IT i!i!震
IT ObseNotio，门
数据建模在银行现金配在þ申的应用
深圳市紫金支点技术股份有限公司 洪纬
现金配钞是商业银行现金运营管理中的核心问题之
一，涉及自助设备的加钞运营和网点尾箱的现金管理。
科学合理的现金配钞预测有利于降低商业银行的现金备
付金占用，提高现金使用效率，在充分保证渠道服务质
量的前提下，减少自助设备加钞请机和网点尾箱的现金
调拨频次，全面降低现金运营管理成本。 自助设备和网点
柜面是目前商业银行最主要的两种现金交易渠道，其中自
助取款机 ( 以下简称 "ATM" ) 对应"净付出"模式，
而存取款循环一体机 ( 以下简称 "CRS " ) 和网点柜面则
对应了"收付循环"模式。 深圳市紫金支点技术股份有限
公司研发的大数据分析平台针对这两种典型的现金出纳
模式，分别基于历史收付交易数据构建相应的配钞预测模
刑，解决了对预期现金周期内自助设备力D~相网点尾箱现
金配额的预测问题，在实际应用中取得良好的效果。
1. 现金配钞的难点与应对
由于自助设备和网点柜面的现金付出量和收入量本
身是不确定的，受到地区环境、人口密度、季节周期等
诸多复杂因素的共同影响，很难对各影响因子进行有效
选择，并对各因子的影响权重进行量化分析。 尤其对于
开通循环功能的存取款一体机和网点柜面，其现金周期
内的配钞需求量与现金付出量之间并非简单地成线性关
系，这使得对这一类现金交易渠道的配钞预测更加困难。
但是无论有多少作用因子， 以及它们之间是如何相
互作用的，最终导致现金付出量、收入量和净付出量在
适当的时间粒度上所组成的时间序列总能够表现出一定
的趋势性、周期性和季节性。 于是，平台通过采用时间
序列建模技术，对自助设备和网点柜面的历史现金交易
量进行分析和预测，将自变量选择、 多重共线性等造成
的困难转化为 "黑盒" 加以规避和处理。
2 . 时间序列预测模型
无论是自助设备还是网点拒面，它们的现金付出量、
收入量及净付出量， 都是一种较为复杂的时间序列，包
含线性时间趋势和季节波动两个分量。 时间序列分析是一
种根据系统观测得到的在时间维度上的序列数据，通过曲
线拟合和参数估计 ( 如非线性最小二乘法)来建立数学
模型的理论和方法。 紫金大数据分析平台支持多种数据
掘的接入，通过数据同步和 ETL 技术从相关 OLTP 系统
采集现金渠道的交易数据，并基于沉淀的历史数据构建
时间序列预测模型，为银行现金配钞业务提供决策支持。
3 . 数据建模与预测
(1)净付出型配钞模型
ATM 现金交易是一种典型的现金净付出模式。 对
于一台取款机设备，清机周期内的取款量便是该周期的
加钞需求量，平台基于设备历史取款交易数据，应用相
关算法构建 ATM 设备的配钞预测模型，并在满足设备
现金使用率目标和配额取整规则的约束下，确定下个预
期清机周期的设备加钞量。
举例来说，笔者以国内某商业银行一台离行 ATM
设备 2013 年 1 月 1 日至 2015 年 12 月 31 日连续 159 周
( 三年)的周日均取款数据为统计样本，基于时间序列
算法构建该台 ATM 设备的配钞预测模型。 图 1 为模型
预测的效果，其中黑线为样本时间序列，红线为预测的
时间序列。
应用预测模型预测 2016 年第一季度的周日均取款
量如图 2 所示，深蓝色区域为置信度 80% 的预测区间 ，
浅蓝色区域为置信度 95% 的预测区间。
(2 ) 收付循环型配钞模型
现金循环模式的特点是现金付出交易和收入交易随
2017 . 06 中国金融电脑 91
IT OBSERVATION I IT 观察
80000
60000
40000
20000
2014. 0 2014. 5 20 201 5. 5 2016. 0
图 1 周日均取款量时间序列预测模型效果
60000
40000
200∞
-2∞∞
20 20 13. 5 2014. 5 201 5. 0 20 15. 5 201
图 2 预测 2016 盖在第一季度的周日均取款量
机交替发生，且收入现金可供付出交易循环使用。 对于
CRS 而言， 相当于在一个清机周期内，除了一次加钞交
易之外，还伴随其他 "随机加钞"事件(如存款交易)
的发生， 那么如何实现 CRS 设备的加钞配额预测模型，
以达到尽量减少现金备付金占用，且预期最大清机周期
内不满钞、 不缺钞的"零加钞" 最优目标，将是一个极
具挑战的复杂问题。 类似地 ， 从现金出纳模式的视角观
察， 一个网点的现金柜面便可以被视为一台 CRS ， 适用
于相似的现金配钞模型。
以 CRS 加钞预测为例 ， 理想情况下，以最少的加
钞配额作为 CRS 现金服务运营的 "启动资金在设
备最大清机周期内，余钞量始终能够维持在一定的安全
区间内，既有一定的现金余量能够满足取款付出的需求 ，
又存在一定的钞箱空间能够容纳存款收纳，这就需要我
们对每台 CRS 设备的存款和取款规律进行充分的研究
和挖掘。 平台通过对 CRS 历史取款和存款交易的周日
92 FINANCIAL COMPUTER OF CHINA
均数据建立时间序列模型，预测出下一个预期最大清机
周期内设备余钞量的安全区间，其下限为时间序列下
个周日均取款量的预测值，上限为设备满钞值与时间序
列下一个日均存款量预测值的差值，只要设备余钞量在
此安全区间内浮动，便不会因缺钞或将满触发清机加钞
事件。 加钞配额的预测值则可以取下一个清机周期净付
出总量预测值与下一个周 日均取款量预测值的较大值，
以保证尽可能地减小紧急加钞事件发生的概率。
在大数据时代，业务数据化和数据业务化已成为商
业银行提升自身经营水平和盈利能力的必经之路。 紫金
大数据分析平台为商业银行提供的现金管理业务数据化
解决方案，应用数据建模技术解决了 "净付出" 和 "收
付循环"两种现金出纳模式下的配钞预测问题，适用于
自助设备加钞和网点尾箱配钞规划等业务场景 ， IJjJ力银
行实现现金精细化管理和智能化运营。 t:m
栏目编辑: 伍曼 wuman@fcc . com .c l1
