基于ARIMA 模型的我國農村金融機構負債金額預測研究

□張 瑞，張 巖，楊海芬，趙增鋒

（河北農業大學經濟管理學院，河北 保定 071000）

1 研究背景

負債管理是銀行業經營管理體系的重點內容，處于我國金融體系末梢的農村金融機構，受自身發展能力和外部市場競爭挑戰的雙重制約，面臨的壓力和挑戰更為嚴峻。2014 年以來，農村金融機構的資產擴張能力日益減弱，“負債決定資產”的經營理念一直占主導地位，一些農村金融機構不顧區域經濟發展實際，過度強調存款和貸款的市場份額，導致其財務風險相對較高，回落的農村金融機構負債出現增長趨勢。農村金融機構是我國農村金融服務體系重要組成部分之一，有力地支持了農村地區經濟和社會的發展，通過預測其負債金額的大小，對提高農村金融機構負債管理具有重要意義。

銀行負債主要包括存款、同業負債和主動性借入資金，并以存款為主體。從宏觀角度來看，近幾年商業銀行負債發展特點總體表現為負債總量增長放緩、負債結構變化明顯以及負債成本上升壓力凸顯。程樂硯（2014）認為，存款是我國商業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）發現，貨幣政策收緊會影響大型上市銀行的負債融資結構，進而對整體銀行業的負債融資結構產生影響。弘毅（2020）從哲學視角出發，探討銀行負債和資產業務，認為銀行負債業務是其他業務的基礎。從微觀角度來看，徐煜程（2017）應用ARIMA 模型對我國金融機構存款進行分析，比較準確的預測出2016 年11 月的金融機構存款。張會榮和鄒泉（2020）選取2000—2018 年我國金融機構各項存款總和按月統計的數據，應用ARIMA 模型對我國金融機構存款進行了短期預測，預測結果良好。由此可以發現，學術界大多從整體對銀行業負債管理進行研究，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，不能具體反映負債過大對銀行的影響。同時，學術界針對銀行業負債金額進行預測研究少有涉及，從農村金融機構角度來研究負債金額的幾乎沒有。

因此，通過研究我國農村金融機構負債金額的發展趨勢，依據2014 年1 月到2021 年10 月共94 個月度數據，運用ARIMA 時間序列模型進行預測。其中，農村金融機構包括農村銀行、農村合作銀行、農村信用社和新型農村金融機構。以期通過研究農村金融機構負債金額的數據波動，使農村金融機構能夠準確研判形勢，對經濟新常態下農村金融機構發展及加強其資產負債管理提供依據。

2 模型選擇

常用的預測模型主要有灰色預測模型、BP 神經元網絡、回歸預測模型、時間序列預測模型4 種。相較于其他預測模型，時間序列預測模型是通過使用過去的事件特征來預測依賴于事件順序的未來事件。對農村金融機構的負債金額進行預測，要基于其過去的數據，該方法適合對我國農村金融機構負債金額的短期預測。

時間序列預測模型可分為簡單移動平均法、指數平滑法以及平穩時間序列法等。其中，平穩時間序列法適用于小規模、單變量的短期預測，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），其結構如下。

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

3 我國農村金融機構負債金額趨勢預測實證分析

3.1 數據的選取及描述性統計分析

為了保證數據的權威性和可得性，選取中國銀保監會統計數據中我國農村金融機構負債金額為數據來源，收集整理出2014 年1 月到2021 年10 月共94 個月度數據。

《巴塞爾協議》規定，商業銀行風險資本核心充足率為8%，也就是銀行的資產負債率在92%以下是正常的水平。為了更好地分析農村金融機構負債金額，將資產和負債的對比通過資產負債率體現。通過計算農村金融機構年平均負債率，農村金融機構資產負債率從2014 年開始下降，到2016 年達到最高點，發現其資產負債率逐漸降低后又出現增長的趨勢。也就是說，農村金融機構負債雖然整體增速放緩，但負債增速仍超資產增速，具體可分為4 個階段。

2014—2015 年，負債率逐漸降低。受錢荒時期影響，銀行資產規模從快速擴張轉向減速慢行，監管層開始了一系列管控，銀行和企業都出現缺錢的狀況，致使負債率逐漸降低。2015—2016 年，高負債率階段。我國宏觀經濟增長放緩，國家金融改革措施以及央行采取了一系列政策，農村金融機構的盈利水平直接受到影響，處于高負債率水平。2016—2019 年，負債率逐漸降低。國家對金融業開始嚴監管，2017 年銀監會專項部署了“三三四”檢查，在資產端亦受到結構調整壓力，使得融資需求適當減弱，農村金融機構資產負債率呈下降趨勢。2019 年至今，負債率呈現增高趨勢。受新冠肺炎疫情影響，農村金融機構開辟的信貸“綠色通道”，易產生“放得出去、收不回來”的風險，農村金融機構資產負債率呈現增高趨勢。

3.2 平穩性處理

我國農村金融機構2014—2021 年月度負債金額一直增加，呈現快速上升的趨勢，初步判斷該序列為不平穩時間序列，為在消除數據異方差的同時又不改變數據的相對關系，故對原始數據差分進行平穩化處理。經過一階差分處理后，該序列已基本平穩且在零均值附近波動，可初步判定農村金融機構負債金額一階差分序列是平穩的，并使用單位根檢驗法進一步對其進行驗證。其ADF-T 檢驗值為-1.762 870，在1%、5%和10%顯著性水平下均不能拒絕原假設，即判斷原始數據不平穩。經過一階差分處理后，ADF-t 檢驗值為-13.625 18，差分后的序列為平穩的時間序列，可以進行ARIMA 模型的構建。

3.3 模型的識別和定階

ARIMA 模型識別通過自相關函數圖（ACF）和偏自相關圖（PACF）來判定模型階數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 進行取值來確定模型階數，多次嘗試后建立了不同的AR 模型、MA 模型和ARIMA 模型，并根據信息準則值進行模型選擇，對比發現ARIMA（1，1，2）的擬合效果最好，最終確定模型ARIMA（1，1，2）。

3.4 參數估計與模型檢驗

通過對模型的識別與定階，認為ARIMA（1，1，2）模型進行擬合效果最好，并通過最小二乘估計法對模型進行參數估計，其值均小于0.05，通過檢驗。ARIMA（1，1，2）模型的最終估計結果為如下。

對模型進行殘差序列白噪聲檢驗，即統計量檢驗，結果如表1。模型殘差的自相關和偏自相關值都小于臨界值，對應統計量的值大于0.05，即接受原始假設，在5%的有效性水平下，表明模型可以較好地描述數據。

表1 X 的殘差自相關檢驗

3.5 模型預測

數據通過檢驗后，以我國農村金融機構2014—2021 年月度數據為基礎進行預測，并與實際值進行對比，實際值和預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。因此，構建的ARIMA（1，1，2）模型具有良好的可信度。

運用ARIMA（1，1，2）模型進行預測，我國2021 年11 月到2022 年4 月，農村金融機構負債金額預測結果分別為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。由此可以發現，未來我國農村金融機構的負債金額仍然保持快速增長的趨勢。

4 結論與建議

4.1 結論

處理我國農村金融機構2014 年1 月到2021 年10 月共94 個月的數據，構建了ARIMA 模型，并對未來6 個月農村金融機構的負債金額進行估計。結果顯示，我國農村金融機構負債金額呈現快速增長的趨勢，且每月增速在0.65%以上，過高的負債會給農村金融體系帶來風險隱患。由于我國農村金融機構種類較多，且時間序列預測模型是以過去數據進行預測，未考慮其他外界環境因素，且農村金融機構本身存在存款占比低、負債成本高、負債質量管理體系不健全等問題，僅用過去數據進行預測不可避免地存在一定誤差。

4.2 建議

未來農村金融機構負債仍會增長，為控制我國農村金融機構負債增速，提出以下建議。

4.2.1 控制借貸金額與期限，堅持規律化發展

短期內，農村金融機構需要注意貸款金額與期限的管理，要分散貸款的期限和計劃量，以減少流動性過剩的壓力。盡量協調存款增長規律和貸款的時間、額度，將其控制在自身能夠承受的范圍內，用存款的增長滿足某些貸款的流動性需求。

4.2.2 優化資產與負債結構，堅持精細化發展

在負債端，結合農村現實情況調優負債結構，創新傳統服務項目，使負債端產品與附加服務逐漸走向高端。在資產端，要提高資產質量，從產業發展的角度把準信貸投放方向，推動穩健經營和可持續發展。此外，要圍繞國家金融政策和地方經濟特點，明確重點支持類、適度支持類、審慎介入類等不同客戶群的準入條件、授信方式和管理要求，靈活推出存款類產品。

4.2.3 擁抱金融科技，堅持創新化發展

農村金融機構要加強資產負債管理系統建設，積極通過金融科技進行轉型創新，實現傳統與現代的有機結合，構建“金融科技+資產負債管理”機制，建立一個完善的資產負債管理系統。一方面，有效地監測并預防系統性、流動性、操作性等風險，提高自身風險防范水平；另一方面，實現資產負債管理模式的變革，強化自身負債管理。

4.2.4 發揮自身優勢，堅持差異化發展

農村金融機構要找準自身定位，充分服務“三農”，發揮自身網點多、覆蓋廣、機制靈活的特點，重塑差異化競爭優勢，加強對自身的監管，從而降低負債成本和風險，使負債規模控制在一個合理的范圍。