基于數據挖掘的財政風險預測研究

許金玲

（北京理工大學珠海學院會計與金融學院，廣東 珠海 519000）

一、研究目的和意義

繼2000年的政府工作報告中明確指出要警惕和防范財政風險后，十六屆五中全會明確要提高財政保障能力，就必須注意防范財政風險；十一屆全國人大三次會議提出需要防范和化解潛在財政金融風險；自2014年我國進入新常態“三期疊加”階段以來，防范政府債務風險成為重中之重；黨的十九大中提出決勝全面建成小康社會的一項重要內容就是防范、化解重大風險。財政風險，是世界各國財政管理中的問題，財政風險問題處理不好就會引發歐債危機、“財政懸崖”之類的財政危機。因此，研究財政風險勢在必行。近年隨著信息技術的快速發展，作為影響財經領域十大信息技術之一的數據挖掘技術，在財經領域中的應用越來越廣泛（李斐然，2020）。在信息化技術支撐和影響下，在融入人工智能、數據挖掘技術的背景下，挖掘財政風險形成機理與原因，研究規避財政風險的路徑具有重要的現實意義。

二、國內外現狀研究

財政風險運行狀態可以通過建立一套風險指標體系來衡量。如何從財政風險相關的眾多因素中挑選出最為密切相關的影響因子從而確定其風險指標，以及如何從眾多的風險指標中挑選出具有科學性、合理性、完整性、準確性和可操作性的指標來構建評價指標體系是一直以來研究的重點。關于財政風險的測度，Brixi（1998）首次提出財政風險矩陣，指出了政府債務中的隱形及或有負債問題。William等（2002）結合具體財務信息，通過對資產負債表的綜合匯總評估政府財政狀況和財政風險情況。歐林宏（2003）通過構建財政風險層次組合模型并進行模型演練，確認了構成財政風險的具有代表性的三種成因。洪源（2011）提出了對財政風險狀況進行數量評價與分析的方法，并結合運用風險因子法、層次分析法構建財政風險預警模型。章志平（2011）在深入剖析了灰色系統理論的基礎上，提出了用灰色系統理論評估地方政府性債務風險的方法。郭玉清（2011）將財政風險進行量化，根據量化后的指標對財政風險進行分析和防控。洪源（2011）以風險因子法和層次分析方法（AHP）作為非參數模型預警方法構建我國財政風險非參數預警系統，以有效識別財政風險。孫立新（2012）提出采用BP神經網絡方法來構建地方財政風險預警模型，實現了對未來財政風險狀態進行預測的功能。王彩麗（2017）提出了財政風險的因素指標化，在構建非參數模型財政風險評估系統基礎上計算各風險子系統的風險指數和財政風險的綜合指數。肖聰（2017）以新預算法為前提，構建出一套適用于西安的地方政府債務風險預警指標體系。劉海申（2020）針對我國地方政府隱性債務風險進行了分析，并提出了對地方政府隱性債務風險化解建議。對于風險成因的研究，王喬（2020）指出，鑒于財政風險存在很多不確定性因素，例如新冠疫情影響，需要從財政政策角度規避財政風險積聚。文宗瑜等（2021）倡導以預算環節為突破口，通過控制政府債券等財政支出降低償債風險。

三、財政風險預測思路

首先，構建融合多源數據的地方財政風險綜合指標集。根據地方財政風險的不同特征，我們將地方財政風險數據源分成五大類。第一類，財政收入風險。衡量財政收入風險大小的一個重要指標是財政收入占國內生產總值的比重。并非財政收入越高，財政風險越低。我國在2020年已經成為世界上財政收入第二大國，財政收入過高會帶來潛在的外交風險。第二類，財政支出風險。財政支出風險主要包括財政支出規模風險和財政支出結構風險兩方面。支出規模過大，容易造成負債隱患；支出規模過小，可能會影響政府的正常職能的運行。支出結構不合理，會導致財政資源的低效配置，出現資金的相對浪費和短缺。第三類，財政赤字風險。財政赤字指標是財政支出大于財政收入而出現的差額，赤字越大，說明財政資金短缺越多，面臨的財政風險越大。第四類，財政債務風險。財政債務風險主要表現為債務規模風險和債務結構風險兩方面。債務規模過大會導致政府債務風險加大，使籌資成本或借款利率提升。另外，國債轉貸資金、對外借款、各種政府融資平臺債務等都會影響債務結構風險。第五類，財政政策風險。鑒于財政風險受外界環境影響，存在很多不可控因素，例如新冠疫情等，因此財政政策的完善性、全面性、適應性等會影響財政風險的產生。也就是說，財政政策目標的制定、政策主體行為的規范性、政策工具的選擇和運用都是財政政策風險的影響因素，財政政策風險具有較強的主觀性。其次，構建基于多層次模糊評判法的財政風險測算體系。通過將構建的融合多源數據的地方財政風險綜合指標集與國際通行的風險指標進行比較，選取合理的、可操作性的、動態、靜態的財政風險指標，結合主流的層次分析法、主成分分析法、BP神經網絡算法等，合理準確確定各層指標，在評估并確定各層指標權重的基礎上，構建地方財政風險測算模型，對保證地方政府財政的可持續性具有重要意義。最后，圍繞財政風險的成因、財政風險指標體系研究內容以及各指標權重等提出規避財政風險的對策和建議。

四、財政風險預測路徑研究

1.構建財政風險指標體系

財政風險指標體系構建需要遵從以下原則。第一，科學性原則，即選取指標能夠具有足夠的權威代表性，能夠成為一個有機整體，能夠符合有關財政、風險方面的基本理論。指標體系構建過程中所涉及的指標定義、指標分類、指標收集、指標計算等都必須真實可靠，有科學依據。第二，可操作性原則，即所選取的財政風險指標既能相對完整，又要高度概括、數量有限，能夠被具體量化或概化。并且指標支撐數據能通過網絡、應用系統、數據庫等方式獲取，數據具備及時性、真實性。第三，實用性原則，即財政風險指標體系的設計必須符合研究我國財政或地方財政的客觀實際情況，具有較強的研究意義。第四，系統性原則，堅持全局意識，財政風險指標體系要綜合地反映財政風險中各子系統、各要素的內容，把財政風險看成是一個受多種因素相互作用、相互制約的系統指標來進行綜合分析。并且需要保證所選指標維度之間在描述財政運行狀態時不能相互重復，確保指標的唯一性。第五，層次性原則，即財政風險指標體系自身的多重性和評價體系的層次性。首先，指標要從整體層次上體現財政風險評價目標；其次，指標設計時考慮指標間的層次遞進關系，通過梯度準確反映財政風險指標間的層級關系，這樣既能避免指標間的相容性又能保證指標體系的全面性和科學性。

2.構建多層次風險指標分析結構模型

由于財政風險指標體系指標內容繁雜、涉及范圍廣泛、影響因素眾多，既包含動態財政風險指標，又存在靜態財政風險指標，指標之間存在多個層級關系，因此適用于使用層次分析法AHP進行指標分層和指標評價。首先，根據指標間的相互關聯關系以及隸屬關系將財政分線指標按不同層次聚集組合，形成一個多層次的分析結構模型；其次，在對每一層級、每一類進行比較評價的基礎上，再對各類評價結果進行綜合評價，從而實現從底層原始指標到上層核心因素的分析匯總。使用該方法能將財政風險分析問題歸結到最低層（影響指標的措施、制度等），并根據該風險指標對于最高層（總目標）的相對重要性設定指標權重。

3.確定風險指標權重

4.確定風險決策權重

BP神經網絡無須事前揭示描述神經網絡映射關系的數學方程，在處理中能存儲大量的輸入-輸出模式映射關系并實現自我學習，因此可以使用BP神經網絡來識別和訓練財政風險指標對帶來風險的決策權重，通過反向傳播實現網絡權值和閾值的不斷調整。將財政風險指標輸入和輸出采用BP神經網絡方法確定財政風險指標對帶來風險的決策權重。

五、防范財政風險建議

1.完善財政政策

面對新冠疫情的突然沖擊，財政經濟出現前所未有的嚴峻形勢。雖然在我國政府引領下，各地及時落實政策基本避免了由此引發的財政風險，但也同時對財政政策的創新性、前瞻性和可持續性提出了更高的要求。需要預先判斷財政發展態勢，分析未來可能的發展方向，結合大數據等技術提高預測的準確性、及時性，為財政政策的出臺、完善和實施提供支撐。

2.控制財政赤字規模

財政赤字是財政風險最明顯的外在表現形式。可控、規模較小的財政赤字有利于政府進行宏觀調整，實現經濟增長；不可控、規模較大的政赤字會導致政府職能受到影響、引發財政危機。因此，各地需要嚴格分析當地財政預算水平，嚴格控制財政赤字。

3.加強政府債務管理

對于政府債務管理，主要從以下兩點來運行。首先，完成政府債務梳理，合理制定債務償還計劃，避免出現集中償還而引發的財政風險。審計已有債務的運行狀態、運行效率、管理效果，確保不偏離正常軌道。其次，在以后的政府債務發行、償還中，嚴格監管各種融資平臺，杜絕借助融資平臺舉借新的債務。

4.構建財政風險預警機制

科學規范的財政風險預警機制，有利于確保財政風險程度處在可控范圍，規避財政危機的發生。然而財政風險的抽象性、復雜性、隱蔽性和變化性，使財政風險很難被及時發現。在人工智能技術、數據挖掘技術、機器學習算法被廣泛使用的今天，通過使用科學的算法構建財政風險預警模型、建立財政風險預警機制，能夠及時獲取財政風險預警信息，降低財政危機發生的可能性。

六、結語

本文在緊密結合數據挖掘技術和財政風險的問題研究，在綜合考慮財政收入風險、財政支出風險、財政赤字風險、財政債務風險和財政政策風險等不同風險范圍的基礎上，提出構建融合多源數據的地方財政風險綜合指標集；通過選取動態、靜態的財政風險指標，緊密結合有效數據挖掘方法，如層次分析法、主成分分析法、BP神經網絡法等，構建地方財政風險測度模型，以確定風險指標權重和風險影響權重；并提出完善財政政策、構建財政風險預警機制等措施，為防范財政風險提供借鑒和參考。