银行间资金面预测模型及其效果检验

内容提要

文章分别建立7天回购利差、DR007和R007的回归模型，并引入3个月期AAA级同业存单收益率一阶差分变量来提高预测精度。从模型在样本内外的预测效果来看，模型对R007的方向预测准确率较高；对DR007的预测值相对较精确，与实际值的误差相对较小。各模型预测值和实际值误差大的时候，一般多出现在临近月末或春节假期前。

7天回购利差（）的拓宽多预示着市场资金面趋紧，反之，多意味着资金面偏松。本文通过建立含变量的7天回购利差（）自回归模型（1）来预测每日的，滞后期Lag先设定为2。

本文采用后向逐步回归法，即首先将全部解释变量放入回归模型，再逐个剔除对残差平方和贡献较小、统计不显著的解释变量，最终模型的解释变量不仅对被解释变量有较好的解释贡献，同时也降低了变量间的多重共线性程度，提高了模型自由度，使模型参数估计更为准确。逐步回归分析是多元回归分析中的一种方法，往往用于建立最优或合适的回归模型，更加深入地研究变量之间的依赖关系。目前，逐步回归分析被广泛应用于各个学科领域，如医学、气象学、人文科学、经济学等。

笔者对模型（1）进行第一次估计后，剔除掉统计不显著的变量，进行再次估计得到模型（2），最终估计结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.65。

根据模型（2）估计，在1%的显著水平下，滞后一期的3个月期AAA级同业存单收益率差分（）对预测DR007、R007的7天回购利差具有显著的效果，建立DR007（）的自回归模型（3），同时引入滞后一至两期和R007（）变量，来预测每日的DR007。DR007通过单位根检验是统计平稳变量。使用后向逐步回归法，第一次估计后剔除统计不显著的变量，再对模型进行估计，结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.95。为DR007，为R007。

对模型（3）进行样本外（2022年1-6月）预测DR007的效果的回溯检验，结果发现：一是模型（3）在2022年4月的预测效果相对较好，预测值与实际值的平均绝对误差在4月最低，为1BP，但误差的标准差最高，达到13BPs，明显高于其他月份。1月的预测效果较差，平均绝对误差为10BPs，在诸月份中最高，但误差波动最小，仅有7BPs。二是模型（3）在2月预测方向变化的准确率最高，为50%；其次是3月、4月和6月，准确率均为48%。

总体上，模型（3）样本外预测DR007的平均绝对误差为6BPs，误差的平均标准差为9BPs，预测方向的平均准确率在45%。而从样本内2021年7-12月的预测情况看，预测值的平均绝对误差为4BPs，误差的平均标准差为12BPs，预测方向的平均准确率在53%，与模型（2）的样本内外预测的特点一致，即除了误差波动较大外，样本内预测的效果好于样本外。综合样本内外的预测结果，模型（3）总体预测DR007的平均绝对误差为5BPs，误差的标准差11BPs，预测方向的准确率为49%。

货币市场中，R007相较于DR007更能全面体现银行间市场的总体流动性状况。为预测R007，笔者建立R007（）的自回归模型（4），同时引入滞后一至两期3个月期AAA级同业存单收益率一阶差分（）和DR007（）变量，来预测每日的R007。R007通过单位根检验是统计平稳变量。剔除统计不显著的变量后，模型（4）估计结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.88。

对模型（4）进行样本外（2022年1-6月）预测R007的效果的回溯检验，结果发现：一是模型（4）在2022年5月的预测效果较好，预测值与实际值的平均绝对误差为1BP，在诸月份中最低，误差的标准差仅为9BPs，相对其他月份也较低。二是模型（4）在2月预测的方向变化准确率最高，为63%；其次是3月，准确率为61%，再次是4月，准确率为57%。

总体上，模型（4）样本外预测R007的平均绝对误差为13BPs，误差的平均标准差为13BPs，预测方向的平均准确率在49%。而从样本内2021年7-12月的预测情况看，预测值的平均绝对误差为7BPs，误差的平均标准差为21BPs，预测方向的平均准确率在57%，也与模型（2）的样本内外预测的特点一致，即除了误差波动较大外，样本内预测的效果好于样本外。综合样本内外的预测结果，模型（4）总体预测R007的平均绝对误差为10BPs，误差的标准差17BPs，预测精度不如模型（2）和（3），但预测方向的准确率为53%，明显优于模型（2）和（3）。

本文分别建立7天回购利差和资金利率的自回归模型，并通过引入3个月期AAA级同业存单收益率一阶差分变量来提高预测精度。从模型在样本内外的预测效果来看，模型（4）对R007的方向预测准确率较高，模型（3）对DR007的预测值相对较精确，与实际值的误差相对较小。模型（2）预测7天回购利差的精度介于模型（3）和（4）之间。

从各月来看，各模型预测值和实际值误差大的时候，一般多出现在临近月末或春节假期前。这主要因月末和春节前的资金需求旺盛，央行可能增加流动性投放进行对冲，但财政支出的时间存在一定时滞，财政支出的力度也有一定的不确定性，容易导致资金利率的波动较大，因此实际值与模型预测值的误差较其它时段偏大。

投资者可根据投资交易的实际需要，发挥各模型的优势，加强对资金利率走势的预测，并扩充原有样本数据，进一步修正和优化模型，为金融市场投资和交易提供定价参考。

* 本文仅代表作者个人观点，不代表其所在机构观点。

END

作者：郑葵方，中国建设银行金融市场部

原文《银行间资金面预测模型及其效果检验》全文将刊载于中国外汇交易中心主办《中国货币市场》杂志2022.10总第252期。

更多阅读

◆国际转型金融标准现状及启示

◆2022年下半年可持续金融展望

◆本轮欧美货币政策如何应对高通胀和经济下行风险？

扫码关注我们