LPR调整的分析研究

一、引言

2023年2月24日央行发布《2022年第四季度中国货币政策执行报告》，报告内容指出LPR进一步调整降低，企业融资环境进一步优化。而LPR作为2020年1月1日后央行规定的贷款合同利率定价指标，在我国信贷和融资市场具有重要意义，因此本文通过CPI、PPI以及PMI等指标数据采用逻辑分析的方法研究LPR的调整规律，为企业的信贷和融资提供一定的参考作用

二、什么是LPR

LPR英文全名为“Loan Prime Rate“，中文原名为“贷款基础利率“，其正式发布于2013年10月，但是发布后LPR因为市场化程度不高、代表性不足、运用不足等情况，导致LPR未受到银行的重视，其变动长期伴随则贷款基准利率变动而变动，无法有效反应市场贷款利率的变化。因此央行在2019年8月按照市场化要求改革和完善LPR的形成机制，建立了LPR与MLF相挂钩的机制，并发布公告规定贷款合同的定价需建立在LPR的加点调整上，且将LPR的运用情况纳入银行宏观审慎评估(MPA)考核，使其逐步替代贷款基准利率的作用，同时LPR的报价银行由只有前10的全国性银行，到现在的再新增8家不同领域规模的代表性银行（2家城商、2家农商，2家外资，2家民营），并将LPR的中文名改为现在的”贷款市场报价“。

最终LPR现在是以18家报价行，在MLF利率基础上，根据自身最优质客户的情况进行加点形成的报价,且以0.05个百分点为步长进行报价，而LPR价格则是通过计算各报价行报价的算术平均值后，向0.05%的整数倍取整取得的。

三、LPR的变动趋势

图一 1年期和5年期LPR趋势图

根据2022年第四季度的中国货币执行报告内容可知，2022年我国经济仍受新冠肺炎疫情、地缘冲突加剧、世界经济下行风险等多方面因数影响，使需求收缩、供给减少、经济预期转弱。对此央行依然把稳经济放在首要地位，并坚持发挥结构性货币政策工具，引导货币信贷和社会融资规模稳定增长，因此LPR在2022年仍保持至2019年LPR市场化改革以来的持续下降趋势。

同时在报告的末尾，央行认为我国通胀水平总体保持温和，认为有效需求仍是我国经济恢复过程中的主要矛盾，我们相信央行会如2022年一样，继续发挥货币政策工具，保持信贷和社会融资规模的合理增长，因此我们有理由相信在2023年LPR有进一步下调的空间

四、影响LPR的变动因数

LPR报价机制是挂钩于MLF，因此影响LPR的因素主要经济增长水平和通胀水平，同时通过执行报告内容可知，央行对于货币政策的调整，主要是围绕通胀和经济状况这两个方面进行的，因此为了研究LPR的变动因数，我们选取了CPI、PPI以及PMI这三个主要经济指标，来对LPR变动进行研究，而因为1年期LPR与5年期LPR变动频率和趋势相近，因此我们选取1年期的做为研究对象。

图二 CPI PPI PMI 趋势和LPR的比较图

从图二中我们可以观察到，除部分极端情况外，三个指标都是呈现区间波动的形态，同时也可以看到LPR每次调整，往往三个指标都有大幅变动的情况，因此我们选定CPI、PPI、PMI作为自变量，去分析LPR的调整事件。

五、1年期LPR变动指标

我们假设一个变动指标1year_change，该指标用来表示1年期LPR发生变动（本月与上月LPR值不同）的情况，该值为1，则表示1年期LPR发生调整，当值为0，则表示1年期LPR未发生调整，然后将每个月数据汇总起来形成LPR变动数据。

 图四 LPR变动分析图

从图四我们可以了解到，从2019年7月至2023年2月，央行共发布了43次LPR数据，其中有6发生了调整，而且每次都是下调。而我们根据80%原则，将数据的前80%作为模型训练的训练集，而后20%作为模型效果检验的测试集

六、Logistic回归方程介绍

Logistic回归是一种二元分类算法，主要用于预测离散变量的取值。它的基本思想是根据现有数据对分类边界线建立回归公式，以此作为分类依据。

Logistic回归中使用的是逻辑函数（logistic function），也称为sigmoid函数，它的取值范围在0到1之间。将逻辑函数应用于分类问题时，我们将其输出解释为“事件发生的概率”，因此可以用它来预测事件发生的可能性。

Logistic回归的模型一般表达式为：

其中x1,x2,…xp为自变量，a1,a2,…ap为自变量的系数，b为截距系数

1年期LPR的Logistic回归模型的函数计算分析

我们选择CPI，PPI，PMI作为Logistic回归模型的自变量，而1year_change为因变量，并利用Python对其计算求出Logistic回归模型下CPI、PPI和PMI的系数，以及截距b的系数

图五 CPI PPI PMI 的Logistic回归分析结果

从Logistic回归分析结果中，在置信度5%的情况下，我们可以发现，模型通过了似然比检验（Likelihood Ratio Test），但CPI和PMI的偏回归系数 P值大于0.05，表明未通过Wald检验。则表明对于这两个的系数而言，无法拒绝原假设，即无法拒绝其偏回归系数等于0的可能性，这表明了 CPI和PMI的偏回归系数在模型中不显著，对模型的预测能力不具有重要影响。

在指定数据规模下，我们无法直接判断CPI 和PMI是因为自变量间存在多重共线，还是因为CPI与PMI与LPR变动并无明显关系而导致偏回归系数无法通过Wald检验，对此我们采用分别组合回归的方式，来判断CPI，PPI和PMI间是否有存在多重共线的性。

各自变量组合回归分析P值（置信度：5%）
自变量	偏回归系数检验P值
CPI	CPI:0.534
PPI	PPI:0.033
PMI	PMI:0.253
CPI,PPI	CPI:0.076 ,PPI: 0.022
CPI,PMI	CPI:0.936 ,PMI:0.277
PPIchange,PMI	PPI:0.054,PMI:0.313

从各组合分析中看出，在没有其他自变量情况下，CPI和PMI的偏回归系数仍无无法通过Wald检验，同时将其与其他自变量进行组合时，也仍无法通过检验，因此我们可以认为，在Logistic回归分析中，CPI与PMI与因变量LPR变化并无显著性影响，因此我们只取PMI作为唯一自变量进行分析，并计算其在LPR的Logistic回归分析中的系数值。

图五 PPI 的Logistic回归分析结果

从回归分析的结果可以看到，在置信度5%情况下，模型的整体通过了似然比检验（Likelihood Ratio Test），同时PPI的偏回归系数和截距系数都通过了Wald检验，模型成功通过统计上的检验。

因此LPR变化的Logistic回归分析模型为：

七、检验模型预测的有效性

LPR变化模型虽然成功通过统计检验，但是我们仍需要检验模型预测的准确度，以确保模型具有实际作用。

在Logistic回归模型中，如果P(xi)的值大于0.5，我们则认为事件发生，如果P(xi)的值小于等于0.5，则认为事件未发生

因此我们定义两个指标来判断模型预测的准确度准确度：通过测试集中的数据与预测数据进行比较，将预测准确的事件数除以总体事件总数，以此来判断预测正确事件在总体中的占比

关键事件精度：因为我们更加关注当LPR调整时，我们的模型是否能成功预测到调整，因此我们将调整发生事件的预测成功次数，除以调整事件的次数，以此来判断对于关键事件预测准确度

图六 测试集中实际事件与预测事件情况

由上图我们可以知道，在测试集中共有10个LPR事件，其中有1个LPR事件为关键事件，LPR发生了调整，而LPR的回归预测模型，成功预测了9个事件，而对于唯一的一个关键事件也预测正确。

因此我们算出该模型总体精度为90%，关键事件精度为100%，这说明该模型预测效果良好，具有一定的现实意义

八、模型预测：

图八 PPI的时间序列分析预测图

通过时间序列分析，我们对未来三个月的PPI进行预测，得出预测值，利用该预测值来预测未来三个月LPR变动的情况，并得到下表：

未来三个月LPR调整预测值
时间	调整发生概率P(X)	LPR是否调整
2023年3月	0.151323439	N
2023年4月	0.169710756	N
2023年5月	0.167402548	N

从预测情况可知，模式预测未来三个LPR并不会发生调整，而根据测试集中的准确度，这个判断的具有72.9%的可靠性

九、总结分析：

1.LPR调整的临界点为PPI=99.093，PPI小于99.093则会大概率发生调整

我们发现在我们开始选定的三个指标中，LPR的调整仅与PPI有关，因此模型预测值变动全部源于PPI的变动，所以我们将模型简单理解为，PPI的值决定了LPR是否会调整。

我们根据回归模型的函数表达式，可以算出在以P(X)>50%作为LPR调整标准下， PPI的临界点约为99.093，PPI大于99.093则LPR不会发生调整，PPI小于99.093则LPR发生调整。

 图八 以PPI=99.093为LPR调整临界点的分析图

从图八中我们可以发现，至2019年7月以来，除2019年的9月和10月的两次LPR调整外，其余的LPR调整都是发生在PPI值出现小于99.093月份或附近，因此当PPI跌至99.093以下或附近时，LPR可能会发生调整，以此来刺激经济的持续发展。

2.LPR调整主要是受经济发展水平的影响，调整目标仍主要为刺激经济

从图八中我们也可以发现，至2019年7月以来，所有LPR调整都是发生在PPI小于100的情况下进行的，且每次调整都是下调LPR来降低企业的信贷和融资成本，同时持续性的下调以及相对于其它经济体的利率水平，我们可以预估在未来的一段事件内，LPR仍具有下调空间，而央行也会继续利用货币政策来刺激经济的持续发展

3.CPI并未影响LPR的决策，央行认为通胀水平仍处于可接受范围

在Logistic模型回归的分析中，我们发现CPI对于LPR的调整并无显著性的影响，这印证了执行报告中，央行认为的通胀水平总体保持温和，因此央行未就CPI变动而去调整LPR的变动，其目标仍专注于维持经济的平稳发展上

4.未来3个月LPR预计不会发生调整，1年期和5年期的LPR将维持原有水平

通过时间序列分析，我们预测了未来3个月的PPI值，而这PPI的预测值全部远高于99.093的调整临界点，因此我们有理由相信在未来3个月内LPR并不会发生调整，而是保持原有的LPR值，直至市场消化完掉上次LPR调整的所带来的刺激效应，如果未来经济得到强劲复苏，则LPR可能会维持如2021年时长时间稳定，若是国内经济及世界经济回复疲惫，则LPR可能在短期内迎来新的下调