• 
    

    
    

      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 模型的我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額預(yù)測研究

      2022-06-13 09:46:54楊海芬趙增鋒
      山西農(nóng)經(jīng) 2022年10期
      關(guān)鍵詞:負(fù)債存款金額

      □張 瑞,張 巖,楊海芬,趙增鋒

      (河北農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,河北 保定 071000)

      1 研究背景

      負(fù)債管理是銀行業(yè)經(jīng)營管理體系的重點(diǎn)內(nèi)容,處于我國金融體系末梢的農(nóng)村金融機(jī)構(gòu),受自身發(fā)展能力和外部市場競爭挑戰(zhàn)的雙重制約,面臨的壓力和挑戰(zhàn)更為嚴(yán)峻。2014 年以來,農(nóng)村金融機(jī)構(gòu)的資產(chǎn)擴(kuò)張能力日益減弱,“負(fù)債決定資產(chǎn)”的經(jīng)營理念一直占主導(dǎo)地位,一些農(nóng)村金融機(jī)構(gòu)不顧區(qū)域經(jīng)濟(jì)發(fā)展實(shí)際,過度強(qiáng)調(diào)存款和貸款的市場份額,導(dǎo)致其財務(wù)風(fēng)險相對較高,回落的農(nóng)村金融機(jī)構(gòu)負(fù)債出現(xiàn)增長趨勢。農(nóng)村金融機(jī)構(gòu)是我國農(nóng)村金融服務(wù)體系重要組成部分之一,有力地支持了農(nóng)村地區(qū)經(jīng)濟(jì)和社會的發(fā)展,通過預(yù)測其負(fù)債金額的大小,對提高農(nóng)村金融機(jī)構(gòu)負(fù)債管理具有重要意義。

      銀行負(fù)債主要包括存款、同業(yè)負(fù)債和主動性借入資金,并以存款為主體。從宏觀角度來看,近幾年商業(yè)銀行負(fù)債發(fā)展特點(diǎn)總體表現(xiàn)為負(fù)債總量增長放緩、負(fù)債結(jié)構(gòu)變化明顯以及負(fù)債成本上升壓力凸顯。程樂硯(2014)認(rèn)為,存款是我國商業(yè)銀行資金來源的主要途徑,在審慎政策背景下,銀行存款波動加劇,流動性壓力增加。辛兵海等(2018)發(fā)現(xiàn),貨幣政策收緊會影響大型上市銀行的負(fù)債融資結(jié)構(gòu),進(jìn)而對整體銀行業(yè)的負(fù)債融資結(jié)構(gòu)產(chǎn)生影響。弘毅(2020)從哲學(xué)視角出發(fā),探討銀行負(fù)債和資產(chǎn)業(yè)務(wù),認(rèn)為銀行負(fù)債業(yè)務(wù)是其他業(yè)務(wù)的基礎(chǔ)。從微觀角度來看,徐煜程(2017)應(yīng)用ARIMA 模型對我國金融機(jī)構(gòu)存款進(jìn)行分析,比較準(zhǔn)確的預(yù)測出2016 年11 月的金融機(jī)構(gòu)存款。張會榮和鄒泉(2020)選取2000—2018 年我國金融機(jī)構(gòu)各項(xiàng)存款總和按月統(tǒng)計(jì)的數(shù)據(jù),應(yīng)用ARIMA 模型對我國金融機(jī)構(gòu)存款進(jìn)行了短期預(yù)測,預(yù)測結(jié)果良好。由此可以發(fā)現(xiàn),學(xué)術(shù)界大多從整體對銀行業(yè)負(fù)債管理進(jìn)行研究,在一定程度上為此研究提供了思路,但已有的研究主觀性較強(qiáng),不能具體反映負(fù)債過大對銀行的影響。同時,學(xué)術(shù)界針對銀行業(yè)負(fù)債金額進(jìn)行預(yù)測研究少有涉及,從農(nóng)村金融機(jī)構(gòu)角度來研究負(fù)債金額的幾乎沒有。

      因此,通過研究我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額的發(fā)展趨勢,依據(jù)2014 年1 月到2021 年10 月共94 個月度數(shù)據(jù),運(yùn)用ARIMA 時間序列模型進(jìn)行預(yù)測。其中,農(nóng)村金融機(jī)構(gòu)包括農(nóng)村銀行、農(nóng)村合作銀行、農(nóng)村信用社和新型農(nóng)村金融機(jī)構(gòu)。以期通過研究農(nóng)村金融機(jī)構(gòu)負(fù)債金額的數(shù)據(jù)波動,使農(nóng)村金融機(jī)構(gòu)能夠準(zhǔn)確研判形勢,對經(jīng)濟(jì)新常態(tài)下農(nóng)村金融機(jī)構(gòu)發(fā)展及加強(qiáng)其資產(chǎn)負(fù)債管理提供依據(jù)。

      2 模型選擇

      常用的預(yù)測模型主要有灰色預(yù)測模型、BP 神經(jīng)元網(wǎng)絡(luò)、回歸預(yù)測模型、時間序列預(yù)測模型4 種。相較于其他預(yù)測模型,時間序列預(yù)測模型是通過使用過去的事件特征來預(yù)測依賴于事件順序的未來事件。對農(nóng)村金融機(jī)構(gòu)的負(fù)債金額進(jìn)行預(yù)測,要基于其過去的數(shù)據(jù),該方法適合對我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額的短期預(yù)測。

      時間序列預(yù)測模型可分為簡單移動平均法、指數(shù)平滑法以及平穩(wěn)時間序列法等。其中,平穩(wěn)時間序列法適用于小規(guī)模、單變量的短期預(yù)測,受外界干擾因素少,所以最終采用時間序列分析模型中的ARIMA模型。ARIMA 模型可分為自回歸模型(AR)、移動平均模型(MA)和自回歸移動平均模型(ARIMA)3 類,其中自回歸模型(AR)、移動平均模型(MA)只是ARIMA模型的兩個特殊形式,簡記為ARIMA(p,d,q),其結(jié)構(gòu)如下。

      其中,X表示時間序列數(shù)據(jù),E表示殘差項(xiàng),為延遲算子,表示自回歸階數(shù),表示移動平均階數(shù),表示差分階數(shù),▽表示差分算子,滿足該結(jié)構(gòu)的模型為ARIMA(p,d,q)。

      3 我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額趨勢預(yù)測實(shí)證分析

      3.1 數(shù)據(jù)的選取及描述性統(tǒng)計(jì)分析

      為了保證數(shù)據(jù)的權(quán)威性和可得性,選取中國銀保監(jiān)會統(tǒng)計(jì)數(shù)據(jù)中我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額為數(shù)據(jù)來源,收集整理出2014 年1 月到2021 年10 月共94 個月度數(shù)據(jù)。

      《巴塞爾協(xié)議》規(guī)定,商業(yè)銀行風(fēng)險資本核心充足率為8%,也就是銀行的資產(chǎn)負(fù)債率在92%以下是正常的水平。為了更好地分析農(nóng)村金融機(jī)構(gòu)負(fù)債金額,將資產(chǎn)和負(fù)債的對比通過資產(chǎn)負(fù)債率體現(xiàn)。通過計(jì)算農(nóng)村金融機(jī)構(gòu)年平均負(fù)債率,農(nóng)村金融機(jī)構(gòu)資產(chǎn)負(fù)債率從2014 年開始下降,到2016 年達(dá)到最高點(diǎn),發(fā)現(xiàn)其資產(chǎn)負(fù)債率逐漸降低后又出現(xiàn)增長的趨勢。也就是說,農(nóng)村金融機(jī)構(gòu)負(fù)債雖然整體增速放緩,但負(fù)債增速仍超資產(chǎn)增速,具體可分為4 個階段。

      2014—2015 年,負(fù)債率逐漸降低。受錢荒時期影響,銀行資產(chǎn)規(guī)模從快速擴(kuò)張轉(zhuǎn)向減速慢行,監(jiān)管層開始了一系列管控,銀行和企業(yè)都出現(xiàn)缺錢的狀況,致使負(fù)債率逐漸降低。2015—2016 年,高負(fù)債率階段。我國宏觀經(jīng)濟(jì)增長放緩,國家金融改革措施以及央行采取了一系列政策,農(nóng)村金融機(jī)構(gòu)的盈利水平直接受到影響,處于高負(fù)債率水平。2016—2019 年,負(fù)債率逐漸降低。國家對金融業(yè)開始嚴(yán)監(jiān)管,2017 年銀監(jiān)會專項(xiàng)部署了“三三四”檢查,在資產(chǎn)端亦受到結(jié)構(gòu)調(diào)整壓力,使得融資需求適當(dāng)減弱,農(nóng)村金融機(jī)構(gòu)資產(chǎn)負(fù)債率呈下降趨勢。2019 年至今,負(fù)債率呈現(xiàn)增高趨勢。受新冠肺炎疫情影響,農(nóng)村金融機(jī)構(gòu)開辟的信貸“綠色通道”,易產(chǎn)生“放得出去、收不回來”的風(fēng)險,農(nóng)村金融機(jī)構(gòu)資產(chǎn)負(fù)債率呈現(xiàn)增高趨勢。

      3.2 平穩(wěn)性處理

      我國農(nóng)村金融機(jī)構(gòu)2014—2021 年月度負(fù)債金額一直增加,呈現(xiàn)快速上升的趨勢,初步判斷該序列為不平穩(wěn)時間序列,為在消除數(shù)據(jù)異方差的同時又不改變數(shù)據(jù)的相對關(guān)系,故對原始數(shù)據(jù)差分進(jìn)行平穩(wěn)化處理。經(jīng)過一階差分處理后,該序列已基本平穩(wěn)且在零均值附近波動,可初步判定農(nóng)村金融機(jī)構(gòu)負(fù)債金額一階差分序列是平穩(wěn)的,并使用單位根檢驗(yàn)法進(jìn)一步對其進(jìn)行驗(yàn)證。其ADF-T 檢驗(yàn)值為-1.762 870,在1%、5%和10%顯著性水平下均不能拒絕原假設(shè),即判斷原始數(shù)據(jù)不平穩(wěn)。經(jīng)過一階差分處理后,ADF-t 檢驗(yàn)值為-13.625 18,差分后的序列為平穩(wěn)的時間序列,可以進(jìn)行ARIMA 模型的構(gòu)建。

      3.3 模型的識別和定階

      ARIMA 模型識別通過自相關(guān)函數(shù)圖(ACF)和偏自相關(guān)圖(PACF)來判定模型階數(shù)p 和q。一階差后的ACF 和PACF 圖截尾和拖尾的特征不明顯,故通過對p 和q 進(jìn)行取值來確定模型階數(shù),多次嘗試后建立了不同的AR 模型、MA 模型和ARIMA 模型,并根據(jù)信息準(zhǔn)則值進(jìn)行模型選擇,對比發(fā)現(xiàn)ARIMA(1,1,2)的擬合效果最好,最終確定模型ARIMA(1,1,2)。

      3.4 參數(shù)估計(jì)與模型檢驗(yàn)

      通過對模型的識別與定階,認(rèn)為ARIMA(1,1,2)模型進(jìn)行擬合效果最好,并通過最小二乘估計(jì)法對模型進(jìn)行參數(shù)估計(jì),其值均小于0.05,通過檢驗(yàn)。ARIMA(1,1,2)模型的最終估計(jì)結(jié)果為如下。

      對模型進(jìn)行殘差序列白噪聲檢驗(yàn),即統(tǒng)計(jì)量檢驗(yàn),結(jié)果如表1。模型殘差的自相關(guān)和偏自相關(guān)值都小于臨界值,對應(yīng)統(tǒng)計(jì)量的值大于0.05,即接受原始假設(shè),在5%的有效性水平下,表明模型可以較好地描述數(shù)據(jù)。

      表1 X 的殘差自相關(guān)檢驗(yàn)

      3.5 模型預(yù)測

      數(shù)據(jù)通過檢驗(yàn)后,以我國農(nóng)村金融機(jī)構(gòu)2014—2021 年月度數(shù)據(jù)為基礎(chǔ)進(jìn)行預(yù)測,并與實(shí)際值進(jìn)行對比,實(shí)際值和預(yù)測值之間相對差異在0.007%~0.49%,絕對差異較小,在可接受范圍內(nèi)。因此,構(gòu)建的ARIMA(1,1,2)模型具有良好的可信度。

      運(yùn)用ARIMA(1,1,2)模型進(jìn)行預(yù)測,我國2021 年11 月到2022 年4 月,農(nóng)村金融機(jī)構(gòu)負(fù)債金額預(yù)測結(jié)果分別為422 711.905 4 億元、425 373.978 2 億元、428 037.798 3億元、430 703.366 8 億元以及433 370.684 9 億元、436 039.753 7 億元。由此可以發(fā)現(xiàn),未來我國農(nóng)村金融機(jī)構(gòu)的負(fù)債金額仍然保持快速增長的趨勢。

      4 結(jié)論與建議

      4.1 結(jié)論

      處理我國農(nóng)村金融機(jī)構(gòu)2014 年1 月到2021 年10 月共94 個月的數(shù)據(jù),構(gòu)建了ARIMA 模型,并對未來6 個月農(nóng)村金融機(jī)構(gòu)的負(fù)債金額進(jìn)行估計(jì)。結(jié)果顯示,我國農(nóng)村金融機(jī)構(gòu)負(fù)債金額呈現(xiàn)快速增長的趨勢,且每月增速在0.65%以上,過高的負(fù)債會給農(nóng)村金融體系帶來風(fēng)險隱患。由于我國農(nóng)村金融機(jī)構(gòu)種類較多,且時間序列預(yù)測模型是以過去數(shù)據(jù)進(jìn)行預(yù)測,未考慮其他外界環(huán)境因素,且農(nóng)村金融機(jī)構(gòu)本身存在存款占比低、負(fù)債成本高、負(fù)債質(zhì)量管理體系不健全等問題,僅用過去數(shù)據(jù)進(jìn)行預(yù)測不可避免地存在一定誤差。

      4.2 建議

      未來農(nóng)村金融機(jī)構(gòu)負(fù)債仍會增長,為控制我國農(nóng)村金融機(jī)構(gòu)負(fù)債增速,提出以下建議。

      4.2.1 控制借貸金額與期限,堅(jiān)持規(guī)律化發(fā)展

      短期內(nèi),農(nóng)村金融機(jī)構(gòu)需要注意貸款金額與期限的管理,要分散貸款的期限和計(jì)劃量,以減少流動性過剩的壓力。盡量協(xié)調(diào)存款增長規(guī)律和貸款的時間、額度,將其控制在自身能夠承受的范圍內(nèi),用存款的增長滿足某些貸款的流動性需求。

      4.2.2 優(yōu)化資產(chǎn)與負(fù)債結(jié)構(gòu),堅(jiān)持精細(xì)化發(fā)展

      在負(fù)債端,結(jié)合農(nóng)村現(xiàn)實(shí)情況調(diào)優(yōu)負(fù)債結(jié)構(gòu),創(chuàng)新傳統(tǒng)服務(wù)項(xiàng)目,使負(fù)債端產(chǎn)品與附加服務(wù)逐漸走向高端。在資產(chǎn)端,要提高資產(chǎn)質(zhì)量,從產(chǎn)業(yè)發(fā)展的角度把準(zhǔn)信貸投放方向,推動穩(wěn)健經(jīng)營和可持續(xù)發(fā)展。此外,要圍繞國家金融政策和地方經(jīng)濟(jì)特點(diǎn),明確重點(diǎn)支持類、適度支持類、審慎介入類等不同客戶群的準(zhǔn)入條件、授信方式和管理要求,靈活推出存款類產(chǎn)品。

      4.2.3 擁抱金融科技,堅(jiān)持創(chuàng)新化發(fā)展

      農(nóng)村金融機(jī)構(gòu)要加強(qiáng)資產(chǎn)負(fù)債管理系統(tǒng)建設(shè),積極通過金融科技進(jìn)行轉(zhuǎn)型創(chuàng)新,實(shí)現(xiàn)傳統(tǒng)與現(xiàn)代的有機(jī)結(jié)合,構(gòu)建“金融科技+資產(chǎn)負(fù)債管理”機(jī)制,建立一個完善的資產(chǎn)負(fù)債管理系統(tǒng)。一方面,有效地監(jiān)測并預(yù)防系統(tǒng)性、流動性、操作性等風(fēng)險,提高自身風(fēng)險防范水平;另一方面,實(shí)現(xiàn)資產(chǎn)負(fù)債管理模式的變革,強(qiáng)化自身負(fù)債管理。

      4.2.4 發(fā)揮自身優(yōu)勢,堅(jiān)持差異化發(fā)展

      農(nóng)村金融機(jī)構(gòu)要找準(zhǔn)自身定位,充分服務(wù)“三農(nóng)”,發(fā)揮自身網(wǎng)點(diǎn)多、覆蓋廣、機(jī)制靈活的特點(diǎn),重塑差異化競爭優(yōu)勢,加強(qiáng)對自身的監(jiān)管,從而降低負(fù)債成本和風(fēng)險,使負(fù)債規(guī)模控制在一個合理的范圍。

      猜你喜歡
      負(fù)債存款金額
      2001年-2020年縣級一般公共預(yù)算支出資金來源情況表
      追回挪走的存款
      負(fù)利率存款作用幾何
      中國外匯(2019年21期)2019-05-21 03:04:10
      你的負(fù)債重嗎?
      海峽姐妹(2018年3期)2018-05-09 08:21:06
      立案
      上海故事(2016年12期)2016-12-09 16:49:08
      徹底解決不當(dāng)負(fù)債行為
      成交金額前10名營業(yè)部買入的前3只個股
      一周資金凈流出金額前20名個股
      徹底解決不當(dāng)負(fù)債行為
      加強(qiáng)公立醫(yī)院負(fù)債管理的幾點(diǎn)思考
      灵璧县| 天等县| 隆回县| 雷波县| 类乌齐县| 饶河县| 固原市| 集安市| 江口县| 新余市| 桐庐县| 邵阳市| 昌黎县| 开原市| 林口县| 进贤县| 新宁县| 塔河县| 乌拉特后旗| 雷波县| 永安市| 新昌县| 玉山县| 灵石县| 新和县| 界首市| 巨鹿县| 托里县| 会泽县| 安陆市| 郎溪县| 囊谦县| 平顶山市| 定陶县| 临海市| 武威市| 广德县| 云梦县| 桐梓县| 集安市| 松江区|