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。
　　

研究报告全文：中信期货研究资产配置策略专题报告2023-03-03投资咨询业务资格新增人民币贷款数据预测框架证监许可2012669号十年国债期货指数沪深300股指期货指数右轴报告要点商品指数右轴119250在每月公布的宏观数据中作为其他经济数据的领先指标信贷数据一直以来都是118220各类机构分析和预测的重点本文通过构建滚动回归模型和SARIMA模型从同比以117190及环比两个角度在每月末对当月新增人民贷款数据进行预测结果显示两类模型整116160115体均有较好的预测结果可以为投资者在总量和结构上提供可靠和全面的参考114130202203202206202209202212摘要资产配置研究团队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12万亿至16万亿之间两类模型预测均值研究员姜婧在14万亿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11021-60812990万亿至15万亿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从业资格号F3018552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投资咨询号Z0013315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PMI3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重要提示本报告难以设置访问权限若给您造成不便敬请谅解我司不会因为关注收到或阅读本报告内容而视相关人员为客户市场有风险投资需谨慎如本报告涉及行业分析或上市公司相关内容旨在对期货市场及其相关性进行比较论证列举解释期货品种相关特性及潜在风险不涉及对其行业或上市公司的相关推荐不构成对任何主体进行或不进行某项行为的建议或意见不得将本报告的任何内容据以作为中信期货所作的承诺或声明在任何情况下任何主体依据本报告所进行的任何作为或不作为中信期货不承担任何责任中信期货资产配置策略专题报告目录摘要1一信贷数据的简要介绍4一什么是信贷4二人民币信贷的组成成分4二贷款预测模型一基于高频数据的滚动回归模型6一中长期贷款的预测6二短期贷款的预测9三票据融资的预测12四新增人民币信贷预测12三贷款预测模型二基于高频数据的SARIMA模型13一如何寻找信贷序列回归模型中的外生变量14二SARIMA模型的预测结果16免责声明21图目录图表1货币-信贷传导机制图4图表22022年人民币信贷结构组成5图表3每月新增人民币贷款组成变化亿元5图表4居民中长期贷款同比和房地产数据同比高度相关6图表5企业中长期贷款同比与高炉开工率同比螺纹钢产量同比高度相关7图表6企业中长期贷款同比与汽车轮胎半钢胎开工率同比国内PTA开工率同比相关性较高7图表7新增中长期人民币贷款同比与百度指数贷款搜索总次数同比相关性较高7图表8新增中长期人民币贷款同比和其他变量之间的相关性8图表9新增中长期人民币贷款同比预测值9图表10新增中长期人民币贷款实际值和预测值比较9图表11限额以上批发和零售业零售额拆解亿元10图表12短期贷款累计同比与布伦特原油期货结算价同比乘用车零售同比具有一定的相关性10图表13短期贷款累计同比和柯桥纺织价格指数以及30个大中城市商品房成交面积同比具一定相关性11图表14短期人民币贷款余额同比和其他变量之间的相关性11图表15短期人民币贷款余额同比预测值11图表16新增短期贷款实际值和预测值比较12图表17新增票据融资实际值和预测值比较12图表18新增人民币信贷预测汇总13图表192023年2月信贷数据滚动回归模型预测结果13图表20当月新增企业中长期贷款具有强季节性14图表21当月新增企业短期贷款票据融资具有季节性14图表22当月新增居民中长期贷款具有强季节性14图表23当月新增居民短期贷款具有强季节性14图表24生猪价格环比和铜价格环比是当月新增企业中长期贷款的显著性较强的外生变量15图表25AAA级票据月均到期收益率环比变化和PMI是当月新增企业短期贷款票据融资的显著性较强的外生变量15221中信期货资产配置策略专题报告图表2630大中商品房成交面积和100大中城市供应土地挂牌均价是当月新增居民中长期贷款的显著性较强的外生变量15图表27PMI和30大中商品房成交面积是当月新增居民短期贷款的显著性较强的外生变量16图表28企业中长期贷款的预测效果较好17图表29企业中长期贷款余额同比增速的预测效果较好17图表30企业短期贷款票据融资的预测效果相对较差17图表31新增企业贷款预测值仍有改善空间18图表32新增居民中长期贷款预测结果18图表33新增居民短期贷款预测结果18图表34新增居民贷款预测结果19图表35新增人民币贷款预测结果19图表362023年2月信贷数据款SARIMA模型预测结果19321中信期货资产配置策略专题报告一信贷数据的简要介绍一什么是信贷按照中国人民银行的解释人民币贷款是指金融机构向非金融企业个人机关团体境外单位以贷款票据贴现垫款等多方式提供的人民币贷款中央银行可以直接通过货币政策调节银行贷款也可以通过宽松的货币政策间接影响企业和居民的心理预期商业银行在收到央行的信号后可以通过信贷来调节居民和企业的资产负债表进而影响居民和企业的投资和消费行为最终影响到整体经济的运行宽松的货币政策也会提高企业的权益价格增强企业的现金流和融资能力从而有利于扩大投资因此信贷数据往往对经济具有一定的领先性可以作为宏观经济和投资的风向标考虑到央行每月公布的人民币信贷数据存在社融和金融机构两种口径且差别不会太大因此我们主要以金融机构的新增人民币贷款作为拟合的变量图表1货币-信贷传导机制图资料来源中信期货研究所二人民币信贷的组成成分为了更清楚地理解人民币贷款我们进一步从不同的结构来进行拆解从人民币信贷的结构来看企业中长期贷款占比最高且呈现上升趋势根据中国人民银行2022年12月人民币贷款余额的披露数据企业贷款占据了所有人民币贷款余额的6427住户贷款占据了3502其余的不到1的份额是非银金融机构贷款和境外贷款从新增人民币贷款结构的时间变化来看企事业单位中长期贷款的占比最高而且在最近几个月呈现上升的状态这主要体现出基建的逆周期调节作用反观居民中长期贷款的占比在最近一年开始走弱这主要是由于地产周期下行压制居民买房的需求从企业贷款来看企业贷款主要可以分为四类企业中长期贷款企业短期贷款票据融资以及其他项其中短期贷款和票据融资偏向于期限在一年以下主要是为了补偿企业流动性不足用于日常的周转中长期贷款则更多421中信期货资产配置策略专题报告用来支撑企业扩大再投资行为占据了企业贷款的半数以上从居民贷款来看按照期限的长短可以分为居民中长期贷款和居民短期贷款按照使用渠道又可再继续细分为居民中长期消费贷款2182居民中长期经营贷款46居民短期消费贷款437和居民短期经营贷款423其中居民中长期消费贷款占比最大主要是以居民按揭贷款为主和房地产周期的相关性较高短期消费贷款主要用于居民的日常消费比如旅游餐饮和购物等居民的经营贷款则主要用于日常生活经营资金周转和设备购置等方面中长期经营贷短期消费贷和短期经营贷的占比分布较为均衡图表22022年人民币信贷结构组成资料来源中国人民银行中信期货研究所图表3每月新增人民币贷款组成变化亿元金融机构新增人民币贷款非银行业金融机构金融机构新增人民币贷款企事业单位票据融资当月值金融机构新增人民币贷款企事业单位中长期当月值金融机构新增人民币贷款企事业单位短期当月值金融机构新增人民币贷款居民户中长期当月值金融机构新增人民币贷款居民户短期当月值100806040200-20-402014201520162017201820192020202120222023资料来源Wind中信期货研究所521中信期货资产配置策略专题报告二贷款预测模型一基于高频数据的滚动回归模型第一个模型我们选择使用滚动回归模型来对新增人民币信贷数据进行预测为了减少过多的数据拆分引起的误差增多我们选择将新增人民币贷款按照驱动逻辑不同尽可能少地拆分为新增中长期人民币贷款企业居民新增短期人民币贷款企业居民和新增票据融资贷款来进行预测一中长期贷款的预测企业和居民中长期贷款主要受到经济增长前景的影响企业和居民端中长期贷款的驱动因素比较类似当居民和企业对中长期经济增长前景的预期转好时会加大中长期消费和投资的需求进而影响中长期贷款因此我们将这两者放在一起考虑居民中长期贷款和地产相关性较高具体来说居民端中长期的贷款中绝大多数以个人住房按揭抵押贷款房贷为主少部分流向了中长期经营贷等房地产作为过去20年中国经济的支柱性行业和中国的经济增长具有很高的相关性数据上也反映了这一点居民中长期贷款同比的走势和30大中城市商品房成交面积同比呈现出高度的相关性图表4居民中长期贷款同比和房地产数据同比高度相关30大中城市商品房成交面积同比100大中城市成交土地占地面积同比居民中长期人民币贷款同比右轴居民中长期人民币贷款同比右轴100150100150100100505050500000-50-50-50-50-100-100-100-150-100-1502014201620182020202220142016201820202022资料来源Wind中信期货研究所企业中长期贷款和基建制造业等高度相关企业端来看企业的中长期贷款多用于购置设备和建设工程通常对应基建地产制造业固定资产投资企业的中长期贷款更能体现实体的资本开支需求和融资需求和实体经济增长的关联度较高从数据上看企业中长期贷款与高炉开工率螺纹钢产量汽车轮胎开工率和PTA开工率等反应制造业和基建的高频指标相关性较高在此基础上我们还发掘了百度指数中贷款的搜索次数发现贷款搜索总次数的同比和新增中长期贷款同比也具有较高的相关性因此我们也621中信期货资产配置策略专题报告将百度指数贷款搜索次数同比纳入到我们的预测指标中图表5企业中长期贷款同比与高炉开工率同比螺纹钢产量同比高度相关唐山钢厂高炉开工率同比螺纹钢产量同比企业中长期人民币贷款同比右轴企业中长期人民币贷款同比右轴6033034022022011010000-20-1-10-1-40-2-20-2-60-3-30-32014201620182020202220142016201820202022资料来源Wind中信期货研究所图表6企业中长期贷款同比与汽车轮胎半钢胎开工率同比国内PTA开工率同比相关性较高汽车轮胎半钢胎开工率同比国内PTA开工率同比企业中长期人民币贷款同比右轴企业中长期人民币贷款同比右轴6033034022022011010000-20-1-10-1-40-2-20-2-60-3-30-32014201620182020202220142016201820202022资料来源Wind中信期货研究所图表7新增中长期人民币贷款同比与百度指数贷款搜索总次数同比相关性较高100百度指数贷款搜素总次数同比4新增中长期贷款同比企业居民右轴703402101-200-50-120142016201820202022资料来源Wind中信期货研究所综合考虑居民和企业端的中长期贷款我们从11个和居民企业中长期贷721中信期货资产配置策略专题报告款相关性较高的指标中进一步筛选出了3个指标作为模型的自变量筛选的标准是更新频率要高发布时间要早要和新增中长期贷款同比企业居民高度相关同时还要避免多重共线性的存在根据此规则我们最终筛选出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图表8新增中长期人民币贷款同比和其他变量之间的相关性新增中长期30大中城市100大中城市100大中城市唐山钢厂高汽车轮胎汽车轮胎全百度指数国内PTA开工水泥产量同铁路货运量螺纹钢产量贷款同比相关性商品房成交成交土地占供应土地挂炉开工率同半钢胎钢胎开工率贷款搜素率同比比同比同比企业居面积同比地面积同比牌均价同比比开工率同比同比总次数同比民30大中城市商品房成交面积同比10000100大中城市成交土地占地面积同比67410000100大中城市供应土地挂牌均价同比-154433510000国内PTA开工率同比3603793316110000唐山钢厂高炉开工率同比449-341-1423-02610000汽车轮胎半钢胎开工率同比46363514-702298842410000汽车轮胎全钢胎开工率同比453433760603997158873310000水泥产量同比2009600-024-03710142555367010000铁路货运量同比1842981111830044504749362522510000螺纹钢产量同比23673183-19616812811327433752991296110000百度指数贷款搜素总次数同比305-3017805-19861749-2372-1843-2669-4631-218310000新增中长期贷款同比企业居民4312011-781-6782812213221261761-0881877227410000资料来源Wind中信期货研究所模型的构建和预测上我们使用多元线性回归进行滚动预测我们分别使用24个月36个月48个月和60个月的参数训练区间进行训练筛选出预测结果最准确用相关性衡量的训练区间作为参数的训练期间在中长期贷款的模型中我们发现48个月的区间预测结果和实际值的相关性最高因此我们选择48个月作为训练的时间窗口自变量为T1-T48期的30个大中城市商品房成交面积同比30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因变量为T1-T48期的新增中长期人民币贷款同比计算出参数后再将T49期的自变量数据代入模型计算出T49期新增中长期人民币贷款的预测值模型的具体表现形式如下013023从模型的预测结果来看不论是从同比的数据还是还原的新增中长期贷款的数据模型整体的预测效果相当不错预测值和实际值的偏离程度较小821中信期货资产配置策略专题报告图表9新增中长期人民币贷款同比预测值250新增中长期贷款同比新增中长期贷款同比预测200150100500-50-10020162017201820192020202120222023资料来源Wind中信期货研究所图表10新增中长期人民币贷款实际值和预测值比较40000新增中长期贷款实际值亿元新增中长期贷款预测值亿元350003000025000200001500010000500002014201520162017201820192020202120222023资料来源Wind中信期货研究所二短期贷款的预测短期信贷需求和消费活动是有直接关系的短期贷款主要由居民短期贷款和企业短期贷款组成居民短期贷款一般会流向消费贷信用卡透支住房装修等领域而对于企业来说消费活动的增加会使得企业扩大再生产以追求更多的利润企业的净产出越高会需要更多的流动资金也就是说会增加短期贷款的金额数据上来看短期贷款余额同比和社零累计同比长期的相关系数达到了039因此我们选用消费相关的指标来预测短期贷款我们对限额以上批发和零售业零售额拆解发现主要贡献的成分包括石油及制品类汽车类服装类地产相关类家具建筑装潢音像等我们从高频指标中分别筛选出布伦特原油期货结算价乘用车厂家零售柯桥纺织价格指数和30大中城市商品房成交面积同比来表示石油及制品类汽车类服装类和地产相关类的消费921中信期货资产配置策略专题报告图表11限额以上批发和零售业零售额拆解亿元石油及制品类汽车类服装类地产相关类家具建筑装潢类音像等粮油食品和饮料烟酒类其他180001600014000120001000080006000400020000201420152016201720182019202020212022资料来源Wind中信期货研究所通过相关性分析我们发现短期贷款累计同比和乘用车厂家零售柯桥纺织价格指数和30大中城市商品房成交面积同比的相关性较高但与布伦特原油期货结算价同比的相关性一般由于乘用车厂家零售同比和柯桥纺织价格指数同比的相关性较强且柯桥纺织价格指数的时间区间更长为了避免多重共线性和延长时间区间我们模型中去掉了乘用车厂家零售同比这个指标因此最终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30作为自变量短期贷款累计同比作为因变量来构建滚动回归模型进行预测滚动区间选择24个月选择方法和中长期贷款的模型相同模型的具体表达式如下01302从模型的预测结果来看模型的预测同比值和还原后的新增短期贷款预测值在近期的预测效果都要好于远期我们认为这主要是由于柯桥纺织价格指数在近期的相关性要好于远期图表12短期贷款累计同比与布伦特原油期货结算价同比乘用车零售同比具有一定的相关性布伦特原油期货结算价同比乘用车厂家零售同比短期贷款累计同比右轴短期贷款累计同比右轴20012100121501010501008850606044-50-5022-1000-100020162018202020222016201820202022资料来源Wind中信期货研究所1021中信期货资产配置策略专题报告图表13短期贷款累计同比和柯桥纺织价格指数以及30个大中城市商品房成交面积同比具一定相关性柯桥纺织价格指数同比30大中城市商品房成交面积同比短期贷款累计同比右轴短期贷款累计同比右轴512100121010350881606-144-50-322-50-100020162018202020222016201820202022资料来源Wind中信期货研究所图表14短期人民币贷款累计同比和其他变量之间的相关性乘用车厂30大中城市布伦特原油短期贷款累柯桥纺织价家零售同商品房成交期货结算价计同比格指数同比比面积同比同比短期贷款累计10000同比乘用车厂家零售250010000同比30大中城市商品房2176804710000成交面积同比布伦特原油期货结-081005-189110000算价同比柯桥纺织价格指数1482111-1325482010000同比资料来源Wind中信期货研究所图表15短期人民币贷款累计同比预测值25短期贷款余额同比短期贷款余额同比预测值2015105020132014201520162017201820192020202120222023资料来源Wind中信期货研究所1121中信期货资产配置策略专题报告图表16新增短期贷款实际值和预测值比较新增短期贷款实际值亿元新增短期贷款预测值亿元3000020000100000-10000-200002016201720182019202020212022资料来源Wind中信期货研究所三票据融资的预测国股银票转贴现利率和票据融资具有较强的负相关性因此我们使用国股银票转贴现利率6个月来预测票据融资当月贷款不足时银行倾向于在月末加大票据贴现力度导致新增票据融资增加而票据贴现利率下降从数据上看也呈现了同样的规律国股银票转贴现利率6个月和新增票据融资呈现出很强的负相关性相关系数达到了-044因此我们直接选择国股银票转贴现利率作为自变量新增票据融资作为因变量来构建滚动回归模型进行预测滚动区间选择24个月选择方法和中长期贷款的模型相同模型的具体表达式如下01图表17新增票据融资实际值和预测值比较8000新增票据融资实际值亿元新增票据融资预测值亿元6000400020000-2000-4000-60002011201220132014201520162017201820192020202120222023资料来源Wind中信期货研究所四新增人民币信贷预测我们最后只要将之前预测的新增中长期人民币贷款新增短期人民币贷款和新增票据融资进行加总就可以求得新增人民币信贷的预测值从预测结果上1221中信期货资产配置策略专题报告来看预测值从2018年以来预测的精度有所提升2018年之前受到短期贷款预测值波动较大的影响预测精度相对没有很高但是模型整体的预测结果还是表现相当优异的图表18新增人民币信贷预测汇总70000新增人民币信贷预测值亿元新增人民币信贷实际值亿元6000050000400003000020000100000-10000-2000020162017201820192020202120222023资料来源Wind中信期货研究所图表192023年2月信贷数据滚动回归模型预测结果单位亿元短期贷款预测值长期贷款预测值票据融资预测值合计2022年2月去年同期基数12004593305288452023年2月最新预测值20118209128711507资料来源Wind中信期货研究所三贷款预测模型二基于高频数据的SARIMA模型首先我们对SARIMA模型作一个简要的介绍相信各位读者对ARIMA模型并不陌生所谓SARIMA模型简单来讲就是在ARIMA模型的基础上加上季节性因素以更好地对周期性数据进行预测具体来看ARIMA模型有pdq三个参数分别代表自回归差分非季节移动平均的阶数SARIMA模型则在此基础上增加PDQs四个参数分别代表季节性自回归季节性差分季节性移动平均季节长度举已经差分至平稳的序列为例即SARIMAp0qP0Qs模型如下表达式可以帮助各位直观理解其中内涵00111100011111111信贷数据的强季节性使得其适合使用SARIMA模型进行预测不论是人民币新增贷款总额还是新增居民贷款新增企业贷款等结构性数据都呈现较强的季节性因此在SARIMA模型中我们可以将季节周期长度s设置为121321中信期货资产配置策略专题报告图表20当月新增企业中长期贷款具有强季节性图表21当月新增企业短期贷款票据融资具有季节性当月新增企业中长期贷款亿元当月新增企业短期贷款票据融资亿元40000201720182019150002017201820192020202120222020202120222023300002023100002000050001000000-50001月2月3月4月5月6月7月8月9月10月11月12月1月2月3月4月5月6月7月8月9月10月11月12月资料来源Wind中信期货研究所资料来源Wind中信期货研究所图表22当月新增居民中长期贷款具有强季节性图表23当月新增居民短期贷款具有强季节性当月新增居民中长期贷款亿元当月新增居民短期贷款亿元100002017201820191000020172018201920202021202220202021202275002023202350005000025000-50001月2月3月4月5月6月7月8月9月10月11月12月1月2月3月4月5月6月7月8月9月10月11月12月资料来源Wind中信期货研究所资料来源Wind中信期货研究所一如何寻找信贷序列回归模型中的外生变量虽然SARIMA模型解决了周期性预测的问题但是仍有自回归模型常有的问题如预测误差从均值上来看较小但单月仍有出现较大偏误的可能为此将一些外生变量加入模型中将有助于提高预测精确性既然是寻找新增贷款数据的外生变量那么我们寻找的方向也是以环比数据为主且考虑到信贷数据和其他经济数据发布的滞后性在短月预测中以价格型和类似PMI等扩散数据为主要寻找目标且具有一定的有效数据长度在此我们对具体的寻找过程不再赘述从企业信贷的外生变量来看当月新增企业中长期贷款与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有一定相关性当月新增企业短期贷款票据融资与1年AAA级票据月均到期收益率环比变化值和当月PMI有一定相关性从居民信贷的外生变量来看当月新增居民中长期贷款与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有一定相关性当月新增居民短期贷款与PMI和30大中城商品房成交面积当月合计值1421中信期货资产配置策略专题报告有一定相关性图表24生猪价格环比和铜价格环比是当月新增企业中长期贷款的显著性较强的外生变量4025生猪30铜20现现15货20货月月10均均10价价5格格环0环0比比-5增-10增长长-10率-20率-15-30-20010000200003000040000010000200003000040000当月新增企业中长期贷款亿元当月新增企业中长期贷款亿元当月新增企业中长期贷款对生猪价格环比变化和铜价格环比变化线性回归2008-01至2023-01系数标准误差t值p值下限950上限950截距项43772630670142700000377203498249生猪价格-92923263-28500049-15731-2853铜价格11021490722500259133720705资料来源Wind中信期货研究所图表25AAA级票据月均到期收益率环比变化和PMI是当月新增企业短期贷款票据融资的显著性较强的外生变量1065票据到0560期收0055益PMI率环比-0550变化值-1045-1540-6000-4000-200002000400060008000100001200014000-6000-4000-200002000400060008000100001200014000当月新增企业短期票据融资亿元当月新增企业短期票据融资亿元当月新增企业短期贷款票据融资对票据到期收益率环比PMI线性回归2008-01至2023-01系数标准误差t值p值下限950上限950截距项1619740419044387000027928072446673票据到期收益率-21401077273-27700062-366500-61520PMI-275978229-33500010-43835-11358资料来源Wind中信期货研究所图表2630大中商品房成交面积和100大中城市供应土地挂牌均价是当月新增居民中长期贷款的显著性较强的外生变量35003500商3000供品应3000房土成2500地2500交挂面2000牌2000积均1500价1500万平1000元1000方米平500方500米00-20000200040006000800010000-20000200040006000800010000新增居民中长期贷款亿元新增居民中长期贷款亿元当月新增居民中长期贷款对30大中商品房成交面积和100大中城市供应土地挂牌均价线性回归2010-01至2023-01系数标准误差t值p值下限950上限950截距项-16247346235-35100006-253815-71132商品房成交面积12802356200000083173供应土地挂牌均价18501996900000147222资料来源Wind中信期货研究所1521中信期货资产配置策略专题报告图表27PMI和30大中商品房成交面积是当月新增居民短期贷款的显著性较强的外生变量573500商300055品房成250053交2000PMI面51积150049万1000平47方500米045-6000-4000-20000200040006000-6000-4000-20000200040006000新增居民短期贷款亿元新增居民短期贷款亿元当月新增居民中长期贷款对PMI和30大中商品房成交面积线性回归2010-01至2023-01系数标准误差t值p值下限950上限950截距项-1198543289509-41400001-1770494-626591PMI236725748412000011231735028商品房成交面积06902232200016027112资料来源Wind中信期货研究所二SARIMA模型的预测结果从企业信贷的预测结果来看近几年低估的情况发生较多且中长期贷款的预测效果较好一方面近几年信贷数据被低估的原因主要在于宏观环境波动较大的情况下较容易发生前一月数据极低而后一月数据极高的情况使得在个别信贷大月的预测数据显著不及实际值另一方面中长期贷款预测效果较好也是由于其作为企业用来投入设备购置和产能扩张等所用的资金本身就具有较强的周期性因此由SARIMA模型可以产生较好的结果而短期贷款和票据融资则受当期经济波动金融环境波动等短期因素的影响较多因此预测结果难以做到准确不过这并不影响我们的多维宏观周期下的资产配置框架这一框架中的企业信用周期使用的是企业中长期贷款余额同比而该数据是有较好的预测效果的因此在多维宏观周期的资产配置框架下在每月底我们就可以对下月的企业中长期贷款进行预测进而可以做到从货币信用周期的角度对下月的资产配置策略进行前瞻从居民信贷的预测结果来看居民短期贷款预测效果较好中长期贷款效果相对一般其主要原因在于居民短期贷款的波幅较小因此在使用SARIMA预测时预测值相对稳定而居民中长期贷款受房地产政策等因素影响短期易出现较大波动虽然我们在模型中已经纳入地产成交等外生变量但并未完全消除此类影响总的来看使用SARIMA模型预测的新增人民币贷款在最近三年的预测中对季节性高增月份容易低估对季节性低增月份容易高估造成这一现象的原因主要是近几年短期冲击频繁发生因此容易导致单月信贷数据大幅下降而当短期冲击消散后下月往往又会迎来超预期反弹所以在近期实际预测中在季节性高增月份适合在中性预测的结果上适度上修1621中信期货资产配置策略专题报告图表28企业中长期贷款的预测效果较好40000企业中长期贷款预测SARIMA生猪铜作为外生变量预测区间亿元金融机构新增人民币贷款企事业单位中长期当月值亿元30000企业中长期贷款预测SARIMA生猪铜作为外生变量亿元200001000002011201220132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表29企业中长期贷款余额同比增速的预测效果较好25企业中长期贷款余额实际同比企业中长期贷款余额预测同比有外生变量的SARIMA模型201510502011201220132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表30企业短期贷款票据融资的预测效果相对较差17000短期票据预测范围SARIMA票据收益率和PMI为外生变量亿元新增短期贷款票据融资实际值亿元12000短期票据预测值SARIMA票据收益率和PMI为外生变量亿元70002000-3000-80002011201220132014201520162017201820192020202120222023资料来源Wind中信期货研究所1721中信期货资产配置策略专题报告图表31新增企业贷款预测值仍有改善空间50000新增企业贷款预测范围亿元金融机构新增人民币贷款企事业单位当月值亿元40000新增企业贷款预测值亿元30000200001000002011201220132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表32新增居民中长期贷款预测结果10000新增居民中长期贷款预测范围亿元金融机构新增人民币贷款居民户中长期当月值亿元8000新增居民中长期贷款预测值亿元600040002000020132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表33新增居民短期贷款预测结果8000新增居民短期贷款预测范围亿元金融机构新增人民币贷款居民户短期当月值亿元6000新增居民短期贷款预测值亿元400020000-2000-4000-600020132014201520162017201820192020202120222023资料来源Wind中信期货研究所1821中信期货资产配置策略专题报告图表34新增居民贷款预测结果15000新增居民贷款预测范围亿元金融机构新增人民币贷款居民户当月值亿元新增居民贷款预测值亿元1000050000-500020132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表35新增人民币贷款预测结果60000新增人民币贷款预测范围亿元金融机构新增人民币贷款当月值亿元50000新增人民币贷款预测值亿元40000300002000010000020132014201520162017201820192020202120222023资料来源Wind中信期货研究所图表362023年2月信贷数据款SARIMA模型预测结果当月新增值亿元环比变化亿元月份2023-03E2023-012022-122022-112023-03E2023-012022-122022-11人民币贷款16313490001400012100-326873500019005948居民贷款-3798257217532627-6370819-8742807短期-2344341-113525-2685454-6381037中长期-1454223118652103-3685366-2381771企业贷款2011046800126378837-266903416338004211短期票据5179109737301308-579410243-5781246中长期1493135000121107367-200692289047432744资料来源Wind中信期货研究所综上所述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根据最新预测结果2023年2月新增人民币贷款约在12万亿至16万亿之间滚动回归和SARIMA模型预测均值在14万亿左右结构上新增企业中1921中信期货资产配置策略专题报告长期贷款约在11万亿至15万亿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2021