羅玉　肖麗雯　楊澤鵬

[摘 要]近年來(lái)，金融平臺(tái)及其發(fā)行的城投債在經(jīng)濟(jì)增長(zhǎng)和社會(huì)發(fā)展方面發(fā)揮了非常重要的作用。然而，市場(chǎng)上與城市債務(wù)有關(guān)的信用風(fēng)險(xiǎn)并不明顯，而且外部評(píng)級(jí)機(jī)構(gòu)在發(fā)行的城投債方面普遍虛高評(píng)級(jí)。在這種情況下，通過(guò)建立一個(gè)邏輯系統(tǒng)，分析城投債償債風(fēng)險(xiǎn)，盡可能選擇具有代表性的指標(biāo)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)等智能算法來(lái)實(shí)現(xiàn)城投債評(píng)級(jí)，以計(jì)算模型預(yù)測(cè)的準(zhǔn)確性。歸根結(jié)底，從結(jié)果來(lái)看，神經(jīng)網(wǎng)絡(luò)模型BP已超越了傳統(tǒng)方法的界限，并通過(guò)模擬非線(xiàn)性模型來(lái)模擬實(shí)際數(shù)據(jù)，從而超越了對(duì)線(xiàn)性模型的依賴(lài)。

[關(guān)鍵詞]城投債;matlab ;BP神經(jīng)網(wǎng)絡(luò);內(nèi)部評(píng)級(jí)

[中圖分類(lèi)號(hào)]F810

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]2095-3283（2019）10-00102-03

The Insolvency Risk of City Construction Investment Bonds Based on Machine Learing Algorithm

Luo Yu Xiao Liwen Yang Zepeng

（Jiangxi University of Finance and Economics，Nanchang Jiangxi 330013）

Abstract： City Construction investment bonds issued by Financing platform have played a very important role in Chinas economic growth and social development in recent years. However， due to the particularity and the opacity of local government， the credit risk of city investment bonds in the market has not been clearly exposed， and the rating of city investment bonds is generally high. Under such back ground， we attempt to establish a set of logical system for analyzing the insolvency risk of City Construction investment bonds， select representative indicators as much as possible， achieve stock rating through artificial neural network model， and calculate the accuracy of the model prediction. In the end， from the results， the BP neural network model gets rid of the limitations of the traditional methods， breaks the restriction of the dependence on the linear model， simulates the actual data with the nonlinear model， and realizes the innovation in the method of stock rating application research.

Keywords： City Construction Investment Bond; Matlab; BP Neural Network; Internal Rating

[作者簡(jiǎn)介]羅玉（1998-），女，漢族，江西南昌人，本科生，研究方向：會(huì)統(tǒng)核算：肖麗雯（1998-），女，漢族，江西南昌人，本科生，研究方向：金融統(tǒng)計(jì);楊澤鵬（1998-），男，江西南昌人，本科生，研究方向：金融學(xué)。

[基金項(xiàng)目]江西財(cái)經(jīng)大學(xué)2019年度江西財(cái)經(jīng)大學(xué)學(xué)生實(shí)踐創(chuàng)新訓(xùn)練項(xiàng)目（項(xiàng)目編號(hào)：201910421022）。

一、引言

中央政府和地方政府在國(guó)家分稅制改革以后，明確規(guī)定了財(cái)政權(quán)力和事權(quán)地方財(cái)政收入增長(zhǎng)以及經(jīng)濟(jì)發(fā)展在一定程度上得到提升。與此同時(shí)，隨著國(guó)家迅速城市化、地方經(jīng)濟(jì)快速增長(zhǎng)、地方政府財(cái)政支出的增加以及資金缺口逐年擴(kuò)大，地方政府通過(guò)建立金融借貸平臺(tái)，在很大程度上彌補(bǔ)了基礎(chǔ)設(shè)施融資缺口。

城投債是介于標(biāo)準(zhǔn)企業(yè)債和地方政府債務(wù)之間的一種準(zhǔn)市政債，是由地方政府投資融資方案發(fā)行的企業(yè)債券作為主要來(lái)源，主要用于資助地方基礎(chǔ)設(shè)施項(xiàng)目和公共利益項(xiàng)目。城投債通常屬于較高信用等級(jí)，這主要是因?yàn)榈胤秸峁┝穗[性信用擔(dān)保。其主要原因是，在改革了分稅制之后，地方財(cái)政稅收占國(guó)民稅收的比例下降了，而地方財(cái)政支出卻大幅上升，使地方政府難以支持其日常運(yùn)作;其直接原因是隨著城市化進(jìn)程的加快，對(duì)城市基礎(chǔ)設(shè)施的需求也有所增加，但法律禁止地方政府發(fā)行債券，除非在特殊情況下，因此我國(guó)沒(méi)有真正的市政債券。

城投債有如下特征：第一，城投債屬于企業(yè)債務(wù)，其發(fā)行主體是國(guó)有企業(yè)，政府完全參與其中，而這些企業(yè)常常作為地方政府的融資平臺(tái)，隨著銀行信貸監(jiān)管的加強(qiáng)，這些企業(yè)的作用逐漸加強(qiáng);第二，大多數(shù)城投債只有依靠政府財(cái)政補(bǔ)貼才得以還本付息，其投資的項(xiàng)目收回成本期較短;第三，由于中國(guó)債券市場(chǎng)缺乏足夠的長(zhǎng)期投資者，城投債的發(fā)行期限較短;第四，商業(yè)銀行和基金是中國(guó)城投債的主要持有人;第五，中國(guó)城投債市場(chǎng)從未出現(xiàn)過(guò)實(shí)質(zhì)性違約事件。

在過(guò)去，機(jī)構(gòu)投資者傾向于投資于城投債，因?yàn)槌峭秱哂谡畟氖找媛?，而且（由于政府?dān)保）信用風(fēng)險(xiǎn)較低。但是，在許多城投債違約的情況下，在一系列新的城投債監(jiān)管政策下，城投債的投資價(jià)值帶來(lái)了巨大挑戰(zhàn)，并引起投資者對(duì)這些債券的信用風(fēng)險(xiǎn)的嚴(yán)重關(guān)切。城投主體償還債務(wù)的能力也引起了城市投資者的嚴(yán)重懷疑，他們不能僅僅依靠地方政府來(lái)判斷城投債的價(jià)值。這一系列情況與城投債種普遍的高評(píng)級(jí)狀況不符合，對(duì)投資者也產(chǎn)生了很大的誤導(dǎo)性。因此，為了這一大背景下確定信用風(fēng)險(xiǎn)并制定客觀、公正和有效的估值方法是很重要的。

二、文獻(xiàn)綜述

2005年韓立巖等通過(guò)相關(guān)模型衡量了北京等城市債務(wù)發(fā)行的合理規(guī)模，并得出結(jié)論認(rèn)為，影響地方政府債務(wù)合理規(guī)模的主要因素是地方政府債券的信用增級(jí)，他們利用模糊期權(quán)定價(jià)理論來(lái)研究違約率和債務(wù)存量之間的關(guān)系。曹慧敏（2014）認(rèn)為當(dāng)下的評(píng)級(jí)體系缺乏與財(cái)政存量相關(guān)的指標(biāo)，土地評(píng)估方法不合理、評(píng)估公允價(jià)值過(guò)高、注入資產(chǎn)變現(xiàn)能力差，各個(gè)類(lèi)型城投債的資產(chǎn)結(jié)構(gòu)分析不夠完善，導(dǎo)致評(píng)級(jí)結(jié)果與城投債的真實(shí)償債能力不相符，城投債的償債規(guī)模大，評(píng)級(jí)體系亟待修正。2016年秦鳳鳴等衡量城投債風(fēng)險(xiǎn)運(yùn)用了城投債信用利差，他們還利用2010-2013年的城市調(diào)查數(shù)據(jù)研究住房?jī)r(jià)格對(duì)地方政府城市債務(wù)的影響。2017年潘琰等利用2006—2013年30個(gè)省級(jí)城投債面板數(shù)據(jù)開(kāi)發(fā)了回歸模型，通過(guò)分析流動(dòng)性資產(chǎn)的概念并將其納入研究框架，研究地方政府償還債務(wù)的情況及其對(duì)流動(dòng)資產(chǎn)的影響。

2018湯潔在KMV模型的基礎(chǔ)上，對(duì)2015—2018年江蘇省不同債務(wù)水平違約風(fēng)險(xiǎn)的實(shí)證研究，該項(xiàng)研究結(jié)論是，江蘇省2015年的債務(wù)水平應(yīng)高于安全債務(wù)水平，2016—2018年的城投債風(fēng)險(xiǎn)仍在控制之下，但信用風(fēng)險(xiǎn)對(duì)發(fā)行城投債的規(guī)模非常敏感，政府應(yīng)采取措施預(yù)防和減輕債務(wù)風(fēng)險(xiǎn)，同時(shí)控制城投債規(guī)模。

三、研究設(shè)計(jì)

（一）樣本及指標(biāo)選取

為了對(duì)城投債券進(jìn)行系統(tǒng)化的全面評(píng)級(jí)，綜合對(duì)債券發(fā)行人償債風(fēng)險(xiǎn)與投資風(fēng)險(xiǎn)等內(nèi)容，本文參考中債資信評(píng)級(jí)公司標(biāo)準(zhǔn)，從萬(wàn)得數(shù)據(jù)庫(kù)的所有城投債相關(guān)指標(biāo)框架下抽取了6大類(lèi)指標(biāo)，基本要素指標(biāo)、債券分類(lèi)指標(biāo)、發(fā)債主體指標(biāo)、行情指標(biāo)風(fēng)險(xiǎn)指標(biāo)、財(cái)務(wù)估值指標(biāo)。

現(xiàn)有各個(gè)市場(chǎng)隱含評(píng)級(jí)的平均債券得分為：

AAA為2.717359，AAA-為3.738524，AA+為2.0305987，AA為1.7039077，AA-為1.6762759，A+1.768998856。

按照正常情況，AAA-的得分過(guò)高，說(shuō)明市場(chǎng)隱含評(píng)級(jí)錯(cuò)誤，正常情況下AAA-應(yīng)該調(diào)整為2.37397885;A+的得分過(guò)高，市場(chǎng)隱含評(píng)級(jí)也出現(xiàn)錯(cuò)誤，正常條件下A+應(yīng)該調(diào)整為1.6486441。

（二）模型設(shè)定

BP 學(xué)習(xí)是一種典型的更正誤差的方法。首先，為每個(gè)輸入模式設(shè)定理想的輸出值，輸入實(shí)際的網(wǎng)絡(luò)學(xué)習(xí)記憶模型，然后從輸入層移至輸出層傳播。實(shí)際輸出和預(yù)期輸出之間的差異是錯(cuò)誤的，根據(jù)最小平均平方誤差標(biāo)準(zhǔn)修改輸出層到中間層的連接權(quán)重的過(guò)程稱(chēng)為“誤差反向傳播”。隨著“模式凈傳播”和“錯(cuò)誤反向傳播”過(guò)程交替進(jìn)行，網(wǎng)絡(luò)的實(shí)際輸出逐漸逼近各自相應(yīng)期間的預(yù)期輸出，網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的準(zhǔn)確性也在不斷提高。

四、實(shí)證分析

（一）數(shù)據(jù)來(lái)源

自2010年以來(lái)，城投債的發(fā)行規(guī)模迅速增加。故本文從萬(wàn)得數(shù)據(jù)庫(kù)中選取了2010—2018年銀行間市場(chǎng)發(fā)行的所有企業(yè)債和中期票據(jù)作為研究對(duì)象。此外，短期融資券期限太短（一年以?xún)?nèi)），因此沒(méi)有被包含在樣本之內(nèi)，而定向工具由于不是市場(chǎng)化的發(fā)行利差因而也沒(méi)有被包含在樣本內(nèi)。

（二）分析流程

本節(jié)內(nèi)容對(duì)于城投債的評(píng)級(jí)分類(lèi)是基于BP神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的，根據(jù)上文推導(dǎo)出的影響十二維城市投資負(fù)債的等級(jí)因素，消除人的主觀因素，盡可能以客觀數(shù)據(jù)本身含義對(duì)城投債進(jìn)行評(píng)級(jí)。由于自變量與因變量之間可能存在著不僅僅只是簡(jiǎn)單的線(xiàn)性關(guān)系，還有可能存在較為復(fù)雜的非線(xiàn)性關(guān)系，對(duì)于非線(xiàn)性回歸模型傳統(tǒng)的統(tǒng)計(jì)模型已經(jīng)無(wú)法滿(mǎn)足，由此引入BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)城投債評(píng)級(jí)進(jìn)行仿真預(yù)測(cè)。

在教育神經(jīng)網(wǎng)絡(luò)之前，必須規(guī)范化數(shù)據(jù)集。本文檔使用MATLAB的mapminmax函數(shù)將原始數(shù)據(jù)映射到[-1，1]間距。

（ymax-ymin）*（X-Xmin）（Xmax-Xmin）+ymin

此處默認(rèn)ymin= -1，ymax= 1，x是需要進(jìn)行歸一化處理的數(shù)據(jù)矩陣。

對(duì)于因變量城投債評(píng)級(jí)，在此本文將其劃分為六檔如表2所示。

本文使用的是matlab軟件，輸入層和輸出層個(gè)數(shù)根據(jù)特征變量個(gè)數(shù)確定，預(yù)測(cè)變量為城投債市場(chǎng)評(píng)級(jí)，故輸出層只有一個(gè)，而影響評(píng)級(jí)的因子有債券期限，名義利率、發(fā)行總額、債券余額、債券的票面價(jià)值、利息數(shù)目、記錄資本、剩余時(shí)間、營(yíng)業(yè)總收入、凈利潤(rùn)、現(xiàn)金凈流量和經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量共計(jì)12個(gè)特征，故輸入層神經(jīng)元個(gè)數(shù)有12個(gè)。對(duì)于隱藏層的設(shè)置通常采用1個(gè)隱藏層。使用動(dòng)量梯度下降算法，經(jīng)過(guò)反復(fù)嘗試，得到的最優(yōu)參數(shù)如表3所示。

仿真實(shí)驗(yàn)得出與原先市場(chǎng)評(píng)級(jí)的吻合率為66%。

五、結(jié)論

本文采用BP人工神經(jīng)網(wǎng)絡(luò)算法，根據(jù)影響城市債務(wù)分類(lèi)的主要指標(biāo)，對(duì)大城市債務(wù)分類(lèi)的結(jié)果進(jìn)行了測(cè)試，以達(dá)到通過(guò)具有代表性的指標(biāo)進(jìn)行準(zhǔn)確分類(lèi)的目標(biāo)，這些指標(biāo)的準(zhǔn)確度是可以接受的。在此期間，通過(guò)改變培訓(xùn)課程數(shù)目和隱藏的合同數(shù)目等標(biāo)準(zhǔn)變量，與原始市場(chǎng)估計(jì)數(shù)達(dá)成了66%的一致。神經(jīng)網(wǎng)絡(luò)模型超越了傳統(tǒng)的方法，超越了線(xiàn)性模式，開(kāi)發(fā)了非線(xiàn)性實(shí)際數(shù)據(jù)模擬模型，并在城市債務(wù)分類(lèi)的應(yīng)用研究方面實(shí)現(xiàn)了創(chuàng)新。然而，在重復(fù)模型預(yù)測(cè)時(shí)經(jīng)常出現(xiàn)誤差率不穩(wěn)定等問(wèn)題，本文未能更仔細(xì)地審查影響城市債務(wù)分類(lèi)的指標(biāo)。因此，模型在后續(xù)研究方面仍有改進(jìn)的余地，指標(biāo)的選擇也需要進(jìn)一步探索和改進(jìn)。但這一理論研究也證實(shí)，城市債務(wù)評(píng)級(jí)的工具也可用人工神經(jīng)網(wǎng)絡(luò)模型，這也將作為進(jìn)一步研究的課題。

[參考文獻(xiàn)]

[1]韓立巖.市政債券的風(fēng)險(xiǎn)識(shí)別與控制策略[J].管理世界，2005（3）：58-66.

[2]嵇楊，曹慧敏.“城投債”的發(fā)展歷程及信用評(píng)級(jí)方法[J].宏觀經(jīng)濟(jì)管理，2014（6）：56-59.

[3]湯潔，王冰曉.基于KMV模型的江蘇省城投債信用風(fēng)險(xiǎn)測(cè)度研究[J].商業(yè)經(jīng)濟(jì)研究，2015（12）：99-100.

[4]秦鳳鳴，李明明，劉海明.房?jī)r(jià)與地方政府債務(wù)風(fēng)險(xiǎn)——基于城投債的證據(jù)[J].財(cái)貿(mào)研究，2016，27（5）：90-98.

[5]潘琰，吳修瑤.地方政府可流動(dòng)性資產(chǎn)對(duì)其償債能力影響的實(shí)證研究[J].當(dāng)代財(cái)經(jīng)，2017（7）：124-133.

[6]邵玉君.我國(guó)城投債情況分析與研究[J].西部金融，2013（12）.

[7]李倩，魯超.城投債發(fā)行主體信用風(fēng)險(xiǎn)影響因素研究[J].中國(guó)市場(chǎng)，2014（33）.

（責(zé)任編輯：顧曉濱 馬琳）