機(jī)器學(xué)習(xí)算法預(yù)估地方政府債務(wù)風(fēng)險(xiǎn)

丁華 張婧泓

【摘 要】 政府通過(guò)負(fù)債推動(dòng)經(jīng)濟(jì)增長(zhǎng)的同時(shí)引發(fā)了負(fù)債所帶來(lái)的負(fù)面效應(yīng)。要合理、有效防控負(fù)債風(fēng)險(xiǎn)，就必須正確評(píng)估地方政府債務(wù)風(fēng)險(xiǎn)。文章選擇地方政府債務(wù)風(fēng)險(xiǎn)作為預(yù)測(cè)對(duì)象，采用歐式距離、皮爾森相關(guān)系數(shù)聚類(lèi)重復(fù)分層方法確定債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，通過(guò)因子分析確定因子得分并標(biāo)定臨界值。以2010—2015年A省地方政府債務(wù)為樣本，將其作為訓(xùn)練學(xué)習(xí)的對(duì)象，并利用機(jī)器學(xué)習(xí)算法對(duì)A省2016年地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)估。結(jié)果表明：機(jī)器學(xué)習(xí)算法在地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警方面是有效的，可以進(jìn)行應(yīng)用。針對(duì)當(dāng)前地方政府債務(wù)風(fēng)險(xiǎn)存在的問(wèn)題，提出了風(fēng)險(xiǎn)預(yù)防的建議。

【關(guān)鍵詞】 機(jī)器學(xué)習(xí)算法； 地方政府債務(wù)； 風(fēng)險(xiǎn)預(yù)測(cè)

【中圖分類(lèi)號(hào)】 F812.7 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2018）17-0077-05

自2011年初次開(kāi)展債務(wù)審計(jì)工作以來(lái)，截至2016年末，全國(guó)法定限額內(nèi)政府債務(wù)余額達(dá)到27.33萬(wàn)億元，負(fù)債率為36.7%，低于主要市場(chǎng)經(jīng)濟(jì)國(guó)家和新興經(jīng)濟(jì)體水平；地方政府債務(wù)余額15.32萬(wàn)億元，地方財(cái)政赤字7 800億元，數(shù)字龐大。不僅如此，地方政府對(duì)償還責(zé)任、擔(dān)保責(zé)任以及通過(guò)融資平臺(tái)公司、政府投資基金等方式負(fù)有的債務(wù)，形成的潛在風(fēng)險(xiǎn)不容忽視。地方經(jīng)濟(jì)低迷，地方財(cái)政收入走低，基建支出呈剛性增長(zhǎng)態(tài)勢(shì)，財(cái)政收支結(jié)構(gòu)不均衡。地方財(cái)政壓力驟增。如果不能及時(shí)分散風(fēng)險(xiǎn)，必將影響地方經(jīng)濟(jì)的優(yōu)質(zhì)發(fā)展，因而其負(fù)效應(yīng)不容忽視。

一、研究現(xiàn)狀分析

地方政府債務(wù)問(wèn)題日益凸顯，因此許多學(xué)者就此展開(kāi)研究，但到目前，關(guān)于我國(guó)地方政府債務(wù)的研究主要從風(fēng)險(xiǎn)的定義和界定、風(fēng)險(xiǎn)成因、風(fēng)險(xiǎn)防控建議等多方面多角度對(duì)地方政府債務(wù)進(jìn)行了較為全面的綜述。但對(duì)于定量分析則處于起步階段，相關(guān)研究還停留在理論分析階段，總的來(lái)說(shuō)有以下不足之處：首先是學(xué)者對(duì)防控風(fēng)險(xiǎn)指標(biāo)選取缺乏新意，在數(shù)據(jù)基礎(chǔ)上簡(jiǎn)單借鑒國(guó)外已經(jīng)成熟的風(fēng)險(xiǎn)警戒線(xiàn)劃分地方政府債務(wù)風(fēng)險(xiǎn)等級(jí)，缺乏實(shí)用性。而造成各地債務(wù)風(fēng)險(xiǎn)的因素復(fù)雜，僅僅從債務(wù)相關(guān)指標(biāo)上評(píng)價(jià)使地方政府債務(wù)等級(jí)，是不客觀的。其次，地方政府債務(wù)風(fēng)險(xiǎn)評(píng)估體系沒(méi)有形成一個(gè)自上而下與自下而上相結(jié)合完整的評(píng)估系統(tǒng)。最后，地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的標(biāo)準(zhǔn)沒(méi)有一個(gè)統(tǒng)一的衡量標(biāo)準(zhǔn)。制度不完善、評(píng)價(jià)沒(méi)有統(tǒng)一的口徑和標(biāo)準(zhǔn)，再加上經(jīng)濟(jì)形勢(shì)、體制等復(fù)雜因素，導(dǎo)致對(duì)風(fēng)險(xiǎn)的評(píng)估只是一種對(duì)現(xiàn)實(shí)的被動(dòng)反映，存在滯后性。

另外，即使涉及運(yùn)用預(yù)警指標(biāo)進(jìn)行實(shí)證分析，也是大約集中在三方面。首先，主要集中在以違約率作為標(biāo)準(zhǔn)。相關(guān)研究已經(jīng)較為成熟。多數(shù)研究以KMV模型為基礎(chǔ)，其特點(diǎn)就是將地方政府債務(wù)規(guī)模以地方政府債券或城投債作為替代，在此基礎(chǔ)上提出修正的KMV模型，以此預(yù)測(cè)債務(wù)的違約風(fēng)險(xiǎn)，嚴(yán)重低估了地方政府債務(wù)規(guī)模，也使得計(jì)算出的地方政府債務(wù)違約風(fēng)險(xiǎn)存在嚴(yán)重偏差。其次，地方政府債務(wù)風(fēng)險(xiǎn)屬于復(fù)雜非線(xiàn)性問(wèn)題，單純使用線(xiàn)性回歸的方法并不能進(jìn)行有效的分析[1]。最后，機(jī)器學(xué)習(xí)算法可以對(duì)未知情況做出有效預(yù)測(cè)，實(shí)用性強(qiáng)，可以很好地解決復(fù)雜非線(xiàn)性問(wèn)題，而且機(jī)器學(xué)習(xí)算法在各領(lǐng)域應(yīng)用廣泛，但在地方政府債務(wù)方面并未有過(guò)多的涉及，只是停留在運(yùn)用單一算法進(jìn)行預(yù)測(cè)上，如BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林的方法。但無(wú)論單一算法多么優(yōu)越，也無(wú)法適用于所有情況，而且我國(guó)地方政府債務(wù)在2011年才進(jìn)行初級(jí)普查，樣本容量有限，集成學(xué)習(xí)算法對(duì)小樣本預(yù)測(cè)非常有效。

二、實(shí)證研究開(kāi)展

（一）研究設(shè)計(jì)

1.模型設(shè)計(jì)

地方政府債務(wù)風(fēng)險(xiǎn)評(píng)估屬于非線(xiàn)性問(wèn)題，在機(jī)器學(xué)習(xí)算法中，BP、CART可以有效地解決這類(lèi)問(wèn)題，由于地方政府債務(wù)審計(jì)開(kāi)展時(shí)間短，數(shù)據(jù)容量屬于小樣本預(yù)測(cè)問(wèn)題，BP、CART是學(xué)習(xí)能力相對(duì)較弱的算法，適合利用集成算法優(yōu)化，而集成算法有助于提升弱學(xué)習(xí)器的泛化能力，因此，采用這些機(jī)器學(xué)習(xí)算法建立預(yù)測(cè)模型。

2.樣本與數(shù)據(jù)來(lái)源及概述

本文以A省地方政府為初始樣本，A省債務(wù)規(guī)模增速快，截至2015年末，地方政府赤字達(dá)到2 855.36億元，A省地方政府性債務(wù)余額由2010年1 900.2億元迅速增加到4 962.9億元，增長(zhǎng)幅度高達(dá)161.18%。其中負(fù)有償還責(zé)任的債務(wù)由2010年974.81億元增加到2 929.27億元，增長(zhǎng)幅度高達(dá)200.5%，占比高達(dá)59%。政府內(nèi)債激增到4 886.39億元，增長(zhǎng)幅度高達(dá)170.3%。A省政府逾期債務(wù)余額增長(zhǎng)幅度高達(dá)439.5%，到2019年以后到期債務(wù)達(dá)到高峰，將會(huì)高達(dá)1 422億元（見(jiàn)《A省及其下轄各市經(jīng)濟(jì)財(cái)政實(shí)力及債務(wù)分析》一文）?？梢钥闯鰝鶆?wù)規(guī)模呈現(xiàn)激增態(tài)勢(shì)；A省債務(wù)融資風(fēng)險(xiǎn)日益增長(zhǎng)，由于A省地方政府的資金大多用于市政建設(shè)、基礎(chǔ)設(shè)施建設(shè)等公共領(lǐng)域，投入可以占到債務(wù)總額的60%，而項(xiàng)目投資回收周期長(zhǎng)、回報(bào)率低，增加了地方政府債務(wù)償還風(fēng)險(xiǎn)。A省地方政府收入逐年減少、赤字逐年增加，對(duì)中央財(cái)政轉(zhuǎn)移性支付依賴(lài)比較嚴(yán)重。近三年A省一般公共預(yù)算自給率分別為37.9%、37.9%和29.0%，財(cái)政自給率處于低水平狀態(tài)。從債務(wù)資金來(lái)源來(lái)看，截至2014年，政府性債務(wù)資金來(lái)源主要是通過(guò)銀行貸款、發(fā)行債券，占政府性債務(wù)資金總來(lái)源的50%。從舉債主體來(lái)看，截至2014年，通過(guò)政府部門(mén)和機(jī)構(gòu)融資平臺(tái)公司融資比例高達(dá)66%，而不少融資平臺(tái)資產(chǎn)負(fù)債率超過(guò)了警戒線(xiàn)，因此存在過(guò)度依賴(lài)融資平臺(tái)的問(wèn)題。由此看來(lái)，選用A省地方政府債務(wù)為樣本是可行的。本文選取2010—2015年數(shù)據(jù)進(jìn)行預(yù)測(cè)并評(píng)價(jià)A省2016年地方政府債務(wù)風(fēng)險(xiǎn)，評(píng)價(jià)機(jī)器學(xué)習(xí)算法是否適用于預(yù)測(cè)地方政府債務(wù)風(fēng)險(xiǎn)。本文數(shù)據(jù)來(lái)源于：（1）A省財(cái)政網(wǎng)、《中國(guó)財(cái)政年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)國(guó)有資產(chǎn)監(jiān)督年鑒》、部分學(xué)術(shù)論壇會(huì)議、相關(guān)學(xué)者的學(xué)術(shù)文獻(xiàn)等；（2）國(guó)泰安、中經(jīng)、中宏等數(shù)據(jù)庫(kù)；（3）A省財(cái)政廳實(shí)地調(diào)研。

（二）實(shí)證結(jié)果及分析

1.指標(biāo)選取及確定

（1）指標(biāo)選取

評(píng)估地方政府債務(wù)風(fēng)險(xiǎn)首要工作是建立一套綜合全面的地方政府債務(wù)風(fēng)險(xiǎn)指標(biāo)體系。本文指標(biāo)體系的選取主要以債務(wù)指標(biāo)為核心，財(cái)政指標(biāo)、宏觀經(jīng)濟(jì)指標(biāo)為補(bǔ)充，充分反映地方政府債務(wù)風(fēng)險(xiǎn)狀況。指標(biāo)篩選具有高度的概括性、互補(bǔ)性，經(jīng)濟(jì)意義明確，同時(shí)指標(biāo)的臨界值應(yīng)該能夠被確定。從實(shí)操性角度出發(fā)，剔除缺乏可靠性的數(shù)據(jù)，如：地方國(guó)有企業(yè)虧損率、地方金融機(jī)構(gòu)不良資產(chǎn)率等；剔除缺乏評(píng)判標(biāo)準(zhǔn)的數(shù)據(jù)，如地方政府支出占比，赤字增長(zhǎng)率等[2]。

（2）指標(biāo)確定

在數(shù)據(jù)標(biāo)準(zhǔn)化處理后采用歐式距離、皮爾森相關(guān)系數(shù)聚類(lèi)重復(fù)分層方法篩選指標(biāo)。最后確定15個(gè)指標(biāo)，即債務(wù)增長(zhǎng)率、債務(wù)依存度、地方政府赤字率、債務(wù)負(fù)擔(dān)率、財(cái)政收入占GDP、稅收收入占比、赤字依存度占比、地方政府收支補(bǔ)償系數(shù)、地方赤字負(fù)擔(dān)率、或有債務(wù)占比、地方債務(wù)償債率、外債占比、失業(yè)率、通貨膨脹率、GDP增長(zhǎng)率。

2.因子分析及因子得分

（1）因子分析

將15個(gè)指標(biāo)進(jìn)行因子分析，提取主成分。由于前三個(gè)因子占比高達(dá)93.022%，基本可以對(duì)15個(gè)因素進(jìn)行概括，所以提取三個(gè)主要因子，進(jìn)行因子矩陣，由于差別并不明顯，所以對(duì)因子進(jìn)行正交旋轉(zhuǎn)，旋轉(zhuǎn)后得出因子矩陣。其中，在因子1里，外債占比、或有債務(wù)占比等債務(wù)指結(jié)構(gòu)指標(biāo)載荷系數(shù)很高，分別達(dá)到0.987、0.858，將其歸為債務(wù)結(jié)構(gòu)風(fēng)險(xiǎn)因子；在因子2中，赤字依存度、債務(wù)依存度載荷系數(shù)為0.994、0.848，財(cái)政收入占比系數(shù)、地方政府收支補(bǔ)償系數(shù)載荷為-0.772、-0.994，將其歸為狹義債務(wù)風(fēng)險(xiǎn)因子；在因子3中，稅收收入結(jié)構(gòu)的載荷系數(shù)所占比重較大，為0.722，將其歸為收入結(jié)構(gòu)風(fēng)險(xiǎn)因子。根據(jù)3個(gè)主要因子的累計(jì)貢獻(xiàn)率，影響A省地方政府債務(wù)風(fēng)險(xiǎn)要的因子次序?yàn)閭鶆?wù)結(jié)構(gòu)風(fēng)險(xiǎn)因子、狹義債務(wù)風(fēng)險(xiǎn)因子、收入結(jié)構(gòu)風(fēng)險(xiǎn)因子，并計(jì)算因子得分，根據(jù)因子得分系數(shù)，得出旋轉(zhuǎn)后因子得分函數(shù)：

（2）指標(biāo)臨界值確定及因子得分

確定指標(biāo)的臨界值，以地方政府經(jīng)濟(jì)現(xiàn)狀為基礎(chǔ)，參考國(guó)際標(biāo)準(zhǔn)慣例、類(lèi)似地方政府經(jīng)驗(yàn)數(shù)據(jù)，最終確定臨界值，見(jiàn)表1[3]。將其分為三個(gè)區(qū)間：無(wú)風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)。指標(biāo)臨界值的風(fēng)險(xiǎn)等級(jí)與因子得分轉(zhuǎn)換見(jiàn)表2。根據(jù)各個(gè)因子的風(fēng)險(xiǎn)臨界值得分，得到每年各個(gè)因子的風(fēng)險(xiǎn)等級(jí)，見(jiàn)表3。

3.實(shí)證結(jié)果及分析

（1）模型訓(xùn)練

本次研究中網(wǎng)絡(luò)的訓(xùn)練和測(cè)試均通過(guò)Modeler 18.0 軟件完成，參數(shù)設(shè)置為：（1）BP神經(jīng)網(wǎng)絡(luò)模型。多層感知器（MLP）；隱含層：1；中止規(guī)則：最大訓(xùn)練時(shí)間15分鐘，最大訓(xùn)練周期數(shù)250，最低準(zhǔn)確性90%；防止過(guò)度擬合集合：30；（2）BP神經(jīng)網(wǎng)絡(luò)-Bagging基學(xué)習(xí)器。BP神經(jīng)網(wǎng)絡(luò)，其參數(shù)設(shè)置如上；模型數(shù)量：10；最終結(jié)果規(guī)則：平均值。（3）CART分割方法。最小Gini指數(shù)；最大樹(shù)深度，5；修剪策略：后剪枝；放大因子m：1.5；父分支中的最小記錄數(shù)：2%；子分支中的最小記錄數(shù)：1%；最小雜質(zhì)改變：0.0001；（4）CART-Bagging基學(xué)習(xí)器。CART，其參數(shù)設(shè)置如上；模型數(shù)量：10；最終結(jié)果規(guī)則：平均值[4]。以2010—2014年的Z債務(wù)增長(zhǎng)率、Z債務(wù)依存度、Z地方政府赤字率、Z債務(wù)負(fù)擔(dān)率、Z財(cái)政收入占GDP、Z稅收收入占比、Z赤字依存度占比、Z地方政府收支補(bǔ)償系數(shù)、Z地方赤字負(fù)擔(dān)率、Z或有債務(wù)占比、Z地方債務(wù)償債率、Z外債占比、Z失業(yè)率、Z通貨膨脹率、ZGDP增長(zhǎng)率作為輸入變量（表4、表5），2011—2015年的FAC1_1、FAC1_2、FAC1_3作為學(xué)習(xí)變量（表6），分別利用BP神經(jīng)網(wǎng)絡(luò)、CART、BP神經(jīng)網(wǎng)絡(luò)-Bagging、CART-Bagging進(jìn)行學(xué)習(xí)。然后，利用學(xué)習(xí)好的模型預(yù)測(cè)，進(jìn)行綜合評(píng)價(jià)，得到最后的結(jié)果。

首先，對(duì)各個(gè)模型進(jìn)行誤差分析（準(zhǔn)確率指的是預(yù)測(cè)數(shù)值所代表的風(fēng)險(xiǎn)等級(jí)與實(shí)際風(fēng)險(xiǎn)等級(jí)擬合程度）。具體做法如下：根據(jù)預(yù)測(cè)的因子得分，結(jié)合風(fēng)險(xiǎn)臨界值區(qū)間，得到每年各個(gè)因子風(fēng)險(xiǎn)等級(jí)的預(yù)測(cè)結(jié)果，準(zhǔn)確率即使預(yù)測(cè)風(fēng)險(xiǎn)等級(jí)的準(zhǔn)確性與實(shí)際風(fēng)險(xiǎn)等級(jí)之比。結(jié)果表明，各個(gè)模型對(duì)F2風(fēng)險(xiǎn)等級(jí)和F3風(fēng)險(xiǎn)等級(jí)的擬合度較好，預(yù)測(cè)結(jié)果都達(dá)到了100%，各個(gè)模型對(duì)F1預(yù)測(cè)的準(zhǔn)確率表現(xiàn)差異較大，其中，CART準(zhǔn)確率最差，為40%，其次是BP和BP-Bagging，準(zhǔn)確率為60%。準(zhǔn)確率代表了模型的擬合程度，無(wú)法完全說(shuō)明該模型預(yù)測(cè)結(jié)果是否準(zhǔn)確。為此，本次通過(guò)多個(gè)模型建模預(yù)測(cè)，綜合評(píng)價(jià)，結(jié)果較為可信。

（2）模型預(yù)警分析

由于2016年A省地方政府債務(wù)數(shù)據(jù)未公布，所以本次預(yù)測(cè)2016年的風(fēng)險(xiǎn)等級(jí)，輸入變量見(jiàn)表7，預(yù)測(cè)結(jié)果見(jiàn)表8。

各個(gè)模型的預(yù)測(cè)結(jié)果以及綜合評(píng)價(jià)結(jié)果表明（表8），易知各個(gè)模型對(duì)F3風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)都為中風(fēng)險(xiǎn)，預(yù)測(cè)結(jié)果比較一致；各個(gè)模型對(duì)F2風(fēng)險(xiǎn)等級(jí)的預(yù)測(cè)結(jié)果中，有3個(gè)高風(fēng)險(xiǎn)，一個(gè)低風(fēng)險(xiǎn)，通過(guò)投票的方式，認(rèn)為F2的風(fēng)險(xiǎn)等級(jí)為高風(fēng)險(xiǎn)；F1風(fēng)險(xiǎn)等級(jí)的預(yù)測(cè)結(jié)果中，有一個(gè)低風(fēng)險(xiǎn)，3個(gè)中風(fēng)險(xiǎn)，通過(guò)投票的方式，認(rèn)為F1的風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)；F風(fēng)險(xiǎn)等級(jí)的預(yù)測(cè)結(jié)果變化比較大，其中有2個(gè)高風(fēng)險(xiǎn)，一個(gè)低風(fēng)險(xiǎn)，一個(gè)中風(fēng)險(xiǎn)，無(wú)法進(jìn)行投票選擇。同時(shí)，計(jì)算各個(gè)模型每個(gè)因子得分的平均值，F(xiàn)1綜合評(píng)價(jià)的因子得分為-0.448，風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)；F2綜合評(píng)價(jià)因子得分為0.341，風(fēng)險(xiǎn)等級(jí)高風(fēng)險(xiǎn)；F3綜合評(píng)價(jià)的因子得分為-0.259，風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)；F綜合評(píng)價(jià)的因子得分為-0.136，風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)。綜上表明，2016年F1的風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)，F(xiàn)2的風(fēng)險(xiǎn)等級(jí)為高風(fēng)險(xiǎn)，F(xiàn)3的風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)，F(xiàn)的風(fēng)險(xiǎn)等級(jí)為中風(fēng)險(xiǎn)。因此，A省地方政府債務(wù)規(guī)模目前處于相對(duì)安全狀態(tài)。

三、結(jié)論與政策建議

（一）結(jié)論

研究結(jié)果表明：機(jī)器學(xué)習(xí)算法在地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警方面是有效的，可以進(jìn)行應(yīng)用。從債務(wù)整體而言，要不斷調(diào)整債務(wù)結(jié)構(gòu)，合理進(jìn)行債務(wù)期限長(zhǎng)短組合，規(guī)避時(shí)間過(guò)于集中井噴式爆發(fā)，有利于地方政府分散債務(wù)風(fēng)險(xiǎn)。就狹義債務(wù)風(fēng)險(xiǎn)和收入結(jié)構(gòu)風(fēng)險(xiǎn)而言，穩(wěn)定稅收、激活財(cái)政收入的增加潛力，發(fā)揮國(guó)有企業(yè)在地方經(jīng)濟(jì)中的積極帶頭作用，提高企業(yè)核心競(jìng)爭(zhēng)力，促進(jìn)國(guó)有企業(yè)改革，以制度創(chuàng)新、技術(shù)創(chuàng)新、產(chǎn)品創(chuàng)新實(shí)現(xiàn)經(jīng)濟(jì)的高質(zhì)量增長(zhǎng)，促進(jìn)地方財(cái)政收入增收。依托先進(jìn)管理方式解決粗放管理存在的問(wèn)題，引入大型項(xiàng)目營(yíng)造良好經(jīng)濟(jì)環(huán)境。在財(cái)政支出方向，應(yīng)實(shí)施動(dòng)態(tài)化、全方位的監(jiān)管，嚴(yán)格審批，尤其強(qiáng)化對(duì)地方政府融資平臺(tái)的規(guī)范管理，提升自身財(cái)政綜合實(shí)力，不斷提升債務(wù)承受能力。

（二）地方政府債務(wù)風(fēng)險(xiǎn)防控政策建議

1.加強(qiáng)風(fēng)險(xiǎn)審計(jì)，完善政府評(píng)價(jià)體系

首先要加強(qiáng)債務(wù)審計(jì)監(jiān)管，明確審計(jì)方式，將由上至下的審查和獨(dú)立于政府的監(jiān)督機(jī)構(gòu)相結(jié)合，明確地方各級(jí)政府審計(jì)制度期限及范圍。定期對(duì)各級(jí)政府、融資平臺(tái)的地方政府債務(wù)進(jìn)行審計(jì)，將其審計(jì)結(jié)果劃分為不同等級(jí)進(jìn)行不同頻率審計(jì)，如果審計(jì)結(jié)果顯示存在較高風(fēng)險(xiǎn)，在發(fā)出風(fēng)險(xiǎn)警報(bào)的同時(shí)根據(jù)風(fēng)險(xiǎn)的審計(jì)結(jié)果縮短審計(jì)期限，變?yōu)椴欢ㄆ趯彶?。根?jù)各省地方政府經(jīng)濟(jì)發(fā)展、債務(wù)存量等現(xiàn)實(shí)情況，因地制宜的選取預(yù)估指標(biāo)、界定風(fēng)險(xiǎn)臨界值并通過(guò)反復(fù)訓(xùn)練建立行之有效的預(yù)估模型，使其具備高敏感性、全面性、可操作性。其次在風(fēng)險(xiǎn)預(yù)估中，各級(jí)地方政府應(yīng)利用大數(shù)據(jù)建立一體化政府債務(wù)信息共享監(jiān)督平臺(tái)，實(shí)行實(shí)時(shí)監(jiān)督、管理，所有的債務(wù)投融資信息從審查時(shí)就錄入數(shù)據(jù)庫(kù)，形成全流程平臺(tái)操作，并通過(guò)聯(lián)網(wǎng)平臺(tái)進(jìn)行計(jì)算并發(fā)出警報(bào)。最后在風(fēng)險(xiǎn)預(yù)估后，根據(jù)得到的債務(wù)風(fēng)險(xiǎn)預(yù)估等級(jí)采取相應(yīng)的措施。處于低風(fēng)險(xiǎn)時(shí)，常規(guī)監(jiān)控，注重風(fēng)險(xiǎn)的變化和防范；處于中風(fēng)險(xiǎn)時(shí)，實(shí)時(shí)動(dòng)態(tài)監(jiān)控，積極化解風(fēng)險(xiǎn)，可按風(fēng)險(xiǎn)累計(jì)貢獻(xiàn)率的高低次序?qū)Φ胤秸畟鶆?wù)進(jìn)行分流、分級(jí)化解風(fēng)險(xiǎn)[5]；處于高風(fēng)險(xiǎn)時(shí)，實(shí)時(shí)動(dòng)態(tài)監(jiān)控，積極化解現(xiàn)有債務(wù)存量，可以通過(guò)債權(quán)清理、重組等方式降低地方政府債務(wù)風(fēng)險(xiǎn)。嚴(yán)格控制債務(wù)增量、嚴(yán)格審批新增負(fù)債項(xiàng)目。增加信息有效性，解決信息不對(duì)稱(chēng)性，有效整合地方政府經(jīng)濟(jì)資源，增加地方政府可支配經(jīng)濟(jì)資源，從而提高資金使用效率。積極發(fā)揮政府職能的引導(dǎo)作用，因地制宜根據(jù)不同需求各地建立相關(guān)產(chǎn)業(yè)基金和引導(dǎo)基金融資。

完善政府評(píng)價(jià)體系從三方面入手，一是改變?cè)忻つ孔非笳?jī)的觀念。完善考核指標(biāo)體系，將政府債務(wù)的舉借、使用、償還或提供擔(dān)保等情況列入指標(biāo)，如：化解現(xiàn)有債務(wù)存量額、資金使用率、新增債務(wù)率等相關(guān)指標(biāo)。加入項(xiàng)目評(píng)價(jià)指標(biāo)，包括借貸進(jìn)度完成百分比、項(xiàng)目完成度、部門(mén)或地方承諾的資金或政策是否及時(shí)到位等指標(biāo)考核體系，加入其他綜合性指標(biāo)，如地方人民生活幸福度、生態(tài)效應(yīng)、社會(huì)保障程度、地方債務(wù)解決程度等。二是要建立責(zé)任追責(zé)制度，實(shí)行全方位、全流程監(jiān)控，保證從項(xiàng)目調(diào)研、項(xiàng)目審批、項(xiàng)目運(yùn)營(yíng)各個(gè)環(huán)節(jié)的責(zé)任落實(shí)到各個(gè)責(zé)任人，做到每個(gè)環(huán)節(jié)追責(zé)明確，讓追責(zé)制度落地生根，不再是一紙空談。三是實(shí)行明確的獎(jiǎng)懲制度。對(duì)按時(shí)償還貸款、及時(shí)發(fā)現(xiàn)分析等情況，給予必要的獎(jiǎng)勵(lì)；對(duì)出現(xiàn)監(jiān)督管理不力、項(xiàng)目?jī)攤l(fā)生困難、造成重大經(jīng)濟(jì)損失或?qū)Ξa(chǎn)生嚴(yán)重影響的責(zé)任人，要追責(zé)給予處分。

2.約束融資平臺(tái)，加強(qiáng)披露制度

出臺(tái)相應(yīng)法律規(guī)范約束融資平臺(tái)，有針對(duì)性地制定償債準(zhǔn)備金制度。地方政府不能發(fā)行債券而地方經(jīng)濟(jì)建設(shè)對(duì)資金有迫切的需求，使地方將眼光投向地方融資平臺(tái)，而現(xiàn)有法律體制下并沒(méi)有相關(guān)的法律可以進(jìn)行約束，可以通過(guò)償債準(zhǔn)備金制度規(guī)避地方政府償債峰年，分散風(fēng)險(xiǎn)。此外，堅(jiān)決整改債務(wù)償還來(lái)源單一的政府融資平臺(tái)，通過(guò)完善平臺(tái)治理結(jié)構(gòu)、構(gòu)建現(xiàn)代企業(yè)管理制度以及引進(jìn)專(zhuān)業(yè)人才等措施來(lái)切實(shí)提高平臺(tái)的運(yùn)作質(zhì)量。

我國(guó)各級(jí)政府普遍存在財(cái)務(wù)信息披露程度較低的現(xiàn)象，自2011年各地首次開(kāi)展審計(jì)以來(lái)，各省各級(jí)公共平臺(tái)上只能查詢(xún)到部分年份、部分?jǐn)?shù)據(jù)。我國(guó)應(yīng)完善各級(jí)地方政府財(cái)務(wù)信息公開(kāi)，形成地方政府債務(wù)報(bào)告、地方政府債務(wù)預(yù)估報(bào)告兩種報(bào)告形式，地方政府應(yīng)完善政府會(huì)計(jì)改革，健全政府債務(wù)統(tǒng)計(jì)報(bào)告制度。通過(guò)多方匯報(bào)和公共信息平臺(tái)的方式加大披露程度，形成多方多角度監(jiān)督，使各級(jí)政府重視地方政府債務(wù)，嚴(yán)格防控。

【參考文獻(xiàn)】

[1] 卞萌.我國(guó)地方政府債務(wù)風(fēng)險(xiǎn)問(wèn)題研究[D].濟(jì)南：山東財(cái)經(jīng)大學(xué)碩士學(xué)位論文，2004.

[2] 邵偉鈺.地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警體系研究[D].蘇州：蘇州大學(xué)博士學(xué)位論文，2008.

[3] 杜金向，陳墨暢，初美慧.地方政府投融資平臺(tái)的債務(wù)特點(diǎn)及風(fēng)險(xiǎn)分析[J].會(huì)計(jì)之友，2017（11）：42-45.

[4] 柴明銳，程丹，張昌民，等.機(jī)器學(xué)習(xí)方法對(duì)砂礫巖巖屑成分的預(yù)測(cè)——以西北緣X723井百口泉組為例[J].西安石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（5）：22-28.

[5] 曹潤(rùn)梅，石東偉.新預(yù)算法、預(yù)算質(zhì)量與地方政府性債務(wù)[J].會(huì)計(jì)之友，2017（10）：65-66.