世界热点评！中信期货资产配置：新增人民币贷款数据预测框架

(资料图)

本文构建了滚动回归模型和SARIMA 模型对每月信贷数据进行预测。根据最新预测结果，2023 年2 月新增人民币贷款约在1.2 万亿至1.6 万亿之间，两类模型预测均值在1.4 万亿左右，信贷数据有望延续较高增速。结构上，新增企业中长期贷款约在1.1万亿至1.5 万亿之间，企业中长期贷款余额同比增速大概率继续上行；新增居民中长期贷款约在-1450 亿元至130 亿元之间，考虑到2 月商品房成交面积同比增速显著修复，居民信贷存在超预期回升的可能。

滚动回归模型中，我们筛选出最优的时间窗口和相关性较高的自变量，分别对中长期贷款、短期贷款和票据融资进行建模预测。中长期贷款（企业+居民）中，我们筛选出30 个大中城市商品房成交面积同比、唐山钢厂高炉开工率同比以及百度指数“贷款”搜索总次数同比作为最后的自变量。短期贷款（企业+居民）中，我们选用柯桥纺织价格指数和30 大中城市商品房成交面积同比（代表家具、建筑装潢和音像消费）作为自变量。对于票据融资，我们直接选择相关性较高的国股银票转贴现利率作为自变量。

SARIMA 模型中设置季节性参数为s 为12，每月通过寻找最小AIC 值动态确认模型参数，并对下月数据进行预测。具体模型外生变量选择如下：1）当月新增企业中长期贷款：“生猪现货月均价格环比增长率”和“LME 铜现货月均结算价格环比增长率”；2）当月新增企业短期贷款+票据融资：“1 年AAA 级票据月均到期收益率环比变化值”和“当月PMI”；3）当月新增居民中长期贷款：“30 大中城商品房成交面积当月合计值”和“100 大中城市供应土地挂牌均价”；4）当月新增居民短期贷款：“PMI”和“30 大中城商品房成交面积当月合计值”。

总的来看，基于高频数据的滚动回归模型和SARIMA 模型均能对新增人民币贷款有较好的预测效果，但同时也各有优劣，在对新增贷款总额进行估算时，滚动回归模型的效果在最近几年较为优秀，而在对信贷结构尤其是企业中长期贷款的预测方面SARIMA 模型的效果则更为优秀。

风险点：外生变量变化超预期；模型预测误差。

关键词： 成交面积 回归模型 短期贷款