(國網遼寧省電力有限公司遼寧沈陽110000)
根據國網公司財務集約化建設的整體思路,以促進企業整體資源最優化配置為目標,一是精準預測現金流,按照現金流量管理理論,根據不同類型資金流量業務特點,通過對多期歷史數據的橫向截面數據與縱向序列數據的深度分析、挖掘與提煉,總結資金流入與流出的業務規律及其與財務收支要求的動因關系和敏感程度,精準預測現金流量;二是構建最優融資策略模型,在業務規律和規則基礎上,建立以財務模型為核心、統計模型為支撐,基于最優資金存量模型、融資規模模型、融資結構模型、融資時序模型,構建最優融資策略模型,通過合理有效的資金運作,提高資金管理的綜合效益。
數據是搭建精準預測模型的基礎。該項目收集了系統內外的結構化數據、非結構化數據,并通過ETL數據傳輸接口導入HANA數據庫中,通過構建屬性視圖、分析視圖、計算視圖構筑最優融資決策模型數據庫。以該數據庫為基礎進行數據清洗處理,包括缺失數據補全、異常數據剔除等。最后將數據庫中財務科目按原因代碼拆解,使得數據粒度下鉆至日度,作為融資規模預測的數據基礎。
由于公司最優資金存量僅是一個靜態值,不利于公司有效利用資金,保持資金需求總體平衡,以及有效減少利息支出。為滿足項目需求,擬通過機器學習方法進行月度最優資金存量的預測,并以此為基礎,結合財務業務邏輯確立月度融資規模預測和年度融資規模預測模型。
1.模型搭建邏輯。根據現金流預算表中各現金流入流出項間的勾稽關系,可得:資金缺口(即債務性融資額)=期初貨幣資金余額-期末貨幣資金控制限額+(經營活動現金流入+投資活動現金流入+股權籌資活動現金流入)-(經營活動現金流出+投資活動現金流出+籌資活動現金流出),通過對上式右邊每項的預測,匯總得到債務性融資規模。
2.預測方法選定原則。
(1)關鍵假設。該項目中,假設所有財務科目都對應了有潛在業務規律的隨機過程,其潛在規律可以從業務邏輯和統計學兩方面同時分析。
(2)分析原則。
①對于業務邏輯和統計學上具有較強規律性的科目,采用時間序列法預測。業務上,由于國網遼寧公司的企業特性,許多業務發生時點較為集中,反映在財務上就是大規模收支具有較強規律性。從統計學上講,事物的發展變化趨勢會延續到未來,反映在隨機過程理論中就是時間序列的平穩性或準平穩性。
②對于業務邏輯清晰且依賴預算的科目,采用預算比例法預測。預算比例法是一種基于時間序列法的延伸,綜合考慮具體現金流科目的業務因素,特別是預算的影響來預測未來資金趨勢的方法。預算比例法將工程項目等項目的資金使用情況看作將全年預算按比例分配至各月,并使用時間序列法尋找全年間各月比例的周期性、季節性等變化趨勢,進而預測未來各月項目資金比例。最后,將全年預算按預測比例分配至各月,實現月度資金使用預測。該算法的優勢是可以結合業務實際,按照預算編制的不同階段實施更精準的滾動預測。
③對于無論業務上還是統計學上規律性不強但財務邏輯清晰的財務科目,采用財務模型預測。除去售電收入、購電成本等規律性很強的財務科目,其他的科目采用財務模型預測和根據業務邏輯直接計算。例如籌資活動現金流出中償還貸款本金、償還貸款利息、支付融資租賃款及相關費用、歸還委貸款項、其他支出等。
④對于其他發生頻率低、發生金額非企業內部可控的現金流入流出項,采用手工輸入的方法補全預測。例如上繳總部收益投資等。
3.現金預算科目預測詳述?;诓挥每颇康慕y計學規律和財務邏輯,對模型中涉及的2項貨幣科目和21項現金流科目分別采用時間序列法、預算比例法、財務模型以及手工輸入的方式進行預測,具體預測方法及科目分類如下:
(1)時間序列現金流預測。
①模型構建。時間序列,也叫時間數列、歷史復數或動態數列。它是將某種統計指標的數值,按時間先后順序排列所形成的數列。時間序列預測法就是通過編制和分析時間序列,根據時間序列所反映出來的發展過程、方向和趨勢,進行類推或延伸,借以預測下一段時間或以后若干年內可能達到的水平。其內容包括:收集與整理某種社會現象的歷史資料;對這些資料進行檢查鑒別,排成數列;分析時間數列,從中尋找該社會現象隨時間變化而變化的規律,得出一定的模式;以此模式去預測該社會現象將來的情況。
本融資規模預測模型中采用ARIMA(自回歸積分滑動平均模型)來預測。其預測程序如下:首先,根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律,對序列的平穩性進行識別。一般來講,經濟運行的時間序列都不是平穩序列。其次,對非平穩序列進行平穩化處理。如果數據序列是非平穩的,并存在一定的增長或下降趨勢,則需要對數據進行差分處理,如果數據存在異方差,則需對數據進行技術處理,直到處理后的數據的自相關函數值和偏相關函數值無顯著地異于零。再次,根據時間序列模型的識別規則,建立相應的模型。若平穩序列的偏相關函數是截尾的,而自相關函數是拖尾的,可斷定序列適合AR模型;若平穩序列的偏相關函數是拖尾的,而自相關函數是截尾的,則可斷定序列適合MA模型;若平穩序列的偏相關函數和自相關函數均是拖尾的,則序列適合ARIMA模型。
②適用科目。從科目的業務規律分析,購電費支出、工資及各類附加支出以及用戶電費收入均為月度現金流,規律性強,會呈現較明顯的周期性。應用時間序列法對現金流出預算財務科目2016年8月—2017年5月的金額進行預測,并與實際金額對比得到平均預測準確率;逐科目計算科目現金流出占總現金流出的比例,分析現金流出組成結構。將金額占比除以預測偏差率定義為預測優度,對預測優度大于1的科目采用時間序列法進行預測。

表1 時間序列預測項目
(2)預算比例模型現金流預測。預算比例模型現金流預測以時間序列法為基礎,對于工程項目、運維檢修項目等,其各月現金流情況可以看作將年度預算按一定比例分配至各月。根據這樣的業務特點,可利用時間序列法尋找月度支付規律?,F金流明細中適用預算比例模型的項目如表2所示。

表2 預算比例預測項目
(3)財務模型現金流入預測。對于業務規律性不強的財務科目但財務邏輯清晰的現金流明細項目,建議使用財務模型預測。例如,依據收入和支出計提的稅金、依據售電量計提的代收款項現金支出、根據貸款合同以及還款計劃支出的貸款本金及利息等。適用財務模型的項目如表3所示。

表3 財務模型預測項目
(4)手工輸入。對于上交總部投資收益、營業外支出等發生頻率低、發生金額非企業內部可控的現金流入流出項,采用手工輸入的方法補全預測。

表4 手工輸入預測項目
(5)現金流量預測模型。基于經營活動現金流入、投資活動現金流入、股權籌資活動現金流入、經營活動現金流出、投資活動現金流出、籌資活動現金流出各明細項目進行預測,構成現金流量預測模型。
對于融資結構而言,是在融資成本、融資效率、使用目的之間進行平衡。在融資成本方面,無息負債方式優于帶息債務方式;融資效率方面,則應選擇獲取融資時間最短的融資方式;對于部分專項貸款,還需要平衡使用目的。
1.確定指標庫。為了全面、客觀、科學地反映融資結構,收集與融資環境相關的各類經濟及社會指標,刪除數據不全和相關性弱指標,形成融資結構指標庫,根據不同的指標特點,將指標庫分為經濟發展指標、物價指標、融資指標、聯動指標四個類型。其中經濟發展指標包含GDP、固定資產投資完成額、企業利潤總額、公共財政收入、城鎮居民可支配收入、工業增加值、社會消費品零售總額七項指標;物價指標包括CPI、PPI;融資指標包括M2、社會融資規模、金融機構貸款余額、人民幣各項貸款余額四項指標,將M2/GDP作為聯動指標。采用專家打分法,結合歷史數據及經驗,對不同指標設定相應權重。
2.融資結構優化。根據中心極限定理,在序列數超過30時,可以認為序列趨向于正態分布,指標綜合得分在總體正態分布下。計算正態分布總體的均值μ和標準差σ。我們將區間落在(μ-σ,μ+σ)判定為一般融資環境,區間落在大于μ+σ,判定為通貨膨脹,建議提高非流動負債比例,區間落在小于μ-σ,判定為通貨緊縮,建議降低非流動負債比例。同理,當聯動指標(M2/GDP)值落在正態分布值區間(μ-σ,μ+σ),我們認為融資渠道環境比較中性,當落在大于μ+σ區間我們建議增加直接融資,落在小于μ-σ區間建議降低直接融資。按照以上的測算方法,在綜合融資環境中分別得出在一般環境、通貨膨脹、通貨緊縮的環境下非流動負債與流動負債的占比建議,同時在融資渠道方面給出了直接融資與間接融資的比例建議。詳見表5、表6。

表5

表6
結合資金收支時間序列曲線特點、內外部變量,給出合理的融資時序安排建議,通過最合理的融資交易時點的安排。考慮到目前國內發行債券的利率一般為發行時的固定利率,而融資成本對利率的變動敏感性高,故債券和借款的最優融資時點均為當年內利率較低的時刻。利率走勢的趨勢可以通過對宏觀經濟形勢的判斷得出,微觀利率的走勢則可以參考歷史經驗和各大金額機構的相關報告。根據利率數據分析,2012—2016年貸款平均利率低點一般在11月,模型建議在執行利率低的11月融資。
基于現金流預測構建的最優融資策略模型是公司落實財務集約化創新發展工作思路、實現融資保障科學精準的重要舉措,通過最優融資策略模型的建設和應用,將合理壓降公司貨幣資金存量及融資規模,提高資金運作效率及效益,實現資金良性循環,提升財務管理的價值創造能力。
一是通過對歷史資金流入和流出的統計分析,提升公司對資金收支與業務運作的洞察力,通過削峰填谷的運作方式,進一步平滑資金收支曲線;二是在備付保障能力不降低的基礎上,建立合理和動態調整的實時資金存量水平,實現進一步降低存量、盤活流量、做優增量的管理目標;三是通過對資金收支的業務規律和規則的再發現,進一步加強融資計劃管理,將融資計劃與月度現金流量預算高效銜接,優化融資結構及融資來源,控制融資規模,壓降融資成本,實現提質增效工作目標。