基于實物資產(chǎn)請求權(quán)的金融相關(guān)比率預測研究

王承奔（安徽財經(jīng)大學　金融學院，安徽　蚌埠　233030）

基于實物資產(chǎn)請求權(quán)的金融相關(guān)比率預測研究

王承奔
（安徽財經(jīng)大學金融學院，安徽蚌埠233030）

摘要：本文匯總整理了歷年具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)，利用非參數(shù)核估計、脈沖響應(yīng)與方差分解函數(shù)以及交叉相關(guān)系數(shù)等方法，探究金融資產(chǎn)與國民收入的關(guān)系，然后比較分析了ARIMA模型與VAR模型在預測金融相關(guān)比率中的優(yōu)劣，發(fā)現(xiàn)VAR模型不僅體現(xiàn)了經(jīng)濟因素對金融資產(chǎn)的影響，而且擬合效果更好.本文選用VAR模型預測金融相關(guān)比率，結(jié)果顯示出我國金融規(guī)模有過度擴張的風險.

關(guān)鍵詞：金融發(fā)展；金融相關(guān)比率；經(jīng)濟增長

1　引言

金融相關(guān)比率是雷蒙德W戈德史密斯（1969）提出的，他對金融相關(guān)比率的定義是全部金融資產(chǎn)除以全部有形資產(chǎn)價值（即國民財富）所得出來的比率，它是用以衡量金融上層結(jié)構(gòu)規(guī)模的最廣泛的尺度.但是他并沒有在書中給出比率分子項的具體計算指標，而且他在書中的實證分析里對金融相關(guān)比率沒有使用定義中的比值公式進行直接計算，而是采用了若干指標間接測度了金融相關(guān)比率的數(shù)值.這種復雜的間接測度方法無疑給金融相關(guān)比率指標的實際統(tǒng)計和分析帶來了一定的難度.本文采用了兩種方法進行樣本內(nèi)有效性比較，選擇更有效的模型對金融相關(guān)比率進行預測，揭示金融發(fā)展與經(jīng)濟增長之間的關(guān)系，并說明怎樣的方法預測金融發(fā)展更有效.

本文使用廣義貨幣和有價證券之和來計量金融資產(chǎn)總值，其中有價證券的價值是股票市值與債券余額之和，在部分年份，大額存單也被計入到金融資產(chǎn)總值中.本文對金融資產(chǎn)指標的選取主要是依據(jù)是否具有實物資產(chǎn)的請求權(quán)這一特性，實物資產(chǎn)請求權(quán)的金融資產(chǎn)是指能夠直接獲得實物資產(chǎn)或者易于變現(xiàn)購得實物資產(chǎn)的金融資產(chǎn).之所以選取具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)作為分子的測度口徑，是因為這一類金融資產(chǎn)流動性強，其價值易于評估，對財富的跨期配置有著相似之處，對實體經(jīng)濟的融資或支付等行為可以產(chǎn)生直接的支持，能夠用于薪酬支付或抵押等方面.這些特性的存在使得具有實物資產(chǎn)請求權(quán)的金融工具能夠較顯著影響經(jīng)濟增長，作用機理有相似之處.而其他金融資產(chǎn)（主要是具有或有請求權(quán)的金融資產(chǎn)）不具有這些特性，比如，保險產(chǎn)品只能作為工作福利發(fā)放；金融衍生產(chǎn)品難以估值和迅速變現(xiàn)，很少有用于抵押的，不適合支付全部薪酬，最多用于績效獎勵.因此，選取具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)會使得金融相關(guān)比率的研究有著明晰的判定標準，通過判定可以找到具有某種或某幾種影響經(jīng)濟途徑的金融資產(chǎn)，而且這種判定是有效的，能夠抓住金融發(fā)展影響經(jīng)濟增長的主要方面.

2　金融發(fā)展的現(xiàn)狀與預測

2.1數(shù)據(jù)選取和變量說明

根據(jù)吳雷德W戈德斯密斯（1969）對金融相關(guān)比率的定義——全部金融資產(chǎn)除以全部有形資產(chǎn)價值（即國民財富）所得出來的比率，它是用以衡量金融上層結(jié)構(gòu)規(guī)模的最廣泛的尺度，和趙志君（2000）從流動性出發(fā)，將廣義貨幣形式的金融資產(chǎn)分為貨幣、債券與股票的觀點（這些金融資產(chǎn)與期權(quán)等金融衍生品和保費等不同，都具有實物資產(chǎn)的請求權(quán)），本文定義金融相關(guān)比率的公式如下：

其中FIR代表金融相關(guān)比率，F(xiàn)A代表金融資產(chǎn)（financial assets），stock代表股票市值，bond代表債券余額，M2代表貨幣與準貨幣，GNI代表國民總收入.

研究的樣本空間為1978年到2013年.股票市值主要來源于中國金融年鑒與國家統(tǒng)計局網(wǎng)站，其中1985-1991年數(shù)據(jù)來自中國金融年鑒，考慮到數(shù)據(jù)的可得性，使用股票余額近似代替當年的股票市值，1992-2012年數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站，由于2013年年度數(shù)據(jù)未公布，故采用中國人民銀行網(wǎng)站數(shù)據(jù)進行補充.1978-1980年無債權(quán)余額數(shù)據(jù)，1981-2001年債券余額來自中國金融年鑒的數(shù)據(jù)，由于不同年份的金融年鑒數(shù)據(jù)略有不同，個別數(shù)據(jù)有微調(diào)（盡量采用時期較晚的年度年鑒數(shù)據(jù)，當年期末余額不詳?shù)牟捎煤笠荒甓绕诔跤囝~數(shù)據(jù)）.2002-2013年債券余額及分類數(shù)據(jù)采用中國債券信息網(wǎng)中中國國債登記結(jié)算有限責任公司的債券總托管額.1988年至1995年大額可轉(zhuǎn)讓存單納入金融資產(chǎn)統(tǒng)計范圍，數(shù)據(jù)來源于中國金融年鑒.1978-2012年貨幣與準貨幣M2、國民總收入GNI數(shù)據(jù)源于世界銀行網(wǎng)站，2013年貨幣與準貨幣M2來自中國人民銀行網(wǎng)站，國民總收入GNI數(shù)據(jù)采用中國國家統(tǒng)計局2013年GDP乘以中國國家統(tǒng)計局2012年GNI與GDP的比值.

2.2金融資產(chǎn)總值與國民總收入的關(guān)系

2.2.1數(shù)據(jù)的選取

本文將金融資產(chǎn)總值FA和國民總收入GNI分別取對數(shù)形成對數(shù)序列l(wèi)nFA、lnGNI.

2.2.2單位根檢驗

首先利用ADF方法對對數(shù)金融資產(chǎn)總值lnFA、對數(shù)國民總收入值lnGNI的序列的平穩(wěn)性進行檢驗.本文根據(jù)線圖以及變量性質(zhì)來確定模型中是否含有截距項和趨勢.采用Schwert（1989）推薦的方法：滯后階數(shù)的最大值為

[12（T/100)^1/4]，其中[ ]X表示X的最大整數(shù)部分，T為樣本觀察值的個數(shù)，同時兼顧變量的經(jīng)濟含義的情況下，確定滯后的階數(shù).并用AIC準則來確定滯后階數(shù).結(jié)果顯示lnFA、lnGNI序列在5%的顯著性水平下均為一階平穩(wěn)序列，但原序列不是平穩(wěn)序列，故更適合進行VAR建模.

2.2.3 Granger因果檢驗

為了分析對數(shù)金融資產(chǎn)總值lnFA與對數(shù)國民總收入lnGNI之間的因果關(guān)系，本文采用了Granger的檢驗方法，對變量間的因果關(guān)系進行檢驗.圖的結(jié)果顯示，lnFA是lnGNI的格蘭杰原因，而lnGNI不是lnFA顯著的格蘭杰原因.

表1組數(shù)據(jù)Granger檢驗

2.2.4交叉相關(guān)系數(shù)

我從Eviews6.0的計算結(jié)果中發(fā)現(xiàn)相關(guān)系數(shù)遠遠超過二倍標準差，說明金融資產(chǎn)總值和國民總收入非常顯著的相關(guān).其中，lnFA和lnGNI的同期相關(guān)系數(shù)、lnFAt與lnGNIt+1和lnFAt與lnGNIt-1的相關(guān)系數(shù)都較高，因此可以認為金融資產(chǎn)總值和國民總收入的波動基本一致，略微先行.

2.3基于AMIRA模型和VAR模型對金融發(fā)展的預測

△△FIRt=0.008+μt

μt=0.069μt-1+εt-1.547εt-1由于受模型自身性質(zhì)的影響只能擬合1983年－2013年數(shù)據(jù)，其殘差平方均值為0.740

然后對兩個變量lnFA和lnGNI構(gòu)建VAR（2)模型，根據(jù)LR、SC、FPE準則確定滯后階數(shù)為2階，并從AR roots均值落在單位圓內(nèi)而判定模型是穩(wěn)定的.

lnFAt=0.738lnFAt-1+0.177lnFAt-2+0.590lnGNIt-1

-0.491lnGNIt-2-0.183

lnGNIt=0.267lnFAt-1-0.109lnFAt-2+1.347lnGNIt-1

-0.578lnGNIt-2+2.135

VAR模型已經(jīng)擬合1978年－2013年的金融相關(guān)比率，但為了更好的比較VAR模型和ARIMA模型的擬合情況，截取了1983年－2013年的數(shù)據(jù)，VAR模型的殘差平方均值為0.051，小于ARIMA的殘差平方均值，擬合度更優(yōu).

從表2中可以看出金融相關(guān)比率快速增長，到了本世紀中葉，金融相關(guān)比率將達到10，這意味著具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)是國民收入的10倍，金融資產(chǎn)泡沫化相當嚴重，一旦發(fā)生金融危機，這些金融資產(chǎn)的價值將會縮水一個數(shù)量級，對金融和經(jīng)濟的破壞會相當嚴重.

表2金融相關(guān)比率預測表

3　政策建議

金融資產(chǎn)的種類繁多，不同性質(zhì)的金融資產(chǎn)對經(jīng)濟的影響各不相同.本文選取了跟實體經(jīng)濟聯(lián)系最為緊密的這類具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)入手，來研究金融發(fā)展比率.具有實物資產(chǎn)請求權(quán)的金融資產(chǎn)在融資，流通與支付等領(lǐng)域有著相同點，性質(zhì)相近，對其專門歸類，能提高金融相關(guān)比率分析的有效性，也提高了研究結(jié)果對經(jīng)濟政策的指導價值.

在本文中，非參數(shù)核估計、脈沖響應(yīng)與方差分解函數(shù)都反映出金融與經(jīng)濟的相關(guān)關(guān)系，而且交叉相關(guān)系數(shù)還反映了兩者波動基本一致，金融因素稍微先行的特征.這些實證研究表明，金融作為經(jīng)濟系統(tǒng)的組成部分，其本身與經(jīng)濟緊密相關(guān)，但以往的金融相關(guān)比率預測中，卻沒有將這種關(guān)系考慮進去.

為了證明在金融相關(guān)比率預測中考慮金融與經(jīng)濟關(guān)系，不僅在理論上可行，在預測效果中也有較優(yōu)的表現(xiàn).本文運用ARIMA和VAR方法分別對金融相關(guān)比率進行擬合，結(jié)果顯示，VAR模型不僅能夠反映經(jīng)濟因素對金融資產(chǎn)的影響，而且擬合方程的殘差平方和也小于ARIMA模型.因此，VAR模型比ARIMA模型更適合做金融相關(guān)比率的預測模型.

根據(jù)VAR模型對金融相關(guān)比率的預測結(jié)果，我們可以發(fā)現(xiàn)我國金融相關(guān)比率比較高，已經(jīng)達到國民總收入的三倍，還有繼續(xù)增長的趨勢.而描述性統(tǒng)計結(jié)果顯示了近年來隨著金融發(fā)展比率的上升，其波動也在上升.也就是說，金融發(fā)展的泡沫化趨勢會引致更大的金融波動.這說明金融發(fā)展目前不僅面臨著泡沫的風險，還面臨著金融發(fā)展波動的持續(xù)增強對經(jīng)濟的不利影響.因此，在現(xiàn)階段，我們要防止金融泡沫的產(chǎn)生，預防和整治金融自循環(huán)，將金融引導到緊密聯(lián)系與支持實體經(jīng)濟中來，這樣才有利于金融與經(jīng)濟的長期可持續(xù)的健康發(fā)展.

參考文獻：

〔1〕雷蒙德?W?戈德史密斯.金融結(jié)構(gòu)與發(fā)展[M].中國社會科學出版社，1993.

〔2〕周立，王子明.中國各地區(qū)金融發(fā)展與經(jīng)濟增長關(guān)系的實證分析：1978－2000[J].金融研究，2002(10)：1-13.

〔3〕G. William Schwert.1988.Tests For Unit Roots：A Monte Carlo Investigation. NBER Technical Working Paper No.73.

中圖分類號：F832

文獻標識碼：A

文章編號：1673-260X（2015）09-0059-02