基于貝葉斯網絡的資金流動監測模型研究

摘?要：常規的資金流動監測模型主要使用Ljung-Box生成檢驗資金流入流出序列，易受序列的時間差影響，導致監測的主力資金流入比率偏差較高，因此，需要基于貝葉斯網絡設計一個有效的資金流動監測模型。即利用小波神經網絡，處理資金流動監測數據，再基于貝葉斯網絡，抽取資金流動監測特征，從而生成資金流動監測優化模型。實驗分析結果表明，使用文章設計的資金流動監測模型監測的不同賬戶的主力資金流入比率與實際主力資金流入比率較接近，證明設計的資金流動貝葉斯網絡監測模型的性能良好，可靠性較好，有一定的應用價值，為降低金融企業的資金流動風險做出了一定的貢獻。

關鍵詞：貝葉斯網絡；資金流動；門檻效應回歸模型

中圖分類號：F830.37???文獻標識碼：A?文章編號：1005-6432（2024）13-0053-04

DOI：10.13939/j.cnki.zgsc.2024.13.010

1?引言

在經濟發展大環境下，全球的資金市場正在飛速變遷，金融企業的競爭也日益加劇。資金流動指的是資金形態、價值不斷轉換的過程［1］，與金融企業的生存與發展存在必要關聯。常見的流動資金包括企業的生產資金、商品資金等［2］，不僅如此，在企業結算、貨幣交易的過程中也會產生一定的流動資金。資金流動性的強弱往往受多種因素影響，包括資金的組成結構［3］、速動資金的比重、產品的品類、資金反饋流動體系的完整性等。對資金流動狀態進行監測不僅能保證資金的正常走向，還能及時地進行資金調劑［4］，降低企業的金融風險。資金流動監測的難度較高，涉及的監測內容復雜，因此需要設計一個有效的資金流動監測模型［5］。

在資金流動過程中，往往會出現嚴重的流動性風險，包括銀行資金流動困難［6］、盈利能力低下，甚至導致銀行倒閉。資金流動的原因較復雜，受綜合因素影響，因此在資金流動監測過程中很容易出現資金外流問題，造成金融企業運營危機［7］。相關研究人員針對資金流動的特點設計了許多資金流動監測模型，如資金流動效應回歸模型、資金流動均衡性模型等，但受資金流動的特殊性影響，目前大多數資金流動模型都需要使用Ljung-Box生成檢驗資金流入流出序列［8］，但易受序列的時間差影響，導致監測的主力資金流入比率偏差較高，得到的監測結果不準確［9］。因此，文章結合目前的資金流動現狀，利用貝葉斯網絡構建了資金流動監測優化模型，為提高金融企業的資金流動安全性做出了一定的貢獻。

2?資金流動貝葉斯網絡監測模型設計

2.1?處理資金流動監測數據

為了解決Ljung-Box在生成檢驗資金流動序列時存在的時間序列差問題，文章設計的方法利用小波神經網絡處理了資金流動監測數據。資金流動監測數據包含的類型較多，有利率、購買量、資金轉移量等，其遵循時間序列流動原則［10］，因此，文章在處理資金流動監測數據時，首先對監測的數據進行排序，降低數據的隨機性，在保證數據的時間間隔及監測周期一致性的情況下處理資金流動監測數據。

資金流動數據具有一定的非線性及非平穩性，且容易受流動收益率變化影響出現監測擾動，影響最終的監測結果。因此，文章設計的方法有效地進行了信息過濾清除，以SSE指數為基礎［11］，設置了監測數據處理范圍，建立了數據挖掘模型，即將所有的數據進行規范化處理，轉換為統一的格式。文章借助數據映射作用調整了數據的比例及結構，首先進行數據最大值、最小值規范化處理，處理式x′i如下。

x′i=xi－minxmaxx－minx（1）

式（1）中，xi代表資金流動序列，minx代表序列中的數據最小值，maxx代表序列中的數據最大值，上述處理后，可以將其映射至{0，1}區間，從而進行均值規范化處理，處理式X如下。

X=xi－x—σx（2）

式（2）中，x—代表數據的平均值，σx代表數據的標準差。使用上述方法不僅可以有效地處理未知屬性的數據，還可以確定數據的孤立點，待輸入層向量數據處理完畢后即可進行數據擬合驗證［12］，從而確保監測數據的有效性。

針對某些流動資金數據表，其內部包含的數據信息較多，資金流動多變，極有可能出現數據冗余問題，因此，在進行數據處理時，剔除交易額相對較低的數據，進行數據匯總及用戶分類，如圖1所示。

圖1?用戶分類

由圖1可知，按照上述的用戶分類法可以整合神經網各層的連接向量，剔除數據的殘差噪聲，使數據滿足實際監測要求。

2.2?基于貝葉斯網絡抽取資金流動監測特征

資金流動趨勢不穩定，始終呈動態改變，在該過程中若無法有效地抽取資金流動監測特征，則無法生成最終的資金流動監測模型，因此，文章基于貝葉斯網絡抽取了資金流動監測特征。貝葉斯網絡是一個有向無環圖，可以根據數據集的初始狀態判斷各個變量的關系，從而獲取相關的變量特征，其BN結構如圖2所示。

圖2?貝葉斯網絡BN結構

由圖2可知，貝葉斯網絡可以將靜態的網絡結構與動態的時間信息結合，從而得到隨機時序處理關系，因此，文章在抽取資金流動監測模型特征時，首先獲取了變量集合xt，?公式如下：

xt={Ct，?Mt，?Ot}（3）

式（3）中，Ct、Mt均代表時間變量，Ot代表狀態變量，使用上述的變量集合可以有效確定特征之間的關系，對觀測到的資金流動信息進行統一化處理，為生成監測優化模型奠定基礎。對資金流動特征進行定義，確定不同觀測特征的權值大小，此時得到的近似觀測值P（OXW）如下：

P（OXW）=W·P（OX）T（4）

式（4）中，W代表變量的特征條件概率，P（OX）T代表觀測點權值根據上述得到的貝葉斯近似特征觀測值可以有效抽取資金的流動特征，獲取監測優化模型的優化參數。

2.3?生成資金流動監測優化模型

結合式（4）得到的監測優化模型參數，即可生成有效的資金流動監測優化模型，資金流動監測具有較強的決策性，需要根據不同流動因子之間的關系進行交互監測。文章借助Agent6元組技術，對不同的資金流動因素進行了定義，確定了各個流動監測選項所處的種類關系，此時可以進行規則集中匹配，對部分檢測執行集合進行集中響應。

資金流動監測優化模型本質上屬于一個監測推理模型，可以根據正態邏輯意圖計算模型的監測動機，從而獲取符合監測需求的監測指令。文章設計的資金流動動態監測模型主要由信念庫、期望庫、意圖庫組成，組成結構如圖3所示。

由圖3可知，信念庫是上述構建的資金流動監測模型的主要組成部分，可以根據所掌握的外界Agent賬戶環境而變化；期望庫屬于主體動機狀態，可以判斷是否達到相應的資金流動標準；意圖庫主要由期待轉化而來，對監測過程起指導作用，在檢測過程中，可以預先建立一個資金流動動態監測事件，確定此時的環境信息，調整監測的局限程度，有效地獲取資金流動監測變量，待監測完畢后，再由事件接收器捕獲監測信息，得到準確的資金流動監測數據。使用上述構建的監測模型可以有序處理資金流動監測信息，判斷資金的具體流動狀態。

圖3?資金流動監測模型結構

3?實驗

為了驗證設計的基于貝葉斯網絡的資金流動監測模型的監測效果，文章搭建了仿真實驗環境，將其與文獻一的門檻效應回歸資金流動監測模型及資金流動監測一般均衡模型對比，進行實驗。

3.1?實驗準備

結合實驗要求，文章模擬了實際狀態下各個金融部門的資金流動狀況，即以常規的政府作為Agent核心，創設多個Agent金融類別，并進行基礎簡化，從而形成了一個小經濟實驗系統。本實驗模擬了多層級的資金流動狀況，并設置了5年的有效仿真周期。政府層級主要包括二級政府及中央部門，細化成了財政、保障、教育分支，每個部門都預設了一個獨立的賬戶，累計Agent賬戶共12個。

在開始實驗前，需要進行實驗假設，即預設的實驗系統在封閉的國家運行，無須考慮匯率等對實驗國家造成的影響。除此之外，需要將真實的預算數據輸入實驗仿真模型中，確保各個省份之間無影響實驗結果的交互關系，針對其他Agent行為，需要由國庫進行統一支付，實驗金融系統的銀行僅支持存款、貸款、國債代售，不支持證券貨幣。根據上述預設條件，文章選取HP?6515?CPU：AMD?Turion?64?1.79GHz硬件，其內存為2G。實驗在Microsoft?Windows?XP?Professional?Version?2010?Service?Pack?4中進行，使用Internet?Explorer?7.0.5730.1及Tomcat?5.0.28進行調整。為了提高實驗的有效性，產生的實驗數據需存放至MySQL?Server?5.0中，待實驗軟硬件環境設置完畢后，即可確定仿真實驗參與個體。為了降低隨機性對實驗結果造成的影響，文章設置的仿真經濟體系劃分了富裕、貧窮、一般三種經濟狀況，其中A省設置為一般經濟、B省設置為富裕經濟，C省設置為貧困經濟，此時，各個政府的基本實驗參與情況如表1所示。

由表1可知，各個仿真政府的參與比例滿足資金流動監測需求，預設每個省人口為122人，銀行數量為1，企業數量為6。

設置了仿真實驗經濟系統的基本參與情況后，需要確定各個省的資金流動模式，各個政府的日常賬戶支出如圖4所示。

圖4?各政府日常賬戶支出

由圖4可知，結合資金流動監測實驗需求，文章設置的公務員工資支出，分別為財政部14000元/月、社會保障部14000元/月、教育部17500元/月，總計為45500元/月。政府繳納“三金”支出分別為財政部5040元/月、社會保障部5040元/月、教育部6300元/月，總計為16380元/月，房屋維修支出分別為財政部1500元/月、社會保障部1500元/月、教育部1500元/月，總計為4500元/月，車輛維護支出分別為財政部600元/月、社會保障部600元/月、教育部900元/月，總計為2100元/月，辦公費用分別為財政部550元/月、社會保障部550元/月、教育部550元/月，總計為1650元/月。公務員的工資按照3500元/月發放，并額外支付政府繳納的36％部分。

仿真實驗經濟系統中設置了3個類別的社保賬戶，統計了仿真經濟系統中省級國庫賬戶的收入情況，其中個人所得稅的稅金為3435元/月，企業所得稅的稅金為25250元/月，營業稅為16667元/月，消費稅為2000元/月，增值稅為17000元/月，國庫賬戶中的主力收支線主要按照集中收入原則，使用Agent進行集中設定，確定資金買入決算、預算的執行狀況，有效地進行實驗編制，此時可以選取主力資金流入比Q作為實驗指標，計算式如下：

Q=JC×100％（5）

式（5）中，J代表當日主力資金凈買入額，C代表當日成交例數，不同模型計算的主力資金流入比例與實際主力資金流入比例越接近，證明模型的性能越好。

3.2?實驗結果與討論

結合上述的實驗準備，在預設的仿真實驗平臺中可進行資金流動監測模型性能驗證實驗，即分別使用文章設計的基于貝葉斯網絡的資金流動監測模型，文獻一的門檻效應回歸資金流動監測模型，以及文獻二的資金流動監測一般均衡模型對不同Agent賬戶的資金流動狀況進行監測，使用式（5）計算三種方法得到的主力資金流入比，并將其與實際的主力資金流入比對比，實驗結果如表2所示。

由表2可知，文章設計的基于貝葉斯網絡的資金流動監測模型在不同Agent賬戶監測的主力資金流動比率與實際的主力資金流動比率較接近，文獻一的門檻效應回歸資金流動監測模型以及文獻二的資金流動監測一般均衡模型不同Agent賬戶監測的主力資金流動比率與實際的主力資金流動比率相差較高，上述實驗結果證明，文章設計的基于貝葉斯網絡的資金流動監測模型性能良好，具有可靠性，有一定的應用價值。

4?結語

綜上所述，資金流動對金融企業來說十分重要，且其受各種各樣復雜的因素所影響。一旦出現了資金流動問題，很可能導致經濟產值持續下降，甚至可能使金融企業倒閉，因此需要有效地進行資金流動監測。常規的資金流動監測模型的監測效果較差，不符合目前的監測需求。因此，文章基于貝葉斯網絡設計了一種全新的資金流動監測模型進行實驗，結果表明，設計的資金流動貝葉斯網絡監測模型的監測效果較好，具有可靠性，有一定的應用價值，為提高資金流動的安全性做出了一定的貢獻。

參考文獻：

［1］李敏霞.證券市場雙向開放對我國跨境資金流動的影響——基于門檻效應回歸模型的實證研究［J］.西部金融，2022（4）：67-71，97.

［2］齊貴權.中美經貿摩擦對我國跨境資金流動的影響——基于多國動態可計算一般均衡模型分析［J］.中國外匯，2022（3）：67-71.

［3］郭棟.流量預警：貨幣周期變化引發跨境資金流動風險的監測——以國內系統重要性銀行為例的時變沖擊分析［J］.浙江金融，2022（5）：58-70.

［4］孫希昀，侯駿，王淼，等.文本中隱含的跨境資金流動信息——基于文本大數據分析構建跨境資金流出壓力指數［J］.中國外匯，2022（3）：41-45.

［5］張亞.后疫情時代我國跨境資金流動宏觀審慎管理研究——基于巴西跨境資金宏觀審慎管理的經驗［J］.黑龍江金融，2022（2）：28-33.

［6］王偉濤.內外部經濟政策不確定性與中國短期跨境資金流動——基于金融周期差異和中介效應視角的檢驗［J］.南方金融，2021（4）：3-15.

［7］陸岷峰，周軍煜.“雙循環”背景下資金流動堵點的形式、成因與治理——基于部分A股上市銀行2011～2020年季度財報［J］.福建金融，2021（2）：16-24.

［8］章琰，李萍，姜全紅.資金供給、技術能力與技術轉移績效——國家重點研發計劃多群組結構方程模型分析［J］.科技進步與對策，2023，40（2）：11-19.

［9］侯俊華，黃家欣.基于超效率DEA-CCR模型財政專項扶貧資金績效評價研究——以江西省撫州市為例［J］.東華理工大學學報（社會科學版），2022，41（1）：27-32.

［10］胡國暉，蔣璐陽.貨幣政策預期管理對抑制商業銀行資金同業空轉的作用——基于德格魯特模型的預期構建分析［J］.金融理論與實踐，2022（1）：9-19.

［11］謝軍，馬愛艷，琚穎.新疆阿克蘇地區財政支農資金對農村居民收入的影響——基于VAR模型實證分析［J］.安徽農業科學，2021，49（6）：216-219.

［12］姚萍，楊愛軍，林金官.一類金融貝葉斯分位數GARCH模型及其在我國匯率市場中的應用研究［J］.數學的實踐與認識，2021，51（20）：10-16.

［作者簡介］齊臣（1982—），男，漢族，黑龍江樺川人，本科，研究方向：財務、資金、審計全面管理。