探索银行柜面现金库存压降模型

陈泽彬　黄海静

摘要：互联网金融给传统银行业带来了前所未有的挑战，同时伴随着银行本身运营精细化管理改革的要求，银行运营成本管理面临着各种各样的挑战，其中银行柜面现金库存管理显然成为一个值得重视的课题，加强对盈利性资产流动现金与非盈利性资产库存现金的管理刻不容缓。

关键词：银行柜面；现金库存；精益六西格玛

中图分类号：F830 文献识别码：A 文章编号：1001-828X（2017）003-0-03

一、背景阐述

在商业银行的发展与转型过程中，各项业务流程变化迅速，特别是运营标准化、信息化以及集约化方面的管理方面都表现出不同层次的变化。但我们也发现，在此过程中现金业务的管理仍然是较为传统的经验模式。虽然各家商业银行都引进了许多现金的设备，例如点钞机、清分机等现代化现金处理设备，但限额的使用判断依然依靠经验，理论库存量与实际需求量存在较大偏差。一是导致银行产生大量的无息资产的占用，二是提高了银行现金管理方面的人员投入，三是加大了现金的管理风险。本论文运用精益六西格玛改善思路，研究银行柜面现金库存管理，提高现金使用效率、降低无息资产展会用，保障对外服务都有很好的应用前景。

二、现状问题

一是目前各分行年平均库存仍然偏高。我们选择了较有代表性的一家分行的数据，该数据为分行近三年来在库存的水平的趋势控制图。我们从从该分行2014年、2015年全行各月现金收付与库存总量（参见图1）发现，现金收付基本持平。现状库存量远远超过收付轧差量，库存保险备付过大，甚至理论上无需备付。二是分行对于库存限额核定方式缺乏科学依据。各分行下发经营单位现金尾箱以与库房的库存限额的数据主要来源于历史经验判断，缺乏合理的测算模型。

三、研究范围

本文研究的主要重点将选择在柜面库存的管理环节上。

四、声音调研

为了能否更好地了解实际生产中柜面现金库存管理的问题，我们在全行的5家现金量较大的分行中派发了320份《库存现金管理调研问卷》。调研发现，超过77%的受访点还是提出库存量偏大的意见，与我们原先估计较为吻合。

五、影响因素分析

我们利用鱼骨图的方式对柜面现金库存的影响因素进行展开，主要采用了柜面工作人员现场头脑风暴的方式。从图2中我们看到，影响库存水平的主要鱼骨包括柜面收入、柜面付出、网点客户需求量以及分行支行现金调拨。在每一个主要的鱼骨上再做进一步的鱼刺风暴，我们发现逐笔现金收入明细、逐笔现金付出明细、客户大额预约数以及现金交易的机会成本等。

六、模型选择

常见的现金库存管理和控制模型主要有三种：成本分析模型、存货模型以及随机模型。采用成本分析模型确定最佳新进库存所有量，只考虑持有一定量现金的管理成本、机会成本以及短缺成本。存货模型的基本原理是将企业现金库存所有量和有价证券联系起来衡量，即将现金的机会成本同转换成本进行权衡，以求得两者相加的总成本最低的现金余额，从而得到目标现金库存所有量。存货模型要求已知企业未来的现金支出，且假定其流出量是均匀的，这不太符合银行柜面交易的状况。随机模型则假设企业每日的现金流程为一随机变量，它近似地服务正太分布，适用于企业未来的现金流量呈不规则的波动、无法准确预测的情况。因为在鱼骨图分析的基础上我们根据头脑风暴的影响因素选择了随机模型作为继续研究的数据模型。

七、模型应用

在确定好基础模型后，我们选择了一家试点分行进行模型建立与应用的嘗试。

1.模型计算

一是机会成本率K。我们按照15天的SHIBOR来算，即2W，根据中国货币网上查到的即时利率为 SHIBOR为2.6310%，由于SHIBOR为年化利率，除以360转化成分母日利率为0.7308%。二是L ，即最低库存，以历史每日净投放最大值作为参考L值，以7月每日数据为取数依据。得出下述三个支行的L数据。

三是F，即交易转换成本，这里主要考虑的押运成本：

四是σ2，即库存现金余倾变动的方差，根据每日净收入计算暂以7月每日数据为取数依据。得出下述三个支行的方差数据：

我们将上述因子带入随机模型公示可以得出最佳持有量“Z”及上限“H”：

2.试点压降

在上面分析的基础上，我们将计算结果对三家试点支行的实际库存运行情况进行对比测试，三家网点的对比结果为：A支行的库存量基本合理，其实际库存大部分都在最高和限额H 和最低限额L 之间徘徊，按照模型要求，库存超出的范围较少；B支行的库存一半在H与Z之间，一半超出最高限额比较明显，按照模型的对比结论，B支行将可能有较大的压降空间；C支行的库存压降空间明显。对比模拟计算结果，C支行的运行库存全部都在模型计算结果之外，超过范围幅度很大。

从试点的情况来看，随机模型的测算数据与实际库存量的差异说明了目前库存存在较大的压缩空间，但考虑到该模型使用的区间算法的分析，主要针对机会成本与交易成本的静态分析，而且未来库存根据历史趋势将会有一定的下降确实斜率，我们再尝试对库存的动态进行分析。仍然采用鱼骨图中主要的影响因素，即X：每日现金收入交易数据与库存的关系。这里我们主要使用规划求解以及时间序列分析的方法，以便论证库存压降是否存在空间。

规划求解的模型原则原理为：根据每日每笔的交易数据规划每日应预留的库存的约束最小值，确保正常运转，然后进一步将规划值进行时序分析预测。模型的组成包括：

（1）规划求解值：根据t-1的交易数据规划实验期间t日现金预留量数据

（2）T+1 预约金额：预约第二天取大额数

（3）节假日调整：根据节假日需要调增或调减

（4）其他残差调整：除以上原因，其他特殊原因需要调整，例如：小面额、残损币

在对历史现金交付的交易进行规划测算后，我们能否得出每日的最小规划值，使其能够妈祖当天所有的现金收付。

基于规划求解的基础上对规划值进行时间序列分析，从分析的过程我们发现分析数据处于平稳白噪声时序状态，说明现金业务是完全随机的，这也验证了上述随机模型的正确性，下一步我们使用移动平均法进行预测。基于7月到8月份的历史交易数据来看，规划求解预测结果显示压缩的空间较为明显，与随机模型计算的趋势一致，但计算较为繁杂，因此我们将继续使用随机模型进行试点执行压降。

按照随机模型计算的库存量，我们在三家试点网点开始按计算量进行测试，由于为试点期间，为了防止客户投诉，我们同时也预备一定的备用量。选择C支行作为代表，我们从图7我们可以看到试点支行可以按照模型进行压降，10月8日开始执行后，库存水平平均线（绿色线）下降明显。

3.全面推广

在试点的基础上，为了更好地验证模型的准确性，我们选择进行全行的推广，主要按时间先后进行两轮推广。第一轮以某分行的6家网点进行推广，环比压降效果明显；第二轮选择全行取36家分行，72个营业网点开展全行推广验证工作，验证工作全面铺开，环比压降成果卓著。

八、结语

精益六西格玛方法论是一个非常好的抓手，在该项目上，我们通过数据挖掘、验证推广等阶段的实施和运用，探索使用了现金管理模型，该模型对库存有效预测并能在全行推广，在库存额度管理上取得了突破性进展。

参考文献：

[1]中国质量协会，组织编写.六西格玛管理[M].中国人民大学出版社，第三版.

[2]刘迪，岳红，马春蕾，赵杰.财务管理学[M].中国电力出版社，2016-5-1.

作者简介：陈泽彬（1986-），男，广东，本科，广东银行总行运营管理部，高级经理，主要从事银行运营流程改善研究。

黄海静，女，广东人，本科，广东银行总行运营管理部，高级经理，主要从事现金营运管理研究。