基于ARIMA模型对中国M2/GDP的预测

摘要：M2/GDP是广义货币供应量（M2）与国内生产总值（GDP）的比值，它是一个常用的金融指示或经济指标，能够衡量一个国家一定时期内货币超发的程度。改革开放以来，我國广义货币供给M2呈现明显上升趋势，1978年M2为l 159.1亿元，到2017年增长为1 676 800亿元，而且通过计算相关数据可知，基本上每年GDP的增速都小于M2的增速，导致我国M2/GDP比值持续上升。M2/GDP的值不宜过高，已经成为学术界和货币管理部门的共识。本文从货币超发这一角度出发，对M2/GDP构建ARIMA模型进行预测，得到了在未来中国的货币超发水平仍将持续扩大，需警惕货币超发造成的物价上涨、资产泡沫等不良后果的结论。

关键词：货币超发;M2/GDP;ARIMA模型

M2/GDP是国际上衡量货币超发比较主流指标，如果该值较高，则说明货币发行量超出了经济发展实际需要的货币数量，货币利用效率低下[1]。中国的M2/GDP从1978年的0.35上升至2018年的2.03，增长的幅度惊人。横向比较其他国家，中国的M2/GDP的值也是居于世界前列[2];根据国际和历史经验，货币超发往往会造成资产泡沫、通货膨胀等经济问题，对M2/GDP未来的发展趋势的研究能够为政府政策制定提供一定的参考。

本文选择从1952年至2018年的M2/GDP数据，应用时问序列分析对M2/GDP构建ARIMA模型并对其进行经济预测，观察我国的货币超发情况未来发展趋势，为政府相关人员研究与制定货币政策提供参考。

一、文献综述

美国经济学家Ronald I.Mckinnon（1973）最早提出M2/GDP这一指标，他将M2/GDP同一个国家的金融深化程度联系起来，认为M2/GDP可以代表一个国家金融深化的程度[3].Gibson Chigumira和Nicolas Masiyandima（2003）c4]的相关研究证实了，金融机构和资产的变化可以使得M2/GDP的值发生显著改变。

任泽平（2019）c5]指出货币超发常常带来房价的飙升等恶果，而M2/GDP作为衡量货币超发水平的重要指标，中国M2/GDP偏大引起了很多国内学者的警惕，张一、张运才（2016）认为M2/GDP的增高虽然在现阶段未造成恶性的通货膨胀，但却隐藏了一定的风险，会为以后的通货膨胀埋下隐患[6]。

而对M2/GDP未来变动趋势的研究相对较少，且大都停留在2008年之前，研究相关结果对现在的M2/GDP发展趋势已无太大的参考作用。2015年后的相关研究在知网检索中仅有3篇，且运用工具只是较为简单的OLS模型或者直接根据趋势图做定性分析。故本文选择对M2/GDP构建ARIMA模型并对其进行经济预测，以观察我国的货币超发情况未来发展趋势。

二、实证分析

（一）数据选取与处理

本文采用现在衡量货币超发水平的主流指标之一M2/GDP来代表货币超发水平。根据中国各年统计年鉴及中经网数据库的统计数据整理并选取了1952年至2018年M2/GDP的相关数据，为了方便构建时问序列模型，以100为基数，对M2/GDP进行处理后并进行对数化。

（二）自相关检验

为了获得判断InM2/GDP（100）序列是否正相关，本文对该序列进行了自相关检验，结果显示该序列在7阶后才落入区间内，且自相关系数长期大于零，显示出较强的自相关性。

（三）平稳性检验

为验证InM2/GDP（100）的平稳性，对该序列进行了ADF平稳性检验，得到ADF检验的P值为0.736，大于显著性水平a=0.05，故不能拒绝原假设，认为该序列为非平稳序列。

（四）数据差分

由于序列InM2/GDP（100）是非平稳的，为了获得平稳的时问序列，对InM2/GDP（100）首先进行一阶差分并绘制差分后的时序图，差分时序图显示差分序列整体上没有明显的上升与收缩趋势，在O水平线上下波动。为进一步确认一阶差分的序列是否平稳，我们对其进行自相关与偏相关检验。

南自相关检验结果显示，差分后的序列呈现出向0靠拢的趋势，存在一步截尾性，由此说明序列不存在自相关，但在偏相关检验中该序列显示出拖尾性，表明序列可能存在偏相关，为进一步确定一阶差分序列的平稳性，对差分后的序列进行平稳性检验。

ADF检验的结果显示， 检验p值为5.001 948 148 095 282e'07，几乎接近于0，显然小于显著性水平n =0.05，故认为一阶差分后的序列为平稳序列。

（五）构建ARIMA模型

首先进行模型定阶，对InM2/GDP（100）的一阶差分绘制自相关图和偏自相关图，自相关和偏相关图均显示在滞后一阶超出了置信区间，考虑到p和q不同时为0，所以主要考虑构建ARIMA（1，0，1）模型、ARIMA（O，1，1）和ARIMA（1，1，1）模型。

为确定合适的p，q值，本文采用AIC、BIC、HQ三种准则，应优先考虑AIC、BIC、HQ值最小的，对这3个模型分别进行AIC，BIC，HQ统计量检验。检验结果显示，ARIMA（O，1，1）的AIC、BIC、HQ值分别为-150.53、-141.77和-147.07，均为三个的最小值，因此ARIMA（O，1，1）是最佳模型。

（六）ARIMA（O，1，1）模型检验

采用QQ图对残差进行检验，观察模型的拟合程度，并对残差做自相关图。QQ图的结果显示，描绘的点围绕残差等于0的直线上下随机散布，该回归直线对残差观测值的拟合情况良好。残差自相关图显示，除0阶即变量自身之间的相关为1外，其余阶数均位于置信区间内，模型残差并不存在自相关与偏相关。为了对一阶自相关进行定量分析，还需进行D-W检验，根据软件运行结果，InM2/GDP的一阶差分的DW=2.042 504 856 589 967，认为不存在（一阶）自相关性。

最后采用Ljung-Box方法对残差进行随机性检验，判断该序列是否存在滞后相關，就结果而言，滞后40阶的P值均大于0.1，则接受原假设HO，认为该序列为白噪声序列，该ARIMA模型是一个适合样本的模型，具有合理性。

（七）模型预测

根据ARIMA（0，1，1）模型，对2019到2025年的InM2/GDP（100）的值进行预测并转化，结果如表1。

预测结果显示，在未来的一段时间里，M2/GDP的比值仍然会不断地增大，且增速并没有呈现出放缓的迹象，M2预测值与GDP预测值的差额进一步拉大，中国货币超发压力仍会持续扩大且没有放缓趋势，需警惕货币超发造成的物价上涨、资产泡沫等不良后果。

三、结语

十九大报告提出“深化金融体制改革，增强金融服务实体经济能力，提高直接融资比重，促进多层次资本市场健康发展”，这种金融结构的变化将直接体现在M2/GDP的变化。M2/GDP作为联系实体经济和虚拟经济的重要观测指标，M2/GDP比率持续升高可能预示着银行信贷脱离了实体经济中产出的需要而盲目扩张。为此，本文利用Python工具，通过使用1952年11月至2018年的M2/GDP数据，对M2/GDP进行建模，对其未来发展趋势进行预测。模型结果显示，未来中国货币超发水平仍会进一步提升，且增速并不会放缓，政府在制定相关货币政策时需警惕货币超发造成的物价上涨、资产泡沫等不良后果。■

参考文献：

[1]郑子媛，钱书法，吕文慧，朱萌基于货币结构视角的M2/GDP计量分析[J].金融理论与教学，2019（5）.

[2]陈仪，张轶龙.M2/GDP的国际比较与解释：兼论“中国之谜”[J]新视野，2018（6）.

[3]Ronald I.Mckinnon.Money and capital in economic development[M].American：Brookings Inshtuhon.1973

[4]Gibson Chigumira. Nicolas Masiyandima，Did Financial SectorReform Result inlncreased Savings and Lending for the SMEs and thePoor？ [N]，IFLIP ResearchPaper，2003 -05-28（3）

[5]任泽平，甘源我国近20年货币发放量与资产价格比较研究[J].发展研究，2019（2）

[6]张一，张运才广义货币与国内生产总值比值增长的诱因与趋势：1978-2015年[J].改革，2016（4）

作者简介：王子维（1999-），男，江西吉安人，2017级本科生，主要从事经济统计研究。