论文部分内容阅读
我国地方政府债务自2008年以来就快速增长,且年增速远远高于了 GDP的幅度,使得地方政府的债务负担不断加重,并受到了各界的广泛关注,因此2011年我国就对全国各地方政府债务展开了审计。根据统计发现到2018年年末的时候,我国地方政府负债共有183900亿元,其中以债务率作为判断地方政府债务状况的指标,在2018年底时地方政府的债务率达到76.6%。并且截止到2018年末,我国地方政府中近九成的地方政府都存在不同程度的举债行为。为此党中央和国务院都非常的重视地方政府债务的风险防控问题,同时我国的财政部在2018年时就特别提出了应合理化、规范化的控制地方政府债务的规模,将防控风险摆在突出位置,着力增强风险防控意识和能力,并明确要求建立地方政府债务风险预警和防控机制,落实地方管理责任。想要有效的防控风险,就必须严格的对地方政府债务风险进行预警。本文梳理了国内外的相关文献并回顾了地方政府债务相关的概念和理论基础。探讨机器学习算法其是否适用于预警地方政府债务风险。借助合理可靠的机器学习算法来预警地方政府债务。将地方政府债务风险作为预警对象,以2012—2017年A省地方政府债务为样本,采取比较分析的方法对地方政府债务的范围、结构、内容以及投向等方面进行具体的研究,同时对A省的地方政府债务风险的特征和成因进展开了具体的探究。并构建预警指标体系、筛选指标、进行因子分析,整理出因子得分并标定临界值。将其作为训练学习的对象进行模型模拟训练,并利用机器学习方法对A省2018年地方政府债务风险进行预警。结果表明:机器学习算法对地方政府债务风险的预警结果比较可靠,可以应用。2018年A省债务结构风险因子等级为中风险,狭义债务风险因子的风险等级为高风险,收入结构风险因子也为中风险,总风险因子是中风险,所以A省的地方政府债务状况比较安全。最后,针对基于机器学习算法的地方政府债务风险提出应用建议以及政策建议。