银行间资金面预测模型及其效果检验

内容提要

文章分别建立7天回购利差、DR007和R007的回归模型，并引入3个月期AAA级同业存单收益率一阶差分变量来提高预测精度。从模型在样本内外的预测效果来看，模型对R007的方向预测准确率较高；对DR007的预测值相对较精确，与实际值的误差相对较小。各模型预测值和实际值误差大的时候，一般多出现在临近月末或春节假期前。

货币市场的资金利率，通常影响金融机构投资交易的资金成本，进而对债券市场有重要影响。因此，准确预测资金利率的走势，对债券投资者有较大的参考价值。

银行间市场较有代表性的资金利率是DR007和R007。DR007为银行间存款类机构以利率债为质押的7天期回购利率，较好地反映银行体系流动性松紧状况，数据于2014年12月15日开始发布。R007是全市场机构的质押式回购加权平均利率，综合体现全市场资金的实际供求状况，是货币市场极具广泛代表性的关键利率指标，数据于1999年1月4日开始发布。银行间货币市场流动性主要按照“央行-银行-非银行金融机构”的链条传导，当7天回购利差（=R007-DR007）明显扩大时，多显示银行体系资金相对充足但非银机构的资金存在缺口，流动性出现明显的结构分层，市场整体资金面相对趋紧；反之，7天回购利差收窄，则说明市场资金面相对充裕，处在流动性链条末端的非银机构资金面较存款类机构有了更大的缓解。

那么，什么利率对资金面预测具有领先作用呢？

一、预测资金面的领先变量

本文以7天回购利差（=R007-DR007）来表示资金面的松紧。笔者对2014年12月-2021年12月期间关键期限的国债、国开债、信用债、同业存单收益率与7天回购利差的相互影响关系，进行格兰杰因果关系检验。虽然国债和国开债1年、3年、5年、7年和10年期收益率，以及3个月和1年期AAA级同业存单收益率通过单位根检验确定是不平稳变量，但对其进行一阶差分后均检验平稳。信用债市场方面，信用债收益率通常跟随利率债的走势，应剔除掉利率债走势的影响，适宜使用信用利差来测算其对7天回购利差的影响，本文的信用利差为AAA级信用债收益率相对同期限国开债的利差。

分别对每个债券收益率一阶差分变量（或信用利差）与7天回购利差进行格兰杰因果关系检验。由于信息化技术的发展，目前金融市场对信息的反应通常1-2日就完全消化，因此本文对两两变量之间的格兰杰因果关系检验的滞后期都设为2进行初步检验。根据格兰杰因果关系分块F统计量的定义，在自由度相同的前提下，F统计量越大，表示原假设对应的解释变量对因变量的解释程度越高，因此可以通过比较F统计量的大小来说明债券收益率（或信用利差）和资金面相互影响关系的强弱。表1统计结果显示，3个月期AAA级同业存单收益率一阶差分对7天回购利差走势的领先作用是最强的，对应的F统计量为9.50，p值为0.00，是“7天回购利差作为被影响因素”所在列中最大的F统计量。

在同业存单市场，根据Wind数据，2021年9个月至1年期同业存单发行了10.29万亿元，市场占比最高，为47.2%；而同期1-3个月期同业存单发行了5.06万亿元，市场占比排在第二位，为23.2%。虽然1年期的同业存单发行量大于3个月期存单，但3个月期存单的价格更敏感，可以及时反映更多的市场信息，因此对资金面预测具有更强的领先作用。在上述格兰杰因果关系检验的结果也显示，1年期AAA级同业存单收益率差分对7天回购利差的影响（对应的F统计量为3.74，p值为0.02）明显弱于3个月期AAA级同业存单对7天回购利差的引导作用。

从市场逻辑来看，对货币市场信息较为敏感的3个月期AAA级同业存单收益率上行，多伴随着银行的主动负债成本上升，银行体系的流动性边际趋紧，通常也会导致处在资金链末端的非银机构资金成本升高，由于非银获取资金的渠道较银行少，其资金成本升幅绝大多数情况下将显著大于银行，因此7天回购利差也会随之拓宽。

因此，本文采用2014年12月-2021年12月的样本数据，引入3个月期AAA级同业存单收益率一阶差分（），建立资金面预测模型，通过回溯检验模型预测的效果，为资金利率预测提供量化参考。

二、模型预测7天回购利差及其效果

7天回购利差（）的拓宽多预示着市场资金面趋紧，反之，多意味着资金面偏松。本文通过建立含变量的7天回购利差（）自回归模型（1）来预测每日的，滞后期Lag先设定为2。

本文采用后向逐步回归法，即首先将全部解释变量放入回归模型，再逐个剔除对残差平方和贡献较小、统计不显著的解释变量，最终模型的解释变量不仅对被解释变量有较好的解释贡献，同时也降低了变量间的多重共线性程度，提高了模型自由度，使模型参数估计更为准确。逐步回归分析是多元回归分析中的一种方法，往往用于建立最优或合适的回归模型，更加深入地研究变量之间的依赖关系。目前，逐步回归分析被广泛应用于各个学科领域，如医学、气象学、人文科学、经济学等。

笔者对模型（1）进行第一次估计后，剔除掉统计不显著的变量，进行再次估计得到模型（2），最终估计结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.65。

根据模型（2）估计，在1%的显著水平下，滞后一期的3个月期AAA级同业存单收益率差分（）对应的系数0.31统计显著为正（T统计量4.35，p值<0.01），说明3个月期AAA级同业存单收益率提前一天领先于7天回购利差的变化，两者走势呈同向变化。

对模型（2）进行样本外（2022年1-6月）预测7天回购利差的效果的回溯检验，结果发现：一是模型（2）在2022年5月的预测效果最好，预测值与实际值的平均绝对误差在5月最低，为0BP，误差的标准差也降至6BPs，明显低于其他月份。1月的预测效果较差，平均绝对误差和误差波动分别为16BPs和13BPs，明显高于其他月份。二是模型（2）在2022年3月预测的方向变化准确率最高，为57%；其次是1月和4月，准确率均为48%。

总体上，模型（2）样本外预测7天回购利差的平均绝对误差为6BPs，误差的平均标准差为10BPs，预测方向的平均准确率在46%。而从样本内2021年7-12月的预测情况看，预测值的平均绝对误差为5BPs，误差的平均标准差为14BPs，预测方向的平均准确率在48%，除了误差波动较大外，样本内预测的效果好于样本外。综合样本内外的预测结果，模型（2）总体预测7天回购利差的平均绝对误差为6BPs，误差的标准差12BPs，预测方向的准确率为47%。

三、模型预测DR007及其效果

在银行间货币市场，DR007具有重要的影响。2020年8月，央行发布《参与国际基准利率改革和健全中国基准利率体系》白皮书，明确提出要将DR打造为中国货币政策调控和金融市场定价的关键性参考指标。在实际运行中，DR007多围绕央行7天逆回购操作利率这一中枢上下波动，向金融市场及时、有效地传导货币政策的信号。

本文尝试通过已有价格信息，借鉴模型（2）中3个月期AAA级同业存单收益率一阶差分（）对预测DR007、R007的7天回购利差具有显著的效果，建立DR007（）的自回归模型（3），同时引入滞后一至两期和R007（）变量，来预测每日的DR007。DR007通过单位根检验是统计平稳变量。使用后向逐步回归法，第一次估计后剔除统计不显著的变量，再对模型进行估计，结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.95。为DR007，为R007。

对模型（3）进行样本外（2022年1-6月）预测DR007的效果的回溯检验，结果发现：一是模型（3）在2022年4月的预测效果相对较好，预测值与实际值的平均绝对误差在4月最低，为1BP，但误差的标准差最高，达到13BPs，明显高于其他月份。1月的预测效果较差，平均绝对误差为10BPs，在诸月份中最高，但误差波动最小，仅有7BPs。二是模型（3）在2月预测方向变化的准确率最高，为50%；其次是3月、4月和6月，准确率均为48%。

总体上，模型（3）样本外预测DR007的平均绝对误差为6BPs，误差的平均标准差为9BPs，预测方向的平均准确率在45%。而从样本内2021年7-12月的预测情况看，预测值的平均绝对误差为4BPs，误差的平均标准差为12BPs，预测方向的平均准确率在53%，与模型（2）的样本内外预测的特点一致，即除了误差波动较大外，样本内预测的效果好于样本外。综合样本内外的预测结果，模型（3）总体预测DR007的平均绝对误差为5BPs，误差的标准差11BPs，预测方向的准确率为49%。

四、模型预测R007及其效果

货币市场中，R007相较于DR007更能全面体现银行间市场的总体流动性状况。为预测R007，笔者建立R007（）的自回归模型（4），同时引入滞后一至两期3个月期AAA级同业存单收益率一阶差分（）和DR007（）变量，来预测每日的R007。R007通过单位根检验是统计平稳变量。剔除统计不显著的变量后，模型（4）估计结果如下：

注：系数下面对应的数字为“T统计量（P值）”，拟合优度为0.88。

对模型（4）进行样本外（2022年1-6月）预测R007的效果的回溯检验，结果发现：一是模型（4）在2022年5月的预测效果较好，预测值与实际值的平均绝对误差为1BP，在诸月份中最低，误差的标准差仅为9BPs，相对其他月份也较低。二是模型（4）在2月预测的方向变化准确率最高，为63%；其次是3月，准确率为61%，再次是4月，准确率为57%。

总体上，模型（4）样本外预测R007的平均绝对误差为13BPs，误差的平均标准差为13BPs，预测方向的平均准确率在49%。而从样本内2021年7-12月的预测情况看，预测值的平均绝对误差为7BPs，误差的平均标准差为21BPs，预测方向的平均准确率在57%，也与模型（2）的样本内外预测的特点一致，即除了误差波动较大外，样本内预测的效果好于样本外。综合样本内外的预测结果，模型（4）总体预测R007的平均绝对误差为10BPs，误差的标准差17BPs，预测精度不如模型（2）和（3），但预测方向的准确率为53%，明显优于模型（2）和（3）。

五、结论

本文分别建立7天回购利差和资金利率的自回归模型，并通过引入3个月期AAA级同业存单收益率一阶差分变量来提高预测精度。从模型在样本内外的预测效果来看，模型（4）对R007的方向预测准确率较高，模型（3）对DR007的预测值相对较精确，与实际值的误差相对较小。模型（2）预测7天回购利差的精度介于模型（3）和（4）之间。

从各月来看，各模型预测值和实际值误差大的时候，一般多出现在临近月末或春节假期前。这主要因月末和春节前的资金需求旺盛，央行可能增加流动性投放进行对冲，但财政支出的时间存在一定时滞，财政支出的力度也有一定的不确定性，容易导致资金利率的波动较大，因此实际值与模型预测值的误差较其它时段偏大。

投资者可根据投资交易的实际需要，发挥各模型的优势，加强对资金利率走势的预测，并扩充原有样本数据，进一步修正和优化模型，为金融市场投资和交易提供定价参考。

* 本文仅代表作者个人观点，不代表其所在机构观点。

END

作者：郑葵方，中国建设银行金融市场部

原文《银行间资金面预测模型及其效果检验》全文将刊载于中国外汇交易中心主办《中国货币市场》杂志2022.10总第252期。

更多阅读

扫码关注我们