1、我国外汇储备的短期预测(浅析)摘要：外汇储备的功能主要包括四个方面：一是调节国际收支，保证对外支付；二是干预外汇市场，稳定本币汇率；三是维护国际信誉，提高对外融资能力；四是增强综合国力和抵抗风险的能力。一定的外汇储备是一国进行经济调节、实现内外平衡的重要手段。一般说来，外汇储备的增加不仅可以增强宏观调控的能力，而且有利于维护国家和企业在国际上的信誉，有助于拓展国际贸易、吸引外国投资、降低国内企业融资成本、防范和化解国际金融风险。自 1994 年以来，我国的外汇储备持续稳步上升，到了 2010 年 4 月，我国的外汇储备达到了 24905.12 亿美元。本文采集了 1993 年 1 月至 201
2、0 年 4 月我国外汇储备的月度数据，采用 Eviews 6.0 软件进行分析，对数据进行一系列的检验与调整后，对我国外汇储备的变化情况进行了预测。关键词： 外汇储备 短期预测引言进入 21 世纪之后，伴随全球国际收支失衡的恶化，全球外汇储备规模不断上升，而全球外汇储备的增长又集中体现在发展中国家外汇储备的增长，尤其是东亚国家和石油输出国。在发展中国家中，中国外汇储备的增长速度更加迅猛。1999 年年底中国外汇储备约为 0.16 万亿美元，占全球规模的 9%，2007 年年底上升至 1.53 万亿美元，占全球规模的 24%，增长了 8.6 倍。中国已经超越日本成为全球外汇储备的最大持有国。20
3、08 年至 2010 年，中国的外汇储备继续增加，到了 2008 年年底，中国的外汇储备达到了 1.94 万亿美元，2009 年年底，中国的外汇储备达到了 2.4 万亿美元，比 2008 年增长了 23%。到了 2010年 4 月，我过的外汇储备达到了 24905.12 亿美元。一、 数据的时间序列特征分析将 1993 年 1 月至 2010 年 4 月我国外汇储备数额绘制成折线图，如图 1 所示，可以很容易地看出序列具有明显的增长趋势，并且可以看出，从 2004 年到 2005 年开始，我国的外汇储备数额有了显著提高，并且增加的幅度也有所增大，这主要是因为自 2005 年 7 月人民币汇改以
4、来，由于中国政府选择了小幅、稳健、可控的升值策略，吸引大量国际短期资本流入中国套利，这加速了中国外汇储备的累积。图 1 1993 年 1 月至 2010 年 9 月中国外汇储备的折线图二、 序列的变换1、数据的检验对此序列进行单位根检验，如图 2 所示，t 检验结果为 1，无法拒绝序列存在单位根的原假设，且 t 检验 P 值大于等于 1，说明此序列至少具有一阶单位根。之后对序列进行一阶差分的单位根检验，结果如图 3 所示，t 检验值的 P值为 0.0271，在置信水平为 95%的情况下，可以拒绝原假设，说明此序列不具有二阶单位根，但具有一阶单位根，序列不是平稳序列。图 2 序列的单位根检验结果
5、图3 一阶差分后序列的单位根检验结果对该序列绘制了自相关、偏自相关图，如图4所示，由图中可以看出，序列的自相关系数衰减缓慢，没有很快趋于0，同样可以说明该序列是非平稳序列。图4 序列的自相关、偏自相关图2、序列的调整由于序列不是平稳序列，所以需要对其进行变换。由序列的折线图可以看到，序列是逐渐递增的，并且增加的幅度在不断增大，所以，对此序列进行对数差分，以消除序列的趋势。绘制对数差分后序列的折线图，如图5所示，并且对其进行单位根检验，检验结果如图6所示，可以看到，检验结果的P值为小概率，拒绝了序列有单位根的原假设，所以认为对数差分后的序列没有单位根，对数差分后的序列为平稳序列。图5 对数差分后
6、序列的折线图图6 对数差分后序列的单位根检验结果之后绘制对数差分后序列的自相关、偏自相关图，如图7所示，可以看出序列的自相关系数与偏自相关系数迅速衰减到置信带内，同样可以说明序列为平稳序列。图7 对数差分后序列的自相关、偏自相关图三、 模型的建立由于中国外汇储备Y的序列为非平稳序列，对数差分后的序列LY为平稳序列，所以应用LY建立模型。由对数差分后序列的自相关、偏自相关图可以看到，序列的自相关系数有峰值，迅速衰减，偏自相关系数同样有峰值，并且迅速衰减，所以应该建立ARMA（1，1）模型。如图8所示，得到ARMA（1，1）模型的参数估计结果，可以看到AR（1）、MA（1）和截距项C的t检验结果均
7、为小概率，拒绝原假设，通过t检验；F检验结果为小概率，通过F检验；DW检验结果约为1.96，很接近2，说明模型不存在序列相关，估计结果有效；估计方程的可决系数为0.3149，修正后的可决系数为0.3081。图8 ARMA（1，1）模型的参数估计结果模型建立好后，对残差进行检验，首先看真值、拟合值、残差图，如图9所示，可以看出，模型的拟合程度较好，残差是围绕着零均值随机波动的。再对残差进行白噪声检验，结果如图10所示，可以看到检验结果均为大概率，无法拒绝原假设，认为残差是相互独立的，通过白噪声检验。综上所述，模型的适应性检验通过。图9 真值、拟合值、残差图图10 残差的白噪声检验结果对模型的适应
8、性检验通过，所以可以根据模型的估计值，写出模型的表达式如下：LY = 0.0242576428549 + AR(1)=0.852806326565,MA(1)=-0.523603537085,BACKCAST=1993M03,ESTSMPL=“1993M03 2010M04“四、 模型的预测1、内插预测用1993年1月至2008年4月的数据建立模型，来预测2008年5月至2010年4月共两年的数值，由于这两年的统计数据我们已经掌握，所以就可以看出模型预测的准确度，预测的结果如图11所示，可以看到此模型预测的准确度为88.4%，平均误差只有1.15%。图11 模型的预测效果图模型对2008年5月
9、至2010年4月预测的结果如下图所示：时间 真值 预测值2008 年 5 月 17969.61 18140.782008 年 6 月 18088.28 18484.062008 年 7 月 18451.64 18469.972008 年 8 月 18841.53 18849.142008 年 9 月 19055.85 19258.262008 年 10 月 18796.88 19422.272008 年 11 月 18847.17 18974.252008 年 12 月 19460.3 19028.782009 年 1 月 19134.56 19838.772009 年 2 月 19120.6
10、6 19297.212009 年 3 月 19537.41 19274.022009 年 4 月 20088.8 19832.722009 年 5 月 20894.91 20510.542009 年 6 月 21316.06 21479.652009 年 7 月 21746.18 21853.682009 年 8 月 22108.27 22262.922009 年 9 月 22725.95 22590.952009 年 10 月 23282.72 23282.492009 年 11 月 23887.88 23859.772009 年 12 月 23991.52 24495.32010 年 1
11、月 24152.21 24439.242010 年 2 月 24245.91 24535.222010 年 3 月 24470.84 24571.862010 年 4 月 24905.12 24811.79可以利用以上数据，计算一下此模型的预测误差，利用2010年4月的预测值和真值，可以计算出：= （24905.12-24811.79）/24905.12=0.0037，利用2010年3月的预测值和真值，可以计算出：=（24571.86-24470.84）/24470.84=0.0041，由此可见此模型的预测误差较小，可以很好地进行预测。2、外推预测利用建立好的模型，对2010年5月至2011年
12、4月一年的外汇储备值做外推预测，得到这一年的外汇储备预测值，结果如下表所示：时间 预测值2010 年 5 月 25314.922922010 年 6 月 25761.547952010 年 7 月 26242.185062010 年 8 月 26754.512092010 年 9 月 27296.613162010 年 10 月 27866.913072010 年 11 月 28464.124252010 年 12 月 29087.203452011 年 1 月 29735.316122011 年 2 月 30407.807012011 年 3 月 31104.175642011 年 4 月 31824.05582
