謝 睿 梁后軍 吳 亭

（安徽財經(jīng)大學(xué)會計學(xué)院，安徽 蚌埠 233030）

1 引言

“三農(nóng)”[1]是指農(nóng)村、農(nóng)業(yè)和農(nóng)民；而“三農(nóng)”問題[1，2]則是指與農(nóng)業(yè)、農(nóng)村、農(nóng)民這三個概念相關(guān)的問題，其主要目標是要讓農(nóng)民增收、農(nóng)業(yè)發(fā)展從而農(nóng)村穩(wěn)定。由于我國低學(xué)歷、缺技能的農(nóng)村人口在總?cè)丝谥姓即蠖鄶?shù)，農(nóng)村人口的收入能否提高，生活能否改善直接影響全國經(jīng)濟的發(fā)展進程，從而使“三農(nóng)”問題成為國家經(jīng)濟社會發(fā)展中的一個顯著問題。

加大資金投入是解決“三農(nóng)”問題的一項有利舉措。但近年來，金融體制改革在一定程度上削弱了對農(nóng)村經(jīng)濟的投入，特別是信貸對農(nóng)村經(jīng)濟的投入明顯不足。農(nóng)村信用社是由農(nóng)民群眾自愿入股建設(shè)而成的基層金融服務(wù)機構(gòu)，多年來為“三農(nóng)”的發(fā)展和壯大提供了重要的資金支持。隨著農(nóng)村經(jīng)濟的逐步發(fā)展，農(nóng)村信用社為進一步增強服務(wù)功能，積極拓展多種服務(wù)領(lǐng)域，創(chuàng)新金融品種，不斷加大信貸支持力度，以支持農(nóng)業(yè)產(chǎn)業(yè)的經(jīng)濟產(chǎn)業(yè)化和規(guī)?；l(fā)展，夯實農(nóng)村信用社新的業(yè)務(wù)增長點。

在看到農(nóng)村信用社在支援新農(nóng)村建設(shè)中起積極作用，并取得較好成績的同時，我們也要看到目前一些農(nóng)村信用社存在的問題：有些農(nóng)村信用社存在多年積累的問題，無錢支農(nóng)或支付困難；部分地區(qū)農(nóng)信社雖有存款，但由于當?shù)氐慕鹑陲L(fēng)險較大，寧可資金閑置也不敢支農(nóng)；有些農(nóng)信社為了業(yè)績，寧愿在城市里與其它金融機構(gòu)競爭業(yè)務(wù)，但不愿在農(nóng)村地區(qū)支援農(nóng)村建設(shè)。這些原因直接或間接的影響了農(nóng)信社的存、貸款。

從圖1 中可見，從2014 年起，農(nóng)村信用社的存貸款量逐年下降，直接影響到農(nóng)信社對縣域經(jīng)濟的支持和對“三農(nóng)”的金融服務(wù)。農(nóng)信社作為農(nóng)村金融主力軍，如何發(fā)揮自己的優(yōu)勢，采取有效措施應(yīng)對激烈的存、貸款市場，已迫在眉睫。因而有必要分析并預(yù)測[3]一下農(nóng)信社存貸款量的趨勢、原因及提出相應(yīng)的對策，使農(nóng)信社在為“三農(nóng)”建設(shè)與發(fā)展中提供金融服務(wù)和支持地方經(jīng)濟發(fā)展中起重要支撐作用。本文使用時間序列[4-6]分析法預(yù)測[7]了未來12 個季度農(nóng)信社存、貸款量的變化趨勢，最后給出了農(nóng)信社改善業(yè)務(wù)的建議和對策。

2 時間序列預(yù)測方法

根據(jù)某一經(jīng)濟變量自身的變化規(guī)律建立模型不失為一種有效的方法，這種方法一般稱為時間序列分析。圖2 是本文中時間序列建模的基本流程，主要包括數(shù)據(jù)平穩(wěn)化、模型定階、殘差檢驗及使用計算出的模型進行預(yù)測四大部分。

2.1 序列平穩(wěn)化

時間序列分析要求數(shù)據(jù)是平穩(wěn)的，原始數(shù)據(jù)序列在使用前要先進行平穩(wěn)性檢驗。

大部分非平穩(wěn)時間序列經(jīng)過一階或二階差分后都能轉(zhuǎn)變?yōu)槠椒€(wěn)序列，對這種非平穩(wěn)數(shù)據(jù)的差分序列的統(tǒng)計分析一般是有效的。

有些非平穩(wěn)時間序列經(jīng)過差分以后得到的序列仍然是非平穩(wěn)的，對這種數(shù)據(jù)則不能使用以平穩(wěn)性為基礎(chǔ)的時間序列分析法。因而在對差分序列進行計量分析之前，需要先做平穩(wěn)性檢驗。本文中原始數(shù)據(jù)序列經(jīng)過對數(shù)變換后，再經(jīng)過二次差分就得到能通過ADF 檢驗的平穩(wěn)序列，為進行時間序列分析做準備。

2.2 模型識別

模型識別就是判斷AR(p)、MA(q)和ARMA(p，q)三個模型[8]中哪一個更適用于差分后的平穩(wěn)序列，及對應(yīng)參數(shù)p，q 的值。

AR(p)模型中的參數(shù)p 可以根據(jù)Yule-Wolker方程求得，MA(q)模型中的參數(shù)q 可以由Newton-Raphson 或線性迭代法求出。ARMA(p，q)[9，10]模型的參數(shù)通過分別估計AR(p)模型和MA(q)模型的參數(shù)而得到其公式：

其中，yt是當前值；μ 是常數(shù)項；at表示隨機誤差，p 與q 分別為AR(p)模型與MA(q)模型的階數(shù)，表示AR(p)模型的相關(guān)系數(shù)，θi表示MA(q)模型的相關(guān)系數(shù)。

本文中原始數(shù)據(jù)序列經(jīng)過二次差分以后得到的平穩(wěn)序列，經(jīng)測試當p=5、q=2 時模型的精度最高，即ARMA(5，2)是最優(yōu)模型。

2.3 模型檢驗

大多數(shù)經(jīng)濟數(shù)據(jù)序列都是非平穩(wěn)的，其根本原因是因為其包含單位根過程。在時間序列分析中一般可以通過迪基一富勒(DF)檢驗和擴展迪基一富勒檢驗(ADF)檢測單位根進而判斷數(shù)據(jù)序列是否平穩(wěn)。

2.4 預(yù)測

利用計算得到的模型的差分方程形式預(yù)測，計算相對簡單，實際中最為常用。由ARMA 模型，可將第L 步預(yù)測yt+L表示為

圖3 存款合計對數(shù)二階差分后的自相關(guān)與偏自相關(guān)圖

1 ≤L ≤max{p，q}，L 從1 開始逐漸增加，步長為1。

本文經(jīng)計算確定ARMA(5，2)模型為最合適的模型，并使用此建模對未來12 個季度的存款貸款趨勢進行擬合和預(yù)測。

3 存貸款趨勢預(yù)測

從圖1 中可以見到不論是存款合計還是貸款合計數(shù)值都比較大，為使用ARMA 算法需要先將其適當縮小，設(shè)原始時間序列數(shù)據(jù)為ts，使用對數(shù)函數(shù)對其進行縮放處理，將縮放后的數(shù)據(jù)序列命名為ts_log，則

縮放后的存貸款合計數(shù)據(jù)序列ts_log，仍然是非平穩(wěn)的，需要使用差分法消除非平穩(wěn)性，ts_log 的一階差分為，二階差分為，經(jīng)檢驗一階差分ts_log_diff 不符合穩(wěn)定性要求，因此本節(jié)重點研究二階差分并使用二階差分序列數(shù)據(jù)進行預(yù)測。

表1 存款合計的對數(shù)二階差分穩(wěn)定性檢測結(jié)果

表2 貸款合計的對數(shù)二階差分穩(wěn)定性檢測結(jié)果

圖4 存款合計對數(shù)二階差分的ARMA(5,2)模型擬合及預(yù)測結(jié)果

3.1 存款趨勢預(yù)測

對存款合計的對數(shù)二階差分ts_log_diff 進行的迪克-富勒穩(wěn)定性檢測的結(jié)果如表1 所示。從表1 中可以看出測試統(tǒng)計量為-6.44，比置信度為1%的關(guān)鍵值（-3.51）還小，p 值為1.58e-08，遠小于0.05，可見二階差分后的數(shù)據(jù)序列是平穩(wěn)序列，可以用ARMA 模型進行擬合。

圖3 是存款合計的對數(shù)二階差分ts_log_diff_diff 的自相關(guān)及偏自相關(guān)圖。觀察上圖，發(fā)現(xiàn)自相關(guān)和偏相系數(shù)都存在拖尾的特點，所以我們設(shè)定p=5， q=2，經(jīng)測試p=5， q=2 也是最優(yōu)的一組參數(shù)。下面就可以使用ARMA(5，2)模型進行數(shù)據(jù)擬合了。

圖4 是對存款合計對數(shù)二階差分使用ARMA(5，2)模型擬合及預(yù)測的結(jié)果。紅實線是實際二階差分數(shù)據(jù)，藍色虛線是ARMA(5，2)模型擬合的結(jié)果，右方藍色虛線超出紅色實線的部分是未來12 個季度(從2018 年第一季度到2020 年第四季度)的預(yù)測值，呈震蕩衰減趨勢。從圖中可見，對大多數(shù)數(shù)據(jù)點ARMA 模型擬合結(jié)果幾乎與原數(shù)據(jù)一樣，對少數(shù)變化比較劇烈的數(shù)據(jù)點，擬合效果較差，誤差較大。

圖5 還原為原始數(shù)據(jù)后的擬合值及預(yù)測值

圖6 存款合計擬合值與原始數(shù)據(jù)的相對誤差

圖5 是將ARMA 擬合值經(jīng)過逆差分運算、指數(shù)運算后與原始數(shù)據(jù)的對比。藍色實線表示原始數(shù)據(jù)，紅色虛線表示擬合值及預(yù)測值。圖6 是擬合值與原始數(shù)據(jù)的相對誤差展示圖，從中可以看出除了兩個數(shù)據(jù)點相對誤差大于5%以外，其余數(shù)據(jù)點的相對誤差均小于5%，說明擬合精度良好。從圖5 中右側(cè)的預(yù)測值來看未來12 個季度存款合計仍然呈下降趨勢，但由于原始數(shù)據(jù)數(shù)值較大，在ARMA(5，2)模型中出現(xiàn)的震蕩衰減現(xiàn)象再逆變換后變得不再明顯。

3.2 貸款合計趨勢預(yù)測

對貸款合計的對數(shù)二階差分ts_log_diff_diff進行的迪克-富勒穩(wěn)定性檢測的結(jié)果如表2 所示。從表2 中可以看出測試統(tǒng)計量為-5.86，比置信度為1%的關(guān)鍵值（-3.51）還小，p 值為3.37e-07，遠小于0.05，可見二階差分后的數(shù)據(jù)序列是平穩(wěn)序列，可以用ARMA 模型進行擬合。

圖7 貸款合計對數(shù)二階差分后的自相關(guān)與偏自相關(guān)圖

圖8 貸款合計對數(shù)二階差分的ARMA(5,2)模型擬合及預(yù)測結(jié)果

圖9 還原為原始數(shù)據(jù)后的擬合值及預(yù)測值

圖7 是貸款合計的對數(shù)二階差分的自相關(guān)及偏自相關(guān)圖。觀察上圖，發(fā)現(xiàn)自相關(guān)和偏相系數(shù)都存在拖尾的特點，與存款合計定階方法類似，我們設(shè)定p=5， q=2，經(jīng)測試p=5， q=2 也是最優(yōu)的一組參數(shù)，接著使用ARMA 模型進行數(shù)據(jù)擬合。

圖8 是對貸款合計對數(shù)二階差分使用ARMA(5，2)模型擬合及預(yù)測的結(jié)果。紅實線是實際二階差分數(shù)據(jù)，藍色虛線是ARMA(5，2)模型擬合的結(jié)果，右方藍色虛線超出紅色實線的部分是未來12 個季度(從2018 年第一季度到2020 年第四季度)的預(yù)測值，可見預(yù)測值呈周期震蕩趨勢略有衰減，但衰減趨勢不如存款合計的預(yù)測值那么明顯。從圖中可見，對大多數(shù)數(shù)據(jù)點ARMA 模型擬合結(jié)果幾乎與原數(shù)據(jù)一樣，對少數(shù)變化比較劇烈的數(shù)據(jù)點，擬合效果較差，誤差較大。

圖9 是將貸款合計的ARMA 擬合值經(jīng)過逆差分運算、指數(shù)運算后與原始數(shù)據(jù)的對比。藍色實線表示原始數(shù)據(jù)，紅色虛線表示擬合值及預(yù)測值。圖10 是擬合值與原始數(shù)據(jù)的相對誤差展示圖，從中可以看出除了一個數(shù)據(jù)點相對誤差大于5%以外，其余數(shù)據(jù)點的相對誤差均小于5%，擬合精度滿足工程應(yīng)用要求。從圖9 中右側(cè)的預(yù)測值來看未來12 個季度貸款合計呈震蕩趨勢，不像存款合計那樣存在明顯的下降趨勢。

4 農(nóng)信社存、貸款市場營銷的對策

從以上分析可以看出，在未來12 個季度內(nèi)，農(nóng)信社的存、貸款量仍然會下降，貸款合計保持小幅震蕩并略有下降。面對激烈的市場競爭環(huán)境和自身存在的不足，農(nóng)信社要想守住已有的陣地，就應(yīng)該勇敢正視目前所面臨的問題，積極制定政策并采取有效措施扭轉(zhuǎn)不利局面，為新農(nóng)村建設(shè)和全面小康社會建設(shè)添磚加瓦[11]。

圖10 貸款合計擬合值與原始數(shù)據(jù)的相對誤差

農(nóng)信社應(yīng)利用手機app 及有農(nóng)村特色的廣告方法加大宣傳力度[12，13]，以客戶的需求為服務(wù)宗旨，制定適應(yīng)新時代農(nóng)戶需求的營銷戰(zhàn)略。農(nóng)信社的存、貸款客戶主要包括行政事業(yè)單位、壟斷行業(yè)、企業(yè)類客戶、個體工商戶及普通城鄉(xiāng)居民。各信用社要認真分析新時期所面臨的發(fā)展機遇與挑戰(zhàn)，找準合適的切入點，創(chuàng)造性的制定出適合各種不同類型客戶的營銷措施和金融服務(wù)，堅持以客戶為中心，依據(jù)客戶的迫切需要改進工作方式、提高工作效率；要在抓好資金組織、協(xié)調(diào)工作的同時，著力提高金融市場份額，才能讓農(nóng)信社既好又快的發(fā)展。

5 結(jié)語

中國是一個農(nóng)業(yè)大國，“三農(nóng)”問題關(guān)系到精準脫貧、建設(shè)全面小康社會及社會穩(wěn)定等諸多因素。因而，“三農(nóng)”問題成為國家經(jīng)濟社會發(fā)展中的一個顯著問題。多年來農(nóng)村信用社為“三農(nóng)”的發(fā)展和壯大提供了重要的資金支持，以支持農(nóng)業(yè)產(chǎn)業(yè)的經(jīng)濟產(chǎn)業(yè)化和規(guī)模化發(fā)展。然而，從2014 年起，農(nóng)村信用社的存貸款量逐年下降，直接影響到農(nóng)信社對縣域經(jīng)濟的支持和對“三農(nóng)”的金融服務(wù)。本文使用時間序列分析法預(yù)測了未來12 個季度農(nóng)信社存、貸款量的變化趨勢，結(jié)果顯示存款合計在未來還有繼續(xù)下降的趨勢，貸款合計基本維持小幅震蕩。農(nóng)信社應(yīng)改革自身不合理的制度，多應(yīng)用信息化技術(shù)和設(shè)備提升自己的業(yè)務(wù)能力和水平，更好地支持地方經(jīng)濟的發(fā)展，為實現(xiàn)新農(nóng)村和全面小康的早日建成添磚加瓦。