李麗珍

(中國(guó)社會(huì)科學(xué)院工業(yè)經(jīng)濟(jì)研究所，北京 100006)

一、引 言

風(fēng)險(xiǎn)是不愿意發(fā)生的事件發(fā)生的不確定性[1]，是事后才掌握的不確定性因素所造成的損失[2]。風(fēng)險(xiǎn)包括三個(gè)基本要素：有害的結(jié)果、發(fā)生的概率和現(xiàn)實(shí)狀態(tài)[3]。關(guān)于政府債務(wù)風(fēng)險(xiǎn)，有學(xué)者強(qiáng)調(diào)政府債務(wù)持續(xù)增長(zhǎng)將引發(fā)債務(wù)違約風(fēng)險(xiǎn)或貨幣貶值風(fēng)險(xiǎn)[4]，有學(xué)者認(rèn)為政府債務(wù)占GDP比例達(dá)到一定程度將使政府面臨財(cái)政可持續(xù)性風(fēng)險(xiǎn)，還有學(xué)者認(rèn)為政府債務(wù)超常增長(zhǎng)、過(guò)快增長(zhǎng)將引起規(guī)模失控風(fēng)險(xiǎn)、結(jié)構(gòu)失衡風(fēng)險(xiǎn)、管理無(wú)效風(fēng)險(xiǎn)及外在沖擊敏感性風(fēng)險(xiǎn)等。債務(wù)風(fēng)險(xiǎn)界定問題看似簡(jiǎn)單，實(shí)則復(fù)雜且極為關(guān)鍵，將關(guān)系到風(fēng)險(xiǎn)評(píng)估、預(yù)警和防范機(jī)制設(shè)置。本文認(rèn)為政府債務(wù)風(fēng)險(xiǎn)是政府債務(wù)不斷增長(zhǎng)過(guò)程中對(duì)經(jīng)濟(jì)社會(huì)產(chǎn)生不良影響的不確定性、不可測(cè)性及其造成的損失或后果。

隨著我國(guó)經(jīng)濟(jì)增速下滑，政府、企業(yè)和個(gè)人杠桿率居高不下，各種不確定性因素疊加，以及金融工具創(chuàng)新下債務(wù)形式更為多樣化、隱蔽化，地方政府債務(wù)風(fēng)險(xiǎn)呈上升趨勢(shì)，尤其是政府擔(dān)保類、救助責(zé)任類隱性債務(wù)風(fēng)險(xiǎn)。十九大報(bào)告提出要堅(jiān)決打好“防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)”，2019年12月中央經(jīng)濟(jì)工作會(huì)議強(qiáng)調(diào)要以“六穩(wěn)”來(lái)應(yīng)對(duì)內(nèi)外挑戰(zhàn)，緩解經(jīng)濟(jì)下行壓力，緩釋各類風(fēng)險(xiǎn)。穩(wěn)預(yù)期、穩(wěn)金融、穩(wěn)投資需以穩(wěn)杠桿為前提。政府隱性債務(wù)是指非由法律或合同規(guī)定的，而是由中長(zhǎng)期公共支出政策中預(yù)先確定的責(zé)任所形成的債務(wù)，以及依賴于特定事件發(fā)生才形成的、政府迫于公眾預(yù)期、道義責(zé)任或政治壓力而承擔(dān)的債務(wù)。地方政府隱性債務(wù)風(fēng)險(xiǎn)或?qū)⒊蔀榈胤截?cái)政最主要的風(fēng)險(xiǎn)來(lái)源。如何防范和化解地方政府隱性債務(wù)風(fēng)險(xiǎn)以確保地方財(cái)政可持續(xù)性，避免發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，已成為學(xué)界和業(yè)界關(guān)注的焦點(diǎn)。

從政府債務(wù)風(fēng)險(xiǎn)防控角度，Brixi(2012)指出政府債務(wù)風(fēng)險(xiǎn)控制的最佳時(shí)機(jī)是在債務(wù)風(fēng)險(xiǎn)爆發(fā)之前，借助政府會(huì)計(jì)對(duì)債務(wù)信息進(jìn)行及時(shí)記錄、識(shí)別和披露[5]。劉尚希等(2017)認(rèn)為公共債務(wù)的治本之道在于有效識(shí)別和預(yù)警風(fēng)險(xiǎn)，進(jìn)而依托政府和市場(chǎng)的力量協(xié)同治理[6]。魏加寧等(2010)認(rèn)為政府債務(wù)的公開化與透明化是化解地方債務(wù)問題的前提，應(yīng)從完善政府會(huì)計(jì)制度和構(gòu)建地方政府債務(wù)報(bào)告制度著手[7]。劉尚希(2005)指出應(yīng)通過(guò)降低公共債務(wù)的不確定性程度來(lái)改善政府財(cái)政風(fēng)險(xiǎn)狀況[8]。Yu(2016)認(rèn)為PPP項(xiàng)目政府擔(dān)保是政府資產(chǎn)負(fù)債表中隱性債務(wù)的構(gòu)成要素之一，很可能被過(guò)度使用從而惡化財(cái)政負(fù)債[9]。楊志勇等(2017)從國(guó)家資產(chǎn)負(fù)債表角度提出地方政府債務(wù)風(fēng)險(xiǎn)并非只與債務(wù)本身、財(cái)政收入等普遍關(guān)注的變量有關(guān)，還與政府所擁有的資產(chǎn)——土地出讓金、國(guó)有經(jīng)濟(jì)、礦產(chǎn)資源等密切相關(guān)，應(yīng)通過(guò)構(gòu)建資產(chǎn)與負(fù)債的對(duì)應(yīng)關(guān)系來(lái)全面分析政府債務(wù)風(fēng)險(xiǎn)[10]。趙全厚(2014)認(rèn)為應(yīng)將地方政府及其附屬機(jī)構(gòu)視為類似于企業(yè)的經(jīng)濟(jì)人，將地方政府性債務(wù)劃分顯性債務(wù)和隱性債務(wù)，并以科學(xué)方法評(píng)估各自風(fēng)險(xiǎn)[11]。邢俊英(2004；2006)認(rèn)為直接隱性負(fù)債若在發(fā)生之前不予反映，將會(huì)造成當(dāng)期財(cái)政支出低估，加大財(cái)政負(fù)債風(fēng)險(xiǎn)隱患，政府會(huì)計(jì)改革重在對(duì)直接隱性負(fù)債和或有負(fù)債的確認(rèn)、計(jì)量和報(bào)告作出科學(xué)合理的規(guī)定[12]；收付實(shí)現(xiàn)制的會(huì)計(jì)制度掩蓋了政府資源和支出責(zé)任的全貌，無(wú)法真實(shí)反映政府資產(chǎn)負(fù)債信息，使得大量負(fù)債被隱匿，容易錯(cuò)失風(fēng)險(xiǎn)防控的最佳時(shí)機(jī)[13]。上述研究均突出強(qiáng)調(diào)了政府債務(wù)信息披露的必要性以及提前預(yù)警的重要性，但值得注意的是，無(wú)論是《中華人民共和國(guó)預(yù)算法》還是我國(guó)的政府財(cái)務(wù)報(bào)告制度，均沒有對(duì)政府或有隱性債務(wù)的披露提出要求。

風(fēng)險(xiǎn)預(yù)警是根據(jù)風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果發(fā)出風(fēng)險(xiǎn)等級(jí)警示信號(hào)，為提早應(yīng)對(duì)和處置提供決策指導(dǎo)。債務(wù)風(fēng)險(xiǎn)預(yù)警的基礎(chǔ)是債務(wù)風(fēng)險(xiǎn)評(píng)估，而債務(wù)風(fēng)險(xiǎn)評(píng)估是一個(gè)復(fù)雜體系，涉及多項(xiàng)指標(biāo)、多個(gè)主體，各項(xiàng)指標(biāo)與各個(gè)主體之間還具有風(fēng)險(xiǎn)相互傳染性，各指標(biāo)對(duì)債務(wù)風(fēng)險(xiǎn)產(chǎn)生影響的結(jié)構(gòu)關(guān)系應(yīng)是非線性的。因而只有構(gòu)建包含多項(xiàng)輸入指標(biāo)、多層交叉?zhèn)鬟f關(guān)系的非線性仿真模型，才能形成科學(xué)、客觀、切合實(shí)際的地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警效果。預(yù)警系統(tǒng)的設(shè)計(jì)要反映多指標(biāo)輸入和輸出的復(fù)雜網(wǎng)絡(luò)過(guò)程，輸入指標(biāo)和輸出結(jié)果之間存在非線性映射關(guān)系。這就使得傳統(tǒng)顯性的、線性化的函數(shù)如Logistic模型、KNN模型、多元判別分析模型等在刻畫債務(wù)風(fēng)險(xiǎn)方面的精度和穩(wěn)健性效果往往受到質(zhì)疑。為此，我們需要適用于多層網(wǎng)絡(luò)學(xué)習(xí)的、可對(duì)多層權(quán)系數(shù)進(jìn)行反復(fù)修正的反向傳播學(xué)習(xí)算法，即BP神經(jīng)網(wǎng)絡(luò)法。BP神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜的非線性關(guān)系具有較強(qiáng)的擬合能力，且學(xué)習(xí)規(guī)則簡(jiǎn)單，自我學(xué)習(xí)能力強(qiáng)，穩(wěn)健性優(yōu)良，目前已在自動(dòng)控制、函數(shù)逼近、仿真、預(yù)測(cè)等領(lǐng)域中得到廣泛應(yīng)用。國(guó)內(nèi)越來(lái)越多學(xué)者運(yùn)用BP神經(jīng)網(wǎng)絡(luò)法構(gòu)建地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，較具代表性的做法有洪源和劉興琳(2012)采用粗糙集-BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建并實(shí)證檢驗(yàn)了地方政府債務(wù)風(fēng)險(xiǎn)非線性仿真預(yù)警系統(tǒng)[14]，馬恩濤和呂函枰(2017)采用灰色關(guān)聯(lián)度與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合方法構(gòu)建并實(shí)證檢驗(yàn)了重慶市地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)[15]，劉驊與盧亞娟(2014)運(yùn)用因子分析-K均值聚類算法與BP神經(jīng)網(wǎng)絡(luò)法構(gòu)建平臺(tái)債務(wù)“風(fēng)險(xiǎn)閾”預(yù)警模型[16]，洪源等(2018)采用TOPSIS-AHP法和K均值聚類法結(jié)合GA-BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建地方政府債務(wù)風(fēng)險(xiǎn)非線性先導(dǎo)預(yù)警系統(tǒng)[17]，李斌等(2016)采用TOPSIS法、德爾菲法結(jié)合BP神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法構(gòu)建基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警模型[18]。

從已有研究可知，BP神經(jīng)網(wǎng)絡(luò)分析法一般輔以粗糙集、灰色關(guān)聯(lián)度等指標(biāo)約簡(jiǎn)方法，在債務(wù)風(fēng)險(xiǎn)評(píng)估方面主要采用K均值聚類算法、信息熵、AHP法、TOPSIS、德爾菲法等。方法眾多，各有優(yōu)劣，方法的選擇主要基于樣本數(shù)據(jù)規(guī)模、特征進(jìn)行綜合權(quán)衡等。不過(guò)，已有研究中尚缺乏對(duì)地方政府或有隱性債務(wù)的評(píng)估及預(yù)警，也鮮有對(duì)省級(jí)數(shù)據(jù)進(jìn)行的實(shí)證研究。本文綜合應(yīng)用AHP、熵值法與BP神經(jīng)網(wǎng)絡(luò)法，構(gòu)建包含顯性債務(wù)風(fēng)險(xiǎn)、或有隱性債務(wù)風(fēng)險(xiǎn)和財(cái)政經(jīng)濟(jì)運(yùn)行風(fēng)險(xiǎn)在內(nèi)的地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，充分利用BP神經(jīng)網(wǎng)絡(luò)的多層網(wǎng)絡(luò)、反向傳播學(xué)習(xí)優(yōu)勢(shì)來(lái)刻畫復(fù)雜的、非線性的或有隱性債務(wù)風(fēng)險(xiǎn)結(jié)構(gòu)，可提高風(fēng)險(xiǎn)預(yù)警效率和客觀性，為政府提早應(yīng)對(duì)風(fēng)險(xiǎn)、安排償債優(yōu)先秩序、優(yōu)化財(cái)政收支結(jié)構(gòu)等提供信號(hào)導(dǎo)向和政策參考。

二、地方政府或有隱性債務(wù)風(fēng)險(xiǎn)非線性仿真預(yù)警系統(tǒng)構(gòu)建

(一)BP神經(jīng)網(wǎng)絡(luò)算法的基本原理

BP神經(jīng)網(wǎng)絡(luò)法是通過(guò)模擬人腦神經(jīng)處理信息、作出決策的過(guò)程，構(gòu)建由多個(gè)基本神經(jīng)元相互連接的網(wǎng)絡(luò)系統(tǒng)，對(duì)各類信息進(jìn)行反復(fù)輸入、處理、輸出的方法，其網(wǎng)絡(luò)層次包含一個(gè)輸入層、若干個(gè)隱含層(≥1)和一個(gè)輸出層(如圖1所示)。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

其基本原理為：給定輸入輸出序列(X,Y)，輸入層(I)節(jié)點(diǎn)數(shù)目m，輸出層(O)節(jié)點(diǎn)數(shù)目n。在輸入層和輸出層之間有若干個(gè)隱含層(H)。假定隱含層個(gè)數(shù)為h，輸入層和隱含層之間的權(quán)值wki和閾值調(diào)整ai，隱含層和輸出層之間的權(quán)值wij和閾值bj。給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù)，隱含層輸出公式為：

其中，f為隱含層函數(shù)，設(shè)定其形式為非線性可微非遞減Sigmoid函數(shù)f(x)=1/(1-e-x)，其變化范圍為(0，1)，導(dǎo)數(shù)形式為f′(x)=f(x)[1-f(x)]。同時(shí)，輸出層公式為：

計(jì)算均方根誤差E公式。BP神經(jīng)網(wǎng)絡(luò)具有信息輸入正向傳播，誤差在學(xué)習(xí)過(guò)程中反向傳播修正特征，在反復(fù)訓(xùn)練和學(xué)習(xí)中達(dá)到輸出值Oj與期望值Yk之間的漸進(jìn)擬合，誤差項(xiàng)越來(lái)越小直至達(dá)到預(yù)設(shè)閾值而停止學(xué)習(xí)，誤差函數(shù)E(w,b)為：

從公式推導(dǎo)過(guò)程可知，當(dāng)隱含層節(jié)點(diǎn)數(shù)足夠多情況下，在隱含層中使用非線性可微非遞減的Sigmoid函數(shù)，在輸出層中使用線性傳輸函數(shù)，即可較好地逼近對(duì)象函數(shù)，表明BP神經(jīng)網(wǎng)絡(luò)作為一種多層前饋網(wǎng)絡(luò)，具有較強(qiáng)非線性映射能力和泛化能力。

(二)基于BP神經(jīng)網(wǎng)絡(luò)的地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系設(shè)計(jì)

裴育和歐陽(yáng)華生(2007)認(rèn)為全方位的債務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)以債務(wù)風(fēng)險(xiǎn)矩陣中四類負(fù)債項(xiàng)的風(fēng)險(xiǎn)為框架，并建議：限于數(shù)據(jù)可得性，可從顯性債務(wù)風(fēng)險(xiǎn)開始進(jìn)行循序漸進(jìn)式建模；直接隱性債務(wù)列入預(yù)算或中長(zhǎng)期預(yù)算以便準(zhǔn)確計(jì)量；對(duì)隱性債務(wù)進(jìn)行顯性化預(yù)算管理；對(duì)或有隱性債務(wù)開展財(cái)政損失估計(jì)和發(fā)生概率估計(jì)等[19]。本文依照科學(xué)性、系統(tǒng)性、相關(guān)性、數(shù)據(jù)可得性原則，將形成地方政府性債務(wù)風(fēng)險(xiǎn)的內(nèi)部和外部影響因素分解為顯性債務(wù)風(fēng)險(xiǎn)、或有隱性債務(wù)風(fēng)險(xiǎn)和宏觀經(jīng)濟(jì)財(cái)政運(yùn)行風(fēng)險(xiǎn)，三類風(fēng)險(xiǎn)因素相互影響、相互作用。細(xì)化三類風(fēng)險(xiǎn)影響因素的具體衡量指標(biāo)作為風(fēng)險(xiǎn)預(yù)警指標(biāo)，從而形成包含11項(xiàng)二級(jí)預(yù)警指標(biāo)的地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。其中各二級(jí)指標(biāo)根據(jù)風(fēng)險(xiǎn)大小劃分為“輕警”“中警”和“高警”三個(gè)區(qū)間。結(jié)合我國(guó)地方政府債務(wù)特征，設(shè)定各項(xiàng)指標(biāo)的預(yù)警區(qū)間分布(見表1)。

表1 地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建

各項(xiàng)指標(biāo)預(yù)警區(qū)間根據(jù)通用慣例、均值、經(jīng)濟(jì)目標(biāo)等方面綜合考量設(shè)置。其中，地方政府債務(wù)率根據(jù)國(guó)際通行警戒標(biāo)準(zhǔn)設(shè)置150%以下為輕警區(qū)域，250%以上為高警區(qū)域?；蛴须[性債務(wù)的指標(biāo)選取及預(yù)警區(qū)間設(shè)置依據(jù)如下：

(1)C3地方融資平臺(tái)債務(wù)占GDP比例。地方融資平臺(tái)債務(wù)發(fā)起設(shè)立者是地方政府，開展投融資活動(dòng)的主導(dǎo)者是地方政府，形成龐大債務(wù)也主要依托于地方政府信用擔(dān)保，屬地方政府的或有隱性債務(wù)。本文以其債務(wù)占GDP比例衡量來(lái)自融資平臺(tái)的債務(wù)風(fēng)險(xiǎn)，反映地方經(jīng)濟(jì)對(duì)融資平臺(tái)債務(wù)的承載情況。2017年該指標(biāo)的全國(guó)均值為36%，設(shè)置36%以下為安全區(qū)域，72%以上為高警區(qū)域。

(2)C4 PPP項(xiàng)目支出占一般預(yù)算收入比例。將PPP項(xiàng)目納入或有隱性債務(wù)考核體系主要基于如下考慮(李麗珍，2020)[20]：政府付費(fèi)型和缺口補(bǔ)助型PPP項(xiàng)目中的債務(wù)融資部分屬地方政府直接隱性債務(wù)；PPP項(xiàng)目運(yùn)作失敗風(fēng)險(xiǎn)、延期支付風(fēng)險(xiǎn)、信用違約風(fēng)險(xiǎn)可能形成政府救助責(zé)任債務(wù)；“明股實(shí)債”屬違法違規(guī)類隱性債務(wù)。限于數(shù)據(jù)可得性，本文僅以PPP項(xiàng)目年度財(cái)政支出占一般公共預(yù)算支出比例作為PPP項(xiàng)目類政府或有隱性債務(wù)風(fēng)險(xiǎn)指標(biāo)。預(yù)警區(qū)間設(shè)置如下：對(duì)2015～2045年間財(cái)政支出占比在7%～10%的作為中警區(qū)，7%以下為安全區(qū)域(1)根據(jù)《財(cái)政部關(guān)于印發(fā)<政府和社會(huì)資本合作項(xiàng)目財(cái)政承受能力論證指引>的通知》(財(cái)金〔2015〕21號(hào))第二十五條規(guī)定：“每一年度全部PPP項(xiàng)目需要從預(yù)算中安排的支出責(zé)任，占一般公共預(yù)算支出比例應(yīng)當(dāng)不超過(guò)10%”。財(cái)政部金融司2018年5月發(fā)布的《筑牢PPP項(xiàng)目財(cái)政承受能力10%限額的“紅線”——PPP項(xiàng)目財(cái)政承受能力匯總分析報(bào)告》列出2015～2045年各省市支出責(zé)任總額，并將支出占比7%以下視為安全區(qū)域。，10%以上為高警區(qū)域。

(3)C5地方國(guó)有企業(yè)資產(chǎn)負(fù)債率。當(dāng)?shù)胤絿?guó)有企業(yè)出現(xiàn)債務(wù)償付危機(jī)，政府按照契約精神需按依據(jù)出資比例承擔(dān)必要清償責(zé)任，出于維穩(wěn)和道義責(zé)任角度還可能會(huì)承擔(dān)更高比例救助，因此地方國(guó)有企業(yè)債務(wù)是地方政府的或有隱性債務(wù)。從財(cái)務(wù)穩(wěn)健性角度，一般企業(yè)資產(chǎn)負(fù)債率大于70%時(shí)表明風(fēng)險(xiǎn)較大，適宜水平為40%～60%。因此，本文分別以40%和70%作為此項(xiàng)三類警戒區(qū)的分界點(diǎn)。

(4)C6地方商業(yè)銀行不良貸款率。當(dāng)商業(yè)銀行陷入流動(dòng)性不足、資本充足率過(guò)低、不良貸款率過(guò)高等困境時(shí)，地方政府迫于社會(huì)公眾壓力和防范公共風(fēng)險(xiǎn)需要往往需實(shí)施救助，這就形成政府負(fù)有救助責(zé)任的債務(wù)。根據(jù)2006年銀監(jiān)會(huì)發(fā)布的《商業(yè)銀行風(fēng)險(xiǎn)監(jiān)管核心指標(biāo)(試行)》要求，商業(yè)銀行不良貸款率不應(yīng)高于5%，本文設(shè)定5%為高度預(yù)警，而根據(jù)近年該指標(biāo)基本維持在2%水平以內(nèi)，總體處于安全狀態(tài)，因此將0～2%劃定為輕度預(yù)警區(qū)。

三、地方政府或有隱性債務(wù)風(fēng)險(xiǎn)非線性仿真預(yù)警系統(tǒng)應(yīng)用

(一)樣本數(shù)據(jù)來(lái)源與離散化處理

以2017年我國(guó)31個(gè)省區(qū)市各項(xiàng)政府債務(wù)指標(biāo)為樣本，對(duì)樣本數(shù)據(jù)進(jìn)行離散化處理，以每項(xiàng)指標(biāo)的樣本數(shù)據(jù)與表1預(yù)警指標(biāo)區(qū)間進(jìn)行對(duì)照后賦值：落在“輕警”區(qū)間，則賦值為1；落在“中警”區(qū)間，則賦值為2；落在“高警”區(qū)間，則賦值為3。數(shù)據(jù)來(lái)源方面，地方政府顯性債務(wù)數(shù)據(jù)2010～2015年來(lái)源于萬(wàn)德數(shù)據(jù)庫(kù)，2016～2017年來(lái)源于財(cái)政部官網(wǎng)公告；地方國(guó)有企業(yè)債務(wù)、資產(chǎn)負(fù)債率、財(cái)政收支數(shù)據(jù)來(lái)源于歷年《中國(guó)財(cái)政年鑒》；商業(yè)銀行不良貸款數(shù)據(jù)來(lái)源于銀監(jiān)會(huì)官網(wǎng)發(fā)布的各年度《中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)年報(bào)》；地方融資平臺(tái)債務(wù)數(shù)據(jù)來(lái)源于萬(wàn)德數(shù)據(jù)庫(kù)和各級(jí)財(cái)政決算報(bào)告；國(guó)有土地使用權(quán)出讓金收入數(shù)據(jù)來(lái)源于《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》，其中2017年數(shù)據(jù)根據(jù)2014～2016年各省區(qū)市平均值對(duì)2017年度全國(guó)國(guó)有土地使用權(quán)出讓金收入總額進(jìn)行比例分?jǐn)偟玫?；未做特別說(shuō)明的其他數(shù)據(jù)均來(lái)源于中經(jīng)網(wǎng)與萬(wàn)德數(shù)據(jù)庫(kù)。處理結(jié)果如表2所示。

表2 各地區(qū)地方政府或有隱性債務(wù)指標(biāo)離散化預(yù)警指標(biāo)屬性決策值

(二)地方政府債務(wù)性風(fēng)險(xiǎn)的綜合評(píng)價(jià)

采用層次分析法(AHP法)和熵值法對(duì)地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的各項(xiàng)指標(biāo)進(jìn)行主觀、客觀綜合賦權(quán)，進(jìn)而對(duì)地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行綜合評(píng)價(jià)。

1.基于AHP法的主觀賦權(quán)

將地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的目標(biāo)指標(biāo)、一級(jí)指標(biāo)、二級(jí)指標(biāo)分別設(shè)定為目標(biāo)層、準(zhǔn)則層、方案層，進(jìn)而構(gòu)造成對(duì)比較陣，邀請(qǐng)5位專家對(duì)分層指標(biāo)進(jìn)行兩兩比較式評(píng)分、決策，經(jīng)過(guò)AHP法處理后，各指標(biāo)權(quán)重如表3所示。

表3 基于AHP法的預(yù)警指標(biāo)主觀權(quán)重

進(jìn)一步對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，結(jié)果如表4所示，方案層C對(duì)于準(zhǔn)則層B、準(zhǔn)則層B對(duì)目標(biāo)層A的一致性比例均小于0.01，表明判斷矩陣通過(guò)一致性檢驗(yàn)，權(quán)重分配合理。

表4 AHP法的一致性檢驗(yàn)結(jié)果

2.基于熵值法的客觀賦權(quán)

采用熵值法，根據(jù)各項(xiàng)指標(biāo)離散程度來(lái)確定指標(biāo)權(quán)重，離散程度越大，表明該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大，權(quán)重就越高。首先，將31個(gè)省區(qū)市11項(xiàng)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)矩陣表示為：

表5 基于熵值法的各項(xiàng)預(yù)警指標(biāo)客觀權(quán)重

3.主客觀結(jié)合的地方政府或有隱性債務(wù)綜合權(quán)重

根據(jù)表3和表5主客觀權(quán)重計(jì)算綜合權(quán)重，即W綜合j=θW層次j+(1-θ)W熵值j，其中θ為AHP法賦權(quán)的權(quán)重系數(shù)，本文認(rèn)為主客觀賦權(quán)法各有優(yōu)劣，同等重要，因而將θ設(shè)置為0.5，綜合權(quán)重如表6所示。從表6可知，地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)中，C1地方政府負(fù)債率、C2地方政府債務(wù)率、C3地方融資平臺(tái)債務(wù)占GDP比、C4 PPP項(xiàng)目支出占一般預(yù)算收入比以及C9財(cái)政自給率的權(quán)重均大于8%，是關(guān)鍵性指標(biāo)，應(yīng)給予高度關(guān)注，建立動(dòng)態(tài)監(jiān)測(cè)機(jī)制。

表6 基于主客觀賦權(quán)的預(yù)警指標(biāo)綜合權(quán)重

4.全樣本下政府或有隱性債務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果

根據(jù)預(yù)警指標(biāo)綜合權(quán)重，計(jì)算2017年各省區(qū)市政府或有隱性債務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)值Vi：

如表7所示，地方政府或有隱性債務(wù)風(fēng)險(xiǎn)處于輕警狀態(tài)的省區(qū)市有10個(gè)，占比32%；處于中警狀態(tài)的有20個(gè)，占比64.5%；處于高警狀態(tài)的有1個(gè)，占比3.2%?？梢?，過(guò)半地區(qū)處于風(fēng)險(xiǎn)中警以上，風(fēng)險(xiǎn)普遍較高。其中西部12個(gè)省區(qū)市中，貴州處于高警狀態(tài)，其余11個(gè)省區(qū)市處于中警狀態(tài)；中部8個(gè)省除了山西、河南和湖北為輕警狀態(tài)外，其余全部處于中警狀態(tài)；東部11個(gè)省市中，天津、遼寧、江蘇和海南處于中警狀態(tài)，其余省市均處于輕警狀態(tài)。風(fēng)險(xiǎn)主要集聚于西部地區(qū)，有如下原因：西部地區(qū)本身經(jīng)濟(jì)基礎(chǔ)薄弱，債務(wù)占比相對(duì)較高；財(cái)政自給率普遍偏低，對(duì)舉債需求更為強(qiáng)烈，融資平臺(tái)債務(wù)占比普遍較高；“補(bǔ)短板”供給側(cè)改革背景下大量PPP項(xiàng)目集中于貴州、新疆等西部地區(qū)，加大了或有債務(wù)風(fēng)險(xiǎn)。

表7 2017年各地區(qū)地方政府或有隱性債務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果

(三)非線性仿真預(yù)警系統(tǒng)的訓(xùn)練與檢驗(yàn)

(1)對(duì)原始輸入數(shù)據(jù)進(jìn)行歸一化處理。訓(xùn)練樣本數(shù)據(jù)采用Premnmx函數(shù)歸一化為[-1,1]，檢驗(yàn)樣本數(shù)據(jù)采用Tramnmx函數(shù)歸一化為[-1,1]；

(2)根據(jù)構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，采用Trangsig函數(shù)作為傳遞函數(shù)中輸入層至隱含層的函數(shù)、采用Purelin函數(shù)作為傳遞函數(shù)中隱含層至輸出層的函數(shù)，采用基于貝葉斯正則化算法的Trainbr函數(shù)作為訓(xùn)練函數(shù)；

(3)設(shè)定目標(biāo)誤差為0.001、最大訓(xùn)練迭代次數(shù)為1000次、學(xué)習(xí)率為0.01；

(4)采用26個(gè)樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

如圖2所示，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化曲線有四條線構(gòu)成。訓(xùn)練線描述BP訓(xùn)練過(guò)程的均方誤差(Mean Squared Error, MSE)指標(biāo)表現(xiàn)；測(cè)試線描述BP測(cè)試過(guò)程的MSE指標(biāo)表現(xiàn)；理想線表示BP網(wǎng)絡(luò)訓(xùn)練到第10次時(shí)BP訓(xùn)練結(jié)果最理想；目標(biāo)線是ANN工具箱訓(xùn)練BP時(shí)設(shè)置的網(wǎng)絡(luò)訓(xùn)練停止目標(biāo)。其中，理想線與目標(biāo)線重合。當(dāng)網(wǎng)絡(luò)訓(xùn)練迭代至第10次時(shí)，網(wǎng)絡(luò)輸出誤差達(dá)到設(shè)定的訓(xùn)練精度，網(wǎng)絡(luò)收斂于最優(yōu)穩(wěn)態(tài)值。訓(xùn)練得出的期望輸出與實(shí)際輸出擬合度較高，二者M(jìn)SE指標(biāo)僅為0.00096，訓(xùn)練效果好，預(yù)警準(zhǔn)確性高。

(5)隨機(jī)檢驗(yàn)。將隨機(jī)抽取的5個(gè)測(cè)試樣本放入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，得到的預(yù)警結(jié)果如圖3所示。測(cè)試樣本仿真值(圓點(diǎn))和真實(shí)值(星號(hào))較為接近，二者擬合度為97.9%，二者均方誤差僅為0.00749，說(shuō)明仿真效果良好，預(yù)警效果較為理想。

圖2 BP神經(jīng)網(wǎng)絡(luò)測(cè)試樣本仿真值與真實(shí)值曲線圖

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化曲線

檢測(cè)樣本的仿真結(jié)果(見表8)表明，5個(gè)樣本的仿真效果均在90%以上，所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)非線性仿真預(yù)警系統(tǒng)較為可靠，可作為地方政府或有隱性債務(wù)風(fēng)險(xiǎn)的預(yù)警體系。在此預(yù)警系統(tǒng)下，只要獲取各省區(qū)市的債務(wù)指標(biāo)原始數(shù)據(jù)，輸入系統(tǒng)即可得出地方政府債務(wù)風(fēng)險(xiǎn)的“輕警”“中警”和“高警”狀態(tài)，以及各類債務(wù)的風(fēng)險(xiǎn)聚集點(diǎn)，從而為財(cái)政提早應(yīng)對(duì)、安排償債優(yōu)先次序、優(yōu)化財(cái)政支出結(jié)構(gòu)等提供參考，以有效防范地方財(cái)政風(fēng)險(xiǎn)。

表8 BP神經(jīng)網(wǎng)絡(luò)測(cè)試樣本的仿真值與真實(shí)值對(duì)比

四、基于風(fēng)險(xiǎn)預(yù)警的地方政府或有隱性債務(wù)風(fēng)險(xiǎn)防控策略

構(gòu)建地方政府或有隱性債務(wù)的風(fēng)險(xiǎn)預(yù)警系統(tǒng)對(duì)于提早防范風(fēng)險(xiǎn)有重要意義，但技術(shù)上構(gòu)建預(yù)警系統(tǒng)之后，實(shí)踐中地方政府在預(yù)警前期數(shù)據(jù)來(lái)源準(zhǔn)備、預(yù)警結(jié)果分析、風(fēng)險(xiǎn)應(yīng)對(duì)策略選擇等方面還需進(jìn)一步厘清。因此，基于所構(gòu)建的預(yù)警系統(tǒng)，進(jìn)一步設(shè)計(jì)地方政府債務(wù)風(fēng)險(xiǎn)防控基本流程及風(fēng)險(xiǎn)應(yīng)對(duì)策略，對(duì)于提升預(yù)警決策和風(fēng)險(xiǎn)響應(yīng)的速度和效率，有效防范和化解地方政府或有隱性債務(wù)風(fēng)險(xiǎn)亦十分重要。

(一)地方政府或有隱性債務(wù)風(fēng)險(xiǎn)防控基本流程設(shè)計(jì)

地方政府或有隱性債務(wù)風(fēng)險(xiǎn)防控基本流程依照風(fēng)險(xiǎn)管理理論的內(nèi)涵及基本程序進(jìn)行設(shè)計(jì)，具體為“原始數(shù)據(jù)收集—數(shù)據(jù)預(yù)處理—風(fēng)險(xiǎn)監(jiān)測(cè)—風(fēng)險(xiǎn)識(shí)別—風(fēng)險(xiǎn)度量—預(yù)警報(bào)告—預(yù)警決策—風(fēng)險(xiǎn)應(yīng)對(duì)—?jiǎng)討B(tài)監(jiān)測(cè)”，各環(huán)節(jié)依次、逐級(jí)完成，形成快速報(bào)告和響應(yīng)機(jī)制(見圖4)。其中，風(fēng)險(xiǎn)度量和預(yù)警決策環(huán)節(jié)是核心。風(fēng)險(xiǎn)度量建立在可量化的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系基礎(chǔ)之上?；谝褬?gòu)建的風(fēng)險(xiǎn)預(yù)警系統(tǒng)，原始數(shù)據(jù)采集包括顯性債務(wù)數(shù)據(jù)、隱性債務(wù)數(shù)據(jù)以及宏觀財(cái)政、金融及其他經(jīng)濟(jì)數(shù)據(jù)。地方政府根據(jù)預(yù)警的“輕警”“中警”“高警”結(jié)果，選擇恰當(dāng)?shù)娘L(fēng)險(xiǎn)防控策略。

圖4 地方政府或有隱性債務(wù)風(fēng)險(xiǎn)防控基本流程

(二)預(yù)警決策與風(fēng)險(xiǎn)防控策略

在預(yù)警決策和風(fēng)險(xiǎn)應(yīng)對(duì)方面，“輕警”只需常規(guī)監(jiān)控，做好風(fēng)險(xiǎn)預(yù)防，消除潛在風(fēng)險(xiǎn)因素即可?！案呔眲t需引起高度重視，啟動(dòng)應(yīng)急處置預(yù)案，成立由“一把手”牽頭的危機(jī)管理領(lǐng)導(dǎo)小組推進(jìn)實(shí)施應(yīng)急處置，直至風(fēng)險(xiǎn)解除。“中警”情況發(fā)生概率相較于“高警”更大，是風(fēng)險(xiǎn)防控的重點(diǎn)，需引起足夠重視，首先進(jìn)行風(fēng)險(xiǎn)控制以避免態(tài)勢(shì)進(jìn)一步惡化，其次根據(jù)風(fēng)險(xiǎn)類別、特征進(jìn)行分類處置、動(dòng)態(tài)監(jiān)測(cè)和信息反饋。具體分類應(yīng)對(duì)策略如下：(1)風(fēng)險(xiǎn)規(guī)避。對(duì)于特定風(fēng)險(xiǎn)事件可能帶來(lái)的危害，采用風(fēng)險(xiǎn)規(guī)避策略消除，如技術(shù)風(fēng)險(xiǎn)，采用更成熟的技術(shù)來(lái)規(guī)避；項(xiàng)目管理風(fēng)險(xiǎn)通過(guò)組建更成熟的運(yùn)營(yíng)團(tuán)隊(duì)來(lái)規(guī)避；以政府購(gòu)買服務(wù)替代政府自主供給。(2)風(fēng)險(xiǎn)轉(zhuǎn)移。將風(fēng)險(xiǎn)后果轉(zhuǎn)移給第三方，如購(gòu)買自然災(zāi)害保險(xiǎn)、建立存款保險(xiǎn)準(zhǔn)備金制、推進(jìn)養(yǎng)老基金中央調(diào)劑制度等都是轉(zhuǎn)移地方政府救助責(zé)任負(fù)債的重要舉措；又如將PPP項(xiàng)目建設(shè)進(jìn)度風(fēng)險(xiǎn)，技術(shù)風(fēng)險(xiǎn)等通過(guò)簽訂合同約定社會(huì)資本方來(lái)承擔(dān)。(3)風(fēng)險(xiǎn)減輕。將風(fēng)險(xiǎn)發(fā)生的可能性及其后果降低到一個(gè)可接受的范圍。對(duì)于PPP項(xiàng)目中的定價(jià)風(fēng)險(xiǎn)、政治風(fēng)險(xiǎn)、法律和政策風(fēng)險(xiǎn)，政府可通過(guò)與社會(huì)資本方細(xì)化各類風(fēng)險(xiǎn)下的政府負(fù)擔(dān)方式，或減輕法律變更所引發(fā)的政府補(bǔ)貼、稅式支出激增的風(fēng)險(xiǎn)。(4)風(fēng)險(xiǎn)接受與損失控制。如不可抗力造成的風(fēng)險(xiǎn)以及政府承擔(dān)兜底責(zé)任的風(fēng)險(xiǎn)，提早做好應(yīng)急計(jì)劃或預(yù)案，積極應(yīng)對(duì)風(fēng)險(xiǎn)的各種后果?？赏ㄟ^(guò)地方政府稅收、上級(jí)轉(zhuǎn)移支付、對(duì)負(fù)債融資進(jìn)行一定比例預(yù)扣、各類自愿性資產(chǎn)收入等組織償債基金來(lái)源。根據(jù)債務(wù)風(fēng)險(xiǎn)預(yù)警等級(jí)不同，構(gòu)建差異化、有針對(duì)性、相機(jī)抉擇的政府償債基金制度。

五、研究結(jié)論及政策建議

全國(guó)各省區(qū)市在經(jīng)濟(jì)實(shí)力與增速、政府財(cái)力與財(cái)政穩(wěn)健性、債務(wù)規(guī)模與結(jié)構(gòu)等方面均存在一定差異，尤其是政府隱性債務(wù)規(guī)模、結(jié)構(gòu)及表現(xiàn)形式具有顯著差異性，使得債務(wù)風(fēng)險(xiǎn)評(píng)估與防范變得尤為復(fù)雜。不能簡(jiǎn)單以債務(wù)規(guī)模占GDP比例作為衡量債務(wù)風(fēng)險(xiǎn)的唯一指標(biāo)，而應(yīng)構(gòu)建多維、非線性的債務(wù)風(fēng)險(xiǎn)評(píng)估及預(yù)警機(jī)制。本文從系統(tǒng)論思想出發(fā)，依據(jù)形成地方政府隱性債務(wù)風(fēng)險(xiǎn)的內(nèi)部和外部影響因素，綜合應(yīng)用AHP、熵值法與BP神經(jīng)網(wǎng)絡(luò)法，構(gòu)建包含顯性債務(wù)風(fēng)險(xiǎn)、或有隱性債務(wù)風(fēng)險(xiǎn)和財(cái)政經(jīng)濟(jì)運(yùn)行風(fēng)險(xiǎn)在內(nèi)的3項(xiàng)一級(jí)指標(biāo)和11項(xiàng)二級(jí)指標(biāo)的地方政府或有隱性債務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。這與現(xiàn)有政府債務(wù)風(fēng)險(xiǎn)預(yù)警體系最大不同之處在于，在風(fēng)險(xiǎn)預(yù)警指標(biāo)上，增加了或有隱性債務(wù)指標(biāo)，并以“地方融資平臺(tái)債務(wù)占GDP比例、PPP項(xiàng)目支出占一般預(yù)算收入、地方國(guó)有企業(yè)資產(chǎn)負(fù)債率、地方商業(yè)銀行不良貸款率”等常規(guī)性、有可靠數(shù)據(jù)來(lái)源、代表地方政府隱性債務(wù)主要來(lái)源的比例性指標(biāo)作為測(cè)度隱性債務(wù)風(fēng)險(xiǎn)評(píng)估的核心指標(biāo)，有效避免采用絕對(duì)量指標(biāo)可能存在的估計(jì)偏誤；在研究對(duì)象上，以我國(guó)31個(gè)省區(qū)市為樣本；在研究方法上，采用了更為客觀、仿真效果更好的神經(jīng)網(wǎng)絡(luò)分析法。

通過(guò)地方政府或有隱性債務(wù)風(fēng)險(xiǎn)非線性仿真預(yù)警體系構(gòu)建、模型應(yīng)用及風(fēng)險(xiǎn)防控流程設(shè)計(jì)，得出如下結(jié)論及政策建議：(1)基于BP神經(jīng)網(wǎng)絡(luò)分析法構(gòu)建的債務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)仿真效果良好，其政策意義在于可及時(shí)、客觀反映地方政府債務(wù)風(fēng)險(xiǎn)的“輕警”“中警”和“高警”狀態(tài)以及各類債務(wù)的風(fēng)險(xiǎn)聚集點(diǎn)，促進(jìn)財(cái)政提早應(yīng)對(duì)、安排償債優(yōu)先次序、優(yōu)化財(cái)政支出結(jié)構(gòu)、有效防范地方財(cái)政風(fēng)險(xiǎn)，同時(shí)有助于降低地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警難度，提高預(yù)警效率及風(fēng)險(xiǎn)評(píng)估的客觀性；(2)2017年全國(guó)有過(guò)半省區(qū)市或有隱性債務(wù)風(fēng)險(xiǎn)處于中警狀態(tài)，且風(fēng)險(xiǎn)主要集聚于中西部地區(qū)，需加強(qiáng)對(duì)這些地區(qū)的融資平臺(tái)債務(wù)、PPP債務(wù)融資、地方國(guó)有企業(yè)債務(wù)、商業(yè)不良貸款等或有隱性債務(wù)來(lái)源的風(fēng)險(xiǎn)進(jìn)行監(jiān)控與管理；(3)應(yīng)通過(guò)設(shè)計(jì)標(biāo)準(zhǔn)化債務(wù)風(fēng)險(xiǎn)防控流程、制定差異化而有針對(duì)性的風(fēng)險(xiǎn)防控策略、完善政府性債務(wù)信息披露制度等提高地方政府對(duì)各類債務(wù)風(fēng)險(xiǎn)的預(yù)警響應(yīng)速度和應(yīng)急管理能力。不足之處在于，由于數(shù)據(jù)局限性而未能將所有或有隱性債務(wù)都納入風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，今后隨著違法違規(guī)類隱性債務(wù)數(shù)據(jù)的審計(jì)公告，以及社保缺口類隱性債務(wù)數(shù)據(jù)的官方公布或可合理估算，將進(jìn)一步優(yōu)化和完善預(yù)警指標(biāo)體系。此外，目前尚缺乏更微觀的市、縣一級(jí)的相關(guān)實(shí)證與應(yīng)用，今后如果數(shù)據(jù)可得，將進(jìn)一步擴(kuò)大樣本以提高模型適用性。