住房公積金資金分析及輔助決策研究

曲大偉 丁志強

摘 要：根據住建部關于《住房公積金信息建設導則》建立住房公積金運營分析支持系統要求，結合住房公積金業務發展和管理要求，對住房公積金資金歷史數據進行分析建模，結合公積金業務發展和政策取向建立了中短期業務預測模型。為公積金中短期事業發展提供輔助決策支持。

關鍵詞：公積金管理? 資金分析預測? winters模型

一、可行性分析及研究方案

L省省直住房資金管理中心為隸屬于遼寧省財政廳不以營利為目的的自收自支事業單位，主要負責省（中）直駐沈單位住房公積金的歸集、管理、使用和會計核算。中心的公積金繳存、回收、提取等數據具有一定規律性。

分析發現，L省省直住房資金管理中心的公積金匯繳、支取、回收等數據具有較強的時序性，對規律性較強的數據，可使用時間序列平滑法或趨勢外推法對其進行分析預測;對更復雜的數據，可以將上述方法結合起來進行分析預測。

二、數據分析及處理

數據采用2012-2017年L省省直住房資金管理中心的真實業務數據，通過數據分析，選取合適的數學模型對公積金匯繳、貸款回收、公積金提取進行模擬仿真。

（一）公積金匯繳的預測

經分析發現，公積金匯繳具有較強的規律，雖然按月統計的匯繳金額規律不強，但按季度匯總后卻有較強的線性規律?？捎米钚《朔ㄟM行中短期預測。

首先，按季度預測。選取預測數據之前連續5年的匯繳數據作為基礎數據，按季度進行匯總，利用最小二乘法得到每一季度的預測方程。

然后，按月預測。計算基礎數據每月在其所屬季度中所占比值。用季度預測值乘以每月在其所屬季度中占比均值即可得到每月的預測值。對其他各季度及月份的匯繳金額進行預測，也有類似結果。

（二）公積金貸款回收的預測

利用指數模型對2018年第一季度的貸款回收進行預測，預測該季度貸款回收金額為239087138.3元，而真實值為228304335.1元，誤差為4.7%，預測精度高，該預測模型可靠度好。

（三）公積金支取總量的預測

對2012年1月至2017年12月公積金總支取金額進行分析。沒有較強的規律性。一方面，該數據隨著時間的推移表現出增大的總體趨勢;另一方面，又存在著季節的波動性;此外，數據還存在隨機性波動。利用一般的模型對其進行預測時，誤差較大，效果不好。溫特斯（winters）季節預測法是一種較為高級的平滑預測方法，以三個方程為基礎。其中，每個方程用于平滑模型的三個組成部分（平穩的、趨勢的和季節性的），且都含有一個有關參數。這種方法可以平滑隨機性、修正傾向性、處理季節性。

溫特斯季節預測法的三個基本方程為：

這里[p]是季節長度，[α，β，γ]為（0，1）中的數，稱為平滑參數，[Yt]為觀測的實際值。

以2012年各月與2012年全年提取金額的月均值之比，作為初始月份平滑值[I1～I12]，用2013年1月份的實際值作為一次平滑值[St]的初始值[S13]，以2013年一季度與2012年一季度差值的均值作為趨勢平滑值[bt]的初始值[b13]，用[～Y2=（S13+b13）I2]預測2013年2月的總支取。然后按3個基本方程計算[St]，[bt]，[It]，并用[～Yt+1=（St+bt）It-p+1]對下個月的總支取金額進行預測。

使用此方法時，最重要，也是最困難的工作是確定平滑參數[α，β，γ]的取值問題，平滑參數的取值合適與否，決定著預測的準確程度。經過大量實驗和以往數據分析工作的實踐經驗，此處我們選擇[α=0.382，β=0.45，γ=0.7]作為該模型的平滑參數?？紤]到政策因素以及某些月份的特殊性（如春節在1月或2月份，十一長假在10月份），我們又加入政策調整因子和月份調整因子，共計5個參數。

該模型是一個逐步修正的過程，一般需要3個季節周期就會基本穩定，前面預測的數據可能不太好。等數據修正基本穩定后。后面模型預測值比較理想。

利用上述模型對2018年4至6月的總支取金額進行預測， 最大誤差為7.4%，精度比上兩個模型較差，但仍然可以接受。

三、結束語

通過對歷史數據分析，根據其規律選擇合適的模型進行中短期預測。只要模型選擇得當，精度和穩定性都可以有效保障?？梢愿鶕e金的存量及可以為公積金的合理使用及政策出臺提供有力的理論依據，充分發揮公積金的效用。