M2、CPI等9個(gè)，央行微觀調(diào)查數(shù)據(jù)指標(biāo)41個(gè)，共計(jì)50個(gè)宏微觀預(yù)測(cè)指標(biāo)。

本文選擇2009年第一季度至2016第二季度作為研究的時(shí)間區(qū)間，基于MIDAS（Mixed Data Sam-pling）模型展開研究。MIDAS模型由Ghysels等人提出，最初用于金融市場(chǎng)的波動(dòng)預(yù)測(cè)。此后，隨著其對(duì)混頻數(shù)據(jù)的較好利用以及展現(xiàn)出較高的預(yù)測(cè)精度，逐漸被用于宏觀經(jīng)濟(jì)金融預(yù)測(cè)領(lǐng)域。我國(guó)學(xué)者鄭挺國(guó)等人，利用MIDAS模型研究了我國(guó)經(jīng)濟(jì)增長(zhǎng)等一系列預(yù)測(cè)問題，取得了不錯(cuò)的效果，且發(fā)現(xiàn)該模型優(yōu)于現(xiàn)有的各類僅能處理同頻數(shù)據(jù)的預(yù)測(cè)模型。

（二）MIDAS（m，K，h）模型的初步分析

我們首先研究各單一指標(biāo)的預(yù)測(cè)效果。在預(yù)測(cè)問題中，現(xiàn)有研究一般將整體數(shù)據(jù)集劃分為模型內(nèi)擬合樣本與模型外檢驗(yàn)樣本，前者用以構(gòu)建模型并擬合模型參數(shù)，后者用于檢驗(yàn)?zāi)Ｐ驮谖粗獦颖旧系念A(yù)測(cè)精度。本文選擇2009年第一季度一2015年第一季度樣本作為模型內(nèi)擬合樣本，2015年第二季度一2016年第二季度樣本為模型外檢驗(yàn)樣本。在參數(shù)選取方面。由于樣本數(shù)量不多，我們選擇高頻數(shù)據(jù)的最大滯后階數(shù)K=8。在實(shí)際的預(yù)測(cè)問題中，一般向前預(yù)測(cè)的步數(shù)越小，即預(yù)測(cè)期與當(dāng)期越近，預(yù)測(cè)精度越高，同時(shí)考慮到在下一季不良貸款率公布前，本文所選用的各項(xiàng)宏微觀指標(biāo)均可在當(dāng)季之后不久得到，故本文選擇向前預(yù)測(cè)步長(zhǎng)h=1。同時(shí)，由于各指標(biāo)頻度僅分為季度與月度兩種，故取m=3。

圖1與圖2分別展示了本文選取的50個(gè)宏微觀指標(biāo)，在不同最大滯后階數(shù)下的樣本內(nèi)擬合R方與樣本外預(yù)測(cè)誤差（標(biāo)準(zhǔn)差）。從中明顯看出，諸多指標(biāo)根據(jù)反映建模階段擬合程度的R方與樣本外預(yù)測(cè)誤差的變化趨勢(shì)不同，大體可以分為3類：第一類是諸如GDP、M2、企業(yè)經(jīng)營(yíng)景氣指數(shù)等指標(biāo)，其擬合R方與樣本外預(yù)測(cè)誤差在不同滯后階數(shù)下基本保持相同的趨勢(shì)，較為穩(wěn)??；第二類是諸如當(dāng)期收入感受指數(shù)、更多投資意愿比例指數(shù)等指標(biāo)，其擬合R方與樣本外預(yù)測(cè)誤差在不同滯后階數(shù)下呈現(xiàn)背離的趨勢(shì)，表明可能隨著滯后階數(shù)的提高，該指標(biāo)在模型中存在過度擬合的現(xiàn)象；第三類是諸如企業(yè)家宏觀經(jīng)濟(jì)熱度指數(shù)、出口訂單指數(shù)等指標(biāo)，在較低的滯后階數(shù)下呈現(xiàn)出第一類指標(biāo)的特征，而在滯后階數(shù)逐漸上升時(shí)又表現(xiàn)出第二類指標(biāo)的特征，表明這類指標(biāo)比較敏感于滯后階數(shù)的選取。

對(duì)預(yù)測(cè)模型而言，其樣本外預(yù)測(cè)精度往往比樣本內(nèi)擬合R方更具意義。我們進(jìn)一步分析相比于各宏觀指標(biāo)，央行的微觀指標(biāo)是否具有更好的預(yù)測(cè)能力？

首先將宏觀指標(biāo)的預(yù)測(cè)結(jié)果與央行微觀指標(biāo)的預(yù)測(cè)結(jié)果分成兩個(gè)子集，接著分別計(jì)算在兩個(gè)子集中，各單一指標(biāo)在所有滯后階數(shù)下的平均樣本外預(yù)測(cè)誤差與最優(yōu)樣本外預(yù)測(cè)誤差，之后分別根據(jù)兩種（平均與最優(yōu)）樣本外預(yù)測(cè)誤差的結(jié)果，對(duì)各屬性進(jìn)行升序排序（誤差越小，排序越前），構(gòu)成“平均指標(biāo)誤差上升序列”與“最優(yōu)指標(biāo)誤差上升序列”兩個(gè)序列。顯然，兩個(gè)序列均具有非遞減的特征，且在序列中排名越靠前的指標(biāo)，其樣本外預(yù)測(cè)性能越優(yōu)。同時(shí)，我們亦對(duì)兩類指標(biāo)序列的累積平均誤差情況進(jìn)行了測(cè)算。以計(jì)算“累積平均指標(biāo)誤差上升序列”為例，設(shè)在含有n個(gè)指標(biāo)的平均指標(biāo)誤差上升序列中，各位置指標(biāo)的樣本外預(yù)測(cè)誤差記為E_i（i∈{1，2，…，n}）。則在累積平均指標(biāo)誤差上升序列Q中，第i位的累積平均指標(biāo)誤差值Qi=∑E_i/i，同理可根據(jù)最優(yōu)指標(biāo)誤差上升序列計(jì)算出累積平均最優(yōu)指標(biāo)誤差上升序列。平均指標(biāo)誤差上升序列與最優(yōu)指標(biāo)誤差上升序列，分別度量了該類中各單一指標(biāo)在不同滯后階數(shù)下，預(yù)測(cè)結(jié)果的平均精度與最優(yōu)精度；而累積平均指標(biāo)誤差上升序列與累積平均最優(yōu)指標(biāo)誤差上升序列，則反映了該類中各指標(biāo)累積平均的預(yù)測(cè)精度與最優(yōu)精度。endprint

圖3反映了傳統(tǒng)宏觀指標(biāo)體系與央行微觀指標(biāo)體系下的8個(gè)序列測(cè)算結(jié)果。其中，反映傳統(tǒng)宏觀指標(biāo)預(yù)測(cè)誤差的4類曲線，明顯位于根據(jù)央行微觀指標(biāo)預(yù)測(cè)結(jié)果對(duì)應(yīng)曲線的上方，表明僅基于傳統(tǒng)宏觀指標(biāo)構(gòu)筑的不良貸款率預(yù)測(cè)模型，弱于僅基于央行微觀指標(biāo)構(gòu)筑的預(yù)測(cè)模型，且前者的最優(yōu)單一指標(biāo)預(yù)測(cè)結(jié)果誤差，比后者高約0.2左右，相對(duì)較大。同時(shí)，就累積平均最優(yōu)結(jié)果而言，央行微觀指標(biāo)的累積平均指標(biāo)誤差上升序列與累積平均最優(yōu)指標(biāo)誤差上升序列明顯較為平穩(wěn)，表明其穩(wěn)健性較好，而宏觀預(yù)測(cè)指標(biāo)的結(jié)果則顯得上升幅度較大。

（三）MIDAS（m，K，h）-AR（p）模型的深入論證

上一節(jié)的研究并不能充分說明央行微觀指標(biāo)一定比現(xiàn)有諸宏觀指標(biāo)更加適合預(yù)測(cè)不良貸款率，原因在于不良貸款率具有較為明顯的趨勢(shì)特征，因此應(yīng)當(dāng)在方程中加入不良貸款率的自回歸滯后項(xiàng)，以在消去自回歸特征的同時(shí)，提高模型預(yù)測(cè)精度。與一般金融領(lǐng)域預(yù)測(cè)時(shí)常用的無限滯后特征不同，鄭挺國(guó)等人的研究認(rèn)為我國(guó)的經(jīng)濟(jì)指標(biāo)大多在滯后4階的范圍內(nèi)有較好的解釋力，故出于保守起見，本文選擇不良貸款率指標(biāo)的最大自回歸滯后階數(shù)為5，其余參數(shù)與上一節(jié)相同，構(gòu)建MIDAS（3，8，1）-AR（5）模型。類似于圖1和圖2，圖4與圖5展示了本文選取的50個(gè)宏微觀指標(biāo)，在不同滯后階數(shù)下的樣本內(nèi)擬合R方與樣本外預(yù)測(cè)誤差。其中x軸代表各指標(biāo)的滯后階數(shù)，），軸代表不良貸款率的自回歸滯后階數(shù)。

從圖4與圖5中可明顯看出，擬合R方與樣本外預(yù)測(cè)誤差在不同滯后階數(shù)下，與不含自回歸滯后項(xiàng)的情況相似，可以分為趨勢(shì)相同、趨勢(shì)背離、趨勢(shì)分段三種f青況。但值得注意的是，相比于圖1與圖2不含自回歸滯后項(xiàng)時(shí)的結(jié)果，含有自回歸滯后項(xiàng)能顯著提升各指標(biāo)樣本內(nèi)的擬合R方，同時(shí)降低樣本外預(yù)測(cè)誤差，且上述兩項(xiàng)誤差指標(biāo)大多能始終保持在0.2以下，表明通過在方程中添加待預(yù)測(cè)指標(biāo)的自回歸項(xiàng)，能有效地進(jìn)一步降低樣本外預(yù)測(cè)誤差。同時(shí)，在模型參數(shù)的估計(jì)階段，含有待預(yù)測(cè)指標(biāo)自回歸項(xiàng)的MIDAS模型，能夠較好地保持樣本外預(yù)測(cè)誤差處于較平穩(wěn)的低誤差水平，表現(xiàn)為圖4與圖5中樣本外預(yù)測(cè)誤差指標(biāo)曲面更為平穩(wěn)。

我們進(jìn)一步比較傳統(tǒng)宏觀指標(biāo)與央行微觀指標(biāo)的預(yù)測(cè)能力差異。首先分別計(jì)算在所有單一指標(biāo)滯后階數(shù)及所有不良貸款率指標(biāo)自回歸滯后階數(shù)下，各單一指標(biāo)的平均樣本外預(yù)測(cè)誤差與最優(yōu)預(yù)測(cè)誤差，之后根據(jù)結(jié)果對(duì)各屬性分別進(jìn)行升序排序（誤差越小，排序越前），構(gòu)成新的“平均指標(biāo)誤差上升序列”與“最優(yōu)指標(biāo)誤差上升序列”。同時(shí)，我們亦對(duì)含自回歸項(xiàng)的兩類指標(biāo)的累積平均誤差上升隋況進(jìn)行了測(cè)算。以計(jì)算“累積平均指標(biāo)誤差上升序列”為例，設(shè)在含有n個(gè)指標(biāo)的平均指標(biāo)誤差上升序列E中，各位置所代表的指標(biāo)在含有j階不良貸款率自回歸滯后項(xiàng)的模型中，其樣本外預(yù)測(cè)誤差記為E_u（i∈{1，2，…，n}j∈{1，2，…，p}）。則在累積平均指標(biāo)誤差上升序列中，第i位的值Q_i=∑∑E_I/（ixp），同理可根據(jù)最優(yōu)指標(biāo)誤差上升序列計(jì)算出累積平均最優(yōu)指標(biāo)誤差上升序列。圖6展示了兩類指標(biāo)的8個(gè)序列在MIDAS（3，8，1）-AR（5）模型中的預(yù)測(cè)能力。

對(duì)比圖6與圖3，我們發(fā)現(xiàn)宏觀指標(biāo)與央行微觀指標(biāo)在MIDAS（3，8，1）與MIDAS（3，8，1）-AR（5）模型下的結(jié)果存在一定的差異。首先在圖6中，宏觀指標(biāo)的平均指標(biāo)誤差上升序列曲線與微觀指標(biāo)的平均指標(biāo)誤差上升序列曲線在橫軸為5處存在一個(gè)交叉，表明就平均指標(biāo)誤差上升序列而言，平均誤差最小的前5個(gè)央行微觀指標(biāo)，其性能不及平均誤差最小的前5個(gè)宏觀指標(biāo)，但排名第5位之后的微觀指標(biāo)，其平均誤差均小于剩余的傳統(tǒng)宏觀預(yù)測(cè)指標(biāo)，兩類指標(biāo)在預(yù)測(cè)方面相互存在優(yōu)勢(shì)。

其次，就最優(yōu)指標(biāo)比較情況而言，宏觀指標(biāo)的最優(yōu)指標(biāo)誤差上升序列曲線僅在序號(hào)為l的情況下位于微觀指標(biāo)的最優(yōu)指標(biāo)誤差上升序列曲線下方，其余情形中均在后者上方，表明僅有一個(gè)宏觀最優(yōu)指標(biāo)優(yōu)于所有的微觀最優(yōu)指標(biāo)，其余情況下，均存在至少一個(gè)最優(yōu)滯后階數(shù)下的微觀指標(biāo)，其預(yù)測(cè)誤差小于所有滯后階數(shù)情形下的宏觀最優(yōu)指標(biāo)。此外，兩類指標(biāo)的累計(jì)平均指標(biāo)誤差上升序列曲線與累計(jì)平均最優(yōu)指標(biāo)誤差上升序列曲線的分布與非累積的情況相似。綜上，就穩(wěn)健型而言，各滯后階數(shù)下的微觀指標(biāo)優(yōu)于宏觀指標(biāo)。

（四）C-MIDAS（m，K，h）-AR（p）模型的全面比較

最后，考慮到即使在單一指標(biāo)的MIDAS模型中加入待預(yù)測(cè)指標(biāo)的自回歸滯后項(xiàng)，僅能說明在單一指標(biāo)的MIDAS預(yù)測(cè)模型中，使用央行微觀指標(biāo)普遍優(yōu)于傳統(tǒng)宏觀指標(biāo)，但不能保證在結(jié)合使用多個(gè)同類指標(biāo)的情況下，央行微觀指標(biāo)依然優(yōu)于傳統(tǒng)宏觀指標(biāo)。同時(shí)，如果結(jié)合使用兩類指標(biāo)，其預(yù)測(cè)性能相比于僅使用單一指標(biāo)又會(huì)如何？本節(jié)對(duì)這些問題進(jìn)行了研究。

在使用多指標(biāo)進(jìn)行預(yù)測(cè)時(shí)，現(xiàn)有預(yù)測(cè)模型大多采用將多個(gè)指標(biāo)同時(shí)置于同一模型中，之后進(jìn)行參數(shù)擬合，即所謂“多元預(yù)測(cè)模型”。然而，由于2009年第一季度2015年第一季度的建模樣本集中，僅含有25條樣本，數(shù)量較少，考慮到各預(yù)測(cè)指標(biāo)及其滯后項(xiàng)，一旦在同一方程中加入更多指標(biāo)，極易導(dǎo)致模型參數(shù)的方差變大，模型預(yù)測(cè)精準(zhǔn)程度下降，甚至出現(xiàn)模型方程中指標(biāo)總數(shù)大于樣本數(shù)的情況，從而導(dǎo)致模型參數(shù)無法預(yù)測(cè)。因此，就本文所研究問題面臨的實(shí)際樣本量限制而言，不宜采用多元MIDAS模型，故本文使用組合MIDAS模型展開研究。鄭挺國(guó)等人的研究亦表明，組合MIDAS模型相比于多元MIDAS模型，其樣本外預(yù)測(cè)精度更高。

除單一指標(biāo)的預(yù)測(cè)性能外，影響組合MIDAS模型性能的另一因素是各MIDAS（3，8，1）-All（5）模型結(jié)果的權(quán)重組合方式?，F(xiàn)有文獻(xiàn)中通常采用的方式歸結(jié)起來共有4種：基于樣本外預(yù)測(cè)誤差的權(quán)重組合、基于AIC信息準(zhǔn)則的權(quán)重組合、基于BIC信息準(zhǔn)則的權(quán)重組合以及等權(quán)重組合。為了驗(yàn)證穩(wěn)健性，本文分別采用上述四種組合方式，對(duì)兩類指標(biāo)在不同組合方式下的MIDAS（3，8，1）一AR（5）模型性能進(jìn)行檢驗(yàn)。我們首先根據(jù)上一小節(jié)計(jì)算的含不良貸款率自回歸滯后項(xiàng)的兩類指標(biāo)最優(yōu)指標(biāo)誤差上升序列，逐一取出序列中最優(yōu)的前個(gè)指標(biāo)，構(gòu)建隸屬于同一類型指標(biāo)集的C—MIDAS（3，8，1）-AR（5）模型。此外，為了進(jìn)一步驗(yàn)證綜合使用宏觀與微觀指標(biāo)是否優(yōu)于僅使用單一類型的指標(biāo)，我們同時(shí)也將兩類指標(biāo)混合，構(gòu)建出混合指標(biāo)集的最優(yōu)指標(biāo)誤差上升序列，之后逐一取出序列中最優(yōu)的前k個(gè)指標(biāo)，迭代構(gòu)建同時(shí)使用兩類指標(biāo)的C-MIDAS（3，8，1）-APt（5）模型。三個(gè)模型在四種權(quán)重組合方式下的樣本外預(yù)測(cè)誤差比較結(jié)果如圖7所示。endprint

首先分析僅基于傳統(tǒng)宏觀指標(biāo)構(gòu)建的組合模型與僅基于央行微觀指標(biāo)構(gòu)建的組合模型在樣本外預(yù)測(cè)誤差方面的差異。從圖7可以看出，除了在基于樣本外預(yù)測(cè)誤差權(quán)重組合方式下含有2個(gè)同類指標(biāo)構(gòu)建的組合模型中，傳統(tǒng)宏觀指標(biāo)組合的預(yù)測(cè)誤差小于微觀指標(biāo)組合之外，在其余任一屬性規(guī)模、任一權(quán)重組合方式下，基于微觀指標(biāo)構(gòu)建的模型其誤差均小于傳統(tǒng)宏觀指標(biāo)模型組合。然而，考慮到在面向應(yīng)用的組合模型構(gòu)建過程中，由于無法在事前獲得樣本真實(shí)值從而推算出樣本外預(yù)測(cè)誤差，因此以樣本外預(yù)測(cè)誤差為權(quán)重的組合方式的實(shí)用性不高。同時(shí)，AIC與BIC信息準(zhǔn)則可在模型的樣本內(nèi)擬合階段輕松得到，因此完全能夠根據(jù)各單一指標(biāo)在模型訓(xùn)練階段的表現(xiàn)，選擇構(gòu)建組合模型的指標(biāo)。由此，我們可根據(jù)基于AIC信息準(zhǔn)則、BIC信息準(zhǔn)則、等權(quán)重三種權(quán)重組合方式構(gòu)建的組合模型，同時(shí)參考基于樣本外預(yù)測(cè)誤差構(gòu)建的組合模型，充分地得出結(jié)論：基于央行微觀指標(biāo)構(gòu)建的組合模型，在樣本外預(yù)測(cè)誤差方面優(yōu)于基于傳統(tǒng)宏觀指標(biāo)構(gòu)建的組合模型，央行微觀指標(biāo)相比于傳統(tǒng)宏觀指標(biāo)，更加適合于我國(guó)不良貸款率的預(yù)測(cè)。

此外，盡管兩類指標(biāo)均表現(xiàn)出了一定的預(yù)測(cè)指標(biāo)優(yōu)勢(shì)，但綜合使用兩類指標(biāo)構(gòu)建的C-MIDAS（3，8，1）-AR（5）模型，其樣本外預(yù)測(cè)誤差能夠進(jìn)一步降低。從兩類指標(biāo)的性質(zhì)上來說，宏觀預(yù)測(cè)指標(biāo)自頂向下地反映了整體經(jīng)濟(jì)層面的發(fā)展趨勢(shì)，而微觀指標(biāo)則著重從貸款主體行為的角度，自底向上地對(duì)還款壓力進(jìn)行了有效地評(píng)估，因此，結(jié)合宏觀與微觀指標(biāo)，能夠兼顧實(shí)體經(jīng)濟(jì)發(fā)展現(xiàn)狀、資金市場(chǎng)供需關(guān)系與不同經(jīng)濟(jì)主體的未來預(yù)期，提高預(yù)測(cè)精度。

（五）經(jīng)濟(jì)含義分析

進(jìn)一步研究在使用兩類指標(biāo)的C-MIDAS（3，8，1）-AR（5）模型中，樣本外預(yù)測(cè)誤差最低時(shí)所選的指標(biāo)的經(jīng)濟(jì)含義。當(dāng)選擇指標(biāo)的數(shù)量為8時(shí)，基于BIC信息準(zhǔn)則權(quán)重的C-MIDAS（3，8，1）-AR（5）模型取得了最低的樣本外預(yù)測(cè)誤差，表1首先列出了選擇的8個(gè)指標(biāo)的具體回歸結(jié)果統(tǒng)計(jì)，我們嘗試逐一分析表l中8個(gè)指標(biāo)可能的經(jīng)濟(jì)含義。

首先發(fā)現(xiàn)在傳統(tǒng)宏觀指標(biāo)中，僅有人民幣匯率有效指數(shù)這一指標(biāo)入選。GDP、M2等指標(biāo)盡管在現(xiàn)有文獻(xiàn)中被認(rèn)為與不良貸款率有較大關(guān)聯(lián)，但并不被認(rèn)為最適合作為MIDAS模型中不良貸款率的預(yù)測(cè)指標(biāo)。人民幣匯率有效指數(shù)由國(guó)際清算銀行編制發(fā)行，其剔除了通脹的影響，反映的是一國(guó)貨幣的實(shí)際購(gòu)買力。人民幣匯率有效指數(shù)上升，代表本國(guó)貨幣相對(duì)價(jià)值的上升，下降則表示本幣貶值。表1中的結(jié)果顯示最大滯后3階的人民幣匯率有效指數(shù)適合作為我國(guó)不良貸款率的預(yù)測(cè)指標(biāo)，其系數(shù)為正。我們認(rèn)為：當(dāng)當(dāng)期的人民幣匯率有效指數(shù)上升時(shí)，本國(guó)貨幣相對(duì)于外幣升值，有利于進(jìn)口而不利于出口，由于出口是中國(guó)經(jīng)濟(jì)長(zhǎng)期以來增長(zhǎng)動(dòng)力的“三駕馬車”之一，因此當(dāng)出口減緩時(shí)，企業(yè)產(chǎn)品滯銷，現(xiàn)金流被削弱，從而導(dǎo)致了未來還款期的還款能力下降，導(dǎo)致不良貸款率上升。這一發(fā)現(xiàn)也表明：我國(guó)經(jīng)濟(jì)發(fā)展模式必須盡快由“出口導(dǎo)向型”向“內(nèi)需拉動(dòng)型”進(jìn)行轉(zhuǎn)變，否則，較大的匯率或出口波動(dòng)可能會(huì)引發(fā)國(guó)內(nèi)銀行業(yè)信用風(fēng)險(xiǎn)的集中暴露。

最大滯后5階的基金及理財(cái)意愿投資比例、最大滯后2階的房?jī)r(jià)過高難以接受比例、最大滯后3階的旅游意愿比例、最大滯后5階的房?jī)r(jià)預(yù)期上漲比例四個(gè)指標(biāo)是央行面向城鎮(zhèn)儲(chǔ)戶的調(diào)查問卷結(jié)果指標(biāo)。其中，房?jī)r(jià)過高難以接受比例指標(biāo)的系數(shù)為負(fù)，其余3個(gè)為正。我們將逐一分析這4個(gè)指標(biāo)背后的經(jīng)濟(jì)理論含義。

對(duì)于基金及理財(cái)意愿投資比例指標(biāo)，當(dāng)其上升時(shí)，意味著更多城鎮(zhèn)居民會(huì)選擇將原本的儲(chǔ)蓄資金轉(zhuǎn)化為購(gòu)買基金及理財(cái)產(chǎn)品。此時(shí)，一方面以股市為代表的各類投資市場(chǎng)中的資金積累增多，但其對(duì)實(shí)體經(jīng)濟(jì)的發(fā)展影響有限；另一方面，儲(chǔ)蓄減少使得商業(yè)銀行存貸比例惡化，商業(yè)銀行可能會(huì)進(jìn)一步提高貸款利率以減少貸款需求，但高利率亦會(huì)直接導(dǎo)致高違約風(fēng)險(xiǎn)，從而不良貸款率上升。從預(yù)期的角度出發(fā)，當(dāng)潛在的經(jīng)濟(jì)形勢(shì)較好時(shí)，居民的閑置資金可能會(huì)更多用于實(shí)業(yè)投資，刺激經(jīng)濟(jì)增長(zhǎng)，而當(dāng)潛在經(jīng)濟(jì)形勢(shì)較差時(shí)，居民可能會(huì)選擇將資金由實(shí)體經(jīng)濟(jì)轉(zhuǎn)移至投資市場(chǎng)，次貸危機(jī)后美國(guó)的實(shí)體經(jīng)濟(jì)下滑，但股票市場(chǎng)并未暴跌，反而屢創(chuàng)新高便是例證之一。因此，基金及理財(cái)意愿投資意愿上升，亦有可能是民眾理性預(yù)計(jì)未來實(shí)體經(jīng)濟(jì)下滑的征兆。

房?jī)r(jià)過高難以接受比例指標(biāo)與不良貸款率存在負(fù)相關(guān)關(guān)系，同時(shí)房?jī)r(jià)預(yù)期上漲比例指標(biāo)與不良貸款率呈正相關(guān)關(guān)系。事實(shí)上，現(xiàn)有許多研究已表明，房地產(chǎn)價(jià)格持續(xù)攀升是推動(dòng)近年來中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要因素之一，但同時(shí)，房地產(chǎn)行業(yè)的過度膨脹，也會(huì)擠占農(nóng)業(yè)、輕工業(yè)和公共服務(wù)業(yè)的發(fā)展空間。首先，由于房地產(chǎn)行業(yè)利潤(rùn)較高，銀行樂于將資金貸給房地產(chǎn)開發(fā)商，房地產(chǎn)行業(yè)與銀行業(yè)存在一定程度的“興衰捆綁”。當(dāng)當(dāng)期的房?jī)r(jià)過高以致居民“難以承受”時(shí)，房地產(chǎn)企業(yè)的高利潤(rùn)也使得其現(xiàn)金流充足，因此不良貸款率相對(duì)較低。而當(dāng)居民預(yù)期房?jī)r(jià)上漲比例提升時(shí)，事實(shí)上暗示了預(yù)期未來市場(chǎng)資金會(huì)更多地涌入房地產(chǎn)行業(yè)，農(nóng)業(yè)、輕工業(yè)和公共服務(wù)業(yè)等其它行業(yè)可能會(huì)出現(xiàn)衰退，盡管房地產(chǎn)行業(yè)違約風(fēng)險(xiǎn)較小，但不能彌補(bǔ)由此造成的其他行業(yè)信用風(fēng)險(xiǎn)加大。我們也注意到這兩個(gè)與房地產(chǎn)相關(guān)的指標(biāo)，其最大滯后階數(shù)分別為2階及5階，這意味著在短期內(nèi)，房地產(chǎn)市場(chǎng)的繁榮確實(shí)能降低商業(yè)銀行不良貸款率，但中長(zhǎng)期有所偏頗的信貸政策，則可能會(huì)引致其他行業(yè)發(fā)展困難，整體信用風(fēng)險(xiǎn)上升。

旅游意愿比例指標(biāo)與不良貸款率存在正向關(guān)系，這與我們的常識(shí)相悖。一般來說，旅游意愿比例上升往往出現(xiàn)在經(jīng)濟(jì)形勢(shì)較好的時(shí)期，此時(shí)居民收入較高，儲(chǔ)蓄結(jié)余較多，在旅游景點(diǎn)的購(gòu)買行為能夠在短期內(nèi)提高消費(fèi)，長(zhǎng)期內(nèi)拉動(dòng)當(dāng)?shù)鼐蜆I(yè)，促進(jìn)GDP進(jìn)一步增長(zhǎng)，且現(xiàn)有文獻(xiàn)已表明GDP增長(zhǎng)對(duì)不良貸款率有抑制作用。對(duì)于這一結(jié)果，我們查閱了相關(guān)資料，攜程旅游網(wǎng)在2014年公布的《旅游者調(diào)查報(bào)告》中指出，有56%的受訪者表示：住房消費(fèi)是影響旅游支出的重要因素。我們據(jù)此合理推測(cè)：房地產(chǎn)價(jià)格可能是影響旅游意愿比例的重要因素，當(dāng)當(dāng)期的房地產(chǎn)價(jià)格上升、居民預(yù)期房?jī)r(jià)未來會(huì)進(jìn)一步上漲時(shí)，居民在當(dāng)期的旅游意愿會(huì)降低，即旅游意愿比例與當(dāng)期和預(yù)期的房地產(chǎn)價(jià)格可能呈相反變動(dòng)關(guān)系。endprint

接著分析剩余的最大滯后5階銀行貸款審批指數(shù)、最大滯后5階銀行家宏觀經(jīng)濟(jì)熱度指數(shù)與最大滯后1階的非制造業(yè)貸款需求指數(shù)三個(gè)指標(biāo)，這三個(gè)指標(biāo)均來自央行的銀行家問卷調(diào)查統(tǒng)計(jì)。其中，銀行貸款審批指數(shù)與不良貸款率呈正相關(guān)，其余兩個(gè)指數(shù)均為負(fù)相關(guān)。銀行貸款審批指數(shù)衡量了銀行貸款審批嚴(yán)格程度的高低，指數(shù)越低，意味著銀行貸款審批越寬松。不難想到，當(dāng)期較寬松的貸款審批政策，實(shí)際上加劇了潛在的信用風(fēng)險(xiǎn)，為未來信用風(fēng)險(xiǎn)的階段性集中爆發(fā)埋下了隱患。銀行家宏觀經(jīng)濟(jì)熱度指數(shù)反映了銀行家對(duì)當(dāng)期經(jīng)濟(jì)發(fā)展?fàn)顩r的認(rèn)知，編制方法為首先分別計(jì)算認(rèn)為本季經(jīng)濟(jì)“偏熱”和“正常”的銀行家占比，再分別賦予權(quán)重1和0.5，求和得出指數(shù)值。指數(shù)值越高，表明銀行家認(rèn)為當(dāng)期的經(jīng)濟(jì)發(fā)展越偏熱。當(dāng)當(dāng)期經(jīng)濟(jì)發(fā)展正常時(shí)，商業(yè)銀行正常放貸；而在認(rèn)為當(dāng)期經(jīng)濟(jì)發(fā)展過熱時(shí)，商業(yè)銀行預(yù)期未來經(jīng)濟(jì)增長(zhǎng)幅度可能會(huì)下滑調(diào)整，一般選擇謹(jǐn)慎貸款，提高貸款審核要求，因而未來時(shí)期的不良貸款率較低。對(duì)于非制造業(yè)貸款需求指數(shù)，其上升意味著本季非制造業(yè)貸款需求提高。非制造業(yè)一般以服務(wù)業(yè)為代表，近年來，我國(guó)服務(wù)業(yè)不斷發(fā)展，2016年服務(wù)業(yè)占GDP比重更是超過50%，呈現(xiàn)不斷上升的勢(shì)頭。因此，非制造業(yè)由于近年來發(fā)展迅猛，可能其貸款信用風(fēng)險(xiǎn)較低，從而與不良貸款率有著負(fù)向聯(lián)系。

最后，發(fā)現(xiàn)在取得最低樣本外預(yù)測(cè)誤差結(jié)果的C-MIDAs（3，8，1）-AR（5）模型中，并未包含央行企業(yè)家調(diào)查問卷結(jié)果中的指標(biāo)，這并不能表明企業(yè)家調(diào)查的相關(guān)指標(biāo)不重要，研究過程中我們列出了所有50個(gè)指標(biāo)在C-MIDAS（3，8，1）-AR（5）模型中的排序，事實(shí)上有不少企業(yè)家調(diào)查問卷所含指標(biāo)位居前列，只是未被最優(yōu)的C-MIDAS（3，8，1）-AR（5）模型涵蓋。

四、結(jié)論與展望

本文利用適用于混頻數(shù)據(jù)預(yù)測(cè)問題的MIDAS模型，研究相比于傳統(tǒng)宏觀經(jīng)濟(jì)指標(biāo)，央行的微觀調(diào)查統(tǒng)計(jì)指標(biāo)是否更加適合作為我國(guó)商業(yè)銀行不良貸款率的預(yù)測(cè)指標(biāo)。研究發(fā)現(xiàn)無論是在單變量MI—DAs模型、帶因變量自回歸的單變量MIDAS模型，還是多變量組合MIDAS模型中，央行微觀指標(biāo)在平均樣本外預(yù)測(cè)誤差、最優(yōu)樣本外預(yù)測(cè)誤差等多個(gè)方面，均優(yōu)于傳統(tǒng)的宏觀指標(biāo)，表現(xiàn)出了較強(qiáng)的適用性。此外，人民幣名義有效匯率指數(shù)、基金及理財(cái)投資意愿比例、房?jī)r(jià)過高難以接受比例、旅游意愿比例、銀行貸款審批指數(shù)、房?jī)r(jià)預(yù)期上漲比例、銀行家宏觀經(jīng)濟(jì)熱度指數(shù)、非制造業(yè)貸款需求指數(shù)等指標(biāo)尤其適合作為不良貸款率的預(yù)測(cè)指標(biāo)。

本文的結(jié)論是：相比于傳統(tǒng)宏觀經(jīng)濟(jì)指標(biāo)，央行的微觀調(diào)查統(tǒng)計(jì)指標(biāo)更加適合作為我國(guó)商業(yè)銀行不良貸款率的預(yù)測(cè)指標(biāo)。研究結(jié)論有助于更好地預(yù)測(cè)我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)，從而可以及早防范，保證我國(guó)金融體系的穩(wěn)定。

責(zé)任編輯、校對(duì)：鄭雅妮endprint