基于灰色預測GM(1,1)模型的陜西省品牌金融機構貸款預測研究

文/唐亞蘭 （西安財經大學）

一、論題研究背景

近年來，陜西省經濟快速發展，2018 年，生產總值總量達到24438.32 億 元， 為 我 省 完 成“十三五”規劃目標奠定良好基礎。金融機構貸款為資金短缺的企業提供了資金的來源，金融機構貸款是企業主要的籌資方式之一。

商業銀行是構成金融市場的主體，因此金融機構貸款中商業銀行貸款占了主體。金融機構貸款主要分為長期貸款和短期貸款，金融機構貸款的增加有利于經濟健康發展。

從個人消費者角度，金融機構的貸款業務主要為個人消費貸款以及住房貸款等，個人信貸是居民的消費需求體現，消費需求的增加可以促進經濟增長。衡量一個地區或者國家的發展狀況，通常用經濟增長來衡量，金融機構貸款可以反映出經濟增長的趨勢。

綜上，對陜西省金融機構貸款進行預測分析，把握金融機構各項貸款的增長趨勢，從而對陜西省商業銀行等金融機構信貸業務的開展提出相關建議，并且為當地政府政策的實施具有借鑒意義，從而更好的進行宏觀調控，促進陜西省經濟平穩發展。

二、金融機構貸款灰色預測GM(1,1)模型的構建與實施流程

灰色系統理論的建模思想是把時間序列轉化為微分方程，從而建立抽象系統的發展變化動態模型，即Grey Dynamic Model，簡記為GM模型。

（一）子數列選擇

首先，根據原始數據，選擇子數列。對陜西省金融機構人民幣各項貸款進行建模時，本文選擇了5 個不同長度的子數 列， 分 別 為2010～2018 年、2013 ～2018 年、2014 ～2018 年、2015 ～2018 年，2016 ～2018 年，分別進行預測運算，通過回代誤差比較，最終確定以2014 ～2018年、2010 ～2018 年兩個子數列為原始數據。

（二）對選定的子數列進行平滑處理

新的數據序列可以弱化原始數據的波動性，并且增加一定的規律性。

（三）建立白化微分方程與構造累加矩陣

對于序列，建立如下白化微分方程：

式(1)為GM(1，1)模型的微分方程，表示1階1個變量的GM模型。

（四）求解系數向量

（五）建立GM(1，1)模型，計算取得預測值

其中，k 為時間序列，可取數據為年，季度，月度，本文所選取的數據是年度數據，所以k 本文取年。

將GM（1，1）模型所得數據經過累減，即得到原始序列的預測值：

（六）回代檢驗預測結果

將預測出來的金融機構貸款余額與原數據進行對比，并計算其精確度。預測模型的可行性取決于精確度，如果精確度不高，需要重新建模預測，直至精確度較高為止。

表1 陜西省金融機構人民幣各項貸款余額預測值 單位：億元；%

表2 金融機構貸款灰色預測結果實際還原驗證

三、陜西省金融機構貸款灰色預測實證結果

根據上述建立的金融機構貸款灰色預測GM(1，1)模型，對陜西省金融機構人民幣各項貸款余額的2014 ～2018 年、2010 ～2018 年兩個子數列建立灰色GM(1，1)模型，使用Matlab 軟件進行計算， 得到2019 ～2028 年預測值。取2019～2028年貸款余額預測結果，如表1。

表2 從金融機構各項貸款的預測結果看，2017 年各項貸款額精確度平均達到93.10 %，精確度最高達99.08%(各項貸款合計)；2018年各項貸款額精確度平均達到97.44%，最高精確度達99.74%(中長期貸款)。總體看預測結果較為滿意。

四、結論及建議

隨著經濟的快速發展，金融機構各項貸款的增長也是大勢所趨。根據表2 金融機構貸款灰色預測結果，從各項貸款總量看，總體趨勢在逐年遞增，其中中長期貸款總額也在逐年遞增，所占比重逐年增長。預測結果說明，資金需求者對中長期的貸款需求日益高漲，企業為了獲得穩定的資金流，更多的會考慮中長期貸款，中長期貸款的占比增加無疑使得金融機構面臨著更大的信用風險。

從短期貸款的預測結果來看，短期貸款總額在逐年遞增，但所占比重卻在逐年下降，這與總體發展趨勢一致。

我國的金融機構承擔了資本形成的重任。一是政府引導與銀行制度改革，政府要保持經濟的穩定增長，應該多引導金融機構將貸款投向非金融企業，必要時候可以運用經濟手段。金融機構應當關注國家經濟發展動態，不斷完善貸款標準體系，適度放寬對高新技術業等中小企業的貸款標準，才能引領經濟穩步快速發展。

二是金融監管部門需要防范金融風險，加強內部交易的監管，為金融市場營造一個健康綠色的資金流動循環系統。

三是商業銀行等金融機構可以以市場需求為導向，積極開發個性化、差異化、定制化的金融產品。綜上，金融機構、政府以及監管機構需要協力促進經濟高質量發展。