浙江省现金投放回笼影响因素灰色关联度分析及净投放量预测

林建华

（浙江新昌农村合作银行，浙江 新昌 312500）

浙江省现金投放回笼影响因素灰色关联度分析及净投放量预测

林建华

（浙江新昌农村合作银行，浙江 新昌 312500）

为进一步加强现金管理，运用广义灰色关联度分析方法对2004—2010年浙江省现金投放回笼影响因素进行定量研究，并通过构建等维灰色递补GM（1，1）模型，预测浙江省现金净投放量。其预测结果对相关部门的决策具有一定的指导意义。

浙江省；现金投放回笼；净投放量；灰色关联度

目前，理论界一般会从国家的宏观角度研究货币需求特点及其规律，但从一个区域（省）的角度来深入研究现金投放回笼的文献却并不多见。近年较有代表性的主要文献有：中国人民银行杭州中心支行课题组[1]采用GDP的分布滞后模型、投资传导模型、消费决定模型和时间序列模型对浙江省现金投放回笼进行定量研究；黄向庆[2]引入系统动力学模型，采用季节趋势、SARIMA和BP神经网络三种模型对江苏省2010年四个季度现金投放回笼情况进行分析预测；缪斌等[3]从影响货币需求因素入手，以镇江市为例采用协整方法分析地区GDP、物价指数对现金投放回笼的影响。这些研究对于区域现金管理和经济社会的健康发展起到了积极作用。鉴于区域现金投放回笼研究的重要性，本文对浙江省现金投放回笼影响因素和浙江省现金净投放量进行分析和预测，以期为相关部门进一步加强现金管理提供方法和思路。

一、浙江省现金投放回笼影响因素的灰色关联度分析

1.变量和数据

区域金融机构一定时期内的现金投放与回笼的轧差形成现金净投放或净回笼。从统计口径看，现金回笼渠道包括商品销售收入X1，服务业收入X2，税款收入X3，城乡个体经营收入X4，储蓄存款收入X5，其他金融机构收入X6，居民归还贷款收入X7，汇兑收入X8，有价证券收入X9和其他收入X10；现金投放渠道包括工资性支出Y1，农副产品采购支出Y2，工矿及其他产品采购支出Y3，行政企事业管理费支出Y4，城乡个体经营支出Y5，储蓄存款支出Y6，其他金融机构支出Y7，居民提取贷款支出Y8，汇兑支出Y9，有价证券支出Y11和其他支出Y12。从现金投放与回笼的形成渠道看，影响二者的因素各不相同，因此将影响现金投放与回笼的因素分别进行广义灰色关联度分析。2004—2010年浙江省金融机构现金投放和现金回笼统计见表1～表2。

表1 2004 —2010年浙江省金融机构现金投放统计 亿元

表2 2004 —2010年浙江省金融机构现金回笼统计 亿元

2.灰色关联度分析

灰色关联度分析是根据数据序列曲线几何形状的相似程度判断事物或因素关系紧密与否的多因素分析方法。它具有对样本数量要求不高，且不要求样本服从典型概率分布的优点，在分析诸因素的相互关系中具有明显的优越性和广泛的适用性。灰色关联度的具体算法较多，广义灰色关联度便是其中比较典型的一种算法。广义灰色关联度包括灰色绝对关联度、灰色相对关联度和灰色综合关联度[4-5]，其计算公式分别为：

根据（1）、（2）、（3）式分别计算灰色绝对关联度、灰色相对关联度、灰色综合关联度。2004—2010年浙江省金融机构现金投放回笼影响因素的灰色综合关联度见表3。

表3 2004 —2010年浙江省金融机构现金投放回笼影响因素的灰色综合关联度

从灰色综合关联度的分析原理看，X0和X1的关联度越接近于1，说明二者的灰色关联度越高，X1对X0的影响度也就越大。由表3可知，按灰色关联度大小排序，现金投放影响因素的灰色综合关联度依次为：；现金回笼影响因素的灰色综合关联度依次为：

由表1和表2分析可得到，储蓄存款现金收入占现金回笼的比例由2004年的68.4%上升到2010的71.6%，年均占比71.3%；储蓄存款现金支出占现金投放的比例由2004年的69.3%上升到2010的77.2%，年均占比74.3%。显然，2004—2010年浙江省金融机构储蓄存款现金收支已成为其现金投放回笼的主渠道，并且在数量上远远超过了其他现金投放回笼渠道的总和。可见，灰色综合关联度分析的结果与实际情况是吻合的。浙江省储蓄存款现金与非现金收支的共同作用，造成了储蓄存款余额的一路攀升，储蓄存款余额由2004年的7364.06亿元增加到2010年的20612.16亿元,年均增长率为18.7%①，成为促进浙江经济社会发展的重要资金支撑。浙江省储蓄存款余额的快速持续增长，既得益于经济的发展和城镇居民人均可支配收入的不断增长，又与人们的消费偏好和投资渠道狭窄等因素密切相关。浙江省高储蓄率现象与全国高储蓄率现象相类似，其背后的经济社会因素错综而复杂，影响程度也长期而深远，还需要对其作进一步的研究和探讨。

二、浙江省现金净投放量等维灰色递补GM (1，1)模型及预测

1.等维灰色递补GM（1，1）模型

等维灰色递补GM（1，1）模型[6-8]一般是在GM（1，1）灰色模型的基础上发展起来的，它能更有效地提高常规灰色模型预测的精度。为确保所建灰色模型在预测中有较高精度，采用后验差检验方法[7]对模型精度进行检验，即通过计算后验差比值C和小误差概率p来判断模型精度（见表4）。通常而言，C值越小，p值越大，则模型精度越好。

表4 后验差检验判别标准

2.现金净投放量等维灰色递补GM（1，1）模型预测

改革开放以来，浙江省现金投放回笼状况大致经历了“净投放→净回笼→净投放”的变化格局，并且能够预见现金净投放趋势还将继续保持下去。为提高预测精度，根据等维灰色递补GM（1，1）模型的建模原理，一般要建立不少于5维的GM（1，1）模型群，并从中选取预测精度较高的GM（1，1）模型作为预测模型。为此，以2008年的现金净投放量作为各数据序列的尾数（见表5），分别向前各取4～7个数据，构建5～8维的GM（1，1）模型，然后从中选取最恰当维数建立等维灰色递补GM（1，1）模型，对2009—2012年的浙江省现金净投放量进行预测。

表5 2001 —2010年浙江省现金净投放量统计 亿元

以5维（2004—2008年）灰色递补GM（1，1）模型建模为例，具体说明其模型动态预测现金净投放量的步骤和过程。

步骤1：对原始数据序列x(0)=（403.16，497.9，555.79，640.74，641.95）进行一次累加生成，得到累加序列x(1)=（403.16，901.06，1456.85，2097.59，2739.54）。

步骤2：根据累加序列x(1)进行紧邻均值生成，得到紧邻均值序列为：z(1)=（652.11，1178.96，1777.22，2418.57）。

步骤3：分别构造矩阵B和Y得：

步骤7：分别计算原始数列和残差序列均值、标准差，后验差比值C值和小误差概率p值得：

根据后验差检验判别标准，因C=0.203<0.35，p=1> 0.95，可以判定5维灰色递补GM（1，1）模型的精度等级为“好”。

依此类推，可得到6维、7维和8维灰色递补GM（1，1）模型。各维数灰色递补GM（1，1）模型参数和精度等级判定结果见表6。

表6 各维数灰色递补GM(1，1)模型参数和精度等级判定结果

由于7维灰色递补GM（1，1）模型的C值最小，故选定其作为等维灰色递补GM（1，1）模型进行预测。根据7维灰色递补GM（1，1）模型预测结果（见表7），将2009年现金净投放量预测值754.26亿元补充到已知原始数列的末尾，同时去掉第一个现金净投放量原始数据257.88亿元，重新建立等维灰色递补GM（1，1）模型，重复以上的灰色预测步骤和过程，逐个预测依次递补，可得到2010—2012年浙江省现金净投放量预测值分别为840.42亿元、920.19亿元、1016.44亿元。预测结果表明，除2009年应对全球金融危机影响这一特殊年份外，其他年份模型预测精度较高，平均相对残差为3.74%。

表7 7 维灰色递补GM(1,1)模型预测精度

三、结 论

目前，区域现金投放回笼问题的研究还不够深入，还需要进一步探讨。在诸多影响区域现金投放回笼的因素中，有些因素是确定的，而另外一些因素则是不确定的，因而区域现金投放回笼实际上是一个灰色系统。本文运用广义灰色关联度方法分析了浙江省现金投放回笼影响因素，得出储蓄存款现金收支为现金回笼投放的主导因素，这与实际情况相吻合。同时，利用7维灰色递补GM（1,1）模型对浙江省现金净投放量进行拟合，经后验差检验，模型预测精度高，平均相对残差低。此外，以7维灰色递补GM（1,1）模型对其现金净投放量进行预测，以期为相关管理部门决策提供一定的科学依据。

[1]中国人民银行杭州中心支行课题组.浙江省现金投放模型研究[J].浙江金融，2008(7):4-7.

[2]黄向庆.基于系统动态分析的现金影响要素及趋势预测研究[J].上海金融，2012(1):102-106.

[3]缪斌，孙雯，张坚，等.影响区域现金投放的因素分析及对策研究[J].上海金融，2012(2):101-103.

[4]高辉巧，牛光辉，肖献国.土地荒漠化驱动因子的灰色综合关联度分析[J].人民黄河，2009(5):95-96.

[5]顾建强.我国外汇储备的灰色关联分析与趋势预测[J].贵州教育学院学报:自然科学版，2008，19(3):68-70.

[6]郝永红，王学萌.灰色动态模型及其在人口预测中的应用[J].数学的实践与认识，2002(5):813-820.

[7]杜红伟，郑笑平，陈兵.基于等维新息GM(1，1)的郑州市需水量预测[J].人民黄河，2009(1):53-54.

[8]汤云，易东.等维递补GM(1，1)模型在结核病发病率预测中的应用[J].西南国防医药，2009(10):972-974.

[责任编辑：彭寿康]

Grey Relational Grade Analysis of Factors Affecting Cash Issuance and Withdrawal and Predication of Net Cash Injection in Zhejiang Province

LIN Jianhua
(Zhejiang Xinchang Rural Cooperative Bank, Xinchang, 312500, China)

To strengthen the management of cash, the generalized grey relational grade analysis is applied to make a quantitative analysis on the factors affecting the cash issuance and withdrawal from 2004 to 2010 in Zhejiang province. Grey equi-dimension additional GM (1,1) model is established to predict the net cash injection in Zhejiang province. The result will be of certain significance for relative sectors to make decisions.

Zhejiang province; Cash issuance and withdrawal; Net cash injections; Grey relational grade

F832.21

A

1671-4326(2012)03-0037-04

2012-03-26

林建华（1962—），男，浙江新昌人，浙江新昌农村合作银行风险总监，浙江省农村信用联合社特聘研究员.