儲蓄投資意愿指數及其影響因素

摘 要：本文嘗試構建一個儲蓄投資意愿指數，用以反映居民是傾向于儲蓄投資或是傾向于消費的意愿程度。通過分析其時間序列發現，儲蓄投資意愿指數長期處于2.6-2.9的穩定區間，但2012年后快速上升至3.6以上，原因包括：實際存款利率上升、理財產品收益率保持在高位、理財投資門檻降低。進一步實證分析影響儲蓄投資意愿指數的因素包括信貸余額/GDP、工業部門利潤率、同業拆借利率與CPI等，最后使用SARIMA模型對序列預測。儲蓄投資意愿指數具有較強的時效性，是對消費率、投資率的一個補充，在經濟結構轉型的一段時期內，可作為判斷政策是否有效、轉型是否朝預期發展的指標之一。

關鍵詞：儲蓄投資意愿指數；消費；貨幣供應量；SARIMA

中圖分類號：F014 文獻標識碼：A〓 文章編號：1003-9031（2016）06-0004-07 DOI：10.3969/j.issn.1003-9031.2016.06.01

一、引言

一直以來，中國都是一個高儲蓄率、高投資率的國家，投資在經濟增長中扮演著重要的角色但也招致了壓制消費的批評，投資消費失衡長期困擾著中國經濟，過度投資造成投資效率低下，導致過度能耗和資源破壞，還蘊藏著通貨膨脹風險，投資和消費失衡造成了大范圍的產能過剩等問題[1]。“十二五”以來，國家積極調整經濟結構，提出了“收入倍增計劃”，出臺拉動內需的相關政策，消費在GDP中的占比逐漸提高，國家統計局數據顯示，2014年中國支出法GDP為640796.4億元，其中最終消費支出328311.2億元，資本形成總額295022.3億元，貨物和服務凈出口17462.9億元，最終消費支出、資本形成總額、貨物和服務凈出口三大需求對國內生產總值（GDP）增長的貢獻率分別為50.2%、48.5%、1.3%。消費對GDP的貢獻已經超過了投資與凈出口，但與發達國家消費對GDP的貢獻率在70%左右還存在較大差距。

已有研究注重從宏觀層面分析投資、消費比例對經濟發展的影響，本文基于一個新的視角，從貨幣供應比率分析居民的投資與消費意愿，根據貨幣供應量構造了一個儲蓄投資意愿指數，用以反映居民是傾向于現在消費，還是傾向于現在進行儲蓄投資未來消費。

二、文獻綜述

本文分析的儲蓄投資意愿指數主要涉及到投資、消費，以下從投資消費角度梳理相關文獻。結合中國實際情況，主要研究涉及投資消費失衡問題。本文圍繞著這個問題，從合理的投資消費率及比例、投資與消費相互關系的統計檢驗、對宏觀經濟的影響等角度進行了深入研究。

國外相關文獻不多，Liu和Turnovsky（2005）系統的比較分析和探討了消費外部性和生產外部性對經濟增長率和消費資本比的影響[2]。國內方面，吳忠群、賀鏗、蔡躍洲等研究了投資率與消費率的合理范圍。通過對中國經濟增長、消費和投資發展的歷史軌跡進行分析，吳忠群（2002）定性與定量結合地給出一個合理的消費率、投資率等，通過國際比較得出，無論是消費增長率還是投資增長率，都有一個政策作用空間，宏觀政策的力度不宜超出這個區間[3]。依據經濟增長理論和經濟發展戰略思想，賀鏗（2006）研究了中國經濟發展的歷史過程，在國際比較中探尋中國投資和消費的合理比例，同時為促進國民經濟協調、快速發展提出相應的政策建議[4]。經濟發展階段及城市化水平、經濟外向型程度、地域及文化傳統、經濟體制等都對投資消費結構有顯著影響，在研究影響因素的基礎上，蔡躍洲、王玉霞（2011）匡算中國合意投資消費區間，合意的投資率和消費率區間為40～45%和55～60%[5]。徐敏、鄧紹建（2013）構建一個包括政府部門在內的三部門消費率決定模型，據此估算出我國合理的消費率，投資消費失衡實質上是兩大部類的失衡，中國投資消費失衡是因為國民收入分配不合理導致政府收入和企業收入過高而居民收入過低，從而導致三大主體投資消費行為的總量和結構失衡，并最終造成兩大部類之間的不平衡即投資消費失衡[6]。

投資率與消費率影響著經濟發展速度，更細致的研究，資本的效用影響著投資消費率。中國投資消費失衡的形成機制可能與高積累的形成機制、循環積累機制和政府調控機制相關。鄒衛星、房林（2008）建模分析發現，如果資本在效用中權重越大，生產外部性越高，則經濟增長率越高，消費資本比越低。以中國經濟1978—2006年的歷史數據為樣本，李占風、袁知英（2009）通過建立聯立方程模型以及脈沖響應函數，分析消費、投資、凈出口與經濟增長之間的關系[7]。投資與消費的結構性矛盾與國民收入分配結構的失衡有密切的關系，劉偉、蔡志洲（2010）通過國民資金流量表核算資料，分析近年來中國國民收入分配格局的變化趨勢及其對國內總需求結構的影響程度，并研究國民收入分配結構失衡的制度性背景[8]。

與上述研究的角度不一致，本文擬從貨幣供應視角分析政府、企業、居民的投資與消費意愿。一般對貨幣供應量的研究著重于貨幣供應、物價水平與經濟增長的關系，以探討貨幣供應量作為貨幣政策中介目標的合理性。貨幣供應量增長率變化對通脹變化有著明顯影響，劉明志（2006）指出，在貨幣流通速度不穩定的情況下，繼續使用貨幣供應量作為貨幣政策中介目標，可將中介目標動態化[9]。閏力、劉克宮、張次蘭（2009）采用HP濾波法分離M1、GDP、CPI增長率序列的趨勢成分和波動成分，運用VAR模型及其脈沖響應函數檢驗貨幣政策的有效性，貨幣供應量M1的波動對物價水平的影響十分明顯，對經濟增長有一定的影響[10]。在比率分析方面，蔡曉春、鄒克（2012）通過確定性時間序列模型分析了1995年 12月至 2010年 12月的Mi/M0比率趨勢，求出其季節波動、長期趨勢與周期波動[11]。其它的研究還包括王丙參（2013）等[12]。

本文深入分析貨幣供應量各個層次的含義，發現廣義貨幣供應量與狹義貨幣供應量之比與儲蓄投資、消費存在十分密切的關系，擬從貨幣供應量比率這個角度探討儲蓄投資與消費之間的關系，構建了儲蓄投資意愿指數，從序列蘊含的信息中深入挖掘影響儲蓄投資、消費的因素。

三、儲蓄投資意愿指數

（一）儲蓄投資意愿指數定義

在定義儲蓄投資意愿指數之前，有必要對貨幣供應量等幾個概念進行闡述。貨幣供應量是指某個時點上全社會承擔流通和支付手段的貨幣存量。現階段，我國將貨幣供應量劃分為三個層次[13]：

第一層次，流通中現金M0，即在銀行體系外流通的現金。

第二層次，狹義貨幣供應量M1，M1=M0+活期存款。其中，活期存款包括：企業活期存款+機關團體部隊存款+農村存款+個人持有的信用卡類存款。

第三層次，廣義貨幣供應量M2，M2=M1+準貨幣。其中，準貨幣包括：城鄉居民儲蓄存款+企業存款中具有定期性質的存款+信托類存款+其他存款。

M1反映經濟中的現實購買力，流動性較強，是國家中央銀行重點調控對象。M2不僅反映現實的購買力，還反映潛在的購買力，M2與M1的差額是準貨幣，可以看出，準貨幣基本上表示定期存款，流動性較弱。若M1增速較慢，則消費和終端市場活躍，出現通貨膨脹；若增速較快，則投資和中間市場活躍，出現資產泡沫。

M1的結構中，M0是我國居民消費品購買力實現的主要媒介手段，對全國零售商品物價指數產生重要影響；其余的活期存款部分是生產資料市場購買力的主要媒介，與生產資料價格水平和工業生產情況都有密切關系。

根據M1和M2的含義，本文構建的儲蓄投資意愿指數如下：

DIt=（1）

將M2分解，公式（1）可變換為：

DIt==1+

（2）

繼續將M1分解，公式（2）可變換為：

DIt=1+？艿1+ （3）

顯而易見，儲蓄投資意愿指數表示居民是傾向于現在消費，還是傾向于現在進行儲蓄投資未來消費的一種意愿程度。準貨幣越高，DIt指數越高；現金與活期存款越低，指數越高。儲蓄投資意愿指數指數越高，表明居民更加傾向于儲蓄投資；儲蓄投資意愿指數指數越低，表明居民更加傾向于持有現金現在消費，儲蓄投資意愿指數某種程度上可以看作是消費意愿的逆指標，但同時，命名為儲蓄投資意愿指數比消費意愿指數更為合理，這是因為居民持有現金與活期存款并不一定消費，由于應急需要等原因而持有較高的現金與活期存款，隨著互聯網金融貨幣基金具有隨時可贖回的特點，這種持有比例在下降，儲蓄投資水平上升，但消費水平并沒有下降。

儲蓄投資意愿指數以月為頻率，與CPI、PPI等指標一樣，具有較強的時效性，可以快速反映居民的儲蓄投資與消費意愿；儲蓄投資意愿指數是對消費率、投資率的一個補充，在經濟結構轉型、擴大消費對經濟發展促進作用的一段時期內，可作為判斷政策是否有效、轉型是否朝預期發展的指標之一。

（二）指數的時間序列分析

通過中國人民銀行網站收集了1992—2015年貨幣供應量的相關數據，其中，1995年以前只公布年底的數據，從1996年1月開始公布每月數據。根據貨幣供應量計算出儲蓄投資意愿指數，圖1為1995m12-2015m04儲蓄投資意愿指數時間序列。中國的儲蓄投資意愿指數變化大概經歷了三個階段：第一階段為1992—1996年1季度，儲蓄投資意愿指數較低，1992—1995年儲蓄投資意愿指數分別為2.165、2.142、2.284、2.533，均未超過2.6。第二階段為1996年2季度至2011年，儲蓄投資意愿指數較為穩定，變化幅度不大，在2.6-3.0之間波動，其中又可以分為兩個小階段，第一個小階段為1996-2004年，期間儲蓄投資意愿指數基本上在2.6-2.8之間波動；第二個小階段為2005—2011年，期間儲蓄投資意愿指數基本在2.9左右，2011年12月儲蓄投資意愿指數為2.938。第三個階段為2012年至目前，從2012年開始，儲蓄投資意愿指數開始快速上升，由3.170上升至2015年4月的3.807。

本文通過模型精確地計量2012年儲蓄投資意愿指數序列的變化。當序列具有明顯的確定性趨勢，常常使用到殘差自回歸模型（auto-regressive）。對1995年12月—2015年4月的數據進行建模，根據序列的特點，本文考慮在殘差自回歸模型中引入虛擬變量考察2012年序列的突變。

模型的結構如下：

xt=？琢0+？琢1Tt+？琢2T2012t*（Tt-193）+？著t ？著t=？覫t？著t-1+…+？覫p？著t-p+at E（at）=0，Var（at）=？滓2，Cov（at，at-i）=0，？坌i≥1 （4）

其中，Tt表示確定性時間趨勢，1995年12月為1，T2012t為虛擬變量，用以反映2012年開始DIt序列的突變，193表示2012年1月為193期，在乘法模型中應減掉。

通過EVIEWS8軟件計算，模型的擬合結果如下：

xt=2.619+0.0015Tt+0.0215T2012t*（Tt-193）+？著t ？著t=0.807t？著t-1+at （5）

擬合系數均在1%的顯著性水平下顯著，調整的R2為0.8778，at的DW統計量為1.89，拒絕殘差自相關的存在，模型效果較好。

可以看出，從2012年開始，儲蓄投資意愿指數的趨勢明顯變化，2012年以前，儲蓄投資意愿指數僅以每個月0.0015的速度增加，2012年開始，儲蓄投資意愿指數以每個月0.0215的速度增加，平均增加速度為2012年以前的10倍。那么導致這種變化的原因是什么？接下來將對M1、M2的變化進行分解，然后，進一步分析儲蓄投資意愿指數的影響因素。

由于M1、M2為絕對數且數據大，難以直接分析M1、M2的變化，相對而言，相對數更容易判斷。根據儲蓄投資意愿指數的定義，儲蓄投資意愿指數可分解為兩部分：

分析的時間序列趨勢，見圖2。受美國次貸危機影響，以出口為導向的外向型經濟受到嚴重沖擊，2009年開始，中國政府出臺大規模的經濟刺激計劃，貨幣供應量快速上升，表現出跳躍上升的趨勢，2009—2014年，的線性趨勢不變。再看，其在2009—2011年處于較高水平，但從2011年開始已經表現出下降或者平穩的趨勢。可以得出，主要是因為的變化導致了儲蓄投資意愿指數在2012年快速上升。

進一步分析M0、M1的變化情況。2010年以前，基本上是M1同比增速高于M0同比增速，2010年年末，M1同比增長21.2%，M0同比增長16.7%，狹義貨幣乘數處于穩定的增長趨勢。2011年開始，M1同比增速下降，M0同比增速上升，2011年年末，M1同比增長8.7%，M0同比增長13.7%，M1同比增速低于M0同比增速，儲蓄投資意愿指數開始上升，從2012年開始，M1同比增速快速下降，2012年1月份下降至3.1%，2月份為4.3%，此時M0同比增速為8.8%，其余10個月均存在M1同比增速遠低于M0同比增速的現象，此后從2013年開始，M1同比增速基本與M0同比增速相當，保持在一個穩定的水平，這導致了2012年以后儲蓄投資意愿指數的快速上升，而在2012年以前，一旦出現背離，M1同比增速與M0同比增速將會向反方向調整。縱觀1996—2015年，2012年以來M1同比增速的平均水平是最低的，而從2013年開始M0同比增速也處于較低水平且快速下降，可以判斷，2012年以來，中央銀行實行的是適度從緊的貨幣政策，貨幣供應量增速處于歷年來的較低水平。

是什么導致了M1同比增速在2012年異常低于M0同比增速，且接下來沒有回調，使得儲蓄投資意愿指數快速上升？主要可能存在以下幾方面原因：

實際存款利率上升。存款利率保持在較高水平，但CPI快速下降，2012年7月CPI同比增長下降至1.8%，使得實際存款利率上升到近年來少見的連續正利率，居民增加定期存款，用于消費的支出會減少，從而降低了居民的現金與活期存款意愿，導致M1同比增速下降。

理財產品收益率保持在高位。理財產品市場收益率高與實體經濟債務水平上升、商業銀行的存貸期限錯配程度高有關，由于處于金融危機后商業銀行貸款的償還期，企業實體資金需求十分旺盛，一旦償還困難很可能出現違約，商業銀行有為其提供后續貸款的壓力，但因存貸比限制，只有通過中間業務給企業實體提供資金，商業銀行大量從銀行間市場、理財產品市場拆借資金，在貨幣供應量適度從緊的政策下，資金供應緊張，理財產品收益率快速上升，人們大量買入理財產品與貨幣基金，降低了活期存款。

理財投資門檻降低。以余額寶為代表的互聯網貨幣基金，擁有龐大的用戶基礎，理財投資門檻大大降低，以前不具備商業銀行理財條件的年輕儲戶紛紛將活期存款搬離商業銀行，互聯網金融規模迅速擴張，至2015年一季度，余額寶規模超過7000億元，用戶規模超過1.5億。面對來自移動互聯網金融的壓力，商業銀行為了防止存款流失，紛紛綁定貨幣基金，推高收益理財產品，2014年初更有銀行將傳統理財產品的起始投資門檻從5萬元降低為1萬元。理財投資門檻降低也使得之前年份的同比增速回調沒有實現。

四、儲蓄投資意愿指數影響因素實證

根據式（3）可知，儲蓄投資意愿指數DIt受定期存款、活期存款以及流通中的現金的共同影響。定期存款與存款利率水平有關，實際存款利率越高，居民的儲蓄意愿越強，很顯然，DIt也與消費者價格指數CPI相關，CPI越高，意味著通貨膨脹相對較高，居民的儲蓄意愿相對較低。活期存款以及流通中的現金則受短期理財產品利率、社會零售總額增速、投資門檻影響，另外信貸余額、盈利水平也會間接影響到儲蓄投資意愿指數。

綜合以上分析，本文初步納入的影響變量包括：銀行間同業拆借利率（BR）、CPI、社會零售總額增速（SR）、信貸余額/GDP（LOGDP）、工業部門利潤率（LR）。

受數據質量、頻率與公布的限制，本文使用2000—2014年的年度數據，其中，銀行間同業拆借利率來源于上海同業拆借利率中心網站以及中經網，社會零售總額增速、工業部門利潤率來源于國家統計局，信貸余額/GDP來源于中國人民銀行與國家統計局，工業部門利潤率用工業部門利潤總額除以資產總額計算得到。

最終的回歸結果如表1所示，模型擬合優度良好，殘差不存在自相關。可以看出，儲蓄投資意愿指數DI受信貸余額/GDP、CPI、銀行間同業拆借利率與工業部門利潤率的影響。LOGDP系數為正，在5%的顯著性水平顯著，表明信貸余額/GDP越高，企業實體部門償債壓力越大，資金需求增加，短期理財產品收益率會上升，居民的儲蓄投資意愿增加；工業部門利潤率越高，企業實體部門盈利能力越強，投資更多，會增加儲蓄水平，進而提高儲蓄投資意愿指數；滯后一期的BR對DI的影響為正且顯著，表明同業拆借利率越高，會吸引人們將投入更多的活期存款與現金購買理財產品；CPI與DI正相關，在10%的顯著性水平下顯著，在2000—2006年左右表現為CPI較低，DI也較低，2007年以后CPI相對較高，DI相對也較高，如果單從2007年以后看，CPI與DI的相關系數為-0.409。

五、儲蓄投資意愿指數預測

在對儲蓄投資意愿指數進行預測之前，需要建立預測模型。根據序列本身的特點，本文考慮建立SARIMA模型，為了對預測結果進行檢驗，使用1996年1月-2014年12月的數據進行建模，2015年1-4月的數據用于預測精確度檢驗。

（一）模型建立

通過ARIMA模型對DIt序列建模，并不能消除高階自相關性。可以確定，DIt序列具有高階自相關，本身具有季節效應，但季節效應還具有相關性，比較適合用SARIMA模型進行擬合，一個完整的SARIMA模型可簡記為ARIMA（p，d，s）×（P，D，Q）s [14-16]。

首先，對模型進行識別。對DIt序列做1階12步差分，得到平穩序列。通過SAS軟件中ARIMA程序identify對模型的自相關系數與偏自相關系數的特征進行識別，確定短期相關模型。偏自相關圖顯示，短期內存在1、3、4階相關；自相關圖顯示，短期內存在1階相關，嘗試使用ARMA（1，3，4），1）提取模型的短期自相關信息。

進一步分析DIt序列的季節自相關特征，同樣觀察自相關圖與偏自相關圖中延遲12階、24階等以周期長度為單位的系數特征。從自相關圖可以發現，延遲12階與24階的自相關系數與偏自相關系數均顯著非零，但自相關系數24階衰減得更快。可以嘗試擬合以12步為周期的ARMA（1，1）模型或者ARMA（0，1）模型提取差分序列的季節自相關信息，經檢驗發現擬合ARMA（1，1）模型的AR（1）12在5%的顯著性水平下不顯著，但在10%的顯著性水平顯著，而ARIMA（（1，3，4），1，1）×（0，1，1）12所有的參數均在5%的顯著性水平下顯著，綜合AIC與SBC統計量，發現ARIMA（（1，3，4），1，1）×（1，1，1）12比ARIMA（（1，3，4），1，1）×（0，1，1）12要小，所以，本文實際上擬合的乘積模型為ARIMA（（1，3，4），1，1）×（1，1，1）12。

其次，擬合模型結果。選用精確度比較高的非線性最小二乘法來估計參數，在SAS的ARIMA程序下輸入estimate p=（1 3 4） （1） q=（1） （12）noint； run；，得到模型的擬合結果如下：

12DIt=？著t

模型的AIC與SBC統計量分別為-729.315與-709.091。

對擬合模型的殘差進行白噪聲與參數檢驗（見表2），結果顯示，在10%的顯著性水平下，該模型順利通過殘差白噪聲和參數顯著性檢驗。

（二）模型預測

通過SAS的FORECAST命令對DIt序列進行預測，預測結果見表3。模型預測能力可用MAPE（平均絕對百分比誤差）度量。對模型預測能力的檢驗可分為對樣本期內與對樣本期外的模型預測能力檢驗兩部分，對樣本期內的預測能力檢驗通過觀察所建模型的擬合值與實際值對比的擬合圖，從總體上定性判斷模型預測能力大小；對樣本期內的預測能力檢驗通過將預測區間外推至建模所用樣本之外幾期進行預測，并將預測值與實際值進行比較，以定量評價模型預測能力。

樣本期內，DIt序列預測的MAPE值為0.96%，表明模型的預測能力較高。樣本期外，6期DIt序列預測的MAPE值為1.2%，表明模型的預測結果合理，預測精度較高；12期的DIt序列預測的MAPE值為2.6%，整體也處于較為合理的范圍內。從2015年12期的預測誤差看，由于季節效應的存在，1月份預測誤差往往較大；2-7月份的預測誤差均很小，但是從8月份開始，預測誤差逐漸加大，到2015年12月底，預測誤差加大到7.1%。預測誤差的加大一方面與預測期數的增加有關，另一方面與中國人民銀行大幅度降低了存款準備金率以及存貸款利率有關，因為隨著貨幣政策的寬松，相關理財產品利率會下降，人們傾向于持有現金，所以2015年下半年儲蓄投資意愿指數較預測值要低。

隨著數據的更新，本文較為關心2016年的儲蓄投資意愿指數，在更新2015年數據的基礎上，進行第二階段建模預測，得到的預測結果見表3（右側）。由于2015年下半年開始，貨幣政策進行了較大調整，2016年的預測誤差增大，總體走勢則是儲蓄投資意愿指數會逐漸下降至3.4-3.5。從1-4月的預測誤差方向看，誤差為負，顯然，2015年可能存在過度調整的問題，因此，2016年儲蓄投資意愿指數平均值應該在3.5左右。

六、結語

本文深入分析貨幣供應量各個層次的含義后構建了儲蓄投資意愿指數，通過分析儲蓄投資意愿指數時間序列挖掘信息，分析了儲蓄投資意愿指數在2012年突變的原因，進一步實證分析了儲蓄投資意愿指數的影響因素，并運用SARIMA模型對指數進行預測。主要的研究發現如下：

2012年以前，儲蓄投資意愿指數基本在2.6-2.9之間，2012年以后，儲蓄投資意愿指數快速上升至2015年4月的3.807，本文認為，主要與實際存款利率上升、理財產品收益率保持在高位以及互聯網金融快速發展導致的理財投資門檻大大降低有關，而短期收益率上升與2009年經濟刺激計劃后存貸款期限錯配導致的大量貸款到期、實體經濟杠桿率過高有關。

進一步通過回歸方程分析影響儲蓄投資意愿指數的因素包括信貸余額/GDP、工業部門利潤率、同業拆借利率與CPI等，信貸余額/GDP與工業部門利潤率都對儲蓄投資意愿指數有顯著影響，與前面的分析相互呼應。

參考文獻：

[1]鄒衛星，房林.為什么中國會發生投資消費失衡？[J].管理世界，2008（12）：32-43.

[2]Liu Wen-Fang， Turnovsky Stephen J..Consumption Externalities， Production Externalities and Long-run Macroeconomic Efficiency[J].Journal of Public Economics，2005，Vol.89，1097-1129.

[3]吳忠群.中國經濟增長中消費和投資的確定[J].中國社會科學，2002（3）：49-63.

[4]賀鏗.中國投資、消費比例與經濟發展政策[J].數量經濟與技術經濟，2006（5）：3-10.

[5]蔡躍洲，王玉霞.投資消費結構影響因素及合意投資消費區間——基于跨國數據的國際比較和實證分析[J].經濟理論與經濟管理，2011（1）：34-40.

[6]徐敏，鄧紹建.國民收入分配與投資消費失衡[J].稅務與經濟，2013（6）：41-46.

[7]李占風，袁知英.我國消費、投資、凈出口與經濟增長[J].統計研究，2009（2）：39-42.

[8]劉偉，蔡志洲.國內總需求結構矛盾與國民收入分配失衡[J].經濟學動態，2010（7）：19-27.

[9]劉明志.貨幣供應量和利率作為貨幣政策中介目標的適用性[J].金融研究，2006（1）：51-63.

[10]閏力，劉克宮，張次蘭.貨幣政策有效性問題研究——

基于1998—2009年月度數據的分析[J].金融研究，2009（12）：59-72.

[11]蔡曉春，鄒克.貨幣供應量比率Mi/M0的時間序列分解分析及預測[J].統計與決策，2012（8）：115-118.

[12]王丙參，魏艷華，孫永輝.個人投資與消費模型的期望效用最大化[J].經濟數學，2013，30（3）：68-74.

[13]許滌龍.貨幣與金融統計學[M].北京：科學出版社，2008.

[14]Box G.， Jenkins G.. Time series analysis forecasting and control[M].San Francisco： Holden Day， 1970.

[15]Box G.， Jenkins G. Mac Gregor J.. Some recent advances in forecasting and control， part two[J].Statist， 1974（4）.

[16]王燕.應用時間序列分析（第三版）[M].北京：中國人民大學出版社，2012.