20240128-IMF-Guatemala_Technical_Assistance_Report-The_Statistical_Component_of_Liquidity_Forecasting_51页_2mb

危地马拉流动性预测技术援助报告总结

报告目的：协助危地马拉央行（Banguat）提升流动性预测能力，优化日常存款操作（OMO）校准，完善统计预测模型，减少对银行问卷的依赖。

关键建议

1. 流动性预测

   • 用统计模型补充银行问卷调查，生成每日储备要求（RR）和超额储备需求（ER）预测。
   • 对自主因素（如流通现金、政府账户、外资产负债等）进行二次统计建模，增强预测准确性。

2. OMO校准

   • 基于自主因素和储备要求的预测结果，对每日存款操作进行校准，避免短期利率受银行行为干扰。

3. 信息公开

   • 每日发布次日及一周的流动性预测（自主因素、储备要求、超额需求），为银行投标提供参考。

4. 技术支持

   • 定期评估选取的模型性能，确保其适应性；必要时引入国际实践（如巴西、墨西哥的流动性管理方法）。

主要方法论

储备需求预测

• 储备要求（RR）

  • 主要受益于ARIMA-with-regression模型，该方法动态捕捉时间趋势，结合泊松回归项。
  • 分类存款建模（储蓄、定期等）以提高预测精度，经OLS/Optimal reconciliation后，误差显著降低。

• 超额需求（ER）

  • 银行超额储备行为具有月度季节性，预测依银行差异显著。
  • 分银行建模（如TBATS、回归ARIMA等），中短期预测可靠的均值误差（MAE）和均方根误差（RMSE）降低。

自主因素预测

• 货币流通（CiC）
  • 稳定性高，采用ARIMA-with-regression模型。
• 净外资产（NFA）
  • 受经济波动影响明显，采用ETS-regression模型。
• 政府账户（STA）
  • 对政府现金流需求高度依赖，结合节假日时间序列。
• 净其他资产（NOA）
  • ARIMA模型适用性较强，但对周和月频率敏感。

统计方法

• 采用多种模型：
  • ARIMA、TBATS、指数平滑法（ETS）、GARCH等
  • 分级建模结合OLS、MinT、Bottom-Up等整合方法，提升预测一致性。

国际实践借鉴

• 哥伦比亚央行（CCB）

  • 采用12月流动性预测指导OMO校准，储备要求占主导。
  • 使用分类建模预测RR与备用设施管理。

• 墨西哥央行（BOM）

  • 日度OMO校准依赖即时流动性数据及政府提前通报。
  • 区分长期和短期流动性管理，配合全月现金流调整。

结论

Banguat在储备需求和自主因素预测方面具较强模型适用性，但仍需解决数据噪声与季节性波动等问题。与国际最佳实践比较，可通过引入追踪更新方法、优化季节性建模，进一步提升预测准确性与市场透明度。