基于金融加速器理論和ARMA模型對中國農村CPI的淺析

盧大中等

【摘要】本文以中國農村主要金融機構為研究對象，以2000年1月到2014年3月的中國農村居民價格消費指數為研究數據建立ARMA模型，并根據所建模型和數學公式預測4.5月份我國農村CPI數據并與現實數據進行對比，以此來檢驗模型的準確性并結合金融加速器相關理論來對農村地區未來CPI走勢進行理性分析，最后結合我國現行的農村金融政策提出若干可行性建議。

【關鍵詞】ARMA模型 金融加速器 金融政策

引言

1929～1933年全球經濟經歷了大蕭條，在此之后Fisher提出的債務-通貨緊縮理論，指出大蕭條的原因是信貸市場的失靈，這一觀點成為了金融加速器的雛形。金融加速器理論的提出是由于在借貸市場中雙方所獲取的信息具有不完全對稱性，使得投資過程中部分資金的投資產生了代理成本，沒有達到最優狀態甚至是無效率的，這就會造成下一期的投資、負債、產出以及借貸能力，各項經濟指標都會因此產生加劇波動。由于投資過程是雙向的，所以當金融加速器產生正面效應時，相應企業的凈資產投資產出將進一步增加。與之相反，當金融加速器產生負面效應時，相應企業的凈資產和投資產出也將減少。近幾年來“三農”問題成為全社會關注的焦點，同時也是國家加快現代化建設的工作重心。農村金融又是農村經濟的核心問題，但由于我國城市化進程加快，加之本身基礎薄弱的農村經濟基礎，很多優勢資源也隨之向大城市轉移，甚至出現許多“金融盲區”。據筆者調查，在云南許多農村地區連“土生土長”的農村信用社都在農村銷聲匿跡。因此，融加速器理論對于農村地區的經濟指導作用具有現實的性和重要的意義。

一、“金融加速器”理論和ARMA模型

傳統的經濟學假設市場是有效的無摩擦的，各個交易者之間的了解都是充分的，即信息完全對稱。而現實市場的信息是非完美的，借款者和貸款者之間的不對稱信息使得銀行獲得企業項目信息的成本增加，導致了借貸市場資金分配的非最優甚至是無效率。當企業微觀個體受到外部不利沖擊時，凈資產和現金流量必然發生變化，企業微觀個體在借貸時所能夠提供的抵押品將會減少，會影響企業的借貸能力進而影響其下一期的投資、產出、凈資產以及借貸能力，如此循環往復，宏觀經濟必然會因為眾多微觀企業個體的變化產生結構效應，經濟指標會發生相應的變化。則有摩擦的信貸市場在外部沖擊下會加速經濟的增長或者衰退。代理成本隨著經濟周期反方向變動，在經濟蕭條時上升，在經濟擴張時下降。

自回歸滑動平均模型（ARMA模型）是研究時間序列的重要方法。通常是在面板研究中，考察消費者的長期行為模式變遷過程。進入21世紀以來，我國農村地區金融業務穩步發展，居民消費價格水平穩步提高，本文采取21世紀以來全國農村月度CPI數據為時間軸，建立ARMA模型。

二、文獻綜述

信貸市場和經濟波動之間的相關作用理論很早被發現。維克賽爾、哈耶克等提出了經濟的波動和信貸之間存在一定的聯系，并且指出信貸的變化情況會導致經濟的波動。Fisher提出“債務-通貨緊縮”理論，指出“大蕭條”的主要原因是信貸市場上的失靈。凈資產在債務鏈中占有重要作用。當企業的凈資產越低，可以獲得的貸款能力越低，貸款的減少會影響投資和產出，投資產出減少必使利潤減少，進而凈資產會因此不斷地循環減少。相反，當企業面臨著比較寬松的信貸政策時，其借款得到增加，投資、產出以及利潤都會增加。最終會導致通脹的產生。隨著20世紀80年代信息經濟學的逐步崛起和發展，Fisher的“債務-通貨緊縮”理論再次受到了重視。部分學者還將此理論運用在分析信貸市場對經濟波動放大效應的研究，同時將“金融摩擦”（信息不完美）這一概念納入到經濟周期波動的一般分析框架中，奠定了“金融加速器”理論的基礎。引用Bernanke和Gertler（1989）的觀點“正是由于信貸市場的信息不完美引起了企業借貸成本的變化，資產負債、投資、產出也隨之變化，微觀層面的變化積聚到宏觀層面產生結構效應，最終使得宏觀經濟呈現出更大的波動態勢。”Bernanke等人在1996年最早提出了“金融加速器”概念，即信貸市場在自身條件變化和外部沖擊的情況下能夠使得原來的經濟沖擊加強放大。Kiyotaki和Moore（1997）指出，因為信貸市場上不合理的配給因素的影響，企業為了能夠獲得足夠的資金進行下一期的投資生產，以實現持續經營，經常就會采取以企業的自身價值或借款人所持有的一定數量的特定資產作為抵押進行融資。在此情況下，宏觀經濟的變化會通過企業的信貸狀況來影響企業的貸款和投資水平，這將會加劇宏觀經濟的上升或者下降的態勢。他們提出，是信貸約束引起了宏觀經濟的過度波動。

Bernanke，Gertler和Gilchrist（1998）又在新凱恩斯模型的基礎上，假設信貸市場的不完全、企業凈資產、價格黏性，建立了動態一般均衡模型，模擬了外部沖擊經過“金融加速器”的放大效應可以達到的效果，此模型被稱為BGG模型。Bernanke等一系列研究構建了信貸周期理論的基礎，為分析資產價格波動、信貸周期、貨幣政策的傳導等問題提供了強有力的工具。后來學者在BGG模型的基礎上發展出DSGE模型，放松了一些假設條件，并且深入探討了銀行信貸標準的變化原因與變化會對經濟波動和資產價格產生的影響。

國內學者對于“金融加速器”和ARMA模型的研究也取得了一定得成效。崔光燦（2006）在研究資產價格波動對宏觀經濟產生的影響時指出在中國目前的宏觀經濟下，能夠運用“金融加速器”理論解釋如何由資產價格的波動而產生的宏觀經濟波動。趙振全和于震等（2007）對中國的信貸市場與宏觀經濟之間的關系進行深入研究，發現在1990年1月到2006年5月這段時間，金融加速器效應在中國的借貸市場上表現的極為明顯。且在相同特征的各種外部沖擊下，經濟波動在信貸市場中會由于市場所處的狀態不同而不同。同時，還指出借貸市場是宏觀經濟波動的重要波動源而且是波動的有力傳導媒介。楊勝剛和侯坤（2011）對我國的金融加速器傳導機制的非對稱性進行實證研究。結果表明我國的金融加速器傳導機制非常具有非對稱性。在負面沖擊下，市場的“反身性”作用會被壓縮至一個很狹窄的時間段，信貸總量和企業抵押資產縮水，這將加速經濟的衰退。另外有不少學者對于金融加速器的效應在不同地區是否具有差別進行了研究。袁申國和劉蘭鳳（2011）考察了427個上市公司1999～2009年的面板數據，并且以資產負債表系數衡量金融加速器效應的大小。實證分析表明根據資產總額的不同，將企業分為大型企業和小型企業，東部企業不存在金融加速器效應但西部地區和中部地區明顯存在著金融加速器效應，并且西部地區和中部地區存在著金融加速器時期規模交叉效應。張良貴和孫久文（2013）則把我國分為五大經濟區域，研究了不同地區的金融加速器效應特征和不同經濟區產業轉移的關系。結果表明我國的金融加速器效應存在著明顯的區域特征，這是由于不同地區的政策和市場化程度所決定的，并且區域之間產業的轉移影響著金融加速器效應的演化。耿葉萌、呂恕（2014）《基于時間序列模型的居民消費價格指數實證分析》中就指出針對居民消費價格指數的趨勢性和季節性，運用時間序列模型分析預測，不僅可以更好地了解我國的消費需求情況，而且能夠為政府把握未來的經濟趨勢并制定相應的政策措施提供重要的依據。王志堅、王斌會（2014）的《ARMA模型的穩健識別及實證分析》中也對ARMA模型的可行性和準確性作了精確的分析。

三、“金融加速器”模型理論及其在我國農村環境下傳導機制的說明

為了研究“金融加速器”作用下農村主要金融機構受外部沖擊后的影響程度，需要建立一個農村特定條件下的四部門經濟模型——家戶、企業、銀行（金融中介）以及政府的基本經濟框架，本文選擇的研究地區為云南省巧家縣、大關縣、永仁縣等部分具有典型代表性地區的農信社為模型中農信社的代表，而零售部門企業選自當地一些土生土長的地方企業為代表。“金融加速器”的效應通常通過幾個渠道來實現：一是通過當地企業的現金流進行傳導，包括政府部門財政和貨幣政策的實施，從而道德名義利率的上升減少經濟的總產出，降低了企業的現金流，企業自身內部的資金結構發生變化，此時要想保證投資水平的不變就必須增加對外融資的數額，根據國際通用的信用評級辦法，這些企業的違約風險必然上升，農信社為了避免風險就會提高借貸的代理成本，這就是現在所謂的“借款難”的問題，這就進一步增加了下一期的投資產出收入以及現金。如表1是人民銀行統計處關于云南八個農村信用社2014年2月的借款數據：

由圖中可看出存款數量遠遠大于貸款數量，這看似是一種“金融太平”的現象，但是這只是一種假象，因為存款一直放在銀行，結合現在日益嚴重的通貨膨脹，企業以及個體的資產是在蒸發的，我們再來看一下這八個縣在2013年12月存貸款數據（表2），除了個別地區縣鄉，存款減少貸款卻是增加的，也就是說在這兩個月過程中，現金流不斷從信用社轉移到了外部，這也就是金融加速器在其中作用，投融資不斷地增加只會造成更多的代理成本。

現在在對金融加速器有一定了解的情況下，我們來建立一個宏觀的四部門家庭、銀行、企業和政府的基本經濟框架。其中以上數據中的存貸款來源只發生在企業之間，而零售部門的存在只是為了說明價格變動的關系。

四、ARMA模型的建立

ARMA模型是時間序列的分析重要方法，我們用ARMA模型對中國農村CPI數據進行研究并且作出預測，考察中國農村地區的經濟情況和變化趨勢。

使用EViews軟件對2000年1月到2014年3月的中國農村CPI月度數據構成的時間序列進行平穩性檢驗。

由圖1、表3可以看出ADF檢驗統計量大于臨界值，所以模型非平穩，所以需要對原始數據進行一階差分處理。

如表4所示進行一階差分后，1%、5%、10%的置信區間下ADF檢驗統計量均小于臨界值，所以差分后的時間序列是平穩的，可以對其進行建模。

圖2是一階差分序列自相關圖和偏自相關圖。由于經濟變量一般都為1階或2階ARMA模型，所以我們可以嘗試建立ARMA（1，1）、ARMA（1，2）、ARMA（2，1）、ARMA（2，2）四種模型進行比較，選取其中擬合度最優的一個模型。

由表5得知經過調整后得出ARMA（1，1）模型為最優。常數項c的p值過大，應該省略。又因為省去c值之后AIC更小，所以模型更為精準可靠，最終確立ARMA（1，1）的數學方程為預測后2014年4月與五月的農村地區CPI的值分別為102.0687和102.0449與現實CPI數據誤差小于1%，所以模型十分精確。由此看出，中國農村CPI在平穩中向上攀升的趨勢。則當局應當密切關注CPI的走勢，防止過度的通貨膨脹造成的經濟過渡波動。

五、結論及完善我國農村地區經濟系統的對策

（一）完善農村地區的征信體系，使信息不對稱的程度相對減弱

征信體系是社會經濟發展壯大的必然產物，是與征信活動相關的法律制度、組織機構和市場管理等共同構成的一個有機融合的體系，為借貸市場進行信息方面的服務。根據金融加速器理論，經濟市場的波動是由于借貸市場上的信息不對稱所導致的，那么減弱信息不對稱的程度可以為借貸雙方減少摩擦，降低相應的交易費用。并且可以在外部經濟不利的沖擊時，貸款人能夠根據借款人的信用情況，比較準確的了解其公司經營狀況和資產負債的狀況從而對其進行合理的貸款發放，避免借款人在不利的外部沖擊下籌資困難，降低經濟的波動程度。則，減弱信息不對稱的程度可以避免經濟的過度波動，使農村經濟可以長時期的平穩增長。完善農村地區的征信系統，樹立正確的征信文化具有重要的意義。要使征信業務制度規范，征信機構制度規范，征信人員制度規范，這是使征信系統完善和業務健康發展的有力保障。

（二）構建農村經濟的預警機制

通過ARMA模型，我們可以預測未來的CPI數據，而用來反映居民消費的變化情況和運動趨勢，并且可以了解到通貨膨脹或者通貨緊縮的相對程度。為了避免農村地區的經濟下滑，我們可以通過ARMA模型進行預測。根據金融加速器理論，當經濟系統面臨不利的情況時，當局可以運用貨幣政策或者財政政策對經濟進行調節。可以加大對借款人的借款額度和對居民進行鼓勵消費，以此來保證農村地區的經濟平穩增長。

（三）完善金融市場和金融產品

統籌建立適度競爭的、多層次農村金融體系，加強農村信用社的管理，規范農村信用社的管理體制及保持農信社獨立法人地位總體穩定，從而促進其在農村金融中的調控作用，增強農村金融在抵御外來風險時自身所能發揮的作用，更好地運用農村信用社貼近基層、貼近農戶的“三農”服務主力軍作用。隨著農村經濟的發展，新農村建設的推進和農民收入水平提高，農村金融需求將會不斷擴大，農村金融產品和服務方式也需隨之不斷改進和創新。最后，堅持推進并不斷完善農村的金融市場。逐步改變目前農村金融市場的單一融資模式，縮小農村金融和城市金融之間的巨大鴻溝，擴展直接融資在其中所占的比重，探索中小企業集合發債、上市等資本市場融資渠道。加快發展農產品相關的期貨市場和衍生產品市場，增加農產品品種數目，合理有效地發揮期貨市場的價格發現功能，減弱農產品在生產和銷售過程中由于市場所帶來的風險。除此之外應該加大力度完善農業方面的保險體系，創新農業保險的品種，探索發展出農村信貸和農業保險相互結合緊密聯系的銀保互動機制，不斷探索發展新的模式并形成比較完善的農業風險管理體系。

參考文獻

[1]Bernanke Ben and Mark Gertler.Inside the Black Box：the Credit Channel of Monetary Policy Transmission.Journal of Economic perspectives，1995.

[2]Bernanke，Bens，Mark Gertler，and Simon Gilchrist，The Financial Accelerator and the Flight to Quantity .Review of Economics and Statistics，1996：1-15.

[3]Bernanke，B，Gertler，M，Gilchrist，S.The financial accelerator in a quantitative business cycle framework.Handbook of Macroe- conomics.1999.

[4]采峰，曾鳳章.產品需求兩非平穩時序的ANN-ARMA預測模型【J】北京理工大學學報；2007年第三期.

[5]朱威，鐘惟劍.ARMA模型在居民消費價格指數預測中的應用[J].金融經濟.2008（16）.

[6]李習平.基于GM（1，1）理論的中國居民消費價格指數預測模型研究[J].全國商情（經濟理論研究）.2009（04）.

[7]姜弘.居民消費價格指數的時間序列分析及預測[J].統計與決策.2009（04）.

[8]張鑫.城鄉居民收入差距的ARMA模型預測[J].當代經濟.2009（10）.

[9]鄭紀安.基于小波分析和神經網絡的金融時間序列預測研究[D].廈門大學，2009.

[10]胡楊，張宗新.金融加速器效應在中國的存在性分析——以次貸危機發生后的經濟環境為例[J].現代經濟探討.2010（04）.

[11]馬志鋒，種慶，張文斌，霍敬偉.時間序列分析在中國城鎮居民消費水平中的應用[J].周口師范學院學報.2011（02）.

[12]耿葉萌，呂恕.《基于時間序列模型的居民消費價格指數實證分析》[D].河北大學學報，2014年.

作者簡介：盧大中（1993-），男，云南昆明人，安徽財經大學金融學院學生；張煥明（1973-），男，湖北蘄春人，安徽財經大學統計與應用數學學院院長，西南交通大學經濟學博士；李棟梁（1991-），男，安徽利辛人，安徽財經大學金融學院學生；王茜瑤（1994-），女，安徽合肥人，安徽財經大學統計與應用數學學院學生。