基于實物資產請求權的金融相關比率預測研究

王承奔（安徽財經大學　金融學院，安徽　蚌埠　233030）

基于實物資產請求權的金融相關比率預測研究

王承奔
（安徽財經大學金融學院，安徽蚌埠233030）

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

關鍵詞：金融發(fā)展；金融相關比率；經濟增長

1　引言

金融相關比率是雷蒙德W戈德史密斯（1969）提出的，他對金融相關比率的定義是全部金融資產除以全部有形資產價值（即國民財富）所得出來的比率，它是用以衡量金融上層結構規(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比率的數值.這種復雜的間接測度方法無疑給金融相關比率指標的實際統(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有效性比較，選擇更有效的模型對金融相關比率進行預測，揭示金融發(fā)展與經濟增長之間的關系，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總值中.本文對金融資產指標的選取主要是依據是否具有實物資產的請求權這一特性，實物資產請求權的金融資產是指能夠直接獲得實物資產或者易于變現購得實物資產的金融資產.之所以選取具有實物資產請求權的金融資產作為分子的測度口徑，是因為這一類金融資產流動性強，其價值易于評估，對財富的跨期配置有著相似之處，對實體經濟的融資或支付等行為可以產生直接的支持，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請求權的金融工具能夠較顯著影響經濟增長，作用機理有相似之處.而其他金融資產（主要是具有或有請求權的金融資產）不具有這些特性，比如，保險產品只能作為工作福利發(fā)放；金融衍生產品難以估值和迅速變現，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，選取具有實物資產請求權的金融資產會使得金融相關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濟途徑的金融資產，而且這種判定是有效的，能夠抓住金融發(fā)展影響經濟增長的主要方面.

2　金融發(fā)展的現狀與預測

2.1數據選取和變量說明

根據吳雷德W戈德斯密斯（1969）對金融相關比率的定義——全部金融資產除以全部有形資產價值（即國民財富）所得出來的比率，它是用以衡量金融上層結構規(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分為貨幣、債券與股票的觀點（這些金融資產與期權等金融衍生品和保費等不同，都具有實物資產的請求權），本文定義金融相關比率的公式如下：

其中FIR代表金融相關比率，FA代表金融資產（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)計局網站，其中1985-1991年數據來自中國金融年鑒，考慮到數據的可得性，使用股票余額近似代替當年的股票市值，1992-2012年數據來自國家統(tǒng)計局網站，由于2013年年度數據未公布，故采用中國人民銀行網站數據進行補充.1978-1980年無債權余額數據，1981-2001年債券余額來自中國金融年鑒的數據，由于不同年份的金融年鑒數據略有不同，個別數據有微調（盡量采用時期較晚的年度年鑒數據，當年期末余額不詳的采用后一年度期初余額數據）.2002-2013年債券余額及分類數據采用中國債券信息網中中國國債登記結算有限責任公司的債券總托管額.1988年至1995年大額可轉讓存單納入金融資產統(tǒng)計范圍，數據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數據源于世界銀行網站，2013年貨幣與準貨幣M2來自中國人民銀行網站，國民總收入GNI數據采用中國國家統(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金融資產總值與國民總收入的關系

2.2.1數據的選取

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

2.2.2單位根檢驗

首先利用ADF方法對對數金融資產總值lnFA、對數國民總收入值lnGNI的序列的平穩(wěn)性進行檢驗.本文根據線圖以及變量性質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：滯后階數的最大值為

[12（T/100)^1/4]，其中[ ]X表示X的最大整數部分，T為樣本觀察值的個數，同時兼顧變量的經濟含義的情況下，確定滯后的階數.并用AIC準則來確定滯后階數.結果顯示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

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

表1組數據Granger檢驗

2.2.4交叉相關系數

我從Eviews6.0的計算結果中發(fā)現相關系數遠遠超過二倍標準差，說明金融資產總值和國民總收入非常顯著的相關.其中，lnFA和lnGNI的同期相關系數、lnFAt與lnGNIt+1和lnFAt與lnGNIt-1的相關系數都較高，因此可以認為金融資產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的影響只能擬合1983年－2013年數據，其殘差平方均值為0.740

然后對兩個變量lnFA和lnGNI構建VAR（2)模型，根據LR、SC、FPE準則確定滯后階數為2階，并從AR roots均值落在單位圓內而判定模型是穩(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模型已經擬合1978年－2013年的金融相關比率，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年的數據，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比率快速增長，到了本世紀中葉，金融相關比率將達到10，這意味著具有實物資產請求權的金融資產是國民收入的10倍，金融資產泡沫化相當嚴重，一旦發(fā)生金融危機，這些金融資產的價值將會縮水一個數量級，對金融和經濟的破壞會相當嚴重.

表2金融相關比率預測表

3　政策建議

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

在本文中，非參數核估計、脈沖響應與方差分解函數都反映出金融與經濟的相關關系，而且交叉相關系數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，金融作為經濟系統(tǒng)的組成部分，其本身與經濟緊密相關，但以往的金融相關比率預測中，卻沒有將這種關系考慮進去.

為了證明在金融相關比率預測中考慮金融與經濟關系，不僅在理論上可行，在預測效果中也有較優(yōu)的表現.本文運用ARIMA和VAR方法分別對金融相關比率進行擬合，結果顯示，VAR模型不僅能夠反映經濟因素對金融資產的影響，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比率的預測模型.

根據VAR模型對金融相關比率的預測結果，我們可以發(fā)現我國金融相關比率比較高，已經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)增強對經濟的不利影響.因此，在現階段，我們要防止金融泡沫的產生，預防和整治金融自循環(huán)，將金融引導到緊密聯(lián)系與支持實體經濟中來，這樣才有利于金融與經濟的長期可持續(xù)的健康發(fā)展.

參考文獻：

〔1〕雷蒙德?W?戈德史密斯.金融結構與發(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)展與經濟增長關系的實證分析：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