天津市金融发展与国际贸易

【摘要】金融发展和国际贸易有着密切的联系，并且对于国家或者城市的发展都起着重要作用。同时两者并非孤立，其相互之间还存在着一定的联系。本文基于简单 OLS、时间序列、ECM 和 VAR 模型对天津市金融发展和出口贸易进行预测，发现时间序列模型和 ECM 模型两个预测误差最小的模型，也是作者认为比较合理的模型。

【关键词】金融发展 国际贸易 出口贸易 时间序列 ECM  VAR

金融发展和国际贸易因其对经济增长的重要作用被视为当今世界经济发展的两大主题。随着经济一体化的深入发展，金融与贸易在区域内以及区域间的融合与互动关系日益突出，金融与贸易问题越来越引起人们的重视。很多学者对金融发展与国际出口贸易的关系进行了研究。

天津市以其自身的港口优势，借助于国家政策的扶持，经济正在走上全国的前列。并且出口贸易在天津的国内生产总值中占据较大比重，因此，如何进一步提升出口贸易总额，认识金融发展对出口贸易的内在关系，为预测出口贸易的数值变得非常重要。

一、本文思路

本文运用统计年鉴中的数据进行回归，进行预测。由于在最新的统计年鉴是《天津统计年鉴 2012》，其中只有 2011 年的数据。所以本文采用 1995—2010 年的数据进行多种方法的估计，包括 OLS、时间序列、ECM 和 VAR 模型的方法进行预测。并对 2011 年的真实数据进行比较分析，找出最好的预测方法。

二、数据选取说明

尽管目前对金融发展与对外贸易水平的刻画已经有较为完整的指标体系，但是由于改革开放以来中国经济社会发展的实情，以及一些指标在统计上的可获得性，要想真实地揭示金融与贸易两者的关系，必须找出能够较好反应中国金融发展与对外贸易真实水平的指标。

（一）金融发展指标

对于金融发展指标，本文选取的是金融深度指标 lo，它反映的是一国金融发展的深度以及该国货币金融体系的支付中介和动员储蓄的职能，在数值上等于金融发展系统的流动性负债（即 M3）。但由于我国以及天津市的统计数据中缺乏 M3 的数据，按照一种普遍的做法，本文用天津市中资银行机构人民币贷款余额替代。

（二）对外贸易指标

在指标的选取上，本文用对外贸易进出口总额 ex 来衡量对外贸易总体规模水平。

本文实证数据均来自《天津统计年鉴 2011》和《天津统计年鉴 2012》，并经过加工处理。数据处理均在 excel 和 eviews7.2 中操作。

为了部分消除数据的异方差现象，本文对上述四个指标进行对数化处理，数学形式表示为在其简称前加 ln，例如，lnex 就是 ln（ex），这样就可以考察解释变量的相对变化对被解释变量的影响。其余指标均作同样处理，不再赘述。

三、数值的描述

（一）散点图

图中可以看到，天津市的出口贸易在 08 年以前大幅度增长，显示出天津市经济增长的强进势头。但是在 08 年金融危机以后，出口额收国际经济的影响，受到大幅挫折，由于我国以及天津市积极的应对措施，从 08 年以后还是保持了较好的增长态势。

从对外贸易进出口总额和中资银行机构人民币存贷款余额的散点图可见，除了 09 和 10 年的两个点外，其他点几乎处于一条直线上，显示出了两者之间存在一种线性关系。为了更好的得出两者之间的因果关系，对其进行格兰杰因果检验。

（二）格兰杰因果检验

由格兰杰因果关系检验结果来看，由于 p 值 0.0258，在 0.05 的置信水平下，拒绝了原假设，认为贷款额（lo）是产生出口（ex）的原因。从经济学的意义来看，贷款额的增加，可能由于企业自主创新能力的增强，或者由于规模经济降低成本等原因，增加天津市企业的世界的竞争力。

四、基于 OLS 回归的预测

传统的普通最小二乘法回归则直接对两者之间进行回归，这样的回归简单直观，易于理解。故首先利用这种方法进行回归。

由于常数项不显着，在 0.05 的置信区间下应该不能通过检验，故舍去，重新进行回归。

最后得出 OLS 下的回归方程：

EX=0.0432977109683*LO

由回归方程得出方程的预测结果：

五、基于时间序列的预测

（一）自相关（AC）和偏自相关（PAC）图

（二）回归分析

从数据的自相关（AC）和偏自相关（PAC）来看，很可能存在一阶自相关，因此利用数据进行回归，得回归结果如下：

LNEX=7.089909053+[AR（1）=0.925637358875]

（三）预测

各数据回归结果较好，而且基本上消除了自相关，可以利用回归结果进行数据预测。

六、基于 ECM 模型的预测

（一）平稳性检验

用 ADF 法对 lnex 进行回归检验，我们可以相信，在 0.05 的置信水平下，lnex 是一阶平稳的。

同理可以对了 lnlo 进行平稳性检验，结果表明，lnlo 也是一阶平稳的。

由于两者都是一阶平稳的，符合协整的条件，可以通过 EG 两步法来看是否存在长期趋势关系。

（二）回归分析

由回归可见，在 0.05 的置信区间下，认为 D（LNLO）和 C 的 t 值都是能通过检验的。得到回归方程：

D（LNEX）=-1.07797735264*D（LNLO）+0.354545402232

通过对残差的 AEG 协整检验，看是否存在协整关系：

结果表明，lnex 与了 lnlo 之间存在长期的协整关系，可以通过误差修正模型（ECM）来进行预测。

（三）ECM 模型的建立

如果若干个非平稳变量存在协整关系，则这些模型必然有误差修正模型的存在，因此建立 ECM 模型

D（LNEX）=0.36622026115-1.22959400766*D（LNLO）+0.2219 11145538*E（-1）

（四）预测

七、基于 VAR 模型的预测

（一）滞后期的选择

在做 VAR 模型之前，要先进行滞后期的选择，来确定多少阶的滞后最为合理。在下面 5 个评价统计量各自给出的最小滞后期中，都给出了*号表示。根据最多的原则，三阶滞后较为合理。

（二）模型回归

LNEX=1.55922591093*LNEX（-1）-0.995804482824*LNEX（-2）+0.0177950856181*LNEX（-3）+1.84386238833*LNLO（-1）-2.21837293948 *LNLO（-2）+0.777320208239*LNLO（-3）-1.22995970014

LNLO=-0.106757513929*LNEX（-1）+0.213302939517*LNEX （-2）+0.274967841165*LNEX（-3）+0.460928345952*LNLO（-1）+ 0.410075095806*LNLO（-2）-0.28023434997*LNLO（-3）+1.63717683265

（三）平稳性检验

如果全部跟的倒数值都落在单位圆内，VAR 模型是稳定的，否则是不稳定的。有结果可见，所有倒数都落在单位圆内，模型是平稳的。

（四）进行预测

八、几种预测结果的比较

把集中预测结果放到一个表中，得到如下结果：

从图上可见：ex_0 是通过 VAR 方法估计出来的结果，exf 是通过 ECM 法估计出来的结果，exf_1 是通过 OLS 法估计出来的结果，exf_2 是通过时间序列估计出来的结果。

2011 年的真实值是 444.98，其中最为接近的是通过 ECM 方法估计的数值，说明 ECM 法估计出来的最为合理，ECM 法通过长期趋势的预测进行估计，效果还是较好的。而预测结果最差的是通过 OLS 法，由于这是一个涉及多个年份的问题，用 OLS 方法进行回归，很可能出现虚假回归的现象，所以用 OLS 进行回归是不可靠的。用时间序列的方法进行预测的结果也比较理想，数值比真实值稍微小了一些。从散点图可知，09 和 10 两年中，受经济危机影响，比正常值要小一些，而时间序列的模型中，我们采取了一阶滞后，所以，受 10 年数据偏小的影响，11 年预测的结果也是偏小的。采取 VAR 模型进行估计也是不太可靠的，由于从格兰杰因果检验看，lo 是 ex 的原因，而 VAR 模型认为两者之间是相互影响的，lo 的滞后期和 ex 的滞后期都影响 ex 的预测，所以这样倒是预测结果的不可靠。

参考文献

[1]曲建忠，张战梅.我国金融发展与国际贸易的关系—基于 1991～2005 年数据的实证研究，国际贸易问题，2008（1）.

[2]梁莉.我国贸易开放度与金融发展关系实证研究.金融研究，2005（7）.

[3]白当伟.金融发展中的国际贸易理论与实证研究[D].上海：复旦大学经济学院，2004.

[4]沈能金融发展与国际贸易的动态演进分析———基于中国的经验数据[J].世界经济研究，2006（6）.

[5]Beck.Thjorsten.Financial Dependence and International Trade [J].Review of International Economics， 2003 ，（11）.

作者 刘海宏 朱春红