高效的现金流控制可以强化银行的财务控制、改善银行决策、提高银行整体盈利水平,并防止流动性问题的产生。2008年全球信用危机再一次对银行业的流动性管理敲响警钟。而现金作为构成银行业流动性最基本的源泉和银行业赖以生存的“血液”,理所应当成为银行管理中的关键问题。2009年,中国银监会印发了《商业银行流动性风险管理指引》。从《指引》中可以看出,随着经济环境的复杂化、金融创新产品的多样化以及银行业竞争的激烈化,现金管理已经成为越来越重要的问题。随着2010年底《巴塞尔协议111》的酝酿出炉,银行监管当局将对银行提出更为苛刻的资本要求：对涉及最低资本要求的内容以及资本金的计算等问题进行改革,从而使银行对风险更为敏感,使其运作更为有效。从20世纪初开始,全世界关于流动性管理的理论就取得了长足地发展,伴随着这样的发展步伐,现金管理的数量模型也得到了不断地完善。如今的现金流动性管理的数量方法主要有三种：第一种方法是反映流动性时点状态的固定到期法。该方法关注银行的静态流动性状况；第二种方法是用建模来反映银行某个时间段现金状况的动态到期法。本文采用的米勒奥尔模型正是属于动态到期法的一种；第三种方法是通过一个比例来反映银行流动性状况的比例分析法。这是一种比较简化、方便的方法,特别适用于企业内部和外部人员进行相关指标的比较和控制。比例分析法是现在比较流行的一种现金管理办法,比如本文中使用的资本充足率就是比例分析法的一种。尽管现金流动性对于银行业有非常重要的作用,但是与众多进入中国市场的外资银行相比,中国的大部分银行都缺乏主动、有效的现金管理办法。国内在银行现金的流动性管理的方面还做得比较差,这反映在理论和实践两个方面。在实践上,大部分银行缺乏主动有效的现金管理方法,而往往把重心放在事后处理上；在理论上,虽然有许多关于现金管理模型的研究,但是鲜有将现金管理模型应用于银行业的情况,如本文中所提到的现金管理模型,其在国内银行业的应用还处于空白阶段。所以,研究我国商业银行的现金流量管理成为了当前的一项紧迫任务。本文将借用西方的现金管理模型来解决中国商业银行的现金管控问题,主要目的是通过对案例银行数据的分析来检验米勒奥尔模型对于银行现金流动性管理的有效性,特别是对于中国银行业现金流动性管理的有效性。本文所研究的米勒奥尔模型是于1966年由米勒和奥尔两个人提出的一个现金管理模型。根据他们的著作可以看出,商业实体的最佳现金持有量是以下三个变量的函数,即现金存量的方差,单笔交易成本以及投资组合的收益率。为了得到案例银行研究期间的现金存量的最佳值,本文从案例银行获得了以上的三组数据,并以这些数据作为模型研究的样本数据来进行实证分析。另外,由于几乎所有的中国商业银行都在现金管理方面缺乏模型指导,本文力图在利用模型进行现金水平控制方面对整个银行业起到一定的示范作用。在国际理论研究领域,有许多关于米勒奥尔模型的应用方面的著作。虽然米勒奥尔模型最早的提出是用于对一般企业的研究,但这个模型还可以被应用于其他的实体。在米勒和奥尔早期的案例研究中,米勒奥尔模型被运用于大型企业,并被证明在帮助大型企业控制现金存量方面,比当时其他所有模型都更为有效。在随后的70年代,R.Maldonado和L.Ritter1在案例分析中,把米勒奥尔模型用于政府的库存管理,成功求出了政府最佳库存现金的平均值。米勒奥尔模型在中国的案例分析也主要集中在对政府库存现金的研究中。但是在所有这些模型应用的著作中,却很少有文献利用米勒奥尔模型来解决金融机构,特别是银行业的现金管理问题。对于极少的这些涉及银行业的案例分析中,比较有代表性的是2001年用米勒奥尔模型对新西兰银行的研究。所以,利用米勒奥尔模型对银行进行研究目前在我国还存在空白,这也正是本文所要寻找的研究领域的突破口。通过本文的研究,得出的主要结论有以下几点：首先,本文证明了米勒奥尔模型对于中国银行业的现金管理具有实用性。这个结论是以中国的一家案例银行来进行数据搜集并经过实证研究所得。对于案例银行的数据采用了数量方法进行分析,比如使用了Excel软件中的一些统计法和EVIEWS软件中的时间序列分析法。其次,本文为案例银行求得了进行现金控制的一些关键数据。这些数据主要是2008年到2009年案例银行现金存量的最佳数值和数值区间,以及通过预测方法得到的2010年的现金存量最佳数值和数值区间。这些数据的作用是作为一个衡量准则,帮助案例银行进行有效的现金管理决策。最后,本文探索了关于银行流动性监管规则的一些问题并给出了建议。通过对案例银行的流动性分析反映出了银行监管中存在的问题,为从外部环境来改善银行流动性,本文也对这些问题进行了浅析。在本文的整个研究过程中,有以下两个亮点。第一,本文对米勒奥尔模型进行了修正。鉴于米勒奥尔模型是于上世纪60年代提出的一个古老的现金模型,要保证其实用性,就需要对模型及其原假设进行必要的修正：首先,根据本文对银行实际的现金流动情况的分析发现,在剔除了现金流随时间的趋势影响后,现金的波动具备正态分布特征,所以本文假设米勒奥尔模型遵循以s2为方差的正态分布规律；其次,本文假设了现金存量区间的下界限是银行年度现金存量的最低值。虽然大部分运用米勒奥尔模型的案例分析都假设这个下界限的值为零,但是根据银行业的自身特点,本文认为这个下界限不可能为零。最后,本文将模型系数修正为0.4。根据1975年J.Barth和J.Bennett1的实证研究表明,米勒奥尔模型的系数,即模型弹性系数,在+1/3到+2/3之间波动,而前者出现在当大量现金存量成为规模增加的唯一原因时,后者则出现在当高频率交易成为规模增加的唯一原因时。在综合分析了案例银行的情况之后,本文将模型指数调整为一个接近平均数的值,即0.4。第二,本文对模型系数进行了修正。经过学者们的长期研究表明,模型的原系数1/3应该是根据研究对象的实际情况有所变动的。所以本文应用案例银行的数据进行了数据的验证,在这个验证过程中,系数的取值分别为1/3,0.35,0.4,0.45和0.5。当模型系数分别取这些数值的时候,比较由模型推测出来的现金存量的数值与实际现金存量的数值,从而得出模型系数取0.4最为合适的结论。第三,为得到模型所需要的具备完全随机性的现金流数据,本文通过EVIEWS软件用ARMA模型来对时间序列进行拟合,从而剔除了序列中的趋势因素。换句话说,在处理案例银行的现金流量数据时,本文通过线性模型来拟合了时间序列,而去除了模型中其他项的残差项ε的方差就是满足米勒奥尔模型要求的现金流方差。为达到这个目的,本文对超额准备金序列进行了平稳性检验和自相关、偏相关图检验,最终确定了用ARMA模型来模拟这组序列。最后需要说明的是,本文所说的现金管理是指对商业银行现金资产的管理。银行的现金资产作为资金运用中变现能力最强的部分,直接形成了银行最基本、最重要的流动性来源。现金资产的范畴通常涵盖了库存现金,托收过程中的现金(Cash Items in the Process of Collection)以及在中央银行的存款,有时现金资产还包括存放在同业银行中的存款。在中央银行的存款包括了法定准备金和超额准备金两个部分。超额准备金将成为本文数据处理与分析的重点。鉴于本人学识有限,对所学知识的认识、理解难免有一些偏颇之处,文中尚有不少不尽人意之处,敬请评审专家及答辩专家批评指正,本人将继续在以后的学习与工作中,不断地充实自己,完善自己,进一步提高自身的综合素质。