企业集团资金集中管控下的现金流预测

陈昕

摘 要：企业集团在实行资金集中管控管理体系时，作为集团内部运营的资金管理中心需要时刻关注其面临的日常现金流动。为了保障集团公司各单位的资金使用需求，同时降低现金持有成本，能够有效预测资金管理中心面临的现金需求量是十分必要的。本文使用某集团资金管理中心每日资金需求量的时间序列数据，采用了ARMA模型、GARCH（1， 1）模型和EGARCH（1， 1）模型等时间序列模型对数据进行建模，并对上述方法的预测效果进行了比较。实证结果表明，EGARCH（1， 1）模型能较好地预测每日资金需求量，从而为资金管理中心进行资金运作规划提供了有价值的参考意义。

关键词：资金管理；现金流；模型比较

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2015（12）-0042-03

一、研究背景及相关理论

（一）研究背景

现金流攸关企业的生存及发展，合理预测企业日常现金流量，从而维持一个既能满足企业资金流动所需又不影响企业发展速度的现金持有量，是企业财务决策的重要问题。

在实行资金集中管控的大型企业集团，集团内各单位的资金集中到了集团总部承担着资金管理职能的资金管理中心。作为发挥着集团公司内部银行功能的机构，充分盘活集团公司体内现金资源，降低现金持有成本，同时满足集团公司各单位的资金使用需求，是资金管理中心日常工作的基本任务。

从工作内容上看，资金管理中心每日要将集团内各成员单位银行账户中的闲置资金上划至其自身的银行账户；同时根据用款申请，将资金从自身银行账户下拨至集团内成员单位的银行账户。在这一过程中，资金管理中心需要以银行活期存款的形式持有一定量的资金，如果资金管理中心的现金持有不足，会导致企业生产经营中断、无法偿还到期债务等风险；现金持有过多，则造成企业资金闲置、财务费用上升的问题。因此，维持合理的现金持有量，是资金管理中心的首要目标之一，而实现这一目标的重要任务就是有效预测资金管理中心面临的现金需求量。

（二）理论综述

企业现金管理研究是财务管理领域的热点问题之一。现金管理最优化的成败与否，取决于能否对现金需求量做出精准的预测。在准确预测现金流量的基础上，企业确定最佳现金持有量、有效降低现金持有成本等财务管理需求才有可能实现。Simutis（2008）使用神经网络、支持向量回归等预测方法分析现金需求量，并对各个模型的预测效果进行了对比。Castro（2009）在假设现金需求量不确定的前提下，使用随机规划和混合整数线性规划方法考察了相关问题。

考虑到可获得的数据类型，本文通过对时间序列数据分析来预测资金管理中心面临的日现金需求量，分别使用了ARMA模型、GARCH（1， 1）模型和EGARCH（1， 1）模型等时间序列模型对数据进行建模，并对上述方法的预测效果进行了比较。

二、实施分析

（一）拟解决的问题

资金管理中心处理日常现金管理业务时需要考虑三个因素：资金需求量，可通过短期信贷获得的资金数量，管理制度规定或因业务惯例设定的计划最大现金持有量。

当资金下拨数大于资金上划数时，我们设定资金管理中心面临的资金需求量为负值，此时其现金持有量下降；反之，当资金下拨数小于资金上划数时，则设定资金需求量为正值，此时实际现金持有量将超过计划最大现金持有量。当因现金持有量较小而使用信贷资金时，企业的财务成本上升，现金持有量较大时，机会成本较大，因此应通过预测资金需求量而持有合理的现金量以最小化现金持有成本。本文使用时间序列方法对数据进行建模，以预测资金管理中心的日资金需求量，我们各自使用不同的模型进行对比，从而选择出一个最优的预测方法。

（二）数据准备

资金管理信息系统中的资金上划及下拨数据信息保存的是资金管理中心与多个单位的资金往来数据，我们将这些数据按日周期进行了汇总处理。对于年度内个别发生的大额对外收付款业务，由于事先均能知晓此类业务的发生时间及金额，我们将其资金往来数据进行了剔除处理。

本文使用了某集团资金管理中心2014年内249个工作日的资金上划及下拨量数据，处理得到日资金需求量的时间序列数据，并将数据分为训练样本与检验样本。

三、结论

使用时间序列分析方法预测现金流变化，可以使得资金管理中心更好地确定其现金持有量，同时也便于安排融资规划业务，及时提取或偿还银行贷款，保障企业营运资金的正常周期，节约大量财务费用。对现金流的数量化模型预测技术能够通过信息化手段自动实现，从而可以替代管理人员基于自身经验的主观判断。

此项工作未来可以进行更为深入的研究，从预测企业集团内部资金管理中心的现金流量，推广到对企业集团各个成员公司其各自的现金流波动性及相关性进行分析预测，这一问题更为复杂，但是解决之后可以进一步提升整个企业集团的现金管理和使用效率。同时，可以考虑将影响现金流的其他变量引入预测模型，比如企业集团各个成员公司的生产、销售模式等，分析这些因素能够了解企业现金需求行为的更多信息。

参考文献

[1]韩金红.应用数据挖掘技术提升资金分析管理质量[J].合作经济与科技，2007，1（333）：74-75。

[2]张宇驰，郝洪.财务灵活性视角下公司治理与现金持有量关系[J].会计之友，2014，（5）：44-47。

[3]Simutis R， Dilijonas D， Bastina L （2008） Cash demand forecasting for ATM using neural networks and support vector

regression algorithms. In： International conference 20th EURO miniconference “Continuous Optimization and

Knowledge-Based Technologies”（EurOPT-2008） Neringa， LITHUANIA. ISBN 978-9955-28-283-9.

[4]Castro J （2009） A stochastic programming approach to cash management in banking. Eur J Oper Res 192：963–974.

[5]卢佩彤.企业集团公司资金集中管理的利弊与对策分析[J].中国乡镇企业会计，2012，（7）：80-81。

The Forecast on the Cash Flow under the

Centralized Control of Enterprise Group Capital

——Based on Time Series Analysis Method

CHEN Xin 1， 2

（1 Shanghai University of Finance and Economics， Shanghai 200433

2 Shaanxi Electric Power （Group） Co. LTD.， Xian Shaanxi 710061）

Abstract：When the management system of the centralized control of the capital is applied in an enterprise group， the capital management center， as the groups internal operations， needs to focus on the daily cash flow. In order to meet the requirement of each unit of the group company for the capital and at the same time reduce the cost of holding cash， it is very necessary to effectively predict the demand for the amount of the cash. The paper uses the time series data of the amount of the daily capital demand of the capital management center of a group， and by means of ARMA model， GARCH （1， 1） model， EGARCH （1， 1） model and time series model sets up the model and compares the prediction effect of each method. The empirical results show that the EGARCH （1， 1） model can well predict the daily demand for the capital， which provides a valuable reference to planning the capital operations for the capital management center.

Keywords： capital management； cash flow； model comparison

责任编辑、校对：苗文龙