基于LSTM模型的國庫庫存余額預測研究與實現

賈宏云 劉永紅 巴桑卓瑪 宋雅萍

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

關鍵詞：LSTM模型;國庫庫存余額;現金管理

中圖分類號：F23文獻標識碼：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，為提高國庫現金的使用效益，以實現國庫現金余額最小化和投資收益最大化為目標，根據《中央國庫現金管理暫行辦法》相關規定，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一原則，自2017年開始，省級地方政府可開展相應的現金管理，因此，建立科學的庫存余額預測模型，對地方政府開展合理的國庫現金管理操作具有重要意義。

目前，地方現金流預測方法相對較多，常用的預測方法有ARMA模型、Holt—Winters 乘法模型、平均執行進度法、BP 神經網絡模型、灰色系統模型等，主要是對國庫收支額度進行預測，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月份收入預測值，雖然預測準確度較高，但整體預測呈現出持續負偏差的趨勢以及人行呼和浩特中心支行周雪峰等人《省級國庫現金管理效率研究》中采用“年度平均增長指數+月度平均執行進度”方法對2019年1月-2020年6月內蒙古省級國庫收入、支出和庫存進行預測，預測誤差平均值分別為8.1%、8.7%、18.2%，雖然各地國庫收支數據存在一定的差異性，尚未形成統一的國庫現金流預測方法，但整體上模型預測數據以月度為主，數據相對較少，導致模型對數據的分析預測能力降低，與國庫現金管理目標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年庫存日度余額數據進行預測實驗，實驗結果表明，該模型在訓練集和測試集上RMSE值較小，評價決定系數R2（R-Square）分別達到了0.967和0.963，預測效果較好，對推動國庫現金管理的長效發展具有一定的參考價值。

1LSTM時間序列模型結構

長短期記憶網絡（LSTM）由Hochreiter & Schmidhuber （1997）提出，是一種用于深度學習領域的回歸神經網絡（RNN）結構，它由若干節點和操作組成，適合處理預測時間序列，其鏈式結構由遺忘門、輸入門和輸出門三部分組成，門的結構為一個Sigmoid層和一個點乘操作的組合，每個門通過相應算法與規則控制上一時刻隱藏層ht-1與當前時刻xt輸入數據的流通，更新當前單元狀態Ct和和隱藏層ht，其鏈式結構如圖1所示。

2數據整理

數據收集與處理是構建預測模型的基礎，為了讓模型充分挖掘數據的隱藏價值，實驗采用相對數量較多的庫存日度余額作為初始樣本數據集，通過數據處理技術對初始樣本集數據的處理，構建完成具有一定質量和規模的數據集。

2.1數據收集

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

2.2數據處理

實驗中的數據處理方法由去除節假日數據、填補異常值數據及數據序列歸一化三部分組成，通過數據處理可以增強時間序列數據的平穩性，提高數據的質量，降低學習任務的難度，有助于促進后續預測模型學習的性能。

2.2.1去除節假日數據

經對國庫庫存余額日度數據分析，發現整體數據存在節假日無變化狀態，為了獲取數據動態變化，減少數據冗長，實驗利用篩選法去除節假日數據，同時采用節假日當日數據與上一工作日數據進行比對，如有變化則保留該節假日數據，否則，去除該節假日數據。

2.2.2填補異常值數據

由于進行現金管理操作，庫存余額數據會在某一日出現大額資金流出和流入國庫，導致庫存余額數據出現異常值，為了使數據更加平穩，較少噪音點對模型性能的干擾，實驗采用現金管理操作當日額度f與操作時間段內T∈[t1，tn]的庫存余額相加，填補該時間段內庫存余額的缺少量，庫存余額F=f+FT，T∈[t1，tn]，由于西藏轄區現金管理操作收益較小（幾個億），對國庫余額影響有限，因此未考慮其對數據的波動性影響。

2.2.3數據序列歸一化

為減少數據的強烈波動，消除奇異樣本數據對模型預測能力的不良影響，首先在數據集上計算出樣本數據的均值和標準差，然后對數據進行歸一化處理，處理函數如公式所示：

x'=x-μδ2

其中μ為所有樣本數據的均值，δ為所有樣本數據的標準差。

2.3數據集構建

通過對原始數據收集與處理，共整理出1340個庫存余額上一刻數據var（t-1）和預測標簽數值庫存余額此刻數據var1（t），由于節假日對應的無變化庫存余額需要去除，導致日期不連續，因此在數據集中把原本的日期替換為連續計數序列var2（t-1），數據集S分割為訓練集和測試集，其中訓練集和測試集數據樣本個數分別為1072與268個，部分數據集如圖3所示。

3模型構建與測試

模型構建是分析處理數據的橋梁，測試則是對模型的檢驗和優化，本文首先以神經網絡搭建框架為基礎，通過LSTM模型對訓練數據集的學習，獲得模型的相應參數;然后在測試集上對模型的預測性能進行測試;最后采用相關評價指標對模型的預測性能進行評價。

3.1模型參數設置

參數設置是模型構建的核心，實驗利用模型預測性能評估反饋方法，設定模型參數為： LSTM輸入層隱含層神經元數量為200，損失度量函數為均方誤差MSE，迭代次數為12次，每批次處理8個樣本數據塊，輸出層是維度為1的linear線性函數，自適應學習率優化算法為adam，部分相關程序代碼如圖4所示。

3.2測試結果評價

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

從上圖5可以看出，隨著模型優化目標參數的調整，學習迭代次數的增加，訓練和測試集預測歸一化數據的損失函數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。

圖6和表1實驗結果表明，模型的評價RMSE誤差值（數據集反歸一化后的數值）相對較小，R2確定系數在訓練集和測試集上分別為0.967和0.963，預測數據與實際數據擬合度較高，模型的預測和泛化能力較強。

4總結

本文首先結合西藏轄區國庫庫存余額的整體特點，利用數據處理技術獲取平穩數據集，再引用LSTM模型對數據集進行預測實驗，根據損失MSE收斂過程特征，調整相應的參數，最終獲得較好的實驗結果。實驗表明該模型對庫存余額數據的預測準確度較高且泛化能力較強，對未來的國庫庫存余額變動趨勢及規律有了一定的把握，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，導致收支數據波動性較大，因此實驗中只采用了連續計數序列作為目標對象的影響因素，未能融入現金流收支貢獻特性。（2）由于數據間存在時間依賴性，實驗數據集樣本數量相對較小，防止數據的時間結構被破壞，因此實驗未能使用相關交叉驗證法對模型性能進行驗證。因此，在以后的研究中，將針對現金流收支變化特點，增加目標對象影響因素，擴大數據集規模，引用相關驗證方法，進一步提高模型的預測準確度，更好地為國庫現金管理工作服務。

參考文獻

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

[2]李思敏.中美國庫現金管理比較及借鑒[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：江西財經大學，2008.

[4]鄭曉伶.我國開展國庫現金管理的若干思考[D].廈門：廈門大學，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.基于深度學習的位置預測算法研究與應用[D].蘭州：蘭州大學，2018.

[7]栗軍，宋曉華.嚴格控制財政風險促進經濟健康發展[J].財會學習，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：西藏財政國庫現金流預測;劉永紅（1968-），女，漢族，安徽淮北人，中國人民銀行拉薩中心支行，中級經濟師，主要研究方向：西藏財政國庫現金管理效率評估;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，中級經濟師，主要研究方向：西藏財政國庫現金管理對貨幣政策的影響。