宁夏 石嘴山市 中国人民银行石嘴山市中心支行 邮编:753000
摘要:国库现金流预测是高效、安全开展国库现金管理的前提。本文以石嘴山国库历史数据为依据,充分使用TMSS系统,基于指数平滑、ARIMA模型、Holt-Winters模型、灰色预测模型四种常用国库现金流预测方法,在充分把握每季度国库现金流数据特点的基础上,综合考量不同模型的优劣性,探索采取多种方法联用的方式开展“动态滚动式”预测,并用“公式法”预测国库库存,多层面提高数据预测准确性,以期通过持续分析误差原因、强化计量分析方法应用等,提高现金流预测精度。
关键词:国库现金管理 国库现金流预测 数据统计
一、地方国库现金流量特征
(一)石嘴山国库现金流总体情况
国库资金流入流出是一个动态的过程,本部分以石嘴山市国库2017-2021年收、支、存数据为依据,分析近五年国库数据变化规律,为2022年国库现金流预测提供数据支撑。2021年石嘴山市本级国库资金流入、流出总量分别为63.70亿元和65.66亿元,同比下降17.17%和14.93%。日均流入、流出量均为0.17亿元,同比均下降19.04%;日均库存3.97亿元,同比下降38.16%;年末库存3.87亿元,同比下降33.73%。
(二)国库现金流分析
1.国库现金流总量先降后升,整体呈缓慢增长。从图1可以看出,2017-2018年国库现金流总量小幅下降,2018年-2020年国库现金流总量不断扩大。2020年石嘴山国库资金流入、流出总量分别为76.91、77.19亿元,较2018、2019年分别增长14.12%和1.40%、19.13%和3.04%。2021年,受疫情影响,在牢固树立过“紧日子”的思想下,转移支付力度减弱,金额仅为3.87亿元,较上年同期下降33.73%,使得国库现金流总量有所下降。
图1.2017-2021年石嘴山国库现金流量变化趋势
2.国库现金流平均流量小幅增长,国库现金流年度内走势呈“波浪式”运动规律。2018年国库现金流日均流入量、流出量分别为0.18亿元、0.18亿元,2020年增加到0.21亿元、0.21亿元。国库现金流日均流量增长16.66%以上。2017-2021年间,国库现金流走势呈规律性上扬。每一年度内,一季度现金流量均处于底部,而后经过二、三季度的缓慢增长,四季度小幅下降。
3.公共预算调拨收入对国库现金流量影响较大。2021年石嘴山公共预算调拨收入为47.41亿元,占当年国库现金流总量的46.31%,公共预算调拨收入具有金额大、拨付节奏较难把握的特点,导致了国库资金流量不均衡,特别是转移支付收入多发生在当年的四季度,直接影响全年国库资金流量的稳定性和均衡性。(见表1)。
表1.2017-2021年石嘴山国库现金流入构成情况表 单位:亿元
2017年 | 2018年 | 2019年 | 2020年 | 2021年 | |
收入合计 | 68.74 | 66.14 | 89.72 | 83.38 | 72.25 |
公共预算收入合计 | 50.37 | 61.08 | 71.83 | 71.46 | 57.98 |
一般公共预算收入 | 10.45 | 10.99 | 10.12 | 10.15 | 10.57 |
公共预算调拨收入 | 39.91 | 50.09 | 61.71 | 61.31 | 47.41 |
基金预算收入 | 1.21 | 4.90 | 1.48 | 1.42 | 0.64 |
社会保险基金收入 | 17.12 | 0.00 | 16.34 | 10.50 | 13.47 |
国有资本经营预算收入 | 0.04 | 0.08 | 0.08 | 0.00 | 0.16 |
数据来源:TMIS系统
4.国库库存年内波动相对规律。2017-2021年库存余额周期性变化显示,每年3-6月、9-10月库存余额增速较快,进入12月则有所回落。国库库存随着季节的变换,呈规律性上升或下降。每年的一、二季末,库存走势均呈下降态势。进入四季度,特别是12月份,由于年底支出增加,库存下降。2021年石嘴山四季度国库现金流入18.56亿元,占全年国库现金流入的29.13%;现金流出为15.94亿元,占全年国库现金流出的24.27%。
图2.2017-2021年石嘴山国库库存趋势图
二、国库现金流量预测方法的选择
就国库现金流预测方法的选择,本文主要考虑两方面因素,一是从数据本身特征方面看,石嘴山辖区国库现金流收支进度在不同年份每月较为稳定,数据本身稳健性较好,可以通过技术性手段较好的预测后期数据波动。二是从模型预测的准确程度和可操作性看,SARIMA模型、指数平滑、灰色预测模型(均属于时间序列模型)因应用范围较广、模型适用性强、对长期或短期波动预测精度高等优势为目前采用的主要预测方法,但就单一使用来看,各类模型均存在不同程度的劣势及适用范围(详见表2)。为进一步提高预测精度,在充分把握每季度国库现金流数据特点的基础上,综合考量不同模型的优劣性,采取多种方法联用的方式对国库收支数据进行预测,逐步实行“动态滚动式”预测,并根据误差率,实施动态调整(详见表3)。
由于国库库存余额是基于国库现金流入和现金流出的因变量,而非基于时间的自变量,所以国库库存余额预测不宜使用时间序列模型,对此,石嘴山分库使用基于国库现金流入和现金流出预测数据进行轧差预测方法。具体做法是:在国库现金流入、流出预测至少一方准确度较高的前提下,根据“本期国库库存余额=上期国库库存余额+本期国库现金流入-本期国库现金流出”公式,得到国库库存余额预测结果,多层面提高数据预测准确性。
表2.现金流预测常用模型优劣势比较
模型名称 | 三次指数平滑法 | ARMA模型 | 灰色预测模型 | Holt-winters模型 |
简介 | 三次指数平滑法是在二次平滑法的基础上再平滑一次,适用数据趋势性较强、且趋势不会剧烈变化的时间序列进行预测。 | ARMA 模型是一种被广泛应用的时间序列预测方法。主要运用时间序列的过去值、当期值以及滞后随机扰动项的加权来建立模型,从而解释并预测时间序列的变化发展规律。 | 适用于既含已知信息又含不确定信息的系统进行预测。 | Holt-Winters模型是一种广泛应用的指数平滑时间序列预测方法,适用于具有线性时间趋势且季节变化不明显的时间序列。 |
优势 | 兼容了数据的全期平均和移动平均特征,适用性强、使用范围广,结果稳定。 | 兼具了时间序列确定性分析和随机性分析的特点。 | 所需数据量少。 | 计算出的周期数据比较平滑,不需要对输入序列进行预处理。 |
劣势 | 只适合做短期预测,但对于更远时期的预测效果不加。 | 随着预测周期延长,预测精度有所下降。 | 易忽略现金流的季节性、周期性,导致在突变点预测效果不理想。 | 对经济数据以及对数据的计量处理较为依赖,虽然预测结果准确性有一定程度提升,但往往只能达到“模糊精确”的效果,对影响关系和作用机制不能很好地揭示,且预测结果受异常值扰动较为明显。 |
表3.2022年第1季度-第4季度现金流预测收支模型选择
预测时间 | 预测对象 | 预测模型选择 |
2022年第1季度 | 国库收入、支出 | 三次指数平滑、SARIMA模型 |
2022年第2季度 | 国库收入、支出 | 三次指数平滑、灰色预测模型 |
2022年第3季度 | 国库收入、支出 | 三次指数平滑、灰色预测模型 |
2022年第4季度 | 国库收入、支出 | 三次指数平滑、Holt-Winters模型 |
三、实证分析
(一)确定预测基础数据口径
1、数据选择。在选择国库现金流预测对象时,国库收入和国库支出是国库现金流入流出的动态过程,是国库库存余额的重要影响因素,二者的预测结果直接影响国库库存余额的预测,而国库库存余额又是国库现金管理的直接对象。因此,本文中,选取石嘴山市本级国库收入(T01)、国库支出(T02)的月度数据为现金流量预测样本,样本期间为2017年1月至2021年12月份数据,对2022年1月至12月国库收支存进行预测。
2、数据处理。预测过程中剔除可提前掌握的非常规性因素的干扰,使其更加符合国库现金流正常变动趋势。考虑到地方债转贷收入属于非常规性收支,对国库现金流扰动较大,因此按照修正后收支=总收支-债务收支,剔除相关收支后现金流平稳性明显上升(见图3)。
图3. 2017-2021年石嘴山国库现金流入序时变化情况
3、预测总体流程。
图4.石嘴山国库现金流预测总体流程
(二)模型预测效果比较
1、预测结果。
表4.2022年1月-12月石嘴山国库收支预测效果比较 单位:亿元/%
国库收入 | ||||||
实际值 | 三次指数平滑 | SARIMA模型 | ||||
预测值 | 误差率 | 预测值 | 误差率 | |||
1月 | 5.39 | 4.86 | 0.09 | 4.45 | 0.17 | |
2月 | 4.61 | 4.89 | 0.06 | 4.46 | 0.03 | |
3月 | 4.49 | 4.91 | 0.09 | 4.44 | 0.01 | |
平均误差率[1] | - | - | 0.08 | - | 0.07 | |
组合模型误差率 | 0.07 | |||||
实际值 | 三次指数平滑 | 灰色预测模型 | ||||
预测值 | 误差率 | 预测值 | 误差率 | |||
4月 | 4.98 | 4.94 | 0.01 | 7.32 | 0.46 | |
5月 | 7.28 | 4.96 | 0.31 | 2.95 | 0.59 | |
6月 | 6.54 | 4.99 | 0.23 | 7.34 | 0.12 | |
平均误差率[2] | - | - | 0.18 | - | 0.39 | |
组合模型误差率 | 0.27 | |||||
实际值 | 三次指数平滑 | 灰色预测模型 | ||||
预测值 | 误差率 | 预测值 | 误差率 | |||
7月 | 2.96 | 5.01 | 0.47 | 2.97 | 0.48 | |
8月 | 8.96 | 5.04 | 0.43 | 7.36 | 0.17 | |
9月 | 2.17 | 3.07 | 0.41 | 2.99 | 0.37 | |
平均误差率[3] | - | - | 0.43 | - | 0.34 | |
组合模型误差率 | 0.40 | |||||
实际值 | 三次指数平滑 | Holt-Winters模型 | ||||
预测值 | 误差率 | 预测值 | 误差率 | |||
10月 | 6.09 | 5.09 | 0.16 | 5.81 | 0.04 | |
11月 | - | 5.12 | - | 4.80 | - | |
12月 | - | 5.15 | - | 4.81 | - | |
平均误差率[4] | - | - | - | - | - | |
组合模型误差率 | - | |||||
国库支出 | |||||
实际值 | 三次指数平滑 | SARIMA模型 | |||
预测值 | 误差率 | 预测值 | 误差率 | ||
1月 | 6.44 | 6.62 | 0.02 | 6.31 | 0.02 |
2月 | 5.98 | 6.65 | 0.11 | 6.30 | 0.05 |
3月 | 8.29 | 6.69 | 0.19 | 6.31 | 0.23 |
平均误差率[5] | - | - | 0.11 | - | 0.10 |
组合模型误差率 | 0.11 | ||||
实际值 | 三次指数平滑 | 灰色预测模型 | |||
预测值 | 误差率 | 预测值 | 误差率 | ||
4月 | 5.38 | 6.73 | 0.25 | 6.78 | 0.20 |
5月 | 7.25 | 6.77 | 0.06 | 5.17 | 0.28 |
6月 | 12.46 | 8.81 | 0.29 | 8.68 | 0.30 |
平均误差率[6] | - | - | 0.20 | - | 0.26 |
组合模型误差率 | 0.21 | ||||
实际值 | 三次指数平滑 | 灰色预测模型 | |||
预测值 | 误差率 | 预测值 | 误差率 | ||
7月 | 4.28 | 6.84 | 0.59 | 5.19 | 0.21 |
8月 | 7.94 | 6.88 | 0.13 | 8.71 | 0.09 |
9月 | 9.92 | 6.93 | 0.30 | 6.78 | 0.31 |
平均误差率[7] | - | - | 0.34 | - | 0.20 |
组合模型误差率 | 0.30 | ||||
实际值 | 三次指数平滑 | Holt-Winters模型 | |||
预测值 | 误差率 | 预测值 | 误差率 | ||
10月 | 4.53 | 6.96 | 0.53 | 6.36 | 0.40 |
11月 | - | 7.00 | - | 5.24 | - |
12月 | - | 7.04 | - | 8.76 | - |
平均误差率[8] | - | - | - | - | - |
组合模型误差率 | - |
表5.2022年1月-12月石嘴山国库库存余额预测误差情况对比 单位:%
时间 | ||||
SARIMA模型 | 灰色预测模型 | 组合模型 | 公式法 | |
1月 | 0.55 | 0.28 | 0.41 | 0.30 |
2月 | 0.35 | 0.32 | 0.33 | 0.31 |
3月 | 0.35 | 0.06 | 0.30 | 0.30 |
4月 | 0.50 | 0.27 | 0.42 | 0.40 |
5月 | 0.46 | 0.31 | 0.32 | 0.32 |
6月 | 0.27 | 0.08 | 0.25 | 0.24 |
7月 | 0.26 | 0.09 | 0.22 | 0.21 |
8月 | 0.57 | 0.35 | 0.34 | 0.33 |
9月 | 0.40 | 0.75 | 0.47 | 0.26 |
10月 | 0.48 | 0.41 | 0.39 | 0.35 |
11月 | - | - | - | - |
12月 | - | - | - | - |
结果表明,我们采取多种方法联用的方式对国库收支开展“动态滚动式”预测,并用“公式法”预测国库库存,取得了较好的预测效果。与三次指数平滑模型、SARIMA模型和灰色预测模型等常见单一的数学预测模型相比,“动态滚动式”预测避免了对模型预测的完全依赖,能够根据实际国库收支存进度,剔除部分异常数据,从而提高模型预测的准确性。目前,我们仅以石嘴山辖区国库收支存数据为例,对“动态滚动式”预测方法、“公式法”预测方法进行了验证,未来,随着国库现金管理操作进一步的深入开展,XGBoost等模型也将运用于各级国库,进一步提高普遍适用性。
2、误差分析。一是预测方法运用受到信息来源限制,预测误差控制有待改进。现阶段,国库现金流预测的工作价值尚未得到广泛认可,主要是人民银行国库单方主导和推动,与国库资金流转相关的财政、税务、商业银行等尚未主动参与,信息来源渠道的局限,难以准确把握财政资金的具体动向,迫使地方国库在进行现金流预测时对定量的统计模型高度依赖。从石嘴山市本级实践看,虽然每次预测整体误差控制在30%以内,但部分时点误差超过40%。二是实践分析能力和预测经验不足。国库现金流由于受到多种因素影响其变动往往缺乏统一规律,预测工作的开展必须要结合当地的具体情况,没有普遍适用的模式可以照搬, 因而对人员经验和计量分析能力有较高要求。而受个人自身知识、经验水平等因素限制,单纯依靠个人或人工进行预测,容易出现预测方法、预测模型选用不当等问题,从而影响预测的准确性。
3、预测结果可靠性评估。一是后续研判预测结果是否与国库现金流季度内常规走势吻合,将预测的每月现金流规模与上年同期对比,当同比增速未超过25%时视为预测较为合理,超过25%时需重新谨慎判断。二是引入误差修正乘数,国库收入乘数=1-上期国库收入平均误差率,国库支出乘数=1-上期国库支出平均误差率,国库库存余额乘数=1-上期库存余额平均误差率,修正后预测值=修正前预测值*修正乘数。
四、对策建议
(一) 定量与定性方法结合,丰富国库现金流预测方法
在预测方法的选择上,针对样本数据、预测数据异常等情况,将定性预测和定量预测相结合。一是要尽可能多地了解预测对象的变化趋势,掌握新的政策变化情况以及新的数据信息,从而对预测结果进行适时的更新修正。二是挖掘并区别显示国库收支存时间序列中蕴含的不同特征模式,如趋势变化特征、季节性特征、不规则变化周期特征等,根据国库现金流量组成部分的特点,采取不同的预测方法。例如,经常性现金流量利用模型预测;偶发性、调整性现金流量依靠与财政、税务部门建立大额资金提前报告制度,结合历史经验判断,定量与定性方法结合,得出最终预测结果。
(二)加强沟通联系,拓宽国库现金流预测信息来源渠道
国库现金流预测方法是基于过去国库现金流数据而进行预测的,对于未来的政策性的、突发性的收支无法准确预测。因此,一是加强与财政、税务、海关等部门的沟通交流,健全国库收支数据信息交流机制,共享预算执行、地方债发行、税收缴库等信息,形成工作合力,确保预测人员能够及时掌握相关信息。二是进一步完善大额收支报备制度,疏通信息传导路径,针对金额异常、重大的收支,进行重点记录并向国库部门提前报备,为实现每日准确预测提供条件。
(三)强化人员培养和激励,为开展地方国库现金管理提供人才保障
国库现金流量预测是国库现金管理活动的一项基础性工作,理论要求较高。相关人员不仅要熟悉掌握经济、金融、财税及国库的数据动态形势变化和发展趋势,而且还需熟练运行各种经济计量分析模式,才能对国库现金流量做出较为准确的预测报告。一方面加强预测人员对TMSS系统、经济计量知识的学习和培训,借鉴总库和其他分库的成熟经验,加大对预测工作的支持和激励,充分调动预测人员的积极性。另一方面建议上级国库部门对在岗预测人员加大培训力度,提高其预测工作的专业能力,并充分提供各地方国库间在岗预测人员相互学习交流的机会,相互吸取经验。
[1] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[2] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[3] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[4] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[5] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[6] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[7] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值
[8] 本文平均误差率的计算公式为:(实际值-预测值)/实际值*100%的绝对值