当前我国跨境资金流动的影响因素研究——基于BP神经网络模型

■中国人民银行南昌中心支行经常项目管理处课题组

当前我国跨境资金流动的影响因素研究
——基于BP神经网络模型

■中国人民银行南昌中心支行经常项目管理处课题组

本文采用BP神经网络模型对我国长短期跨境资金流动的影响因素进行了分析，对我国短期跨境资金流动形势进行了预判。基于实证结果，我国跨境资金流动主要受利率、汇率和经济基本面因素影响，并从宏观层面论述了我国长期跨境资金流动的管理策略，从微观层面提出了我国短期跨境资金流动的管理措施。本文认为，长期跨境资金流动管理，应协同推进利率与汇率市场化改革，促进国内外监管协作，完善宏观审慎政策工具框架；短期跨境资金流动管理，应转变外汇监管制度，创新微观审慎工具，完善外汇市场自律机制。

利率市场化；资本账户开放；宏观审慎管理；微观审慎；外汇监管

一、引言

跨境资金流动为一国国际收支活动在资金层面的反映，是一个经济体资金跨越经济体管辖区域范围流动的情况。它与跨境资本流动存在着本质区别，不是同一概念①跨境资本流动的本质是一国居民进行跨越国界的资本配置行为所引发的以多种形式为载体的跨越国别的资本流动，它不仅仅是一个地域的概念，更是一个交易的概念。跨境资本流动主要由一国的国际收支平衡表中的资本与金融项目体现出来,而跨境资金流动主要由经常项目反映出来。。想要系统地研究一国跨境资金流动的影响因素，不仅需要关注国际经济形势变化，更需要考察该国国内经济发展状况。当前，美联储的持续加息和国内经济增速的放缓，使得我国跨境资金双向波动态势明显，短期内面临着较大的跨境资金流出压力。从统计数据上看，美联储的每次预期加息都伴随着我国跨境资金流出压力的加大，2015年8月、2015年底及2016年一季度、2016年三季度，受美联储加息的影响，中国跨境资金流出压力明显增加。其中，跨境资金流动出压力最大的时期是2015年底至2016年初，2015年12月外汇储备余额单月下降了1079亿美元，2016年1月又下降了995亿美元，之后流出压力有所缓解，但整体仍然呈现了流出态势。

本文研究的文献资料主要从两个方面展开：一是跨境资金流动影响因素；二是跨境资金流动的监管。从跨境资金流动的影响因素看，国内外研究的成果趋于一致，主要集中于汇率、利率、经济发展状况及风险偏好等方面。通常会选取多个国家作为研究对象，以发现世界范围内导致短期跨境资本流动的一般性影响因素，主要可以归结为外部因素的推动和内部因素的拉动（Forbes&Chinn，2004；Chudik&Fratzscher，2012；张明和肖立晟，2014；等等）。从跨境资金流动的监管看，国外更加侧重于利用宏观审慎和托宾税对跨境资金流动进行管理，国内学者研究更加广泛，除上述两种手段外，还研究了包括利用行政手段、价格手段和市场化手段或组合手段来加强对跨境资金流动的管理（Arora，2012；潘功胜，2017；郑薇，2017；等等）。

从目前已有的研究成果来看，对跨境资金流动的影响因素及预判主要是通过构建计量模型来实现的，但随着跨境资金流动的影响因素复杂程度的提高，经典的计量模型受到因果检验的限制，导致研究多个经济变量间关系的可信度降低。从现有研究来看，运用机器学习的数据挖掘方法来研究经济变量的文献不多，薛晔等（2016）利用决策树和BP神经网络模型分析我国通货膨胀的因素并对通货膨胀做预测，是一次运用数据挖掘的方式分析经济变量的一次新尝试，得到的结果较为精确。本文借鉴决策树和神经网络相结合的模型试图对我国长短期跨境资金流动的影响因素进行分析与检验，并在此基础上对我国短期跨境资金流动形势做出预判，也是运用新的途径为分析宏观经济问题提供尝试。

二、研究设计

（一）变量选取和数据说明

（二）模型介绍和构建

1.决策树也称树结构，因为其构造不需要任何参数的设置，适用于探测式知识发现，能较好的拟合变量间的非线性关系，且容易转换成分类规则，更加直观，可解释性很高。构造树结构最关键的是结点的分裂选择属性，不同的算法直接区别在于属性选择度量方法的不同，两种主要算法为：C&RT算法和基于信息增益的ID3算法。本文使用的统计分析软件为IBM SPSS Statistics 23，其中分析功能中的分类有树结构分析，采用的分类方法为C&RT（classification and regression tree）分类回归树，该方法是通过度量数据分区的不纯度来选择分裂选择属性，当C&RT为回归树时，特征选择按照最小化误差平方和进行，选择使误差平方和最小的特征作为切分点，以此规则不断生成树，当C&RT为分类树时，按照基尼指数进行特征选择，分类问题中，假设训练数据D有k个类，第i类样本数现特征A将训练数据D划分为2块，因为C&RT树规定每个特征将当前空间划分为2块，将2块样本大小分别为基尼指数表示训练数据的不确定性，Gini（D，A）表示经过特征A分割后数据的不确定性，在树的生成过程中，在所有可能的特征A以及它们最有可能的切分点a中选择基尼系数最小的特征及其对应的切分点作为最有特征与最优切分点。

2.BP神经网络。神经网络模型起源于对人类大脑思维模式的研究，它是一个非线性的数据建模工具，由输入层和输出层、一个或者多个隐藏层构成神经元，神经元之间的连接赋予相关的权重，训练学习算法在迭代过程中不断调整这些权重，从而使得预测误差最小化并给出预测精度（见图1）。BP神经网络是一种结合BP算法多层感知器神经网络，属于前馈式有监督的学习技术，它可以发现极为复杂的关系，可以根据预测变量的值来生成一个或多个因变量（目标变量）的预测模型。BP神经网络可以通过逆向传播来不断调整网络的权值和阈值，使得误差平方和最小。实际上，1989年Robert Hecht-Nielsen证明了对于任何闭区间内的一个连续函数都可以用一个隐含层的BP神经网络来逼近，即万能逼近定理。

图1 神经网络建模过程

3.BP神经网络的建模过程。通常包括三个步骤：（1）隐含层的选取。在BP神经网络中，输入层和输出层的节点个数都是确定的，而隐含层节点个数不确定，有一个经验公式可以确定隐含层节点数目，h=m+n+a，其中h为隐含层节点数目，m为输入层节点数目，n为输出层节点数目，a为[1,10]之间的调节常数。（2）对所有权值和阈值做初始化。将它们设为一个较小的随机数，然后进行输入的正向传播。根据隐含层和输出层各单元输入的线性组合计算出相应各单元的输出。方法为：Sj=，其中f为激活函数，一般选取S型或者线性函数，如f（Sj）=1/（1+e-1）作用于纯输入Sj形成该单元的输出Oj=1/（1+e-Sj）。（3）误差的逆向传播及权值阈值的更新，即反向传递子过程。该过程基于Windrow-Hoff学习规则，假设输出层所有结果为Oj，误差函数，根据δ学习规则，通过改变神经元之间的连接权值来减少系统实际输出和期望输出的误差，即Windrow-Hoff学习规则（又称纠错学习规则）经过复杂计算调整后，隐含层和输出层之间的权值和阈值调整为：wij=wij-η1δijxi，bj=bj-η2δij。输入层和隐含层之间的权值和阈值调整为：wki=wki-η1δkixk，bi=bi-η2δki。本文使用的统计分析软件为IBM SPSS Statistics 23，使用分析功能中的神经网络多层感知器。

三、实证分析

本文首先使用决策树方法做属性选择，形成分类规则后，选出最优指标，再结合BP神经网络模型，输入最优指标对跨境资金的流动情况做预判。

（一）指标预处理

为了提高跨进资金流动预判的准确度，宏观经济活动的构成具有复杂性，决策树方法属于数据挖掘方法，是就数据来进行学习训练的，缺乏相应的经济理论支撑，因此我们先结合分布滞后模型来对跨境资金流动的影响因素做滞后性检验。根据ADF平稳性检验和AIC、HQ等信息准则，得到平稳性检验和滞后阶数结果，各变量的滞后阶数均取1，据此，建立如下分布滞后模型，用Almon多项式对分布滞后模型做估计。其中Xi表示影响因素，j为滞后阶数。μt。结果显示，模型整体显著，其中股票投资收益SP、人民币实际有效汇率EX、工业增加值IPV、汇率预期EE滞后一期、国内基准利率RATE滞后一期、美元指数USEX滞后一期、美国货币政策USM2滞后一期、美国联邦基准利率USRATE滞后一期对长期跨境资金流动影响显著；美元指数USEX及其滞后一期、美国经济增长USGDP、股票价格投资收益SP及其滞后一期、人民币实际有效汇率EX滞后一期、泰德利差TED滞后一期、VIX指数滞后一期对短期跨境资金流动影响显著（详见表1）。选择上述显著指标为决策树的备选指标。

二、中职学生自主学习能力现状分析通过对本校学生的调查，能主动学习的只有26%。不难发现，中职学生自主学习能力低，状况令人堪忧。原因分析如下：

表1 分布滞后模型参数估计结果

（二）基于决策树的指标选择和BP神经网络的预测

根据决策树算法对备选指标做筛选，根据C&RT算法初步构造决策树，EX、IPV和USEX(-1)对长期跨境资金的流动拟合时分类准确率最高；EX（-1）、SP(-1)和USEX(-1)对短期跨境资金的流动拟合时分类准确率最高，详见表2。根据神经网络算法及用于预测长期跨境资金的指标分别为：人民币实际有效汇率EX、工业增加值增速IPV和美元指数USEX滞后一期；用于预测短期跨境资金的指标分别为：人民币实际有效汇率EX滞后一期、股票投资收益SP滞后一期和美元指数USEX滞后一期。结合以上指标对我国跨境资金的流动情况做出预测。不断调整其权值和阈值使网络的分类准确率达到最大，即BP神经网络达到最优，即使得验证机的误分类率最低，得到的权重和偏误最优，隐藏单元均为1个。将以上指标分别作为BP神经网络模型的协变量，下个周期的长期跨境资金和短期跨境资金流动作为BP神经网络的目标变量。输入指标数据后，通过迭代得到参数估计值（表3、4）。分析表明，人民币实际有效汇率及其滞后一期和美元指数滞后一期对跨境资金流动的影响最为明显。其中汇率对跨境资金流动的影响主要体现在影响本币和外汇资产收益的差值，而美元指数的强弱影响国际资本流动的方向；经济增长是影响跨境资金流动的基本面因素；股票投资收益很大程度影响外资的流动方向。

表2 自变量的重要性

表3 长期参数估计值

表4 短期参数估计值

（三）模型预测功能检验

将测试集分别用BP神经网络和ARMA模型对我国短期跨境资金流动做预测。（1）绝对值的准确度计算。用决策树BP神经网络预测2017年3～6月份的短期跨境资金流动净额（详见表5），与实际发生额对比，准确率约为72%；（2）异常值的判断。本文借鉴主流货币危机模型对于“危机”的定义方法，计算短期跨境资金流动的均值μ和标准差σ，并将短期跨境资金流动净值超过（μ±σ）范围的定义为跨境资金异常流动，超过上限μ+σ定义为异常流入，低于下限μ-σ定义为异常流出。鉴于此，计算出1999年1月至2017年2月期间（样本容量为218）短期跨境资金流动的上下限分别为375和-594（单位：亿美元）。结果如表6，表明BP神经网络模型更为准确，预测短期跨境资金是否处于合理范围内的功能较好，且预测的2017年3～6月的跨境资金流动净额与实际发生额的范围判断基本一致（除6月份预测值处于正常范围，但实际值为存在异常流出）。这得益于决策树算法本身拥有较为完善的属性选择机制，使得结果较为稳健，容易形成分类规则，以便于前期监测和风险预防控制，神经网络模型可以用线性和非线性的形式以任意精度逼近任意复杂问题，因此，不仅提高模型的可解释性和对指标的监测控制能力，还能提高预测结果的准确度。

四、进一步分析：对短期跨境资金流动的预判

鉴于波动性的短期跨境资金流动的风险性，有必要设定不同的情形，分析可能出现的情况，再结合要素分析和当前的经济金融形势，对我国短期跨境资金做出合理的形势预判。

表5 预测2017年3～6月短期跨境资金流动净额与实际发生额单位：亿美元

表6 短期跨境资金FC预测结果比较

（一）情景分析

结合世界经济增长放缓的背景，未来我国短期跨境资金流动可能出现三种情形。一是流出压力加大。前提条件是世界经济持续衰退，我国经济也因此遭受严重的外部冲击，在此背景下，我国短期套利资本将持续流出。二是维持净流出形势但净额下降。此情形的前提条件是我国经济增速放缓，国际金融动荡加剧，导致全球投资风险偏好下降，即国际资本流动的活跃度下降，短期套利需求减少。三是逆转为净流入。前提是我国经济企稳向好发展，不受世界经济增长放缓影响。但我国经济已经融入经济金融全球化，因此更容易受到外部冲击。

（二）要素分析

根据前文利用决策树和BP神经网络模型对短期跨境资金的分析，主要影响因素集中在人民币汇率、我国股票收益和美元指数。从人民币汇率角度来看，主要取决于国内经济运行、美元走势等方面。通常说来，经济强则货币强，我国目前正处于经济转型升级期，当我国经济实现转型升级后，人民币汇率和跨境资金流动都将回归经济基本面，人民币在未来仍将是具有潜力的强势货币。从我国资本市场角度来看，主要与货币政策、监管层贯彻金融市场去杠杆以及市场融资需求密切相关。近两年来，在稳健货币政策影响下，市场资金面相对充裕，融资成本较低，纵观2016年，股票市场整体表现震荡，虽然监管层加强了对券商资管产品的杠杆倍率监管，但市场的震荡同时刺激资本市场当中各类企业并购重组活动激增，对资金的需求旺盛，这为活跃资本市场提供基础。从美元走势角度来看，主要有以下三方面的因素有关：一是与全球主要央行的货币政策分化程度紧密相关，若美联储加息进程放缓，欧央行和日本银行货币刺激不进一步加码，则美元走势将会受到很大制约；二是市场对于未来美元走势本身存在分歧，部分认为美元升值大部分已完成，部分认为美元升值仅在中场；三是目前全球从金融风险急剧期进入风险暴露期，国际金融动荡将取代美元汇率，成为国际资本流动的重要因素。

（三）2017年下半年我国短期跨境资金的预判

从历史数据来看人民币汇率、美元指数和我国股市收益三个影响因素的走势。结合历史数据分析，判断人民币汇率小幅升值，以2016年～2017年6月的均值123.6作为人民币有效汇率预计值；美元走势虽有回落但鉴于其影响是短期的，美元指数可能小幅反弹，以2016年1月～2017年7月的均值99.24作为美元指数预计值；我国股市走势良好，以2016年1～2017年7月均值3057.81加上一个平均环比增长值作为股票收益的预计值。运用BP神经网络模型估计的参数，计算得到下一周期的短期跨境资金流动值为-506亿美元，即短期跨境资金流出506亿美元，根据前文对于异常跨境资金流动的范围的判断，尚在合理流动范围，属于情景分析的第二种情形。

五、政策建议

（一）我国长期跨境资金流动的管理策略

随着我国市场化和国际化程度的不断提高，未来我国跨境资金流动规模将日益扩大，对国际国内金融形势变化的敏感程度也将越来越高。因此，从宏观层面来讲，对于跨境资金流动的管理应树立“市场主导观念”、“协同监管概念”和“宏观审慎管理理念”，具体到跨境资金流动的宏观管理对策，可归结为：

1.协同推进利率与汇率市场化改革，减缓跨境资金流动冲击。随着存款利率上限逐步扩大并完全放开，银行之间为了吸收存款会竞相提高存款利率，存款利率上升会加快资本流入。此时，汇率波动幅度若没有适时扩大，境外资金由于成本较低而大规模流入，将对国内货币政策操作形成制约。若此时汇率波动幅度逐渐放宽，当资本流入压力较大时，汇率可以阶段性的升值，这就会提高资本流入的成本，从而在一定程度上起到限制流入的作用。另外，在协同推进利率、汇率市场化改革时，还应对前期人民币汇率波幅扩大和存款利率上浮扩大后的效果进行跟踪评估，分析金融机构、企业和个人的承受能力，在汇率和存款利率在新的区间运行一段时间后，再考虑进一步扩大汇率波动幅度和存款利率上浮空间。

2.促进国内外监管协作，形成跨境资金流动的监管合力。近年来，在跨部门协同监管方面，国家外汇管理局与海关总署、国家税务总局加快推进跨部门信息互换、监管互认、执法互助，加大信息共享力度，不断完善事中事后监管体系，提高监管效能（潘功胜，2017）。下一步，外汇管理部门应明确各监管部门在跨境资金流动监管工作中的责任，构建全方位、多层次的数据监测、分析、预警和管理体系。在国际间协作方面，应密切关注国际和国内金融市场的联动效应，健全与完善相关法律法规，并建立起相应的监督机构，从而形成全球范围内的跨境资金流动风险的预警体系。在跨境资金流动风险的预警指标设置上，应包含国内宏观经济运行指标、国内金融机构运行指标和国际经济金融运行指标，使其能及时提示可能出现的跨境资金流动的方向性变化和压力累积的情况，并区分风险级别和防范目标。

3.完善宏观审慎政策工具框架，维护国家金融稳定。为坚决守住不发生系统性金融风险的底线，维护国家的金融稳定与安全，必须进一步完善跨境资金流动的宏观审慎政策工具框架。2015年以来，我国实施的宏观审慎工具包括：建立跨境融资宏观风险监测指标体系，运用跨境融资杠杆率、风险转换因子、宏观审慎调节参数等进行逆周期调节；对开展代客远期售汇业务的金融机构收取外汇风险准备金，交存比例20%，冻结期1年，利率为0；扩大银行结售汇综合头寸下限；丰富远期结汇交割方式，按照实需原则，到期交割方式可自主选择全额或差额结算（郑薇，2017）。下一步，为防范汇率波动风险，可采取外汇头寸限额管理，按日对金融机构外汇头寸限额进行监测，保证金融机构外汇超买头寸总额和超卖头寸总额两者中的较大者不能超过该机构股本的一定比例（如20%）。

（二）我国短期跨境资金流动的管理措施

基于前文对我国短期跨境资金流动形势的预判，有针对性地提出以下几条应对我国短期跨境资金流动的管理措施。

1.转变外汇监管制度，构建主体监管框架。为更有效地监管市场主体，必须构建主体监管框架，并在主体监管的框架下实现主体监管和行为监管的有机结合。主体监管框架的建立包括全口径非现场监测系统的建立、内部组织机构的调整和业务管理流程的设置三大部分内容：一是建立经常项目和资本项目外汇收支全口径数据采集平台，通过全口径采集信息、设置监测预警指标和综合风险评级来完成对交易主体的统计、分析、监测和预警；二是将经常和资本两个部门合并后分为金融机构监管部门、企业监管部门和个人监管部门，针对不同市场主体实施更加有针对性的外汇监管和服务；三是按不同任务设置业务管理流程和岗位，依次为“外汇服务—非现场监测—现场检查—综合评价—宏观分析”。

2.创新微观审慎工具，规范微观主体行为。随着监管方式的转变和风险防范意识的增强，外汇管理部门应在风险识别和判断的基础上确定多层次的监管政策工具，使微观审慎监管政策工具与风险防控完美契合。具体来看，对于风险初级阶段，可采取交易规模限制管理、交易频次限制管理、负面清单管理和风险提示管理等工具，对于风险中高级阶段，可采取市场准入限制管理、有条件的强制结售汇管理、更严格的单证审查管理、限制负面清单企业交易管理和专项核查管理等工具（宋国军和张锦增，2017）。

3.完善外汇市场自律机制，严格落实银行职责。为更好地发挥外汇市场自律机制的作用，需要从以下几个方面对其加以完善：一是形成统一完备的自律规则，可考虑制定《外汇业务自律公约》、《外汇业务自律工作机制》等，成员单位应严格遵守自律公约，共同推动公约目标的实现；二是建立完善的激励约束机制。对于自律执行到位的银行给予新政策先行先试等奖励，对自律执行不到位的银行设定不同的惩罚规定；三是督促银行完善内部控制建设，可考虑将对银行的自律要求细化为银行内控制度建设方面的具体规定，并定期开展银行内控机制运行情况检查；四是发挥外部中介组织的中坚力量。借鉴国外经验，扩大中介机构的职能，定期报告银行对监管部门规定和要求的执行情况，以提高现有监管效率，形成对外汇业务的社会监督。

[1]国家外汇管理局.中国跨境资金流动监测报告2014[M].中国金融出版社，2015.

[2]潘功胜.中国外汇市场的政策框架及管理取向[J].当代金融家,2017，(5):27～31.

[3]宋国军,张锦增.经常项目跨境资金流动管理研究——基于微观审慎监管的视角[J].河北金融,2017，(7).

[4]薛晔,蔺琦珠,任耀.我国通货膨胀风险的预测模型——基于决策树-BP神经网络[J].经济问题,2016，(1):82～89.

[5]张明，肖立晟.国际资本流动的驱动因素:新兴市场与发达经济体的比较[J].世界经济,2014，(8):151～172.

[6]赵大伟.大数据技术驱动下的互联网消费金融研究[J].金融与经济,2017，(1):41～45.

[7]赵龙凯，陆子昱，王致远.众里寻“股”千百度——股票收益率与百度搜索量关系的实证探究[J].金融研究，2013，(4):183～195.

[8]郑薇.审慎监管框架下的外汇管理实践与思考[J].中国外汇,2017，(9):26～27.

[9]中国人民银行南昌中心支行课题组.新兴市场国家管理跨境资本流动的经验与启示[J].金融与经济,2015,(11):29～34.

[10]杨雪芬，彭浩东.短期跨境资金流动的波动性及其影响因素研究[J].金融与经济，2016，（11）：26～32.

[11]朱南丽，邹平，张永平,等.基于博客/微博信息量的投资者关注度测量研究——来自中国股票市场的经验数据[J].经济问题探索，2015，（2）：159～166.

[12]AroraA.LiquidityEffectsofBuyback Announcements:Evidence for Indian Capital Markets[J].Apeejay Journal of Management&Technology,Vol.7,No.1,2012.

[13]Chudik A,Fratzscher M.Liquidity,Risk and the Global Transmission of the 2007-08 Financial Crisis and the 2010～2011 Sovereign Debt Crisis[J].Globalization&Monetary Policy Institute Working Paper,2012,182(1):273～283.

[14]Financial Stability Board，Overview of Progress in the Forbes K J,Chinn M D.A Decomposition of Global Linkages in Financial Markets over Time[J].Review of Economics&Statistics，2004，86(3):705～722.

[15]Implementation of the G20Recommendations for Strengthening Financial Stability，November 2011；G-SIFI：GlobalSystemicallyImportant Financial Institution.

F830.92

A

1006-169X（2017）10-0051-07

10.19622/j.cnki.cn36-1005/f.2017.10.007

中国人民银行南昌中心支行经常项目管理处课题组组长：魏有春；成员：陈强，谢娟，冯志鹏，万远鹏。（江西南昌330008）