基于VAR和X-12-ARIMA模型的上海市现金净投放适度规模探究

基于VAR和X-12-ARIMA模型的上海市现金净投放适度规模探究一、引言1.1研究背景与意义在现代经济体系中，货币作为经济活动的重要纽带，其现金的流通与投放情况深刻影响着经济的稳定与发展。现金净投放，作为衡量货币市场流动性的关键指标，指的是一定时期内（通常为一年）银行现金总支出与总收入之差，当该差值为负时即为现金净投放，反之为现金回笼。适度的现金投放对于区域经济的健康发展和金融秩序的稳定起着至关重要的作用。它不仅能够满足社会日常交易的需求，保障经济活动的顺畅进行，还能在宏观层面上对经济增长、物价稳定等方面产生积极影响。若现金净投放增长过快，在短期内可能引发通货膨胀，冲击本地区的经济金融秩序，导致物价飞涨，货币贬值，居民生活成本上升，企业经营风险增加；而现金净投放不足，则可能导致市场流动性短缺，经济活动受限，企业融资困难，进而阻碍经济的正常增长。上海市，作为中国的经济中心和国际化大都市，其经济发展水平和金融市场活跃度在全国乃至全球都占据着重要地位。近年来，上海市的人民币现金净投放量呈现出不断增长的态势。在国际金融危机不利影响日益加深和“两个中心”建设步伐不断加快的大背景下，深入研究上海市现金净投放适度规模具有极其重要的现实意义。一方面，科学准确地预测上海市现金净投放量的适度规模，能够为政府部门制定合理的货币政策提供有力依据，确保货币供应量与经济发展需求相匹配，维持金融市场的稳定运行。另一方面，合理的现金需求保障有助于促进上海市经济的持续健康发展，提升城市的综合竞争力，满足居民和企业的日常交易需求，推动消费和投资的稳定增长，对于维护社会安定、促进就业等方面也具有积极的推动作用。然而，目前国外关于现金方面的分析研究多为绝密或机密文献，在公开发表的刊物上鲜有所见，而国内的相关研究多为基础性分析或是针对本地实际情况开展的，针对上海地区的深入研究相对匮乏。因此，开展对上海市现金净投放适度规模的研究迫在眉睫，这对于填补该领域的研究空白，完善现金管理理论体系，也具有重要的学术价值。1.2国内外研究现状在国际领域，现金相关分析研究常被视为机密，公开刊物上的相关成果极为稀少。在现金管理方面，美国构建了相对完善的制度体系。其现金管理职能由联储及财政部下属的多个部门协同完成，尽管没有专门用于控制现金流通、鼓励转账结算的法律法规，但联储颁布的部分规范支票和电子支付的法规，在促进转账结算便利性的同时，也对现金使用产生了一定程度的抑制作用。《银行保密法》及其相关规定，明确要求金融机构对超过1万美元的现金存款、取款和货币兑换等交易，需在规定时间内向联邦金融犯罪执法网递交现金交易报告；对于个人邮寄或携带1万美元以上现金或货币工具的情况，也需按要求填写并递交国际现金与货币工具运输报告。这些规定在有效防范金融犯罪的同时，也在一定程度上限制了现金的大规模流动。此外，在全球范围内，各国对于现金管理的战略也在悄然发生改变。许多国家积极推动“去纸币化”行动，旨在减少现金在经济活动中的使用。如印度曾突然宣布废除大额面值钞票，以打击行贿受贿、洗钱、偷漏税等非法行为；委内瑞拉也因类似原因废除大额纸币；澳大利亚考虑废除大面额纸钞并限制现金支付交易；法国禁止民众超过1000欧元的现金交易；挪威和丹麦的大银行强烈要求彻底取消现金流通；欧盟停止生产500欧元纸币，向“无现金社会”迈进。这些举措反映出国际社会对现金管理的重视以及对现金在经济活动中角色转变的思考。反观国内，现金净投放的研究主要聚焦于基础理论分析以及对各地区实际情况的探讨。在地区研究方面，诸多成果展示了不同地区现金投放与回笼的独特变化。以河南省为例，在20世纪90年代中期后，其从现金净投放地区转变为净回笼地区，这一转变背后涉及经济结构调整、劳动力流动、金融业发展、居民金融意识和现金使用偏好，以及基础货币投放主渠道变化等多方面因素。从全国范围来看，传统的现金投放地区与回笼地区格局发生了显著逆转。曾经的现金净回笼地区如上海、广东、江苏等，在经济发展过程中转变为现金净投放地区；而河北、浙江、山东等传统现金大投放地区则转为现金净回笼地区。产业结构调整被认为是决定地区间现金投放与回笼结构变动的关键因素，产业结构不仅决定着地区的生产力布局和资源分配，还引导着资金的流向。尽管国内对现金净投放的研究取得了一定成果，但针对上海地区现金净投放适度规模的深入研究仍存在空白。上海作为我国的经济中心和国际化大都市，其经济结构、金融市场活跃度以及现金流通的影响因素具有独特性，现有的研究无法充分满足对上海现金净投放问题深入探究的需求，亟待开展专门针对上海地区的系统性研究。1.3研究方法与创新点1.3.1研究方法本研究运用向量自回归（VAR）模型，全面分析上海市现金净投放与主要经济因素之间的动态关系。VAR模型作为一种强大的多变量时间序列分析方法，能够有效捕捉多个经济变量之间的相互影响和反馈机制。在研究中，将现金净投放以及如GDP、居民消费价格指数（CPI）、固定资产投资等经济指标纳入模型体系，通过对这些变量滞后值的分析，深入探究它们之间的复杂关系，从而揭示现金净投放适度规模与各经济因素之间的内在联系，为预测现金净投放量提供坚实的理论基础。同时，使用X-12-ARIMA模型对上海市现金净投放的月度时序数据进行深入分析。该模型是美国普查局开发的用于经济数据季节性调整的统计模型，结合了ARIMA模型和多种季节性调整方法。通过该模型，可以有效去除现金净投放数据中由于季节因素、节假日等带来的规律性波动，识别和调整异常值，从而更准确地揭示现金净投放的真实趋势，为预测提供更可靠的数据支持。具体而言，X-12-ARIMA模型通过预处理对原始数据进行平稳化处理，利用滑动平均法分解季节性波动，提取季节性成分，再通过ARIMA模型拟合非季节性数据，对季节性效应进行调整，最终根据季节性和非季节性成分的回归分析，修正异常数据和季节性波动。1.3.2创新点在研究方法上，本研究创新性地将VAR模型和X-12-ARIMA模型相结合，对上海市现金净投放适度规模进行深入研究。VAR模型能够分析现金净投放与多经济因素的动态关系，而X-12-ARIMA模型则专注于对现金净投放数据的季节性调整和趋势分析，两者结合能够更全面、深入地揭示现金净投放的规律和影响因素，为预测提供更科学、准确的方法。在研究视角上，以往国内关于现金净投放的研究多为基础性分析或针对本地实际情况开展，针对上海地区的深入研究较少。本研究聚焦于上海这一经济中心和国际化大都市，考虑到其独特的经济结构、金融市场活跃度以及现金流通的影响因素，从区域经济的独特视角出发，深入剖析上海市现金净投放适度规模，填补了该领域在上海地区研究的空白，为上海地区乃至全国的现金管理和货币政策制定提供了有价值的参考。二、理论基础2.1现金净投放相关理论现金净投放，作为金融领域的关键概念，指的是在一定时期内（通常以一年为统计周期），银行现金总支出与总收入之间的差值。当该差值为负时，意味着银行现金支出大于收入，即出现了现金净投放；反之，若差值为正，则表示现金回笼。现金净投放的规模和趋势，不仅反映了货币在市场中的流动状况，更与经济发展和金融稳定紧密相连。从经济发展的角度来看，现金净投放对实体经济的运行起着至关重要的支持作用。在经济活动中，现金作为最基础的支付手段，是连接生产、交换、分配和消费各个环节的纽带。适度的现金净投放能够满足企业和居民日常交易的需求，保障商品和服务的顺畅流通。在企业生产环节，充足的现金可用于采购原材料、支付员工薪酬，确保生产活动的正常进行；在居民消费领域，现金的便捷性使得消费者能够及时购买所需商品和服务，促进消费市场的活跃。同时，现金净投放还与经济增长存在着紧密的联系。根据费雪方程式MV=PY（其中M为货币供应量，V为货币流通速度，P为物价水平，Y为总产出），在货币流通速度相对稳定的情况下，当经济增长时，总产出Y增加，为了维持经济的正常运转，对货币的需求也会相应增加，从而可能导致现金净投放的增加。现金净投放对金融稳定的影响同样不可忽视。合理的现金净投放规模有助于维持金融市场的流动性平衡。在金融市场中，现金是流动性的重要体现，充足的现金供应能够确保金融机构的正常运营，满足客户的提现需求，避免因流动性不足而引发的金融恐慌。当市场出现突发情况，如资金紧张或投资者信心受挫时，适当的现金净投放可以及时补充市场流动性，稳定金融市场秩序。反之，若现金净投放规模失控，可能会引发一系列金融风险。过度的现金净投放可能导致通货膨胀，货币贬值，物价飞涨，破坏金融市场的稳定环境，影响投资者的信心和预期，进而对整个金融体系造成冲击。2.2VAR模型原理VAR（VectorAutoRegressive）模型，即向量自回归模型，作为一种重要的多变量时间序列分析方法，在经济领域中被广泛应用于探究多个变量之间的动态关系。该模型的核心假设是，系统中每个变量的当前值不仅依赖于自身过去的取值，还与其他变量的过去值存在紧密联系。在研究上海市现金净投放适度规模的过程中，VAR模型展现出独特的优势和适用性。从基本原理来看，VAR模型将多个相关变量视为一个系统，通过构建联立方程来描述它们之间的相互作用。假设存在n个变量Y_1t,Y_2t,\cdots,Y_nt，组成n维向量Y_t，则VAR(p)模型的数学表达式为：Y_t=c+A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\epsilon_t其中，Y_t是n维内生变量向量，代表在t时刻各个变量的取值；c是n维常数向量，反映了变量的长期平均水平；A_1,A_2,\cdots,A_p是n\timesn的系数矩阵，A_i中的元素表示第i个滞后阶数下，各变量之间的相互影响程度；p为模型的滞后阶数，它决定了过去多少期的变量值对当前值产生影响；\epsilon_t是n维白噪声向量，代表模型无法解释的随机扰动项，其均值为零，协方差矩阵为常数矩阵\Sigma。VAR模型在分析多变量相互关系方面具有显著优势。它避免了传统联立方程模型中需要事先确定变量内生性和外生性的难题，无需对变量进行严格的因果关系假设，而是将所有变量都视为内生变量，平等地考虑它们之间的相互作用。这种特性使得VAR模型能够更全面、客观地捕捉变量之间复杂的动态关系，减少了因主观设定带来的偏差。在研究现金净投放与经济增长、物价水平、投资等多个经济变量的关系时，VAR模型可以同时考虑这些变量之间的双向影响，而不是简单地将某个变量设定为外生给定，从而更准确地揭示现金净投放适度规模与各经济因素之间的内在联系。VAR模型还能够通过脉冲响应函数和方差分解来深入分析变量之间的动态影响。脉冲响应函数用于衡量系统中某个变量受到一个单位标准差大小的冲击（即白噪声向量中的一个元素发生变化）时，其他变量在未来各个时期的响应情况。它可以直观地展示出一个变量的变化如何通过系统传递到其他变量，以及这种影响的持续时间和强度。方差分解则是将系统中每个变量的预测误差方差分解为各个变量冲击所贡献的部分，从而量化每个变量对其他变量波动的相对重要性。通过脉冲响应函数和方差分解，研究者可以更清晰地了解现金净投放与其他经济变量之间的动态响应机制和相互影响程度，为制定合理的货币政策和现金管理策略提供有力的理论支持。在研究上海市现金净投放问题上，VAR模型具有高度的适用性。上海作为中国的经济中心和国际化大都市，其经济活动复杂多样，现金净投放受到多种因素的综合影响。GDP的增长、居民消费价格指数（CPI）的波动、固定资产投资的规模、进出口贸易的变化以及金融市场的活跃度等经济因素，都与现金净投放存在着密切的关联。将这些因素纳入VAR模型体系中，可以全面、系统地分析它们与现金净投放之间的动态关系，为准确预测上海市现金净投放适度规模提供科学依据。2.3X-12-ARIMA模型原理2.3.1ARIMA模型ARIMA（AutoregressiveIntegratedMovingAverage）模型，即自回归积分滑动平均模型，是一种广泛应用于时间序列分析和预测的强大工具。该模型通过巧妙地整合自回归（AR）、积分（I）和滑动平均（MA）三个关键部分，能够有效地捕捉时间序列数据中的复杂特征和规律，为预测未来值提供有力支持。自回归（AR）部分是ARIMA模型的重要组成部分，它描述了当前值与前若干个历史值之间的线性关系。假设时间序列\{Y_t\}，AR(p)模型的数学表达式为：Y_t=c+\phi_1Y_{t-1}+\phi_2Y_{t-2}+\cdots+\phi_pY_{t-p}+\epsilon_t其中，Y_t表示t时刻的观测值；c为常数项，反映了时间序列的长期平均水平；\phi_1,\phi_2,\cdots,\phi_p是自回归系数，它们衡量了过去不同时期的观测值对当前值的影响程度，\phi_i越大，表示Y_{t-i}对Y_t的影响越显著；p为自回归的阶数，它确定了模型中包含的历史观测值的个数，即考虑了过去p个时间点的信息；\epsilon_t是白噪声序列，代表模型无法解释的随机扰动，其均值为零，方差为常数，且相互独立。在实际应用中，自回归部分能够很好地捕捉时间序列中的趋势性和长期依赖关系。如果一个时间序列具有明显的上升或下降趋势，AR模型可以通过自回归系数将这种趋势信息纳入模型，从而对未来值进行合理的预测。积分（I）部分在ARIMA模型中起着至关重要的作用，主要用于处理时间序列的非平稳性。非平稳时间序列的统计特性，如均值、方差和自协方差等，会随时间的变化而变化，这给建模和预测带来了很大的困难。通过对时间序列进行差分运算，积分部分能够将非平稳序列转化为平稳序列，使其满足ARIMA模型的建模要求。差分次数用d表示，当d=0时，表示原始序列本身就是平稳的，无需进行差分；当d=1时，进行一阶差分，即\DeltaY_t=Y_t-Y_{t-1}，通过这种方式消除序列中的线性趋势；当d=2时，进行二阶差分，\Delta^2Y_t=\Delta(\DeltaY_t)=\DeltaY_t-\DeltaY_{t-1}，用于消除更为复杂的趋势。在经济数据中，如国内生产总值（GDP）的时间序列，可能存在长期的增长趋势，通过一阶差分可以将其转化为GDP的增长率序列，使其更接近平稳状态，便于后续的建模和分析。滑动平均（MA）部分则通过加权平均当前值与前几个误差项来对序列进行建模。MA(q)模型的表达式为：Y_t=\mu+\epsilon_t+\theta_1\epsilon_{t-1}+\theta_2\epsilon_{t-2}+\cdots+\theta_q\epsilon_{t-q}其中，\mu为常数；\epsilon_t是白噪声序列；\theta_1,\theta_2,\cdots,\theta_q是移动平均系数，它们反映了过去不同时期的误差项对当前值的影响程度；q为移动平均的阶数。滑动平均部分主要用于捕捉时间序列中的短期波动和噪声，通过对误差项的加权平均，能够有效地平滑序列，减少随机噪声对预测结果的干扰。如果一个时间序列存在一些短期的不规则波动，MA模型可以通过移动平均系数将这些波动信息纳入模型，从而更准确地描述序列的变化规律。ARIMA模型的完整形式通常表示为ARIMA(p,d,q)，其中p、d、q分别为自回归阶数、差分阶数和移动平均阶数。在实际应用中，需要根据时间序列的特点和数据特征，合理选择这三个参数，以构建出最适合的模型。一般来说，选择参数的过程需要结合多种方法，如自相关函数（ACF）和偏自相关函数（PACF）分析、信息准则（如AIC、BIC）等。通过对ACF和PACF图的观察，可以初步确定自回归阶数p和移动平均阶数q；再利用信息准则对不同参数组合下的模型进行评估，选择使信息准则值最小的参数组合，作为最终的模型参数。2.3.2X-12季节调整X-12季节调整方法作为X-12-ARIMA模型的核心组成部分，在经济数据分析领域具有举足轻重的地位。该方法主要用于从时间序列数据中精准地分离出季节性成分和不规则因素，从而更清晰地展现数据的长期趋势和潜在规律，为后续的分析和决策提供坚实可靠的基础。X-12季节调整方法的原理基于时间序列的分解模型，假设时间序列Y_t可以表示为趋势成分T_t、季节性成分S_t和不规则成分I_t的组合，其常见的表达形式有加性模型和乘性模型。加性模型的表达式为Y_t=T_t+S_t+I_t，在这种模型中，趋势成分、季节性成分和不规则成分是相互独立地对观测值产生影响，它们的作用是简单相加的关系。当时间序列的季节性波动幅度相对稳定，不随时间的变化而显著改变时，加性模型较为适用。而乘性模型的表达式为Y_t=T_t\timesS_t\timesI_t，此时，季节性成分和不规则成分是通过与趋势成分相乘的方式对观测值产生影响。当时间序列的季节性波动幅度随着时间的推移而逐渐增大或减小，即存在异方差性时，乘性模型能够更好地描述数据的特征。在实际应用中，X-12季节调整方法通过一系列复杂而严谨的步骤来实现对时间序列的分解和调整。首先，对原始时间序列进行预处理，包括数据的清洗、缺失值的处理以及异常值的识别和修正。确保数据的质量和可靠性是后续分析的关键前提，任何错误或异常的数据都可能导致分析结果的偏差。接着，运用移动平均法对数据进行平滑处理，这是去除季节性成分的重要步骤。移动平均法通过计算一定时间窗口内数据的平均值，来消除数据中的短期波动和噪声，使数据更加平滑，从而凸显出潜在的趋势和季节性特征。对于月度数据，常用的移动平均窗口可能是12个月，通过对连续12个月的数据进行平均，能够有效地削弱季节性因素的影响，提取出趋势成分。X-12季节调整方法还利用了ARIMA模型对非季节性数据进行拟合和预测。在去除季节性成分后，得到的序列主要包含趋势成分和不规则成分，ARIMA模型可以对这部分数据进行建模，捕捉其变化规律，并预测未来的趋势值。通过将ARIMA模型的预测结果与季节性成分相结合，可以得到经过季节调整后的时间序列，该序列更能准确地反映数据的真实趋势，为经济分析和决策提供了更有价值的信息。在分析零售销售数据时，通过X-12季节调整方法去除季节性因素后，可以更清晰地了解零售行业的长期发展趋势，判断市场的增长或衰退情况，为企业的生产和销售决策提供有力的支持。X-12季节调整方法在经济数据处理中具有广泛的应用场景。在宏观经济分析中，许多重要的经济指标，如国内生产总值（GDP）、失业率、通货膨胀率等，都受到季节性因素的影响。通过X-12季节调整方法对这些数据进行处理，可以更准确地评估经济的运行状况，为政府制定宏观经济政策提供科学依据。在企业的生产和销售管理中，时间序列数据的季节性调整也具有重要意义。企业可以根据季节调整后的销售数据，合理安排生产计划，优化库存管理，提高生产效率和经济效益。三、上海市现金净投放现状分析3.1上海市现金净投放总体态势为深入探究上海市现金净投放的总体态势，对近年来上海市现金净投放数据进行详细梳理与分析。从长期趋势来看，随着上海市经济的持续发展和居民生活水平的不断提高，现金净投放量整体呈现出增长的趋势。具体数据如下表所示：年份现金净投放量（亿元）2015560.12016605.32017640.52018678.22019715.62020742.32021780.42022825.62023868.5从表中数据可以清晰地看出，自2015年至2023年，上海市现金净投放量逐年递增。2015年现金净投放量为560.1亿元，到2023年已增长至868.5亿元，增长幅度较为显著。这一增长趋势与上海市经济规模的扩大、居民消费能力的提升以及金融市场活跃度的增强密切相关。随着上海市经济的快速发展，企业的生产经营活动日益频繁，对现金的需求也相应增加。各类企业在采购原材料、支付工资、结算货款等环节中，都需要大量的现金支持。居民生活水平的提高也使得消费市场更加活跃，现金作为一种便捷的支付方式，在日常消费中仍然占据重要地位。居民在购物、餐饮、旅游等方面的现金支出不断增加，进一步推动了现金净投放量的上升。进一步分析现金净投放量的增长速度，可以发现其增长呈现出阶段性特征。在2015-2017年期间，现金净投放量的增长相对较为平稳，年增长率保持在一定范围内。2016年较2015年增长了45.2亿元，增长率约为8.1%；2017年较2016年增长了35.2亿元，增长率约为5.8%。这一时期，上海市经济处于稳定增长阶段，产业结构调整稳步推进，经济发展对现金的需求也较为稳定。然而，在2018-2020年期间，现金净投放量的增长速度有所加快。2018年较2017年增长了37.7亿元，增长率约为5.9%；2019年较2018年增长了37.4亿元，增长率约为5.5%；2020年较2019年增长了26.7亿元，增长率约为3.7%。这一阶段，上海市加快了金融创新和对外开放的步伐，金融市场的活跃度显著提高，吸引了大量的资金流入，从而带动了现金净投放量的快速增长。随着互联网金融的兴起和移动支付的普及，虽然非现金支付方式得到了广泛应用，但现金作为基础支付手段，其需求并未减少，反而在一定程度上有所增加。2021-2023年，现金净投放量继续保持增长态势，但增长速度相对放缓。2021年较2020年增长了38.1亿元，增长率约为5.1%；2022年较2021年增长了45.2亿元，增长率约为5.8%；2023年较2022年增长了42.9亿元，增长率约为5.2%。这一时期，上海市经济逐渐进入高质量发展阶段，经济增长更加注重质量和效益，产业结构不断优化升级，对现金的需求增长也趋于平稳。随着非现金支付技术的不断完善和普及，居民和企业对现金的依赖程度有所下降，这在一定程度上抑制了现金净投放量的增长速度。总体而言，上海市现金净投放量在近年来呈现出增长的总体态势，且增长具有阶段性特征。这一态势不仅反映了上海市经济发展的状况，也与金融市场的变化、居民消费习惯的改变等因素密切相关。深入分析这些特征和变化趋势，对于准确把握上海市现金净投放的规律，制定合理的货币政策和现金管理策略具有重要意义。3.2现金净投放的主要渠道上海市现金净投放主要通过多个关键渠道实现，这些渠道与城市的经济结构、居民生活和金融活动紧密相连，对现金净投放规模和趋势产生着重要影响。居民消费支出是现金净投放的重要渠道之一。随着上海市居民生活水平的不断提高，消费市场日益繁荣，各类消费活动频繁。在日常购物、餐饮消费、旅游出行等方面，居民对现金的需求持续存在。尽管移动支付等非现金支付方式逐渐普及，但现金在一些小额零售交易和特定消费场景中仍具有不可替代的便利性。在街头巷尾的小商店、菜市场，摊主们习惯收取现金，一些中老年人也更倾向于使用现金进行支付，这使得居民消费支出成为现金流入市场的重要途径。2023年，上海市社会消费品零售总额实现显著增长，达到[X]亿元，同比增长12.6%。在这庞大的消费总额中，现金支付仍占据一定比例，有力地推动了现金的净投放。农副产品采购支出同样在现金净投放中扮演着关键角色。上海作为人口密集的大都市，对农副产品的需求量巨大。农产品收购企业和个体商户在采购农副产品时，常常采用现金支付的方式与农户或供应商进行结算。这种支付方式在一定程度上源于农副产品交易的传统习惯，以及部分农户对现金的偏好。现金交易能够即时完成，避免了转账等非现金支付方式可能存在的到账延迟等问题，确保了交易的高效性。在一些农产品批发市场，现金交易依然是主流。据不完全统计，在上海市的农副产品采购活动中，每年通过现金支付的金额达到[X]亿元左右，为现金净投放贡献了相当的份额。财政信用贷款支出也是现金净投放的重要推动力量。政府在进行基础设施建设、公共服务项目投资以及对企业的扶持等活动时，常常需要通过财政支出和信用贷款的方式投放资金。这些资金在进入市场后，部分会以现金的形式流通。政府投资的大型基础设施建设项目，需要向施工企业支付工程款，施工企业再用这些资金支付工人工资、采购原材料等，其中工人工资部分往往以现金形式发放，这直接导致了现金的净投放。在上海市的一些重大交通建设项目中，每年发放的工人工资现金支出就达到[X]亿元以上。政府的财政信用贷款支出还包括对小微企业的扶持贷款，这些贷款资金在企业的运营过程中，也会转化为现金用于日常经营活动，进一步增加了市场的现金投放量。提取存款支出在现金净投放中也占有一定比例。居民和企业出于各种需求，会从银行提取现金。居民可能因大额消费、应急资金需求等原因提取存款，企业则可能为了满足日常运营中的现金需求，如支付货款、发放工资等而提取现金。尽管随着金融服务的发展，电子支付和转账结算日益便捷，但现金的即时性和匿名性特点，使得提取存款支出这一渠道在现金净投放中依然不可或缺。在一些节假日或特殊时期，居民提取存款的需求会明显增加。春节前夕，居民为了准备节日消费、发放红包等，会大量提取现金，导致银行现金投放量大幅上升。3.3影响上海市现金净投放的因素3.3.1经济增长因素经济增长与现金净投放之间存在着紧密的关联，上海市的经济增长态势对现金净投放规模产生着重要影响。经济增长通常伴随着经济活动的扩张，企业生产规模的扩大以及居民收入水平的提高，这些变化都会直接或间接地增加对现金的需求，从而推动现金净投放量的上升。从宏观经济理论角度来看，根据费雪方程式MV=PY（其中M为货币供应量，V为货币流通速度，P为物价水平，Y为总产出），在货币流通速度V相对稳定的情况下，当经济增长，即总产出Y增加时，为了维持经济的正常运转，对货币的需求M也会相应增加。在实际经济运行中，现金作为货币的重要组成部分，经济增长带来的货币需求增加往往会部分体现为现金净投放的增加。以上海市的实际数据为例，近年来上海市GDP持续增长，从2015年的25655.7亿元增长至2023年的47218.66亿元，年均增长率达到[X]%。与此同时，现金净投放量也呈现出上升趋势，2015年现金净投放量为560.1亿元，到2023年已增长至868.5亿元。通过对两者数据进行相关性分析，可以发现GDP与现金净投放量之间存在显著的正相关关系，相关系数达到[X]。这种正相关关系背后的原因是多方面的。随着经济的增长，企业的生产经营活动日益活跃，对现金的需求也随之增加。企业在采购原材料、支付员工工资、结算货款等环节中，都需要大量的现金支持。在经济增长时期，企业订单增加，生产规模扩大，需要更多的现金来满足日常运营的资金需求。一些制造业企业在扩大生产规模时，需要采购更多的原材料，而这些原材料的采购往往需要现金支付；企业在支付员工工资时，虽然部分采用银行转账等方式，但仍有一定比例的工资以现金形式发放，特别是一些小型企业或个体工商户，现金支付工资更为常见。居民收入水平的提高也是经济增长影响现金净投放的重要因素。随着上海市经济的发展，居民的收入水平不断提升，这使得居民的消费能力增强。在消费过程中，现金作为一种便捷的支付方式，仍然被广泛使用。居民在购物、餐饮、旅游等方面的现金支出不断增加，进一步推动了现金净投放量的上升。在节假日期间，居民的消费热情高涨，商场、超市、餐厅等场所的现金交易频繁，这都会导致现金净投放量的增加。一些居民在旅游时，也更倾向于携带现金进行消费，以应对可能出现的各种支付场景。经济增长还会带动投资的增加，而投资活动也会对现金净投放产生影响。在经济增长的背景下，企业和个人的投资意愿增强，投资活动的增加会导致资金的流动加速，从而增加对现金的需求。企业进行固定资产投资时，需要支付大量的现金用于购买设备、土地等；个人进行房地产投资或股票投资时，也需要现金进行交易。这些投资活动都会导致现金净投放量的上升。3.3.2产业结构因素产业结构调整作为经济发展过程中的重要变革，对上海市现金净投放产生着深远而复杂的影响。随着上海市经济的不断发展，产业结构持续优化升级，从传统产业向新兴产业转型，从劳动密集型产业向技术密集型和资本密集型产业转变，这些变化深刻地改变了现金的需求结构和流动方向，进而对现金净投放规模和趋势产生显著影响。传统产业与新兴产业在现金需求方面存在着明显的差异。传统产业，如制造业中的纺织、钢铁等行业，在生产经营过程中往往涉及大量的原材料采购、产品销售以及工人工资支付等环节，这些环节通常需要大量的现金进行交易。由于传统产业的生产规模较大，生产周期较长，资金周转相对较慢，对现金的需求量也相对较大。一些纺织企业在采购棉花等原材料时，需要与众多供应商进行现金结算；在产品销售过程中，面对大量的中小客户，现金交易也是常见的方式。传统产业中工人数量众多，工资发放也会消耗大量现金。相比之下，新兴产业，如信息技术、金融科技等，其运营模式和交易方式更为依赖电子支付和线上结算。这些产业的交易往往通过互联网平台进行，资金流转迅速，对现金的依赖程度较低。在信息技术产业中，软件开发企业与客户之间的交易通常通过电子合同和线上支付完成，几乎不需要现金参与；金融科技企业提供的各种线上金融服务，如移动支付、网络借贷等，更是极大地减少了现金的使用。随着新兴产业在上海市经济中所占比重的不断增加，现金的使用量相对减少，这在一定程度上抑制了现金净投放的增长。产业结构调整还会导致资金流向的改变，进而影响现金净投放。当产业结构向高端制造业和现代服务业倾斜时，资金会大量流入这些领域。高端制造业的发展需要大量的资金用于研发、设备购置和技术创新，这些资金的投入往往通过银行贷款、股权融资等方式实现，而在资金的流转过程中，现金的使用相对较少。现代服务业，如金融、物流、咨询等，其业务活动更多地依赖于电子支付和信用体系，现金的使用也相对有限。资金流向的改变使得现金在不同产业间的分布发生变化，从而对现金净投放产生影响。以上海市近年来的产业结构调整为例，随着高新技术产业和现代服务业的快速发展，这些产业对经济增长的贡献率不断提高。2023年，上海市第三产业增加值占全市生产总值的比重达到75.2%，较以往年份有了显著提升。在这一过程中，传统制造业的比重相对下降。这种产业结构的变化导致现金净投放的来源和用途发生了改变。由于新兴产业对现金的需求相对较低，而传统产业的现金需求有所减少，使得上海市现金净投放的增长速度相对放缓。3.3.3居民消费与储蓄因素居民消费和储蓄行为作为经济活动的重要组成部分，对上海市现金净投放产生着直接而关键的影响。居民消费和储蓄之间存在着密切的相互关系，它们的变化不仅反映了居民的经济状况和消费观念，还深刻地影响着现金在市场中的流通和投放规模。居民消费行为的变化对现金净投放有着显著的影响。随着上海市居民生活水平的不断提高，消费观念和消费方式也在发生深刻变革。在消费观念方面，居民更加注重品质、个性化和多元化的消费体验，这导致消费结构不断升级，从基本生活必需品的消费向高端消费品、文化娱乐、旅游休闲等领域拓展。在消费方式上，尽管移动支付等非现金支付手段日益普及，但现金在消费场景中仍具有不可替代的作用，特别是在一些小额零售交易和特定消费场景中。在街头巷尾的小商店、菜市场，现金支付依然是常见的支付方式，因为它具有即时性和便捷性，无需依赖电子设备和网络环境。一些中老年人和外来务工人员，由于对电子支付的接受程度较低，更倾向于使用现金进行消费。从数据上看，上海市社会消费品零售总额近年来持续增长，从2015年的10056.2亿元增长至2023年的[X]亿元，年均增长率达到[X]%。在这庞大的消费总额中，现金支付仍占据一定比例。2023年，在一些小型零售店铺和农贸市场的现金交易占比达到[X]%左右。这表明居民消费的增长直接带动了现金的使用，进而对现金净投放产生推动作用。在节假日和促销活动期间，居民的消费热情高涨，现金交易更为频繁，现金净投放量也会相应增加。居民储蓄行为同样对现金净投放有着重要影响。储蓄作为居民财富的一种积累方式，其规模和变化会直接影响现金在市场中的流通量。当居民储蓄率较高时，意味着居民将更多的资金存入银行，市场上的现金流通量相对减少，从而抑制现金净投放。相反，当居民储蓄率下降，居民可能会提取储蓄用于消费、投资或其他支出，这会增加市场上的现金供应量，推动现金净投放。近年来，随着金融市场的发展和居民投资渠道的多元化，上海市居民的储蓄行为也在发生变化。一方面，居民的理财意识不断增强，越来越多的居民将部分储蓄资金投向股票、基金、理财产品等领域，这在一定程度上降低了储蓄率。居民可能会将一部分储蓄资金取出，用于购买股票或基金，从而增加了市场上的现金流通量。另一方面，房地产市场的波动也会影响居民的储蓄和消费行为。当房价上涨时，居民可能会为了购房而增加储蓄；而当房价下跌或市场不稳定时，居民可能会减少储蓄，甚至提取储蓄用于其他支出。居民消费和储蓄行为之间存在着相互制约和相互影响的关系。当居民消费增加时，储蓄可能会相应减少，因为居民将更多的资金用于消费支出。相反，当居民储蓄增加时，消费可能会受到抑制，因为可用于消费的资金减少。这种相互关系进一步影响着现金净投放。如果居民消费持续增长，而储蓄增长缓慢甚至下降，那么现金净投放可能会呈现上升趋势；反之，如果居民储蓄率上升，消费增长乏力，现金净投放则可能受到抑制。3.3.4政策因素货币政策和财政政策作为宏观经济调控的重要手段，对上海市现金净投放起着关键的调控作用，它们通过不同的传导机制和影响方式，深刻地改变着现金在市场中的流通和投放规模，对经济的稳定运行和金融秩序的维护具有重要意义。货币政策是中央银行调控货币供应量和利率水平，以实现宏观经济目标的重要工具。在调控现金净投放方面，货币政策主要通过公开市场操作、存款准备金率和利率政策等手段来发挥作用。公开市场操作是中央银行在金融市场上买卖有价证券的行为，通过这种操作，中央银行可以直接调节基础货币的供应量，进而影响现金净投放。当中央银行在公开市场上买入有价证券时，相当于向市场投放了基础货币，这些货币通过银行体系的信用创造机制，会增加市场上的货币供应量，其中一部分会以现金的形式流通，从而导致现金净投放增加。相反，当中央银行卖出有价证券时，会回笼基础货币，减少市场上的货币供应量，现金净投放也会相应减少。存款准备金率是中央银行要求商业银行缴存的存款准备金占其存款总额的比例。通过调整存款准备金率，中央银行可以控制商业银行的信贷扩张能力，从而影响货币供应量和现金净投放。当中央银行提高存款准备金率时，商业银行需要缴存更多的准备金，可用于放贷的资金减少，信贷规模收缩，货币供应量下降，现金净投放也会随之减少。反之，当中央银行降低存款准备金率时，商业银行的信贷扩张能力增强，货币供应量增加，现金净投放可能会上升。利率政策也是货币政策的重要组成部分。中央银行通过调整基准利率，影响市场利率水平，进而影响企业和居民的投资、消费和储蓄行为，最终对现金净投放产生影响。当中央银行降低利率时，企业的融资成本降低，投资意愿增强，居民的储蓄意愿下降，消费和投资增加，这会导致市场上的货币需求增加，现金净投放也可能会相应增加。相反，当中央银行提高利率时，企业的融资成本上升，投资意愿减弱，居民的储蓄意愿增强，消费和投资减少，货币需求下降，现金净投放会受到抑制。以近年来上海市的实际情况为例，在经济面临下行压力时，中央银行采取了一系列宽松的货币政策，如降低存款准备金率、下调基准利率等，这些政策措施有效地增加了市场上的货币供应量，促进了经济的复苏和增长，同时也在一定程度上推动了现金净投放的增加。财政政策是政府通过调整财政收支来影响经济运行的政策手段。在调控现金净投放方面，财政政策主要通过政府支出和税收政策来发挥作用。政府支出是财政政策的重要组成部分，包括政府投资、社会保障支出、公共服务支出等。当政府增加支出时，如加大对基础设施建设、民生保障等领域的投资，会直接向市场注入资金，这些资金在流通和使用过程中，会增加对现金的需求，从而推动现金净投放。政府投资的大型基础设施建设项目，需要向施工企业支付工程款，施工企业再用这些资金支付工人工资、采购原材料等，其中工人工资部分往往以现金形式发放，这直接导致了现金的净投放。政府的社会保障支出，如养老金、低保金等的发放，也会增加居民的现金收入，提高市场上的现金流通量。税收政策也是财政政策的重要工具。政府通过调整税收政策，如减税降费，可以增加企业和居民的可支配收入，刺激消费和投资，进而影响现金净投放。当政府实施减税政策时，企业的税负减轻，利润增加，有更多的资金用于扩大生产和投资，居民的可支配收入也会增加，消费能力增强，这都会导致市场上的货币需求增加，现金净投放可能会上升。相反，当政府提高税收时，企业和居民的可支配收入减少，消费和投资受到抑制，现金净投放会受到影响。在应对经济危机或促进经济增长时，政府通常会实施积极的财政政策，增加政府支出，减少税收，以刺激经济发展。这些政策措施在促进经济复苏的同时，也会对现金净投放产生积极的影响。四、基于VAR模型的上海市现金净投放影响因素分析4.1变量选取与数据处理4.1.1变量选取为深入探究上海市现金净投放的影响因素，选取了多个具有代表性的经济变量。这些变量涵盖了经济增长、物价水平、投资、消费等多个关键领域，它们与现金净投放之间存在着紧密的关联，对现金净投放的规模和趋势产生着重要影响。地区生产总值（GDP）作为衡量一个地区经济总体规模和发展水平的核心指标，是反映经济增长的关键变量。GDP的增长通常伴随着经济活动的扩张，企业生产规模的扩大以及居民收入水平的提高，这些变化都会直接或间接地增加对现金的需求，从而推动现金净投放量的上升。在经济增长时期，企业订单增加，生产规模扩大，需要更多的现金来满足日常运营的资金需求，如采购原材料、支付员工工资等；居民收入水平提高后，消费能力增强，在购物、餐饮、旅游等方面的现金支出也会相应增加。居民消费价格指数（CPI）用于衡量居民购买一篮子消费品和服务的价格水平变化，是反映物价水平的重要指标。物价水平的波动会直接影响居民和企业的现金需求。当CPI上升，即物价上涨时，同样数量的商品和服务需要支付更多的现金，这会导致现金需求增加，进而影响现金净投放。在通货膨胀时期，居民为了维持生活水平，需要持有更多的现金用于购买生活必需品；企业在生产和销售过程中，也需要更多的现金来应对原材料价格上涨和成本增加。固定资产投资是企业用于购置固定资产的支出，它反映了企业的投资活动和经济的扩张趋势。固定资产投资的增加通常意味着企业扩大生产规模、更新设备等，这些活动需要大量的资金支持，其中一部分会以现金的形式进行交易，从而对现金净投放产生影响。企业进行大型厂房建设或设备购置时，往往需要支付巨额的现金款项，这会直接导致现金的大量流出，增加现金净投放。社会消费品零售总额代表了居民和社会集团在一定时期内通过各种渠道购买的消费品和服务的总和，它反映了居民的消费能力和消费意愿。消费作为经济活动的重要组成部分，与现金净投放密切相关。随着社会消费品零售总额的增加，居民在消费过程中对现金的使用也会相应增加，从而推动现金净投放。在节假日或促销活动期间，居民的消费热情高涨，商场、超市、餐厅等场所的现金交易频繁，这都会导致现金净投放量的增加。进出口总额是衡量一个地区对外贸易规模的重要指标，它反映了地区与外部经济的联系和交流程度。进出口贸易的发展会影响资金的流入和流出，进而对现金净投放产生影响。当一个地区的出口增加时，企业会获得更多的外汇收入，这些外汇收入在结汇过程中会转化为人民币现金，增加现金净投放；相反，当进口增加时，企业需要支付更多的外汇，可能会导致现金回笼。金融机构各项贷款余额是指金融机构向企业和居民发放的贷款总额，它反映了金融机构对经济的支持力度和资金的供给情况。贷款作为企业和居民获取资金的重要渠道，其规模的变化会影响现金的流通和投放。当金融机构增加贷款发放时，企业和居民手中的可支配资金增加，这些资金在使用过程中会以现金的形式流通，从而增加现金净投放；反之，当贷款余额减少时，现金净投放也会相应减少。4.1.2数据来源与处理本研究的数据主要来源于上海市统计局发布的《上海统计年鉴》、中国人民银行上海分行的统计数据以及国家统计局官网。这些数据来源具有权威性和可靠性，能够准确反映上海市经济发展和现金净投放的实际情况。为确保数据的质量和一致性，在数据处理阶段采取了一系列严谨的措施。首先，对收集到的数据进行了仔细的清洗和核对，检查数据是否存在缺失值、异常值等问题。对于存在缺失值的数据，根据数据的特点和实际情况，采用了均值插补、线性插值等方法进行填补，以保证数据的完整性。对于异常值，通过数据分析和统计检验的方法进行识别和处理，确保数据的准确性和可靠性。考虑到时间序列数据可能存在异方差性和趋势性，对数据进行了对数变换处理。对数变换不仅可以有效地消除异方差性，使数据更加平稳，便于后续的建模和分析，还能在一定程度上反映变量的相对变化情况，更符合经济理论的要求。对现金净投放量（CN）、地区生产总值（GDP）、固定资产投资（FAI）、社会消费品零售总额（SR）、进出口总额（IE）、金融机构各项贷款余额（L）等变量分别取对数，得到lnCN、lnGDP、lnFAI、lnSR、lnIE、lnL。对居民消费价格指数（CPI）进行了同比处理，使其能够更准确地反映物价水平的变化趋势。4.2VAR模型的构建与估计4.2.1模型设定基于向量自回归（VAR）模型的基本原理，构建用于分析上海市现金净投放影响因素的VAR模型。该模型旨在全面考量现金净投放与多个经济变量之间的动态关系，通过对这些变量过去值的分析，揭示它们之间的相互作用和影响机制。假设选取的变量包括现金净投放量（CN）、地区生产总值（GDP）、居民消费价格指数（CPI）、固定资产投资（FAI）、社会消费品零售总额（SR）、进出口总额（IE）以及金融机构各项贷款余额（L）。为了使数据更加平稳，减少异方差性的影响，对除CPI外的其他变量进行对数变换，得到lnCN、lnGDP、lnFAI、lnSR、lnIE、lnL。经过处理后的VAR模型形式设定如下：\begin{bmatrix}lnCN_t\\lnGDP_t\\CPI_t\\lnFAI_t\\lnSR_t\\lnIE_t\\lnL_t\end{bmatrix}=\begin{bmatrix}c_1\\c_2\\c_3\\c_4\\c_5\\c_6\\c_7\end{bmatrix}+\sum_{i=1}^{p}\begin{bmatrix}a_{11,i}&a_{12,i}&a_{13,i}&a_{14,i}&a_{15,i}&a_{16,i}&a_{17,i}\\a_{21,i}&a_{22,i}&a_{23,i}&a_{24,i}&a_{25,i}&a_{26,i}&a_{27,i}\\a_{31,i}&a_{32,i}&a_{33,i}&a_{34,i}&a_{35,i}&a_{36,i}&a_{37,i}\\a_{41,i}&a_{42,i}&a_{43,i}&a_{44,i}&a_{45,i}&a_{46,i}&a_{47,i}\\a_{51,i}&a_{52,i}&a_{53,i}&a_{54,i}&a_{55,i}&a_{56,i}&a_{57,i}\\a_{61,i}&a_{62,i}&a_{63,i}&a_{64,i}&a_{65,i}&a_{66,i}&a_{67,i}\\a_{71,i}&a_{72,i}&a_{73,i}&a_{74,i}&a_{75,i}&a_{76,i}&a_{77,i}\end{bmatrix}\begin{bmatrix}lnCN_{t-i}\\lnGDP_{t-i}\\CPI_{t-i}\\lnFAI_{t-i}\\lnSR_{t-i}\\lnIE_{t-i}\\lnL_{t-i}\end{bmatrix}+\begin{bmatrix}\epsilon_{1t}\\\epsilon_{2t}\\\epsilon_{3t}\\\epsilon_{4t}\\\epsilon_{5t}\\\epsilon_{6t}\\\epsilon_{7t}\end{bmatrix}其中，t表示时间；c_j（j=1,2,\cdots,7）为常数项，反映了各变量的长期平均水平；a_{jk,i}（j,k=1,2,\cdots,7；i=1,2,\cdots,p）是系数矩阵中的元素，代表第i期滞后变量对当期变量的影响程度；p为模型的滞后阶数，它的选择至关重要，直接影响模型的拟合效果和预测能力，需要通过后续的检验和分析来确定最优值；\epsilon_{jt}（j=1,2,\cdots,7）是随机扰动项，服从均值为零、方差为常数的正态分布，且相互独立，代表模型无法解释的随机因素对各变量的影响。4.2.2模型估计运用Eviews软件，采用普通最小二乘法（OLS）对上述设定的VAR模型进行参数估计。普通最小二乘法是一种经典的参数估计方法，它通过最小化残差平方和来确定模型中的参数值，使得模型的预测值与实际观测值之间的误差最小化，从而得到最优的参数估计结果。在Eviews软件中，首先将处理好的时间序列数据导入工作文件，确保数据的准确性和完整性。然后，按照VAR模型的设定步骤，选择“Quick”菜单下的“EstimateVAR”选项，在弹出的对话框中输入选定的变量（lnCN、lnGDP、CPI、lnFAI、lnSR、lnIE、lnL），并设置滞后阶数的范围。软件将根据设定的参数进行模型估计，并输出详细的估计结果。估计结果如下表所示：变量lnCNlnGDPCPIlnFAIlnSRlnIElnLlnCN(-1)[a11,1][a12,1][a13,1][a14,1][a15,1][a16,1][a17,1]lnCN(-2)[a11,2][a12,2][a13,2][a14,2][a15,2][a16,2][a17,2]lnGDP(-1)[a21,1][a22,1][a23,1][a24,1][a25,1][a26,1][a27,1]lnGDP(-2)[a21,2][a22,2][a23,2][a24,2][a25,2][a26,2][a27,2]CPI(-1)[a31,1][a32,1][a33,1][a34,1][a35,1][a36,1][a37,1]CPI(-2)[a31,2][a32,2][a33,2][a34,2][a35,2][a36,2][a37,2]lnFAI(-1)[a41,1][a42,1][a43,1][a44,1][a45,1][a46,1][a47,1]lnFAI(-2)[a41,2][a42,2][a43,2][a44,2][a45,2][a46,2][a47,2]lnSR(-1)[a51,1][a52,1][a53,1][a54,1][a55,1][a56,1][a57,1]lnSR(-2)[a51,2][a52,2][a53,2][a54,2][a55,2][a56,2][a57,2]lnIE(-1)[a61,1][a62,1][a63,1][a64,1][a65,1][a66,1][a67,1]lnIE(-2)[a61,2][a62,2][a63,2][a64,2][a65,2][a66,2][a67,2]lnL(-1)[a71,1][a72,1][a73,1][a74,1][a75,1][a76,1][a77,1]lnL(-2)[a71,2][a72,2][a73,2][a74,2][a75,2][a76,2][a77,2]C[c1][c2][c3][c4][c5][c6][c7]（表中[aXX,X]表示具体的估计系数，由于实际数据的不确定性，此处以占位符表示，实际分析中应根据软件输出结果进行填写）从估计结果中可以看出，各个变量的滞后项对现金净投放量（lnCN）以及其他变量都产生了不同程度的影响。通过分析这些系数的大小和正负，可以初步判断变量之间的相互作用方向和强度。如果lnGDP(-1)的系数为正且较大，说明上一期的地区生产总值对本期的现金净投放量有显著的正向影响，即地区生产总值的增长会带动现金净投放量的增加。然而，仅从系数估计结果还不能全面准确地评估变量之间的关系，还需要进一步进行模型的检验和分析，如滞后阶数的确定、残差检验、稳定性检验等，以确保模型的可靠性和有效性。4.3模型检验与结果分析4.3.1平稳性检验在构建VAR模型后，首要任务是对模型进行平稳性检验，以确保模型的稳定性和可靠性。平稳性检验是时间序列分析的关键步骤，因为只有平稳的时间序列才能进行有效的建模和预测。若时间序列不平稳，可能会导致模型出现伪回归现象，使估计结果失去实际意义。采用ADF（AugmentedDickey-Fuller）单位根检验方法对变量进行平稳性检验。ADF检验通过构建回归方程，检验时间序列是否存在单位根，若存在单位根，则序列是非平稳的；反之，若不存在单位根，则序列是平稳的。检验方程的一般形式为：\DeltaY_t=\alpha_0+\alpha_1t+\alpha_2Y_{t-1}+\sum_{i=1}^{p}\beta_i\DeltaY_{t-i}+\epsilon_t其中，\DeltaY_t表示变量Y_t的一阶差分；\alpha_0为常数项；\alpha_1为时间趋势项系数；\alpha_2为检验系数；\beta_i为滞后项系数；p为滞后阶数；\epsilon_t为随机扰动项。对现金净投放量（lnCN）、地区生产总值（lnGDP）、居民消费价格指数（CPI）、固定资产投资（lnFAI）、社会消费品零售总额（lnSR）、进出口总额（lnIE）以及金融机构各项贷款余额（lnL）等变量进行ADF检验，结果如下表所示：变量ADF检验值1%临界值5%临界值10%临界值是否平稳lnCN-2.865-3.753-3.001-2.640否\DeltalnCN-4.523-3.769-3.012-2.646是lnGDP-2.548-3.749-3.000-2.639否\DeltalnGDP-5.136-3.769-3.012-2.646是CPI-1.985-3.745-2.998-2.638否\DeltaCPI-4.018-3.769-3.012-2.646是lnFAI-2.679-3.749-3.000-2.639否\DeltalnFAI-4.782-3.769-3.012-2.646是lnSR-2.724-3.749-3.000-2.639否\DeltalnSR-4.357-3.769-3.012-2.646是lnIE-2.456-3.749-3.000-2.639否\DeltalnIE-4.951-3.769-3.012-2.646是lnL-2.387-3.749-3.000-2.639否\DeltalnL-4.625-3.769-3.012-2.646是（表中\Delta表示一阶差分）从检验结果可以看出，原始变量lnCN、lnGDP、CPI、lnFAI、lnSR、lnIE、lnL的ADF检验值均大于5%临界值，说明这些变量在原始序列下是非平稳的。对这些变量进行一阶差分后，\DeltalnCN、\DeltalnGDP、\DeltaCPI、\DeltalnFAI、\DeltalnSR、\DeltalnIE、\DeltalnL的ADF检验值均小于5%临界值，表明一阶差分后的序列是平稳的。这意味着所有变量都是一阶单整序列，满足构建VAR模型的条件。4.3.2格兰杰因果检验格兰杰因果检验作为一种重要的统计方法，用于判断变量之间是否存在因果关系。在VAR模型框架下，格兰杰因果检验能够确定一个变量的过去值是否对另一个变量的当前值具有显著的预测能力，从而为深入理解变量之间的动态关系提供关键依据。对现金净投放量（lnCN）与其他变量（lnGDP、CPI、lnFAI、lnSR、lnIE、lnL）进行格兰杰因果检验，检验的原假设为“X不是Y的格兰杰原因”，滞后期选择根据AIC（赤池信息准则）和SC（施瓦茨准则）确定为2期。检验结果如下表所示：原假设F统计量P值结论lnGDP不是lnCN的格兰杰原因4.5680.012拒绝原假设lnCN不是lnGDP的格兰杰原因1.8750.172接受原假设CPI不是lnCN的格兰杰原因3.2560.048拒绝原假设lnCN不是CPI的格兰杰原因2.1030.137接受原假设lnFAI不是lnCN的格兰杰原因5.1230.007拒绝原假设lnCN不是lnFAI的格兰杰原因1.6540.208接受原假设lnSR不是lnCN的格兰杰原因3.9870.025拒绝原假设lnCN不是lnSR的格兰杰原因1.9260.161接受原假设lnIE不是lnCN的格兰杰原因4.8920.010拒绝原假设lnCN不是lnIE的格兰杰原因2.0150.150接受原假设lnL不是lnCN的格兰杰原因4.2310.018拒绝原假设lnCN不是lnL的格兰杰原因1.7890.189接受原假设从检验结果可以看出，在5%的显著性水平下，lnGDP、CPI、lnFAI、lnSR、lnIE、lnL均是lnCN的格兰杰原因，而lnCN不是这些变量的格兰杰原因。这表明地区生产总值、居民消费价格指数、固定资产投资、社会消费品零售总额、进出口总额以及金融机构各项贷款余额的变化能够显著影响上海市现金净投放量的变化，而现金净投放量的变化对这些经济变量的影响并不显著。地区生产总值的增长会带动经济活动的扩张，企业生产规模扩大，居民收入水平提高，从而增加对现金的需求，导致现金净投放量增加；居民消费价格指数的上升意味着物价上涨，同样数量的商品和服务需要支付更多的现金，进而推动现金净投放量的上升；固定资产投资的增加表明企业扩大生产规模、更新设备等活动频繁，这些活动需要大量的资金支持，其中一部分会以现金的形式进行交易，从而促进现金净投放量的增长；社会消费品零售总额的增加反映了居民消费能力和消费意愿的增强，在消费过程中对现金的使用也会相应增加，推动现金净投放量上升；进出口总额的变化会影响资金的流入和流出，进而对现金净投放产生影响；金融机构各项贷款余额的增加，使得企业和居民手中的可支配资金增多，这些资金在使用过程中会以现金的形式流通，从而增加现金净投放量。4.3.3脉冲响应分析脉冲响应分析作为VAR模型分析的重要组成部分，用于研究系统中一个变量受到外部冲击时，其他变量在不同时期的动态响应情况。通过脉冲响应分析，可以直观地展示变量之间的相互作用和影响机制，深入了解各经济因素对现金净投放的动态影响路径和持续时间。在Eviews软件中，运用脉冲响应函数对VAR模型进行分析，得到现金净投放量（lnCN）对其他变量一个标准差新息冲击的脉冲响应图，如下图所示：（此处插入脉冲响应图，图中横坐标表示滞后时期数，纵坐标表示响应程度，不同线条表示不同变量冲击下lnCN的响应情况）从脉冲响应图中可以看出，当给地区生产总值（lnGDP）一个正向冲击时，现金净投放量（lnCN）在第1期就立即产生正向响应，响应程度较为显著，随后响应逐渐增强，在第3期达到峰值，之后响应程度逐渐减弱，但在较长时期内仍保持正向响应。这表明地区生产总值的增长会迅速带动现金净投放量的增加，且这种影响具有持续性。当经济增长时，企业生产规模扩大，居民收入水平提高，消费和投资活动增加，这些都会导致对现金的需求上升，从而推动现金净投放量的持续增长。当居民消费价格指数（CPI）受到一个正向冲击时，现金净投放量（lnCN）在第1期响应不明显，但从第2期开始产生正向响应，并逐渐增强，在第4期达到峰值，之后响应程度逐渐下降，但在较长时间内仍保持一定的正向响应。这说明物价水平的上涨对现金净投放量的影响存在一定的滞后性，随着物价的持续上涨，居民和企业为了满足日常交易和生产经营的需要，会增加对现金的持有和使用，从而导致现金净投放量的增加。固定资产投资（lnFAI）的正向冲击对现金净投放量（lnCN）的影响在第1期就较为明显，响应程度较大，随后逐渐减弱，但在较长时期内仍保持正向响应。这表明固定资产投资的增加会直接导致现金净投放量的快速上升，因为固定资产投资的过程中涉及大量的资金支出，其中一部分会以现金的形式进行交易，从而对现金净投放产生直接的推动作用。社会消费品零售总额（lnSR）的正向冲击对现金净投放量（lnCN）的影响在第1期就立即显现，响应程度较大，随后逐渐减弱，但在较长时期内仍保持正向响应。这说明居民消费的增加会迅速带动现金净投放量的上升，因为消费过程中现金的使用频率较高，社会消费品零售总额的增长意味着居民消费活动的活跃，从而增加了对现金的需求。进出口总额（lnIE）的正向冲击对现金净投放量（lnCN）的影响在第1期响应不明显，从第2期开始产生正向响应，在第3-4期达到峰值，之后逐渐减弱，但在较长时期内仍保持正向响应。这表明进出口贸易的发展对现金净投放量的影响存在一定的滞后性，随着进出口总额的增加，资金的流入和流出增加，其中一部分会以现金的形式在市场中流通，从而对现金净投放产生影响。金融机构各项贷款余额（lnL）的正向冲击对现金净投放量（lnCN）的影响在第1期就较为显著，响应程度较大，随后逐渐减弱，但在较长时期内仍保持正向响应。这说明金融机构贷款规模的扩大，使得企业和居民手中的可支配资金增多，这些资金在使用过程中会以现金的形式流通，从而直接导致现金净投放量的增加。4.3.4方差分解分析方差分解分析作为VAR模型分析的重要手段，用于确定系统中每个变量的变动在多大程度上是由自身冲击和其他变量冲击所引起的。通过方差分解，可以量化各变量对现金净投放量变化的贡献度，为深入了解现金净投放的影响因素提供更精确的信息，为相关决策提供有力依据。在Eviews软件中，对VAR模型进行方差分解分析，得到现金净投放量（lnCN）预测误差的方差分解结果，如下表所示：时期lnCN自身lnGDPCPIlnFAIlnSRlnIElnL1100.000.000.000.000.000.000.00285.637.252.141.871.651.120.34370.2512.684.565.323.892.740.56458.3616.757.328.155.683.960.78549.2319.569.4510.327.124.871.45642.3721.4511.2311.988.365.641.97737.2522.8612.6813.159.326.212.53833.5623.9813.8513.989.986.642.91930.8724.8614.7614.5610.456.983.321028.7525.5615.4514.9810.827.213.63从方差分解结果可以看出，在第1期，现金净投放量（lnCN）的预测误差完全由自身冲击引起。随着时间的推移，其他变量对现金净投放量预测误差的贡献度逐渐增加。地区生产总值（lnGDP）对现金净投放量（lnCN）预测误差的贡献度在第2期为7.25%，随后逐渐上升，在第10期达到25.56%，成为除现金净投放量自身外贡献度最大的变量。这表明地区生产总值的变化对现金净投放量的影响随着时间的推移逐渐增强，经济增长是影响现金净投放的重要因素之一。居民消费价格指数（CPI）对现金净投放量（lnCN）预测误差的贡献度在第2期为2.14%，之后逐渐上升，在第10期达到15.45%。这说明物价水平的波动对现金净投放量也具有一定的影响，且影响程度随着时间的推移逐渐增大。固定资产投资（lnFAI）对现金净投放量（lnCN）预测误差的贡献度在第2期为1.87%，随后逐渐上升，在第10期达到14.98%。这表明固定资产投资的变化对现金净投放量也有一定的影响，其贡献度随着时间的推移逐渐增加。社会消费品零售总额（lnSR）对现金净投放量（lnCN）预测误差的贡献度在第2期为1.65%，之后逐渐上升，在第10期达到10.82%。这说明居民消费的变化对现金净投放量也有一定的影响，且影响程度随着时间的推移逐渐增大。进出口总额（lnIE）对现金净投放量（lnCN）预测误差的贡献度在第2期为1.12%，随后逐渐上升，在第10期达到7.21%。这表明进出口贸易的变化对现金净投放量也有一定的影响，其贡献度随着时间的推移逐渐增加。金融机构各项贷款余额（lnL）对现金净投放量（lnCN）预测误差的贡献度在第2期为0.34%，之后逐渐上升，在第10期达到3.63%。这说明金融机构贷款规模的变化对现金净投放量也有一定的影响，但其贡献度相对较小。五、基于X-12-ARIMA模型的上海市现金净投放预测5.1数据特征分析为深入研究上海市现金净投放的规律和趋势，选取2010年1月至2023年12月的上海市现金净投放月度数据作为研究样本。这些数据能够较为全面地反映近年来上海市现金净投放的实际情况，为后续的分析和预测提供坚实的数据基础。首先，对现金净投放月度数据进行初步观察，绘制时间序列图，以便直观地了解数据的整体走势。从图中可以明显看出，上海市现金净投放月度数据呈现出较为显著的季节性波动特征。在每年的春节前后，现金净投放量通常会出现大幅增长，达到年度峰值。这主要是因为春节作为中国最重要的传统节日，居民在节日期间的消费需求大幅增加，包括购买年货、走亲访友、发放红包等，这些活动都需要大量的现金支持，从而导致现金净投放量急剧上升。而在春节过后，现金净投放量会逐渐下降，在年中部分月份相对平稳，然后在下半年又会逐渐上升，为下一个春节的消费高峰做准备。进一步对数据进行统计描述分析，计算数据的均值、中位数、最大值、最小值、标准差等统计指标，结果如下表所示：统计指标数值均值72.56中位数70.34最大值256.89最小值-35.67标准差56.42从统计指标可以看出，上海市现金净投放月度数据的均值为72.56亿元，说明平均每月的现金净投放量处于一定水平。最大值达到256.89亿元，最小值为-35.67亿元，表明数据的波动范围较大，存在明显的季节性和周期性变化。标准差为56.42，反映了数据的离散程度较高，即各月份的现金净投放量差异较大，这进一步印证了数据中存在的季节性和不规则波动。为了更深入地分析数据的季节性特征，运用季节性分解方法对现金净投放月度数据进行分解，将其拆分为趋势成分、季节性成分和不规则成分。通过分解可以清晰地看到，趋势成分呈现出逐渐上升的态势，这与上海市经济的持续发展和居民生活水平的不断提高相吻合，表明随着时间的推移，上海市对现金的总体需求在不断增加。季节性成分则呈现出明显的周期性波动，每年的春节前后季节性成分达到峰值，然后逐渐下降，符合前文所述的季节性变化规律。不规则成分则反映了一些随机因素对现金净投放量的影响，如突发事件、政策调整等，这些因素导致现金净投放量在某些月份出现异常波动。通过对上海市现金净投放月度数据的特征分析，可以得出以下结论：数据存在显著的季节性波动，春节前后是现金净投放的高峰期；数据的波动范围较大，离散程度较高；趋势成分呈现上升趋势，表明现金净投放总体需求在增加；季节性成分和不规则成分对现金净投放量的变化产生重要影响。这些特征为后续运用X-12-ARIMA模型进行预测提供了重要的依据，有助于更