余额宝收益率的影响因素分析及预测研究.docx

学校代码： 10286
分类号： F830
密 级： 公开
U D C ： 336
学 号： 131841

余额宝收益率的影响因素分析与预测研究

研究生姓名： 白洁
导师姓名： 何建敏

申请学位类别 管理学硕士
学位授予单位 东 南 大 学
一级学科名称 管理科学与工程
论文答辩日期 2016年1 月 16日
二级学科名称 金融工程
学位授予日期 20 年 月 日
答辩委员会主席 教授
评 阅 人 教授

教授
2016年1月16日

硕士学位论文

余额宝收益率的影响因素分析与预测研究

专 业 名 称： 管理科学与工程

研 究 生 姓 名 ： 白洁

导 师 姓 名 ： 何建敏 教授

摘要
Researches upon the Factors of Yu-Ebao Returns and Its Prediction

A Thesis Submitted to
Southeast University
For the Academic Degree of Master of
Management

BY
Bai Jie

Supervised by
Professor
HE Jian-min
School of Economics and Management
Southeast University

January 2016

东 南 大 学 学 位 论 文 独 创 性 声 明

本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

研究生签名： 日期：

东 南 大 学 学 位 论 文 使 用 授 权 声 明

东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。

研究生签名： 导师签名： 日期：

摘要
当前互联网金融的快速发展引起了社会各界的高度关注，余额宝作为它的一个创新产品，以高收益率、强灵活性和低门槛等优势开创了一个全民理财的新环境，有力地加快了利率市场化的步伐。以余额宝为代表的互联网金融产品正在革命性地改变着传统金融的面貌，尤其是在移动支付、资源平台、大数据和搜索引擎等方面，极大地改变了人们的商业习惯，给用户带来了无限惊喜，给商业银行造成了巨大影响。截至2014年12月底，余额宝规模达到5789亿元，不仅成为我国规模最大的货币基金和公募基金，也是全球第4大货币基金。因此，对余额宝收益率的影响因素和预测分析进行研究具有重大的时代意义。
本文提出了基于EEMD分解的余额宝收益率分析方法，分别是基于EEMD-VAR的余额宝收益率影响因素研究方法和基于EEMD-GARCH的余额宝收益率预测研究方法。首先，运用EEMD技术将余额宝收益率原始序列分解成若干个不同频率的分量（包括若干个本征模函数和一个剩余分量），并根据t-检验重组成高频分量、低频分量和趋势分量，分别对应的是市场波动项、重大事件影响项和趋势项；然后,分别对引起这三大项变动的可能影响因素进行定性分析，并与导致余额宝收益率发生明显变化的实际事件相结合，对影响因素进行量化。随后,通过VAR模型对余额宝收益率与其各项影响因素之间的长期均衡关系和短期波动模式进行实证研究。结果表明：1)余额宝收益率与其影响因素间所构成的关系系统是稳定的；2)银行间同业拆借利率和广义货币供应量对余额宝收益率的影响程度和方差贡献度最大，表明国内市场资金面和货币政策的松紧程度对余额宝收益率的变动起着重要作用；3)汇率水平和银行存贷比均与余额宝收益率呈负相关，但影响程度并不显著。
由于余额宝收益率是非线性和非平稳的时间序列，所以精确预测余额宝收益率是一项有挑战性的工作。传统的统计学模型建立在数据是线性的假设之上，很难捕捉到隐藏在余额宝收益率序列中的非线性模式，通常不能得到精确的预测结果。GARCH模型是专门针对金融数据量体定做的回归模型，特别适用于收益率波动性的分析和预测。但由于模型复杂程度约束和信息冗余度的影响，尤其是对于非平稳、非线性的余额宝收益率来说，单一预测方法往往仅能兼顾一些主要影响因素，使得预测精度有所下降。因此，针对余额宝收益率预测问题，本文提出一种基于EEMD（集成经验模式分解）和GARCH(广义自回归条件异方差)的非线性组合预测方法。该方法运用EEMD技术将余额宝收益率原始序列分解成若干个不同频率的分量，并重组成高频、低频和趋势分量，分别代表市场波动价格、重大事件价格、趋势价格；针对此三个序列，构建不同的GARCH模型分别进行预测，得到各序列预测值后进行加总得到EEMD-GARCH的预测值，再与通过单一GARCH建模的余额宝收益率原始预测值进行比较分析；结果表明EEMD-GARCH预测效果比GARCH模型好。
总体来说，本文另辟蹊径，提出EEMD-VAR结构来研究余额宝收益率的影响因素，结合定性定量分析，从数据实证的角度全面深入地剖析余额宝收益率的关键影响因素。这不仅可以很好地解释它高低波动的内在原因，可以为市场各参与者提供良好的投资决策参考，对其未来走势的判断和风险控制也具有重要的理论价值和实践意义。
关键词：余额宝收益率；影响因素；EEMD-VAR；EEMD-GARCH
Abstract
The current rapid development of Internet financial has caused high attention from all sectors of community. Yu Ebao, as one of its innovative products, has created a new environment of universal financial with its high yield, strong flexibility, low threshold and other advantages, accelerating the pace of market-oriented interest rate greatly. Represented of Yu Ebao for Internet financial products is changing the face of traditional financial revolutionary, especially in mobile payment, resource platform, big data and search engines, etc., which has greatly changed people's business practices, bringing infinite surprise to users and making great influence on commercial banks. Up to the end of December 2014, the scale of Yu Ebao has reached 578.9 billion yuan, not only becoming the largest monetary funds and public funds, but also the world's fourth-largest monetary fund. Therefore, to study the influence factors and forecast analysis of Yu Ebao Returns is of great significance.
This thesis proposed a different Yu Ebao correlation analysis method based on EEMD decomposition, which were the study of the influence factors of Yu Ebao Returns based on EEMD-VAR and the forecast study of Yu Ebao Returns based on EEMD-GARCH. First, the Yu Ebao Returns series were decomposed into several components (including a set of intrinsic mode functions and a Residual component) with different frequencies by EEMD, then recombining them into high frequency, low frequency and residual components according to the t-test, respectively corresponding to market fluctuation, major events and trend components. Next, qualitative analysis were made about the influence factors of the big three changes, combining Yu Ebao Returns with actual events causing significant changes and quantifying the influence factors. Then empirical research was made through VAR model on the long-term equilibrium relationships and short-term fluctuation situations between Yu Ebao Returns and its various affecting factors. The results showed that: 1) The system consisting of Yu Ebao returns and its influential factors is stable;2) The Interbank lending rates and the broad money supply have the largest influencing degree and contribution on the Yu Ebao Returns, showing that the tightness degree of domestic market financing level and monetary policy are the most important affecting factors of Yu Ebao Returns; 3) Exchange rates and the bank loan ratio are negatively correlated with Yu Ebao Returns, but the impact is not significant.
It is challenging to predict Yu Ebao Returns because Yu Ebao Returns series are non-linear and non-stationary. The traditional statistical models are built on the linear assumption, so it is difficult to capture the non-linear model hidden in the Yu Ebao Returns sequence, thus it is difficult to get the accurate prediction of Yu Ebao Returns. GARCH model was the regression model created specifically for the financial data quantity body custom, particularly applicable to the volatility analysis and forecasting of different kinds of returns. But because of the constraint of model complexity and the impact of information redundancy, especially for non-stationary and non-linear Yu Ebao Returns, a single forecasting method often can only focus on some main influence factors, thus making the prediction accuracy drop down. Therefore, in view of the prediction problem of Yu Ebao Returns, this paper proposes a nonlinear combination prediction method to combine EEMD (Ensemble Empirical Mode Decomposition) and GARCH (generalized autoregressive conditional heteroscedasticity).This method applies EEMD to decompose the Yu Ebao Returns series into several components with different frequencies, which are then composed into three subseries according to their frequency level, namely high frequency, low frequency and the trend frequency. The three new sequences represent the market fluctuation price, major event price and trend price respectively. Different GARCH models are constructed for the three new sequences to predict the final value of each sequence respectively, and the final predictive value of EEMD-GARCH can be obtained via the aggregation of the three predict values above. At last, by comparing and analyzing the EEMD-GARCH value with the single GARCH model value, the result shows that EEMD-GARCH method has higher prediction accuracy than single GARCH model.
In general, this paper put forward a different approach--the EEMD-VAR structure to study the influence factors of Yu Ebao Returns, combining with the qualitative analysis and quantitative comprehensive. Then decompose the key factors affecting Yu Ebao Returns in-depth from the perspective of empirical data analyses. This can not only explain the reasons causing the high and low fluctuation of Yu Ebao Returns and provide good investment decision-making reference for the market participants, but also has important theoretical value and practical significance for the judgment of its future trend and risk control.
Key words: Yu Ebao Returns; Influencing Factors; EEMD-VAR; EEMD-GARCH
VI

目 录
目 录
摘要 III
目 录 VII
第一章 绪论 9
1.1研究背景与研究意义 9
1.1.1研究背景 9
1.1.2研究意义 10
1.2研究综述 11
1.2.1余额宝研究综述 11
1.2.2 收益率影响因素分析方法研究综述 11
1.2.3收益率预测方法研究综述 13
1.3本文研究框架 14
1.3.1主要内容 14
1.3.2研究方法 15
1.3.3研究思路 16
1.4本文创新之处 16
第二章 余额宝理论分析 17
2.1运作流程分析 17
2.2投资对象分析 18
2.3相关特点分析 19
2.3.1 优势分析 19
2.3.2 弊端分析 20
2.4发展前景探讨 22
2.5本章小结 23
第三章 基于EEMD-VAR的余额宝收益率影响因素实证研究 24
3.1 EEMD-VAR模型介绍 24
3.1.1 EMD方法原理 24
3.1.2 EEMD方法改进原理 25
3.1.3 VAR方法原理 26
3.1.4 EEMD-VAR模型构建 26
3.2 余额宝收益率影响因素的实证研究 27
3.2.1 EEMD分解 28
3.2.2 余额宝收益率影响因素分析 29
3.3 VAR实证分析 31
3.3.1数据处理与平稳性检验 31
3.3.2格兰杰因果检验 32
3.3.3 VAR模型与脉冲响应函数 32
3.3.4方差分解 34
3.4本章小结 35
第四章 基于EEMD-GARCH的余额宝收益率预测研究 36
4.1 EEMD-GARCH模型介绍 36
4.1.1 GARCH预测模型 36
4.1.2 EEMD-GARCH模型构建 37
4.2 EEMD-GARCH模型拟合预测 37
4.3预测效果对比分析 37
4.4本章小结 38
第五章 研究结论与展望 39
5.1研究结论 39
5.2研究展望 40
致 谢 42
参考文献 43
攻读硕士学位期间发表的论文及参加的科研项目 46

52

第一章 绪论 Error! Reference source not found.
第一章 绪论
1.1研究背景与研究意义
1.1.1研究背景
2013年被称为中国的“互联网金融”元年，其中较关键的，就是以“余额宝”为代表的互联网理财产品的横空出世。当前互联网金融的快速发展引起了社会各界的高度关注，余额宝作为它的一个创新产品，以高收益率、强灵活性和低门槛等优势开创了一个全民理财的新环境，有力地加快了利率市场化的步伐。以余额宝为代表的互联网金融产品正在革命性地改变着传统金融的面貌，尤其是在移动支付、资源平台、大数据和搜索引擎等方面，极大地改变了人们的商业习惯，给用户带来了无限惊喜，给商业银行造成了巨大影响。2013年6月13日，国内最大的第三方支付平台支付宝与天弘基金管理公司合作，共同推出了一款互联网金融创新产品——“余额宝”。用户只需将支付宝账户内的余额转入“余额宝”账户中便已购买了天弘基金的“增利宝”货币基金，可按天享受收益；同时“余额宝”内的资金还可随时用于消费、转账等支出。
凭借强大的网络优势和便利的“碎片化理财”方式，“余额宝”在推出短短18天内即拥有250万用户，成为国内用户最多的货币基金。至2014年4月底，余额宝用户已超过8100万，累计申购的货币基金则超过5000亿元，成为我国规模最大的公募基金和货币基金[[]王崇志.“余额宝”的经济学思考[J].经济研究导刊,2013,16(32):12-13.
]；至2014年12月底，余额宝规模达到5789亿元，成为全球第4大货币基金，其发展态势见表1。作为一支基于互联网创新的T+0货币基金，余额宝在安全性与流动性上的表现与活期存款接近，在收益性上的表现却比活期存款高出许多，这造成了大量的“存款搬家”。 央行数据显示，2014年1月商业银行存款骤降 9402亿元，其中大量的短期存款被各类“宝宝们”分流稀释。2012 年公布的《金融业发展和改革“十二五”规划》认为，可通过开发替代性金融产品来探索利率市场化的路径，余额宝生逢其时。余额宝正以其较高的收益率在悄悄地影响着利率市场化的进程，受到了各领域学者和专家们的广泛讨论。一方面，利率市场化改革已从皆大欢喜的增量改革进入痛苦博弈的存量改革阶段，自上而下的推动十分迟缓；另一方面，余额宝作为“新生物种”，集结了“民间力量”，可以由外而内、自下而上地释放鲇鱼效应，倒逼利率市场化。马云曾经豪言：“如果银行不改变，我们就改变银行!”此外，自余额宝运行成功后，其他互联网巨头们也陆续推出了各自的互联网理财产品，如百度理财的百发、百赚，网易理财的现金宝，苏宁的零钱宝，腾讯微信的理财通等。与此同时，各大银行也不甘示弱，奋起反击，纷纷推出了类似的理财产品，例如广发银行推出的“智能金账户”、交通银行推出的“快溢通”、平安银行推出的“平安盈”、民生银行推出的“如意宝”、兴业银行推出的“掌柜钱包"、中行推出的“活期宝”、工行推出的“现金宝”等。
因此，研究余额宝收益率的主要影响因素，并对它进行准确的预测，不仅有利于各个市场参与方做出正确的行动决策，还能为更多的“余额宝类产品”的收益率研究提供参考。
表1-1 余额宝发展态势表
时间 发展过程
2013-06-13 余额宝成立，募集规模2亿元
2013-11-14 余额宝规模超1000亿元，成为国内首家千亿公募基金
2013-12-31 余额宝规模超1800亿元，成为我国规模最大的货币市场基金
2014-01-30 余额宝规模超2500亿元，位于国内单只基金之首
2014-6-30 余额宝规模超5700亿元，成为全球第4大货币基金
1.1.2研究意义
作为当前国内互联网金融最成功的案例，以余额宝为代表的互联网理财产品对国内的金融市场产生了巨大的影响，同时加速了国内的利率市场化进程。余额宝有着互联网金融形式和传统金融的本质，是介于两者之间的过渡形式，它的盛极一时，可以看作是对银行金融业改革的引领与倒逼。它给传统金融提供了一个新的发展方向，即将科技应用在金融领域，给消费者提供了更多的选择，更透明、更及时化的理财方式。然而目前，市场对余额宝等金融产品可能带来的风险议论纷纷，主要是针对该类产品可能带来的流动性以及价格波动等风险，尤其是在央视证券资讯频道执行总编、首席新闻评论员钮文新（2014）发表了《取缔余额宝！》一文之后，更是人声鼎沸。他指出余额宝是趴在银行身上的“吸血鬼”，坐收 2%的利润，严重干扰了利率市场和银行流动性，严重拉高了实业企业融资成本，从而加剧金融和实业之间的恶性循环，建议取缔余额宝。再加上，可谓是余额宝先驱的美国eBay旗下开发的支付宝类ayPal----世界上第一只互联网货币市场基金，在2011年7月份正式宣告倒闭，不禁令人担忧余额宝的未来是不是也要重蹈覆辙。因此，本文选择对余额宝收益率的影响因素进行研究并对其进行短期预测，在当下这个历史节点，有着其与时俱进的、足够创新的历史价值。
(1)首先，本文从余额宝收益率的影响因素出发，对引起其变动的关键因素进行定性定量分析，这不仅可以很好地解释它高低波动的内在原因，对其未来走势的判断和风险控制也具有重要的理论价值和实践意义。
(2)其次，本文还对余额宝收益率的短期预测进行实证研究，这不仅可以为市场各参与方和投资者提供良好的决策参考，还可以为日后我国其他互联网金融产品的预测和研究起到一定的参考和借鉴作用。
1.2研究综述
本节主要围绕三个方面来进行文献综述:①目前国内学者对余额宝这一新鲜事物的研究成果阐述；②国内外学者针对收益率这一特殊经济变量的影响因素分析方法的文献综述；③国内外学者针对收益率这一特殊经济变量的预测模型的文献综述。
1.2.1余额宝研究综述
从国内现有文献研究来看，不同学者从不同角度对余额宝进行了较为深入的研究，具体可概括为：①余额宝的创新特点。刘晖(2014)[[2]刘晖,王秀兰.基于T+0模式的互联网金融产品研究——以余额宝为例[J].生产力研究,2014, (2):55-57.
]基于余额宝的T+0运作模式分析了其两方面创新优势，即支付宝提供的巨大资源空间以及高流动性和高收益的产品定位；刘东(2014)[[3]刘东.互联网金融新模式之余额宝的发展与监管[D].上海:华东政法大学,2014.
]认为余额宝的特点在于其起购资金低、透明度高以及顺应我国特殊市场条件下类似“团购发起人”的创新运作模式；陈思迪和肖康元(2014)[[4]陈思迪,肖康元.余额宝之全面利弊分析[J].金融观察,2014, (2):83-85.
]从余额宝之于银行、之于企业、之于公众这三主体的影响入手，全面剖析了余额宝的利与弊。②余额宝对商业银行的影响和启示。郑椒瑾(2014)[[5]郑椒瑾.互联网理财时代余额宝对商业银行的影响分析[J].中国市场,2014, 794(31):84-85.
]基于商业银行和余额宝的现状探究了余额宝对商业银行在理财产品、基金代销和市场地位三方面的冲击；席榕畦(2014)[[6]席榕畦.余额宝对商业银行的影响和启示[J].金融视线,2014, (2):80-81.
]则得出了余额宝对商业银行在活期存款、转型发展和理财产品三方面的影响并给出了商业银行提高活期存款价值、创新营销服务模式以及发展优质理财产品等建议。③余额宝存在的风险。周怡君(2014)[[7]周怡君.基于层次分析法的余额宝风险评价[J].全国商情,2014, (8):79-81.
]基于层次分析法构建了余额宝风险评价的量化指标体系并等级排序为：流动风险、法律风险、市场风险、操作风险、技术风险；左芳园(2014)[[8]左芳园.我国余额宝的风险与防范研究[D].辽宁:辽宁大学,2014.
]基于金融风险相关理论归纳出余额宝的风险主要来自于网络信息技术导致的技术风险以及余额宝本身业务特征导致的业务风险两大类。
可见，至今国内对余额宝的研究多侧重于基础的宏观概念定性分析层面，鲜有学者对其微观层面即余额宝收益率的影响因素做出理论和实证研究。具代表性的有陈川(2014)[[9]陈川.余额宝高收益的经济基础[J].时代金融,2014,10(3):10-12.
]认为银行对存款的高需求和短期利率的非市场化是余额宝高收益率的基础；白洁(2014)[[10]白洁,林礼连.基于EMD-GARCH的余额宝收益率预测研究[J].管理现代化,2014,(6):117-119.
]运用EMD-GARCH方法对余额宝收益率进行了短期预测。然而这些文章对余额宝收益率的影响因素分析要么只是定性的，过于片面和主观；要么实证研究做得不够全面，难有说服力。因此本文尝试寻求一种更为改进和全面的研究方法来分析余额宝收益率的影响因素并对它进行短期预测，为余额宝的各方参与者以及其他“宝宝类”的产品提供好的建议。
1.2.2 收益率影响因素分析方法研究综述
纵观各个类型的金融产品收益率(如股票市场收益率、同业拆借市场收益率、信托产品收益率以及债券市场收益率等)的影响因素分析，国内外早已出现大量的理论和实证研究。Mavrides(2000)[[11]Mavrides, M. Granger Causality Tests of Stock Returns: The US and Japanese Stock Markets [J], Managerial Finance, 2000, 26(12):13-25.
]运用VAR模型解析了美日股票市场收益率和各项宏观经济变量之间的动态关系；王晓芳(2012)[[12]王晓芳,王瑞君.上证综指波动特征及收益率影响因素研究—基于EEMD和VAR模型分析[J].南开经济研究,2012, (6):82-99.
]运用VAR模型得出M2增长率是长期影响上证综指收益率的最主要因素，其次是同业拆借利率和工业增加值增长率；邓旭升(2012)[[13]邓旭升,肖继五.我国集合信托产品预期收益率的影响因素及市场风险评价[J].中南财经政法大学学报,2012,191(2):113-119.
]构造了我国集合信托产品预期收益率与其影响因素间的SVAR模型；王一鸣(2005)[[14]王一鸣李剑峰.我国债券市场收益率曲线影响因素的实证分析[J].金融研究,2005, 295 (1):111-124.
]利用因子分析法和VAR模型分析了消费价格指数和股票市场指数等宏观经济变量以及其他因素等对债券市场收益率的共同影响。可见，向量自回归(Vector Autoregression, VAR)模型被广泛用于探讨经济变量收益率与其影响因素之间的相关关系，能很好地从长期均衡关系和短期动态关系两方面研究各因素对变量的影响。虽热在计量经济方法中，线性回归方程也经常被学者用来分析风险投资回报收益率的影响因素，这种模型建立了变量之间的线性因果关系，便于分析，但却很容易忽略非线性的因果关系和交互作用。并且，在传统计量方法（如联立方程模型等结构性模型）中描述变量关系的模型都是建立在经济理论基础上的；然而，在对变量之间的动态联系进行说明时，经济理论通常情况下并不总是严密的。鉴于回归方程中可能存在交互作用以及传统计量方法模型可能存在的内生性问题，在建立变量之间关系的模型时采用非结构性的方法会更具优势，而 VAR即向量自回归模型便是这种模型。
向量自回归模型是由Sims于1980年提出的一种非结构化的多方程模型，其基本思想(2009)[[15]高铁梅.计量经济分析方法与建模——EViews应用及实例第2版[M].北京:清华大学出版社, 2009:267-318.
]是将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。VAR模型常用来对由相互联系的时间序列构成的系统进行预测，并对由于随机扰动而引起的变量系统的动态冲击情况进行分析，从而揭示冲击对变量产生的不同影响。Copelman M.和Wemer A.(1996)[[16]Copelman M. and Werner A. The Monetary Trans-mission Mechanism in Mexico [J] .International Finance Discussion Paper, 1996, (521):34-59.
]利用VAR模型对墨西哥的经济数据进行研究后发现，汇率赔值会降低产出水平；Berument H.和Pasaogullari M.(2003)[[17]Berument H. Pasaogullari M. Effects of the Exchange Rate on Output and Inflation: Evidence from Turkey [J] .The Developing Economics, 2003(4):401-435.
]利用 VAR 模型、协整检验、方差分解等一系列计量工具对土耳其1987-2001的季度数据进行分析，结果发现，当外生变量既定，实际汇率赔值阻碍经济增长。王书平(2011)[[18]王书平,闫晓峰,吴振信.基于VAR模型的铁矿石价格影响因素分析[J].中国管理科学. 2011, (19):570-575.
]运用VAR模型构建了铁矿石价格与其诸多影响因素之间的动态关系系统并研究了各因素对其的影响程度和规律；冯梅(2013)[[19]冯梅.基于VAR模型的中国钢材出口影响因素分析[J].宏观经济研究. 2013, (5): 79-84.
]运用VAR模型对中国钢材出口的影响因素进行分析，发现人民币汇率对其影响程度最大且为负向作用；李湘梅(2014)[[20]李湘梅,姚智爽. 基于 VAR 模型的中国能源消费碳排放影响因素分析[J].生态经济2014, 30(1):39-44.
]运用VAR模型、协整理论和脉冲响应函数研究了中国能源消费碳排放的影响因素，得出了能源消费总量对其影响程度最大，城市化水平与其呈现负效应等结论。龚国勇(2009)[[21]龚国勇,覃思乾. 基于VAR模型的深圳GDP增长的影响因素分析[J].统计与决策.2009, 287 (11):82-84.
]基于VAR模型对深圳GDP增长的影响因素进行实证分析，表明从长期看，其影响程度从高到低依次为社会消费品零售总额、进口额、出口额与工业增加值。
然而在现有运用VAR模型分析某变量影响因素的文献中，大多都是在前人研究的基础上先总结归纳出该经济变量的相关影响因素再运用VAR建模分析。而对于余额宝收益率的影响因素，至今未有实证分析。因此，本文提出EEMD-VAR结构来解决这一难题。集成经验模态分解(Ensemb