基于数据挖掘的财政风险预测研究

许金玲

（北京理工大学珠海学院会计与金融学院，广东 珠海 519000）

一、研究目的和意义

继2000年的政府工作报告中明确指出要警惕和防范财政风险后，十六届五中全会明确要提高财政保障能力，就必须注意防范财政风险；十一届全国人大三次会议提出需要防范和化解潜在财政金融风险；自2014年我国进入新常态“三期叠加”阶段以来，防范政府债务风险成为重中之重；党的十九大中提出决胜全面建成小康社会的一项重要内容就是防范、化解重大风险。财政风险，是世界各国财政管理中的问题，财政风险问题处理不好就会引发欧债危机、“财政悬崖”之类的财政危机。因此，研究财政风险势在必行。近年随着信息技术的快速发展，作为影响财经领域十大信息技术之一的数据挖掘技术，在财经领域中的应用越来越广泛（李斐然，2020）。在信息化技术支撑和影响下，在融入人工智能、数据挖掘技术的背景下，挖掘财政风险形成机理与原因，研究规避财政风险的路径具有重要的现实意义。

二、国内外现状研究

财政风险运行状态可以通过建立一套风险指标体系来衡量。如何从财政风险相关的众多因素中挑选出最为密切相关的影响因子从而确定其风险指标，以及如何从众多的风险指标中挑选出具有科学性、合理性、完整性、准确性和可操作性的指标来构建评价指标体系是一直以来研究的重点。关于财政风险的测度，Brixi（1998）首次提出财政风险矩阵，指出了政府债务中的隐形及或有负债问题。William等（2002）结合具体财务信息，通过对资产负债表的综合汇总评估政府财政状况和财政风险情况。欧林宏（2003）通过构建财政风险层次组合模型并进行模型演练，确认了构成财政风险的具有代表性的三种成因。洪源（2011）提出了对财政风险状况进行数量评价与分析的方法，并结合运用风险因子法、层次分析法构建财政风险预警模型。章志平（2011）在深入剖析了灰色系统理论的基础上，提出了用灰色系统理论评估地方政府性债务风险的方法。郭玉清（2011）将财政风险进行量化，根据量化后的指标对财政风险进行分析和防控。洪源（2011）以风险因子法和层次分析方法（AHP）作为非参数模型预警方法构建我国财政风险非参数预警系统，以有效识别财政风险。孙立新（2012）提出采用BP神经网络方法来构建地方财政风险预警模型，实现了对未来财政风险状态进行预测的功能。王彩丽（2017）提出了财政风险的因素指标化，在构建非参数模型财政风险评估系统基础上计算各风险子系统的风险指数和财政风险的综合指数。肖聪（2017）以新预算法为前提，构建出一套适用于西安的地方政府债务风险预警指标体系。刘海申（2020）针对我国地方政府隐性债务风险进行了分析，并提出了对地方政府隐性债务风险化解建议。对于风险成因的研究，王乔（2020）指出，鉴于财政风险存在很多不确定性因素，例如新冠疫情影响，需要从财政政策角度规避财政风险积聚。文宗瑜等（2021）倡导以预算环节为突破口，通过控制政府债券等财政支出降低偿债风险。

三、财政风险预测思路

首先，构建融合多源数据的地方财政风险综合指标集。根据地方财政风险的不同特征，我们将地方财政风险数据源分成五大类。第一类，财政收入风险。衡量财政收入风险大小的一个重要指标是财政收入占国内生产总值的比重。并非财政收入越高，财政风险越低。我国在2020年已经成为世界上财政收入第二大国，财政收入过高会带来潜在的外交风险。第二类，财政支出风险。财政支出风险主要包括财政支出规模风险和财政支出结构风险两方面。支出规模过大，容易造成负债隐患；支出规模过小，可能会影响政府的正常职能的运行。支出结构不合理，会导致财政资源的低效配置，出现资金的相对浪费和短缺。第三类，财政赤字风险。财政赤字指标是财政支出大于财政收入而出现的差额，赤字越大，说明财政资金短缺越多，面临的财政风险越大。第四类，财政债务风险。财政债务风险主要表现为债务规模风险和债务结构风险两方面。债务规模过大会导致政府债务风险加大，使筹资成本或借款利率提升。另外，国债转贷资金、对外借款、各种政府融资平台债务等都会影响债务结构风险。第五类，财政政策风险。鉴于财政风险受外界环境影响，存在很多不可控因素，例如新冠疫情等，因此财政政策的完善性、全面性、适应性等会影响财政风险的产生。也就是说，财政政策目标的制定、政策主体行为的规范性、政策工具的选择和运用都是财政政策风险的影响因素，财政政策风险具有较强的主观性。其次，构建基于多层次模糊评判法的财政风险测算体系。通过将构建的融合多源数据的地方财政风险综合指标集与国际通行的风险指标进行比较，选取合理的、可操作性的、动态、静态的财政风险指标，结合主流的层次分析法、主成分分析法、BP神经网络算法等，合理准确确定各层指标，在评估并确定各层指标权重的基础上，构建地方财政风险测算模型，对保证地方政府财政的可持续性具有重要意义。最后，围绕财政风险的成因、财政风险指标体系研究内容以及各指标权重等提出规避财政风险的对策和建议。

四、财政风险预测路径研究

1.构建财政风险指标体系

财政风险指标体系构建需要遵从以下原则。第一，科学性原则，即选取指标能够具有足够的权威代表性，能够成为一个有机整体，能够符合有关财政、风险方面的基本理论。指标体系构建过程中所涉及的指标定义、指标分类、指标收集、指标计算等都必须真实可靠，有科学依据。第二，可操作性原则，即所选取的财政风险指标既能相对完整，又要高度概括、数量有限，能够被具体量化或概化。并且指标支撑数据能通过网络、应用系统、数据库等方式获取，数据具备及时性、真实性。第三，实用性原则，即财政风险指标体系的设计必须符合研究我国财政或地方财政的客观实际情况，具有较强的研究意义。第四，系统性原则，坚持全局意识，财政风险指标体系要综合地反映财政风险中各子系统、各要素的内容，把财政风险看成是一个受多种因素相互作用、相互制约的系统指标来进行综合分析。并且需要保证所选指标维度之间在描述财政运行状态时不能相互重复，确保指标的唯一性。第五，层次性原则，即财政风险指标体系自身的多重性和评价体系的层次性。首先，指标要从整体层次上体现财政风险评价目标；其次，指标设计时考虑指标间的层次递进关系，通过梯度准确反映财政风险指标间的层级关系，这样既能避免指标间的相容性又能保证指标体系的全面性和科学性。

2.构建多层次风险指标分析结构模型

由于财政风险指标体系指标内容繁杂、涉及范围广泛、影响因素众多，既包含动态财政风险指标，又存在静态财政风险指标，指标之间存在多个层级关系，因此适用于使用层次分析法AHP进行指标分层和指标评价。首先，根据指标间的相互关联关系以及隶属关系将财政分线指标按不同层次聚集组合，形成一个多层次的分析结构模型；其次，在对每一层级、每一类进行比较评价的基础上，再对各类评价结果进行综合评价，从而实现从底层原始指标到上层核心因素的分析汇总。使用该方法能将财政风险分析问题归结到最低层（影响指标的措施、制度等），并根据该风险指标对于最高层（总目标）的相对重要性设定指标权重。

3.确定风险指标权重

4.确定风险决策权重

BP神经网络无须事前揭示描述神经网络映射关系的数学方程，在处理中能存储大量的输入-输出模式映射关系并实现自我学习，因此可以使用BP神经网络来识别和训练财政风险指标对带来风险的决策权重，通过反向传播实现网络权值和阈值的不断调整。将财政风险指标输入和输出采用BP神经网络方法确定财政风险指标对带来风险的决策权重。

五、防范财政风险建议

1.完善财政政策

面对新冠疫情的突然冲击，财政经济出现前所未有的严峻形势。虽然在我国政府引领下，各地及时落实政策基本避免了由此引发的财政风险，但也同时对财政政策的创新性、前瞻性和可持续性提出了更高的要求。需要预先判断财政发展态势，分析未来可能的发展方向，结合大数据等技术提高预测的准确性、及时性，为财政政策的出台、完善和实施提供支撑。

2.控制财政赤字规模

财政赤字是财政风险最明显的外在表现形式。可控、规模较小的财政赤字有利于政府进行宏观调整，实现经济增长；不可控、规模较大的政赤字会导致政府职能受到影响、引发财政危机。因此，各地需要严格分析当地财政预算水平，严格控制财政赤字。

3.加强政府债务管理

对于政府债务管理，主要从以下两点来运行。首先，完成政府债务梳理，合理制定债务偿还计划，避免出现集中偿还而引发的财政风险。审计已有债务的运行状态、运行效率、管理效果，确保不偏离正常轨道。其次，在以后的政府债务发行、偿还中，严格监管各种融资平台，杜绝借助融资平台举借新的债务。

4.构建财政风险预警机制

科学规范的财政风险预警机制，有利于确保财政风险程度处在可控范围，规避财政危机的发生。然而财政风险的抽象性、复杂性、隐蔽性和变化性，使财政风险很难被及时发现。在人工智能技术、数据挖掘技术、机器学习算法被广泛使用的今天，通过使用科学的算法构建财政风险预警模型、建立财政风险预警机制，能够及时获取财政风险预警信息，降低财政危机发生的可能性。

六、结语

本文在紧密结合数据挖掘技术和财政风险的问题研究，在综合考虑财政收入风险、财政支出风险、财政赤字风险、财政债务风险和财政政策风险等不同风险范围的基础上，提出构建融合多源数据的地方财政风险综合指标集；通过选取动态、静态的财政风险指标，紧密结合有效数据挖掘方法，如层次分析法、主成分分析法、BP神经网络法等，构建地方财政风险测度模型，以确定风险指标权重和风险影响权重；并提出完善财政政策、构建财政风险预警机制等措施，为防范财政风险提供借鉴和参考。