基于金融加速器理论和ARMA模型对中国农村CPI的浅析(2)
四、ARMA模型的建立
ARMA模型是时间序列的分析重要方法，我们用ARMA模型对中国农村CPI数据进行研究并且作出预测，考察中国农村地区的经济情况和变化趋势。
使用EViews软件对2000年1月到2014年3月的中国农村CPI月度数据构成的时间序列进行平稳性检验。
由图1、表3可以看出ADF检验统计量大于临界值，所以模型非平稳，所以需要对原始数据进行一阶差分处理。
如表4所示进行一阶差分后，1%、5%、10%的置信区间下ADF检验统计量均小于临界值，所以差分后的时间序列是平稳的，可以对其进行建模。
图2是一阶差分序列自相关图和偏自相关图。由于经济变量一般都为1阶或2阶ARMA模型，所以我们可以尝试建立ARMA（1，1）、ARMA（1，2）、ARMA（2，1）、ARMA（2，2）四种模型进行比较，选取其中拟合度最优的一个模型。
由表5得知经过调整后得出ARMA（1，1）模型为最优。常数项c的p值过大，应该省略。又因为省去c值之后AIC更小，所以模型更为精准可靠，最终确立ARMA（1，1）的数学方程为预测后2014年4月与五月的农村地区CPI的值分别为102.0687和102.0449与现实CPI数据误差小于1%，所以模型十分精确。由此看出，中国农村CPI在平稳中向上攀升的趋势。则当局应当密切关注CPI的走势，防止过度的通货膨胀造成的经济过渡波动。
五、结论及完善我国农村地区经济系统的对策
（一）完善农村地区的征信体系，使信息不对称的程度相对减弱
征信体系是社会经济发展壮大的必然产物，是与征信活动相关的法律制度、组织机构和市场管理等共同构成的一个有机融合的体系，为借贷市场进行信息方面的服务。根据金融加速器理论，经济市场的波动是由于借贷市场上的信息不对称所导致的，那么减弱信息不对称的程度可以为借贷双方减少摩擦，降低相应的交易费用。并且可以在外部经济不利的冲击时，贷款人能够根据借款人的信用情况，比较准确的了解其公司经营状况和资产负债的状况从而对其进行合理的贷款发放，避免借款人在不利的外部冲击下筹资困难，降低经济的波动程度。则，减弱信息不对称的程度可以避免经济的过度波动，使农村经济可以长时期的平稳增长。完善农村地区的征信系统，树立正确的征信文化具有重要的意义。要使征信业务制度规范，征信机构制度规范，征信人员制度规范，这是使征信系统完善和业务健康发展的有力保障。
（二）构建农村经济的预警机制
通过ARMA模型，我们可以预测未来的CPI数据，而用来反映居民消费的变化情况和运动趋势，并且可以了解到通货膨胀或者通货紧缩的相对程度。为了避免农村地区的经济下滑，我们可以通过ARMA模型进行预测。根据金融加速器理论，当经济系统面临不利的情况时，当局可以运用货币政策或者财政政策对经济进行调节。可以加大对借款人的借款额度和对居民进行鼓励消费，以此来保证农村地区的经济平稳增长。
（三）完善金融市场和金融产品
统筹建立适度竞争的、多层次农村金融体系，加强农村信用社的管理，规范农村信用社的管理体制及保持农信社独立法人地位总体稳定，从而促进其在农村金融中的调控作用，增强农村金融在抵御外来风险时自身所能发挥的作用，更好地运用农村信用社贴近基层、贴近农户的“三农”服务主力军作用。随着农村经济的发展，新农村建设的推进和农民收入水平提高，农村金融需求将会不断扩大，农村金融产品和服务方式也需随之不断改进和创新。最后，坚持推进并不断完善农村的金融市场。逐步改变目前农村金融市场的单一融资模式，缩小农村金融和城市金融之间的巨大鸿沟，扩展直接融资在其中所占的比重，探索中小企业集合发债、上市等资本市场融资渠道。加快发展农产品相关的期货市场和衍生产品市场，增加农产品品种数目，合理有效地发挥期货市场的价格发现功能，减弱农产品在生产和销售过程中由于市场所带来的风险。除此之外应该加大力度完善农业方面的保险体系，创新农业保险的品种，探索发展出农村信贷和农业保险相互结合紧密联系的银保互动机制，不断探索发展新的模式并形成比较完善的农业风险管理体系。
参考文献
[1]Bernanke Ben and Mark Gertler.Inside the Black Box：the Credit Channel of Monetary Policy Transmission.Journal of Economic perspectives，1995.
[2]Bernanke，Bens，Mark Gertler，and Simon Gilchrist，The Financial Accelerator and the Flight to Quantity .Review of Economics and Statistics，1996：1-15.
[3]Bernanke，B，Gertler，M，Gilchrist，S.The financial accelerator in a quantitative business cycle framework.Handbook of Macroe- conomics.1999.
[4]采峰，曾凤章.产品需求两非平稳时序的ANN-ARMA预测模型【J】北京理工大学学报；2007年第三期.
[5]朱威，钟惟剑.ARMA模型在居民消费价格指数预测中的应用[J].金融经济.2008（16）.
[6]李习平.基于GM（1，1）理论的中国居民消费价格指数预测模型研究[J].全国商情（经济理论研究）.2009（04）.
[7]姜弘.居民消费价格指数的时间序列分析及预测[J].统计与决策.2009（04）.
[8]张鑫.城乡居民收入差距的ARMA模型预测[J].当代经济.2009（10）.
[9]郑纪安.基于小波分析和神经网络的金融时间序列预测研究[D].厦门大学，2009.
[10]胡杨，张宗新.金融加速器效应在中国的存在性分析——以次贷危机发生后的经济环境为例[J].现代经济探讨.2010（04）.
[11]马志锋，种庆，张文斌，霍敬伟.时间序列分析在中国城镇居民消费水平中的应用[J].周口师范学院学报.2011（02）.
[12]耿叶萌，吕恕.《基于时间序列模型的居民消费价格指数实证分析》[D].河北大学学报，2014年.
