科创中国

行业领域

电子信息技术

需求背景

政府通过适度负债不仅可以刺激经济增长带动投资，而且还可以推动地方公共基础设施的建设，提高政府社会服务的水平，进一步推进城市的发展。超出地方政府财政收支范围的举借政府债务的行为，不仅不利于地方财政正常运转，也会破坏地方经济的可持续发展，对社会的和谐、稳定产生负面影响。如何科学、有效地防范地方政府债务风险己经成了目前我国无法避免的问题之一。本课题理论价值和实践意义在于：

（1）丰富地方政府债务风险预警的实证研究方法。没有科学有效的地预警模型，就难以从根本上预警债务风险。现阶段和政府债务有关的问题越来越突出，而且我国对地方政府债务的研究起步较晚，尚处于初级阶段。对风险出现的因素、风险产生的结果和风险预防的措施等方面的研究比较完善，但从实证研究角度相对较少，大多以违约率、线性回归法、单一机器学习算法来对地方债务风险展开预警。虽然机器学习算法被各行各业所广泛的使用，不过对于地方政府债务方面还没有被大量的使用，采用的方法较为单一，其方法包括BP神经网络法、决策树法以及随机森林法等。机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能,将机器学习算法应用于政府债务风险预警而发挥出效果。因此选择科学的、适宜的和有效的风险预警模型，不仅可以更好的应对地方政府债务风险，而且丰富了现有的地方政府债务研究。

（2）完善债务风险预警指标体系。通过对地方债务现状、风险特征和成因的分析，对症下药的构建更适宜风险预警指标体系，可以使风险预警模型的预警准确度提高。在实施地方政府债务风险的具体措施上将更有针对性。

（3）可以及时有效预警地方政府债务风险，做到风险早发现、政府早处置。建设科学的地方政府债务风险预警模型框架，是地方政府债务风险有效降低的重要方法。通过债务风险预警体系，对债务运行进行追踪，及时提示出现的债务风险，并在进一步恶化之前进行处理。建立地方政府债务风险预警理论框架，将定性分析与定量分析相结合，建立预警模型量化分析，让地方的政府能够全面的预估出债务的风险程度，保障地方政府债务风险得到有效防控，在提升政府公信力以及确保政府职能有序实行等方面发挥重要意义。

（4）有利于加强政府债务管理的能力。通过构建风险预警模型对地方政府债务风险进行预警，对预警结果分级采取措施，并在实践中不断完善债务风险防控的方法，使其更具实用性。

需解决的主要技术难题

政府债务风险有两大来源：首先是债务违约情况，这会导致政府信用的下降；另外债务规模的膨胀也同样会导致政府债务风险。Hana (1989)在文章中提出“财政风险对冲矩阵”(fiscalrisk matrix )，将政府债务分为直接显性、或有显性、直接隐性和或有隐形四类，成为政府债务风险研究的一种重要手段，为今后的债务管理研究提供了重要理论基础。Cole和Kehoe (1998)认为政府债务的延续性对引发债务风险具有至关重要的作用。如果政府不能通过增加财政税收或者其他方式的纯收入，而是使用接新债还旧债的方式来筹集资金，一旦未来某天的资金链短缺或断裂，新债无法筹集时，将会引起投资者的恐慌，形成对债务违约的预期，这一预期会造成负债成本的上升，投资者会更加谨慎甚至会发生挤兑和拒绝购买的现象，最终使得债务违约的预期成为事实。

期望实现的主要技术目标

（1）概念界定及基础理论分析。重点对地方政府债务相关的概念和理论进行阐述，为研究提供理论支撑。

（2）在分析地方政府债务现状、风险特征和形成原因的基础上，构建地方政府债务风险预警指标体系，并进行因子得分和标定指标临界值计算。根据债务预警设计目标、设计思路，探讨适用于预警地方政府债务风险的方法并阐述基于机器学习算法对地方政府债务风险进行预警的可行性和实用性。

（3）对地方政府的债务风险预警框架进行设计，建立机器学习算法对于地方政府债务风险的预警模型，并对机器学习算法模型在地方政府债务风险的预警方面的应用进行评价。

（4）从机器学习算法的风险预警体系框架的应用建议和政策建议出发，使风险预警模型框架自身以及外部政策制度更加完善。再根据地方政府债务的具体情况，训练机器学习预警模型，进而确定用机器学习算法对地方政府债务风险预警的准确性。

需求解析

解析单位：重庆市永川区 解析时间：2022-10-29

王渝民

重庆西南大学

教授

综合评价

改技术需求清晰

查看更多>

处理进度