國庫現(xiàn)金流預(yù)測存在的問題及方法研究
——基于混頻數(shù)據(jù)模型的實證分析

張淑霞 劉蘊霄

（中國人民銀行長春中心支行，吉林長春 130051）

一、選題意義

國庫資金余額管理是在確保財政資金安全，同時滿足財政日常支出需要的前提下，對國庫資金進行有效管理，從而實現(xiàn)國庫庫存余額最小化、國庫資金收益最大化。近年來，隨著地方財政收入的不斷增長，國庫庫存余額不斷攀升，有必要對國庫存量資金的余額進行管理，從而降低國庫資金的機會成本，實現(xiàn)利潤最大化。目前，各地方國庫多通過開展國庫現(xiàn)金管理來實現(xiàn)對國庫資金的余額管理，而國庫現(xiàn)金流預(yù)測工作對國庫現(xiàn)金管理的規(guī)模、期限、利率等關(guān)鍵要素可以發(fā)揮引導和糾偏作用，從這個角度看，國庫現(xiàn)金流預(yù)測工作十分重要。

二、國庫現(xiàn)金流量預(yù)測存在的問題

（一）地方國庫現(xiàn)金流量不穩(wěn)定，影響預(yù)測的穩(wěn)定性

上級財政轉(zhuǎn)移支付是吉林省保證預(yù)算支出的主要來源，這些資金主要用于保障基層正常運轉(zhuǎn)及人員工資。近幾年，隨著調(diào)撥收入較快增長，吉林省國庫庫存起伏劇烈，季節(jié)性波動較為明顯，增加了國庫現(xiàn)金流預(yù)測工作的開展難度。

（二）地方國庫賬戶設(shè)置不規(guī)范，影響預(yù)測的完整性

地方國庫資金主要由省本級和各市、區(qū)縣、鄉(xiāng)鎮(zhèn)級國庫資金構(gòu)成，當前財政國庫賬戶管理制度的基礎(chǔ)是國庫單一賬戶。由于地方財政賬戶設(shè)置不規(guī)范，部分財政國庫資金游離于國庫管理體系外，導致地方財政收支結(jié)構(gòu)不清晰，沒有完整的反映出地方國庫收支現(xiàn)狀，地方國庫資金規(guī)模也因國庫資金使用不集中而受到了制約，現(xiàn)金流預(yù)測的完整性也受到了影響。

（三）預(yù)測所需數(shù)據(jù)來源單一，影響預(yù)測的準確性

由于數(shù)據(jù)來源有限，因此在模型的選用和修正方面，現(xiàn)金流預(yù)測工作面臨一定瓶頸。一是國庫現(xiàn)金流預(yù)測工作所需的數(shù)據(jù)來源豐富，種類繁雜，由于缺乏預(yù)測系統(tǒng)，導致數(shù)據(jù)挖掘不徹底，影響預(yù)測精度。二是國庫與財政、稅務(wù)、海關(guān)、金融機構(gòu)聯(lián)系緊密，單靠自身掌握的數(shù)據(jù)，難以有效的對現(xiàn)金流量進行全面預(yù)測，而部門之間存在業(yè)務(wù)壁壘，數(shù)據(jù)、信息還難以實現(xiàn)全面共享，一定程度影響了現(xiàn)金流預(yù)測的準確程度。

三、地方國庫現(xiàn)金流實證監(jiān)測分析

（一）吉林省國庫現(xiàn)金流總體情況

2019年吉林省國庫資金流入、流出總量分別為9420.69億元和9457.62億元，同比增長6.7%和5.9%。日均流入、流出量為25.81億元和25.91億元，同比增長6.7%和5.9%，日均庫存560.79 億元，同比增長0.5%，年末庫存354.41億元，同比下降9.4%。

（二）國庫現(xiàn)金流分析

1.國庫資金流量增勢明顯。2019年國庫資金流入量和流出量分別為9420.69億元和9457.62億元，較2015年、2016年、2017年、2018年分別增長24.4%和24.2%、25.9%和26.5%、10.8%和11.6%、6.3%和5.9%，流量與增量明顯。

2.國庫現(xiàn)金流平均流量加大。2015年國庫現(xiàn)金流日均流入量、流出量分別為20.70億元、20.87億元，2019年增加到25.81億元、25.91億元；國庫現(xiàn)金流月均流入量、流出量2015年分別為629.77億元、634.80億元，2019年分別增加到785.06億元、788.14億元。國庫現(xiàn)金流日均流量、月均流量都增長了24%以上。

3.國庫現(xiàn)金流年度內(nèi)走勢規(guī)律性上揚。2015-2019年間，國庫現(xiàn)金流走勢呈規(guī)律性上揚。每一年度內(nèi)，一季度現(xiàn)金流量均處于底部，而后經(jīng)過二、三季度的緩慢增長，在四季度達到最高峰。

4.公共預(yù)算調(diào)撥收入對國庫現(xiàn)金流量影響較大。2019年吉林省公共預(yù)算調(diào)撥收入為6246.92億元，占當年國庫現(xiàn)金流總量的66.3%，公共預(yù)算調(diào)撥收入具有金額大、撥付節(jié)奏較難把握的特點，導致了國庫資金流量不均衡，特別是轉(zhuǎn)移支付收入多發(fā)生在當年的四季度，直接影響全年國庫資金流量的穩(wěn)定性和均衡性。（見表1）。

表1 2015-2019年吉林省國庫現(xiàn)金流入構(gòu)成情況表 單位：億元

（三）國庫庫存情況分析

1.國庫庫存結(jié)構(gòu)性特征明顯。2017-2019年間，我省國庫庫存持續(xù)增長，呈三個結(jié)構(gòu)性特征。一是月末平均庫存余額逐年增長。我們將每年的月度庫存數(shù)據(jù)中剔除一個最高值、一個最低值，由此保證樣本數(shù)據(jù)集中趨勢的穩(wěn)定性。近三年數(shù)據(jù)顯示，月末庫存余額均值分別為494.88億元、495.58億元、522.88億元，庫存余額呈現(xiàn)出小幅增長態(tài)勢。二是年內(nèi)月度庫存波動幅度逐漸降低。2017-2019年，當年月末庫存最大值分別是最小值的2.36倍、2.02倍、1.99倍，庫存波動幅度逐漸趨緩。三是年內(nèi)大部分月份月末庫存在當年均值以下。2017-2019年當月庫存均值在全年均值以下的月份個數(shù)分別為8個、6個、7個。

2.國庫庫存年內(nèi)波動相對規(guī)律。2015-2019年庫存余額周期性變化顯示，每年5-7月、9-11月庫存余額增速較快，進入12月則大幅回落。國庫庫存隨著季節(jié)的變換，呈規(guī)律性上升或下降。每年的一、二季末，庫存走勢均呈上升態(tài)勢。進入四季度，特別是12月份，由于年底支出增加，庫存大幅下降。2019年吉林省四季度國庫現(xiàn)金流入2653.03億元，占全年國庫現(xiàn)金流入的28.2%；現(xiàn)金流出為2922.10億元，占全年國庫現(xiàn)金流出的30.9%（見圖6）。

3.調(diào)撥收入對月度庫存波動作用明顯。轉(zhuǎn)移支付多集中在每年的9-12月份，特別是12月份，對庫存影響巨大。2019年9月、10月、11月、12月庫存分別為623.47億元、569.87億元、532.47億元、354.41億元。12月份庫存呈斷崖式下降。

四、模型設(shè)定與實證分析

國庫現(xiàn)金流預(yù)測工作經(jīng)過多年的經(jīng)驗摸索，已形成了一定的積累。目前來看，ARIMA 及其擴展模型- ARMA、ARIMA 或SARIMA是各地方國庫應(yīng)用最廣泛的模型。除此之外，線性回歸模型、指數(shù)平滑法、濾波乘法模型、季節(jié)乘積模型、VAR模型等使用率也較高。

本文采用的混頻數(shù)據(jù)模型 MIDAS 優(yōu)點在于：一是MIDAS模型可以有效解決高頻數(shù)據(jù)向低頻數(shù)據(jù)轉(zhuǎn)化時，樣本數(shù)據(jù)丟失對預(yù)測準確度的影響；二是MIDAS模型可以最大限度的彌補月度數(shù)據(jù)相較于日度數(shù)據(jù)在數(shù)據(jù)生成時間方面存在的滯后性，從而提高預(yù)測的準確性。這也是MIDAS被廣泛應(yīng)用于經(jīng)濟走勢的判斷、物價通脹、股市波動等宏觀經(jīng)濟研究的重要原因。

（一）混頻數(shù)據(jù)模型

多數(shù)情況下，移動平均模型是對日末數(shù)據(jù)加權(quán)得到的平均值：

（二）權(quán)重函數(shù)的設(shè)定

MIDAS權(quán)重函數(shù)對估計效果的影響顯著，通常使用Beta函數(shù)或指數(shù)Almon函數(shù)來計算權(quán)重函數(shù)。

Beta函數(shù)：

Beta函數(shù)和指數(shù)Almon函數(shù)雖然在不同滯后期賦予的權(quán)重有所差異，但兩種函數(shù)都是非等權(quán)重函數(shù)。相較于指數(shù)Almon函數(shù)，Beta函數(shù)計算相對簡便，因此本文采用Beta函數(shù)計算權(quán)重函數(shù)。

（三）實證分析

本文采用2015-2019年五年間每日的日末庫存，平均得到每月的月末庫存值，然后利用MIDAS模型，用每日的日末數(shù)據(jù)轉(zhuǎn)化生成每月數(shù)據(jù)，進而通過eviews6.0和MATLAB軟件去預(yù)測下月數(shù)據(jù)。

1.描述性分析。吉林省國庫2015年1月至2019年12月庫存余額月均值的平均值為519.95，標準差為127.31。從分布看，P值為1.26%，樣本拒絕服從正態(tài)分布，即庫存余額月均值不服從正態(tài)分布。又因為標準差系數(shù)（=標準差/平均值）0.2448，極差（=最大-最小值）574.25，說明庫存余額月均值波動較大且分布離散，這在一定程度上影響了預(yù)測的準確度，同時加大了預(yù)測難度。

2.預(yù)測分析。由表2可見，用MIDAS混頻數(shù)據(jù)模型與常用的指數(shù)平滑法、ARMA模型分別對國庫現(xiàn)金流進行預(yù)測，并對比預(yù)測結(jié)果。結(jié)果顯示，以2015年1月、2016年1月、2017年1月、2018年1月分別至2019年12月作為樣本區(qū)間，預(yù)測精度平均值分別為11.1%、10.4%、8.5%和10.5%，可見樣本區(qū)間的長度對混頻數(shù)據(jù)模型的預(yù)測結(jié)果有一定影響，樣本區(qū)間過大或過小的預(yù)測效果都不好。以 2017年1月-2019年12月作為樣本區(qū)間，利用MIDAS模型預(yù)測2020年的月度數(shù)據(jù)預(yù)測的結(jié)果，相較于指數(shù)平滑法的預(yù)測結(jié)果11.3%和ARMA模型的15.8%有顯著提高。

表2 MIDAS混頻數(shù)據(jù)模型對庫存余額月均值的預(yù)測誤差率（%）

3.結(jié)論。MIDAS模型相較于其他模型預(yù)測準確度有明顯提高，但其缺點也比較明顯，由于模型中沒有包含長期性和周期性因素，這使得模型存在缺陷。如果能夠結(jié)合上述因素對模型進行修正，比如ARIMA模型、灰色系統(tǒng)模型等，相信8.5%的預(yù)測準確度還有可提升的空間。

五、完善國庫現(xiàn)金流預(yù)測方法的建議

在日常工作中，國庫現(xiàn)金流受財政收支狀況、金融投資工具和外部市場環(huán)境等因素影響，存在波動較大的情況，給預(yù)測帶來了一定的難度。因此，需要從多方面入手提高國庫現(xiàn)金流預(yù)測的準確性。

（一）深化預(yù)算改革，完善集中收付制度

一是加強事中監(jiān)督。在財政預(yù)算執(zhí)行過程中，充分履行國庫監(jiān)督職能，保證預(yù)算偏離度的合理，提高地方預(yù)算管理水平。二是從源頭上對國庫資金收支進行管理，深化集中收付制度改革，將游離于國庫單一賬戶外的資金收納入庫。

（二）加強隊伍建設(shè)，提高分析水平

一是打造國庫現(xiàn)金流預(yù)測專業(yè)隊伍，選配具備統(tǒng)計分析專業(yè)知識且熟悉國庫業(yè)務(wù)的優(yōu)秀人才。二是定期組織培訓，讓國庫現(xiàn)金流預(yù)測工作開展較好的單位進行經(jīng)驗介紹，加強不同地區(qū)國庫現(xiàn)金流預(yù)測崗位人員溝通與交流。三是加強與地方高校的合作力度，不斷提高國庫現(xiàn)金流預(yù)測崗位人員專業(yè)素質(zhì)，更新知識儲備，提升隊伍的專業(yè)性。

（三）加大數(shù)字化投入力度，完善現(xiàn)有國庫系統(tǒng)

一是加強信息化建設(shè)。各級國庫應(yīng)加大信息化投入，通過大數(shù)據(jù)及互聯(lián)網(wǎng)技術(shù)，探索符合財政預(yù)算的編制模式，進而促進地方經(jīng)濟發(fā)展。二是在國庫現(xiàn)有 “3T” 系統(tǒng)基礎(chǔ)上，建立國庫現(xiàn)金流預(yù)測系統(tǒng)，將國庫資金流入、資金流出的金額、來源、用途納入到數(shù)據(jù)系統(tǒng)中，形成國庫現(xiàn)金流預(yù)測數(shù)據(jù)分析庫，實現(xiàn)對國庫現(xiàn)金流整體情況及分類流量的實時監(jiān)測，提升國庫現(xiàn)金流預(yù)測工作的信息化及現(xiàn)代化水平，推動地方國庫現(xiàn)金流預(yù)測工作更加高效、規(guī)范。