商业银行中间业务的时间序列分析预测模型

摘要

利率市场化给商业银行带来了强烈的冲击，商业银行转型过程中的重点目标是降低中间业务的成本和风险，提高收益。银行中间业务对银行经营绩效有重大的影响，但对银行经营绩效影响是利还是弊在业界有较大的争议。论文采集了五家国有制商业银行和八家股份制商业银行从2008年至2017年的面板数据，根据相关系数法选取与银行经营绩效相关的指标，建立银行绩效与这些指标的逐步回归模型，在逐步回归模型中包含中间业务占比指标，还加入了一个中间业务占比的二次项指标，回归模型的结果显示：银行绩效与中间业务占比呈现正相关，与中间业务占比的二次项呈现负相关，说明银行中间业务占比对银行经营绩效的影响具有正面和负面的双重影响，在其它指标保持不变的条件下，中间业务收入占比对经营绩效的影响存在一个临界点，低于这个临界点时，中间业务收入占比提高有利于银行经营绩效的提升；高出此临界点时，中间业务收入占比的提升对银行经营绩效产生负面的影响。　　论文根据采集的数据利用逐步回归模型估计国有商业银行和股份制银行中间业务占比的临界值分别为19.58%和27.42%，并把它们中间业务收入占比分别控制在最佳区间 [17.957%，21.203%]和[25.798%，29.042%]以内，中间业务收入占比低于这个区间下界说明中间业务发展不足；中间业务收入占比高于区间上界说明中间业务发展过度，对商业银行经营绩效产生消极作用。最后根据已经有的数据建立差分自回归移动平均（ARIMA）模型，对中间业务占比数据进行模拟预测，得到未来两年中间业务收入水平，对比最佳控制区间，为商业银行中间业务决策提供一个直接定量参考依据。

目录

1 绪 论

1.1.1 研究背景

1.1.2 研究意义

1.2.1 国内研究现状

1.2.1 国外研究现状

1.3.1 研究方法

1.3.2 创新点

2 中间业务发展现状与经营绩效

2.1 中间业务概述

2.2 中间业务发展现状

2.3 商业银行经营绩效

2.3.1 商业银行经营绩效概述

2.3.2 中间业务与经营绩效

3 中间业务对经营绩效的影响

3.1.1 数据的采集

3.1.2 相关性分析

3.2.1 逐步回归算法简介

3.2.2 逐步回归模型建立

3.3 模型改进

3.4 模型分析

4 工商银行与招商银行中间业务收入占比预测

4.1 差分自回归移动平均（ARIMA）模型简介

4.2 时间序列数据采集

4.3 ARIMA模型建立

4.3.1 自相关（ACF）与偏相关（PACF）检验

4.3.2 建立最优ARIMA模型

4.4 对中间业务占比数据的预测

5 结论与对策建议

5.1 结论

5.2 对策建议

参考文献

附录

学位论文数据集

致谢

声明