地方政府债务风险非线性先导预警系统的构建与应用研究

研究目标:构建地方政府债务风险非线性先导预警系统。研究方法:运用TOPSIS-AHP法和K-均值聚类法测算我国20062016年30个省份地方政府债务综合风险输出评估样本值,运用噪声信号比法进行预警输入指标的精简筛选,然后将预警输入和输出样本数据导入GA-BP神经网络中开展债务风险预警的训练和检验。研究发现:将前置一年的预警输入指标样本值输入构建的GA-BP神经网络中,预警系统的风险输出值平均误差为-0.0375,输出风险状态区间判断的准确率为93.33%,构建的债务风险预警系统具有较强的精确性和先导预警性。研究创新:借鉴"非线性先导法"的预警思想,从债务运行的"举借—使用—偿还"环节出发,基于风险链视角设计了地方政府债务风险预警指标体系,在此基础上,利用软计算方法集成技术来构建符合地方政府债务风险非线性本质的先导预警系统。研究价值:运用构建的债务风险非线性先导预警系统开展我国"十三五"时期地方政府债务风险预测评估,据此提出有针对性的地方政府债务风险的防范化解建议。