科创中国

行业领域

电子信息技术

需求背景

项目拟以“仿真数据实验-理论分析-实证分析”的研究方法为手段，选取机器学习算法对地方政府债务风险进行预警，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。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。根据债务预警设计目标、设计思路以及地方政府债务的现状，给出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

需解决的主要技术难题

（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

期望实现的主要技术目标

(1) 较为全面的构建风险预警指标体系，充分考虑影响债务风险的内部和外部因素，有助于提高风险预警的准确性。对国内外地方政府债务风险的相关内容展开研究，为地方政府债务风险预警研究奠定理论条件。通过借鉴国内外学者的研究成果和分析我国地方政府债务现状来构建风险预警指标体系。 

(2)通过BP与CART集成法对地方政府债务风险进行预警。目前对地方政府债务风险进行预警的主要方法多集中在线性回归、违约率、单一机器学习算法上，而数据差异大，单一的方法进行预警可能会存在差异，只有采用多算法的集成算法才能提高对债务风险预警的准确性。本研究根据地方政府债务的特点选取BP神经网络和CART的集成法，采用机器学习算法对地方政府债务的风险进行预警，通过模型训练确定其准确性。通过研究判断机器学习算法对地方政府债务风险的预警是否有效和适用。

(3)通过机器学习算法预警模型对地方政府债务风险进行预警。探讨机器学习算法对地方政府债务风险进行预警的可行性。

(4)从机器学习算法对地方政府债务风险预警应用建议和政策建议出发，探讨如何更好应用债务风险预警模型，针对模型自身的数据资料、临界值主观性、适用范围等提出建议。在此基础上不断完善模型应用上的外部环境影响因素，即政策影响。提出完善地方政府债务的信息披露制度、建立全流程风险审计制度、完善相关配套制度

需求解析

解析单位：重庆市永川区 解析时间：2022-10-31

袁鑫

重庆西南大学

教授

综合评价

技术需求清晰

查看更多>

处理进度