地方政府债务风险非线性仿真预警系统的构建——基于粗糙集-BP神经网络方法集成的研究

在设计地方政府债务风险预警指标体系框架的基础上,吸收了粗糙集和BP神经网络等人工智能方法在数据处理上的优点,构建出基于粗糙集-BP神经网络集成的地方政府债务风险非线性仿真预警系统。选取我国2007～2009年东、中、西部地区9个县的27个样本数据,运用该非线性仿真预警系统进行了地方政府债务风险预警实证分析。研究结果表明,大部分样本地区的债务风险都处于"中警"及以上状态,地方政府债务风险普遍较高,同时,样本地区债务风险综合评价值是不断提高的,说明近年来我国地方政府债务风险呈现出不断上升的趋势。与单纯的BP神经网络仿真预警系统相比,该仿真预警系统不仅降低了BP神经网络的复杂性,节省了训练时间,而且具有更好的预警准确性和推广应用价值。

地方政府或有隐性债务风险预警系统构建与应用研究--基于BP神经网络分析法

政府债务风险是影响宏观经济稳定和公众预期的重要因素,其防控的关键在于事前预警,提早防范。依据形成地方政府债务风险的内外部影响因素,应用AHP、熵值法与BP神经网络法,构建包含显性债务风险、或有隐性债务风险和财政经济运行风险在内的3类一级指标和11项二级指标的地方政府或有隐性债务风险预警指标体系。结果表明,2017年我国半数省市政府债务风险处于中警状态,需加强对风险集聚的中西部地区融资平台债务、PPP债务融资、地方国有企业债务、商业银行不良贷款等政府或有隐性债务来源的风险分类防控。设计规范化风险防控流程及分类应对策略--风险规避、风险转移、风险减轻、风险接受与损失控制等,为财政提早应对风险、安排偿债优先秩序、优化财政收支结构等提供信号导向和政策参考。