摘要：为了应对经济结构转型给公司经营效益增长带来的压力，同时提高资金管控能力，国网辽宁省电力有限公司（以下简称国网辽宁公司）从实际业务出发，适应新形势的变化，通过应用ARIMA时间序列模型等算法预测融资规模，进而搭建最优融资决策模型，实现合理排程资金，建立最佳货币资金波动曲线，帮助企业适应电力体制改革及公司内外部环境变化，为公司做出合理的资金存量管理和融资安排提供决策支撑。
关键词：ARIMA,时间序列模型,融资决策模型,融资规模预测,融资结构优化,融资时序建议
一、项目目标
根据国网公司财务集约化建设的整体思路，以促进企业整体资源最优化配置为目标，一是精准预测现金流，按照现金流量管理理论，根据不同类型资金流量业务特点，通过对多期历史数据的横向截面数据与纵向序列数据的深度分析、挖掘与提炼，总结资金流入与流出的业务规律及其与财务收支要求的动因关系和敏感程度，精准预测现金流量；二是构建最优融资策略模型，在业务规律和规则基础上，建立以财务模型为核心、统计模型为支撑，基于最优资金存量模型、融资规模模型、融资结构模型、融资时序模型，构建最优融资策略模型，通过合理有效的资金运作，提高资金管理的综合效益。
二、研究内容和方法
（一）调研与数据收集
数据是搭建精准预测模型的基础。该项目收集了系统内外的结构化数据、非结构化数据，并通过ETL数据传输接口导入HAＮA数据库中，通过构建属性视图、分析视图、计算视图构筑最优融资决策模型数据库。以该数据库为基础进行数据清洗处理，包括缺失数据补全、异常数据剔除等。最后将数据库中财务科目按原因代码拆解，使得数据粒度下钻至日度，作为融资规模预测的数据基础。
（二）科学精益建模，精准预测融资规模
由于公司最优资金存量仅是一个静态值，不利于公司有效利用资金，保持资金需求总体平衡，以及有效减少利息支出。为满足项目需求，拟通过机器学习方法进行月度最优资金存量的预测，并以此为基础，结合财务业务逻辑确立月度融资规模预测和年度融资规模预测模型。
1．模型搭建逻辑。根据现金流预算表中各现金流入流出项间的勾稽关系，可得：资金缺口（即债务性融资额）=期初货币资金余额-期末货币资金控制限额+（经营活动现金流入+投资活动现金流入+股权筹资活动现金流入）-（经营活动现金流出+投资活动现金流出+筹资活动现金流出），通过对上式右边每项的预测，汇总得到债务性融资规模。
２．预测方法选定原则。
（1）关键假设。该项目中，假设所有财务科目都对应了有潜在业务规律的随机过程，其潜在规律可以从业务逻辑和统计学两方面同时分析。
（２）分析原则。
①对于业务逻辑和统计学上具有较强规律性的科目，采用时间序列法预测。业务上，由于国网辽宁公司的企业特性，许多业务发生时点较为集中，反映在财务上就是大规模收支具有较强规律性。从统计学上讲，事物的发展变化趋势会延续到未来，反映在随机过程理论中就是时间序列的平稳性或准平稳性。
②对于业务逻辑清晰且依赖预算的科目，采用预算比例法预测。预算比例法是一种基于时间序列法的延伸，综合考虑具体现金流科目的业务因素，特别是预算的影响来预测未来资金趋势的方法。预算比例法将工程项目等项目的资金使用情况看作将全年预算按比例分配至各月，并使用时间序列法寻找全年间各月比例的周期性、季节性等变化趋势，进而预测未来各月项目资金比例。最后，将全年预算按预测比例分配至各月，实现月度资金使用预测。该算法的优势是可以结合业务实际，按照预算编制的不同阶段实施更精准的滚动预测。
③对于无论业务上还是统计学上规律性不强但财务逻辑清晰的财务科目，采用财务模型预测。除去售电收入、购电成本等规律性很强的财务科目，其他的科目采用财务模型预测和根据业务逻辑直接计算。例如筹资活动现金流出中偿还贷款本金、偿还贷款利息、支付融资租赁款及相关费用、归还委贷款项、其他支出等。
④对于其他发生频率低、发生金额非企业内部可控的现金流入流出项，采用手工输入的方法补全预测。例如上缴总部收益投资等。
３．现金预算科目预测详述。基于不用科目的统计学规律和财务逻辑，对模型中涉及的２项货币科目和２1项现金流科目分别采用时间序列法、预算比例法、财务模型以及手工输入的方式进行预测，具体预测方法及科目分类如下：
（1）时间序列现金流预测。
①模型构建。时间序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排列所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某种社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找该社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测该社会现象将来的情况。
本融资规模预测模型中采用ARIMA（自回归积分滑动平均模型）来预测。其预测程序如下：首先，根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。其次，对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。再次，根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARIMA模型。
②适用科目。从科目的业务规律分析，购电费支出、工资及各类附加支出以及用户电费收入均为月度现金流，规律性强，会呈现较明显的周期性。应用时间序列法对现金流出预算财务科目２０1６年８月—２０1７年5月的金额进行预测，并与实际金额对比得到平均预测准确率；逐科目计算科目现金流出占总现金流出的比例，分析现金流出组成结构。将金额占比除以预测偏差率定义为预测优度，对预测优度大于1的科目采用时间序列法进行预测。
（３）财务模型现金流入预测。对于业务规律性不强的财务科目但财务逻辑清晰的现金流明细项目，建议使用财务模型预测。例如，依据收入和支出计提的税金、依据售电量计提的代收款项现金支出、根据贷款合同以及还款计划支出的贷款本金及利息等。适用财务模型的项目如表３所示。
（5）现金流量预测模型。基于经营活动现金流入、投资活动现金流入、股权筹资活动现金流入、经营活动现金流出、投资活动现金流出、筹资活动现金流出各明细项目进行预测，构成现金流量预测模型。
（三）融资结构优化
对于融资结构而言，是在融资成本、融资效率、使用目的之间进行平衡。在融资成本方面，无息负债方式优于带息债务方式；融资效率方面，则应选择获取融资时间最短的融资方式；对于部分专项贷款，还需要平衡使用目的。
1．确定指标库。为了全面、客观、科学地反映融资结构，收集与融资环境相关的各类经济及社会指标，删除数据不全和相关性弱指标，形成融资结构指标库，根据不同的指标特点，将指标库分为经济发展指标、物价指标、融资指标、联动指标四个类型。其中经济发展指标包含GDP、固定资产投资完成额、企业利润总额、公共财政收入、城镇居民可支配收入、工业增加值、社会消费品零售总额七项指标；物价指标包括CPI、PPI；融资指标包括M２、社会融资规模、金融机构贷款余额、人民币各项贷款余额四项指标，将M２/GDP作为联动指标。采用专家打分法，结合历史数据及经验，对不同指标设定相应权重。
２．融资结构优化。根据中心极限定理，在序列数超过３０时，可以认为序列趋向于正态分布，指标综合得分在总体正态分布下。计算正态分布总体的均值μ和标准差σ。我们将区间落在（μ-σ，μ+σ）判定为一般融资环境，区间落在大于μ+σ，判定为通货膨胀，建议提高非流动负债比例，区间落在小于μ-σ，判定为通货紧缩，建议降低非流动负债比例。同理，当联动指标（M２/GDP）值落在正态分布值区间（μ-σ，μ+σ），我们认为融资渠道环境比较中性，当落在大于μ+σ区间我们建议增加直接融资，落在小于μ-σ区间建议降低直接融资。按照以上的测算方法，在综合融资环境中分别得出在一般环境、通货膨胀、通货紧缩的环境下非流动负债与流动负债的占比建议，同时在融资渠道方面给出了直接融资与间接融资的比例建议。详见表5、表6。
结合资金收支时间序列曲线特点、内外部变量，给出合理的融资时序安排建议，通过最合理的融资交易时点的安排。考虑到目前国内发行债券的利率一般为发行时的固定利率，而融资成本对利率的变动敏感性高，故债券和借款的最优融资时点均为当年内利率较低的时刻。利率走势的趋势可以通过对宏观经济形势的判断得出，微观利率的走势则可以参考历史经验和各大金额机构的相关报告。根据利率数据分析，２０1２—２０1６年贷款平均利率低点一般在11月，模型建议在执行利率低的11月融资。
三、工作成效
基于现金流预测构建的最优融资策略模型是公司落实财务集约化创新发展工作思路、实现融资保障科学精准的重要举措，通过最优融资策略模型的建设和应用，将合理压降公司货币资金存量及融资规模，提高资金运作效率及效益，实现资金良性循环，提升财务管理的价值创造能力。
一是通过对历史资金流入和流出的统计分析，提升公司对资金收支与业务运作的洞察力，通过削峰填谷的运作方式，进一步平滑资金收支曲线；二是在备付保障能力不降低的基础上，建立合理和动态调整的实时资金存量水平，实现进一步降低存量、盘活流量、做优增量的管理目标；三是通过对资金收支的业务规律和规则的再发现，进一步加强融资计划管理，将融资计划与月度现金流量预算高效衔接，优化融资结构及融资来源，控制融资规模，压降融资成本，实现提质增效工作目标。
