• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于ARIMA模型對我國貨幣供應量的分析

    2022-01-11 04:07:54高曉潔
    品牌研究 2021年20期
    關(guān)鍵詞:供應量預測值差分

    文/高曉潔

    (上海大學悉尼工商學院)

    一、引言

    (一)研究意義

    貨幣供應量的變化反映了一國央行貨幣政策的變化,當貨幣供應量大幅增加時,就可能引起通脹或國際收支惡化,導致宏觀經(jīng)濟失衡;而貨幣供應量的不足同樣會阻礙經(jīng)濟的發(fā)展。

    因此,一個穩(wěn)定適度的貨幣供應量對宏觀經(jīng)濟平穩(wěn)運行具有很重要的現(xiàn)實意義,通過貨幣供應量可以從總量上把握我國貨幣供應與經(jīng)濟發(fā)展總體態(tài)勢。

    本文將計量經(jīng)濟模型中的理論和時間序列預測方法運用到貨幣供應量的研究之中,從而得出一些有建設性的結(jié)論及建議。

    (二)研究內(nèi)容

    本文使用1996年1月到2019年12月的我國貨幣供應量(M2)月度數(shù)據(jù),在消除了序列異方差、趨勢性、季節(jié)性之后,對數(shù)據(jù)進行建模,并根據(jù)信息準則AIC選擇其中擬合結(jié)果最好的一個模型,即ARIMA(2,1,3)(1,1,1)12,對2020年1-5月的貨幣供應量(M2)進行預測。結(jié)果顯示,預測值與實際值比較接近,比較準確地預測了我國貨幣供應量走勢。

    其中3-5月的實際值比預測值偏高,這可能是受到上半年貨幣寬松政策的影響。隨后本文將2020年的5期實際數(shù)據(jù)納入后重新擬合模型,并再次預測,得到2020年底的貨幣供應量為2245592億元,這一結(jié)果與2019年底的1986488.82億元相比,增長了13.04%。

    二、相關(guān)文獻評述

    在國外,F(xiàn)riedman&Schwartz在其著作《美國貨幣史》中通過對美國近百年的數(shù)據(jù)(1867-1960)資料進行研究,證明了貨幣能夠?qū)Ξa(chǎn)出造成影響[1]。 Stock&Watson研究了110個國家長達30年的數(shù)據(jù)后得出結(jié)論,通貨膨脹和長期貨幣供應量呈顯著正相關(guān),但貨幣供應量對實際產(chǎn)出幾乎沒有影響[2]。Walsh對貨幣供應量與產(chǎn)出之間的實證研究,并對貨幣供應量與產(chǎn)出之間的關(guān)系的實證檢驗方法作了簡單全面的介紹[3]。Brandt&Zhu通過對經(jīng)濟增長波動性與通貨膨脹的循環(huán)影響關(guān)系,發(fā)現(xiàn)我國的通貨膨脹在改革之后部分地反映了貨幣政策[4]。

    在國內(nèi),研究論述貨幣供應量的文章很多,也取得了許多成果。劉斌運用協(xié)整與誤差修正模型,對我國的貨幣需求與供給進行了定量研究,同時用建立的模型在不同時段進行了預測[5]。徐龍炳建立了VAR模型,并使用了沖擊響應函數(shù)方法和工具,以此來研究我國20世紀80年代以來各個時間區(qū)間的貨幣政策傳導效果[6]。陸軍、舒元使用Granger因果檢驗,研究了我國貨幣供應量對實際產(chǎn)出的影響效應,得到的結(jié)論是,無論是預期到的還是未預期到的貨幣供應量變動都會影響產(chǎn)出,在10%的顯著性水平下,央行的貨幣政策對實際產(chǎn)出存在非對稱影響[7]。鄧雄、蔣中其的研究表明,在眾多影響貨幣供應量的因素中,GDP的作用是最大的,當一國的GDP增長時,貨幣供應量往往也會同步增加[8]。

    本文在以上研究成果的基礎上,對我國貨幣供應量(M2)的波動做進一步的探索分析,建立模型,并通過預測來檢驗模型的準確性。

    三、數(shù)據(jù)與實證分析

    (一)數(shù)據(jù)來源

    本文選取1996年1月至2020年5月的我國貨幣供應量(M2)月度數(shù)據(jù)。數(shù)據(jù)來源于wind。首先使用1996年1月至2019年12月的月度數(shù)據(jù)擬合了預測模型,并得到了2020年1月至2020年12月的貨幣供應量預測值。在模型結(jié)構(gòu)和預測誤差這兩方面都取得了較好的結(jié)果。

    (二)平穩(wěn)性檢驗

    通過利用R軟件對我國貨幣供應量繪制時序圖(如圖1),可以清晰地了解到M2序列具有顯著的增長趨勢,是非平穩(wěn)時間序列。并且可以發(fā)現(xiàn),M2的走勢具有指數(shù)趨勢。需對M2進行平穩(wěn)化處理后再進行建模。

    圖1 1996-2019年我國貨幣供應量(M2)時序圖

    為了消除異方差,對該序列做對數(shù)變換,變換后的時序圖(如圖2)所示。

    圖2 1996-2019年我國貨幣供應量(M2)對數(shù)時序圖

    圖2顯示,取對數(shù)后的貨幣供應量(M2)時序圖仍然具有線性遞增的趨勢,還需要對該序列進行一階差分運算來實現(xiàn)趨勢平穩(wěn)。結(jié)果如圖3所示。

    圖3 1996-2019年我國貨幣供應量(M2)對數(shù)一階差分時序圖

    一階差分后的貨幣供應量序列沒有明顯的趨勢性,但對其進行滯后期為12的ADF檢驗時,得到P值為0.1589。說明一階差分后的序列存在季節(jié)性,需要進一步做差分。

    對序列作季節(jié)差分后,進行ADF檢驗,得到P值<0.01,在1%顯著性水平下拒絕原假設,說明該序列平穩(wěn)。

    由圖4可見,序列的樣本自相關(guān)與偏自相關(guān)系數(shù)很快落入隨機區(qū)間,故序列趨勢已基本消除,但在滯后期為12時取值仍然較大,季節(jié)性依然比較明顯。經(jīng)試驗,對序列進行二階季節(jié)差分,發(fā)現(xiàn)序列季節(jié)性并沒有得到顯著改善,故只做一階季節(jié)差分即可。

    圖4 序列自相關(guān)和偏自相關(guān)圖

    (三)模型識別

    因為經(jīng)過一階逐期差分,序列趨勢消除,故d=1;經(jīng)過一階季節(jié)差分,季節(jié)性基本消除,故D=1。所以選用ARIMA(p,1,q)(P,1,Q)12模型。模型階數(shù)的確定取決于對自相關(guān)和偏自相關(guān)函數(shù)的分析。觀察圖4,偏自相關(guān)圖顯示p=3比較合適,自相關(guān)圖顯示q=3。為了檢驗模型的擬合程度和預測精度,本文選擇多個(p,q)組合進行嘗試,選擇的(p,q)組 合 有:(3,3),(2,3),(3,2),(2,2)。由于滯后階k=12時,樣本自相關(guān)和偏自相關(guān)系數(shù)都顯著不為0。所以,P=Q=1。

    (四)模型建立及檢驗

    根據(jù)以上分析,我們知道要 建 立ARIMA(3,1,3)(1,1,1)12、ARIMA(2,1,3)(1,1,1)12、ARIMA(3,1,2)(1,1,1)12、ARIMA(2,1,2)(1,1,1)12四 種模型。各模型擬合結(jié)果及檢驗結(jié)果見表1至表4。

    表1 模型ARIMA(3,1,3)(1,1,1)12擬合結(jié)果

    表4 模型ARIMA(2,1,2)(1,1,1)12擬合結(jié)果

    比較表中各個模型的檢驗結(jié)果,第二個模型的AIC值最小,所以選擇ARIMA(2,1,3)(1,1,1)12模型比較合適,其展開式為:

    (五)模型預測

    利用上述得到的ARIMA(2,1,3)(1,1,1)12模型,對2020年的貨幣供應量進行擬合預測,并與2020年1-5月份的實際值進行比較。得到結(jié)果如表5所示。

    表2 模型ARIMA(2,1,3)(1,1,1)12擬合結(jié)果

    表3 模型ARIMA(3,1,2)(1,1,1)12擬合結(jié)果

    由 表5可 以 看 出, ARIMA(2,1,3)(1,1,1)12模型擬合的2020年1月至2020年5月數(shù)據(jù)各月的誤差百分比都很小,大多控制在1%以內(nèi)。這說明模型對未來貨幣供應量的預測基本符合實際情況,并且預測結(jié)果是比較可靠的。

    表5 ARIMA(2,1,3)(1,1,1)12模型的貨幣供應量預測結(jié)果

    表7 兩次預測值對比

    2020年由于受到新冠疫情的沖擊,包括我國在內(nèi)的各國央行都采取了一系列貨幣寬松政策,這可能也是3-5月貨幣實際值略高于預測值的原因。

    接下來將2020年的前5個月的數(shù)據(jù)納入,再次擬合ARIMA(2,1,3)(1,1,1)12模型,并用新模型預測未來的貨幣供應量。得到擬合結(jié)果與預測結(jié)果如表6所示。

    表6 模型ARIMA(2,1,3)(1,1,1)12擬合結(jié)果

    將2020年前5個月的貨幣供應量數(shù)據(jù)納入后,得到的新預測值普遍比原模型預測值高出1個多百分點。在納入上半年的貨幣寬松政策影響后,由新模型預測的2020年底的貨幣供應量為2245592億元,在一定程度上代表了我國貨幣供應量的走勢,對描述貨幣供應量波動特征方面有一定的借鑒意義。進一步討論,由ARIMA模型預測得到2020年底的貨幣供應量(2245592億元),與2019年底的1986488.82億元相比,增長了13.04%。

    四、結(jié)語

    本文介紹了符合金融系統(tǒng)預測規(guī)律的ARIMA(p,d,q)(P,D,Q)s時間序列模型。建模的樣本期從1996年1月到2019年12月,消除了序列異方差、趨勢性、季節(jié)性之后,對數(shù)據(jù)進行模型識別,建立了模型ARIMA(2,1,3)(1,1,1)12。它在擬合2020年1-5月的貨幣供應量中預測精度較高,比較準確地預測了我國貨幣供應量走勢,可為我國貨幣供應量的預測提供可靠的參考依據(jù)。

    由上文分析可以知道,貨幣供應量受到許多因素不同程度的影響,加上自身具有季節(jié)性,比如我國的春節(jié)、國慶節(jié)等都會對其帶來較大影響。一個穩(wěn)定適度的貨幣供應量對宏觀經(jīng)濟平穩(wěn)運行有很重要的現(xiàn)實意義,可以從總量上把握我國貨幣供應與經(jīng)濟發(fā)展總體態(tài)勢。

    猜你喜歡
    供應量預測值差分
    IMF上調(diào)今年全球經(jīng)濟增長預期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預測值
    ±800kV直流輸電工程合成電場夏季實測值與預測值比對分析
    數(shù)列與差分
    法電再次修訂2020年核發(fā)電量預測值
    國外核新聞(2020年8期)2020-03-14 02:09:19
    貨幣供應量 (年底余額)
    貨幣供應量同比增長率
    貨幣供應量
    基于差分隱私的大數(shù)據(jù)隱私保護
    相對差分單項測距△DOR
    太空探索(2014年1期)2014-07-10 13:41:50
    枣强县| 孟州市| 台江县| 隆尧县| 鄂托克旗| 普洱| 会宁县| 泸州市| 巴中市| 陕西省| 太原市| 泰州市| 深州市| 高州市| 开封县| 通化县| 壤塘县| 石楼县| 湘潭县| 新晃| 五常市| 内丘县| 星子县| 延寿县| 修武县| 天津市| 通海县| 荥经县| 佛冈县| 宁津县| 吉首市| 修武县| 盐边县| 新晃| 湘潭市| 甘南县| 安岳县| 台南市| 苍南县| 蒲城县| 穆棱市|