基于财务数据的电网公司购售电预测建模研究

1、    基于财务数据的电网公司购售电预测建模研究    周振摘要：购售电指标是影响电网企业经济效益的重要指标，对购售电量、收入、现金流等的科学预测是保证电网企业财务预算准确性的重要前提。本文从国网公司、省电网公司、市电网公司购售电情况三方面对电网企业财务数据进行分析，分别采用指数平滑法、灰色模型法、回归分析法，建立预测模型，通过对比分析实际与预测值的差异，得出有效的预测模型。关键词：购售电预测 回归分析 指数平滑预测模型购售电量、电费、现金流预测是电网公司损益预算编制、现金流预算编制、经营预测的起点，是投资能力测算、工程项目可研财务评价、工程项目财务后评

2、价等最关键的参数。如何提高购售电预测准确性，是保证财务预算准确性的重要前提。目前国网财务系统中存储了大量的购售电相关数据，却由于财务部门缺乏成熟的购售电预测模型，无法做出精确的电量预测，对业务部门提供的电量预测数据的准确性没有发言权，只能被动接受。本文通过搭建购售电综合预测模型，一方面期望可以有效提升购售电预测的精准度，改变财务部门被动接受业务部门所提供的购售电预测数据的现状，另一方面为公司开展经营预测和工程项目经济效益评价夯实基础。一、建模原理（一）回归分析法回归分析是一种应用极为广泛的数量分析方法。利用数据统计原理，对大量统计数据进行数学处理，并确定因变量与自变量的相关关系，建立一个相关性

3、较好的回归方程（函数表达式），并加以外推，用于预测今后的因变量的变化的分析方法。回归分析主要解决以下方面的问题：一是确定变量之间是否存在相关关系，若存在，则找出数学表达式；二是根据一个或几个变量的值，预测或控制另一个或几个变量的值，且要估计这种控制或预测可以达到何种精确度。该方法一般用于年度预测。（二）灰色模型法灰色模型（grey models）是通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述的方法。其基本思想是用原始数据组成原始序列（0），经累加生成法生成序列（1），它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律。对生成变换后的序列（1） 建立微

4、分方程型的模型即gm模型。用gm模型进行预测，精度较高的仅仅是原点数据以后的1到2个数据，即预测时刻越远预测的意义越弱。原始数据列：x（0）=（x（0）（1），x（0）（2），x（0）（n），n为数据个数。（1）原始数据累加，弱化波动性和随机性（2）累加生成数据做均值生成矩阵a，b（3）灰色模型的参数分别为a，b（4）计算得到拟合值（5）对拟合值进行离散，得到预测值（三）指数平滑法指数平滑法认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延。指数平滑法有助于预测存在趋势和季节性的序列。根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。由于月度

5、与季度购售电具有季节性，本文主要使用三次指数平滑法中的winters乘法模型，并借助于spss软件进行数据建模分析。二、建模应用本节从国网公司售电量、省电网公司、市电网公司购售电三个方面对建模方法进行应用与分析，并对模型进行验证。（一）回归分析方法在国网公司购售电预测建模中的应用由于售电量与宏观经济的变动等因素具有高度的相关性，因此本文使用国网年度售电量与gdp进行相关关系分析并建立模型。具体测算方法为：使用2003-2013年数据，建立年度售电量与gdp的相关关系模型，由同期的gdp计算得到售电量预测值。建立年度售电量与gdp回归模型，模型拟合度为0.993，拟合图如图3.1所示，建立模型为

6、：lny=ln0.939+0.795lnx （3.1）其中y为售电量，x为gdp。由回归模型计算得到年度售电量预测值，具体结果见表3.1，当gdp增长率为7.5%时，预测2014年售电量为37399亿千瓦时，电量增长率为6.92%；当gdp增长率为7%时，预测售电量为37260亿千瓦时，电量增长率为6.52%；当gdp增长率为6.5%时，预测售电量为37122亿千瓦时，电量增长率为6.13%。由表3.1的预测结果可以看出，2014年售电量的增长率约为6.52%，这一结果与目前售电情况来看较为相符，说明建模效果较好，预测模型可用。（二）灰色模型与指数平滑法在省级电网公司购售电预测建模中的应用本节

7、以xx省电力公司为例对省电网公司售电收入与售电现金流进行分析，使用灰色模型法对售电收入进行分析，预测月度售电收入；使用回归分析法建立现金流入与售电收入模型。1、灰色模型预测省售电网公司电收入由于月度数据具有季节性，因此运用灰色模型结合季节分解法对数据进行建模分析。以2008年1月-2012年12月售电收入为原始数据，建立时间序列模型，预测2013年1-12月售电收入，模型预测结果见表3.2。从表3.2的预测结果来看，除去前三个月预测差异较大，剩余月份预测结果与实际差异相对较小，整个年度的预测差异率为2.41%。前三个月由于春节原因的影响，故而差异较大。从预测结果看，灰色模型适合作特定月份的预测

8、，亦可作为年度售电收入预测。模型建模的效果相对较好，预测模型可用。2、回归分析法预测省电网公司现金流入高质量的决策必须依赖于高质量的数据，由于有些数据存在异常，需要对其处理后再进行分析。本节对异常数据直接剔除。剔除异常数据后，建立本月含税售电收入与本月售电现金流入的回归模型，模型拟合度为0.913，模型显著性较好，模型拟合图如图3.2，建立幂函数方程：y=1.623*x0.889（3.2）其中x为售电收入，y为售电现金流入。根据模型，使用当月的售电收入值预测售电现金流入值。因为当月的售电收入同样为未知数，因此还需要对当月的售电收入进行预测。可使用灰色季节性模型，指数平滑法等方法进行预测。本文只

9、是给出一种建模思路，没有进行具体的测算。对购电量的预测使用上述建模方法，得出预测差异率较大，建模效果不好。购电量的预测值可以使用售电量预测值扣除平均线损得到。（三）指数平滑法与回归方法在市级电网公司购售电预测建模中的应用由于购售电量、售电收入、购电成本等数据变动遵循规律基本一致，因此本节仅对售电现金流数据进行分析。1、指数平滑法预测现金流量以xx区供电公司2009年1月-2013年12月售电现金流序列为原始数据，运用winters乘法，建立时间序列模型，模型拟合度为0.917，模型显著性较好，建立模型为：其中ft+m为预测值，m为超前期数，yt为原始数据，st为数据的水平平滑值，bt为数据的趋

10、势平滑值，it为数据的季节调整因子，l为季节周期长度。模型参数见表3.3，模型拟合图如图3.1，模型预测结果见表3.4。由表3.4可以看出，除1、2月份预测差异率较大外，其余月份差异均较小。由于1、2月份受到春节因素的影响，故而预测结果存在一定的偏差。总体来看，模型建模的效果较好，预测模型可用。2、回归分析法预测现金流量售电现金流回归分析思路为：首先建立年度现金流与时间的回归模型，由回归模型得到年度现金预测值，然后确定预测年度月现金流占全年的比重，最后将年现金流预测值依据月现金流比重在各月之间分配，得到月度现金流预测值。（1）以xx区供电公司2008-2013年年度售电现金流入数据为原始数据，

11、建立与时间的回归模型，模型拟合度为0.991，模型显著性较好，模型为：y=4218.727x-99.862x2+14484.905（3.4）其中x为期数，y为售电现金流入。由公式（3.4）计算可以得出，2014年售电现金流入预测值为39122.76。（2）确定月现金流比重分析2008-2013年各月占全年的比重，并对各年比重设置权重，越近年份分配的权重越大，其中2008-2013年权重分别为0.025、0.025、0.025、0.025、0.1、0.8。月售电现金流权重乘以2014年售电现金流入预测值等于2014年月现金流入预测值，具体预测结果见表3.5。由表3.5可以看出预测差异率在3%以内

12、，表明使用年度售电现金流回归方法预测全年现金流，按各月所占全年权重分配预测值方法预测效果较好，预测模型可用。指数平滑法与回归方法在市电网公司购售电预测中，建立的模型对售电现金流的预测结果均较好，差异率较小。可以使用该模型对购售电数据进行预测。三、结束语本文从全国、省电网公司、市电网公司三个方面对购售电财务数据进行分析，分别采用回归分析法、灰色模型法、指数平滑法建立了预测模型，并取得了一定的研究成果。针对国网公司年度售电量进行分析，建立了gdp与售电量的回归模型，根据gdp的预计变动情况，实现售电量预测。针对省电网公司购售电数据，建立了售电收入与现金流的回归模型；建立购售电收入预测的灰色模型，得到月度售电收入预测值。针对市电网公司购售电数据，建立售电现金流入的winters加法模型，预测月度售电现金流量；建立年度现金流与时间回归模型，并依据月现金流比重分配现金流预测值，得到月度预测值。几种模型在实际分析应用中，差异率均较小，模型的建立可以为后续国网购售电预测提供参考。同时，预测模型的建立，一方面可以对预测方法进一步优化完善，另一方面可以洞察购售电量、收入、现金流变动等的规律，提升国网总体收入、现金流预测的精准度，为预算编制和经营预测夯实基础。但目前模型在具体的应用中仍需要改进，模型预测值与实际值在个别月份里预测差异较大，提高模型预测精确性，研究新的预测方法是下