中國地方政府債務風險指數模型構建

閆衍 王新策 袁海霞

摘要：本文通過對比研究各種風險評價方法，綜合其優缺點和可行性，選擇層次分析法（AHP）來構建我國地方政府債務風險指數模型，以期能對全國省級地方政府債務風險情況和風險變化趨勢進行監測，起到風險預警的作用。首先，本文對AHP的理論進行了梳理和優化，解決了多指標間信息重疊的問題。然后，利用構建的模型對2016年我國省級地方政府債務風險指數進行估算。最后，本文量化并驗證了隱性債務劇增導致整體風險顯著增加和局部區域風險分化加劇的情況。

關鍵詞：地方政府債務 風險評價 層次分析法 財政實力

自我國經濟進入新常態以來，經濟增速穩中趨緩，以“防風險”為基礎的“促改革”持續推進。2014年《國務院關于加強地方政府性債務管理的意見》（國發〔2014〕43號）發布之后，隨著相關防風險政策的出臺和管理機制的不斷完善，地方政府顯性債務增幅有所緩和。根據全國各省份財政決算報告測算，2017年我國地方政府顯性債務規模約為16.47萬億元，負債率為36.2%，低于歐盟60%的警戒線，風險總體可控。但隱性債務持續惡化，地方政府通過PPP項目、政府購買服務、資管計劃、明股實債等方式變相舉債造成的隱性債務風險問題尤其突出。2017年我國地方政府整體隱性債務規模在26.5萬億～35.9萬億元，約為顯性債務的1.6～2.2倍，考慮隱性債務后的負債率直接上升至68%～80%，高于歐盟60%的警戒線。其中，區域性債務風險分化嚴重。

中央經濟工作會議將防范化解重大風險列為2018年三大攻堅戰之首。2018年一季度以來，財政部及相關部門圍繞防范地方債務風險密集出臺多項政策，體現了中央對地方債務問題的重視和監管決心。因此，構建地方政府債務區域風險指數模型十分必要，通過指數可準確監測全國各地區地方政府債務風險情況和變化趨勢，以便在危機初期及時采取防范措施，控制債務風險的加劇和擴散。

評價方法綜述

地方政府債務風險指數模型的構建思路是結合地方政府的宏觀經濟、財政實力和債務水平等情況給出地方政府債務一個定量的風險綜合評價值，模型的核心是評價方法。綜合國內外已有研究成果和一些經典的評價方法，根據各評價方法所依據的理論，可以將它們分為五大類：

（一）指標評價方法

指標評價法，是出現較早的一種評價方法，它根據專家分析和歷史經驗選擇與風險最相關的單指標（或多指標的簡單線性組合）來評價風險。

（二）數學模型評價方法

1.層次分析法（Analytic Hierarchy Process，AHP），由T.L.Saaty（1980）提出，是一種定性與定量分析相結合的多層次結構模型。它是一種系統性的分析評價方法，通過分解、判斷和綜合的思維過程處理決策問題，既包含了主觀的邏輯判斷和分析（定性），又依靠客觀的精確計算和推演（定量）。

2.模糊綜合評判法（Fuzzy Comprehensive Evaluation，FCE），由L. A. Zadeh（1965）提出，是以模糊數學為基礎，應用模糊關系合成的原理，將一些邊界不清、不易定量的因素定量化的一種綜合評價方法。

3.數據包絡分析法（Data Envelopment Analysis，DEA），由A.Charnes和W.W.Coope（1978）等人提出，是以“相對效率”概念為基礎，根據多項投入指標和多項產出指標，利用線性規劃的方法，對具有可比性的同類型單位進行相對有效性評價的一種數量分析方法。

（三）基于統計的評價方法

1.TOPSIS法（Technique for Order Preference by Similarity to an Ideal Solution），由C.L.Hwang和K.Yoon（1981）提出，是根據有限個評價對象與理想化目標的接近程度進行排序的方法，在現有的對象中進行相對優劣的評價。

2.主成分分析法（Principal Components Analysis，PCA），由Karl Pearson提出，利用降維的思想，把多指標轉化為少數幾個綜合指標（主成分），其中每個主成分都能夠反映原始變量的大部分信息，且所含信息互不重復，用來解決數據多重共線性問題。

（四）機器學習等新型評價方法

1.人工神經網絡（Artificial Neural Network，ANN），是模擬生物神經網絡進行信息處理的一種數學模型，通過模擬大腦的學習機制實現對數據的預測或分類。所謂“學習”，就是神經網絡系統受到外界刺激下調節自身系統以適應新環境的一個過程。從數學模型而言，就是通過不斷地訓練樣本（學習）、調節模型參數，使系統輸出更接近樣本輸出（誤差更小）的過程。

2.灰色綜合評價法（Grey Comprehensive Evaluation，GCE），由鄧聚龍（1982）提出，是一種以灰色關聯分析理論為指導，基于專家評判的綜合性評價方法。

（五）組合評價方法

組合方法是將上述幾種方法組合使用。每種方法都有自身的優點和缺點，其適用場合也并不完全相同，通過將具有同種性質的綜合評價方法組合在一起，就能夠使各種方法的缺點得到彌補，同時又具有各方法的優點。

方法選擇

本文將通過綜合比較上述評價方法的主要優點、主要缺點和可行性前提（見表1），來選擇合適的方法建立地方政府債務風險指數模型。

首先，地方政府債務風險指數是綜合了地方政府經濟、財政和債務等多維度指標的一個綜合性評價值，簡單的指標評價法無法實現這樣的效果。其次，地方政府債務風險指數除了用來量化債務的風險程度，最好還能從中挖掘風險成因，從而指導對債務風險的控制。如PCA對原數據進行降維，降維后的主成分指標是沒有可解釋意義的，該方法不能用于對債務風險成因的解釋。此外，當前比較流行的人工神經網絡等機器學習算法，其優秀的精確度是建立在大量歷史數據和反復迭代訓練基礎上的，而本次風險指數的估算并不屬于第二次迭代過程，所以不適用。另外，DEA無法解決數值為負的問題，而GDP增速等指標可能為負，因此該方法也無法適用。同時，組合方法是建立在多種評價方法的基礎上，應該在多種評價模型完成后再考慮。最后，在剩下的AHP、FCE、TOPSIS和GCE四種評價方法中，FCE、TOPSIS和GCE的可行性前提是需要事先給出權重，而AHP是通過元素間相互比較和定性轉定量的方式給出權重，很好地解決了前幾種方法所具有的問題。換句話說，AHP是另外三種評價方法的基礎，也是組合方法的基礎。因此，應該優先考慮采用AHP來構建地方政府債務風險指數模型。