賈宏云 劉永紅 巴桑卓瑪 宋雅萍

摘要：隨著我國經(jīng)濟(jì)的高速發(fā)展，地方國庫庫存余額顯著性增強(qiáng)，為更好預(yù)測國庫庫存未來余額，提高庫存資金使用價值，發(fā)揮現(xiàn)金管理操作效能，實驗采用LSTM時間序列模型對西藏全轄近5年庫存日度余額數(shù)據(jù)集進(jìn)行訓(xùn)練與測試，實驗結(jié)果表明，該模型在訓(xùn)練集和測試集上評價決定系數(shù)R2（R-Square）分別達(dá)到了0.967和0.963，預(yù)測效果較好，對推動國庫現(xiàn)金管理的長效發(fā)展具有一定的參考意義。

關(guān)鍵詞：LSTM模型;國庫庫存余額;現(xiàn)金管理

中圖分類號：F23文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2022.13.047

0引言

隨著國庫集中收付制度的實施，地方國庫庫存資金日益增多，為提高國庫現(xiàn)金的使用效益，以實現(xiàn)國庫現(xiàn)金余額最小化和投資收益最大化為目標(biāo)，根據(jù)《中央國庫現(xiàn)金管理暫行辦法》相關(guān)規(guī)定，在確保國庫支付需要的前提下，遵循安全性、流動性和收益性相統(tǒng)一原則，自2017年開始，省級地方政府可開展相應(yīng)的現(xiàn)金管理，因此，建立科學(xué)的庫存余額預(yù)測模型，對地方政府開展合理的國庫現(xiàn)金管理操作具有重要意義。

目前，地方現(xiàn)金流預(yù)測方法相對較多，常用的預(yù)測方法有ARMA模型、Holt—Winters 乘法模型、平均執(zhí)行進(jìn)度法、BP 神經(jīng)網(wǎng)絡(luò)模型、灰色系統(tǒng)模型等，主要是對國庫收支額度進(jìn)行預(yù)測，然后采取收支差額計算獲取庫存余額，其中人行鄭州中心支行的潘義群、張戈、宋冰在《基于ARMA模型的地方國庫收入探究》中采取ARMA模型對河南省國庫2011年1-7月份收入預(yù)測值，雖然預(yù)測準(zhǔn)確度較高，但整體預(yù)測呈現(xiàn)出持續(xù)負(fù)偏差的趨勢以及人行呼和浩特中心支行周雪峰等人《省級國庫現(xiàn)金管理效率研究》中采用“年度平均增長指數(shù)+月度平均執(zhí)行進(jìn)度”方法對2019年1月-2020年6月內(nèi)蒙古省級國庫收入、支出和庫存進(jìn)行預(yù)測，預(yù)測誤差平均值分別為8.1%、8.7%、18.2%，雖然各地國庫收支數(shù)據(jù)存在一定的差異性，尚未形成統(tǒng)一的國庫現(xiàn)金流預(yù)測方法，但整體上模型預(yù)測數(shù)據(jù)以月度為主，數(shù)據(jù)相對較少，導(dǎo)致模型對數(shù)據(jù)的分析預(yù)測能力降低，與國庫現(xiàn)金管理目標(biāo)庫存實際余額偏離較大，因此本文利用相對成熟的LSTM時間序列模型對西藏全轄近5年庫存日度余額數(shù)據(jù)進(jìn)行預(yù)測實驗，實驗結(jié)果表明，該模型在訓(xùn)練集和測試集上RMSE值較小，評價決定系數(shù)R2（R-Square）分別達(dá)到了0.967和0.963，預(yù)測效果較好，對推動國庫現(xiàn)金管理的長效發(fā)展具有一定的參考價值。

1LSTM時間序列模型結(jié)構(gòu)

長短期記憶網(wǎng)絡(luò)（LSTM）由Hochreiter & Schmidhuber （1997）提出，是一種用于深度學(xué)習(xí)領(lǐng)域的回歸神經(jīng)網(wǎng)絡(luò)（RNN）結(jié)構(gòu)，它由若干節(jié)點和操作組成，適合處理預(yù)測時間序列，其鏈?zhǔn)浇Y(jié)構(gòu)由遺忘門、輸入門和輸出門三部分組成，門的結(jié)構(gòu)為一個Sigmoid層和一個點乘操作的組合，每個門通過相應(yīng)算法與規(guī)則控制上一時刻隱藏層ht-1與當(dāng)前時刻xt輸入數(shù)據(jù)的流通，更新當(dāng)前單元狀態(tài)Ct和和隱藏層ht，其鏈?zhǔn)浇Y(jié)構(gòu)如圖1所示。

2數(shù)據(jù)整理

數(shù)據(jù)收集與處理是構(gòu)建預(yù)測模型的基礎(chǔ)，為了讓模型充分挖掘數(shù)據(jù)的隱藏價值，實驗采用相對數(shù)量較多的庫存日度余額作為初始樣本數(shù)據(jù)集，通過數(shù)據(jù)處理技術(shù)對初始樣本集數(shù)據(jù)的處理，構(gòu)建完成具有一定質(zhì)量和規(guī)模的數(shù)據(jù)集。

2.1數(shù)據(jù)收集

國庫庫存余額是國庫現(xiàn)金管理的直接對象，在選擇國庫現(xiàn)金流預(yù)測對象時，可以選擇國庫收支、公共預(yù)算收支、基金預(yù)算收支等總量指標(biāo)，也可以選擇稅收收入、國有土地出讓收入等結(jié)構(gòu)性指標(biāo)，其中財政部門對現(xiàn)金流支出具有一定的控制力，可根據(jù)預(yù)測單位支付計劃匯總形成預(yù)測結(jié)果，而國庫現(xiàn)金流收入影響因素多種多樣，來源比較復(fù)雜，預(yù)測過程難度較高，最終導(dǎo)致通過預(yù)測收支計算的庫存余額與目標(biāo)值誤差較大，因此，本文以西藏自治區(qū)全轄國庫2016年1月-2021年5月日度庫存余額數(shù)據(jù)（國庫口徑）為依據(jù)，共收集1978個庫存余額初始數(shù)據(jù)，通過建立預(yù)測能力較強(qiáng)的模型，為國庫現(xiàn)金管理提供數(shù)據(jù)支撐，庫存余額初始數(shù)據(jù)如圖2所示。

2.2數(shù)據(jù)處理

實驗中的數(shù)據(jù)處理方法由去除節(jié)假日數(shù)據(jù)、填補異常值數(shù)據(jù)及數(shù)據(jù)序列歸一化三部分組成，通過數(shù)據(jù)處理可以增強(qiáng)時間序列數(shù)據(jù)的平穩(wěn)性，提高數(shù)據(jù)的質(zhì)量，降低學(xué)習(xí)任務(wù)的難度，有助于促進(jìn)后續(xù)預(yù)測模型學(xué)習(xí)的性能。

2.2.1去除節(jié)假日數(shù)據(jù)

經(jīng)對國庫庫存余額日度數(shù)據(jù)分析，發(fā)現(xiàn)整體數(shù)據(jù)存在節(jié)假日無變化狀態(tài)，為了獲取數(shù)據(jù)動態(tài)變化，減少數(shù)據(jù)冗長，實驗利用篩選法去除節(jié)假日數(shù)據(jù)，同時采用節(jié)假日當(dāng)日數(shù)據(jù)與上一工作日數(shù)據(jù)進(jìn)行比對，如有變化則保留該節(jié)假日數(shù)據(jù)，否則，去除該節(jié)假日數(shù)據(jù)。

2.2.2填補異常值數(shù)據(jù)

由于進(jìn)行現(xiàn)金管理操作，庫存余額數(shù)據(jù)會在某一日出現(xiàn)大額資金流出和流入國庫，導(dǎo)致庫存余額數(shù)據(jù)出現(xiàn)異常值，為了使數(shù)據(jù)更加平穩(wěn)，較少噪音點對模型性能的干擾，實驗采用現(xiàn)金管理操作當(dāng)日額度f與操作時間段內(nèi)T∈[t1，tn]的庫存余額相加，填補該時間段內(nèi)庫存余額的缺少量，庫存余額F=f+FT，T∈[t1，tn]，由于西藏轄區(qū)現(xiàn)金管理操作收益較?。◣讉€億），對國庫余額影響有限，因此未考慮其對數(shù)據(jù)的波動性影響。

2.2.3數(shù)據(jù)序列歸一化

為減少數(shù)據(jù)的強(qiáng)烈波動，消除奇異樣本數(shù)據(jù)對模型預(yù)測能力的不良影響，首先在數(shù)據(jù)集上計算出樣本數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，然后對數(shù)據(jù)進(jìn)行歸一化處理，處理函數(shù)如公式所示：

x'=x-μδ2

其中μ為所有樣本數(shù)據(jù)的均值，δ為所有樣本數(shù)據(jù)的標(biāo)準(zhǔn)差。

2.3數(shù)據(jù)集構(gòu)建

通過對原始數(shù)據(jù)收集與處理，共整理出1340個庫存余額上一刻數(shù)據(jù)var（t-1）和預(yù)測標(biāo)簽數(shù)值庫存余額此刻數(shù)據(jù)var1（t），由于節(jié)假日對應(yīng)的無變化庫存余額需要去除，導(dǎo)致日期不連續(xù)，因此在數(shù)據(jù)集中把原本的日期替換為連續(xù)計數(shù)序列var2（t-1），數(shù)據(jù)集S分割為訓(xùn)練集和測試集，其中訓(xùn)練集和測試集數(shù)據(jù)樣本個數(shù)分別為1072與268個，部分?jǐn)?shù)據(jù)集如圖3所示。

3模型構(gòu)建與測試

模型構(gòu)建是分析處理數(shù)據(jù)的橋梁，測試則是對模型的檢驗和優(yōu)化，本文首先以神經(jīng)網(wǎng)絡(luò)搭建框架為基礎(chǔ)，通過LSTM模型對訓(xùn)練數(shù)據(jù)集的學(xué)習(xí)，獲得模型的相應(yīng)參數(shù);然后在測試集上對模型的預(yù)測性能進(jìn)行測試;最后采用相關(guān)評價指標(biāo)對模型的預(yù)測性能進(jìn)行評價。

3.1模型參數(shù)設(shè)置

參數(shù)設(shè)置是模型構(gòu)建的核心，實驗利用模型預(yù)測性能評估反饋方法，設(shè)定模型參數(shù)為： LSTM輸入層隱含層神經(jīng)元數(shù)量為200，損失度量函數(shù)為均方誤差MSE，迭代次數(shù)為12次，每批次處理8個樣本數(shù)據(jù)塊，輸出層是維度為1的linear線性函數(shù)，自適應(yīng)學(xué)習(xí)率優(yōu)化算法為adam，部分相關(guān)程序代碼如圖4所示。

3.2測試結(jié)果評價

對模型性能程度的評價指標(biāo)很多，其中損失函數(shù)MSE曲線具有光滑連續(xù)、可導(dǎo)，是一種比較常用的損失函數(shù)，均方根誤差RMSE是預(yù)測值與實際值偏差平方的數(shù)學(xué)期望開方，能夠很好地反映出預(yù)測的精確度，R2為度量預(yù)測對象由影響因子解釋的程度，其數(shù)值介于0～1之間，越接近1，表示模型預(yù)測擬合程度就越好。因此本次實驗采用損失函數(shù)MSE、RMSE及R2確定系數(shù)作為模型預(yù)測性能的評價指標(biāo)。

從上圖5可以看出，隨著模型優(yōu)化目標(biāo)參數(shù)的調(diào)整，學(xué)習(xí)迭代次數(shù)的增加，訓(xùn)練和測試集預(yù)測歸一化數(shù)據(jù)的損失函數(shù)MSE誤差值逐漸減小，并于epochs=12時趨于收斂，train loss =0.0187 ，test loss= 0.0329，同時訓(xùn)練集和測試集的誤差值△loss=0.0124相對較小，表明該模型的魯棒性較強(qiáng)。

圖6和表1實驗結(jié)果表明，模型的評價RMSE誤差值（數(shù)據(jù)集反歸一化后的數(shù)值）相對較小，R2確定系數(shù)在訓(xùn)練集和測試集上分別為0.967和0.963，預(yù)測數(shù)據(jù)與實際數(shù)據(jù)擬合度較高，模型的預(yù)測和泛化能力較強(qiáng)。

4總結(jié)

本文首先結(jié)合西藏轄區(qū)國庫庫存余額的整體特點，利用數(shù)據(jù)處理技術(shù)獲取平穩(wěn)數(shù)據(jù)集，再引用LSTM模型對數(shù)據(jù)集進(jìn)行預(yù)測實驗，根據(jù)損失MSE收斂過程特征，調(diào)整相應(yīng)的參數(shù)，最終獲得較好的實驗結(jié)果。實驗表明該模型對庫存余額數(shù)據(jù)的預(yù)測準(zhǔn)確度較高且泛化能力較強(qiáng)，對未來的國庫庫存余額變動趨勢及規(guī)律有了一定的把握，但實驗中仍存在如下不足：（1）由于國庫資金的收支活動具有較大的不確定性，導(dǎo)致收支數(shù)據(jù)波動性較大，因此實驗中只采用了連續(xù)計數(shù)序列作為目標(biāo)對象的影響因素，未能融入現(xiàn)金流收支貢獻(xiàn)特性。（2）由于數(shù)據(jù)間存在時間依賴性，實驗數(shù)據(jù)集樣本數(shù)量相對較小，防止數(shù)據(jù)的時間結(jié)構(gòu)被破壞，因此實驗未能使用相關(guān)交叉驗證法對模型性能進(jìn)行驗證。因此，在以后的研究中，將針對現(xiàn)金流收支變化特點，增加目標(biāo)對象影響因素，擴(kuò)大數(shù)據(jù)集規(guī)模，引用相關(guān)驗證方法，進(jìn)一步提高模型的預(yù)測準(zhǔn)確度，更好地為國庫現(xiàn)金管理工作服務(wù)。

參考文獻(xiàn)

[1]周雪峰，張麗，高豐，等.省級國庫現(xiàn)金管理效率研究——以內(nèi)蒙古自治區(qū)為例[J].北方金融，2020，（11）：32-38.

[2]李思敏.中美國庫現(xiàn)金管理比較及借鑒[J].南方金融，2012，（10）：7-11.

[3]郭瓊瓊.我國國庫現(xiàn)金管理模式探索——基于貨幣政策視角的分析[D].南昌：江西財經(jīng)大學(xué)，2008.

[4]鄭曉伶.我國開展國庫現(xiàn)金管理的若干思考[D].廈門：廈門大學(xué)，2008.

[5]潘義群，張戈，宋冰，等.基于ARMA模型的地方國庫收入探究——以河南省為例[J].金融理論與實踐，2011，（10）：47-50.

[6]郭磊.基于深度學(xué)習(xí)的位置預(yù)測算法研究與應(yīng)用[D].蘭州：蘭州大學(xué)，2018.

[7]栗軍，宋曉華.嚴(yán)格控制財政風(fēng)險促進(jìn)經(jīng)濟(jì)健康發(fā)展[J].財會學(xué)習(xí)，2017，（14）：17-18.

作者簡介：賈宏云（1990-），男，漢族，四川成都人，中國人民銀行拉薩中心支行，初級工程師，主要研究方向：西藏財政國庫現(xiàn)金流預(yù)測;劉永紅（1968-），女，漢族，安徽淮北人，中國人民銀行拉薩中心支行，中級經(jīng)濟(jì)師，主要研究方向：西藏財政國庫現(xiàn)金管理效率評估;巴桑卓瑪（1991-），女，藏族，西藏山南人，中國人民銀行拉薩中心支行，中級工程師，主要研究方向：西藏財政資金運行安全;宋雅萍（1987-），女 ，漢族，甘肅定西人，中國人民銀行拉薩中心支行，中級經(jīng)濟(jì)師，主要研究方向：西藏財政國庫現(xiàn)金管理對貨幣政策的影響。