最优现金持有量大数据预测模型构建.docx

?

?

最优现金持有量大数据预测模型构建

?

?

陈国平邵洁张俊杰

【摘要】企业的生产经营及财务管理活动起始于现金，经过资产各种形态的转化最终又回到现金状态，周而复始，循环运动，以实现企业生存、发展、盈利等目的。在保障生产经营及建设资金的情况下，应充分利用闲置资金实现效益最大化，以达到提升资金管理效率和效益的目的，同时提高对资金短缺等高风险情况的整体调控力。为使现金使用效率和效益达到最高水平，对现金持有量的科学性估测不可或缺。本文利用蒙特卡罗模拟法对电网企业最佳现金持有量进行估测，估测结果可以较好地满足电网企业资金需求，同时提高资金运作效率。

关键词最优现金，大数据模型，循环神经网络法

一、引言

（一）研究背景和意义

最佳现金持有量（或最佳安全备付金额）是指在满足基本建设和正常生产经营活动需要的基础上，使现金使用效率和效益达到最高水平时的最为合理的资金存量，即能够使现金管理的机会成本与转换成本之和保持最低的现金持有量。最佳现金持有量预测过低时，将造成资金短缺，无法偿还到期债务，乃至生产经营中断等风险；而预测过高时，会使资金得不到合理利用，产生较高的机会成本，难以达到提升现金使用效率和效益的目标。因此，对现金持有量的科学性估测不可或缺。

目前，某某电网公司（下称“某某公司”）不断提升预算及存量资金管理水平，但在制定安全备付额度方面仍缺乏科学的预测模型等数据支撑工具。当前，某某公司采取的安全备付额度的测算方式为日常净支付额度和日均不可动用资金两部分的叠加。其中，日常净支付额度是指公司上年度正常生产经营以及电网建设活动资金支出，加上年度连续高峰支付收支差额；日均不可动用资金是指受流动性较差的资金日均余额。

本次工作主要通过对最佳现金持有量在科学性预测方面的不断完善，最大限度减少资金闲置，提高资金的使用效率。

（二）研究内容

本次研究主要通过对现金科目日记账以及凭证信息等数据进行关联及清洗，从而获取每一日某某公司的净现金流，以预测2017年长中短期的最佳现金持有量。此研究工作主要从三个方面展开。

一是对2014—2017年每日净现金流数据进行清洗及观测。通过Python软件将现金日记账以及凭证信息等数据进行关联，以获取分析过程中所需的关键信息；对关联后的数据进行筛选，以剔除与现金流无关的凭证信息，获取有效的现金流数据；对筛选后的数据进行可视化分析，挖掘某某公司的收支构成，现金流量随时间变化的规律，售电及购电是否集中在某些独特日期，净流量随时间变化的规律，以及历年安全备付额度的对比情况等。

二是对已有现金持有量预测模型进行评估。结合某某公司的实际情况，对三类常见的现金持有量预测模型，即成本分析模型、存貨模型以及随机模型进行分析及研究，评估其特性以及这三类模型是否适用于某某公司的现状。

三是利用科学性预测模型对现金流进行预测。利用蒙特卡罗模拟法，模拟大量符合历史数据特性的负现金流量（现金支出），并通过风险价值模型计算某某公司全年的安全备付额度；通过历史数据训练适用于某某公司现金流的循环神经网络，以预测未来短期内现金流量的变动。

二、分析数据准备

（一）数据获取

从数据对象范围看，本次研究的对象范围为某某公司及其子公司；数据时间范围为2014年1月1日至2017年5月8日。

数据内容主要包括现金日记账、凭证信息以及某子公司凭证信息三类。其中，一是现金日记账数据用于获取凭证信息的准确对账日期，主要包括记账日期、凭证类型、凭证编码、摘要、借方、贷方、余额7个字段，全部来自ERP系统。二是凭证信息用于清洗非现金流范畴的凭证，主要包括公司、凭证编码、原因代码、总账科目、总账金额、借贷、文本7个字段，全部来自ERP系统。三是某子公司的凭证信息用于获取某子公司的有效的现金流凭证，主要包括月、日、凭证编码、摘要、借方、贷方、余额7个字段，全部来自财务管控系统。

从数据质量看，某某公司及其子公司在2014年1月到2017年5月共有38.9万条凭证信息，且凭证信息的完整率为100%，但在凭证信息中缺乏准确的记账日期，因此通过与日记账数据的关联获取其记账日期。因部分凭证科目不属于现金科目，因此关联后只保留两者相交部分的凭证信息，共38.6万条。

（二）数据预处理

1.凭证信息筛选

在最佳现金持有量预测时，需剔除与现金流无关的凭证，因为诸如冲销、转账、调整现金流量等凭证会在预测时影响实际发生的现金流金额，从而使预测准确性降低。因此，应剔除无关凭证，只保留某某公司有效的现金收入及现金支出以获取真实发生的净现金流。在凭证信息筛选后，最终保留32.4万条凭证信息进行分析及研究。

2.现金流计算

根据借贷方向及记账日期，将筛选后的32.4万条凭证分为现金收入凭证及现金支出凭证，并按日期汇总，获取从2014年1月1日到2017年5月8日期间的每日支出金额及每