地震導(dǎo)致外匯儲備產(chǎn)生的機會成本

基于SARIMA模型分析日本地震導(dǎo)致外匯儲備產(chǎn)生的機會成本南方醫(yī)科大學(xué)梁淇俊、于磊、趙志杰目錄摘要-------------------------------------------------------------------------------------------3問題分析--------------------------------------------------------------------------------------41.1.背景重述--------------------------------------------------------------------------------41.2.問題分析--------------------------------------------------------------------------------4數(shù)據(jù)來源及變量的選擇--------------------------------------------------------------------6模型假設(shè)--------------------------------------------------------------------------------------8符號說明--------------------------------------------------------------------------------------9模型建立與求解-----------------------------------------------------------------------------105.1.典型相關(guān)--------------------------------------------------------------------------------105.1.1.方法簡介------------------------------------------------------------------------105.1.2.模型建立------------------------------------------------------------------------125.1.3.模型求解------------------------------------------------------------------------135.1.4.模型檢驗------------------------------------------------------------------------145.1.5.結(jié)果解釋------------------------------------------------------------------------155.2.SARIMA模型--------------------------------------------------------------------------165.2.1.方法簡介------------------------------------------------------------------------165.2.2.模型建立------------------------------------------------------------------------185.2.3.模型求解------------------------------------------------------------------------225.2.4.模型檢驗------------------------------------------------------------------------235.2.5.結(jié)果解釋------------------------------------------------------------------------24結(jié)論--------------------------------------------------------------------------------------------27模型評價與改進-----------------------------------------------------------------------------27參考文獻--------------------------------------------------------------------------------------30附錄--------------------------------------------------------------------------------------------319.1.詳細數(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)生強烈地震，對日本的經(jīng)濟帶來巨大的影響，關(guān)于此方面的報道屢見不鮮，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)致政策改變所帶來的間接損失，造成對經(jīng)濟損失的低估。本文在此背景下，力求尋找一種方法來揭示由于地震導(dǎo)致外匯儲備產(chǎn)生的間接損失，并進行定量化分析，從而能更客觀地認(rèn)識到災(zāi)害給日本經(jīng)濟帶來的影響。本文首先運用典型相關(guān)分析反應(yīng)日本經(jīng)濟水平——國內(nèi)生產(chǎn)總值(GDP)——的重要影響因子。通過對于背景的分析，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)，作為三個反應(yīng)變量；篩選了勞動力人口數(shù)、發(fā)電電力量、原油供給量、進口總額、出口總額、匯率、外匯儲備量這7個因素作為解釋變量，其分析結(jié)果——外匯儲備的載荷僅次于勞動力人口數(shù)與發(fā)電電力量，進一步證明外匯儲備對解釋國內(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)外匯儲備的數(shù)據(jù)特點，本文選用時間序列SARIMA模型，根據(jù)外匯儲備在日本地震前的一個趨勢，預(yù)測若不發(fā)生地震的情況下外匯儲備的發(fā)展趨勢，與實際數(shù)據(jù)相對比，對這一事件導(dǎo)致日本在外匯儲備上決策的改變所產(chǎn)生的機會成本進行了定量性的分析，得到的結(jié)論是在2011年3-5月間，由外匯儲備產(chǎn)生的機會成本使得日本經(jīng)濟發(fā)展速度平均每月減緩6.57%。本文數(shù)據(jù)來自日本統(tǒng)計年鑒以及日本財務(wù)省官方網(wǎng)站。模型建立中，應(yīng)用R語言進行建模計算，并對SARIMA模型參數(shù)編寫程序進行檢驗，模型擬合的總誤差為7.66%，表明模型擬合較好。本文的特點主要在于以下三點：（1）以外匯儲備歷史數(shù)據(jù)規(guī)律擬合的時間序列模型與涉及多個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）與其他對于日本地震造成的經(jīng)濟損失的方向不同，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備增長產(chǎn)生的機會成本；（3）本文提出引入機會成本的概念這一方法，估計地震所帶來的間接經(jīng)濟損失，從而能更全面地評價本次事件帶來的總體經(jīng)濟損失。關(guān)鍵字：SARIMA模型典型相關(guān)外匯儲備機會成本日本地震1.問題分析1.1.背景重述2011年3月11日的地震對日本產(chǎn)生了多方面的影響。除了地震帶來的直接人員傷亡以及核泄漏造成的自然影響之外，可以看到地震帶來的經(jīng)濟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“不會對日本經(jīng)濟造成太大影響”正在逐漸失去說服力。對于災(zāi)難的報道，新聞公布了一些關(guān)于日本地震的直接經(jīng)濟損失*，如建筑物損失等，這些損失都可以通過統(tǒng)計一次性獲得，對日本經(jīng)濟的后續(xù)發(fā)展產(chǎn)生的影響較小。然而眾所周知，一次災(zāi)難所帶來的損失不僅局限于地震那一時刻帶來的一次性打擊，該地區(qū)的經(jīng)濟很難在震后仍保持原有的發(fā)展速度，國家會根據(jù)災(zāi)難程度制定相關(guān)的經(jīng)濟政策以及制定其他調(diào)節(jié)方案，來逐步恢復(fù)經(jīng)濟發(fā)展，因此這會持續(xù)影響震后相對長一段時間內(nèi)的經(jīng)濟發(fā)展。而目前的報道很少探討由于地震帶來的間接經(jīng)濟損失**（多數(shù)來自政府應(yīng)對災(zāi)難的政策所產(chǎn)生的長期影響，如外匯儲備的增加相當(dāng)于將本國用于經(jīng)濟發(fā)展的投資經(jīng)費廉價的借給其他國家），這就使得分析不夠全面，容易低估地震所帶來的經(jīng)濟損失。因此，探究日本地震經(jīng)濟損失研究所忽略的間接經(jīng)濟損失十分重要。1.2.問題分析重大的歷史事件往往會改變經(jīng)濟的發(fā)展趨勢，因此有不少學(xué)者對其進行了相關(guān)研究。我國地震局學(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災(zāi)害嚴(yán)重、影響地區(qū)經(jīng)濟發(fā)展的現(xiàn)象，得出地震災(zāi)害嚴(yán)重影響地區(qū)經(jīng)濟的結(jié)論，并強調(diào)在制定區(qū)域可持續(xù)發(fā)展戰(zhàn)略規(guī)劃時必須考慮自然災(zāi)害的影響作用[1]。但是目前，研究都停留在一個描述性研究的層次上，并且大都將重心放在災(zāi)害所帶來的直接經(jīng)濟損失上，而忽略了它帶來的間接經(jīng)濟損失，損失了很多有價值的信息。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)濟損失的影響，對政府決策的最優(yōu)化提供一些依據(jù)。注：*直接經(jīng)濟損失：一般認(rèn)為，直接經(jīng)濟損失是指災(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)濟損失：徐嵩齡等人[15]認(rèn)為，災(zāi)害的間接經(jīng)濟損失廣義地包括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未來經(jīng)濟增長的影響，又包括災(zāi)害中的自然資源破壞在持續(xù)意義上對未來發(fā)展能力的影響。外匯儲備是指以外匯計價的資產(chǎn)，包括現(xiàn)鈔、國外銀行存款、國外有價證券等，是一國用于平衡國際收支，穩(wěn)定匯率，償還對外債務(wù)的外匯積累。高豐、于永達[2]曾發(fā)表論文，闡述外匯儲備增長對經(jīng)濟的穩(wěn)定和安全發(fā)揮著巨大作用，同時也會加劇通貨膨脹的壓力，削弱本國的產(chǎn)品出口競爭力，并且造成機會成本增加甚至資金資源浪費。文章說明了外匯儲備的多少對本國經(jīng)濟的影響十分巨大[2]。且值得關(guān)注的是，外匯儲備在日本經(jīng)濟發(fā)展中扮演的重要角色。從多年的實際情況來看，巨額外匯儲備給日本經(jīng)濟帶來了較好的投資回報，保證了資金的增值[3]。但是外匯儲備并非越多越好，越來越多的人開始關(guān)注外匯儲備對于經(jīng)濟的重要性，比如說對于外匯儲備激增的負面影響[4]等研究，匯率也直接受外匯儲備的影響。觀察日本經(jīng)濟公布的網(wǎng)站，可以發(fā)現(xiàn)其外匯儲備在三月份發(fā)生了巨額提高，從中可以看出日本政府對于調(diào)整經(jīng)濟政策采取了干預(yù)措施，這必然增加了其帶來的機會成本。故地震所導(dǎo)致外匯儲備產(chǎn)生的機會成本作為間接經(jīng)濟損失的重要組成部分之一，是本文研究的重心。目前對于經(jīng)濟數(shù)據(jù)的研究中，計量經(jīng)濟學(xué)中主要推薦使用時間序列的方法。時間序列的特性主要有隨機性、平穩(wěn)性和季節(jié)性三個方面，其中以平穩(wěn)性和季節(jié)性更為重要[5]。時間序列早期的研究分為時域方法和頻域方法。其中時域方法是分析時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，以此來描述序列的動態(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間序列預(yù)測方法，即ARIMA(Auto-RegressiveIntegratedMovingAverageModel)模型，它在經(jīng)濟預(yù)測過程中既考慮了經(jīng)濟現(xiàn)象在時間序列上的依存性，又考慮了隨機波動的干擾性，對于經(jīng)濟運行短期趨勢的預(yù)測準(zhǔn)確率較高，是近年應(yīng)用比較廣泛的方法之一。然而，它忽略了時間序列中季節(jié)性的特點。在這個模型的基礎(chǔ)之上，為了在模型中描述季節(jié)性的特點，有學(xué)者提出了改進模型SARIMA(SeasonalAuto-RegressiveIntegratedMovingAverageModel)模型，即季節(jié)性自回歸滑動平均模型。它主要用于識別含有季節(jié)波動與外在事件波動對因變量所產(chǎn)生影響的預(yù)測。模型包含趨勢性和季節(jié)性，因其能很好地反映出經(jīng)濟指標(biāo)的周期性變化，體現(xiàn)經(jīng)濟周期的特點，所以該模型常用于宏觀經(jīng)濟指標(biāo)的預(yù)測。由于現(xiàn)有研究大多偏向于描述性分析外匯儲備對于經(jīng)濟增長的重要性，本文基于數(shù)學(xué)思維的嚴(yán)謹(jǐn)性，將外匯儲備與一些公認(rèn)的對國內(nèi)生產(chǎn)總值（GDP）有影響的因子（如能源、電力、進出口總額等）做比較，從而揭示外匯儲備對GDP的重要性。另一方面，注意到國內(nèi)生產(chǎn)總值可以分為三大產(chǎn)業(yè)，而且三大產(chǎn)業(yè)的國內(nèi)生產(chǎn)值對國內(nèi)生產(chǎn)力水平的依賴程度有所不同，被經(jīng)濟政策影響的程度也各異。這就涉及到一組變量對另一組變量的相關(guān)性研究，故此本文使用典型相關(guān)來解決此問題。在進行典型相關(guān)分析的基礎(chǔ)上，對于外匯儲備進行進一步的時間序列的分析。本文以2011年6月日本財務(wù)省官方網(wǎng)站公布的數(shù)據(jù)為基礎(chǔ)，根據(jù)外匯儲備在日本地震前的一個趨勢，預(yù)測如果不發(fā)生地震外匯儲備的發(fā)展趨勢，與實際數(shù)據(jù)相對比，做出定量化的分析。并且，用此種方法來舉例說明如何運用時間序列的方法來估算間接經(jīng)濟損失。注：本文文中所提及的各種損失定義如圖1所示，整個方框代表由于地震造成的總體經(jīng)濟損失。為了方便敘述，文中所使用的機會成本是指由地震所導(dǎo)致外匯儲備產(chǎn)生的間接經(jīng)濟損失。由地震產(chǎn)生的直接由地震產(chǎn)生的直接經(jīng)濟損失（如建筑損失等）由地震產(chǎn)生的間接經(jīng)濟損失外匯儲備政策調(diào)整中產(chǎn)生的機會成本圖1損失定義圖2.數(shù)據(jù)來源及變量的選擇本文關(guān)于國內(nèi)生產(chǎn)總值、三產(chǎn)業(yè)在國內(nèi)生產(chǎn)總值的比例、勞動力人口數(shù)、發(fā)電電力量、原油供給量、進出口總額、匯率、外匯儲備量的數(shù)據(jù)來自日本統(tǒng)計年鑒（年計）；而按月計算的外匯儲備量的數(shù)據(jù)來自于日本財務(wù)省官方網(wǎng)站。下面首先對各個變量的選擇進行解釋說明：勞動力人口：考慮到日本GDP位于世界前列與日本國民勤奮努力、憂患意識強，受過良好的教育，國內(nèi)有大批素質(zhì)良好的勞動力密不可分，且勞動力的水平對于一個國家的經(jīng)濟增長很重要，故此納入此指標(biāo)；電力發(fā)電力量、原油供應(yīng)量：能源的消費幾乎與經(jīng)濟增長呈同步增長的態(tài)勢[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指標(biāo)；進出口總額：進出口總額都左右著日本國內(nèi)的生產(chǎn)總值，故選擇進口總額和出口總額這兩個指標(biāo)；外匯儲備：外匯儲備在日本經(jīng)濟發(fā)展中扮演重要角色，從多年的實際情況來看，巨額外匯儲備給日本經(jīng)濟帶來了較好的投資回報，保證了資金的增值[3]。但是外匯儲備并非越多越好，越來越多的人開始關(guān)注外匯儲備對于經(jīng)濟的重要性，比如說對于外匯儲備激增的負面影響[4]，故此納入外匯儲備這個指標(biāo)；匯率：首先匯率對國內(nèi)經(jīng)濟可以穩(wěn)定物價；對國家外經(jīng)濟的影響表現(xiàn)在可調(diào)節(jié)進出口貿(mào)易順逆差；對國際的影響則是匯率變動會使發(fā)達國家和發(fā)展中國家的矛盾加劇。且考慮到外匯儲備與匯率之間有著密切的關(guān)系，故此納入?yún)R率這個指標(biāo)。國內(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)的國內(nèi)生產(chǎn)值對國內(nèi)生產(chǎn)水平的依賴程度有所不同，被經(jīng)濟政策的影響程度也各異，本文欲探究其影響因素通過何種方式來對上述三部分產(chǎn)生影響，進而影響國內(nèi)生產(chǎn)總值，從而選擇了這三個指標(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，因而考慮勞動力與能源是最基本的兩個生產(chǎn)要素，在勞動力方面，我們選取了勞動人口指標(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指標(biāo)；產(chǎn)品還可通過貿(mào)易產(chǎn)生價值，故考慮國家貿(mào)易狀況，在本文選取進口總額和出口總額這兩個指標(biāo)；本文欲通過典型相關(guān)分析，分析外匯儲備相對于上述重要指標(biāo)對國家經(jīng)濟影響的重要程度，故考慮外匯儲備和匯率兩個因素。通過上述分析，上述選擇的變量都是評價國內(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，對外經(jīng)濟政策（本文中是指外匯儲備的調(diào)整政策）對國內(nèi)生產(chǎn)總值的整體影響是通過多個指標(biāo)綜合反映的，但由于跟蹤統(tǒng)計的指標(biāo)未必齊全，且變量過多會使得模型過于復(fù)雜從而不利于解釋，為合理簡化變量信息，本文只選取了上述7個指標(biāo)并做下述假設(shè)：假設(shè)1：以上指標(biāo)所反映對國內(nèi)生產(chǎn)總值的影響與日本勞動力市場、能源市場、貿(mào)易情況、對外經(jīng)濟政策對國內(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)濟損失與間接經(jīng)濟損失之和，通過計算2011年3至5月外匯儲備的真實值與在無地震情況下的預(yù)測值之差所產(chǎn)生的機會成本，從而估算本次地震導(dǎo)致外匯儲備所產(chǎn)生的間接經(jīng)濟損失；由于外匯儲備受日本政府調(diào)控，故即使沒有發(fā)生該次地震，日本政府也可以對外匯儲備進行大幅調(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)致外匯儲備產(chǎn)生的調(diào)整量（即實際值與按照原有經(jīng)濟發(fā)展水平的預(yù)測值之差）原本全部用于國內(nèi)經(jīng)濟建設(shè)。假設(shè)3：從2004年3月至2011年2月的外匯儲備的數(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模型并沒有考慮實際意義上對外匯儲備變動的影響因素，而是通過運用統(tǒng)計方法根據(jù)歷史數(shù)據(jù)的規(guī)律外推預(yù)測未來短中期的數(shù)據(jù)值；通過查閱文獻，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)測各種指標(biāo)的變化，例如我國商品進出口的預(yù)測[7]，腎綜合征出血熱發(fā)病率預(yù)測[8]，城市道路短期交通流預(yù)測[9]等。據(jù)此，我們做如下假設(shè)：假設(shè)4：其他經(jīng)濟、社會因子對外匯儲備的影響是可以全部籍由外匯儲備歷史數(shù)據(jù)的規(guī)律解釋的。4.符號說明主要變量X1勞動力人口（萬人）X2發(fā)電電力量（100萬kWh）X3原油供給量（1000kl）X4出口總額（10億円）X5進口總額（10億円）X6匯率（1美元/円）X7外匯儲備（100萬美金）Y1第一產(chǎn)業(yè)（農(nóng)業(yè)、漁業(yè)等）國內(nèi)生產(chǎn)總值（10億円）Y2第二產(chǎn)業(yè)（制造、建筑、礦業(yè)等）國內(nèi)生產(chǎn)總值（10億円）Y3第三產(chǎn)業(yè)（服務(wù)、金融、不動產(chǎn)、信息等）國內(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)與日本對外經(jīng)濟政策指標(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)與日本對外經(jīng)濟政策指標(biāo)的線性組合V2第二典型相關(guān)變量中三大產(chǎn)業(yè)國內(nèi)生產(chǎn)總值的線性組合用以建模的時間序列B滯后算子時間階向量，其第p行元素為1，其余都為0ADF檢驗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)估計中的中間變量相關(guān)系數(shù)h滯后階數(shù)外匯儲備量的原始數(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)性移動平均階數(shù)q移動平均階數(shù)待檢驗參數(shù)個數(shù)5.模型建立與求解5.1.典型相關(guān)5.1.1.方法簡介用于探討一組解釋變量(亦即預(yù)測變量)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首先提出來的。一般的，假設(shè)有兩組隨機變量和，研究它們的相關(guān)關(guān)系，當(dāng)p=q=1時，就是通常兩個變量X與Y的相關(guān)關(guān)系；當(dāng)二者都大于1時，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，于是將研究兩組變量的相關(guān)性問題轉(zhuǎn)化成研究兩個變量的相關(guān)性問題，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)，為隨機向量，用X與Y的線性組合和之間的相關(guān)來研究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，對任意的和，有上式說明使得相關(guān)關(guān)系最大的和并不唯一。因此，在綜合變量時，可限定,設(shè)，，維隨機向量的均值為0，協(xié)方差陣正定。若存在和使得是約束問題，，目標(biāo)函數(shù)的最大值，則稱,為X，Y的第一對典型變量，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)對模型進行部分總體典型相關(guān)系數(shù)均為零的假設(shè)檢驗，原理如下：假設(shè)前k個典型相關(guān)系數(shù)是顯著的，現(xiàn)要檢驗第k+1個典型相關(guān)系數(shù)是否顯著，則做如下檢驗：。其檢驗統(tǒng)計量為：對于充分大的n，當(dāng)為真時，統(tǒng)計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、不動產(chǎn)、信息等）為反應(yīng)變量，勞動力人口、電力發(fā)電力量、原油供應(yīng)、出口總額、進口總額、匯率以及外匯儲備為解釋變量。建立的模型為：5.1.3.模型求解首先計算3個反應(yīng)變量與所有7個解釋變量的相關(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原油供給量這個指標(biāo)外，其余指標(biāo)兩兩之間的相關(guān)系數(shù)絕對值都較大，相關(guān)程度大X7外匯儲備與三大產(chǎn)業(yè)國內(nèi)生產(chǎn)值中的第三產(chǎn)業(yè)國內(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外匯儲備與Y1第一產(chǎn)業(yè)國內(nèi)生產(chǎn)總值呈負相關(guān)，相關(guān)性略次于與第一產(chǎn)業(yè)的相關(guān)，且表明外匯儲備增加會使第一產(chǎn)業(yè)即農(nóng)牧業(yè)的生產(chǎn)值減少。X7外匯儲備與Y2第二產(chǎn)業(yè)生產(chǎn)值的相關(guān)系數(shù)相對較小。下面首先消除數(shù)量級影響，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個解釋變量與3個反應(yīng)變量間的關(guān)系，得到的結(jié)果如下：三個典型相關(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.模型檢驗根據(jù)上述部分總體典型相關(guān)系數(shù)均為零的檢驗，得到的結(jié)果k為2，即典型變量只取到第2個為止。得到的最終模型如下：計算樣本數(shù)據(jù)在典型變量下的得分，畫出典型變量間的散點圖：圖2第1典型變量為坐標(biāo)的散點圖（左）第2典型變量為坐標(biāo)的散點圖（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。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)濟發(fā)展與各個變量之間的大量信息，然而由于篇幅限制，本文僅對有關(guān)外匯儲備的結(jié)果進行詳細闡述：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)值上說明了發(fā)電電力量、勞動力人口是衡量生產(chǎn)力水平的主要指標(biāo)，符合公認(rèn)的經(jīng)濟規(guī)律；緊隨其后的即為外匯儲備X7，表明外匯儲備對于第三產(chǎn)業(yè)的發(fā)展十分重要；其次可以觀察到，無論是第一典型相關(guān)還是第二典型相關(guān)，外匯儲備X7的符號均與第三產(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中勞動力人口和電力發(fā)電力量仍然占有較大比重，而外匯儲備的載荷卻顯著降低，這說明外匯儲備對于第二產(chǎn)業(yè)的影響很小，僅對第三產(chǎn)業(yè)有較大影響。觀察日本經(jīng)濟數(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%增長到80%），故此日本的經(jīng)濟主要受第三產(chǎn)業(yè)的影響。綜合上面的分析可以得出以下結(jié)論，外匯儲備對于匯率的調(diào)控與對經(jīng)濟發(fā)展影響也不能輕視，合理的調(diào)整外匯儲備是一個國家應(yīng)完成的至關(guān)重要的經(jīng)濟決策任務(wù)，不然就會成為制約國內(nèi)生產(chǎn)總值增長的瓶頸。5.2.SARIMA模型5.2.1.方法簡介通常，歷史數(shù)據(jù)會與一定潛在周期的倍數(shù)時間點上存在強烈的關(guān)系，經(jīng)濟學(xué)的數(shù)據(jù)尤為如此。SARIMA模型，即季節(jié)性自回歸滑動平均模型，和ARIMA模型均由ARMA模型擴展而來，主要用于識別含有季節(jié)波動與外在事件波動對因變量所產(chǎn)生影響的預(yù)測。而SARIMA模型包含趨勢性和季節(jié)性，從而可以更好的擬合經(jīng)濟類的數(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平均的階數(shù)；P，Q分別為季節(jié)自回歸和季節(jié)移動平均的階數(shù)；s為季節(jié)周期。模型可表示如下[10]：其中，，，，，，，為殘差，是一個高斯白噪聲的隨機過程。在模型建立之初，首先應(yīng)對模型進行平穩(wěn)性檢驗。本文使用傳統(tǒng)的ADF檢驗法[11]，其原理如下：情形1：情形2：情形3：分別對以上3個情形進行檢驗，零假設(shè)和備擇假設(shè)均分別是：，。統(tǒng)計量，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)用這兩種方法進行定階，即首先用ACF和PACF法來初選幾種可能的階數(shù)，組合后建立模型，再運用AIC準(zhǔn)則進行篩選，選AIC值最小的為最佳階數(shù)模型。選好階數(shù)之后，應(yīng)對模型中的系數(shù)進行估計，估計方法如下：，其中如果q=0則直接對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進行迭代出最后收斂的結(jié)果：，其中，模型建立完成后，需對模型進行檢驗，本文使用的方法有殘差A(yù)CF檢驗、Ljung-Box檢驗、殘差正態(tài)性檢驗。其中Ljung-Box檢驗方法原理如下：：數(shù)據(jù)是隨機的，：數(shù)據(jù)是非隨機的檢驗統(tǒng)計量：~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，日本政府對外匯儲備的決策進行了大力度的干預(yù)（來自泰晤士報報道[12]），故此在數(shù)據(jù)選擇上使用04年3月之后的數(shù)據(jù)，對其數(shù)值做對數(shù)處理，并減去其均值的對數(shù)值，即：作圖觀察其走勢，即：圖3xt走勢圖可以看到日本的外匯儲備大體上是呈上升趨勢的。為了建立時間序列模型，從而預(yù)測外匯儲備的變化趨勢，首先對該數(shù)據(jù)資料進行平穩(wěn)性檢驗。本文使用的方法為單位根檢驗，并結(jié)合ACF圖以及PACF圖更直觀的說明問題。依據(jù)上述提到的單位根檢驗的原理，進行檢驗，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，對上述方法簡介中闡述三種情形作ADF檢驗結(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，即原時間序列應(yīng)為為I（1）序列。因此需要對數(shù)據(jù)做差分處理，即：差分之后再次進行ADF檢驗，得到如下結(jié)果：圖5差分序列ACF及PACF圖ADF檢驗結(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個月為周期的季節(jié)特征，基于上述理論，初步推測應(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)則定階方法對模型進行定階：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)移動平均階數(shù)Q為1。即產(chǎn)生如下三個模型：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)過檢驗，3個模型的每個值的Ljung-Box的統(tǒng)計量的p值都大于0.05，具有統(tǒng)計學(xué)意義，說明模型均合理，通過比較AIC值的大小，發(fā)現(xiàn)第三個模型即SARIMA(0,1,0)X(2,1,1)7的效果相對來說更為理想，因此選用此模型。5.2.3.模型求解對上述模型進行擬合，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，即可以看作一個三個自變量對一個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檢驗程序（見附錄9.2.2部分中#對最好的模型進行參數(shù)檢驗部分）：~其中，計算得到模型系數(shù)的檢驗結(jié)果，具體如下：表4：參數(shù)檢驗結(jié)果系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計量P值-0.58490.1821-3.2119710.003-0.21290.1663-1.2799520.175-0.67670.1970-3.4347810.002可以看出無統(tǒng)計學(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：再次運用t檢驗檢驗參數(shù)，得到結(jié)果如下：表5：改進模型的檢驗結(jié)果系數(shù)標(biāo)準(zhǔn)誤t統(tǒng)計量P值-0.41610.1172-3.5502420.001-0.82680.1468-5.6321240.000表明兩個系數(shù)均有意義，將上式展開，得到最終模型：5.2.4.模型檢驗進行模型檢驗，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，能較好地擬合該時間序列。從最下方的圖可看出Ljung-Box統(tǒng)計量的p值都大于0.05（所有觀測點都位于檢驗水準(zhǔn)0.05的水平線之上），證明該模型合理。圖7SARIMA模型檢驗結(jié)果圖對其殘差做Shapiro正態(tài)性檢驗，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，進一步說明模型效果良好。以下是通過回代得出外匯儲備量的真實值和擬合值的走勢圖：圖8外匯儲備走勢擬合圖從圖中可以看到作為虛線的擬合曲線與實線的真實值十分接近，且經(jīng)過計算得到其總誤差占真實值的比例為7.66%，表明擬合效果良好。5.2.5.結(jié)果解釋上述過程證實外匯儲備存在7個月(可近似看作半年)的周期，考慮到日本經(jīng)濟周期為一年（通過查閱日本季度GDP數(shù)據(jù)得到，具體見圖9）以及經(jīng)濟數(shù)據(jù)的滯后效應(yīng)，據(jù)此可發(fā)現(xiàn)一個讓人比較容易接受的結(jié)論：這個月的外匯儲備受到半年前，一年前，甚至一年半以前的數(shù)據(jù)的影響，或者說，日本政府在對外匯儲備做決策時，有意或無意地會考慮到半年前或者一年前的外匯儲備量。圖9經(jīng)濟周期態(tài)勢圖注：0處為2008年1月，實線為季度GDP的走勢，虛線為周期為12個月的余弦函數(shù)，由于同季度的3個月內(nèi)的季度GDP值相同，故線條會出現(xiàn)局部平緩的現(xiàn)象。通過以上模型分別預(yù)測假設(shè)沒有發(fā)生地震時2011年3月、4月、5月的外匯儲備并與真實值對比，結(jié)果如下：表6：外匯儲備預(yù)測值（未發(fā)生地震情形下）與真實值對比時間外匯儲備（單位：百萬美元）2011.32011.42011.5真實值111602511355491139524預(yù)測值109706910939081094197差額189564164145327假設(shè)以上差額即全部外匯儲備調(diào)整，以及同一季度每個月的GDP相等，然后求得其調(diào)整量在每個月GDP里所占的比重。根據(jù)GDP的支出法核算方式，即GDP=消費+投資+政府支出+凈出口，在此做保守估計，即不考慮投資收益率與外匯儲備收益率之差（有研究表明外匯儲備的增加在某種程度上等同于以廉價的收益把資金借予其他國家，故上述差值一般為正數(shù)），所以如果外匯儲備的調(diào)整量全部用于國內(nèi)投資，至少會讓GDP上升其調(diào)整量的100%。據(jù)此，本文將地震所導(dǎo)致外匯儲備變動而產(chǎn)生的經(jīng)濟發(fā)展延緩程度定義為外匯儲備3月至5月的差額與當(dāng)月GDP的比例的均值，即，具體計算結(jié)果見表7，圖10更為形象的展現(xiàn)了二者之間的差額。表7：外匯儲備比重時間項目2011.32011.42011.5外匯儲備調(diào)整量（百萬美元）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月的真實值，實線為預(yù)測值：圖10真實值與預(yù)測值對比圖注：紅圈所示實虛線之差即為表7中的外匯儲備調(diào)整額（百萬美元）結(jié)論由于外匯儲備的變動會影響到各個方面，且本文并沒有對各個方面的效益作出定量化的預(yù)測，故在此并不對日本政府調(diào)整如此之多的外匯儲備做出任何評價，僅針對本次地震事件使得日本的外匯儲備大幅調(diào)整所帶來的機會成本，旨在說明該事件對日本的影響不單單是財務(wù)報表上的所提及的會計利潤的虧損，還會在各個領(lǐng)域存在為此而不得不產(chǎn)生改變而導(dǎo)致的間接經(jīng)濟損失。本文結(jié)果表明，地震導(dǎo)致外匯儲備在3,4,5月的上漲分別延緩了日本經(jīng)濟的3.51%，7.86%，8.34%的增長速度，取其平均數(shù)，即由外匯儲備產(chǎn)生的機會成本使得日本經(jīng)濟發(fā)展速度減緩6.57%。模型評價與改進7.1．優(yōu)點：1）以外匯儲備歷史數(shù)據(jù)規(guī)律擬合的時間序列模型與涉及多個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）與其他對于日本地震造成的經(jīng)濟損失的方向不同，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備增長產(chǎn)生的機會成本。3）本文提出引入機會成本的概念這一方法，估計地震所帶來的間接經(jīng)濟損失，從而能更全面地評價本次事件帶來的總體經(jīng)濟損失。7.2.缺點：1）只探討了外匯儲備的增加所產(chǎn)生的機會成本，未討論外匯儲備增加所帶來的收益，未能全面評價其增加所帶來的總效益。2）在計算日本外匯儲備因地震增加的部分造成的機會成本略顯粗糙，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：1）引入?yún)?shù)收益率分析外匯儲備增加造成的機會成本：假如日本不是將其所獲得的外匯用作國際儲備，而是投資于國際金融市場的高收益資產(chǎn)本來可以獲得的較高收益率i，與以外國政府債券等形式持有國際儲備實際所能獲得的較低收益率if之間的利差(i—if)。可見，對發(fā)達國家來說，政府事先持有的R元國際儲備遭受的以外幣計值的機會成本將是C3=R(i—it)[14]。2）在計算經(jīng)濟發(fā)展延緩程度時，可考慮通過預(yù)測或者某種關(guān)系式得到未發(fā)生地震時的匯率，以求更精確的機會成本。使用發(fā)生地震且進行大幅調(diào)整后的匯率將假設(shè)未發(fā)生地震時的外匯儲備顯然是粗糙的，在建模過程中也驗證了年計的數(shù)據(jù)顯示它跟外匯儲備有較明顯的線性關(guān)系，而月計的數(shù)據(jù)中則顯示線性擬合的R2值較小，但各個參數(shù)均有統(tǒng)計學(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的一部分。3）可以類似的考慮除了外匯儲備以外更多的誘因在本次地震中所造成的間接經(jīng)濟損失。由于可以引發(fā)間接經(jīng)濟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備這一種。接下來還可以進行的工作就是找到其他可以引發(fā)間接經(jīng)濟損失的變量，收集相應(yīng)數(shù)據(jù)，按照本文相似的方法進行逐個分析，最終選擇合適的統(tǒng)計學(xué)方法將所有因素綜合進行分析。參考文獻[1]了梁芳，聶高眾，高建國（2006）地震的社會經(jīng)濟影響.災(zāi)害學(xué)2006,21(2):110-113.[2]高豐，于永達（2003）中國外匯儲備對經(jīng)濟的影響及適度規(guī)模分析.金融與經(jīng)濟2003,(6):11-15.[3]新華網(wǎng)（2006）日本如何管理巨額外匯儲，/fortune//2006-04/08/content_4397756.htm（2006年04月08日07:00:00）[4]上海證券報（2006）外匯儲備激增五大負面影響/fortune/2006-05/29/content_4613515.htm（2006年05月29日08:07:35）.[5]徐國祥（2008）統(tǒng)計預(yù)測和決策.上海：上海財經(jīng)大學(xué)出版社.[6]馮春萍（2004）日本石油儲備模式研究，現(xiàn)代日本經(jīng)濟2004，

(1).[7]段鵬（2009）我國商品進出口：基于SARIMA模型的預(yù)測.華中師范大學(xué)學(xué)報（人文社會科學(xué)版）2009，48(1):60-66.[8]黃德生，郭海強，沈鐵峰等（2009）.SARIMA模型在腎綜合征出血熱發(fā)病率預(yù)測中的應(yīng)用.數(shù)學(xué)的實踐與認(rèn)識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)代計量經(jīng)濟學(xué).上海：上海財經(jīng)大學(xué)出版社.[12]《泰晤士報》報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)計建模與R語言.北京，清華大學(xué)出版社.[14]蘇平貴（2009）國際儲備最優(yōu)規(guī)模問題研究——基于成本角度的分析與考察，《東北財經(jīng)大學(xué)學(xué)報》2009年06期:10-15.[15]徐嵩齡.災(zāi)害經(jīng)濟損失概念及產(chǎn)業(yè)關(guān)聯(lián)型間接經(jīng)濟損失計量[J].自然災(zāi)害學(xué)報，1998.7（4）：7-15附錄9.1.詳細數(shù)據(jù)9.1.1.典型相關(guān)分析所需數(shù)據(jù)時間Y國內(nèi)生產(chǎn)總值（支出法）國內(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時間X國內(nèi)情況對外情況勞動力人口發(fā)電電力量原油供給量通關(guān)實際功績額匯率外匯儲備量輸出進口萬100萬kWh1,000kl10億円10億円1美元/円100萬美金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)時間外匯儲備(百萬美元)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百分比化為實際值reacor(rea[,6:15])#3個反應(yīng)變量與7個解釋變量的相關(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}#進行典型相關(guān)檢驗corcoef.test(r=ca1$cor,n=42,p=7,q=3,alpha=0.01)#計算樣本數(shù)據(jù)在典型變量下的得分U1<-as.matrix(rea[,6:12]%*%ca1$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)#對外匯儲備的原數(shù)列進行數(shù)理變換使其成為一個均值為0的時間序列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ACF圖和PACF圖，還有3種情形的ADF檢驗對xt進行平穩(wěn)性檢驗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ACF圖和PACF圖，還有3種情形的ADF檢驗對xt的差分序列xt1進行平穩(wěn)性檢驗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$coef)t<-a/c(0.1821,0.1663,0.1970)p<-dt(t,62-3-1)data.frame(estimate=a,t=t,p=p)#對最好的模型進行參數(shù)檢驗tsdiag(f.fit1,gof.lag=36)hist(f.fit1$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)#分別對三個模型進行總體檢驗f.fit2=arima(f_ts,order=c(0,1,0),seasonal=list(order=c(1,1,1),period=7))f.fit2#對上述最佳模型優(yōu)化后的新模型擬合a=as.vector(f.fit2$coef)t<-a/c(0.1172,0.1468)p<-dt(t,69-2-1)data.frame(estimate=a,t=t,p=p)#對新模型的參數(shù)檢驗tsdiag(f.fit2,gof.lag=36)hist(f.fit2$resid,br=12)qqnorm(f.fit2$resid)shapiro.test(f.fit2$resid)#新模型的整體檢驗sum(abs(f.fit2$resid))/sum(abs(f_ts))er=abs(f.fit2$resid)/abs(f_ts)#計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)測假設(shè)在沒有發(fā)生地震情況下的3-5月外匯儲備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))#作圖對比預(yù)測值與真實值的差距

《會計基礎(chǔ)》光盤模擬試題一、單項選擇題：1、會計是以（）為主要計量單位，反映和監(jiān)督一個單位經(jīng)濟活動的一種經(jīng)濟管理工作。(本題分?jǐn)?shù)：1分)A．實物B．商品C．貨幣D．勞動2、下列各項中，屬于會計基本職能的是（）。(本題分?jǐn)?shù)：1分)A．會計核算與會計預(yù)測B．會計預(yù)算和會計決算C．會計核算與會計監(jiān)督D．會計分析和會計決策3、會計對象是企業(yè)事業(yè)單位的（）。(本題分?jǐn)?shù)：1分)A．經(jīng)濟活動B．經(jīng)濟資源C．資金運動D．勞動耗費4、（）界定了會計信息的時間段落，為分期結(jié)算賬目和編制賬務(wù)會計報告等奠定了理論與實務(wù)基礎(chǔ)。(本題分?jǐn)?shù)：1分)A．會計主體B．會計分期C．會計核算D．持續(xù)經(jīng)營5、某企業(yè)接受追加投資180萬元，款已到并存入銀行，該項業(yè)務(wù)使得企業(yè)（）(本題分?jǐn)?shù)：1分)A．資產(chǎn)增加180萬元，同時負債增加180萬元B．資產(chǎn)增加180萬元，同時所有者權(quán)益增加180萬元C．所有者權(quán)益增加180萬元，同時負債增加180萬元D．所有者權(quán)益增加180萬元，同時負債減少180萬元6、考慮貨幣時間價值因素的計量屬性是（）。(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（），不屬于財務(wù)成果的計算與處理。(本題分?jǐn)?shù)：1分)A．計算分配利潤B．提取盈余公積C．向國家計算繳納所得稅D．向國家繳納增值稅8、我國的法定記賬方法是（）(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)明細分類科目設(shè)置的用來對會計要素的具體內(nèi)容進行明細分類核算的賬戶。(本題分?jǐn)?shù)：1分)A．總分類賬戶B．明細分類賬戶C．總賬D．二級賬10、借貸記賬法記賬符號“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)