□张 瑞，张 岩，杨海芬，赵增锋

（河北农业大学经济管理学院，河北 保定 071000）

1 研究背景

负债管理是银行业经营管理体系的重点内容，处于我国金融体系末梢的农村金融机构，受自身发展能力和外部市场竞争挑战的双重制约，面临的压力和挑战更为严峻。2014 年以来，农村金融机构的资产扩张能力日益减弱，“负债决定资产”的经营理念一直占主导地位，一些农村金融机构不顾区域经济发展实际，过度强调存款和贷款的市场份额，导致其财务风险相对较高，回落的农村金融机构负债出现增长趋势。农村金融机构是我国农村金融服务体系重要组成部分之一，有力地支持了农村地区经济和社会的发展，通过预测其负债金额的大小，对提高农村金融机构负债管理具有重要意义。

银行负债主要包括存款、同业负债和主动性借入资金，并以存款为主体。从宏观角度来看，近几年商业银行负债发展特点总体表现为负债总量增长放缓、负债结构变化明显以及负债成本上升压力凸显。程乐砚（2014）认为，存款是我国商业银行资金来源的主要途径，在审慎政策背景下，银行存款波动加剧，流动性压力增加。辛兵海等（2018）发现，货币政策收紧会影响大型上市银行的负债融资结构，进而对整体银行业的负债融资结构产生影响。弘毅（2020）从哲学视角出发，探讨银行负债和资产业务，认为银行负债业务是其他业务的基础。从微观角度来看，徐煜程（2017）应用ARIMA 模型对我国金融机构存款进行分析，比较准确的预测出2016 年11 月的金融机构存款。张会荣和邹泉（2020）选取2000—2018 年我国金融机构各项存款总和按月统计的数据，应用ARIMA 模型对我国金融机构存款进行了短期预测，预测结果良好。由此可以发现，学术界大多从整体对银行业负债管理进行研究，在一定程度上为此研究提供了思路，但已有的研究主观性较强，不能具体反映负债过大对银行的影响。同时，学术界针对银行业负债金额进行预测研究少有涉及，从农村金融机构角度来研究负债金额的几乎没有。

因此，通过研究我国农村金融机构负债金额的发展趋势，依据2014 年1 月到2021 年10 月共94 个月度数据，运用ARIMA 时间序列模型进行预测。其中，农村金融机构包括农村银行、农村合作银行、农村信用社和新型农村金融机构。以期通过研究农村金融机构负债金额的数据波动，使农村金融机构能够准确研判形势，对经济新常态下农村金融机构发展及加强其资产负债管理提供依据。

2 模型选择

常用的预测模型主要有灰色预测模型、BP 神经元网络、回归预测模型、时间序列预测模型4 种。相较于其他预测模型，时间序列预测模型是通过使用过去的事件特征来预测依赖于事件顺序的未来事件。对农村金融机构的负债金额进行预测，要基于其过去的数据，该方法适合对我国农村金融机构负债金额的短期预测。

时间序列预测模型可分为简单移动平均法、指数平滑法以及平稳时间序列法等。其中，平稳时间序列法适用于小规模、单变量的短期预测，受外界干扰因素少，所以最终采用时间序列分析模型中的ARIMA模型。ARIMA 模型可分为自回归模型（AR）、移动平均模型（MA）和自回归移动平均模型（ARIMA）3 类，其中自回归模型（AR）、移动平均模型（MA）只是ARIMA模型的两个特殊形式，简记为ARIMA（p，d，q），其结构如下。

其中，X表示时间序列数据，E表示残差项，为延迟算子，表示自回归阶数，表示移动平均阶数，表示差分阶数，▽表示差分算子，满足该结构的模型为ARIMA（p，d，q）。

3 我国农村金融机构负债金额趋势预测实证分析

3.1 数据的选取及描述性统计分析

为了保证数据的权威性和可得性，选取中国银保监会统计数据中我国农村金融机构负债金额为数据来源，收集整理出2014 年1 月到2021 年10 月共94 个月度数据。

《巴塞尔协议》规定，商业银行风险资本核心充足率为8%，也就是银行的资产负债率在92%以下是正常的水平。为了更好地分析农村金融机构负债金额，将资产和负债的对比通过资产负债率体现。通过计算农村金融机构年平均负债率，农村金融机构资产负债率从2014 年开始下降，到2016 年达到最高点，发现其资产负债率逐渐降低后又出现增长的趋势。也就是说，农村金融机构负债虽然整体增速放缓，但负债增速仍超资产增速，具体可分为4 个阶段。

2014—2015 年，负债率逐渐降低。受钱荒时期影响，银行资产规模从快速扩张转向减速慢行，监管层开始了一系列管控，银行和企业都出现缺钱的状况，致使负债率逐渐降低。2015—2016 年，高负债率阶段。我国宏观经济增长放缓，国家金融改革措施以及央行采取了一系列政策，农村金融机构的盈利水平直接受到影响，处于高负债率水平。2016—2019 年，负债率逐渐降低。国家对金融业开始严监管，2017 年银监会专项部署了“三三四”检查，在资产端亦受到结构调整压力，使得融资需求适当减弱，农村金融机构资产负债率呈下降趋势。2019 年至今，负债率呈现增高趋势。受新冠肺炎疫情影响，农村金融机构开辟的信贷“绿色通道”，易产生“放得出去、收不回来”的风险，农村金融机构资产负债率呈现增高趋势。

3.2 平稳性处理

我国农村金融机构2014—2021 年月度负债金额一直增加，呈现快速上升的趋势，初步判断该序列为不平稳时间序列，为在消除数据异方差的同时又不改变数据的相对关系，故对原始数据差分进行平稳化处理。经过一阶差分处理后，该序列已基本平稳且在零均值附近波动，可初步判定农村金融机构负债金额一阶差分序列是平稳的，并使用单位根检验法进一步对其进行验证。其ADF-T 检验值为-1.762 870，在1%、5%和10%显著性水平下均不能拒绝原假设，即判断原始数据不平稳。经过一阶差分处理后，ADF-t 检验值为-13.625 18，差分后的序列为平稳的时间序列，可以进行ARIMA 模型的构建。

3.3 模型的识别和定阶

ARIMA 模型识别通过自相关函数图（ACF）和偏自相关图（PACF）来判定模型阶数p 和q。一阶差后的ACF 和PACF 图截尾和拖尾的特征不明显，故通过对p 和q 进行取值来确定模型阶数，多次尝试后建立了不同的AR 模型、MA 模型和ARIMA 模型，并根据信息准则值进行模型选择，对比发现ARIMA（1，1，2）的拟合效果最好，最终确定模型ARIMA（1，1，2）。

3.4 参数估计与模型检验

通过对模型的识别与定阶，认为ARIMA（1，1，2）模型进行拟合效果最好，并通过最小二乘估计法对模型进行参数估计，其值均小于0.05，通过检验。ARIMA（1，1，2）模型的最终估计结果为如下。

对模型进行残差序列白噪声检验，即统计量检验，结果如表1。模型残差的自相关和偏自相关值都小于临界值，对应统计量的值大于0.05，即接受原始假设，在5%的有效性水平下，表明模型可以较好地描述数据。

表1 X 的残差自相关检验

3.5 模型预测

数据通过检验后，以我国农村金融机构2014—2021 年月度数据为基础进行预测，并与实际值进行对比，实际值和预测值之间相对差异在0.007%～0.49%，绝对差异较小，在可接受范围内。因此，构建的ARIMA（1，1，2）模型具有良好的可信度。

运用ARIMA（1，1，2）模型进行预测，我国2021 年11 月到2022 年4 月，农村金融机构负债金额预测结果分别为422 711.905 4 亿元、425 373.978 2 亿元、428 037.798 3亿元、430 703.366 8 亿元以及433 370.684 9 亿元、436 039.753 7 亿元。由此可以发现，未来我国农村金融机构的负债金额仍然保持快速增长的趋势。

4 结论与建议

4.1 结论

处理我国农村金融机构2014 年1 月到2021 年10 月共94 个月的数据，构建了ARIMA 模型，并对未来6 个月农村金融机构的负债金额进行估计。结果显示，我国农村金融机构负债金额呈现快速增长的趋势，且每月增速在0.65%以上，过高的负债会给农村金融体系带来风险隐患。由于我国农村金融机构种类较多，且时间序列预测模型是以过去数据进行预测，未考虑其他外界环境因素，且农村金融机构本身存在存款占比低、负债成本高、负债质量管理体系不健全等问题，仅用过去数据进行预测不可避免地存在一定误差。

4.2 建议

未来农村金融机构负债仍会增长，为控制我国农村金融机构负债增速，提出以下建议。

4.2.1 控制借贷金额与期限，坚持规律化发展

短期内，农村金融机构需要注意贷款金额与期限的管理，要分散贷款的期限和计划量，以减少流动性过剩的压力。尽量协调存款增长规律和贷款的时间、额度，将其控制在自身能够承受的范围内，用存款的增长满足某些贷款的流动性需求。

4.2.2 优化资产与负债结构，坚持精细化发展

在负债端，结合农村现实情况调优负债结构，创新传统服务项目，使负债端产品与附加服务逐渐走向高端。在资产端，要提高资产质量，从产业发展的角度把准信贷投放方向，推动稳健经营和可持续发展。此外，要围绕国家金融政策和地方经济特点，明确重点支持类、适度支持类、审慎介入类等不同客户群的准入条件、授信方式和管理要求，灵活推出存款类产品。

4.2.3 拥抱金融科技，坚持创新化发展

农村金融机构要加强资产负债管理系统建设，积极通过金融科技进行转型创新，实现传统与现代的有机结合，构建“金融科技+资产负债管理”机制，建立一个完善的资产负债管理系统。一方面，有效地监测并预防系统性、流动性、操作性等风险，提高自身风险防范水平；另一方面，实现资产负债管理模式的变革，强化自身负债管理。

4.2.4 发挥自身优势，坚持差异化发展

农村金融机构要找准自身定位，充分服务“三农”，发挥自身网点多、覆盖广、机制灵活的特点，重塑差异化竞争优势，加强对自身的监管，从而降低负债成本和风险，使负债规模控制在一个合理的范围。