貨幣供應(yīng)量中M0時間序列的分析與預(yù)測

1、    貨幣供應(yīng)量中m0時間序列的分析與預(yù)測    崔夢瑩【摘 要】 貨幣流通中的現(xiàn)金m0、m1、m2都是中國貨幣供應(yīng)量的重要統(tǒng)計指標(biāo)之一，過對現(xiàn)有數(shù)據(jù)的觀察，發(fā)現(xiàn)m0的變化具有良好的性質(zhì)，故最終在m0、m1、m2中選取m0作為研究對象；利用eviews軟件對16年的m0時間序列數(shù)據(jù)做一階12步差分，結(jié)合自相關(guān)檢驗和單位根檢驗得出殘差序列是平穩(wěn)非白噪聲季節(jié)序列，故采用arma（p，q）模型擬合殘差序列；經(jīng)多次調(diào)整p、q取值后，模型新殘差序列仍是非白噪聲，即說明原殘差序列用簡單季節(jié)模型擬合不好，說明原序列中的季節(jié)影響與其他影響之間不是簡單加法關(guān)系，通常它們

2、之間具有乘積關(guān)系，故對殘差序列采用乘積季節(jié)模型進(jìn)行擬合，擬合較好，并對2017年1月至2017年5月的殘差值進(jìn)行預(yù)測?！娟P(guān)鍵詞】 現(xiàn)金流通量m0 時間序列 平穩(wěn)白噪聲一、研究對象選擇針對貨幣供給量問題，分析數(shù)據(jù)可知，m0在這將近40年中一直保持穩(wěn)步增長、并且呈現(xiàn)了明顯的季節(jié)趨勢， m0更具有實時間序列的良好性質(zhì)； m1雖然也保持了增長，然而其增速并不均勻，短期波動很大；m2同m1類似。綜上所述，最終選擇m0作為研究對象，研究貨幣供應(yīng)量中m0時間序列的分析與預(yù)測。二、理論部分1、乘積季節(jié)模型簡介既有趨勢性又有季節(jié)性的時間序列，得季節(jié)為s且具有趨勢性的模型為：其中為間隔為s步的一階差分，為間隔為s

3、步的d階差分，d為正整數(shù)。在季節(jié)性內(nèi)部也有趨勢性，上式的右端可表示為綜合上面兩個式子，可得既有趨勢性又有季節(jié)性的乘積模型的統(tǒng)一模型為：2、季節(jié)時間序列模型的建模步驟（1） 對時間序列進(jìn)行季節(jié)差分和差分，得到一個平穩(wěn)非白噪聲序列；（2） 計算差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)，選擇一個暫定模型；（3） 由差分序列的適當(dāng)自相關(guān)和偏自相關(guān)值求得模型的初始估計值并將這些估計值作為最小二乘估計的初始值，對模型參數(shù)進(jìn)行顯著性檢驗；（4） 對估計得到的暫定模型的剩余進(jìn)行適應(yīng)性檢驗，即白噪聲檢驗，來決定是否接受暫定模型，檢驗過程直至得到最優(yōu)模型為止。三、實證分析1、剔除季節(jié)因素的影響時間序列分析數(shù)據(jù)的初步平

4、穩(wěn)化處理；由于該時間序列的變動受到季節(jié)因素、趨勢因素和隨機(jī)因素的影響，在大致相近的月份，同處于波峰或波谷，是一個典型的季節(jié)性非平穩(wěn)時間序列。因此，采用周期為12個月的季節(jié)差分剔除季節(jié)因素對m0的部分影響。2、平穩(wěn)性檢驗平穩(wěn)性檢驗從圖上可以直觀的看出該時間序列仍不平穩(wěn)，進(jìn)一步的，我們考察時間序列的自相關(guān)和偏自相關(guān)圖。從自相關(guān)系數(shù)可以看出，呈周期衰減到零的速度非常緩慢，所以斷定時間序列m0非平穩(wěn)，進(jìn)一步對其做adf檢驗，結(jié)果相同。新序列并未通過自相關(guān)檢驗，新序列是非平穩(wěn)非白噪聲序列。3、arima模型的構(gòu)造由于自相關(guān)圖和偏自相關(guān)圖都是拖尾的，因此可以設(shè)定為arma過程，時間序列m0一階差分后的自相

5、關(guān)函數(shù)1.2階都比較顯著，從第三階開始不太顯著、下降幅度也比較大；偏自相關(guān)函數(shù)1.2階也很顯著，從第三階開始大幅度下降，所以想初步建立arma（2，2）模型。模型參數(shù)全部通過檢驗，因為所有的解釋變量的系數(shù)估計值都是顯著的，為了確定是否存在更好的模型，我們再次試驗幾個取值，比較aic，最終建立模型arma（2，4）。4、模型的改進(jìn)依據(jù)平穩(wěn)非白噪聲序列的自相關(guān)結(jié)果圖可知，自新序列并未通過自相關(guān)檢驗，新序列是非平穩(wěn)非白噪聲序列。自相關(guān)圖顯示序列是1階截尾，后期出現(xiàn)反彈；偏自相關(guān)圖顯示序列具有拖尾性，后期也出現(xiàn)了反彈。再嘗試選取arma（p，q）簡單季節(jié)模型對時間序列進(jìn)行擬合后，模型殘差序列仍是平穩(wěn)非

6、白噪聲序列，說明時間序列的季節(jié)影響和其他影響之間不是簡單加法關(guān)系，可能是一種復(fù)雜的關(guān)聯(lián)關(guān)系，為進(jìn)一步提高擬合精度，選取arima（p，d，q）（乘積季節(jié)模型）對原序列進(jìn)行擬合。同時由于開始時的數(shù)據(jù)太多，可能會導(dǎo)致擬合不準(zhǔn)確，影響模型的建立建立，所以為了使數(shù)據(jù)更準(zhǔn)確，更貼近近些年的真實情況，我們剔除掉2001年以前的數(shù)據(jù)。假設(shè)d=1； p=1，2，3，4； q=1，2，3，4； 進(jìn)行共計16次擬合。從模型參數(shù)顯著性檢驗、r-square、aic信息量以及d-w系數(shù)綜合選擇最優(yōu)模型arma（4，4）x（1，0，1）12，模型擬合參數(shù)檢驗，對新殘差序列自相關(guān)檢驗，新殘差序列是白噪聲，說明該序列無再多

7、信息可提取。原序列m0擬合模型的表達(dá)式如下：四、現(xiàn)實意義m0的下降說明了我國經(jīng)濟(jì)運(yùn)行的疲軟態(tài)勢，傳統(tǒng)三駕馬車的拉動能力有限，經(jīng)濟(jì)下行趨勢短時間內(nèi)難以有較大改觀。其中，外貿(mào)出口有所反彈，但是就長遠(yuǎn)看形式不容樂觀；消費(fèi)回落，尤其是房地產(chǎn)需求不斷減少、庫存增大；依靠投資拉動的回報率已經(jīng)越來越小，效率很低。在這種情況下，我們應(yīng)該做到：（1）央行在匯率上保持靈活性，促進(jìn)出口，穩(wěn)定經(jīng)濟(jì)。（2）加大穩(wěn)增長的政策力度，政府要逐步加強(qiáng)“微刺激”政策的落實力度，尤其是基建方面的投資，同時開放民營資本。（3）防止房地產(chǎn)投資過快回落所引發(fā)的金額風(fēng)險，進(jìn)一步對房地產(chǎn)，地方政府融資平臺、過剩行業(yè)貸款風(fēng)險進(jìn)行監(jiān)控，防范風(fēng)險向整個金融體系傳導(dǎo)。最后，在穩(wěn)定經(jīng)濟(jì)的同時，中央應(yīng)該加快各項改革的速度。中國目前經(jīng)濟(jì)下行壓力不斷增大，內(nèi)需不足的同時外部環(huán)境還存在很大的不確定性，中央要進(jìn)一步深化改革，尋找經(jīng)濟(jì)增長的內(nèi)生動力，才能從根本上實現(xiàn)長期穩(wěn)定增長。【參考文獻(xiàn)】1 曹紅輝、熊文：如何認(rèn)識供給側(cè)改革的基本內(nèi)涵，人民論壇2015年第36期。2 黃凱南：供給側(cè)和需求側(cè)的共同演化：給予演化增長的視角，南方經(jīng)濟(jì)2015年第12期。3 劉偉、蘇劍：“新常態(tài)”下的中國宏觀調(diào)控，經(jīng)濟(jì)科學(xué)2014年第4期