党的十九大提出要深入推进供给侧结构性改革，湖北省召开全省财政工作会议，并表示要有效实施积极的财政政策，促进经济平稳运行。全面落实减税降费政策，降低实体经济运行成本，优化财税政策环境。充分发挥财政政策引导功能，综合运用PPP、政府基金、财政奖补、减税降费等方式，支持经济结构调整和转型升级。因此国库现金管理显得尤为重要，本文选取湖北省武汉市预算收入、预算支出作为研究对象，以2015-2017年的月度数据为样本，运用ARMA模型拟合模型并对2018年1-6月收支数据进行短期预测，最后结合现金流实际数据与当前经济形势探讨误差产生的原因并给出对国库现金流管理的建议。

半个世纪以来，随机时间序列预测方法已逐渐发展成为概率统计学中一个重要分支，从最早期的自回归模型和移动平均模型，到现在的非平稳及非线性模型，它和近代随机过程论密切结合，同时考虑的是无限维模型，因此更加精确严格。近年来我国学者对于时间序列的研究取得了极其丰硕的成果，在单位根理论和非线性模型理论研究方面已跟上国际步伐。由于金融市场和电子商务等领域数据庞大，且离散型和连续型的多变量相混杂，因此时间序列分析在高频金融数据分析领域很有必要。如潘义群在《基于ARMA模型的地方国库收入探究——以河南省为例》中选取河南省2006-2010年地方国库收入数据为样本,利用ARMA模型对其2011年1-7月份国库收入数据进行预测,结果表明整体预测效果良好,从而更好地估测出地方国库库存的数值,为地方国库现金管理提供预测数据支持,有助于进一步推动地方国库现金管理进程。崔文瑞等在《基于ARMA模型的地方国库现金流预测——以甘肃省庆阳市为例》中通过对甘肃省庆阳市2009—2015年市本级月度国库现金流预测,对比该期间现金流实际数据,探讨误差产生的原因,并提出相应修正对策,以提高预测精准度,进而探寻提高地方国库现金管理水平和预算执行能力的方法途径。韦艳华、张世英在《金融市场的相关性分析——Copula-GARCH模型及其应用》结合t-GARCH模型和Copula函数,建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明,不同板块的指数收益率序列具有不同的边缘分布,各序列间有很强的正相关关系,条件相关具有时变性,各序列间相关性的变化趋势极为相似。可见在国内外ARMA模型的应用广泛，成果显著，是非常有效的数据分析方法。

2. 研究的基本内容与方案

ARMA模型简介：ARMA模型即自回归移动平均模型，是由博克斯和詹金斯于20世纪七十年代初创立，是一种精度较高的短期时间序列预测方法。ARMA模型是研究时间序列的重要方法，以自回归（AR）模型和移动平均（MA）模型为基础结合而成。

模型的建立与预测：

（1）平稳性检验：时序图、白噪声检验、单位根检验。若非平稳序列，可以通过差分变换或其他变换如对数差分变换使序列满足平稳性条件。

（2）模型识别：由EVIEWS软件得出时间序列的一系列统计量如自相关系数AC和偏相关系数PAC的值，根据其确定AR、MA的阶数p、q，选择恰当的ARMA模型进行拟合。

（3）估计模型的未知参数：在初始估计中选择尽可能少的参数估计模型的未知参数，并检验参数的显著性以及模型自身的合理性诊断。

（4）诊断与检验：显著性检验和残差的随机性检验的诊断分析，以证实所得模型确实与观察到的数据特征相符，若模型不通过检验就重新选择模型拟合。若存在ARCH效应则运用GARCH模型消除该效应。

（5）模型优化：充分考虑各种可能，建立多个拟合模型，运用R值、AIC准则、BIC准则进行筛选，从所有通过检验的模型中选择最优模型。

（6）模型预测：运用拟合的模型，预测序列的将来走势。