论文部分内容阅读
近些年来随着经济下行压力的逐步加大以及各省财政收入增速的逐渐减缓,很多地方政府的债务问题开始显现,在未来一些地方政府是否会出现事实上的破产值得警惕,因此对地方政府的债务问题进行未雨绸缪的研究很有必要。地方政府的债务风险并不是一个突发的现象,而是一个逐步转变的过程,在风险危机发生之前必然会有一些信号,这就给预测风险提供了可能。另外影响地方政府债务风险的因素有很多,而且这些因素之间也有着复杂的非线性关系。因此,以一种既能描述非线性关系又能构建一套客观全面的风险评估体系的理论模型作为基础,来对我国地方政府债务风险进行识别是很有意义的。本文主要使用基于C4.5算法改进的决策树模型进行地方债的风险识别研究。由于我国的地方政府债务数据获取难度较大,很多数据不完整,所以只能进行估算,本文主要从政府财政收支的角度对地方债的基础数据进行估算,从而计算出影响我国地方政府债务风险的相关指标,然后以因子分析法做信度检验剔除一些不必要的指标,并通过主客观结合赋权的方式得出综合指标值,利用综合指标值把我国地方债风险分为5类,分别是无风险,正常,轻度风险,中度风险以及重度风险。最后把因子分析的指标数据和得出的结果输入基于C4.5算法的决策树模型中进行综合评价。决策树模型作为典型的数据挖据模型,具有应用广泛易于理解且分类精度较高等优点,但是原始的决策树模型通常把所有的误判分类平等对待,使模型在错误分类上的成本值相同,针对此问题,本文通过引入成本矩阵,把不同类型的误判成本值组成相应的成本矩阵,从而实现了C4.5算法的优化。结论表明很多省在最近几年确实存在明显的风险问题,同时基于C4.5算法改进的决策树模型可以有效的降低预测分类模型的误判成本,而且在预测地方债风险的问题上的精确度要明显优于其他的模型,说明此模型能够更好的识别地方政府债务风险。