最優(yōu)現(xiàn)金持有量大數(shù)據(jù)預(yù)測模型構(gòu)建

陳國平 邵潔 張俊杰

【摘要】企業(yè)的生產(chǎn)經(jīng)營及財務(wù)管理活動起始于現(xiàn)金，經(jīng)過資產(chǎn)各種形態(tài)的轉(zhuǎn)化最終又回到現(xiàn)金狀態(tài)，周而復始，循環(huán)運動，以實現(xiàn)企業(yè)生存、發(fā)展、盈利等目的。在保障生產(chǎn)經(jīng)營及建設(shè)資金的情況下，應(yīng)充分利用閑置資金實現(xiàn)效益最大化，以達到提升資金管理效率和效益的目的，同時提高對資金短缺等高風險情況的整體調(diào)控力。為使現(xiàn)金使用效率和效益達到最高水平，對現(xiàn)金持有量的科學性估測不可或缺。本文利用蒙特卡羅模擬法對電網(wǎng)企業(yè)最佳現(xiàn)金持有量進行估測，估測結(jié)果可以較好地滿足電網(wǎng)企業(yè)資金需求，同時提高資金運作效率。

關(guān)鍵詞 最優(yōu)現(xiàn)金，大數(shù)據(jù)模型，循環(huán)神經(jīng)網(wǎng)絡(luò)法

一、引言

（一）研究背景和意義

最佳現(xiàn)金持有量（或最佳安全備付金額）是指在滿足基本建設(shè)和正常生產(chǎn)經(jīng)營活動需要的基礎(chǔ)上，使現(xiàn)金使用效率和效益達到最高水平時的最為合理的資金存量，即能夠使現(xiàn)金管理的機會成本與轉(zhuǎn)換成本之和保持最低的現(xiàn)金持有量。最佳現(xiàn)金持有量預(yù)測過低時，將造成資金短缺，無法償還到期債務(wù)，乃至生產(chǎn)經(jīng)營中斷等風險；而預(yù)測過高時，會使資金得不到合理利用，產(chǎn)生較高的機會成本，難以達到提升現(xiàn)金使用效率和效益的目標。因此，對現(xiàn)金持有量的科學性估測不可或缺。

目前，某某電網(wǎng)公司（下稱“某某公司”）不斷提升預(yù)算及存量資金管理水平，但在制定安全備付額度方面仍缺乏科學的預(yù)測模型等數(shù)據(jù)支撐工具。當前，某某公司采取的安全備付額度的測算方式為日常凈支付額度和日均不可動用資金兩部分的疊加。其中，日常凈支付額度是指公司上年度正常生產(chǎn)經(jīng)營以及電網(wǎng)建設(shè)活動資金支出，加上年度連續(xù)高峰支付收支差額；日均不可動用資金是指受流動性較差的資金日均余額。

本次工作主要通過對最佳現(xiàn)金持有量在科學性預(yù)測方面的不斷完善，最大限度減少資金閑置，提高資金的使用效率。

（二）研究內(nèi)容

本次研究主要通過對現(xiàn)金科目日記賬以及憑證信息等數(shù)據(jù)進行關(guān)聯(lián)及清洗，從而獲取每一日某某公司的凈現(xiàn)金流，以預(yù)測2017年長中短期的最佳現(xiàn)金持有量。此研究工作主要從三個方面展開。

一是對2014—2017年每日凈現(xiàn)金流數(shù)據(jù)進行清洗及觀測。通過Python軟件將現(xiàn)金日記賬以及憑證信息等數(shù)據(jù)進行關(guān)聯(lián)，以獲取分析過程中所需的關(guān)鍵信息；對關(guān)聯(lián)后的數(shù)據(jù)進行篩選，以剔除與現(xiàn)金流無關(guān)的憑證信息，獲取有效的現(xiàn)金流數(shù)據(jù)；對篩選后的數(shù)據(jù)進行可視化分析，挖掘某某公司的收支構(gòu)成，現(xiàn)金流量隨時間變化的規(guī)律，售電及購電是否集中在某些獨特日期，凈流量隨時間變化的規(guī)律，以及歷年安全備付額度的對比情況等。

二是對已有現(xiàn)金持有量預(yù)測模型進行評估。結(jié)合某某公司的實際情況，對三類常見的現(xiàn)金持有量預(yù)測模型，即成本分析模型、存貨模型以及隨機模型進行分析及研究，評估其特性以及這三類模型是否適用于某某公司的現(xiàn)狀。

三是利用科學性預(yù)測模型對現(xiàn)金流進行預(yù)測。利用蒙特卡羅模擬法，模擬大量符合歷史數(shù)據(jù)特性的負現(xiàn)金流量（現(xiàn)金支出），并通過風險價值模型計算某某公司全年的安全備付額度；通過歷史數(shù)據(jù)訓練適用于某某公司現(xiàn)金流的循環(huán)神經(jīng)網(wǎng)絡(luò)，以預(yù)測未來短期內(nèi)現(xiàn)金流量的變動。

二、分析數(shù)據(jù)準備

（一）數(shù)據(jù)獲取

從數(shù)據(jù)對象范圍看，本次研究的對象范圍為某某公司及其子公司；數(shù)據(jù)時間范圍為2014年1月1日至2017年5月8日。

數(shù)據(jù)內(nèi)容主要包括現(xiàn)金日記賬、憑證信息以及某子公司憑證信息三類。其中，一是現(xiàn)金日記賬數(shù)據(jù)用于獲取憑證信息的準確對賬日期，主要包括記賬日期、憑證類型、憑證編碼、摘要、借方、貸方、余額7個字段，全部來自ERP系統(tǒng)。二是憑證信息用于清洗非現(xiàn)金流范疇的憑證，主要包括公司、憑證編碼、原因代碼、總賬科目、總賬金額、借貸、文本7個字段，全部來自ERP系統(tǒng)。三是某子公司的憑證信息用于獲取某子公司的有效的現(xiàn)金流憑證，主要包括月、日、憑證編碼、摘要、借方、貸方、余額7個字段，全部來自財務(wù)管控系統(tǒng)。

從數(shù)據(jù)質(zhì)量看，某某公司及其子公司在2014年1月到2017年5月共有38.9萬條憑證信息，且憑證信息的完整率為100%，但在憑證信息中缺乏準確的記賬日期，因此通過與日記賬數(shù)據(jù)的關(guān)聯(lián)獲取其記賬日期。因部分憑證科目不屬于現(xiàn)金科目，因此關(guān)聯(lián)后只保留兩者相交部分的憑證信息，共38.6萬條。

（二）數(shù)據(jù)預(yù)處理

1.憑證信息篩選

在最佳現(xiàn)金持有量預(yù)測時，需剔除與現(xiàn)金流無關(guān)的憑證，因為諸如沖銷、轉(zhuǎn)賬、調(diào)整現(xiàn)金流量等憑證會在預(yù)測時影響實際發(fā)生的現(xiàn)金流金額，從而使預(yù)測準確性降低。因此，應(yīng)剔除無關(guān)憑證，只保留某某公司有效的現(xiàn)金收入及現(xiàn)金支出以獲取真實發(fā)生的凈現(xiàn)金流。在憑證信息篩選后，最終保留32.4萬條憑證信息進行分析及研究。

2.現(xiàn)金流計算

根據(jù)借貸方向及記賬日期，將篩選后的32.4萬條憑證分為現(xiàn)金收入憑證及現(xiàn)金支出憑證，并按日期匯總，獲取從2014年1月1日到2017年5月8日期間的每日支出金額及每日收入金額；將每日收入減去每日支出，獲取每日凈現(xiàn)金流金額，用以輸入預(yù)測模型。

三、每日凈現(xiàn)金流數(shù)據(jù)觀測

利用Tableau軟件對篩選后的憑證信息進行可視化分析，能夠更為直觀地挖掘凈現(xiàn)金流的特點，根據(jù)不同特點選取最為合適的科學性預(yù)測模型。

（一）某某公司的收支構(gòu)成

根據(jù)現(xiàn)金收入及現(xiàn)金支出憑證信息，發(fā)現(xiàn)某某公司的收入來源較單一而支出渠道較為多樣化。其中，收入主要來源于售電，占據(jù)總收入的75%。而對于支出渠道來說，購電支出、工程支出、政府部門附加費及稅費四類支出的總和占總支出的74.24%，購電一項只占據(jù)總支出的50%。

根據(jù)日期，將每日的收入和支出匯總，發(fā)現(xiàn)收入和支出都存在較強的周期性，一般在月末容易發(fā)生較大金額的收支。初步考慮將金額較大且日期固定的發(fā)生額提取出，對其余現(xiàn)金流采用隨機過程進行擬合。

①將數(shù)據(jù)按比例劃分為訓練集與測試集；

②將訓練集的數(shù)據(jù)劃分為訓練組，訓練組中元素的個數(shù)由數(shù)據(jù)特點和模型結(jié)構(gòu)決定；

③將分好的訓練組依次輸入神經(jīng)網(wǎng)絡(luò)中進行訓練，訓練完成后將模型存儲在計算機中；

④利用訓練好的模型進行預(yù)測。

（三）模型建立與應(yīng)用

1.中長期預(yù)測（蒙特卡羅模擬及風險價值模型）

（1）現(xiàn)金流與已知分布的擬合

通過對數(shù)據(jù)進行的初步可視化探索，能夠發(fā)現(xiàn)2014年至2017年的凈現(xiàn)金流量服從于某種統(tǒng)計分布。由于安全備付額的制訂只與負現(xiàn)金流量相關(guān)，因此將負現(xiàn)金流量單獨提出進行統(tǒng)計分布的擬合。

通過Python軟件將負現(xiàn)金流與79個已知分布進行擬合，發(fā)現(xiàn)負現(xiàn)金流量服從（alpha = 3.06， beta = 0.49）的beta分布，且擬合程度較高。

在統(tǒng)計學判定樣本是否服從已知凈流出的金額分布，設(shè)定風險水平為0.1%，獲取安全備付額度的預(yù)測值為17.03億元，即未來在99.9%的概率下，一日的凈流出不會超過17.03億元，全年維持這一水平即可。

通過上述方法，可以利用2014年支出現(xiàn)金流量計算2015年最佳現(xiàn)金持有量，利用2014—2015年支出現(xiàn)金流量計算2016年最佳現(xiàn)金持有量，計算的最佳現(xiàn)金持有量與實際支出現(xiàn)金流量。如圖2所示，計算出的2015年、2016年與2017年的最佳現(xiàn)金持有量分別為分布時，先假定樣本服從已知分布，并計算此時的檢測值，并將檢測值與查詢到的統(tǒng)計值相比對，判定是否拒絕原假設(shè)。更為直觀的做法是，計算統(tǒng)計檢測結(jié)果的P-value，當P-value小于0.05時（此時設(shè)定的置信水平為95%），拒絕原假設(shè)，即樣本不服從已知分布。換言之，當P-value大于0.05時，無法拒絕原假設(shè)，則判定樣本服從已知分布。

篩選出與負現(xiàn)金流量擬合最好的前十個已知分布的測試結(jié)果，如表1所示。

（2）通過已有分布進行蒙特卡羅模擬

通過上一步的分析，得知負現(xiàn)金流量服從（alpha = 3.06， beta = 0.49）的Beta分布。本部分通過對該分布進行100萬次的蒙特卡羅模擬，獲取模擬金額的分布，求取風險價值，這樣可以增加樣本點數(shù)，提高模擬穩(wěn)定性，結(jié)果如圖1所示。

（3）根據(jù)蒙特卡羅模擬，提取分位點，得出安全備付額度

通過上一步得到蒙特卡羅模擬的13.9億元、14.9億元以及17.03億元。從2015年1月至2017年4月期間，只有3天超出了計算最佳現(xiàn)金持有量。2015年與2016國網(wǎng)定制備付金額均為20億元，2017年國網(wǎng)定制金額為17億元。

利用相同的方法，將2014—2016年的現(xiàn)金流以月份為依據(jù)分為12份，對每一份進行蒙特卡羅模擬及風險價值測算，獲取未來每月（中期）最佳備付額度預(yù)測值。1月至4月間，實際現(xiàn)金支出均為超出計算值。預(yù)測支出金額最多的天所在月份為9月，金額為16.8億元，未超出預(yù)測的17.03億元。

2.短期預(yù)測：循環(huán)神經(jīng)網(wǎng)絡(luò)

（1）數(shù)據(jù)篩選

在憑證信息中篩選出有效的現(xiàn)金流數(shù)據(jù)，將其根據(jù)日期合并成以日期及凈現(xiàn)金流為字段的輸入數(shù)據(jù)。

（2）數(shù)據(jù)預(yù)處理

因輸入循環(huán)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)要求必須大于0，首先將支出數(shù)據(jù)正值化，即在某某公司測算過程中，將所有現(xiàn)金流數(shù)據(jù)加1682947806（約17億），即最小凈流出絕對值加一，使所有數(shù)據(jù)大于等于1；其他公司，按同理處理。之后，對正值化處理后的數(shù)據(jù)進行分組，按經(jīng)驗最小取7天一組，每組內(nèi)含有的天數(shù)為可調(diào)參數(shù)，將會在模型訓練是通過誤差大小進行選擇。分組后的數(shù)據(jù)將進行窗口平滑處理，具體過程為每組數(shù)值都除以每組第一個數(shù)據(jù)，并將結(jié)果減去1。

（3）模型訓練與參數(shù)調(diào)整

在循環(huán)神經(jīng)網(wǎng)絡(luò)的訓練中，只有兩個參數(shù)需要不斷調(diào)整：組長及訓練次數(shù)，每調(diào)整一次模型（修改組長或訓練次數(shù)）就需重新計算一次誤差。

（4）誤差獲取

（5）最優(yōu)模型選擇

在步驟4中獲得的模型中選取誤差值最低的一個模型。

（6）日現(xiàn)金流預(yù)測

利用訓練好的最優(yōu)模型，預(yù)測日現(xiàn)金流，可以發(fā)現(xiàn)預(yù)測結(jié)果能夠較好地體現(xiàn)真實變動情況，且這一結(jié)果還能通過更多的訓練使之更加精準。目前選取8天預(yù)測第9天，平均預(yù)測誤差率為15%。

六、結(jié)論及效果

（一）數(shù)據(jù)分析結(jié)論

根據(jù)有效的資金收支數(shù)據(jù)觀測，可以發(fā)現(xiàn)某某公司資金流具有如下特性。

①收入來源較單一而支出渠道較為多樣化的結(jié)論。其中收入主要來源于售電。

②對于支出渠道來說，主要包括購電、工程支出、政府部門附加費及稅費四類支出。

③2014年1月1日至2017年4月30日，除2016年1月1日外，凈現(xiàn)金流在正負20億元之間浮動。

（二）建模工作

通過統(tǒng)計驗證，發(fā)現(xiàn)2017年以前的凈流出服從（ alpha=3.47 ，beta=0.54）的beta分布?；谠摻Y(jié)論，建立了基于統(tǒng)計的年度和月度最佳現(xiàn)金持有量模型，可以用于預(yù)測年度和月度最佳現(xiàn)金持有量。

利用長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)計算方法可以實現(xiàn)日現(xiàn)金流量預(yù)測。其中最好的模型為將8天分為一組，即利用前19天的現(xiàn)金流量預(yù)測第20天的現(xiàn)金流量。

（三）應(yīng)用效果

通過中長期以及日現(xiàn)金流量的預(yù)測，可以提升現(xiàn)金預(yù)算及存量資金精益化管理水平，為制定安全備付額度提供科學性預(yù)測模型等數(shù)據(jù)支撐工具。

同時，根據(jù)年度與月度預(yù)測數(shù)值，可以將多余的備付資金用于投資，提高公司收益。以2015年與2016年為例，國網(wǎng)定制安全備用金為20億元，而根據(jù)模型計算的數(shù)值分別為13.9億元與14.9億元。將多余的資金用于投資的話，以4%年化利率計算，則可獲得收益為：（20-14）×4% + （20-15）×4% = 0.44億元。同時，基于月度預(yù)測，可以利用多余的備付金進行短期投資，如圖3所示。

除此之外，通過精準預(yù)測公司未來現(xiàn)金流量，可以有效指導公司未來融資策略，應(yīng)對復雜的內(nèi)外部形勢和未來現(xiàn)金流管理存在的不確定形勢，在保障資金安全的前提下，創(chuàng)新公司融資模式，確定最佳的融資金額及融資時機，提高資金運作效率和效益，降低融資成本。

七、思考與啟示

省級電網(wǎng)企業(yè)應(yīng)不斷提升現(xiàn)金持有量預(yù)測方面的科學性和精準性，最大限度減少資金閑置，提高資金使用效率。由于電網(wǎng)企業(yè)資金業(yè)務(wù)特點，一般情況下用來分析最佳現(xiàn)金持有量的成本分析模型、存貨模型和隨機模型均不適用。經(jīng)檢驗，本文提出的通過蒙特卡羅模擬法及風險價值模型來預(yù)測中長期現(xiàn)金持有量以及通過循環(huán)神經(jīng)網(wǎng)絡(luò)模型來預(yù)測短期現(xiàn)金持有量的方法，可以較好地預(yù)測年度和月度等最佳現(xiàn)金持有量。

對于模型應(yīng)用的關(guān)鍵在于對歷史現(xiàn)金流量數(shù)據(jù)的準確提取，省級電網(wǎng)公司應(yīng)加強日常憑證管理的規(guī)范性，并開發(fā)相應(yīng)程序自動進行憑證整理和現(xiàn)金流數(shù)據(jù)提取，以提升預(yù)測手段的實用性和自動化。數(shù)據(jù)提取后，進行數(shù)據(jù)正值化處理，建立蒙特卡羅模型，并進行模型訓練和調(diào)參，最后通過誤差值獲取確定最優(yōu)模型，并利用最優(yōu)模型預(yù)測日現(xiàn)金流。

在實際工作中，導致不能保持最佳現(xiàn)金持有量的因素有很多，企業(yè)應(yīng)從多方面入手加強管理。首先，應(yīng)建立健全內(nèi)控制度，加強內(nèi)控監(jiān)督，盡量減少隨意支付行為的發(fā)生，從而降低現(xiàn)金持有量。其次，加強預(yù)算管理，預(yù)算偏差度越小越有利于持有量的控制。再次，與銀行等金融機構(gòu)保持良好的合作關(guān)系，一旦有融資需求，能盡快取得融資款項并最小化成本，資金溢余時，多種理財組合以達到收益率最大化。最后，在預(yù)算管理即現(xiàn)金日調(diào)度基礎(chǔ)上，建立并落實定期付款制度。不僅在總額上控制支出，而且落實到具體日期，例如可以按10日、15日、25日為支付日等，以便于財務(wù)人員調(diào)度資金，更好地實現(xiàn)現(xiàn)金管理，最大限度降低支付風險，發(fā)揮資金的最大效益。

參考文獻

[1]趙冉，唐敏.企業(yè)現(xiàn)金持有理論解釋及影響因素研究.商業(yè)會計，2015（5）：44-47.

[2]張西征，許英.經(jīng)營現(xiàn)金流波動、現(xiàn)金持有與企業(yè)研發(fā)投資. 商業(yè)會計，2015（23）：13-17.

[3]李建卿.最佳現(xiàn)金持有量確定方法的應(yīng)用分析.中國鄉(xiāng)鎮(zhèn)企業(yè)會計，2014（12）：105-106.