地震導(dǎo)致外匯儲(chǔ)備產(chǎn)生的機(jī)會(huì)成本

基于SARIMA模型分析日本地震導(dǎo)致外匯儲(chǔ)備產(chǎn)生的機(jī)會(huì)成本南方醫(yī)科大學(xué)梁淇俊、于磊、趙志杰目錄摘要-------------------------------------------------------------------------------------------3問(wèn)題分析--------------------------------------------------------------------------------------41.1.背景重述--------------------------------------------------------------------------------41.2.問(wèn)題分析--------------------------------------------------------------------------------4數(shù)據(jù)來(lái)源及變量的選擇--------------------------------------------------------------------6模型假設(shè)--------------------------------------------------------------------------------------8符號(hào)說(shuō)明--------------------------------------------------------------------------------------9模型建立與求解-----------------------------------------------------------------------------105.1.典型相關(guān)--------------------------------------------------------------------------------105.1.1.方法簡(jiǎn)介------------------------------------------------------------------------105.1.2.模型建立------------------------------------------------------------------------125.1.3.模型求解------------------------------------------------------------------------135.1.4.模型檢驗(yàn)------------------------------------------------------------------------145.1.5.結(jié)果解釋------------------------------------------------------------------------155.2.SARIMA模型--------------------------------------------------------------------------165.2.1.方法簡(jiǎn)介------------------------------------------------------------------------165.2.2.模型建立------------------------------------------------------------------------185.2.3.模型求解------------------------------------------------------------------------225.2.4.模型檢驗(yàn)------------------------------------------------------------------------235.2.5.結(jié)果解釋------------------------------------------------------------------------24結(jié)論--------------------------------------------------------------------------------------------27模型評(píng)價(jià)與改進(jìn)-----------------------------------------------------------------------------27參考文獻(xiàn)--------------------------------------------------------------------------------------30附錄--------------------------------------------------------------------------------------------319.1.詳細(xì)數(shù)據(jù)--------------------------------------------------------------------------------319.1.1.典型相關(guān)分析所需數(shù)據(jù)------------------------------------------------------319.1.2.SARIMA模型所需數(shù)據(jù)------------------------------------------------------339.2.程序--------------------------------------------------------------------------------------359.2.1.典型相關(guān)------------------------------------------------------------------------359.2.2.SARIMA模型------------------------------------------------------------------36摘要2011年3月11日，日本本州島附近發(fā)生強(qiáng)烈地震，對(duì)日本的經(jīng)濟(jì)帶來(lái)巨大的影響，關(guān)于此方面的報(bào)道屢見(jiàn)不鮮，然而大多都傾向于僅給出其直接損失的數(shù)額，而忽略了由于地震導(dǎo)致政策改變所帶來(lái)的間接損失，造成對(duì)經(jīng)濟(jì)損失的低估。本文在此背景下，力求尋找一種方法來(lái)揭示由于地震導(dǎo)致外匯儲(chǔ)備產(chǎn)生的間接損失，并進(jìn)行定量化分析，從而能更客觀地認(rèn)識(shí)到災(zāi)害給日本經(jīng)濟(jì)帶來(lái)的影響。本文首先運(yùn)用典型相關(guān)分析反應(yīng)日本經(jīng)濟(jì)水平——國(guó)內(nèi)生產(chǎn)總值(GDP)——的重要影響因子。通過(guò)對(duì)于背景的分析，本文將GDP劃分為第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)，作為三個(gè)反應(yīng)變量；篩選了勞動(dòng)力人口數(shù)、發(fā)電電力量、原油供給量、進(jìn)口總額、出口總額、匯率、外匯儲(chǔ)備量這7個(gè)因素作為解釋變量，其分析結(jié)果——外匯儲(chǔ)備的載荷僅次于勞動(dòng)力人口數(shù)與發(fā)電電力量，進(jìn)一步證明外匯儲(chǔ)備對(duì)解釋國(guó)內(nèi)成產(chǎn)總值具有重要作用。在典型相關(guān)結(jié)果的基礎(chǔ)之上，根據(jù)外匯儲(chǔ)備的數(shù)據(jù)特點(diǎn)，本文選用時(shí)間序列SARIMA模型，根據(jù)外匯儲(chǔ)備在日本地震前的一個(gè)趨勢(shì)，預(yù)測(cè)若不發(fā)生地震的情況下外匯儲(chǔ)備的發(fā)展趨勢(shì)，與實(shí)際數(shù)據(jù)相對(duì)比，對(duì)這一事件導(dǎo)致日本在外匯儲(chǔ)備上決策的改變所產(chǎn)生的機(jī)會(huì)成本進(jìn)行了定量性的分析，得到的結(jié)論是在2011年3-5月間，由外匯儲(chǔ)備產(chǎn)生的機(jī)會(huì)成本使得日本經(jīng)濟(jì)發(fā)展速度平均每月減緩6.57%。本文數(shù)據(jù)來(lái)自日本統(tǒng)計(jì)年鑒以及日本財(cái)務(wù)省官方網(wǎng)站。模型建立中，應(yīng)用R語(yǔ)言進(jìn)行建模計(jì)算，并對(duì)SARIMA模型參數(shù)編寫程序進(jìn)行檢驗(yàn)，模型擬合的總誤差為7.66%，表明模型擬合較好。本文的特點(diǎn)主要在于以下三點(diǎn)：（1）以外匯儲(chǔ)備歷史數(shù)據(jù)規(guī)律擬合的時(shí)間序列模型與涉及多個(gè)影響因素的模型相比，可以避免因未能找齊所有影響因素而產(chǎn)生的較大誤差；（2）與其他對(duì)于日本地震造成的經(jīng)濟(jì)損失的方向不同，本文“矛頭”指向了間接損失，定量化分析日本地震造成的外匯儲(chǔ)備增長(zhǎng)產(chǎn)生的機(jī)會(huì)成本；（3）本文提出引入機(jī)會(huì)成本的概念這一方法，估計(jì)地震所帶來(lái)的間接經(jīng)濟(jì)損失，從而能更全面地評(píng)價(jià)本次事件帶來(lái)的總體經(jīng)濟(jì)損失。關(guān)鍵字：SARIMA模型典型相關(guān)外匯儲(chǔ)備機(jī)會(huì)成本日本地震1.問(wèn)題分析1.1.背景重述2011年3月11日的地震對(duì)日本產(chǎn)生了多方面的影響。除了地震帶來(lái)的直接人員傷亡以及核泄漏造成的自然影響之外，可以看到地震帶來(lái)的經(jīng)濟(jì)損失如同滾雪球一般逐漸增大。隨著災(zāi)區(qū)的慘狀漸漸水落石出，地震后外界分析的“不會(huì)對(duì)日本經(jīng)濟(jì)造成太大影響”正在逐漸失去說(shuō)服力。對(duì)于災(zāi)難的報(bào)道，新聞公布了一些關(guān)于日本地震的直接經(jīng)濟(jì)損失*，如建筑物損失等，這些損失都可以通過(guò)統(tǒng)計(jì)一次性獲得，對(duì)日本經(jīng)濟(jì)的后續(xù)發(fā)展產(chǎn)生的影響較小。然而眾所周知，一次災(zāi)難所帶來(lái)的損失不僅局限于地震那一時(shí)刻帶來(lái)的一次性打擊，該地區(qū)的經(jīng)濟(jì)很難在震后仍保持原有的發(fā)展速度，國(guó)家會(huì)根據(jù)災(zāi)難程度制定相關(guān)的經(jīng)濟(jì)政策以及制定其他調(diào)節(jié)方案，來(lái)逐步恢復(fù)經(jīng)濟(jì)發(fā)展，因此這會(huì)持續(xù)影響震后相對(duì)長(zhǎng)一段時(shí)間內(nèi)的經(jīng)濟(jì)發(fā)展。而目前的報(bào)道很少探討由于地震帶來(lái)的間接經(jīng)濟(jì)損失**（多數(shù)來(lái)自政府應(yīng)對(duì)災(zāi)難的政策所產(chǎn)生的長(zhǎng)期影響，如外匯儲(chǔ)備的增加相當(dāng)于將本國(guó)用于經(jīng)濟(jì)發(fā)展的投資經(jīng)費(fèi)廉價(jià)的借給其他國(guó)家），這就使得分析不夠全面，容易低估地震所帶來(lái)的經(jīng)濟(jì)損失。因此，探究日本地震經(jīng)濟(jì)損失研究所忽略的間接經(jīng)濟(jì)損失十分重要。1.2.問(wèn)題分析重大的歷史事件往往會(huì)改變經(jīng)濟(jì)的發(fā)展趨勢(shì)，因此有不少學(xué)者對(duì)其進(jìn)行了相關(guān)研究。我國(guó)地震局學(xué)者[1]在查閱前人研究的基礎(chǔ)之上，分析了地震造成社會(huì)災(zāi)害嚴(yán)重、影響地區(qū)經(jīng)濟(jì)發(fā)展的現(xiàn)象，得出地震災(zāi)害嚴(yán)重影響地區(qū)經(jīng)濟(jì)的結(jié)論，并強(qiáng)調(diào)在制定區(qū)域可持續(xù)發(fā)展戰(zhàn)略規(guī)劃時(shí)必須考慮自然災(zāi)害的影響作用[1]。但是目前，研究都停留在一個(gè)描述性研究的層次上，并且大都將重心放在災(zāi)害所帶來(lái)的直接經(jīng)濟(jì)損失上，而忽略了它帶來(lái)的間接經(jīng)濟(jì)損失，損失了很多有價(jià)值的信息。故此，本文致力于探究一種方法，使其可以在地震后的短期內(nèi)能定量化分析其間接經(jīng)濟(jì)損失的影響，對(duì)政府決策的最優(yōu)化提供一些依據(jù)。注：*直接經(jīng)濟(jì)損失：一般認(rèn)為，直接經(jīng)濟(jì)損失是指災(zāi)害直接造成的物質(zhì)形態(tài)的破壞，如糧食產(chǎn)量的下降，房屋建筑、公共設(shè)施及設(shè)備的破壞等**間接經(jīng)濟(jì)損失：徐嵩齡等人[15]認(rèn)為，災(zāi)害的間接經(jīng)濟(jì)損失廣義地包括3類，其中有一類為資源關(guān)聯(lián)型損失，即包括傳統(tǒng)意義上的人力資源和資本資源的損失對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)的影響，又包括災(zāi)害中的自然資源破壞在持續(xù)意義上對(duì)未來(lái)發(fā)展能力的影響。外匯儲(chǔ)備是指以外匯計(jì)價(jià)的資產(chǎn)，包括現(xiàn)鈔、國(guó)外銀行存款、國(guó)外有價(jià)證券等，是一國(guó)用于平衡國(guó)際收支，穩(wěn)定匯率，償還對(duì)外債務(wù)的外匯積累。高豐、于永達(dá)[2]曾發(fā)表論文，闡述外匯儲(chǔ)備增長(zhǎng)對(duì)經(jīng)濟(jì)的穩(wěn)定和安全發(fā)揮著巨大作用，同時(shí)也會(huì)加劇通貨膨脹的壓力，削弱本國(guó)的產(chǎn)品出口競(jìng)爭(zhēng)力，并且造成機(jī)會(huì)成本增加甚至資金資源浪費(fèi)。文章說(shuō)明了外匯儲(chǔ)備的多少對(duì)本國(guó)經(jīng)濟(jì)的影響十分巨大[2]。且值得關(guān)注的是，外匯儲(chǔ)備在日本經(jīng)濟(jì)發(fā)展中扮演的重要角色。從多年的實(shí)際情況來(lái)看，巨額外匯儲(chǔ)備給日本經(jīng)濟(jì)帶來(lái)了較好的投資回報(bào)，保證了資金的增值[3]。但是外匯儲(chǔ)備并非越多越好，越來(lái)越多的人開(kāi)始關(guān)注外匯儲(chǔ)備對(duì)于經(jīng)濟(jì)的重要性，比如說(shuō)對(duì)于外匯儲(chǔ)備激增的負(fù)面影響[4]等研究，匯率也直接受外匯儲(chǔ)備的影響。觀察日本經(jīng)濟(jì)公布的網(wǎng)站，可以發(fā)現(xiàn)其外匯儲(chǔ)備在三月份發(fā)生了巨額提高，從中可以看出日本政府對(duì)于調(diào)整經(jīng)濟(jì)政策采取了干預(yù)措施，這必然增加了其帶來(lái)的機(jī)會(huì)成本。故地震所導(dǎo)致外匯儲(chǔ)備產(chǎn)生的機(jī)會(huì)成本作為間接經(jīng)濟(jì)損失的重要組成部分之一，是本文研究的重心。目前對(duì)于經(jīng)濟(jì)數(shù)據(jù)的研究中，計(jì)量經(jīng)濟(jì)學(xué)中主要推薦使用時(shí)間序列的方法。時(shí)間序列的特性主要有隨機(jī)性、平穩(wěn)性和季節(jié)性三個(gè)方面，其中以平穩(wěn)性和季節(jié)性更為重要[5]。時(shí)間序列早期的研究分為時(shí)域方法和頻域方法。其中時(shí)域方法是分析時(shí)間序列的樣本自相關(guān)函數(shù)毛病建立參數(shù)模型，如ARMA（Auto-RegressiveMovingAverageModel）模型，以此來(lái)描述序列的動(dòng)態(tài)依賴關(guān)系。然而，ARMA模型的前提保證是序列是平穩(wěn)的，不符合經(jīng)濟(jì)數(shù)據(jù)一般都是非平穩(wěn)的特征。在此基礎(chǔ)上，\o"博克思"博克思(\o"Box"Box)和\o"詹金斯"詹金斯(\o"Jenkins"Jenkins)于70年代初提出的一著名時(shí)間序列預(yù)測(cè)方法，即ARIMA(Auto-RegressiveIntegratedMovingAverageModel)模型，它在經(jīng)濟(jì)預(yù)測(cè)過(guò)程中既考慮了經(jīng)濟(jì)現(xiàn)象在時(shí)間序列上的依存性，又考慮了隨機(jī)波動(dòng)的干擾性，對(duì)于經(jīng)濟(jì)運(yùn)行短期趨勢(shì)的預(yù)測(cè)準(zhǔn)確率較高，是近年應(yīng)用比較廣泛的方法之一。然而，它忽略了時(shí)間序列中季節(jié)性的特點(diǎn)。在這個(gè)模型的基礎(chǔ)之上，為了在模型中描述季節(jié)性的特點(diǎn)，有學(xué)者提出了改進(jìn)模型SARIMA(SeasonalAuto-RegressiveIntegratedMovingAverageModel)模型，即季節(jié)性自回歸滑動(dòng)平均模型。它主要用于識(shí)別含有季節(jié)波動(dòng)與外在事件波動(dòng)對(duì)因變量所產(chǎn)生影響的預(yù)測(cè)。模型包含趨勢(shì)性和季節(jié)性，因其能很好地反映出經(jīng)濟(jì)指標(biāo)的周期性變化，體現(xiàn)經(jīng)濟(jì)周期的特點(diǎn)，所以該模型常用于宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)。由于現(xiàn)有研究大多偏向于描述性分析外匯儲(chǔ)備對(duì)于經(jīng)濟(jì)增長(zhǎng)的重要性，本文基于數(shù)學(xué)思維的嚴(yán)謹(jǐn)性，將外匯儲(chǔ)備與一些公認(rèn)的對(duì)國(guó)內(nèi)生產(chǎn)總值（GDP）有影響的因子（如能源、電力、進(jìn)出口總額等）做比較，從而揭示外匯儲(chǔ)備對(duì)GDP的重要性。另一方面，注意到國(guó)內(nèi)生產(chǎn)總值可以分為三大產(chǎn)業(yè)，而且三大產(chǎn)業(yè)的國(guó)內(nèi)生產(chǎn)值對(duì)國(guó)內(nèi)生產(chǎn)力水平的依賴程度有所不同，被經(jīng)濟(jì)政策影響的程度也各異。這就涉及到一組變量對(duì)另一組變量的相關(guān)性研究，故此本文使用典型相關(guān)來(lái)解決此問(wèn)題。在進(jìn)行典型相關(guān)分析的基礎(chǔ)上，對(duì)于外匯儲(chǔ)備進(jìn)行進(jìn)一步的時(shí)間序列的分析。本文以2011年6月日本財(cái)務(wù)省官方網(wǎng)站公布的數(shù)據(jù)為基礎(chǔ)，根據(jù)外匯儲(chǔ)備在日本地震前的一個(gè)趨勢(shì)，預(yù)測(cè)如果不發(fā)生地震外匯儲(chǔ)備的發(fā)展趨勢(shì)，與實(shí)際數(shù)據(jù)相對(duì)比，做出定量化的分析。并且，用此種方法來(lái)舉例說(shuō)明如何運(yùn)用時(shí)間序列的方法來(lái)估算間接經(jīng)濟(jì)損失。注：本文文中所提及的各種損失定義如圖1所示，整個(gè)方框代表由于地震造成的總體經(jīng)濟(jì)損失。為了方便敘述，文中所使用的機(jī)會(huì)成本是指由地震所導(dǎo)致外匯儲(chǔ)備產(chǎn)生的間接經(jīng)濟(jì)損失。由地震產(chǎn)生的直接由地震產(chǎn)生的直接經(jīng)濟(jì)損失（如建筑損失等）由地震產(chǎn)生的間接經(jīng)濟(jì)損失外匯儲(chǔ)備政策調(diào)整中產(chǎn)生的機(jī)會(huì)成本圖1損失定義圖2.數(shù)據(jù)來(lái)源及變量的選擇本文關(guān)于國(guó)內(nèi)生產(chǎn)總值、三產(chǎn)業(yè)在國(guó)內(nèi)生產(chǎn)總值的比例、勞動(dòng)力人口數(shù)、發(fā)電電力量、原油供給量、進(jìn)出口總額、匯率、外匯儲(chǔ)備量的數(shù)據(jù)來(lái)自日本統(tǒng)計(jì)年鑒（年計(jì)）；而按月計(jì)算的外匯儲(chǔ)備量的數(shù)據(jù)來(lái)自于日本財(cái)務(wù)省官方網(wǎng)站。下面首先對(duì)各個(gè)變量的選擇進(jìn)行解釋說(shuō)明：勞動(dòng)力人口：考慮到日本GDP位于世界前列與日本國(guó)民勤奮努力、憂患意識(shí)強(qiáng)，受過(guò)良好的教育，國(guó)內(nèi)有大批素質(zhì)良好的勞動(dòng)力密不可分，且勞動(dòng)力的水平對(duì)于一個(gè)國(guó)家的經(jīng)濟(jì)增長(zhǎng)很重要，故此納入此指標(biāo)；電力發(fā)電力量、原油供應(yīng)量：能源的消費(fèi)幾乎與經(jīng)濟(jì)增長(zhǎng)呈同步增長(zhǎng)的態(tài)勢(shì)[6]，而電力與石油占日本能源比重很大，故此納入發(fā)電電力量以及原油供給量這兩個(gè)指標(biāo)；進(jìn)出口總額：進(jìn)出口總額都左右著日本國(guó)內(nèi)的生產(chǎn)總值，故選擇進(jìn)口總額和出口總額這兩個(gè)指標(biāo)；外匯儲(chǔ)備：外匯儲(chǔ)備在日本經(jīng)濟(jì)發(fā)展中扮演重要角色，從多年的實(shí)際情況來(lái)看，巨額外匯儲(chǔ)備給日本經(jīng)濟(jì)帶來(lái)了較好的投資回報(bào)，保證了資金的增值[3]。但是外匯儲(chǔ)備并非越多越好，越來(lái)越多的人開(kāi)始關(guān)注外匯儲(chǔ)備對(duì)于經(jīng)濟(jì)的重要性，比如說(shuō)對(duì)于外匯儲(chǔ)備激增的負(fù)面影響[4]，故此納入外匯儲(chǔ)備這個(gè)指標(biāo)；匯率：首先匯率對(duì)國(guó)內(nèi)經(jīng)濟(jì)可以穩(wěn)定物價(jià)；對(duì)國(guó)家外經(jīng)濟(jì)的影響表現(xiàn)在可調(diào)節(jié)進(jìn)出口貿(mào)易順逆差；對(duì)國(guó)際的影響則是匯率變動(dòng)會(huì)使發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家的矛盾加劇。且考慮到外匯儲(chǔ)備與匯率之間有著密切的關(guān)系，故此納入?yún)R率這個(gè)指標(biāo)。國(guó)內(nèi)生產(chǎn)總值主要分成第一、二、三產(chǎn)業(yè)三部分，且考慮到三大產(chǎn)業(yè)的國(guó)內(nèi)生產(chǎn)值對(duì)國(guó)內(nèi)生產(chǎn)水平的依賴程度有所不同，被經(jīng)濟(jì)政策的影響程度也各異，本文欲探究其影響因素通過(guò)何種方式來(lái)對(duì)上述三部分產(chǎn)生影響，進(jìn)而影響國(guó)內(nèi)生產(chǎn)總值，從而選擇了這三個(gè)指標(biāo)作為反應(yīng)變量；基于生產(chǎn)函數(shù)與生產(chǎn)要素的概念，因而考慮勞動(dòng)力與能源是最基本的兩個(gè)生產(chǎn)要素，在勞動(dòng)力方面，我們選取了勞動(dòng)人口指標(biāo)，而電力與石油占日本能源比重很大，故能源方面納入發(fā)電電力量以及原油供給量這兩個(gè)指標(biāo)；產(chǎn)品還可通過(guò)貿(mào)易產(chǎn)生價(jià)值，故考慮國(guó)家貿(mào)易狀況，在本文選取進(jìn)口總額和出口總額這兩個(gè)指標(biāo)；本文欲通過(guò)典型相關(guān)分析，分析外匯儲(chǔ)備相對(duì)于上述重要指標(biāo)對(duì)國(guó)家經(jīng)濟(jì)影響的重要程度，故考慮外匯儲(chǔ)備和匯率兩個(gè)因素。通過(guò)上述分析，上述選擇的變量都是評(píng)價(jià)國(guó)內(nèi)生產(chǎn)總值的重要指標(biāo)。3.模型假設(shè)生產(chǎn)要素，貿(mào)易情況，對(duì)外經(jīng)濟(jì)政策（本文中是指外匯儲(chǔ)備的調(diào)整政策）對(duì)國(guó)內(nèi)生產(chǎn)總值的整體影響是通過(guò)多個(gè)指標(biāo)綜合反映的，但由于跟蹤統(tǒng)計(jì)的指標(biāo)未必齊全，且變量過(guò)多會(huì)使得模型過(guò)于復(fù)雜從而不利于解釋，為合理簡(jiǎn)化變量信息，本文只選取了上述7個(gè)指標(biāo)并做下述假設(shè)：假設(shè)1：以上指標(biāo)所反映對(duì)國(guó)內(nèi)生產(chǎn)總值的影響與日本勞動(dòng)力市場(chǎng)、能源市場(chǎng)、貿(mào)易情況、對(duì)外經(jīng)濟(jì)政策對(duì)國(guó)內(nèi)生產(chǎn)總值的影響相同。本文將地震產(chǎn)生的損失看作直接經(jīng)濟(jì)損失與間接經(jīng)濟(jì)損失之和，通過(guò)計(jì)算2011年3至5月外匯儲(chǔ)備的真實(shí)值與在無(wú)地震情況下的預(yù)測(cè)值之差所產(chǎn)生的機(jī)會(huì)成本，從而估算本次地震導(dǎo)致外匯儲(chǔ)備所產(chǎn)生的間接經(jīng)濟(jì)損失；由于外匯儲(chǔ)備受日本政府調(diào)控，故即使沒(méi)有發(fā)生該次地震，日本政府也可以對(duì)外匯儲(chǔ)備進(jìn)行大幅調(diào)整，但這屬于極端情況，本文為便于研究做如下假設(shè)：假設(shè)2：由于地震導(dǎo)致外匯儲(chǔ)備產(chǎn)生的調(diào)整量（即實(shí)際值與按照原有經(jīng)濟(jì)發(fā)展水平的預(yù)測(cè)值之差）原本全部用于國(guó)內(nèi)經(jīng)濟(jì)建設(shè)。假設(shè)3：從2004年3月至2011年2月的外匯儲(chǔ)備的數(shù)據(jù)規(guī)律能充分反映日本政府的外匯調(diào)整政策。本文中SARIMA模型并沒(méi)有考慮實(shí)際意義上對(duì)外匯儲(chǔ)備變動(dòng)的影響因素，而是通過(guò)運(yùn)用統(tǒng)計(jì)方法根據(jù)歷史數(shù)據(jù)的規(guī)律外推預(yù)測(cè)未來(lái)短中期的數(shù)據(jù)值；通過(guò)查閱文獻(xiàn)，發(fā)現(xiàn)該模型也已得到廣大學(xué)者的認(rèn)可，在多篇論文中均使用該模型預(yù)測(cè)各種指標(biāo)的變化，例如我國(guó)商品進(jìn)出口的預(yù)測(cè)[7]，腎綜合征出血熱發(fā)病率預(yù)測(cè)[8]，城市道路短期交通流預(yù)測(cè)[9]等。據(jù)此，我們做如下假設(shè)：假設(shè)4：其他經(jīng)濟(jì)、社會(huì)因子對(duì)外匯儲(chǔ)備的影響是可以全部籍由外匯儲(chǔ)備歷史數(shù)據(jù)的規(guī)律解釋的。4.符號(hào)說(shuō)明主要變量X1勞動(dòng)力人口（萬(wàn)人）X2發(fā)電電力量（100萬(wàn)kWh）X3原油供給量（1000kl）X4出口總額（10億円）X5進(jìn)口總額（10億円）X6匯率（1美元/円）X7外匯儲(chǔ)備（100萬(wàn)美金）Y1第一產(chǎn)業(yè)（農(nóng)業(yè)、漁業(yè)等）國(guó)內(nèi)生產(chǎn)總值（10億円）Y2第二產(chǎn)業(yè)（制造、建筑、礦業(yè)等）國(guó)內(nèi)生產(chǎn)總值（10億円）Y3第三產(chǎn)業(yè)（服務(wù)、金融、不動(dòng)產(chǎn)、信息等）國(guó)內(nèi)生產(chǎn)總值（10億円）R1第一典型相關(guān)系數(shù)R2第二典型相關(guān)系數(shù)R3第三典型相關(guān)系數(shù)U1第一典型相關(guān)變量中衡量生產(chǎn)力水平指標(biāo)與日本對(duì)外經(jīng)濟(jì)政策指標(biāo)的線性組合V1第一典型相關(guān)變量中三大產(chǎn)業(yè)國(guó)內(nèi)生產(chǎn)總值的線性組合U2第二典型相關(guān)變量中衡量生產(chǎn)力水平指標(biāo)與日本對(duì)外經(jīng)濟(jì)政策指標(biāo)的線性組合V2第二典型相關(guān)變量中三大產(chǎn)業(yè)國(guó)內(nèi)生產(chǎn)總值的線性組合用以建模的時(shí)間序列B滯后算子時(shí)間階向量，其第p行元素為1，其余都為0ADF檢驗(yàn)中的中間變量同上樣本量殘差殘差平方和SARIMA模型中的系數(shù)向量方差系數(shù)估計(jì)中的中間變量相關(guān)系數(shù)h滯后階數(shù)外匯儲(chǔ)備量的原始數(shù)據(jù)D季節(jié)差分的階數(shù)d逐期差分的階數(shù)P季節(jié)性自回歸階數(shù)p自回歸階數(shù)Q季節(jié)性移動(dòng)平均階數(shù)q移動(dòng)平均階數(shù)待檢驗(yàn)參數(shù)個(gè)數(shù)5.模型建立與求解5.1.典型相關(guān)5.1.1.方法簡(jiǎn)介用于探討一組解釋變量(亦即預(yù)測(cè)變量)與一組反應(yīng)變量間的關(guān)系即是典型相關(guān)分析(CanonicalCorrelationAnalysis)，它能夠有效地揭示兩組隨機(jī)變量之間的相互線性依賴關(guān)系。這一方法是由Hotelling首先提出來(lái)的。一般的，假設(shè)有兩組隨機(jī)變量和，研究它們的相關(guān)關(guān)系，當(dāng)p=q=1時(shí)，就是通常兩個(gè)變量X與Y的相關(guān)關(guān)系；當(dāng)二者都大于1時(shí)，采用類似主成分分析的方法，找出第1組變量的線性組合U和第二組變量的線性組合V，即，于是將研究?jī)山M變量的相關(guān)性問(wèn)題轉(zhuǎn)化成研究?jī)蓚€(gè)變量的相關(guān)性問(wèn)題，并且可以適當(dāng)?shù)卣{(diào)整相應(yīng)系數(shù)，使得變量U和V的相關(guān)性達(dá)到最大，稱這種相關(guān)為典型相關(guān)，基于這種原則的分析稱為典型相關(guān)分析。它的定義如下：設(shè)，為隨機(jī)向量，用X與Y的線性組合和之間的相關(guān)來(lái)研究X與Y之間的相關(guān)，并希望找到與b，使最大，由相關(guān)系數(shù)的定義，對(duì)任意的和，有上式說(shuō)明使得相關(guān)關(guān)系最大的和并不唯一。因此，在綜合變量時(shí)，可限定,設(shè)，，維隨機(jī)向量的均值為0，協(xié)方差陣正定。若存在和使得是約束問(wèn)題，，目標(biāo)函數(shù)的最大值，則稱,為X，Y的第一對(duì)典型變量，稱它們之間的相關(guān)系數(shù)為第1典型相關(guān)系數(shù)。模型建立后，應(yīng)對(duì)模型進(jìn)行部分總體典型相關(guān)系數(shù)均為零的假設(shè)檢驗(yàn)，原理如下：假設(shè)前k個(gè)典型相關(guān)系數(shù)是顯著的，現(xiàn)要檢驗(yàn)第k+1個(gè)典型相關(guān)系數(shù)是否顯著，則做如下檢驗(yàn)：。其檢驗(yàn)統(tǒng)計(jì)量為：對(duì)于充分大的n，當(dāng)為真時(shí)，統(tǒng)計(jì)量近似服從自由度為（p-k）（q-k）的分布。在給定的顯著水平下，若，則拒絕原假設(shè)，認(rèn)為第k+1個(gè)典型相關(guān)系數(shù)是顯著的；否則認(rèn)為典型相關(guān)系數(shù)不顯著，那么典型變量只取到k為止。5.1.2.模型建立根據(jù)問(wèn)題分析，選用第一產(chǎn)業(yè)（農(nóng)業(yè)、漁業(yè)等）、第二產(chǎn)業(yè)（制造、建筑、礦業(yè)等）、第三產(chǎn)業(yè)（服務(wù)、金融、不動(dòng)產(chǎn)、信息等）為反應(yīng)變量，勞動(dòng)力人口、電力發(fā)電力量、原油供應(yīng)、出口總額、進(jìn)口總額、匯率以及外匯儲(chǔ)備為解釋變量。建立的模型為：5.1.3.模型求解首先計(jì)算3個(gè)反應(yīng)變量與所有7個(gè)解釋變量的相關(guān)矩陣，結(jié)果如表1：表1：三種產(chǎn)業(yè)與七個(gè)解釋變量的相關(guān)矩陣X1X2X3X4X5X6X7Y1Y2Y3X11.0000.9730.3100.8830.783-0.9540.621-0.8710.9440.976X20.9731.0000.3520.9340.867-0.9290.767-0.8860.8990.996X30.3100.3521.0000.2420.260-0.3670.086-0.1000.4010.284X40.8830.9340.2421.0000.973-0.8490.839-0.8690.8190.945X50.7830.8670.2600.9731.000-0.7470.877-0.8190.7110.876X6-0.954-0.929-0.367-0.849-0.7471.000-0.5750.799-0.946-0.931X70.6210.7670.0860.8390.877-0.5751.000-0.7420.4900.775Y1-0.871-0.886-0.100-0.869-0.8190.799-0.7421.000-0.742-0.903Y20.9440.8990.4010.8190.711-0.9460.490-0.7421.0000.900Y30.9760.9960.2840.9450.876-0.9310.775-0.9030.9001.000從相關(guān)矩陣中可以得到如下信息：除X3原油供給量這個(gè)指標(biāo)外，其余指標(biāo)兩兩之間的相關(guān)系數(shù)絕對(duì)值都較大，相關(guān)程度大X7外匯儲(chǔ)備與三大產(chǎn)業(yè)國(guó)內(nèi)生產(chǎn)值中的第三產(chǎn)業(yè)國(guó)內(nèi)生產(chǎn)總值相關(guān)程度最大，且呈正相關(guān)，這表明外匯儲(chǔ)備適度增加，第三產(chǎn)業(yè)生產(chǎn)值的也隨之增加。X7外匯儲(chǔ)備與Y1第一產(chǎn)業(yè)國(guó)內(nèi)生產(chǎn)總值呈負(fù)相關(guān)，相關(guān)性略次于與第一產(chǎn)業(yè)的相關(guān)，且表明外匯儲(chǔ)備增加會(huì)使第一產(chǎn)業(yè)即農(nóng)牧業(yè)的生產(chǎn)值減少。X7外匯儲(chǔ)備與Y2第二產(chǎn)業(yè)生產(chǎn)值的相關(guān)系數(shù)相對(duì)較小。下面首先消除數(shù)量級(jí)影響，將數(shù)據(jù)標(biāo)準(zhǔn)化，隨后使用典型相關(guān)分析，從而更系統(tǒng)的分析7個(gè)解釋變量與3個(gè)反應(yīng)變量間的關(guān)系，得到的結(jié)果如下：三個(gè)典型相關(guān)系數(shù)分別為：R1=0.999，R2=0.841，R3=0.419。表2：典型相關(guān)X的載荷矩陣1234567X1-0.070-0.2450.9500.0550.3530.425-2.108X2-0.0580.435-0.946-0.509-0.068-0.0812.704X30.005-0.070-0.0670.0840.0190.103-0.297X40.002-0.256-0.3320.486-1.1520.506-0.124X5-0.0080.1330.380-0.0230.926-0.3620.337X60.0070.1200.0840.011-0.0250.546-0.007X7-0.0250.0800.120-0.001-0.035-0.021-0.950表3：典型相關(guān)Y的載荷矩陣123Y1-0.0010.038-0.390Y20.005-0.3710.110Y3-0.1610.366-0.4525.1.4.模型檢驗(yàn)根據(jù)上述部分總體典型相關(guān)系數(shù)均為零的檢驗(yàn)，得到的結(jié)果k為2，即典型變量只取到第2個(gè)為止。得到的最終模型如下：計(jì)算樣本數(shù)據(jù)在典型變量下的得分，畫出典型變量間的散點(diǎn)圖：圖2第1典型變量為坐標(biāo)的散點(diǎn)圖（左）第2典型變量為坐標(biāo)的散點(diǎn)圖（右）從圖中也可以看出，第一典型變量和第二典型變量的圖趨向于一條直線，相關(guān)性較強(qiáng)。5.1.5.結(jié)果解釋從上面的結(jié)果可以得到關(guān)于日本經(jīng)濟(jì)發(fā)展與各個(gè)變量之間的大量信息，然而由于篇幅限制，本文僅對(duì)有關(guān)外匯儲(chǔ)備的結(jié)果進(jìn)行詳細(xì)闡述：首先從第一典型相關(guān)中可以看到，其結(jié)果R1=0.9995534，說(shuō)明U1，V1之間具有高度的相關(guān)。V1中第三產(chǎn)業(yè)Y3的載荷最大，而U1中勞動(dòng)力人口X1以及電力發(fā)電力量X2的載荷最大，這從數(shù)值上說(shuō)明了發(fā)電電力量、勞動(dòng)力人口是衡量生產(chǎn)力水平的主要指標(biāo)，符合公認(rèn)的經(jīng)濟(jì)規(guī)律；緊隨其后的即為外匯儲(chǔ)備X7，表明外匯儲(chǔ)備對(duì)于第三產(chǎn)業(yè)的發(fā)展十分重要；其次可以觀察到，無(wú)論是第一典型相關(guān)還是第二典型相關(guān)，外匯儲(chǔ)備X7的符號(hào)均與第三產(chǎn)業(yè)Y3相同，這表明二者在一定程度上呈正相關(guān)關(guān)系；觀察第二典型相關(guān)，可以發(fā)現(xiàn)V2中第二產(chǎn)業(yè)Y2與第三產(chǎn)業(yè)Y3的載荷都比較大，也就是這一相關(guān)中是結(jié)合第二產(chǎn)業(yè)以及第三產(chǎn)業(yè)的影響；U2中勞動(dòng)力人口和電力發(fā)電力量仍然占有較大比重，而外匯儲(chǔ)備的載荷卻顯著降低，這說(shuō)明外匯儲(chǔ)備對(duì)于第二產(chǎn)業(yè)的影響很小，僅對(duì)第三產(chǎn)業(yè)有較大影響。觀察日本經(jīng)濟(jì)數(shù)據(jù)，發(fā)現(xiàn)日本第三產(chǎn)業(yè)的比重很大（從80年代初期到現(xiàn)在從50%增長(zhǎng)到80%），故此日本的經(jīng)濟(jì)主要受第三產(chǎn)業(yè)的影響。綜合上面的分析可以得出以下結(jié)論，外匯儲(chǔ)備對(duì)于匯率的調(diào)控與對(duì)經(jīng)濟(jì)發(fā)展影響也不能輕視，合理的調(diào)整外匯儲(chǔ)備是一個(gè)國(guó)家應(yīng)完成的至關(guān)重要的經(jīng)濟(jì)決策任務(wù)，不然就會(huì)成為制約國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)的瓶頸。5.2.SARIMA模型5.2.1.方法簡(jiǎn)介通常，歷史數(shù)據(jù)會(huì)與一定潛在周期的倍數(shù)時(shí)間點(diǎn)上存在強(qiáng)烈的關(guān)系，經(jīng)濟(jì)學(xué)的數(shù)據(jù)尤為如此。SARIMA模型，即季節(jié)性自回歸滑動(dòng)平均模型，和ARIMA模型均由ARMA模型擴(kuò)展而來(lái)，主要用于識(shí)別含有季節(jié)波動(dòng)與外在事件波動(dòng)對(duì)因變量所產(chǎn)生影響的預(yù)測(cè)。而SARIMA模型包含趨勢(shì)性和季節(jié)性，從而可以更好的擬合經(jīng)濟(jì)類的數(shù)據(jù)，根據(jù)定義，需要將數(shù)據(jù)轉(zhuǎn)化為均值為零的數(shù)列后再進(jìn)行分析。它具體可表示為模型，式中：d和D分別為逐期差分和季節(jié)差分的階數(shù)；p，q分別為自回歸和移動(dòng)平均的階數(shù)；P，Q分別為季節(jié)自回歸和季節(jié)移動(dòng)平均的階數(shù)；s為季節(jié)周期。模型可表示如下[10]：其中，，，，，，，為殘差，是一個(gè)高斯白噪聲的隨機(jī)過(guò)程。在模型建立之初，首先應(yīng)對(duì)模型進(jìn)行平穩(wěn)性檢驗(yàn)。本文使用傳統(tǒng)的ADF檢驗(yàn)法[11]，其原理如下：情形1：情形2：情形3：分別對(duì)以上3個(gè)情形進(jìn)行檢驗(yàn)，零假設(shè)和備擇假設(shè)均分別是：，。統(tǒng)計(jì)量，其中為階向量，其第p行元素為1，其余都為0；為階向量，（）；；T為樣本量。SARIMA模型中最重要的一步就在于階數(shù)的選擇，主要使用的方法有ACF和PACF法，AIC準(zhǔn)則法等。本文結(jié)合應(yīng)用這兩種方法進(jìn)行定階，即首先用ACF和PACF法來(lái)初選幾種可能的階數(shù)，組合后建立模型，再運(yùn)用AIC準(zhǔn)則進(jìn)行篩選，選AIC值最小的為最佳階數(shù)模型。選好階數(shù)之后，應(yīng)對(duì)模型中的系數(shù)進(jìn)行估計(jì)，估計(jì)方法如下：，其中如果q=0則直接對(duì)用條件最小二乘法求得即可，如果q>0則用條件最小二乘法求得作為初值然后再用最大似然估計(jì)進(jìn)行迭代出最后收斂的結(jié)果：，其中，模型建立完成后，需對(duì)模型進(jìn)行檢驗(yàn)，本文使用的方法有殘差A(yù)CF檢驗(yàn)、Ljung-Box檢驗(yàn)、殘差正態(tài)性檢驗(yàn)。其中Ljung-Box檢驗(yàn)方法原理如下：：數(shù)據(jù)是隨機(jī)的，：數(shù)據(jù)是非隨機(jī)的檢驗(yàn)統(tǒng)計(jì)量：~其中，T是樣本量,是j階滯后自相關(guān)系數(shù),h是被檢驗(yàn)的滯后階數(shù)。5.2.2.模型建立由于在2004年3月前，日本政府對(duì)外匯儲(chǔ)備的決策進(jìn)行了大力度的干預(yù)（來(lái)自泰晤士報(bào)報(bào)道[12]），故此在數(shù)據(jù)選擇上使用04年3月之后的數(shù)據(jù)，對(duì)其數(shù)值做對(duì)數(shù)處理，并減去其均值的對(duì)數(shù)值，即：作圖觀察其走勢(shì)，即：圖3xt走勢(shì)圖可以看到日本的外匯儲(chǔ)備大體上是呈上升趨勢(shì)的。為了建立時(shí)間序列模型，從而預(yù)測(cè)外匯儲(chǔ)備的變化趨勢(shì)，首先對(duì)該數(shù)據(jù)資料進(jìn)行平穩(wěn)性檢驗(yàn)。本文使用的方法為單位根檢驗(yàn)，并結(jié)合ACF圖以及PACF圖更直觀的說(shuō)明問(wèn)題。依據(jù)上述提到的單位根檢驗(yàn)的原理，進(jìn)行檢驗(yàn)，得到的圖形和結(jié)果如下：圖4原序列ACF及PACF圖從ACF圖以及PACF圖中看出，自相關(guān)函數(shù)具有拖尾性，偏自相關(guān)系數(shù)在滯后一階處逼近于1，對(duì)上述方法簡(jiǎn)介中闡述三種情形作ADF檢驗(yàn)結(jié)果分別為，情形1：p=0.4881，情形2：p=0.8950，情形3：p=0.3412，均不能拒絕原假設(shè)，即存在單位根，即原時(shí)間序列應(yīng)為為I（1）序列。因此需要對(duì)數(shù)據(jù)做差分處理，即：差分之后再次進(jìn)行ADF檢驗(yàn)，得到如下結(jié)果：圖5差分序列ACF及PACF圖ADF檢驗(yàn)結(jié)果分別為：情形1：p=3.511e-8，情形2：p=2.343e-7，情形3：p=1.082e-6，均拒絕原假設(shè)，即不存在單位根，可以認(rèn)為序列是平穩(wěn)的。從ACF以及PACF圖中可以觀察出，該數(shù)據(jù)具有以7個(gè)月為周期的季節(jié)特征，基于上述理論，初步推測(cè)應(yīng)當(dāng)使用模型，且其周期定為7。另外出于解釋上的考慮，以6個(gè)月為周期可能更易讓人理解，因此我們分別做了如下處理，即：周期為6：周期為7：對(duì)差分后的數(shù)據(jù)做ACF圖以及PACF圖，結(jié)合ACF、PACF法以及AIC準(zhǔn)則定階方法對(duì)模型進(jìn)行定階：圖6季節(jié)性差分序列ACF及PACF圖由于以周期為6和7的模型的逐期差分d和季節(jié)差分D均為1，觀察ACF圖以及PACF圖，可以看到，周期為6的模型自回歸階數(shù)p為0，移動(dòng)平均階數(shù)q也為0，季節(jié)自回歸階數(shù)P為2，季節(jié)移動(dòng)平均階數(shù)Q為1；周期為7的模型自回歸階數(shù)p為0或者4，相應(yīng)的移動(dòng)平均階數(shù)q為0或者4，季節(jié)自回歸階數(shù)P為2，季節(jié)移動(dòng)平均階數(shù)Q為1。即產(chǎn)生如下三個(gè)模型：SARIMA(0,1,0)X(2,1,1)6AIC=-467.39SARIMA(0,1,0)X(2,1,1)7AIC=-470.50SARIMA(4,1,4)X(2,1,1)7AIC=-461.51經(jīng)過(guò)檢驗(yàn)，3個(gè)模型的每個(gè)值的Ljung-Box的統(tǒng)計(jì)量的p值都大于0.05，具有統(tǒng)計(jì)學(xué)意義，說(shuō)明模型均合理，通過(guò)比較AIC值的大小，發(fā)現(xiàn)第三個(gè)模型即SARIMA(0,1,0)X(2,1,1)7的效果相對(duì)來(lái)說(shuō)更為理想，因此選用此模型。5.2.3.模型求解對(duì)上述模型進(jìn)行擬合，得到的模型參數(shù)：=-0.58，=-0.21，=-0.68，（均保留兩位小數(shù)）。即得到模型如下：將上述模型展開(kāi)，即可以看作一個(gè)三個(gè)自變量對(duì)一個(gè)因變量的多元回歸模型，根據(jù)如下原理[13]編寫系數(shù)的t檢驗(yàn)程序（見(jiàn)附錄9.2.2部分中#對(duì)最好的模型進(jìn)行參數(shù)檢驗(yàn)部分）：~其中，計(jì)算得到模型系數(shù)的檢驗(yàn)結(jié)果，具體如下：表4：參數(shù)檢驗(yàn)結(jié)果系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)量P值-0.58490.1821-3.2119710.003-0.21290.1663-1.2799520.175-0.67670.1970-3.4347810.002可以看出無(wú)統(tǒng)計(jì)學(xué)意義，因此考慮將其去掉并重新擬合。得到=-0.42，=-0.83，（結(jié)果保留兩位小數(shù)），即得到模型如下：再次運(yùn)用t檢驗(yàn)檢驗(yàn)參數(shù)，得到結(jié)果如下：表5：改進(jìn)模型的檢驗(yàn)結(jié)果系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計(jì)量P值-0.41610.1172-3.5502420.001-0.82680.1468-5.6321240.000表明兩個(gè)系數(shù)均有意義，將上式展開(kāi)，得到最終模型：5.2.4.模型檢驗(yàn)進(jìn)行模型檢驗(yàn)，得到結(jié)果如下：從ACF證明該模型已經(jīng)很好地消除了該序列中的自相關(guān)特性，能較好地?cái)M合該時(shí)間序列。從最下方的圖可看出Ljung-Box統(tǒng)計(jì)量的p值都大于0.05（所有觀測(cè)點(diǎn)都位于檢驗(yàn)水準(zhǔn)0.05的水平線之上），證明該模型合理。圖7SARIMA模型檢驗(yàn)結(jié)果圖對(duì)其殘差做Shapiro正態(tài)性檢驗(yàn)，p值為0.3717，顯示不拒絕其服從正態(tài)分布的原假設(shè)，即殘差呈正態(tài)分布，進(jìn)一步說(shuō)明模型效果良好。以下是通過(guò)回代得出外匯儲(chǔ)備量的真實(shí)值和擬合值的走勢(shì)圖：圖8外匯儲(chǔ)備走勢(shì)擬合圖從圖中可以看到作為虛線的擬合曲線與實(shí)線的真實(shí)值十分接近，且經(jīng)過(guò)計(jì)算得到其總誤差占真實(shí)值的比例為7.66%，表明擬合效果良好。5.2.5.結(jié)果解釋上述過(guò)程證實(shí)外匯儲(chǔ)備存在7個(gè)月(可近似看作半年)的周期，考慮到日本經(jīng)濟(jì)周期為一年（通過(guò)查閱日本季度GDP數(shù)據(jù)得到，具體見(jiàn)圖9）以及經(jīng)濟(jì)數(shù)據(jù)的滯后效應(yīng)，據(jù)此可發(fā)現(xiàn)一個(gè)讓人比較容易接受的結(jié)論：這個(gè)月的外匯儲(chǔ)備受到半年前，一年前，甚至一年半以前的數(shù)據(jù)的影響，或者說(shuō)，日本政府在對(duì)外匯儲(chǔ)備做決策時(shí)，有意或無(wú)意地會(huì)考慮到半年前或者一年前的外匯儲(chǔ)備量。圖9經(jīng)濟(jì)周期態(tài)勢(shì)圖注：0處為2008年1月，實(shí)線為季度GDP的走勢(shì)，虛線為周期為12個(gè)月的余弦函數(shù)，由于同季度的3個(gè)月內(nèi)的季度GDP值相同，故線條會(huì)出現(xiàn)局部平緩的現(xiàn)象。通過(guò)以上模型分別預(yù)測(cè)假設(shè)沒(méi)有發(fā)生地震時(shí)2011年3月、4月、5月的外匯儲(chǔ)備并與真實(shí)值對(duì)比，結(jié)果如下：表6：外匯儲(chǔ)備預(yù)測(cè)值（未發(fā)生地震情形下）與真實(shí)值對(duì)比時(shí)間外匯儲(chǔ)備（單位：百萬(wàn)美元）2011.32011.42011.5真實(shí)值111602511355491139524預(yù)測(cè)值109706910939081094197差額189564164145327假設(shè)以上差額即全部外匯儲(chǔ)備調(diào)整，以及同一季度每個(gè)月的GDP相等，然后求得其調(diào)整量在每個(gè)月GDP里所占的比重。根據(jù)GDP的支出法核算方式，即GDP=消費(fèi)+投資+政府支出+凈出口，在此做保守估計(jì)，即不考慮投資收益率與外匯儲(chǔ)備收益率之差（有研究表明外匯儲(chǔ)備的增加在某種程度上等同于以廉價(jià)的收益把資金借予其他國(guó)家，故上述差值一般為正數(shù)），所以如果外匯儲(chǔ)備的調(diào)整量全部用于國(guó)內(nèi)投資，至少會(huì)讓GDP上升其調(diào)整量的100%。據(jù)此，本文將地震所導(dǎo)致外匯儲(chǔ)備變動(dòng)而產(chǎn)生的經(jīng)濟(jì)發(fā)展延緩程度定義為外匯儲(chǔ)備3月至5月的差額與當(dāng)月GDP的比例的均值，即，具體計(jì)算結(jié)果見(jiàn)表7，圖10更為形象的展現(xiàn)了二者之間的差額。表7：外匯儲(chǔ)備比重時(shí)間項(xiàng)目2011.32011.42011.5外匯儲(chǔ)備調(diào)整量（百萬(wàn)美元）18,95641,64145,327匯率（美元兌日元）81.719883.2581.14362011年第一季度GDP（十億日元）132,314132,314132,314所占月GDP比例3.51%7.86%8.34%圖10可直觀地觀察到上述數(shù)據(jù)的差距，虛線為3-5月的真實(shí)值，實(shí)線為預(yù)測(cè)值：圖10真實(shí)值與預(yù)測(cè)值對(duì)比圖注：紅圈所示實(shí)虛線之差即為表7中的外匯儲(chǔ)備調(diào)整額（百萬(wàn)美元）結(jié)論由于外匯儲(chǔ)備的變動(dòng)會(huì)影響到各個(gè)方面，且本文并沒(méi)有對(duì)各個(gè)方面的效益作出定量化的預(yù)測(cè)，故在此并不對(duì)日本政府調(diào)整如此之多的外匯儲(chǔ)備做出任何評(píng)價(jià)，僅針對(duì)本次地震事件使得日本的外匯儲(chǔ)備大幅調(diào)整所帶來(lái)的機(jī)會(huì)成本，旨在說(shuō)明該事件對(duì)日本的影響不單單是財(cái)務(wù)報(bào)表上的所提及的會(huì)計(jì)利潤(rùn)的虧損，還會(huì)在各個(gè)領(lǐng)域存在為此而不得不產(chǎn)生改變而導(dǎo)致的間接經(jīng)濟(jì)損失。本文結(jié)果表明，地震導(dǎo)致外匯儲(chǔ)備在3,4,5月的上漲分別延緩了日本經(jīng)濟(jì)的3.51%，7.86%，8.34%的增長(zhǎng)速度，取其平均數(shù)，即由外匯儲(chǔ)備產(chǎn)生的機(jī)會(huì)成本使得日本經(jīng)濟(jì)發(fā)展速度減緩6.57%。模型評(píng)價(jià)與改進(jìn)7.1．優(yōu)點(diǎn)：1）以外匯儲(chǔ)備歷史數(shù)據(jù)規(guī)律擬合的時(shí)間序列模型與涉及多個(gè)影響因素的模型相比，可以避免因未能找齊所有影響因素而產(chǎn)生的較大誤差。2）與其他對(duì)于日本地震造成的經(jīng)濟(jì)損失的方向不同，本文“矛頭”指向了間接損失，定量化分析日本地震造成的外匯儲(chǔ)備增長(zhǎng)產(chǎn)生的機(jī)會(huì)成本。3）本文提出引入機(jī)會(huì)成本的概念這一方法，估計(jì)地震所帶來(lái)的間接經(jīng)濟(jì)損失，從而能更全面地評(píng)價(jià)本次事件帶來(lái)的總體經(jīng)濟(jì)損失。7.2.缺點(diǎn)：1）只探討了外匯儲(chǔ)備的增加所產(chǎn)生的機(jī)會(huì)成本，未討論外匯儲(chǔ)備增加所帶來(lái)的收益，未能全面評(píng)價(jià)其增加所帶來(lái)的總效益。2）在計(jì)算日本外匯儲(chǔ)備因地震增加的部分造成的機(jī)會(huì)成本略顯粗糙，應(yīng)該引入收益率等概念，使模型結(jié)果更加精確。7.3.模型改進(jìn)：1）引入?yún)?shù)收益率分析外匯儲(chǔ)備增加造成的機(jī)會(huì)成本：假如日本不是將其所獲得的外匯用作國(guó)際儲(chǔ)備，而是投資于國(guó)際金融市場(chǎng)的高收益資產(chǎn)本來(lái)可以獲得的較高收益率i，與以外國(guó)政府債券等形式持有國(guó)際儲(chǔ)備實(shí)際所能獲得的較低收益率if之間的利差(i—if)?？梢?jiàn)，對(duì)發(fā)達(dá)國(guó)家來(lái)說(shuō)，政府事先持有的R元國(guó)際儲(chǔ)備遭受的以外幣計(jì)值的機(jī)會(huì)成本將是C3=R(i—it)[14]。2）在計(jì)算經(jīng)濟(jì)發(fā)展延緩程度時(shí)，可考慮通過(guò)預(yù)測(cè)或者某種關(guān)系式得到未發(fā)生地震時(shí)的匯率，以求更精確的機(jī)會(huì)成本。使用發(fā)生地震且進(jìn)行大幅調(diào)整后的匯率將假設(shè)未發(fā)生地震時(shí)的外匯儲(chǔ)備顯然是粗糙的，在建模過(guò)程中也驗(yàn)證了年計(jì)的數(shù)據(jù)顯示它跟外匯儲(chǔ)備有較明顯的線性關(guān)系，而月計(jì)的數(shù)據(jù)中則顯示線性擬合的R2值較小，但各個(gè)參數(shù)均有統(tǒng)計(jì)學(xué)意義，這提示匯率與其影響因素間應(yīng)為一種多元關(guān)系。由于這不屬于本文的主要研究方向，故將此作為模型改進(jìn)的一部分。3）可以類似的考慮除了外匯儲(chǔ)備以外更多的誘因在本次地震中所造成的間接經(jīng)濟(jì)損失。由于可以引發(fā)間接經(jīng)濟(jì)損失的原因還有很多，為了分析方便以及考慮數(shù)據(jù)收集的難度，本文只介紹了外匯儲(chǔ)備這一種。接下來(lái)還可以進(jìn)行的工作就是找到其他可以引發(fā)間接經(jīng)濟(jì)損失的變量，收集相應(yīng)數(shù)據(jù)，按照本文相似的方法進(jìn)行逐個(gè)分析，最終選擇合適的統(tǒng)計(jì)學(xué)方法將所有因素綜合進(jìn)行分析。參考文獻(xiàn)[1]了梁芳，聶高眾，高建國(guó)（2006）地震的社會(huì)經(jīng)濟(jì)影響.災(zāi)害學(xué)2006,21(2):110-113.[2]高豐，于永達(dá)（2003）中國(guó)外匯儲(chǔ)備對(duì)經(jīng)濟(jì)的影響及適度規(guī)模分析.金融與經(jīng)濟(jì)2003,(6):11-15.[3]新華網(wǎng)（2006）日本如何管理巨額外匯儲(chǔ)，/fortune//2006-04/08/content_4397756.htm（2006年04月08日07:00:00）[4]上海證券報(bào)（2006）外匯儲(chǔ)備激增五大負(fù)面影響/fortune/2006-05/29/content_4613515.htm（2006年05月29日08:07:35）.[5]徐國(guó)祥（2008）統(tǒng)計(jì)預(yù)測(cè)和決策.上海：上海財(cái)經(jīng)大學(xué)出版社.[6]馮春萍（2004）日本石油儲(chǔ)備模式研究，現(xiàn)代日本經(jīng)濟(jì)2004，

(1).[7]段鵬（2009）我國(guó)商品進(jìn)出口：基于SARIMA模型的預(yù)測(cè).華中師范大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）2009，48(1):60-66.[8]黃德生，郭海強(qiáng)，沈鐵峰等（2009）.SARIMA模型在腎綜合征出血熱發(fā)病率預(yù)測(cè)中的應(yīng)用.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)2009,

39(23)：100-106.[9]孫湘海，劉潭秋（2008）基于SARIMA模型的城市道路短期交通流預(yù)測(cè)研究.公路交通科技2008,

25(1)：129-133.[10]RobertH.Shumway，DavidS.Stoffer(2005).TimeSeriesAnalysisandItsApplications(WithRExamples).Springer,NewYork.[11]朱平芳（2004）現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué).上海：上海財(cái)經(jīng)大學(xué)出版社.[12]《泰晤士報(bào)》報(bào)道日政府已正式停止干預(yù)匯市/info/darticle.aspx?id=ZH,20040329,01091856（2004-3-298:34:42）.[13]薛毅,陳立萍(2007)R統(tǒng)計(jì)建模與R語(yǔ)言.北京，清華大學(xué)出版社.[14]蘇平貴（2009）國(guó)際儲(chǔ)備最優(yōu)規(guī)模問(wèn)題研究——基于成本角度的分析與考察，《東北財(cái)經(jīng)大學(xué)學(xué)報(bào)》2009年06期:10-15.[15]徐嵩齡.災(zāi)害經(jīng)濟(jì)損失概念及產(chǎn)業(yè)關(guān)聯(lián)型間接經(jīng)濟(jì)損失計(jì)量[J].自然災(zāi)害學(xué)報(bào)，1998.7（4）：7-15附錄9.1.詳細(xì)數(shù)據(jù)9.1.1.典型相關(guān)分析所需數(shù)據(jù)時(shí)間Y國(guó)內(nèi)生產(chǎn)總值（支出法）國(guó)內(nèi)生產(chǎn)總值（名目）的產(chǎn)業(yè)比率第一產(chǎn)業(yè)第二產(chǎn)業(yè)第三產(chǎn)業(yè)10億円%%%1967136,300.009.0040.1050.901968152,532.007.9040.9051.201969170,765.007.0041.9051.201970188,323.005.9043.1050.901971196,589.005.1042.7052.201972213,129.005.3042.0052.801973230,249.005.7042.5051.801974227,428.005.4041.3053.401975234,459.005.3038.8055.901976243,779.005.1038.7056.201977254,481.004.9037.7057.501978267,898.004.5037.9057.601979282,589.004.2037.8058.001980284,375.003.5036.2060.301981296,253.003.3036.3060.401982306,256.003.2035.6061.101983315,630.003.2034.5062.201984329,719.003.2034.9061.901985350,602.003.0034.9062.001986360,527.002.9034.3062.801987375,336.002.7034.1063.201988402,160.002.5034.6062.901989423,757.002.5035.0062.601990447,370.002.4035.4062.201991462,242.002.2035.0062.701992466,028.002.1033.9064.001993466,825.001.9032.5065.601994470,857.002.0031.1066.901995479,716.001.8030.4067.801996492,368.001.8030.4067.801997500,066.001.7030.1068.201998489,821.001.8029.3068.901999489,130.001.8028.7069.602000503,120.001.7028.5069.802001504,048.001.6027.1071.202002505,369.001.6026.5071.902003512,513.001.6026.5071.902004526,578.001.6026.9071.602005536,762.001.5026.8071.702006547,709.001.4026.7071.902007560,651.001.4026.6072.102008554,098.001.4025.5073.10時(shí)間X國(guó)內(nèi)情況對(duì)外情況勞動(dòng)力人口發(fā)電電力量原油供給量通關(guān)實(shí)際功績(jī)額匯率外匯儲(chǔ)備量輸出進(jìn)口萬(wàn)100萬(wàn)kWh1,000kl10億円10億円1美元/円100萬(wàn)美金19674983244,994.00131,024.003,759.004,199.00361.912,005.0019685061273,337.00152,225.004,670.004,675.00357.702,891.0019695098316,261.00182,799.005,756.005,408.00357.803,496.0019705153359,538.00215,617.006,954.006,797.00357.654,399.0019715186385,664.00236,634.008,393.006,910.00314.7515,235.0019725199428,477.00260,325.008,806.007,229.00301.1018,365.0019735326470,287.00306,032.0010,031.0010,404.00280.0012,246.0019745310459,042.00296,372.0016,208.0018,076.00300.9513,518.0019755323475,794.00288,930.0016,545.0017,170.00305.1512,815.0019765378511,793.00303,444.0019,935.0019,229.00293.0016,604.0019775452532,608.00310,179.0021,648.0019,132.00240.0022,848.0019785532563,988.00304,922.0020,556.0016,728.00195.1033,019.0019795596589,644.00307,300.0022,532.0024,245.00239.9020,327.0019805650577,521.00283,011.0029,382.0031,995.00203.6025,232.0019815707583,245.00264,327.0033,469.0031,464.00220.2528,403.0019825774581,384.00244,950.0034,433.0032,656.00235.3023,262.0019835889618,100.00243,671.0034,909.0030,015.00232.0024,496.0019845927648,572.00239,322.0040,325.0032,321.00251.5826,313.0019855963671,952.00226,894.0041,956.0031,085.00200.6026,510.0019866020676,352.00215,590.0035,290.0021,551.00160.1042,239.0019876084719,068.00214,890.0033,315.0021,737.00122.0081,479.0019886166753,728.00226,190.0033,939.0024,006.00125.9097,662.0019896270798,756.00236,858.0037,823.0028,979.00143.4084,895.0019906384857,272.00263,362.0041,457.0033,855.00135.4077,053.0019916505888,089.00268,784.0042,360.0031,900.00125.2568,980.0019926578895,266.00278,821.0043,012.0029,527.00124.6568,685.0019936615906,705.00276,883.0040,202.0026,826.00111.8995,589.0019946645964,330.00294,375.0040,498.0028,104.0099.83122,845.0019956666989,880.00286,242.0041,531.0031,549.00102.91182,820.00199667111,009,349.00285,270.0044,731.0037,993.00115.98217,867.00199767871,037,892.00288,558.0050,938.0040,956.00129.92220,792.00199867931,046,288.00276,125.0050,645.0036,654.00115.20215,949.00199967791,066,130.00268,768.0047,548.0035,268.00102.08288,080.00200067661,091,500.00271,220.0051,654.0040,938.00114.90361,638.00200167521,075,890.00259,429.0048,979.0042,416.00131.47401,959.00200266891,101,260.00259,705.0052,109.0042,228.00119.37469,728.00200366661,093,956.00262,472.0054,548.0044,362.00106.97673,529.00200466421,137,341.00259,908.0061,170.0049,217.00103.78844,543.00200566501,157,926.00267,911.0065,657.0056,949.00117.48846,897.00200666571,161,110.00256,912.0075,246.0067,344.00118.92895,320.00200766691,192,771.00260,804.0083,931.0073,136.00113.12973,365.00200866501,146,269.00249,740.0081,018.0078,955.0090.281,030,647.009.1.2.SARIMA模型所需數(shù)據(jù)時(shí)間外匯儲(chǔ)備(百萬(wàn)美元)2004年3月8265772004年4月8149692004年5月8168482004年6月8179512004年7月8192032004年8月8279542004年9月8309922004年10月8378782004年11月8400872004年12月8445432005年1月8409662005年2月8405642005年3月8377182005年4月8436012005年5月8424682005年6月8435372005年7月8393782005年8月8477662005年9月8435632005年10月8417922005年11月8432682005年12月8468972006年1月8516662006年2月8500582006年3月8520302006年4月8602422006年5月8641122006年6月8648782006年7月8719382006年8月8787482006年9月8812732006年10月8855542006年11月8969492006年12月8953202007年1月8953832007年2月9050482007年3月9089582007年4月9156232007年5月9111372007年6月9135722007年7月9237182007年8月9321572007年9月9456012007年10月9544842007年11月9701852007年12月9733652008年1月9960442008年2月10079812008年3月10155872008年4月10038362008年5月9969752008年6月10015492008年7月10046582008年8月9967412008年9月9958902008年10月9777232008年11月10028612008年12月10306472009年1月10109582009年2月10093542009年3月10185492009年4月10114732009年5月10240122009年6月10191752009年7月10226572009年8月10423402009年9月10525982009年10月10567692009年11月10737122009年12月10493972010年1月10530702010年2月10510792010年3月10427152010年4月10468732010年5月10413182010年6月10502352010年7月10635132010年8月10701452010年9月11095912010年10月11181212010年11月11010312010年12月10961852011年1月10929802011年2月10914852011年3月11160252011年4月11355492011年5月11395249.2.程序9.2.1.典型相關(guān)######典型相關(guān)部分的相應(yīng)程序###########REA<-read.table("aaa1.txt",header=TRUE)#讀取數(shù)據(jù)rea<-data.frame(REA)#將數(shù)據(jù)轉(zhuǎn)成數(shù)據(jù)框attach(rea)y1<-y11*GDPy2<-y12*GDPy3<-y13*GDP#將三大產(chǎn)業(yè)占國(guó)內(nèi)生產(chǎn)總值比例轉(zhuǎn)化為具體的數(shù)值rea<-data.frame(rea,y1,y2,y3)#整理數(shù)據(jù)，將第一二三產(chǎn)業(yè)GDP百分比化為實(shí)際值reacor(rea[,6:15])#3個(gè)反應(yīng)變量與7個(gè)解釋變量的相關(guān)矩陣rea<-scale(rea)#標(biāo)準(zhǔn)化#三種產(chǎn)業(yè)以及全部變量的典型相關(guān)分析ca1<-cancor(rea[,6:12],rea[,13:15])ca1#典型相關(guān)檢驗(yàn)函數(shù)corcoef.test<-function(r,n,p,q,alpha=0.1){m<-length(r);Q<-rep(0,m);lambda<-1for(kinm:1){lambda<-lambda*(1-r[k]^2);Q[k]<--log(lambda)}s<-0i<-mfor(kin1:m){Q[k]<-(n-k+1-1/2*(p+q+3)+s)*Q[k]chi<-1-pchisq(Q[k],(p-k+1)*(q-k+1))if(chi>alpha){i<-k-1;break}s<-s+1/r[k]^2}i}#進(jìn)行典型相關(guān)檢驗(yàn)corcoef.test(r=ca1$cor,n=42,p=7,q=3,alpha=0.01)#計(jì)算樣本數(shù)據(jù)在典型變量下的得分U1<-as.matrix(rea[,6:12]%*%ca1$xcoef)U1V1<-as.matrix(rea[,13:15]%*%ca1$ycoef)V1#畫出相關(guān)變量u1,v1u2,v2u3,v3為數(shù)據(jù)的坐標(biāo)散點(diǎn)圖plot(U1[,1],V1[,1],xlab="u1",ylab="v1")plot(U1[,2],V1[,2],xlab="u2",ylab="v2")plot(U1[,3],V1[,3],xlab="u3",ylab="v3")9.2.2.SARIMA模型###############SARIMA#######################library(foreign)library(urca)library(timeDate)library(timeSeries)library(MASS)library(fBasics)library(fUnitRoots)#加載該模型所需的程序包d=as.data.frame(read.spss("data2.sav"))f_ts0=ts(d$f_exchange[48:131],start=c(2004,3),frequency=12)f_ts=log(f_ts0)-mean(log(f_ts0))plot.ts(f_ts)#對(duì)外匯儲(chǔ)備的原數(shù)列進(jìn)行數(shù)理變換使其成為一個(gè)均值為0的時(shí)間序列xtpar(mfrow=c(2,1))acf(f_ts,36)pacf(f_ts,36)unitrootTest(f_ts,lags=0)unitrootTest(f_ts,lags=0,type=c("nc"))unitrootTest(f_ts,lags=0,type=c("ct"))#通過(guò)ACF圖和PACF圖，還有3種情形的ADF檢驗(yàn)對(duì)xt進(jìn)行平穩(wěn)性檢驗(yàn)par(mfrow=c(2,1))acf(diff(f_ts),36)pacf(diff(f_ts),36)unitrootTest(diff(f_ts),lags=0)unitrootTest(diff(f_ts),lags=0,type=c("nc"))unitrootTest(diff(f_ts),lags=0,type=c("ct"))#通過(guò)ACF圖和PACF圖，還有3種情形的ADF檢驗(yàn)對(duì)xt的差分序列xt1進(jìn)行平穩(wěn)性檢驗(yàn)par(mfrow=c(2,2))acf(diff(diff(f_ts),7),36)pacf(diff(diff(f_ts),7),36)acf(diff(diff(f_ts),6),36)pacf(diff(diff(f_ts),6),36)#xt1周期分別為6、7的季節(jié)性差分序列的ACF圖和PACF圖f.fit1=arima(f_ts,order=c(0,1,0),seasonal=list(order=c(2,1,1),period=6))f.fit2=arima(f_ts,order=c(0,1,0),seasonal=list(order=c(2,1,1),period=7))f.fit3=arima(f_ts,order=c(4,1,4),seasonal=list(order=c(2,1,1),period=7))f.fit1f.fit2f.fit3#分別選擇了3種模型進(jìn)行擬合a=as.vector(f.fit2$coef)t<-a/c(0.1821,0.1663,0.1970)p<-dt(t,62-3-1)data.frame(estimate=a,t=t,p=p)#對(duì)最好的模型進(jìn)行參數(shù)檢驗(yàn)tsdiag(f.fit1,gof.lag=36)hist(f.fit1$resid,br=12)qqnorm(f.fit1$resid)shapiro.test(f.fit1$resid)tsdiag(f.fit2,gof.lag=36)hist(f.fit2$resid,br=12)qqnorm(f.fit2$resid)shapiro.test(f.fit2$resid)tsdiag(f.fit3,gof.lag=36)hist(f.fit3$resid,br=12)qqnorm(f.fit3$resid)shapiro.test(f.fit3$resid)#分別對(duì)三個(gè)模型進(jìn)行總體檢驗(yàn)f.fit2=arima(f_ts,order=c(0,1,0),seasonal=list(order=c(1,1,1),period=7))f.fit2#對(duì)上述最佳模型優(yōu)化后的新模型擬合a=as.vector(f.fit2$coef)t<-a/c(0.1172,0.1468)p<-dt(t,69-2-1)data.frame(estimate=a,t=t,p=p)#對(duì)新模型的參數(shù)檢驗(yàn)tsdiag(f.fit2,gof.lag=36)hist(f.fit2$resid,br=12)qqnorm(f.fit2$resid)shapiro.test(f.fit2$resid)#新模型的整體檢驗(yàn)sum(abs(f.fit2$resid))/sum(abs(f_ts))er=abs(f.fit2$resid)/abs(f_ts)#計(jì)算最終模型的整體誤差率plot(exp(f_ts+mean(log(f_ts0))),ylab="foreignexchange")lines(exp(f_ts-f.fit2$resid+mean(log(f_ts0))),lty=2)title(main="Theforeignexchange'strend")#最終模型的擬合效果圖pre=as.vector(predict(f.fit2,n.ahead=3)$pred)pre=exp(pre+mean(log(f_ts0)))#預(yù)測(cè)假設(shè)在沒(méi)有發(fā)生地震情況下的3-5月外匯儲(chǔ)備f_ts1=c(f_ts0,0,0,0)for(iin1:3){f_ts1[84+i]=pre[i]}plot(ts(d$f_exchange[48:134],start=c(2004,3),frequency=12),ylab="foreignexchange",lty=2)lines(ts(f_ts1,start=c(2004,3),frequency=12))#作圖對(duì)比預(yù)測(cè)值與真實(shí)值的差距

《會(huì)計(jì)基礎(chǔ)》光盤模擬試題一、單項(xiàng)選擇題：1、會(huì)計(jì)是以（）為主要計(jì)量單位，反映和監(jiān)督一個(gè)單位經(jīng)濟(jì)活動(dòng)的一種經(jīng)濟(jì)管理工作。(本題分?jǐn)?shù)：1分)A．實(shí)物B．商品C．貨幣D．勞動(dòng)2、下列各項(xiàng)中，屬于會(huì)計(jì)基本職能的是（）。(本題分?jǐn)?shù)：1分)A．會(huì)計(jì)核算與會(huì)計(jì)預(yù)測(cè)B．會(huì)計(jì)預(yù)算和會(huì)計(jì)決算C．會(huì)計(jì)核算與會(huì)計(jì)監(jiān)督D．會(huì)計(jì)分析和會(huì)計(jì)決策3、會(huì)計(jì)對(duì)象是企業(yè)事業(yè)單位的（）。(本題分?jǐn)?shù)：1分)A．經(jīng)濟(jì)活動(dòng)B．經(jīng)濟(jì)資源C．資金運(yùn)動(dòng)D．勞動(dòng)耗費(fèi)4、（）界定了會(huì)計(jì)信息的時(shí)間段落，為分期結(jié)算賬目和編制賬務(wù)會(huì)計(jì)報(bào)告等奠定了理論與實(shí)務(wù)基礎(chǔ)。(本題分?jǐn)?shù)：1分)A．會(huì)計(jì)主體B．會(huì)計(jì)分期C．會(huì)計(jì)核算D．持續(xù)經(jīng)營(yíng)5、某企業(yè)接受追加投資180萬(wàn)元，款已到并存入銀行，該項(xiàng)業(yè)務(wù)使得企業(yè)（）(本題分?jǐn)?shù)：1分)A．資產(chǎn)增加180萬(wàn)元，同時(shí)負(fù)債增加180萬(wàn)元B．資產(chǎn)增加180萬(wàn)元，同時(shí)所有者權(quán)益增加180萬(wàn)元C．所有者權(quán)益增加180萬(wàn)元，同時(shí)負(fù)債增加180萬(wàn)元D．所有者權(quán)益增加180萬(wàn)元，同時(shí)負(fù)債減少180萬(wàn)元6、考慮貨幣時(shí)間價(jià)值因素的計(jì)量屬性是（）。(本題分?jǐn)?shù)：1分)A．歷史成本B．可變現(xiàn)凈值C．重置成本D．現(xiàn)值7、以下（），不屬于財(cái)務(wù)成果的計(jì)算與處理。(本題分?jǐn)?shù)：1分)A．計(jì)算分配利潤(rùn)B．提取盈余公積C．向國(guó)家計(jì)算繳納所得稅D．向國(guó)家繳納增值稅8、我國(guó)的法定記賬方法是（）(本題分?jǐn)?shù)：1分)A．增減記賬法B．收付記賬法C．借貸記賬法D．單式記賬法9、（）是根據(jù)明細(xì)分類科目設(shè)置的用來(lái)對(duì)會(huì)計(jì)要素的具體內(nèi)容進(jìn)行明細(xì)分類核算的賬戶。(本題分?jǐn)?shù)：1分)A．總分類賬戶B．明細(xì)分類賬戶C．總賬D．二級(jí)賬10、借貸記賬法記賬符號(hào)“借”表示（）(本題分?jǐn)?shù)：1分)A．資產(chǎn)增加，權(quán)益減少B．資產(chǎn)減少，權(quán)益增加C．資產(chǎn)增加，權(quán)