>> 中信期貨-資產(chǎn)配置策略專題報告：新增人民幣貸款數(shù)據(jù)預(yù)測框架-230303
| 上傳日期： |
2023/3/3 |
大小： |
2274KB |
| 格式： |
pdf 共21頁 |
來源： |
中信期貨 |
| 評級： |
-- |
作者： |
姜婧 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
本文構(gòu)建了滾動回歸模型和SARIMA模型對每月信貸數(shù)據(jù)進行預(yù)測。根據(jù)最新預(yù)測結(jié)果，2023年2月新增人民幣貸款約在1.2萬億至1.6萬億之間，兩類模型預(yù)測均值在1.4萬億左右，信貸數(shù)據(jù)有望延續(xù)較高增速。結(jié)構(gòu)上，新增企業(yè)中長期貸款約在1.1萬億至1.5萬億之間，企業(yè)中長期貸款余額同比增速大概率繼續(xù)上行；新增居民中長期貸款約在-1450億元至130億元之間，考慮到2月商品房成交面積同比增速顯著修復(fù)，居民信貸存在超預(yù)期回升的可能。
滾動回歸模型中，我們篩選出最優(yōu)的時間窗口和相關(guān)性較高的自變量，分別對中長期貸款、短期貸款和票據(jù)融資進行建模預(yù)測。中長期貸款（企業(yè)+居民）中，我們篩選出30個大中城市商品房成交面積同比、唐山鋼廠高爐開工率同比以及百度指數(shù)“貸款”搜索總次數(shù)同比作為最后的自變量。短期貸款（企業(yè)+居民）中，我們選用柯橋紡織價格指數(shù)和30大中城市商品房成交面積同比（代表家具、建筑裝潢和音像消費）作為自變量。對于票據(jù)融資，我們直接選擇相關(guān)性較高的國股銀票轉(zhuǎn)貼現(xiàn)利率作為自變量。
SARIMA模型中設(shè)置季節(jié)性參數(shù)為s為12，每月通過尋找最小AIC值動態(tài)確認(rèn)模型參數(shù)，并對下月數(shù)據(jù)進行預(yù)測。具體模型外生變量選擇如下：1）當(dāng)月新增企業(yè)中長期貸款：“生豬現(xiàn)貨月均價格環(huán)比增長率”和“LME銅現(xiàn)貨月均結(jié)算價格環(huán)比增長率”；2）當(dāng)月新增企業(yè)短期貸款+票據(jù)融資：“1年AAA級票據(jù)月均到期收益率環(huán)比變化值”和“當(dāng)月PMI”；3）當(dāng)月新增居民中長期貸款：“30大中城商品房成交面積當(dāng)月合計值”和“100大中城市供應(yīng)土地掛牌均價”；4）當(dāng)月新增居民短期貸款：“PMI”和“30大中城商品房成交面積當(dāng)月合計值”。
總的來看，基于高頻數(shù)據(jù)的滾動回歸模型和SARIMA模型均能對新增人民幣貸款有較好的預(yù)測效果，但同時也各有優(yōu)劣，在對新增貸款總額進行估算時，滾動回歸模型的效果在最近幾年較為優(yōu)秀，而在對信貸結(jié)構(gòu)尤其是企業(yè)中長期貸款的預(yù)測方面SARIMA模型的效果則更為優(yōu)秀。
風(fēng)險點：外生變量變化超預(yù)期；模型預(yù)測誤差。
|
|
