冯振权

（作者单位：辽宁科技大学）

传统的高校预算管理通常基于经验和主观判断，缺乏科学依据和长期规划。然而，随着信息技术的快速发展和数据分析方法的进步，高校可以利用大数据、数据挖掘和预测建模等技术，解决预算管理中的复杂性和不确定性问题。在这样的背景下，基于数据驱动的高校预算管理模型研究成为一个重要课题。这种模型通过整合和分析各种数据源，从历史数据中找出规律，能够让管理者更好地了解资源需求、成本结构、预算影响因素等，从而为高校管理者作出更明智的决策提供支持。

一、高校预算管理现状

首先，高校的经费主要来源于财政拨款、学费、科研项目等方面，但某些学校或地区的经费来源相对有限，导致预算紧张。而且，政策和经费分配机制的改变，也可能引起高校预算的波动，给预算管理带来不确定性。其次，在高校预算编制过程中，各个部门或学院对自身的需求和实际情况了解更详细，而中央预算部门则面临着信息不对称的问题。这可能导致预算分配不公平或无法满足特定部门的需要，影响预算管理的公正性与准确性。再次，高校在预算执行中，可能存在制度执行不到位的问题。预算执行需要严格遵循相关规章制度和流程，确保资金使用的合法性和规范性。然而，一些高校可能缺乏有效的内部控制机制或监督机构，导致预算执行不够规范，出现经费浪费、滥用等问题。最后，预算编制与实际需求之间存在差距。高校在预算编制过程中，对实际需求的估计不准确。由于各项需求和变动较为复杂，预算编制过程中的估算可能存在偏差，导致出现一些项目的优先级错位、资源分配不合理等问题。

二、以预算管理为主线的内部控制模型

ARMA 模型设计预算编制管理系统的引入，不仅仅是技术层面的创新，更是对高校预算管理策略的革新。传统的预算编制往往基于经验和主观判断，容易受到主观偏见和不确定性因素的影响。而应用ARMA 模型后，能够以客观数据为支撑，消除主观因素的干扰，提高预算编制的科学性和准确性。高校基于ARMA 模型设计的预算编制管理系统，能够帮助高校对过去的财务数据进行详细分析，识别出存在的问题和潜在的风险，从而及时采取适当的财务措施，调整预算策略，更好地应对日益复杂的财务环境和不确定的经济形势。这样一来，高校能够更加灵活地应对外部环境的变化，确保预算顺利执行。

此外，基于ARMA 模型设计的预算编制管理系统，还能提高预算的透明度和可追溯性。系统可以记录并跟踪预算编制的过程，详细记录每一项预算管理措施的决策依据，使整个预算编制过程变得更加透明，降低高校财务审计难度。这不仅有助于高校内部对预算的监督与管理，而且能够提升高校预算的公信力，加强各方对高校财务管理的信任。

为解决高校预算管理过程中出现的一系列问题，除了对财务管理制度体系进行优化，相关工作人员还积极尝试以数据驱动为内核，构建高校预算管理模型，利用ARMA 模型捕捉时间序列中的自回归（Autoregression,AR）和滑动平均（Moving Average,MA）数据，满足高校预算管理复杂的数据需求。同时，为使预算管制管理系统与高校财务情况相符，相关工作人员引入以预算管理为主线的内部控制模型，通过这种方式实现数据驱动与内部控制之间的深度融合。

预算管理内部控制模型是指为有效管理和控制预算过程中的风险和不确定性，确保预算的准确性、可靠性和合规性而采取的一系列措施。

首先，控制环境是预算管理内部控制模型的基础，既包括组织的价值观、管理层的承诺和透明度等方面，也包括在企业内形成正确的预算管理意识，明确权责清单和职责分工，制定明确的预算政策和程序等。营造积极的控制环境，能够促进预算管理的有效实施。其次，预算策划是确保预算目标对齐和有效资源配置的关键步骤，包括确定预算目标、制定预算指标、制订预算计划和预算编制等过程。在预算策划阶段，需要合理分析和评估各项预算的需求与效益，确保预算的合理性和可行性[1-2]。最后，预算评估和审计作为针对预算管理内部控制模型的监督与评估过程，包括对预算执行情况的定期评估和审计，并及时发现问题和改进的机会。预算评估和审计可以通过预算绩效评估、内部审计和外部审计等方式进行，其能够提供对预算管理有效性和合规性的独立评价，帮助改进预算管理过程。

三、基于ARMA 模型设计预算编制管理系统

经济环境的不稳定性、市场需求和竞争态势的变化、内外部风险等因素都会对预算编制产生影响。传统的预算方法往往未充分考虑这些不确定因素，导致预算编制的准确性和实效性下降。为解决这一问题，研究人员尝试引入基于ARMA 模型的预算编制管理系统。ARMA 模型结合自回归（AR）和滑动平均（MA）模型的优点，对时间序列数据进行拟合和预测，更好地应对数据的波动和趋势。该模型具有较好的适应性和可解释性，能够捕捉数据的周期性和趋势性。将ARMA 模型应用于预算编制管理系统，可以通过对历史财务数据进行建模和分析，提供更准确的预测和决策支持。基于ARMA 模型的预算编制系统可以考虑时间序列数据的相关性和趋势，有效预测未来的财务状况、收入和支出变动等。同时，ARMA 模型还能够识别异常波动和季节性变动，进一步促使预算编制精细化。

（一）ARMA 模型原理

定义1：设平稳随机序列为{Xt}，其满足下列随机差分方程：

方程（1）中的{εt}代表随机干扰序列，φ0为均值项，θ1,θ2,…,θp代表自回归系数，θ1,θ2,…,θq代表滑动平均系数，如果满足E(εt)=0，Var(εt)=σε2以及E(εtεs)=0 三项条件，则表示{Xt}属于ARMA 序列，记为ARMA(p,q)。

定义2：如果方程（1）中的θ1=θ2=θq=0，则可以得到下列方程：

方程（2）中的平稳随机序列{Xt}为自然回归序列，因此该模型也被称为自然回归模型。

（二）ARMA 建模过程

建立ARMA 模型的过程通常包括数据序列平稳化处理、分析差分后数据的相关性并进行随机性检验以及相对最优阶的确定，如图1 所示。

图1 历史数据序列建模

1.数据序列平稳化处理

首先，在建立ARMA 模型之前，需要对原始数据进行平稳化处理。平稳化处理的目的是消除数据中的趋势性和季节性干扰，使得数据的均值和方差保持稳定。平稳化处理的方法包括差分法和对数变换等[3]。差分法可以通过计算数据的一阶差分、二阶差分等来消除趋势性；对数变换可以将非线性的数据转化为线性关系，使得数据更具平稳性。

2.分析差分后数据相关性并进行随机性检验

对平稳化后的数据进行分析，包括分析差分后数据的相关性和进行随机性检验。相关性分析可以通过自相关函数（ACF）和偏自相关函数（PACF）来进行。ACF表示当前观察值与之前观察值之间的相关程度，PACF则表示在排除了其他阶的相关影响后，当前观察值与之前观察值之间的相关程度。相关性分析能够帮助确定ARMA 模型的阶数。

随机性检验是为检查差分后的数据是否满足随机性假设。常用的随机性检验方法有Ljung-Box 检验和Q-统计量检验等。这些检验方法可以检验数据的残差序列是否存在自相关性，进而判断数据是否具有随机性。

3.相对最优阶确定

相对最优阶是指在满足模型拟合效果好的前提下，选择较少的自回归阶数和滑动平均阶数。通常采用信息准则（如赤池信息准则、贝叶斯信息准则）来进行模型选择，选取具有较小信息准则值的ARMA 模型作为相对最优阶。

四、实证分析

为验证该模型有效性，研究人员以X 大学为例，将该大学十年的财务数据导入该模型（见表1）。

表1 X 大学十年财务数据 单位：万元

ARMA 模型的表达式如下：

方程（3）中，u代表均值项，n=10。将表1 中的数据代入公式，则可以得到下列表达式：

基于方程（4），可以得到之后六年的预测值，将预测值与高校财务部门统计的数据进行对比，如图3 所示。

图3 2017—2022 年预测数据与实际数据对比

分析图3 可以发现，X 大学2016—2021 年预测财务支出与实际资金支出的误差率小于5%，2022 年预测数据与实际数据的误差率小于1%，且每年的预测数据走势较为平滑，证明该模型得到的预测数据可靠性较高。学校管理者根据该模型，可以计算若干年内的财务支出情况，并根据该数据制定相应的预算管理策略。

五、基于ARMA 模型预测结果的预算管理优化措施

（一）引入绩效管理

绩效管理以实现目标为导向，通过设定明确的绩效指标和评价体系，激励各部门和个人在预算使用中的高效与创新表现。针对高校的教学、科研和社会服务等方面的特点，可以制定相应的绩效考核标准。例如，制定教学质量评估指标，将教师的课堂教学、学生毕业率和就业情况等纳入绩效考核，以确保预算资金用于提高教学品质，改善教学环境。

（二）设立预算编制与审核专门机构

为确保预算编制的科学性和规范性，建立专门的预算编制与审核机构是必要的。该机构应由具备预算管理和财务分析专业知识的财务专业人员组成，他们主要负责制定预算编制准则和审核程序，并对预算进行全面的审查和评估。同时，他们还应协调各部门之间的预算编制工作，确保预算的整体合理性与协调性。此外，预算编制与审核机构还可以提供指导手册，加深各部门与个人对预算编制和审核的理解。

（三）加强预算执行监控

建立有效的监控机制可以帮助高校及时了解预算执行情况，并进行实际支出与预算支出的比较分析。例如，可以定期进行财务报告审计和绩效评价，通过这些手段，发现预算执行中的偏差，并及时采取纠正措施。此外，还可以通过预算执行监控评估预算的有效性和资源的利用效率，为未来进行预算编制提供依据。

（四）强化预算信息公开

建立高校预算信息公开平台，定期向师生和社会公开预算编制、执行和决策过程中的关键信息是一项重要措施。该平台可以公开预算编制的基础数据、分配原则、编制依据，以及各项重要预算指标的实际执行情况和效果评估结果[4-5]。

六、结语

本研究基于数据驱动的高校预算管理模型，通过对大量历史数据的分析和建模，揭示了预算规划、执行与监控等环节的关键因素和模式。在未来的研究和实践中，需要进一步完善和优化这一基于数据驱动的高校预算管理模型，进一步丰富数据源，包括教学、科研、学生等多个维度的信息，以提高模型的准确性和可靠性。在此基础上，加强与实际预算管理的结合，将研究成果转化为实际的管理实践，不断推动高校预算管理水平的提升。