金融计量学
金融类专业《金融计量学》课程教学思考
金融类专业《金融计量学》课程教学思考《金融计量学》是金融类专业中的一门重要课程，旨在培养学生运用统计学方法和计量经济学理论分析金融市场和金融机构问题的能力。
本文从课程目标、教学内容和教学方法三个方面对《金融计量学》课程的教学进行思考。
一、课程目标《金融计量学》课程的主要目标是培养学生掌握基本的计量经济学理论和方法，培养学生在金融领域应用计量经济学进行数据分析和决策的能力。
具体包括以下几个方面：1. 理解和掌握统计学基础知识，包括概率论、数理统计和假设检验等。
学生需要具备熟练运用这些方法进行数据描述和分析的能力，以统计工具分析金融数据。
2. 熟悉计量经济学基本原理和假设，理解经济学的基本概念，如需求、供给、价格等。
学生还要掌握计量模型的构建和解释。
通过计量模型的应用，学生可以预测和解释金融市场、金融机构和金融政策等问题。
3. 培养学生熟练运用计量软件，如Eviews、Stata等，来进行数据处理和分析。
学生需要掌握这些工具的基本操作，能够熟练进行统计计算和模型估计。
4. 提高学生的数据分析能力和决策能力。
通过实际金融数据的分析案例，培养学生从实证研究中获取金融信息和洞察，以此为依据进行金融决策和风险控制。
二、教学内容《金融计量学》的教学内容应包括以下几个方面：1. 统计学基础知识。
包括随机变量、概率分布、抽样分布、假设检验等内容。
通过学习统计学基础知识，培养学生对金融数据的理解和描述能力。
3. 时间序列分析。
学生需要学会如何处理和分析金融时间序列数据，掌握时间序列模型的构建和预测方法。
4. 经济计量模型和回归分析。
学生需要学会构建和估计经济计量模型，掌握回归分析的基本方法和技巧。
5. 面板数据分析。
学生需要学会如何处理和分析面板数据，了解面板数据模型和方法，并能够应用于金融领域的实证研究。
三、教学方法在教学方法上，需要采用多种方式来帮助学生更好地理解和掌握《金融计量学》的理论和方法。
1. 理论与实践相结合。
金融计量学知识点总结 -回复
金融计量学知识点总结 -回复金融计量学是应用统计学和经济学的方法研究金融市场和金融机构的学科。
以下是金融计量学的一些重要知识点总结：1. 时间序列分析：金融计量学的核心是对金融数据进行时间序列分析。
时间序列分析用于研究金融市场价格、利率、汇率等变量的历史数据。
常用的时间序列分析方法包括平稳性检验、自相关分析、滑动平均等。
2. 随机过程：金融市场的价格和利率等变量往往是随机的。
金融计量学使用随机过程模型来描述这些随机变量的运动。
常用的随机过程模型有随机游走模型、布朗运动模型、马尔可夫模型等。
3. 风险度量：金融计量学中的风险度量是评估金融资产或投资组合的风险水平的方法。
常用的风险度量包括方差-协方差方法、价值极值法、风险价值法等。
4. 假设检验：金融计量学中的假设检验是用来验证经济学模型的统计显著性。
常用的假设检验方法有t检验、F检验、卡方检验等。
5. 金融计量模型：金融计量学使用经济学理论和统计学方法构建模型来解释和预测金融市场的行为。
常见的金融计量模型有CAPM模型、ARIMA模型、VAR模型等。
6. 金融时间价值：金融计量学中的时间价值是指金融资产或投资的现值和未来价值之间的关系。
常见的时间价值概念有现值、未来价值、年金、折现率等。
7. 市场效率：金融计量学研究金融市场的效率性，即市场价格是否反映所有可获得的信息。
市场效率分为弱式有效市场假说、半强式有效市场假说和强式有效市场假说。
8. 面板数据分析：金融计量学中的面板数据分析是对包含跨个体和时间维度的数据进行的分析。
面板数据分析可以用于研究个体的异质性、固定效应和随机效应等。
9. 高频数据分析：金融计量学中的高频数据分析是对以分钟或秒为单位的数据进行分析。
高频数据分析可以用于研究市场微观结构和价格发现等问题。
以上是关于金融计量学的一些重要知识点总结。
金融计量学的应用范围广泛，包括资产定价、投资组合管理、风险管理等领域，对于理解和预测金融市场行为具有重要意义。
一章金融计量学介绍
图1-2 Microfit 4.0主界面
14
图1-3 数据录入设定界面
15
图1-4 变量定义、修改窗口16图1-5 数据录入界面
17
2.命令窗口及绘图 图1-6 Microfit 命令窗口
18
图1-7 1962~1972年辞职率和失业率线性图
19
Scatter plot of QUIT on UNEMP 3.0
7
2.金融数据的特点 与一般宏观经济数据相比，金融数据在频率、 准确性、周期性等方面具有自己特有的性质： （1）金融数据可以更频繁地观察到，可用于计 量分析的数据观测值个数可以成千上万，数量 十分巨大； （2）金融数据一般都能在交易时准确记录下来； （3）金融数据一般也是不平稳的，但难以区分 金融数据序列的随机游走、趋势以及其他的一 些特征。
是按照一定的时间间隔对某一变量在不同时间 的取值进行观测得到的一组数据，例如每天的 股票价格、每月的货币供应量、每季度的GDP、 每年用于表示通货膨胀率的GDP平减指数等。
5
▪ 在分析时间序列数据时，应注意以下几点： （1）在利用时间序列数据回归模型时，各变量 数据的频率应该是相同的； （2）不同时间的样本点之间的可比性问题； （3）使用时间序列数据回归模型时，往往会导 致模型随机误差项产生序列相关； （4）使用时间序列数据回归模型时应特别注意 数据序列的平稳性问题。
6
▪ 横截面数据（Cross-sectional data） 是指对变量在某一时点上收集的数据的集合， 例如，某一时间点上海证券交易所所有股票的 收益率，2004年世界上发展中国家的外汇储备 等。
▪ 平行数据（Panel data） 是指多个个体同样变量的时间序列数据按照一 定顺序排列得到的集合，例如30家蓝筹股过去 3年每日的收盘价。
金融计量学
在西方经济中，一般认为金融计量学是指金融市场 的计量分析，特别是统计技术在处理金融问题中的 应用。
1.1.2 金融计量建模步骤
（一）、问题的概述
主要涉及金融或经济理论的形成，一般来自某种理论的认识或对某 种理论的假设，根据理论建立模型用数学公式表示出来。具体包括，选 择变量、确定变景之间的数学关系、拟定模型估计参数的数值范围。
(五)、模型的应用
当模型通过检验，结果获得合理的解释，步骤一的理论得到 支撑，就可以将模型用来检验步骤一提出的理论、进行预测或者 提出建议。金融计量学模型的应用很广，主要分为结构分析、金 融经济预测、政策评价和检验与发展经济理论。
金融数据的主要类型、
2
特点和来源
1.2.1 金融数据的主要类型
金融问题的分析中，主要有三类数据可供使用，时间序列数据、 截面数据、面板数据。
面板数据( panel data) 是指时间序列数据和截面数据相结合的数 据，即多个实体在多个时期内的观测数据。例如中国国内所有银行 过去3年的贷款数据、所有蓝筹股2010年到2015年每日收盘价等。
1.2.2 金融数据的特点 1、金融数据可以是低频的、高频的和超高频的。 2、相比宏观经济数据，金融数据统计错误和数据修正问题会较少。 3、金融数据特别是时间序列数据，一般都是不平稳的，较难区分是随机游走、
（二）、收集样本数据
建立金融计量学模型过程中最基础的工作，也是对模型质量影响极 大的一项工作。
（三）、选择合适的估计方法
根据模型提出的假设，建立的数学表达式，数据的类型选择一元回 归还是多元回归，选择单一方程还是联立方程。
（四）、模型的检验
在步骤三之后初步得到估计结果，需要进一步检验估计的结 果是否满足我们的需要，是否合理地描述数据，是否具有经济学 上的意义。一般检验包括三个方面：统计检验、计量经济学检验 以及经济金融意义检验。
金融计量学与经济预测
金融计量学与经济预测金融计量学是一门研究金融领域中的经济数据和统计模型的学科，它通过运用数学、统计学和经济学等方法手段来分析金融市场的行为和经济变量之间的关系。
这门学科的重要性日益凸显，因为它为投资者、政策制定者和经济研究人员提供了可靠的工具和技术，以预测未来的经济走势和金融市场的表现。
一、金融计量学的基本原理金融计量学的研究主要基于以下几个基本原理：时间序列分析、协整分析、方差平稳性检验和滞后阶数选择。
其中，时间序列分析是研究时间序列中变量之间相互依存关系的方法，主要通过建立统计模型来描述观测到的经济数据之间的关系。
协整分析是一种用于研究两个或多个时间序列之间的长期均衡关系的方法，可以帮助我们理解经济中的因果关系。
方差平稳性检验是为了检验时间序列数据是否具有稳定的统计特性，如果数据具有平稳性，则在模型估计和预测时更加可靠。
滞后阶数选择是用于确定时间序列模型中滞后项的数量，以确保模型具有良好的拟合能力和预测能力。
二、经济预测的方法与应用经济预测是金融计量学的重要应用领域之一，它通过对经济数据的分析和建模，来预测未来的经济发展趋势和市场表现。
常用的经济预测方法包括指数平滑法、回归分析、VAR模型和ARIMA模型等。
1. 指数平滑法指数平滑法是一种简单且易于使用的预测方法，它基于过去数据的加权平均来估计未来值。
指数平滑法适用于时间序列数据波动较小的情况，通常用于短期预测或作为其他方法的基准预测方法。
2. 回归分析回归分析是一种通过建立经济模型来预测变量之间关系的方法。
它基于历史数据和相关因素的变化来确定未来值。
回归分析可以通过控制其他变量的影响，来估计某一变量对经济发展的影响程度。
3. VAR模型VAR模型是向量自回归模型的简称，它可以同时估计多个变量之间的相互关系，从而用于经济预测。
VAR模型适用于变量之间存在相互影响的情况，可以反映出宏观经济系统中的内部结构和动态关系。
4. ARIMA模型ARIMA模型是自回归移动平均模型的简称，它是一种广泛应用于时间序列分析和预测的方法。
金融计量学个人实训报告
一、实训背景随着金融市场的日益复杂化和金融工具的不断创新，金融计量学在金融领域的重要性日益凸显。
金融计量学是运用数学和统计学的方法对金融市场进行分析、预测和决策的学科。
为了更好地理解金融计量学在金融领域的应用，提高自己的金融分析能力，我参加了本次金融计量学个人实训。
二、实训目的1. 掌握金融计量学的基本理论和方法；2. 学习运用金融计量学工具进行金融市场分析和预测；3. 提高自己的金融数据分析能力；4. 培养自己的实证研究能力。
三、实训内容1. 金融计量学基本理论（1）金融时间序列分析：学习了时间序列的基本概念、平稳性检验、自回归模型、移动平均模型等。
（2）多元统计分析：学习了主成分分析、因子分析、聚类分析等。
（3）回归分析：学习了线性回归、多元回归、非线性回归等。
2. 金融计量学软件应用（1）EViews：学习了EViews软件的基本操作，包括数据导入、模型估计、结果分析等。
（2）R语言：学习了R语言的基本语法，包括数据操作、图形绘制、统计分析等。
3. 实证研究（1）选取合适的金融市场数据，如股票市场、债券市场、外汇市场等。
（2）运用金融计量学方法对金融市场进行分析和预测。
（3）撰写实证研究报告。
四、实训过程1. 学习金融计量学基本理论首先，我通过阅读教材、参加讲座等方式，系统地学习了金融计量学的基本理论。
在理论学习的阶段，我重点掌握了时间序列分析、多元统计分析、回归分析等基本方法。
2. 金融计量学软件应用在掌握了金融计量学基本理论后，我开始学习EViews和R语言这两种软件。
通过自学和查阅相关资料，我掌握了EViews和R语言的基本操作，并能够运用这些软件进行金融市场分析和预测。
3. 实证研究为了提高自己的实证研究能力，我选取了我国股票市场数据作为研究对象。
首先，我收集了上证综指、深证成指、中小板指等数据，然后运用EViews软件对数据进行平稳性检验、自回归模型估计等。
接着，我运用R语言进行多元回归分析，以预测股票市场的未来走势。
金融类专业《金融计量学》课程教学思考
金融类专业《金融计量学》课程教学思考《金融计量学》是金融类专业的核心课程之一，旨在通过统计学方法和计量经济学理论应用于金融领域的实证研究，培养学生在金融数据分析和风险管理方面的能力。
下面我将就《金融计量学》课程的教学思考进行简要阐述。
一、强调理论与实践的结合《金融计量学》课程要紧密结合实际金融市场的需求和金融数据的特点，强调理论与实践的结合。
在课程教学中，要注重引入真实的金融数据和案例，通过学生实际操作和分析真实数据的方式，将理论知识与实际应用紧密结合起来。
可以邀请金融业界的专业人士进行客座讲座，分享他们在实际工作中的经验和实践，使学生能更好地理解和应用所学的知识。
二、注重数理方法的培养《金融计量学》是一门涉及到统计学和计量经济学方法应用的课程，因此对学生的数理方法的培养至关重要。
在课程教学中，要注重学生的数理基础知识的补充和强化，并引导学生掌握常用的统计分析方法和金融计量模型的使用。
要注重培养学生的数据处理和分析能力，引导学生动手分析实际金融数据，进行回归分析、方差分析和时间序列分析等。
三、开展团队合作和实证研究《金融计量学》课程的教学中，可以引导学生进行团队合作和实证研究。
通过将学生分成小组，让他们选择一个感兴趣的金融问题，并通过实证研究来回答这个问题。
在小组合作中，学生可以分享数据收集和处理的方法，共同分析和解读数据，互相补充和提升。
这样既可以培养学生的团队合作能力，又可以提高学生的实证研究能力。
四、开展综合评价和实践能力的考核《金融计量学》课程的教学中，要注重对学生综合能力的考核。
可以采用闭卷考试、开题论文、小组报告和实证研究等多种形式进行考核，从而全面评价学生在知识理论、数据处理分析和实际应用能力等方面的掌握情况。
还可以引入模拟交易和风险管理等实践环节，评估学生的实际操作能力。
《金融计量学》课程的教学应该重视理论与实践的结合，注重学生数理方法的培养，开展团队合作和实证研究，并进行综合评价和实践能力的考核。
《金融计量学》课件
VS
时间序列分析
对按时间顺序排列的数据进行统计分析， 探究时间序列数据的内在规律和变化趋势 。
概率论与数理统计
概率论
研究随机现象的数学规律，为金融计 量提供理论基础。
数理统计
利用样本数据推断总体特征，进行风 险评估和预测。
线性代数与矩阵运算
线性代数
研究线性方程组、矩阵和向量等数学对象，用于金融数据的 处理和分析。
参数估计与假设检验
参数估计
利用样本数据估计模型中的未知参数，常用方法包括最小二乘法、最大似然估计法等。
假设检验
对提出的假设进行统计检验，判断假设是否成立，常用的假设检验方法有t检验、z检验 、F检验等。
模型选择与模型检验
要点一
模型选择
根据数据特征和实际需求选择合适的计量经济学模型，如 线性回归模型、时间序列模型等。
高频数据与超高频数据的计量分析
01
时间序列分析
利用高频和超高频数据，进行时 间序列分析，研究金融市场的动 态变化和波动性。
02
03
微观结构分析
风险管理
分析市场微观结构，探究交易机 制、价格发现机制等，提高对市 场行为的认知。
基于高频和超高频数据，构建风 险管理模型，提高风险控制和预 警能力。
复杂网络与金融市场的结构和动态
详细描述
资产定价实证研究是金融计量学的重要分支之一，主 要关注资产价格的决定因素和变动规律。研究者通过 收集历史数据，运用统计分析方法，检验资产定价模 型的有效性，并探讨市场有效性问题。这些研究有助 于投资者更好地理解市场运作机制，制定合理的投资 策略。
风险管理实证研究
总结词
风险管理实证研究主要探讨如何运用金融计量方法进 行风险评估和管理。
金融计量学名词解释
金融计量学名词解释
1. 收益率（Return）: 表示我们的投资收益的变化量,通常用百分数表示。
计算公式为（资产终值-资产初值）/ 资产初值。
2. 波动率（Volatility）: 又称为标准差,是指对一组数据的波动程度进行衡量的统计学指标。
3. 夏普比率（Sharpe Ratio）: 是用于评价投资组合收益率的一种指标,它将投资组合的超额收益额与其波动性（风险）联系起来,即夏普比率=（投资组合收益率-无风险利率）/ 投资组合波动率。
4. 投资组合（Portfolio）: 投资人把金融资产按一定的比例和分配方案合理地组合起来,形成的总投资。
5. 期权（Option）: 是指一种在未来买卖某一标的物品的权利,该权利有特定的价格和日期。
6. 衍生品（Derivative）: 是指从另一个商品或者资产派生出来的金融工具,如期权、期货、掉期等。
7. 线性回归（Linear Regression）: 是指通过一条直线对数据进行拟合分析的方法,用于分析两个变量之间线性关系的程度,并从中预测出新的结果。
8. 非参数检验（Non-parametric Test）: 是用于数据不满足正态分布或方差齐性时的假设检验方法,如Mann-Kendall 检验、Kruskal-Wallis 检验等。
金融计量学
金融计量学《金融计量学》是以财务投资的应用数学模型来研究有效投资和风险管理的一种研究方法，它被广泛应用于金融市场和投资领域，是许多金融系统规划、决策和实施的基础性研究。
金融计量学包括市场价格理论、投资组合管理理论、风险投资管理理论和信用风险管理理论等等。
市场价格理论是基于定价原则，以及资产价格换手率作为衡量标准，根据资产价格换手率的变动，从而对资产的价格进行定价的一种理论。
投资组合管理理论是研究如何通过组合不同资产来构建有效的投资组合，以获得最优的投资收益。
风险投资管理理论是研究如何有效地控制投资风险，以获得最佳的投资回报率和风险比率，以及如何利用不同的策略投资。
信用风险管理理论是以贷款以及信贷的基础踩点，对信用风险的管理问题进行研究，比如如何发放贷款、如何控制贷款风险等等。
近年来，金融计量学的应用越来越广泛，在金融市场和投资领域发挥着重要作用。
它不仅可以帮助理财人对投资和风险管理有全面认识和把握，也可以帮助投资者更有效地把握投资机会，实现投资回报的最大化。
金融计量学的应用不仅局限于金融机构，而且它也是企业金融管理中非常重要的一部分，企业金融管理有时需要考虑风险，因此，金融计量学的理论和模型可以帮助企业从理财的角度来管理和控制风险。
此外，金融计量学也在国际贸易、现金流管理、国家储备管理等领域有着更广泛的应用，为获得更好的贸易机会、现金流管理和国家储备管理等提供了重要的科学依据。
综上所述，金融计量学是金融市场和投资领域非常重要的一种研究方法，它集成了市场价格理论、投资组合管理理论、风险投资管理理论和信用风险管理理论等等，可以帮助理财人、投资者、金融机构和企业控制投资风险、有效地把握投资机会，实现投资回报的最大化，也可以帮助实现其他更多的目标，如国际贸易、现金流管理、国家储备管理等。
因此，金融计量学可以被广泛应用于金融系统规划、决策和实施，是一门非常重要的科学研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
我国国债需求影响因素的实证分析摘要：根据年度数据建立我国国债发行规模的长期均衡和动态调整模型，对我国国债发行规模与相应经济变量之间的影响关系进行实证分析。
我国国债需求量是由财政赤字、国债还本付息额两个因素所决定，我国国债实际发行量向需求量进行调整的速度为0.75，即国债需求量与年初发行量之间的缺口有75%的部分在年度内得到调整。
说明我国国债还有一定的发行空间以满足经济快速发展的需要。
关键词：国债，适度规模，动态调整模型一、引言国债是以国家财政为债务人，以国家财政承担还本付息为前提条件，通过借款或发行有价证券等方式向社会筹集资金的国家信用行为。
自从1981年我国政府重新发行国债以来，每年国债发行的规模从数十亿元提高到数千亿元，国债发行累计余额在2000年就已突破1万亿元人民币，目前已超过2万亿元。
如此大的国债规模是否适度，国债市场的容量与空间还有多大，是当前财经研究方面的一个热点问题，也是国债研究的中心问题之一。
总体而言，对于国债发行规模的研究，可以分为定性和定量两大类研究方法，定性研究（规范研究）方法提供了很好的思想，但不能得出较为准确的数量结论。
现有的几种定量方法（实证研究）试图对国债发行规模进行比较准确的预测，但其方法的采用有待改善，预测的精度有待提高。
本文根据年度数据建立我国国债发行规模的长期均衡和动态调整模型，对我国国债发行规模与相应经济变量之间的影响关系进行实证分析。
二、实证分析与结果（一）我国国债的长。
期均衡模型国债规模的大小在客观上受到很多宏观经济因素的制约和影响，根据Granger因果检验的结果，本文得到与国债规模（C），具有长期的协整关系的四个影响因素，即财政赤字（FD）、信贷规模（L）、居民储蓄（S）和国债还本付息（PD）。
本文采用这四个因素作为国债规模回归模型中的解释变量，根据1 981～2003年的历史数据，运用OLS回归法，建立我国国债的需求模型。
运用Eviews3.1软件，建立回归方程，结果如表1所示：从回归系数上看，我国国债规模（C）与财政赤字（FD）、信贷规模（L）、居民储蓄（S）和国债还本付息（PD）都呈正相关关系。
其中，财政赤字和国债还本付息的系数最大，是影响我国国债规模的决定性因素，说明我国的国债需求很大程度上是为了弥补财政赤字和偿付国债本息，而不是以宏观经济政策为导向的市场主动选择的结果。
从回归效果上看，R2＝0.9994，拟合优度较好，财政赤字（FD）、信贷规模（L）、居民储蓄（S）和国债还本付息（PD）高；F值所对应的概率为0.0，说明回归模型整体拟合效果显著；由于模型的观测个数n＝23，解释变量个数k＝4，水平α＝0.05，查表可知D.W.的临界点为d1＝0.986，du＝1.785，而回归方程D.W.=1.84227，大于1.785，不存在一阶自相关；L、S系数的t检验值较小，所对应的概率分别为0.1724和 0.2041，均大于0.1的显著性水平，说明L、S对模型的解释能力不强。
因此，我们要对回归模型进行调整。
根据惯例，逐个剔除t检验值较低的变量。
经检验，若单独剔除L，会使S的t检验值所对应的概率显著增大，回归方程拟合优度降低；同样，若单独剔除S，会使L的t检验值所对应的概率显著增大，回归方程拟合优度也会降低。
因此，应将L、S两变量同时剔除，回归结果见表2所示：表2的回归结果显示，解释变量FD、PD的符号方向与调整前的一致，能较为合理地解释与国债规模的关系；拟合优度R2＝0.9987，说明在国债规模的变动中，有99.87%的变动是模型中解释变量的变化所引起的；t检验值所对应的概率均小于0.05的显著性水平，说明各解释变量作为个体对国债规模有较显著的解释能力；F=8289.02，所对应的概率为0.0，说明模型中所有的解释变量作为一个整体与被解释变量B的线性关系显著。
回归方程为：B＝44.28+1.028FD+0.99PD（1）回归方程的两个结论；1.影响国债发行规模的主要因素是财政赤字和国债还本付息。
人们长期以来普遍认为国内生产总值（GDP）是影响国债发行规模的主要因素，并且已经有人对此进行了回归建模分析。
但是，这种回归模型的有效性不高，一个重要原因在于：GDP虽然和国债发行规模之间具有较高的正相关性，但二者不是同阶单整，因此不具有长期的协整关系。
实际上，我国国债发行规模的确定在很大程度上是由当年的国家预算赤字和到期国债的还本付息决定的，结合本文前面的实证分析，很容易得出真正与国债发行规模有较强因果联系的因素是财政赤字和国债到期还本付息这两个因素。
2.振兴财政与提高“两个比重”刻不容缓。
财政赤字和国债还本付息与国债发行规模的因果关系最为紧密，这从侧面说明我国财政对于国债的依赖过于严重，国债的发行很大程度上是用来弥补财政赤字和偿还国债本息，而不是用于国家的长期经济建设。
国家财政之所以出现很大的财政赤字，无力偿还到期国债，这一方面与我国目前的财政收入占国内生产总值的比重偏低有关，另一方面也说明我国中央财政实力不是很强，因此振兴财政，提高“两个比重”是很迫切的。
如果假定国债的实际发行量与需求量是一致的，那么上述回归方程就是国债需求函数的均衡方程，否则上述所拟合的回归方程就不能代表需求方程，它只是我国国债发行量的回归方程。
因为国债的实际发行量与需求量一致是很偶然的，大多数年份实际发行量和需求量是不一致的，所以必须对上述方程进行动态调整，才能得到我国国债发行规模的实际需求模型。
（二）我国国债适度规模的动态调整模型动态调整模型也称为局部调整模型，是非均衡模型中最简单的一种，其模型如下：Bt-Bt-1＝θ（Bt*-Bt-1）（2）其中，B*t是第t期国债需求量或意愿水平，Bt和Bt-1分别是第t期和第t-1期国债实际持有量，θ是调整速度。
假定我国第t期的国债需求量B*t是确定的，并且政府总是打算弥补期初实际持有Bt-1量与这一需求量间的缺口，但由于受国债调整成本及其他一些因素的影响，一国在第t期内不大可能将期初实际水平Bt-1调整到本期需求水平或意愿水平B*t，因而本期的实际水平Bt只是作局部调整，调整速度为θ。
均衡模型假定实际持有量就是需求量，即θ=1，那只是这里所讨论模型的一种特殊情况；B*t-Bt-1>0，表示期初的国债发行量不足以满足该期的需求；B*t-Bt-1<0，表示期初的国债发行量超过了该期的需求量。
根据动态调整模型确定需求函数可以避免用实际持有量代替需求量，但需要得到国债需求的均衡模型。
由于一国的国债实际发行量在一定程度上是国债需求的客观反映，所以根据前文所确定的国债需求的均衡方程（1），我们可以设定我国国债的需求模型具有下列形式：B*t＝α0+α1FDt+α2PDt+εt（3）其中，B*t表示我国国债需求量，这是不可直接观察的；εt是随机扰动项；FDt、PDt分别为财政赤字、国债还本付息额。
假定我国国债的实际发行量与需求量之间满足下列动态调整模型：Bt-Bt-1＝θ（B*t-Bt-1）+μt （4）将关系式（3）代入（4），经整理后可得Bt＝θα0+θα1FDt+θα2PDt+（1-θ）Bt-1+θμtεt（5）根据国家国债发行的年度数据对模型（5）进行估计，结果见表3所示：由表3可知，回归方程为：Bt＝39.98+0.77FDt+0.81PDt+0.25Bt-1（6）根据以上的回归结果可知，回归模型（5）符合OLS的要求，具有良好的统计属性，具备一定的说服力。
因此，本文将回归方程（6）作为模型（5）的最后估计结果。
比较模型（6）和（5）得：θα0＝39.98 θα1=0.77 θα2＝0.81 1-θ=0.25可解出各个参数值为：θ＝0.75 α0=53.31 α1＝1.03α2=1.08将上述参数的估计值代入（3）式，即可得出我国外汇储备的需求模型：B*t＝53.31+1.03FDt+1.08PDt（7）同时，我国国债的动态调整模型为：Bt-Bt-1＝0.75（B*t-Bt-1）（8）由（7）式可以看出，我国国债需求量是由财政赤字、国债还本付息额两个因素所决定，并且都与国债需求量呈正相关。
由（8）式可知，θ＝0.75，也就是说我国国债实际发行量向需求量进行调整的速度为0.75，即国债需求量与年初发行量之间的缺口有75%的部分在年度内得到调整。
这说明我国国债还有一定的发行空间以满足经济快速发展的需要。
根据我国国债需求模型（7）可以算出1990年以来我国国债需求量，再与当年实际发行量相比，可以得出各年度我国国债发行的缺口，如表4所示：三、结论本文采用动态调整模型这种非均衡方法间接地估计了我国国债的需求模型，并找出了国债实际发行量与适度规模之间的动态关系。
1.随着我国经济的不断增长、经济开放程度的不断提高，我国国债的发行规模基本是适度的，没有超过国民经济的承受能力。
1990年的国债发行缺口是34.02亿元，到2002年这一缺口达到386.48亿元，1990年至2003年的国债发行平均缺口达137.99亿元。
这说明我国的国债政策是稳健的，国债发行规模的大幅增加是为了适应国民经济快速发展的需要。
我国国债实际发行量与需求量之间存在缺口，除1993年国债实际发行量略高于需求量之外，其他年份国债实际发行量均低于需求量，但缺口数量并不是很大，所以说我国国债的发行规模和我国经济的发展基本上是相适应的，国债规模基本适度。
2.我国国债还有发行的空间，国债政策依然是有潜力的。
我国国债规模逐年大幅度增加，一些经济学家和政策制定者们开始担心国债规模扩张给国家财政带来风险。
但我们不能据此片面理解控制国债规模，甚至走向淡化国债或消灭国债的极端。
中国财政每年出现财政赤字难以避免，作为一个发展中国家，实体经济和金融经济的发展在很大程度上也都依赖于政府的推动，而发行国债是政府推动国民经济发展的一项重要举措。
由此可见，我国政府应该按照我国国民经济的发展状况来安排适度的国债规模，及时调整实际发行量和需求量之间的缺口，以保证我国宏观经济正常运行，实现经济的内外均衡。
3.我国国债发行空间并不是很大，所以国债规模也不能盲目扩张，要注意风险的防范。
今后一段时间，如果我国能一方面通过优化国债的使用结构，提高具体国债投资项目的经济效益，扩大国债投资对经济总量的乘数效应；另一方面通过财政体制和税收体制改革，控制财政赤字规模的扩大，那么我们更有理由相信：随着我国经济的健康稳定增长，我国政府将有能力保持适度的国债规模，并且完全可以避免因国债规模失去控制而导致的债务危机。