我国货币供应量的波动分析摘要一个国家的货币供应一定要和实体经济相适应,对货币供应量的把握是非常重要的。
因此,分析影响我国货币供应量的主要因素,正确预测货币供应量走势,合理控制货币供应量,来实现预期的宏观经济目标是至关重要的。
本文对1991－2015年我国货币供应量的数据，运用时间序列的方法与原理，建立4(3,1,2)(1,1,1)ARIMA 模型，并对2015年的货币供应量进行了预测。
关键词: 货币供应量 ARIMA 模型 时间序列分析Analysis on the fluctuation of money supply in ChinaAbstractA country's money supply must be adapted to the real economy, the grasp of the money supply is very important.Therefore, it is very important to analyze the main factors that affect the money supply in China, to correctly forecast the trend of money supply, to control the money supply, and to realize the expected macroeconomic goals.In this paper, the data of China's money supply for 1991-2015 years, using time series method and principle，and the4ARIMA model is established，And forecast the money supply in 2015.(3,1,2)(1,1,1)Key words：M oney supply ARIMA model Time series analysis序言货币既是商品流通的媒介和支付手段，也是社会再生产循环中的货币资金，因此货币于经济稳定和经济增长密切相关。
我国经济发展出现变化，对货币政策提出了一系列的新挑战，而传统理论认为我国货币政策主要受货币供应量的影响，因此对我国现阶段的货币供应量进行研究，已经成为越来越多的学者所关注的话题。
本文对1991－2015年我国货币供应量的数据，运用时间序列的方法与原理，建立ARIMA模型，并对2015年的货币供应量进行了预测。
一、货币供应量概述货币供应量是单位和居民个人在银行的各项存款和手持现金之和。
中国人民银行为了保证“保持币值稳定,并以此促进经济增长”这一货币政策最终目标的实现,确定将货币供应量作为我国货币政策的中介目标,主要包括M1和M2。
其中,M1是指流通中的现金与可用于转账支付的活期存款之和,这是在商品、劳务、有价证券等交易中的媒介,也是支付工资、租金、利息等的手段,是社会公众手中流动性最强的金融资产。
M2是M1与准货币之和,其中准货币是储蓄存款及定期存款等流动性较低的存款的总和。
货币供应量的变化反映着中央银行货币政策的变化,对企业生产经营、金融市场,尤其是证券市场的运行和居民个人的投资行为有重大的影响。
货币供应量的增加,可以使社会资金总量及流动性扩大,从而刺激总需求的增加,促使宏观经济的增长。
但当货币供应量过度增加时,就有可能引起通货膨胀或国际收支恶化,导致宏观经济失衡货币供应量的不足同样会抵制经济的发展。
因此,一个稳定适度的货币供应量对宏观经济平稳运行就显示出了很重要的现实意义,可以从总量上把握我国货币供应与经济发展总体态势。
在西方货币理论中,一般假设货币供应量等于货币需求,所以一般将货币需求作为货币政策的理论研究重点。
在理论界关于货币需求的理论很多,主要分为凯恩斯的货币需求理论和弗里德曼的货币需求理论,凯恩斯学派认为货币需求是一种潜在的不稳定经济因素,而货币学派认为货币需求是最稳定的经济因素之一。
从20世纪70年代中期以来,中国和许多现代市场经济国家都存在“货币需求之谜”,即用传统的货币需求和供应方程估测的结果与实际的货币余额存大较大偏差,导致货币供应量与实体经济变量失去了稳定的内在联系。
正鉴于此,跳脱出传统的货币需求理论,研究货币供应量显得十分有意义。
通过研究货币供应量的影响因素,可以获得其变动的原因,货币行政当局可以通过货币供给的调整来实现预期的宏观经济目标和经济内外均衡。
然后从其整体发展趋势来预测未来情况。
二、文献综述凯恩斯认为货币供应量是由中央银行完全控制的外生变量，它的变化影响经济的运行，但自身不受经济因素的制约。
因此，中央银行可通过扩大货币供给的办法来增加有效需求，促进经济增长。
凯恩斯的货币供给论重在总需求的管理，他认为货币供应量的变动通过影响利率而影响投资水平，最后影响有效需求。
新剑桥学派认为货币供应量并不是完全由中央银行控制的，在很大程度上是其被动地适应公众货币需求的结果。
货币需求取决于经济的盛衰及人们的预期，因而货币供应量的变化是由经济过程决定的，这种理论分析已经与凯恩斯的货币供给外生性观点不同，但未明确提出货币供给存在着内生性。
在凯恩斯的外生货币供给理论的基础上，新古典综合学派认为货币供应量不完全是由中央银行控制的外生变量。
除了中央银行的政策行为外，商业银行的经营决策行为、收入水平的变化以及公众对金融资产的偏好程度也对货币供应量起着决定的作用。
因此，货币供应量主要是一个受经济体系内诸多因素影响而自行变化的内生变量，即认为货币供应量主要是由经济决定的，而不是主要由中央银行决定，中央银行对货币供给的控制不是绝对的，而是相对的。
弗里德曼认为货币需求是相对稳定的，要保证货币需求与供给的平衡，就必须保证货币供给的稳定性。
因而，他反对凯恩斯提出的总需求管理，认为应当把重点放在货币供给上，货币供给量是至关重要的经济变量，从而货币政策占有重要地位。
西姆斯(Sims ,1972) 首先在有关货币真实效应的争论中运用 Granger因果关系检验这一方法。
他通过对美国数据的研究发现,存在从货币到产量的单向 Granger因果关系,即货币的历史行为有助于预测未来的产量,而不存在从产量到货币的单向 Granger因果关系。
但在其稍后的研究中,Sims(1980)用工业产量代替名义产量并将利率引入向量自回归模型中,发现货币与产量之间的 Granger 因果关系大打折扣。
Bernanke和Mihov (1998)运用向量自回归(VAR)模型和脉冲响应分析(impulse response analysis)对美国的数据进行了经验研究,证实了弗里德曼的一贯观点,即由于价格具有某种刚性,货币冲击最先对真实产量产生效应,而对价格的效应会有近两年的时滞,但是对价格的作用时间要更为持久。
Friedman.M.对美国的研究表明，货币供应或货币流通速度均对股市价格的波动具有较强的解释能力。
Huang.R.D.&W.A.Kracaw 运用 News 模型对日本的实证研究发现，股价与货币供应量之间存在着正向关系，而与利率之间存在负向关系。
Dayananda.D.& Wen2Yao Ko 对台湾的研究表明，股价收益率与利率之间呈反向趋势，而与货币供应量之间呈正向趋势，但二者的这种关系在统计上不具备较强的显著性。
Mooker.R.&Qiao Yu 对新加坡股市的研究证明，股价与货币供应量之间存在着长期稳定的均衡关系，股价波动领先于货币供应量。
目前在国内学者的研究方面，钱小安较早深入研究了该问题,国内其他学者如赵英军、侯绍泽、苟文均、瞿强、石建民等也都从不同侧面对我国股市价格与货币供应量(或货币政策)的关系进行了分析。
国内学者几乎一致认为股市价格波动对货币供应量具有一定的影响，而货币供应量也会带来股市价格的相应变动。
但我国学者的研究大多是建立在逻辑推理和规范分析之上的，这种关系的真实性尚需要严格的实证支持。
对于中国货币供应量、价格水平和真实产量关系的经验研究,邹至庄(Chow, Gregory C.)先生作过重要贡献。
Chow (2002)以货币数量论为起点,利用 -1993年的数据,研究了中国货币和价格水平的决定,并且运用 Engle 和 Granger (1987) 提出的方法建立了中国通货膨胀决定的协整和误差修正模型。
Chow 和Shen (2004) 利用 1952 -2002的年度数据，建立了 ln P 、ln M2和 lny 的三变量向量自回归模型，并且通过脉冲响应函数比较了美国与中国的 ln M2 扰动对 ln P 和 ln Y 的影响。
以上学者从各种不同的角度对我国货币供应量进行了大量的研究, 并取得了突出成果, 为我们的进一步研究奠定了基础。
但限于当时历史数据、研究工具以及B 研究角度的差异, 研究结果在某些方面还存在一些争议。
因此, 本文在以上各位专家研究成果的基础上, 对我国货币供应量（M1）的波动作进一步的探索分析，建立模型，做出预测。
三、模型的介绍（一）),,(q d p ARIMA 模型介绍对于只包含趋势性的原序列,可表示为),,(q d p ARIMA 模型自回归整合移动平均模型。
ARIMA 方法的基本思路是,对于非平稳时间序列,首先用若干次差分使其成为平稳序列,再将其表示成关于前期值的自回归和关于白噪声的移动平均的组合,记为),,(q d p ARIMA ，d 为逐期差分的阶数,q p ,分别为自回归和移动平均的阶数。
用数学公式表示如下：t t d B y B μθφ)()(=∇其中t y 是原始序列，t μ白噪声序列，B 是后移算子，阶差分是d )1(dd B -=∇。
（二）季节ARIMA 介绍若原序列同时包含趋势性和季节性,则可表示为SQ D P q d p ARIMA ),,)(,,(模型,自回归单整移动平均季节模型,式中d,D 分别为逐期差分和季节差分的阶数,p ，q 分别为自回归和移动平均的阶数,P,Q 分别为季节自回归和季节移动平均的阶数。
由于我国货币供应量的季度数据同时表现出趋势性和季节性,故本文采用季节模型的一般形式,即 ()()()()()()t s Q q t Ds d s p p B B y B B B B μθφΘ=--Φ11 t y 为时间序列，t u 为随机项)(B φ为非季节)(p AR 部分，)(s B Φ为季节)(P AR 部分，d B )1(-为d 阶逐期差分，D s B )1(-为D 阶季节差分，)(B q θ为非季节)(q MA 部分，)(s Q B Θ为季节)(Q MA 部分。