張淑霞 劉蘊(yùn)霄

（中國(guó)人民銀行長(zhǎng)春中心支行，吉林長(zhǎng)春 130051）

一、選題意義

國(guó)庫(kù)資金余額管理是在確保財(cái)政資金安全，同時(shí)滿足財(cái)政日常支出需要的前提下，對(duì)國(guó)庫(kù)資金進(jìn)行有效管理，從而實(shí)現(xiàn)國(guó)庫(kù)庫(kù)存余額最小化、國(guó)庫(kù)資金收益最大化。近年來(lái)，隨著地方財(cái)政收入的不斷增長(zhǎng)，國(guó)庫(kù)庫(kù)存余額不斷攀升，有必要對(duì)國(guó)庫(kù)存量資金的余額進(jìn)行管理，從而降低國(guó)庫(kù)資金的機(jī)會(huì)成本，實(shí)現(xiàn)利潤(rùn)最大化。目前，各地方國(guó)庫(kù)多通過(guò)開展國(guó)庫(kù)現(xiàn)金管理來(lái)實(shí)現(xiàn)對(duì)國(guó)庫(kù)資金的余額管理，而國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作對(duì)國(guó)庫(kù)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(dǎo)和糾偏作用，從這個(gè)角度看，國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作十分重要。

二、國(guó)庫(kù)現(xiàn)金流量預(yù)測(cè)存在的問(wèn)題

（一）地方國(guó)庫(kù)現(xiàn)金流量不穩(wěn)定，影響預(yù)測(cè)的穩(wěn)定性

上級(jí)財(cái)政轉(zhuǎn)移支付是吉林省保證預(yù)算支出的主要來(lái)源，這些資金主要用于保障基層正常運(yùn)轉(zhuǎn)及人員工資。近幾年，隨著調(diào)撥收入較快增長(zhǎng)，吉林省國(guó)庫(kù)庫(kù)存起伏劇烈，季節(jié)性波動(dòng)較為明顯，增加了國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作的開展難度。

（二）地方國(guó)庫(kù)賬戶設(shè)置不規(guī)范，影響預(yù)測(cè)的完整性

地方國(guó)庫(kù)資金主要由省本級(jí)和各市、區(qū)縣、鄉(xiāng)鎮(zhèn)級(jí)國(guó)庫(kù)資金構(gòu)成，當(dāng)前財(cái)政國(guó)庫(kù)賬戶管理制度的基礎(chǔ)是國(guó)庫(kù)單一賬戶。由于地方財(cái)政賬戶設(shè)置不規(guī)范，部分財(cái)政國(guó)庫(kù)資金游離于國(guó)庫(kù)管理體系外，導(dǎo)致地方財(cái)政收支結(jié)構(gòu)不清晰，沒(méi)有完整的反映出地方國(guó)庫(kù)收支現(xiàn)狀，地方國(guó)庫(kù)資金規(guī)模也因國(guó)庫(kù)資金使用不集中而受到了制約，現(xiàn)金流預(yù)測(cè)的完整性也受到了影響。

（三）預(yù)測(cè)所需數(shù)據(jù)來(lái)源單一，影響預(yù)測(cè)的準(zhǔn)確性

由于數(shù)據(jù)來(lái)源有限，因此在模型的選用和修正方面，現(xiàn)金流預(yù)測(cè)工作面臨一定瓶頸。一是國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作所需的數(shù)據(jù)來(lái)源豐富，種類繁雜，由于缺乏預(yù)測(cè)系統(tǒng)，導(dǎo)致數(shù)據(jù)挖掘不徹底，影響預(yù)測(cè)精度。二是國(guó)庫(kù)與財(cái)政、稅務(wù)、海關(guān)、金融機(jī)構(gòu)聯(lián)系緊密，單靠自身掌握的數(shù)據(jù)，難以有效的對(duì)現(xiàn)金流量進(jìn)行全面預(yù)測(cè)，而部門之間存在業(yè)務(wù)壁壘，數(shù)據(jù)、信息還難以實(shí)現(xiàn)全面共享，一定程度影響了現(xiàn)金流預(yù)測(cè)的準(zhǔn)確程度。

三、地方國(guó)庫(kù)現(xiàn)金流實(shí)證監(jiān)測(cè)分析

（一）吉林省國(guó)庫(kù)現(xiàn)金流總體情況

2019年吉林省國(guó)庫(kù)資金流入、流出總量分別為9420.69億元和9457.62億元，同比增長(zhǎng)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(zhǎng)6.7%和5.9%，日均庫(kù)存560.79 億元，同比增長(zhǎng)0.5%，年末庫(kù)存354.41億元，同比下降9.4%。

（二）國(guó)庫(kù)現(xiàn)金流分析

1.國(guó)庫(kù)資金流量增勢(shì)明顯。2019年國(guó)庫(kù)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(zhǎng)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(guó)庫(kù)現(xiàn)金流平均流量加大。2015年國(guó)庫(kù)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(guó)庫(kù)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(guó)庫(kù)現(xiàn)金流日均流量、月均流量都增長(zhǎng)了24%以上。

3.國(guó)庫(kù)現(xiàn)金流年度內(nèi)走勢(shì)規(guī)律性上揚(yáng)。2015-2019年間，國(guó)庫(kù)現(xiàn)金流走勢(shì)呈規(guī)律性上揚(yáng)。每一年度內(nèi)，一季度現(xiàn)金流量均處于底部，而后經(jīng)過(guò)二、三季度的緩慢增長(zhǎng)，在四季度達(dá)到最高峰。

4.公共預(yù)算調(diào)撥收入對(duì)國(guó)庫(kù)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(dāng)年國(guó)庫(kù)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(diǎn)，導(dǎo)致了國(guó)庫(kù)資金流量不均衡，特別是轉(zhuǎn)移支付收入多發(fā)生在當(dāng)年的四季度，直接影響全年國(guó)庫(kù)資金流量的穩(wěn)定性和均衡性。（見(jiàn)表1）。

表1 2015-2019年吉林省國(guó)庫(kù)現(xiàn)金流入構(gòu)成情況表 單位：億元

（三）國(guó)庫(kù)庫(kù)存情況分析

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

2.國(guó)庫(kù)庫(kù)存年內(nèi)波動(dòng)相對(duì)規(guī)律。2015-2019年庫(kù)存余額周期性變化顯示，每年5-7月、9-11月庫(kù)存余額增速較快，進(jìn)入12月則大幅回落。國(guó)庫(kù)庫(kù)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(kù)存走勢(shì)均呈上升態(tài)勢(shì)。進(jìn)入四季度，特別是12月份，由于年底支出增加，庫(kù)存大幅下降。2019年吉林省四季度國(guó)庫(kù)現(xiàn)金流入2653.03億元，占全年國(guó)庫(kù)現(xiàn)金流入的28.2%；現(xiàn)金流出為2922.10億元，占全年國(guó)庫(kù)現(xiàn)金流出的30.9%（見(jiàn)圖6）。

3.調(diào)撥收入對(duì)月度庫(kù)存波動(dòng)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(duì)庫(kù)存影響巨大。2019年9月、10月、11月、12月庫(kù)存分別為623.47億元、569.87億元、532.47億元、354.41億元。12月份庫(kù)存呈斷崖式下降。

四、模型設(shè)定與實(shí)證分析

國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作經(jīng)過(guò)多年的經(jīng)驗(yàn)摸索，已形成了一定的積累。目前來(lái)看，ARIMA 及其擴(kuò)展模型- ARMA、ARIMA 或SARIMA是各地方國(guó)庫(kù)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(diǎn)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(shí)，樣本數(shù)據(jù)丟失對(duì)預(yù)測(cè)準(zhǔn)確度的影響；二是MIDAS模型可以最大限度的彌補(bǔ)月度數(shù)據(jù)相較于日度數(shù)據(jù)在數(shù)據(jù)生成時(shí)間方面存在的滯后性，從而提高預(yù)測(cè)的準(zhǔn)確性。這也是MIDAS被廣泛應(yīng)用于經(jīng)濟(jì)走勢(shì)的判斷、物價(jià)通脹、股市波動(dòng)等宏觀經(jīng)濟(jì)研究的重要原因。

（一）混頻數(shù)據(jù)模型

多數(shù)情況下，移動(dòng)平均模型是對(duì)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(duì)估計(jì)效果的影響顯著，通常使用Beta函數(shù)或指數(shù)Almon函數(shù)來(lái)計(jì)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(jì)算相對(duì)簡(jiǎn)便，因此本文采用Beta函數(shù)計(jì)算權(quán)重函數(shù)。

（三）實(shí)證分析

本文采用2015-2019年五年間每日的日末庫(kù)存，平均得到每月的月末庫(kù)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(jìn)而通過(guò)eviews6.0和MATLAB軟件去預(yù)測(cè)下月數(shù)據(jù)。

1.描述性分析。吉林省國(guó)庫(kù)2015年1月至2019年12月庫(kù)存余額月均值的平均值為519.95，標(biāo)準(zhǔn)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(kù)存余額月均值不服從正態(tài)分布。又因?yàn)闃?biāo)準(zhǔn)差系數(shù)（=標(biāo)準(zhǔn)差/平均值）0.2448，極差（=最大-最小值）574.25，說(shuō)明庫(kù)存余額月均值波動(dòng)較大且分布離散，這在一定程度上影響了預(yù)測(cè)的準(zhǔn)確度，同時(shí)加大了預(yù)測(cè)難度。

2.預(yù)測(cè)分析。由表2可見(jiàn)，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(duì)國(guó)庫(kù)現(xiàn)金流進(jìn)行預(yù)測(cè)，并對(duì)比預(yù)測(cè)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(cè)精度平均值分別為11.1%、10.4%、8.5%和10.5%，可見(jiàn)樣本區(qū)間的長(zhǎng)度對(duì)混頻數(shù)據(jù)模型的預(yù)測(cè)結(jié)果有一定影響，樣本區(qū)間過(guò)大或過(guò)小的預(yù)測(cè)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(cè)2020年的月度數(shù)據(jù)預(yù)測(cè)的結(jié)果，相較于指數(shù)平滑法的預(yù)測(cè)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(duì)庫(kù)存余額月均值的預(yù)測(cè)誤差率（%）

3.結(jié)論。MIDAS模型相較于其他模型預(yù)測(cè)準(zhǔn)確度有明顯提高，但其缺點(diǎn)也比較明顯，由于模型中沒(méi)有包含長(zhǎng)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(duì)模型進(jìn)行修正，比如ARIMA模型、灰色系統(tǒng)模型等，相信8.5%的預(yù)測(cè)準(zhǔn)確度還有可提升的空間。

五、完善國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)方法的建議

在日常工作中，國(guó)庫(kù)現(xiàn)金流受財(cái)政收支狀況、金融投資工具和外部市場(chǎng)環(huán)境等因素影響，存在波動(dòng)較大的情況，給預(yù)測(cè)帶來(lái)了一定的難度。因此，需要從多方面入手提高國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)的準(zhǔn)確性。

（一）深化預(yù)算改革，完善集中收付制度

一是加強(qiáng)事中監(jiān)督。在財(cái)政預(yù)算執(zhí)行過(guò)程中，充分履行國(guó)庫(kù)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(duì)國(guó)庫(kù)資金收支進(jìn)行管理，深化集中收付制度改革，將游離于國(guó)庫(kù)單一賬戶外的資金收納入庫(kù)。

（二）加強(qiáng)隊(duì)伍建設(shè)，提高分析水平

一是打造國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)專業(yè)隊(duì)伍，選配具備統(tǒng)計(jì)分析專業(yè)知識(shí)且熟悉國(guó)庫(kù)業(yè)務(wù)的優(yōu)秀人才。二是定期組織培訓(xùn)，讓國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作開展較好的單位進(jìn)行經(jīng)驗(yàn)介紹，加強(qiáng)不同地區(qū)國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)崗位人員溝通與交流。三是加強(qiáng)與地方高校的合作力度，不斷提高國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)崗位人員專業(yè)素質(zhì)，更新知識(shí)儲(chǔ)備，提升隊(duì)伍的專業(yè)性。

（三）加大數(shù)字化投入力度，完善現(xiàn)有國(guó)庫(kù)系統(tǒng)

一是加強(qiáng)信息化建設(shè)。各級(jí)國(guó)庫(kù)應(yīng)加大信息化投入，通過(guò)大數(shù)據(jù)及互聯(lián)網(wǎng)技術(shù)，探索符合財(cái)政預(yù)算的編制模式，進(jìn)而促進(jìn)地方經(jīng)濟(jì)發(fā)展。二是在國(guó)庫(kù)現(xiàn)有 “3T” 系統(tǒng)基礎(chǔ)上，建立國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)系統(tǒng)，將國(guó)庫(kù)資金流入、資金流出的金額、來(lái)源、用途納入到數(shù)據(jù)系統(tǒng)中，形成國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)數(shù)據(jù)分析庫(kù)，實(shí)現(xiàn)對(duì)國(guó)庫(kù)現(xiàn)金流整體情況及分類流量的實(shí)時(shí)監(jiān)測(cè)，提升國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作的信息化及現(xiàn)代化水平，推動(dòng)地方國(guó)庫(kù)現(xiàn)金流預(yù)測(cè)工作更加高效、規(guī)范。