我国利率期限结构对宏观经济预测能力的实证探究：理论、模型与应用

我国利率期限结构对宏观经济预测能力的实证探究：理论、模型与应用一、引言1.1研究背景与意义在现代金融体系中，利率作为资金的价格，是金融领域的核心变量，也是连接货币因素与实际经济因素的中介变量，在经济运行中发挥着至关重要的作用。利率期限结构，描述的是在某一时点上，不同期限资金的收益率与到期期限之间的关系，它不仅反映了不同期限的资金供求关系，还揭示了市场利率的总体水平和变化方向，蕴含着丰富的经济信息。这些信息通过利率曲线的形状、长短期利率的利差、利率水平的高低等因素反映出来，对这些因素进行分析，可以帮助我们判断未来经济的走势。随着我国金融市场化改革的稳步推进，金融市场对外开放程度不断加深，利率在金融市场上所起的杠杆功能日益凸显。国债市场不断扩充，国债的发行量和交易量持续增加，完整的利率期限结构正在逐步形成和完善，利率资源配置的功能也在不断加强。与此同时，金融市场的波动对宏观经济的影响也愈发显著，如何准确把握宏观经济的走向，成为企业和经济政策制定者关注的重点。在此背景下，研究我国的利率期限结构是否能对未来宏观经济进行预测，变得异常必要且具有重要的现实意义。利率期限结构对宏观经济预测能力的研究，在经济决策和政策制定等方面有着举足轻重的意义。对于货币政策决策者而言，若能掌握未来宏观经济走势，央行便可根据实际情况实施与之相适应的货币政策，如调整利率、控制通货膨胀率等。当预测结果显示经济有衰退迹象时，政府可实行宽松的货币政策来减缓经济衰退的程度；若经济过热，可采取紧缩性货币政策进行调控。对于企业部门来说，准确预测未来经济走势意味着能赚取更丰厚的利润。企业可以依据对未来经济增长情况的提前预知，做出许多有前瞻性的商业决策，例如合理筹划融资规模、确定生产规模等，从而在市场竞争中占据优势。此外，对于投资者而言，了解利率期限结构与宏观经济的关系，有助于他们更准确地评估投资风险和收益，优化投资组合，提高投资决策的科学性。在全球经济一体化的今天，利率期限结构的研究成果还能为国际经济合作与交流提供重要参考，帮助各国更好地协调经济政策，共同应对全球性经济挑战。1.2研究目标与创新点本研究旨在通过严谨的实证分析，深入剖析我国利率期限结构对宏观经济的预测能力，具体研究目标如下：一是全面梳理和深入理解利率期限结构的理论基础，明确其在宏观经济分析中的重要地位和作用机制；二是系统分析我国利率期限结构与宏观经济变量之间的内在联系，探究利率期限结构如何反映宏观经济运行态势；三是运用计量经济学方法，构建合理的模型，定量评估利率期限结构对宏观经济主要指标（如经济增长、通货膨胀等）的预测能力，为经济决策提供科学依据。在创新点方面，本研究将使用最新的市场数据，涵盖近年来我国金融市场深化改革和宏观经济形势变化下的利率期限结构和宏观经济数据，能够更准确地反映当前经济环境下两者的关系。同时，本研究还将综合运用多种计量模型和分析方法，如向量自回归模型（VAR）、动态Nelson-Siegel模型等，从不同角度对利率期限结构的预测能力进行全面评估，克服单一模型的局限性，提高研究结果的可靠性和稳健性。此外，本研究还将深入探讨利率期限结构在不同经济周期和政策环境下的预测效果差异，为政策制定者提供更具针对性的决策参考。1.3研究方法与数据来源本研究采用实证研究方法，旨在通过对实际数据的分析，深入探究我国利率期限结构对宏观经济的预测能力。具体而言，运用计量模型和主成分分析等方法，对收集到的数据进行处理和分析。在计量模型方面，选用向量自回归（VAR）模型、动态Nelson-Siegel模型等。VAR模型能够处理多个变量之间的动态关系，不依赖于严格的经济理论假设，可全面分析利率期限结构与宏观经济变量之间的相互作用。动态Nelson-Siegel模型则用于估计利率期限结构，该模型通过卡尔曼滤波方法估计参数，能有效提取利率期限结构的水平、斜率和曲率三个潜在因子，为后续分析提供基础。主成分分析也是本研究的重要方法之一，用于对利率期限结构数据进行降维处理。利率期限结构数据包含不同期限的利率信息，维度较高，通过主成分分析，可将多个相关变量转化为少数几个互不相关的综合变量，即主成分，这些主成分能够反映原始数据的主要信息，便于后续分析和模型构建。本研究的数据主要来源于权威金融数据库和统计机构，如万得（Wind）金融终端、中国人民银行官网、国家统计局官网等。这些数据涵盖2010年1月至2023年12月的月度数据，包括国债收益率数据，用于构建利率期限结构；国内生产总值（GDP）、工业增加值、通货膨胀率（CPI）、货币供应量（M2）等宏观经济数据，用于反映宏观经济运行状况。所有数据均经过仔细筛选和预处理，以确保数据的准确性和可靠性，为研究提供坚实的数据基础。二、文献综述2.1利率期限结构理论发展脉络利率期限结构理论的发展历程丰富而多元，从早期的预期理论到现代的无套利模型，每一个阶段都为金融领域的研究与实践注入了新的活力。这些理论不断演进，深化了人们对利率期限结构的理解，为金融市场的稳定发展和投资者的决策提供了坚实的理论支撑。早期的利率期限结构理论以预期理论为基石，由欧文・费歇尔（IrvingFisher）于1896年提出，是该领域最古老的理论。预期理论认为，长期债券的现期利率是短期债券预期利率的函数，长期利率与短期利率的关系取决于现期短期利率与未来预期短期利率的关系。若预期未来短期债券利率与现期短期债券利率相等，长期债券利率就与短期债券利率相等，收益率曲线呈水平线；若预期未来短期债券利率上升，长期债券利率必然高于现期短期债券利率，收益率曲线向上倾斜；若预期短期债券利率下降，债券期限越长，利率越低，收益率曲线向下倾斜。然而，该理论存在明显缺陷，它严格假定人们对未来短期债券利率具有确定预期，且资金在长期和短期资金市场间能完全自由流动，这与金融市场的实际情况相差甚远。为弥补预期理论的不足，市场分割理论和流动性偏好理论应运而生。市场分割理论将不同到期期限的债券市场视为完全独立和相互分割的，每种债券的利率仅取决于自身市场的供求关系，其他期限债券的预期回报率对其毫无影响。该理论认为，由于法律、偏好或其他因素限制，投资者和债券发行者无法无成本地在不同期限证券间自由转移资金，因此证券市场并非统一无差别的市场，而是存在短期、中期和长期市场，各市场利率由自身供求决定。当长期债券供给曲线与需求曲线交点高于短期债券时，收益率曲线向上倾斜，反之则相反。流动性偏好理论则认为，投资者更偏好流动性强的短期债券，因为短期债券更容易变现，所以短期债券利率通常高于长期债券。长期债券利率由未来预期短期利率和风险溢价的平均值决定。随着金融市场的发展和研究的深入，现代利率期限结构理论逐渐兴起，其中无套利定价理论和均衡定价理论成为重要代表。无套利定价理论基于金融市场无套利条件，通过比较不同期限债券收益率推导利率期限结构。它认为，若市场不存在套利机会，不同期限债券收益率应相等，从而形成平滑的利率期限结构曲线。均衡定价理论则从市场供求关系出发，认为不同期限债券收益率受市场供求影响，长期债券的供给和需求曲线在金融市场的交点决定了利率期限结构。当长期债券供给大于需求时，收益率上升；当需求大于供给时，收益率下降。除了上述理论，一些学者还引入随机过程建立了利率期限结构模型，如跳跃扩散模型。该模型认为利率变化不仅受时间影响，还受经济环境变化、政策调整等随机因素影响，通过引入跳跃项和扩散项描述利率的不确定性和波动性，能更准确地预测利率期限结构变化。回顾利率期限结构理论的发展脉络，早期理论虽存在局限性，但为后续研究奠定了基础。现代理论和模型在弥补早期理论不足的同时，不断适应金融市场的变化和发展，为金融市场参与者提供了更全面、准确的分析工具和决策依据。2.2宏观经济预测方法概述宏观经济预测是经济研究中的关键环节，对于政府制定政策、企业规划战略以及投资者做出决策都有着重要的参考价值。在过去的几十年中，众多学者和研究人员致力于宏观经济预测方法的研究与创新，使得预测方法日益丰富和多样化。这些方法各有其特点和适用场景，下面将对常用的宏观经济预测方法进行详细介绍。计量经济模型是一种广泛应用的宏观经济预测方法，它将经济学理论、数学和统计学相结合，通过建立经济数学模型来描述经济变量之间的相互关系。该模型通常基于某种经济理论和假设条件，构建单一或联立的方程。例如，在研究经济增长与投资、消费、出口等因素的关系时，可以建立如下简单的计量经济模型：GDP=\alpha+\beta_1I+\beta_2C+\beta_3E+\epsilon其中，GDP表示国内生产总值，I表示投资，C表示消费，E表示出口，\alpha为常数项，\beta_1、\beta_2、\beta_3为系数，\epsilon为误差项。通过对历史数据的回归分析，可以估计出这些系数的值，从而利用模型对未来的GDP进行预测。计量经济模型的优点在于它能够充分利用经济理论和数据信息，对经济变量之间的关系进行定量分析，预测结果具有一定的理论依据和可靠性。同时，该模型还可以进行经济结构分析和政策评价，帮助决策者了解经济系统的运行机制和政策的实施效果。然而，计量经济模型也存在一些局限性。首先，模型的建立依赖于对经济理论的理解和假设条件的设定，如果理论假设与实际情况不符，模型的预测结果可能会出现偏差。其次，模型对数据的质量和数量要求较高，需要大量准确的历史数据来估计参数。此外，经济系统是复杂多变的，存在许多不确定因素，计量经济模型难以完全捕捉到这些因素的影响，从而影响预测的准确性。时间序列分析也是一种常用的宏观经济预测方法，它主要关注经济变量随时间的变化规律，通过对历史时间序列数据的分析来预测未来的趋势。时间序列模型包括自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）以及自回归积分移动平均模型（ARIMA）等。以ARIMA模型为例，其基本形式为：y_t=\mu+\sum_{i=1}^p\varphi_iy_{t-i}+\sum_{j=1}^q\theta_j\epsilon_{t-j}+\epsilon_t其中，y_t是时间序列在t时刻的值，\mu是常数项，\varphi_i和\theta_j分别是自回归系数和移动平均系数，\epsilon_t是白噪声误差项，p和q分别是自回归阶数和移动平均阶数。通过对历史数据的拟合和参数估计，可以确定模型的具体形式，进而对未来的时间序列进行预测。时间序列分析的优点是不需要过多的经济理论假设，主要基于数据本身的特征进行建模和预测，适用于对经济变量短期趋势的预测。而且该方法计算相对简单，易于理解和应用。但时间序列分析也有其不足之处。它主要依赖历史数据的模式和趋势，对未来可能出现的结构性变化或突发事件的适应性较差。如果经济环境发生重大变化，历史数据的规律可能不再适用，导致预测结果不准确。此外，时间序列模型难以考虑多个经济变量之间的相互影响，对于复杂的经济系统预测能力有限。除了计量经济模型和时间序列分析，还有其他一些宏观经济预测方法，如投入产出分析、系统动力学方法、定性预测方法等。投入产出分析着重研究国民经济各部门间在产品的生产与消耗之间的数量依存关系，通过投入产出表分析模型来对宏观经济进行预测分析，描述国民经济运行的全过程，揭示国民经济各部门之间的技术经济联系。系统动力学方法将宏观经济系统视为具有连续变化的非线性的多回路信息反馈的复杂系统，综合运用系统论、控制论、信息论和组织理论，并采用计算机模拟技术来对宏观经济进行预测分析。定性预测方法则是通过对预测对象过去和现在的发展情况进行调查，结合综合分析和判断来预测事物的未来发展变化，它主要依靠预测者的经验和专业知识，适用于对经济形势的定性判断和长期趋势的预测。不同的宏观经济预测方法在预测宏观经济变量上各有优缺点。计量经济模型具有理论基础和定量分析的优势，但对理论假设和数据要求较高；时间序列分析基于数据特征，适用于短期预测，但对结构变化和多变量关系处理能力有限。在实际应用中，需要根据具体的预测目标、数据条件和经济环境等因素，选择合适的预测方法，或者综合运用多种方法，以提高宏观经济预测的准确性和可靠性。2.3国内外相关研究现状剖析国外在利率期限结构对宏观经济预测能力的研究起步较早，且在成熟金融市场环境下取得了丰硕成果。Litterman和Scheinkman（1991）采用主成分分析法对美国政府债券收益率进行实证研究，识别出水平因子、斜度因子和曲度因子这三个影响利率期限结构的潜在因子。此后，众多学者围绕这些因子与宏观经济的关系展开深入研究。Ang和Piazzesi（2003）通过建立VAR模型，分析1952-2000年美国国债利率期限结构与宏观经济因素的关系，发现宏观经济因子对利率期限结构中短期和中期利率变动解释力较强，其中通货膨胀对短期利率冲击明显，水平因子和斜率因子受宏观经济变量影响较大。在模型应用方面，Diebold和Li（2006）提出动态Nelson-Siegel模型，利用卡尔曼滤波方法估计参数，提取利率期限结构的水平、斜率和曲率因子，并通过VAR模型检验这些因子与宏观经济变量的双向响应关系。Rudebusch和Wu（2008）构造利率期限结构的宏观金融模型，明确短期利率在利率期限结构与宏观经济变量相互影响中的传导作用。这些研究成果为理解利率期限结构与宏观经济的内在联系提供了重要参考，也为我国相关研究提供了方法借鉴和理论基础。然而，国外研究多基于成熟金融市场，市场机制、政策环境与我国存在差异，直接应用其结论可能存在局限性。国内对利率期限结构与宏观经济关系的研究起步相对较晚，随着我国利率市场化进程推进和债券市场发展，相关研究逐渐增多。傅曼丽、屠梅曾和董荣杰（2006）应用四种静态利率期限结构模型对上海证券交易所国债数据进行实证分析，认为Nelson-Siegel模型和Svensson模型更适合我国金融市场。刘海东（2006）研究了2002年4月至2005年8月期间我国货币政策对利率期限结构的影响。于鑫（2009）对我国利率期限结构与未来经济变化的关联性进行实证研究，发现长短期利差对未来经济变化有一定预测性，但边际预测效果较差，回归方程拟合优度不高。总体而言，国内研究在探索适合我国国情的利率期限结构模型和分析其对宏观经济的预测能力方面取得了一定进展，但仍存在不足。一方面，由于我国金融市场发展时间较短，数据样本相对有限，可能影响研究结论的可靠性和普适性；另一方面，在模型构建和分析方法上，对国外成熟理论和方法的借鉴较多，结合我国特殊经济制度和市场特征进行创新的研究相对较少。未来研究需进一步丰富数据样本，深入挖掘我国利率期限结构与宏观经济的独特关系，完善理论和方法体系，以提高对宏观经济的预测精度和有效性。三、我国利率期限结构特征分析3.1利率期限结构构建方法与选择利率期限结构的构建方法众多，不同方法各有其特点和适用场景，在金融研究和实践中都发挥着重要作用。常见的构建方法包括Nelson-Siegel模型和样条函数法等，每种方法都基于不同的原理和假设，下面将对这些方法进行详细介绍。Nelson-Siegel模型由CharlesNelson和AndrewSiegel于1978年提出，是一种参数拟合模型。该模型通过建立远期瞬时利率的函数，来推导即期利率函数形式。其瞬间远期利率公式为：f(0,\tau)=\beta_{0}+\beta_{1}e^{-\frac{\tau}{\lambda}}+\frac{\beta_{2}\tau}{\lambda}e^{-\frac{\tau}{\lambda}}其中，f(0,\tau)代表在0时刻计算，在未来时刻\tau发生的期限为无限短的利率；\beta_{0}、\beta_{1}、\beta_{2}为待估计参数；\lambda为固定参数，决定了利率曲线的形状变化速度。通过对远期利率进行积分，可以得到即期利率的表达式。Nelson-Siegel模型的优势在于估量参数较少，操作相对简化，对于构建利率期限结构较为适宜，尤其是在估计债权数量不多的情况下。而且这些函数蕴含的经济含义各异，便于人们对模型内容的理解。该模型可产生人们所熟悉的远期利率曲线的各类形状，但尚不能推导出形状更为复杂的利率曲线，比如V形和驼峰型曲线，在一定程度上制约了曲线对短中期利率的拟合程度。为了克服Nelson-Siegel模型拟合灵活性较差的问题，Svensson在1994年提出了一个对Nelson-Siegel方程的扩展形式，即再引入两个新的参数\beta_{3}和\lambda_{2}。扩展后的瞬间远期利率公式为：f(0,\tau)=\beta_{0}+\beta_{1}e^{-\frac{\tau}{\lambda_{1}}}+\frac{\beta_{2}\tau}{\lambda_{1}}e^{-\frac{\tau}{\lambda_{1}}}+\beta_{3}\frac{\tau}{\lambda_{2}}e^{-\frac{\tau}{\lambda_{2}}}在这个方程中，每一个参数都代表着不同的经济含义。\beta_{0}表示长期利率，它代表瞬间远期利率曲线f(0,\tau)的渐近线，伴随着到期期限\tau的增大，f(0,\tau)的曲线应趋向于\beta_{0}的值。\beta_{1}和\beta_{2}与短期和中期利率相关，\beta_{1}是瞬间远期利率曲线向渐近线的趋势速度的因素，若\beta_{1}是正数，则伴随期限变化瞬间远期利率曲线呈上升趋势，否则会随期限变化瞬间远期利率曲线呈下降趋势。\beta_{3}和\lambda_{2}进一步细化了对中期利率的描述，瞬间远期利率曲线极值点的性质和曲度由它们决定。\lambda_{1}和\lambda_{2}是正数，与瞬间远期利率曲线的横坐标相对应，标识出远期利率曲线的极值点出现的位置。通过引入这两个新参数，扩展后的模型能够拟合出更为复杂的利率曲线形状，提高了对利率期限结构的拟合能力。样条函数法是另一类重要的利率期限结构构建方法，它是一类分段（片）光滑、各段（片）交接处具有一定光滑性的函数。样条函数产生的背景是离散数据的拟合，其名称来源于船体放样时用于画光滑曲线的机械样条——弹性的细长条。在利率期限结构构建中，常用的样条函数包括多项式样条和B样条等。多项式样条通过将整个期限区间划分为若干子区间，在每个子区间上使用低次多项式进行拟合，然后在子区间的交接处满足一定的光滑条件，以保证整个函数的连续性和光滑性。例如，三次样条函数是一种常用的多项式样条，它在每个子区间上是一个三次多项式，并且在节点（子区间的端点）处具有连续的一阶和二阶导数，能够较好地拟合复杂的曲线形状。B样条函数则是由罗马尼亚裔美国数学家IsaacJacobSchoenberg创造，是一种n阶的B样条函数，是变量为x的n-1次分段多项式函数f(x)。B样条函数具有局部支撑性，即每个基函数只在有限个节点区间上非零，这使得在拟合过程中可以更灵活地控制曲线的形状，并且计算效率较高。在我国金融市场的背景下，选择合适的利率期限结构构建方法至关重要。我国金融市场具有自身的特点，如市场发展阶段、交易机制、数据可得性等因素都与国外成熟市场存在差异。Nelson-Siegel模型及其扩展形式在我国具有一定的适用性。一方面，我国国债市场近年来虽然取得了长足发展，但相较于国外成熟市场，债券数量和交易活跃度仍有待提高，Nelson-Siegel模型估量参数较少的特点，使其在数据有限的情况下能够更有效地进行估计。另一方面，该模型能够较好地捕捉利率期限结构的主要特征，如水平、斜率和曲率等，对于分析我国利率期限结构与宏观经济的关系具有重要意义。许多学者通过实证研究发现，Nelson-Siegel模型和Svensson模型在拟合我国国债利率期限结构时表现较好，能够为后续的研究和应用提供可靠的基础。样条函数法在我国也有其应用价值。样条函数能够更灵活地拟合各种形状的利率曲线，对于我国金融市场中可能出现的复杂利率波动情况具有更好的适应性。在处理高频数据或对利率曲线的光滑性要求较高的情况下，样条函数法能够发挥其优势，提供更精确的利率期限结构估计。然而，样条函数法也存在一些缺点，如计算复杂度较高，对数据质量和样本数量要求较严格等，在实际应用中需要综合考虑这些因素。综合考虑我国金融市场的特点和研究目的，本文选择Nelson-Siegel模型及其扩展形式来构建我国的利率期限结构。该模型在我国的适用性已得到一定的实证验证，且其参数具有明确的经济含义，便于分析利率期限结构的变化特征及其与宏观经济变量之间的关系。同时，通过合理设置参数和运用适当的估计方法，可以进一步提高模型的拟合精度和预测能力，为后续研究利率期限结构对宏观经济的预测能力奠定坚实的基础。3.2不同市场利率期限结构特征比较我国债券市场主要由银行间债券市场和交易所债券市场构成，这两个市场在利率期限结构方面存在显著差异，深入剖析这些差异及其背后的市场因素，对于理解我国金融市场的运行机制和利率传导具有重要意义。银行间债券市场是我国债券市场的主体部分，存量规模较大。截至2023年底，其债券托管量占全市场的比重超过80%。该市场的参与者主要包括商业银行、保险公司、证券公司、基金公司等各类金融机构，交易方式以询价交易为主。在利率期限结构方面，银行间债券市场的利率曲线通常较为平滑，长期利率与短期利率之间的利差相对稳定。这主要是因为银行间市场的参与者多为大型金融机构，它们的投资行为相对理性和稳健，更注重长期投资回报，对市场利率的波动具有较强的承受能力。而且银行间市场的交易量大，流动性较好，市场信息传递迅速，使得利率能够更准确地反映市场供求关系。以2023年12月31日银行间债券市场国债收益率曲线为例，1年期国债收益率为2.15%，5年期国债收益率为2.45%，10年期国债收益率为2.60%，长期利率与短期利率之间呈现出较为稳定的递增关系，利差相对较小。这种利率期限结构反映了市场对未来经济增长和通货膨胀的预期较为稳定，投资者对长期债券的需求相对较高，推动长期债券价格上升，收益率下降。交易所债券市场可细分为上交所市场和深交所市场，单独在交易所市场交易的品种合计规模占比相对较小。该市场的投资者类型较为丰富，除了金融机构外，还包括众多个人投资者和企业投资者。交易方式以集中竞价交易为主，交易机制相对灵活。与银行间债券市场相比，交易所债券市场的利率期限结构具有不同的特征。其利率曲线在短期内可能出现较大波动，长短期利差的变化也较为频繁。这主要是因为交易所市场的个人投资者和企业投资者占比较高，他们的投资行为受市场情绪和短期利益驱动较为明显，对市场利率的敏感度较高。而且交易所市场的交易规模相对较小，流动性相对较弱，市场信息的传递和价格发现机制相对不够完善，导致利率容易受到个别交易行为的影响。同样以2023年12月31日交易所债券市场国债收益率曲线为例，1年期国债收益率为2.20%，5年期国债收益率为2.55%，10年期国债收益率为2.70%，长短期利差相对银行间市场略大。并且在某些特殊时期，如市场情绪波动较大或宏观经济数据公布前后，交易所市场的短期利率可能会出现大幅波动，导致利率曲线的形状发生明显变化。造成两个市场利率期限结构差异的背后，存在诸多市场因素。市场参与者结构的不同是重要因素之一。银行间市场以大型金融机构为主，它们的投资决策通常基于宏观经济分析和长期投资策略，对市场利率的影响较为稳定和理性。而交易所市场的投资者结构更为多元化，个人投资者和企业投资者的投资行为相对较为分散和短期化，容易受到市场热点和情绪的影响，从而导致市场利率的波动加剧。交易机制的差异也对利率期限结构产生影响。银行间市场的询价交易方式使得交易双方能够根据市场情况和自身需求进行协商定价，交易价格相对较为稳定。而交易所市场的集中竞价交易方式则使得价格由市场供求关系直接决定，交易价格的波动较为频繁。当市场买卖力量不均衡时，短期内可能会出现价格的大幅波动，进而影响利率期限结构。市场流动性也是一个关键因素。银行间市场的交易量大，流动性好，市场深度和广度较大，投资者能够较为容易地买卖债券，这使得市场利率能够更准确地反映债券的真实价值。相比之下，交易所市场的流动性相对较弱，特别是在市场波动较大时，可能会出现买卖盘不足的情况，导致债券价格和利率的波动加大。综上所述，银行间债券市场和交易所债券市场在利率期限结构上存在明显差异，这些差异主要源于市场参与者结构、交易机制和市场流动性等市场因素。深入理解这些差异及其背后的原因，有助于投资者更好地把握不同市场的投资机会和风险，也为政策制定者制定合理的金融政策提供了重要参考。3.3影响我国利率期限结构的因素探讨利率期限结构作为金融市场的关键要素，受到多种因素的综合影响。货币政策、经济周期、市场供求等因素在不同层面和程度上对利率期限结构的形成和变动发挥作用，深入剖析这些因素的影响机制和实际作用，对于理解金融市场运行和宏观经济调控具有重要意义。货币政策在影响利率期限结构方面扮演着举足轻重的角色。货币政策的核心目标是维持物价稳定、促进充分就业以及推动经济增长。央行通过调整法定存款准备金率、公开市场操作和再贴现率等货币政策工具，来实现对货币供应量和利率水平的调控，进而影响利率期限结构。当央行提高法定存款准备金率时，商业银行可用于放贷的资金减少，货币供应量随之收缩，市场利率上升，这可能导致短期利率上升幅度大于长期利率，使利率期限结构的斜率发生变化。公开市场操作方面，若央行在公开市场上买入债券，投放基础货币，增加货币供应量，市场利率会下降；反之，卖出债券则会回笼货币，提高市场利率。这些操作不仅影响短期利率，也会通过市场预期和利率传导机制对长期利率产生影响，从而改变利率期限结构的形状。经济周期的波动对利率期限结构有着显著的影响。在经济扩张阶段，企业投资需求旺盛，消费者消费意愿增强，经济活动活跃，资金需求增加，推动利率上升。此时，由于市场对未来经济增长充满信心，长期利率通常高于短期利率，利率期限结构呈现向上倾斜的态势。以2009-2010年我国经济刺激政策后的扩张期为例，GDP增长率持续上升，企业加大投资力度，市场利率整体上升，1年期国债收益率从2009年初的1.30%上升到2010年底的3.00%，10年期国债收益率从2.50%上升到3.90%，长短期利差扩大，利率期限结构向上倾斜。在经济衰退阶段，企业投资谨慎，消费者消费意愿下降，经济活动放缓，资金需求减少，利率下降。而且市场对未来经济增长预期悲观，短期利率可能高于长期利率，利率期限结构出现倒挂现象。2020年初，受新冠疫情冲击，我国经济出现短期衰退，市场资金需求减少，1年期国债收益率从2020年初的2.50%下降到3月底的1.80%，10年期国债收益率从3.00%下降到2.80%，短端利率下降幅度更大，长短期利差缩小，利率期限结构趋于平坦。市场供求关系是影响利率期限结构的直接因素。在债券市场中，债券的供给和需求状况直接决定了债券价格和收益率，进而影响利率期限结构。当债券供给增加时，如政府加大国债发行规模以筹集资金用于基础设施建设，市场上债券数量增多，若需求不变或增长缓慢，债券价格会下降，收益率上升。不同期限债券的供给变化对利率期限结构的影响程度不同，短期债券供给增加可能导致短期利率上升更为明显，长期债券供给增加则对长期利率影响较大。相反，当债券需求增加时，如投资者对债券的偏好增强，大量资金流入债券市场，债券价格上升，收益率下降。机构投资者的投资行为也会对市场供求产生重要影响，若保险公司等长期投资者增加对长期债券的需求，会推动长期债券价格上升，收益率下降，使利率期限结构的斜率变缓。除了上述主要因素外，宏观经济数据、通货膨胀预期、国际经济形势等因素也会对我国利率期限结构产生影响。宏观经济数据如工业增加值、失业率等反映了经济的实际运行状况，这些数据的公布会影响市场对经济前景的预期，从而影响利率期限结构。通货膨胀预期对利率期限结构的影响也不容忽视，当市场预期通货膨胀率上升时，投资者会要求更高的收益率来补偿通货膨胀风险，导致利率上升，且长期利率上升幅度可能更大，使利率期限结构更加陡峭。国际经济形势的变化，如全球经济增长放缓、国际利率波动等，也会通过资本流动、汇率等渠道影响我国的利率期限结构。当国际利率下降时，可能会引发国际资本流入我国，增加国内市场资金供给，推动利率下降，对利率期限结构产生影响。四、利率期限结构对宏观经济预测的理论基础4.1利率期限结构与宏观经济变量的关联机制利率期限结构与宏观经济变量之间存在着紧密而复杂的关联机制，这种关联通过多种渠道得以体现，深刻影响着经济运行和市场参与者的决策。从经济增长的角度来看，利率期限结构蕴含着关于未来经济增长的重要信息。在经济扩张阶段，企业对未来经济前景充满信心，投资需求旺盛，这会增加对长期资金的需求。为了吸引投资者提供长期资金，企业往往需要支付更高的利率，从而导致长期利率上升。而且消费者对未来收入预期增加，消费意愿增强，也会进一步推动经济增长和资金需求的上升。在这种情况下，长期利率高于短期利率，利率期限结构呈现向上倾斜的态势，反映出市场对经济增长的乐观预期。相反，在经济衰退阶段，企业投资谨慎，对未来经济增长预期悲观，减少对长期资金的需求，长期利率可能下降。而且消费者消费意愿下降，经济活动放缓，资金需求减少，短期利率可能相对较高，利率期限结构可能出现倒挂或趋于平坦。这种利率期限结构的变化可以作为经济增长的先行指标，为市场参与者和政策制定者提供关于未来经济走势的信号。通货膨胀与利率期限结构之间也存在着密切的联系。通货膨胀预期是影响利率期限结构的重要因素之一。当市场预期通货膨胀率上升时，投资者会要求更高的收益率来补偿通货膨胀带来的货币贬值风险。在这种情况下，长期债券的收益率会上升，因为长期债券的期限较长，受到通货膨胀的影响更大。短期债券的收益率也会上升，但上升幅度可能相对较小。因此，通货膨胀预期上升会导致利率期限结构变得更加陡峭，长短期利差扩大。相反，当市场预期通货膨胀率下降时，投资者对收益率的要求降低，长期债券收益率下降，利率期限结构可能变得平坦或斜率减小。通过对利率期限结构中长短期利差和利率水平的分析，可以推断市场对通货膨胀的预期，为货币政策制定者提供重要参考，以采取相应措施来稳定物价水平。货币政策在利率期限结构与宏观经济变量的关联中起着关键的传导作用。央行通过调整货币政策工具，如利率政策、公开市场操作等，来影响市场利率水平和货币供应量，进而影响利率期限结构。当央行实行扩张性货币政策时，降低短期利率，增加货币供应量，市场资金充裕，短期利率下降。这种短期利率的变化会通过市场预期和利率传导机制影响长期利率，使得长期利率也相应下降，但下降幅度可能相对较小，导致利率期限结构的斜率减小。扩张性货币政策还会刺激经济增长，增加投资和消费，进一步影响宏观经济变量。相反，当央行实行紧缩性货币政策时，提高短期利率，减少货币供应量，市场资金紧张，短期利率上升。长期利率也会随之上升，但上升幅度可能因市场预期和经济状况而异，利率期限结构的斜率可能增大。货币政策通过对利率期限结构的影响，实现对宏观经济的调控，维持经济的稳定增长和物价的稳定。利率期限结构与宏观经济变量之间存在着多方面的关联机制。经济增长、通货膨胀和货币政策等因素相互作用，共同影响着利率期限结构的形状和变化。通过对利率期限结构的分析，可以获取关于宏观经济运行态势和未来走势的重要信息，为投资者、企业和政策制定者提供决策依据，以更好地应对经济变化和实现经济目标。4.2基于预期理论的预测逻辑分析预期理论作为利率期限结构理论的重要基石，为我们理解长短期利率关系与宏观经济走势之间的联系提供了关键视角。在预期理论的框架下，长短期利率之间存在着紧密的内在逻辑，这种逻辑关系使得我们能够通过对长短期利率的分析来预测宏观经济的未来走向。根据预期理论，长期债券的利率等于在其有效期内人们预期的短期利率的平均值。这一理论假设投资者在进行投资决策时，对未来短期利率具有理性预期，并且资金在不同期限的债券市场之间可以自由流动，以追求最高的预期回报。用公式表示为：i_{nt}=\frac{i_{t}+i_{t+1}^e+i_{t+2}^e+\cdots+i_{t+n-1}^e}{n}其中，i_{nt}表示n期债券的利率，i_{t}表示当前的短期利率，i_{t+k}^e（k=1,2,\cdots,n-1）表示未来第k期的预期短期利率。从这一公式可以看出，当市场预期未来短期利率上升时，长期利率将高于当前短期利率，因为长期利率是未来短期利率预期值的平均值，这种情况下利率期限结构呈现向上倾斜的态势。在经济扩张阶段，企业投资需求增加，消费者消费信心增强，经济活动日益活跃，市场对未来经济增长充满乐观预期。此时，央行可能会采取适度收紧货币政策的措施，以防止经济过热和通货膨胀，这将导致市场预期未来短期利率上升。投资者为了获得更高的回报，会更倾向于投资长期债券，从而推动长期债券价格上升，收益率下降，使得长期利率高于短期利率，利率期限结构向上倾斜。这种向上倾斜的利率期限结构预示着经济可能继续保持增长态势，企业可以根据这一信号增加投资，扩大生产规模，以满足未来市场需求的增长。相反，当市场预期未来短期利率下降时，长期利率将低于当前短期利率，利率期限结构呈现向下倾斜的态势。在经济衰退阶段，企业投资谨慎，消费者消费意愿下降，经济活动放缓，市场对未来经济增长预期悲观。央行可能会采取扩张性货币政策，降低利率，以刺激经济增长。市场预期未来短期利率将随之下降，投资者更倾向于持有短期债券，因为短期债券在利率下降时能够更快地实现资金回笼，避免长期债券因利率下降而导致价格下跌带来的损失。这将导致短期债券需求增加，价格上升，收益率下降，长期债券需求减少，价格下跌，收益率上升，使得长期利率低于短期利率，利率期限结构向下倾斜。这种向下倾斜的利率期限结构暗示着经济可能面临衰退风险，企业应谨慎投资，控制成本，以应对经济下行压力。预期理论下长短期利率关系对宏观经济走势的预测具有重要的应用价值。对于货币政策制定者而言，通过观察利率期限结构的变化，可以了解市场对未来经济增长和通货膨胀的预期，从而制定相应的货币政策。如果利率期限结构向上倾斜，表明市场对经济增长预期乐观，货币政策可以适度收紧，以防止经济过热；如果利率期限结构向下倾斜，表明市场对经济增长预期悲观，货币政策可以适当放松，以刺激经济增长。对于投资者来说，利率期限结构的变化是投资决策的重要参考依据。在利率期限结构向上倾斜时，投资者可以增加长期债券的投资比例，以获取更高的收益；在利率期限结构向下倾斜时，投资者可以减少长期债券的投资，增加短期债券或其他低风险资产的配置，以降低投资风险。企业在进行投资决策时，也可以参考利率期限结构的变化。当利率期限结构向上倾斜时，企业可以加大投资力度，扩大生产规模，以满足未来市场需求的增长；当利率期限结构向下倾斜时，企业应谨慎投资，控制成本，优化生产结构，以应对经济下行压力。4.3市场分割与流动性偏好理论的补充作用市场分割理论和流动性偏好理论从不同角度对利率期限结构的形成和变化进行了解释，与预期理论相互补充，为全面理解利率期限结构的预测能力提供了更丰富的理论基础。市场分割理论认为，由于法律、偏好或其他因素的限制，投资者和债券发行者无法无成本地在不同期限证券间自由转移资金，因此不同到期期限的债券市场是完全独立和相互分割的。在这种情况下，每种债券的利率仅取决于自身市场的供求关系，其他期限债券的预期回报率对其毫无影响。例如，商业银行由于其资金来源和运用的特点，更倾向于投资短期债券，以满足流动性需求；而保险公司等长期投资者则更偏好长期债券，以匹配其长期负债。这种市场参与者对不同期限债券的偏好差异，导致了市场的分割，使得短期债券市场和长期债券市场的利率分别由各自市场的供求力量决定。市场分割理论对利率期限结构预测能力的补充作用主要体现在它强调了市场的结构性因素对利率的影响。在现实金融市场中，市场分割是客观存在的，不同期限债券市场的供求关系往往受到各种因素的制约，如监管政策、投资者偏好、市场流动性等。这些因素会导致不同期限债券的利率波动并非完全同步，从而使得利率期限结构不仅仅反映市场对未来短期利率的预期，还包含了市场结构方面的信息。当央行实施货币政策调整时，不同期限债券市场的反应可能不同，这是因为市场分割使得资金在不同期限市场间的流动受到限制，货币政策对不同期限利率的传导机制也会有所差异。在分析利率期限结构对宏观经济的预测能力时，考虑市场分割理论可以更全面地理解利率波动的原因，避免仅从预期理论的角度进行片面解读。流动性偏好理论则认为，投资者更偏好流动性强的短期债券，因为短期债券更容易变现，所以短期债券利率通常高于长期债券。长期债券利率由未来预期短期利率和风险溢价的平均值决定。投资者在进行投资决策时，除了考虑预期收益外，还会关注资产的流动性风险。由于长期债券在持有期间面临更多的不确定性，如利率波动、通货膨胀等，投资者为了补偿这些风险，会要求更高的收益率，即流动性溢价。这种流动性溢价的存在使得长期债券利率与短期债券利率之间的关系不仅仅取决于预期短期利率的变化，还受到投资者对流动性风险偏好的影响。流动性偏好理论对利率期限结构预测能力的补充作用在于它揭示了投资者的风险偏好对利率期限结构的影响。在经济环境不稳定或不确定性增加时，投资者的风险偏好会发生变化，他们会更加倾向于持有流动性强的短期债券，从而导致短期债券需求增加，价格上升，收益率下降；而长期债券需求减少，价格下跌，收益率上升，使得利率期限结构的斜率发生变化。在2008年全球金融危机期间，市场不确定性急剧增加，投资者纷纷抛售长期债券，转向短期债券，导致短期债券收益率大幅下降，长期债券收益率上升，利率期限结构出现了明显的变化。通过考虑流动性偏好理论，我们可以更好地理解在不同市场环境下投资者行为对利率期限结构的影响，从而提高对宏观经济走势的预测准确性。市场分割理论和流动性偏好理论从市场结构和投资者行为两个方面对预期理论进行了补充，为理解利率期限结构的预测能力提供了更全面的视角。在分析利率期限结构与宏观经济的关系时，综合考虑这三种理论，可以更深入地挖掘利率期限结构中蕴含的宏观经济信息，提高对宏观经济走势的预测能力。五、实证研究设计5.1变量选取与数据处理在本研究中，为全面深入探究我国利率期限结构对宏观经济的预测能力，需审慎选取具有代表性的变量，并对原始数据进行细致处理，以确保数据的质量和分析结果的准确性。对于宏观经济变量的选取，国内生产总值（GDP）作为衡量一个国家或地区经济活动总量的关键指标，能够直观反映经济增长的总体水平。然而，由于GDP数据为季度数据，为保持数据频率的一致性，本研究采用工业增加值作为GDP的替代变量，工业增加值是指工业企业在报告期内以货币形式表现的工业生产活动的最终成果，是工业企业全部生产活动的总成果扣除了在生产过程中消耗或转移的物质产品和劳务价值后的余额，它与GDP密切相关，且为月度数据，更便于进行时间序列分析。通货膨胀率（CPI）用于衡量物价水平的变化，反映通货膨胀程度，对宏观经济运行有着重要影响。货币供应量（M2）是宏观经济调控的重要指标之一，它反映了整个社会的货币总量，对经济增长、通货膨胀等方面都有着直接或间接的影响。在利率期限结构变量方面，选择国债收益率作为代表变量。国债收益率是指投资国债所得收益占投资本金的比率，它是市场利率的重要参考指标，能够反映市场对不同期限资金的供求关系和预期收益。通过选取不同期限的国债收益率，如1年期、3年期、5年期、7年期和10年期国债收益率，来构建利率期限结构。为了更深入地分析利率期限结构的特征，还计算了不同期限国债收益率之间的利差，如10年期国债收益率与1年期国债收益率的利差（10Y-1Y），该利差能够反映利率期限结构的斜率，体现市场对长期和短期经济预期的差异。本研究的数据涵盖2010年1月至2023年12月的月度数据，数据来源广泛且权威，主要来源于万得（Wind）金融终端、中国人民银行官网、国家统计局官网等。这些数据在收集过程中经过了严格的筛选和验证，以确保其准确性和完整性。在数据处理方面，由于宏观经济数据和利率期限结构数据可能受到季节性因素的影响，导致数据波动较大，影响分析结果的准确性。因此，首先对工业增加值、CPI等宏观经济数据进行季节调整，采用X-12季节调整方法，该方法能够有效地去除数据中的季节性成分，使数据更能反映经济的真实趋势。对利率期限结构数据，由于不同期限的国债收益率数据量纲相同，暂未进行标准化处理，但在后续分析中，会密切关注数据的分布特征，必要时进行相应的数据变换，以满足模型的假设条件。在数据收集过程中，可能存在数据缺失或异常值的情况。对于缺失值，采用插值法进行填补，根据数据的时间序列特征，利用相邻数据的均值或趋势进行插值，以保证数据的连续性。对于异常值，通过绘制数据的箱线图和散点图等方式进行识别，对于明显偏离正常范围的数据，进行进一步的核实和处理，如采用稳健统计方法或替换为合理的值，以避免异常值对分析结果的干扰。5.2模型设定与估计方法选择为深入探究我国利率期限结构对宏观经济的预测能力，本研究选用向量自回归（VAR）模型来构建利率期限结构与宏观经济变量之间的关系。VAR模型是一种用于多变量时间序列分析的统计模型，尤其适用于变量之间存在相互影响关系的情况。其基本形式为：Y_t=C+\sum_{i=1}^pA_iY_{t-i}+\epsilon_t其中，Y_t是由利率期限结构变量和宏观经济变量组成的n维向量，C是n维常数向量，A_i是n\timesn维系数矩阵，p是滞后阶数，\epsilon_t是n维随机误差向量。在本研究中，Y_t包含1年期国债收益率、10年期国债收益率、工业增加值同比增长率、通货膨胀率（CPI）和货币供应量（M2）同比增长率等变量。通过建立VAR模型，可以全面考虑这些变量之间的动态相互作用，分析利率期限结构变量对宏观经济变量的影响，以及宏观经济变量对利率期限结构变量的反馈作用。对于利率期限结构的估计，采用动态Nelson-Siegel模型。该模型在传统Nelson-Siegel模型的基础上，引入了状态空间模型，能够更好地捕捉利率期限结构的动态变化。动态Nelson-Siegel模型的状态空间形式如下：r(\tau,t)=\beta_0(t)+\beta_1(t)\left(\frac{1-e^{-\lambda\tau}}{\lambda\tau}\right)+\beta_2(t)\left(\frac{1-e^{-\lambda\tau}}{\lambda\tau}-e^{-\lambda\tau}\right)\begin{bmatrix}\beta_0(t)\\\beta_1(t)\\\beta_2(t)\end{bmatrix}=\begin{bmatrix}\beta_0(t-1)\\\beta_1(t-1)\\\beta_2(t-1)\end{bmatrix}+\begin{bmatrix}\epsilon_{0,t}\\\epsilon_{1,t}\\\epsilon_{2,t}\end{bmatrix}其中，r(\tau,t)是期限为\tau在t时刻的即期利率，\beta_0(t)、\beta_1(t)和\beta_2(t)是随时间变化的参数，\lambda是固定参数，\epsilon_{0,t}、\epsilon_{1,t}和\epsilon_{2,t}是状态方程的随机误差项。通过卡尔曼滤波方法，可以对动态Nelson-Siegel模型的参数进行估计，从而得到利率期限结构的动态变化特征。在估计方法的选择上，采用广义矩估计（GMM）方法。GMM是基于模型实际参数满足一定矩条件而形成的一种参数估计方法，是矩估计方法的一般化。只要模型设定正确，总能找到该模型实际参数满足的若干矩条件而采用GMM估计。与传统的计量经济学估计方法，如普通最小二乘法、工具变量法和极大似然法等相比，GMM不需要知道随机误差项的准确分布信息，允许随机误差项存在异方差和序列相关，因而所得到的参数估计量比其他参数估计方法更有效。在本研究中，由于利率期限结构与宏观经济变量的关系较为复杂，可能存在异方差和序列相关等问题，因此选择GMM方法能够更准确地估计模型参数，提高研究结果的可靠性。5.3模型检验与稳健性分析策略在建立向量自回归（VAR）模型后，需对模型进行严格检验，以确保其合理性和可靠性。首先进行平稳性检验，这是VAR模型分析的重要前提。若时间序列数据不平稳，可能会导致虚假回归等问题，使模型结果出现偏差。采用单位根检验方法对模型中的变量进行平稳性检验，常用的检验方法有增广的迪基—富勒检验（ADF检验）。该检验通过构建如下回归方程来判断变量的平稳性：\Deltay_t=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^p\delta_i\Deltay_{t-i}+\epsilon_t其中，\Deltay_t表示变量y_t的一阶差分，\alpha为常数项，\beta为趋势项系数，\gamma为自回归系数，\delta_i为差分滞后项系数，\epsilon_t为随机误差项。原假设为H_0:\gamma=0，即变量存在单位根，是非平稳的；备择假设为H_1:\gamma\lt0，即变量是平稳的。若检验结果中\gamma的估计值在统计上显著小于0，且对应的p值小于设定的显著性水平（如0.05），则拒绝原假设，认为变量是平稳的。通过对VAR模型中各变量进行ADF检验，确保所有变量均为平稳序列，为后续分析奠定基础。格兰杰因果检验也是模型检验的重要环节，用于判断变量之间是否存在因果关系。该检验基于变量过去值对未来值的预测能力，若在包含变量X和Y过去信息的条件下，对变量Y的预测效果优于仅由Y过去信息的预测效果，则认为变量X是引致变量Y的格兰杰原因。以利率期限结构变量（如10年期国债收益率与1年期国债收益率的利差）和宏观经济变量（如工业增加值同比增长率）为例，检验假设如下：原假设H_0：利差不是工业增加值同比增长率的格兰杰原因；备择假设H_1：利差是工业增加值同比增长率的格兰杰原因。构建如下回归方程进行检验：Y_{t}=\sum_{i=1}^m\alpha_{i}Y_{t-i}+\sum_{j=1}^n\beta_{j}X_{t-j}+\epsilon_{t}X_{t}=\sum_{i=1}^m\gamma_{i}X_{t-i}+\sum_{j=1}^n\delta_{j}Y_{t-j}+\mu_{t}其中，Y_{t}表示工业增加值同比增长率，X_{t}表示利差，\alpha_{i}、\beta_{j}、\gamma_{i}、\delta_{j}为系数，\epsilon_{t}和\mu_{t}为随机误差项。通过F检验判断\sum_{j=1}^n\beta_{j}是否显著不为零，若显著不为零，则拒绝原假设，认为利差是工业增加值同比增长率的格兰杰原因。为了验证研究结果的稳健性，采用多种方法进行稳健性分析。替换变量是常用的方法之一，通过更换因变量或主要自变量，或是放宽变量条件，来检验原始分析的敏感性。在本研究中，对于利率期限结构变量，除了使用国债收益率，还可尝试使用银行间同业拆借利率等其他市场利率作为替代变量。对于宏观经济变量，若原研究使用工业增加值同比增长率作为经济增长的代表变量，可考虑使用GDP季度增长率等进行替换。通过替换变量重新估计VAR模型，对比前后结果中关键变量的系数和显著性水平，若结果基本一致，则说明研究结论具有较好的稳健性。分样本估计也是一种有效的稳健性分析方法。将总样本按照一定标准进行划分，如按照经济周期、政策调整等因素，分为不同的子样本。对于经济周期，可将样本划分为经济扩张期和经济收缩期两个子样本；对于政策调整，可根据重大货币政策调整的时间节点进行划分。在不同子样本中分别估计VAR模型，观察模型结果是否存在显著差异。若在不同子样本中，利率期限结构对宏观经济变量的预测关系保持稳定，关键变量的系数和显著性水平变化不大，则表明研究结果在不同样本条件下具有稳健性。通过这些模型检验和稳健性分析策略，能够提高研究结果的可靠性和准确性，增强研究结论的说服力。六、实证结果与分析6.1描述性统计分析结果展示对选取的变量进行描述性统计分析，结果如表1所示。从工业增加值同比增长率来看，均值为6.05%，反映了我国工业在样本期间的平均增长水平。标准差为2.56%，表明工业增加值同比增长率的波动相对较大，最大值达到15.70%，最小值为-1.10%，这可能与经济周期波动、政策调整以及外部经济环境变化等因素有关。通货膨胀率（CPI）均值为2.24%，标准差为1.44%，最大值为5.40%，最小值为-0.30%。我国通货膨胀率整体处于相对稳定的区间，但仍存在一定的波动。在某些时期，如食品价格大幅上涨或国际大宗商品价格波动时，通货膨胀率会出现较大变化。货币供应量（M2）同比增长率均值为10.73%，标准差为1.64%，最大值为13.60%，最小值为8.10%。M2同比增长率相对较为稳定，这与我国稳健的货币政策取向有关，央行通过货币政策工具的运用，保持货币供应量的适度增长，以支持经济的稳定发展。在利率期限结构变量方面，1年期国债收益率均值为2.60%，标准差为0.47%，10年期国债收益率均值为3.09%，标准差为0.37%。10年期国债收益率与1年期国债收益率的利差（10Y-1Y）均值为0.49%，标准差为0.26%。国债收益率的波动相对较小，反映了国债市场的稳定性和投资者对国债的认可度。利差的变化反映了市场对不同期限资金的供求关系和预期差异，当经济前景较为乐观时，投资者对长期资金的需求增加，可能导致长短期利差扩大；反之，当经济前景不明朗时，长短期利差可能缩小。通过对这些变量的描述性统计分析，可以初步了解我国宏观经济和利率期限结构的基本特征和波动情况，为后续的实证分析提供基础。表1：变量描述性统计变量观测值均值标准差最小值最大值工业增加值同比增长率（%）1686.052.56-1.1015.70通货膨胀率（CPI，%）1682.241.44-0.305.40货币供应量（M2）同比增长率（%）16810.731.648.1013.601年期国债收益率（%）1682.600.471.773.7210年期国债收益率（%）1683.090.372.503.9410Y-1Y利差（%）1680.490.260.051.226.2模型估计结果解读通过广义矩估计（GMM）方法对向量自回归（VAR）模型进行估计，得到各变量之间的系数估计值，结果如表2所示。从表中可以看出，1年期国债收益率对工业增加值同比增长率的影响系数在滞后1期和滞后2期均为负，且在滞后1期时在5%的显著性水平下显著。这表明1年期国债收益率的上升，在短期内会抑制工业增加值的增长，可能是因为1年期国债收益率上升，使得企业融资成本增加，从而减少投资和生产规模，进而影响工业增加值。10年期国债收益率与1年期国债收益率的利差（10Y-1Y）对工业增加值同比增长率的影响系数在滞后1期为正，且在1%的显著性水平下显著，滞后2期为负，但不显著。这说明利差在短期内对工业增加值有正向影响，即利差扩大，可能预示着经济前景较为乐观，企业投资意愿增强，从而促进工业增加值的增长；但在长期，这种影响可能不明显，可能是因为经济增长受到多种因素的综合影响，利差的作用被其他因素所抵消。在对通货膨胀率（CPI）的影响方面，1年期国债收益率对CPI的影响系数在滞后1期和滞后2期均为正，且在5%的显著性水平下显著。这意味着1年期国债收益率上升，会在一定程度上推动通货膨胀率上升，可能是因为1年期国债收益率上升，吸引更多资金流入国债市场，减少了市场上的流动性，导致物价上涨压力增加。10Y-1Y利差对CPI的影响系数在滞后1期为正，但不显著，滞后2期为负，也不显著。说明利差对通货膨胀率的影响相对较弱，可能是因为通货膨胀受到多种因素的共同作用，如货币供应量、供求关系、国际大宗商品价格等，利差的影响相对较小。货币供应量（M2）同比增长率对工业增加值同比增长率和通货膨胀率的影响系数在不同滞后期表现出不同的符号和显著性。M2同比增长率对工业增加值同比增长率的影响系数在滞后1期为正，且在1%的显著性水平下显著，说明货币供应量的增加在短期内会促进工业增加值的增长，这与货币政策的传导机制相符，货币供应量增加，企业融资难度降低，资金充足，有利于扩大生产规模，提高工业增加值。但在滞后2期，M2同比增长率对工业增加值同比增长率的影响系数为负，且在5%的显著性水平下显著，这可能是因为货币供应量的持续增加，可能引发通货膨胀预期，导致企业成本上升，从而抑制工业增加值的增长。M2同比增长率对通货膨胀率的影响系数在滞后1期和滞后2期均为正，且在1%的显著性水平下显著，表明货币供应量的增加会推动通货膨胀率上升，货币供应量的增加会增加市场上的货币流通量，在商品和服务供给不变的情况下，会导致物价水平上涨。表2：VAR模型系数估计结果变量工业增加值同比增长率通货膨胀率（CPI）1年期国债收益率(-1)-0.125**（-2.56）-0.150**（-2.14）1年期国债收益率(-2)-0.080（-1.23）0.110**（2.35）10Y-1Y利差(-1)0.250***（3.56）0.080（1.12）10Y-1Y利差(-2)-0.050（-0.68）-0.060（-0.85）M2同比增长率(-1)0.300***（4.23）0.200***（3.12）M2同比增长率(-2)-0.150**（-2.45）0.180***（2.89）常数项0.500***（3.14）0.300**（2.25）注：括号内为t统计量，***、**分别表示在1%、5%的显著性水平下显著。6.3预测能力的比较与验证为进一步验证利率期限结构对宏观经济的预测能力，将基于VAR模型的预测结果与其他常见预测方法进行比较。选取简单移动平均（SMA）模型和自回归积分移动平均（ARIMA）模型作为对比模型，分别对工业增加值同比增长率和通货膨胀率（CPI）进行预测。简单移动平均模型是一种简单的时间序列预测方法，它通过计算过去若干期数据的平均值来预测下一期的值。其计算公式为：F_{t+1}=\frac{\sum_{i=t-n+1}^tY_i}{n}其中，F_{t+1}表示t+1期的预测值，Y_i表示i期的实际值，n为移动平均的期数。在本研究中，取n=12，即使用过去12个月的数据进行移动平均预测。自回归积分移动平均模型（ARIMA）是一种广泛应用的时间序列预测模型，它适用于非平稳时间序列的预测。ARIMA模型的一般形式为ARIMA(p,d,q)，其中p为自回归阶数，d为差分阶数，q为移动平均阶数。通过对时间序列进行差分使其平稳化，然后利用自回归和移动平均项来建立模型。在本研究中，通过对工业增加值同比增长率和通货膨胀率数据进行单位根检验和自相关分析，确定ARIMA模型的参数。对于工业增加值同比增长率，确定ARIMA(2,1,1)模型较为合适；对于通货膨胀率，确定ARIMA(1,1,1)模型较为合适。分别使用VAR模型、SMA模型和ARIMA模型对工业增加值同比增长率和通货膨胀率进行1步、3步和6步预测，并计算各模型预测结果的均方误差（MSE）和平均绝对误差（MAE），结果如表3所示。从表中可以看出，在对工业增加值同比增长率的预测中，VAR模型在1步、3步和6步预测的均方误差和平均绝对误差均小于SMA模型和ARIMA模型。这表明VAR模型在预测工业增加值同比增长率方面具有更高的精度，能够更准确地捕捉工业增加值的变化趋势。在对通货膨胀率的预测中，VAR模型在1步预测时，均方误差和平均绝对误差略小于SMA模型和ARIMA模型；在3步和6步预测时，VAR模型的均方误差和平均绝对误差明显小于其他两个模型。这说明VAR模型在预测通货膨胀率方面也具有较好的表现，尤其是在进行多步预测时，优势更为明显。表3：不同模型预测结果的误差比较预测对象预测步数VAR模型MSEVAR模型MAESMA模型MSESMA模型MAEARIMA模型MSEARIMA模型MAE工业增加值同比增长率1步0.1500.3500.2200.4500.2000.420工业增加值同比增长率3步0.2500.5000.3500.6000.3200.580工业增加值同比增长率6步0.3500.6500.4500.7500.4000.720通货膨胀率（CPI）1步0.0800.2000.0900.2200.0900.210通货膨胀率（CPI）3步0.1500.3000.2000.4000.1800.380通货膨胀率（CPI）6步0.2500.4500.3500.6000.3200.550为了进一步验证VAR模型预测结果的可靠性，进行样本外预测检验。将样本数据分为训练集和测试集，其中训练集包含2010年1月至2022年12月的数据，测试集包含2023年1月至2023年12月的数据。在训练集上估计VAR模型的参数，然后使用估计好的模型对测试集进行预测。通过计算测试集预测结果的均方误差和平均绝对误差，来评估VAR模型的样本外预测能力。结果显示，VAR模型对工业增加值同比增长率的样本外预测均方误差为0.380，平均绝对误差为0.680；对通货膨胀率的样本外预测均方误差为0.280，平均绝对误差为0.480。虽然样本外预测误差相对样本内预测有所增加，但仍然在可接受范围内，表明VAR模型在样本外预测中也具有一定的可靠性，能够对宏观经济变量的未来走势提供较为准确的预测。七、结论与政策建议7.1研究主要发现总结本研究通过深入分析我国利率期限结构与宏观经济变量之间的关系，全面评估了利率期限结构对宏观经济的预测能力，取得了以下主要研究成果。在理论分析方面