數(shù)據(jù)挖掘技術(shù)在地方政府債務(wù)風(fēng)險(xiǎn)研究中的應(yīng)用

何迪

摘 要： 為了科學(xué)、合理地對(duì)地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，提出基于數(shù)據(jù)挖掘技術(shù)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型。首先建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系，采用灰色關(guān)聯(lián)分析方法確定地方政府債務(wù)風(fēng)險(xiǎn)指標(biāo)的關(guān)聯(lián)系數(shù)；然后利用數(shù)據(jù)挖掘技術(shù)——神經(jīng)網(wǎng)絡(luò)自動(dòng)處理數(shù)據(jù)的優(yōu)點(diǎn)，建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型；最后通過實(shí)證分析驗(yàn)證模型的可信度。實(shí)證結(jié)果表明，與參比地方政府債務(wù)風(fēng)險(xiǎn)評(píng)估模型相比，該模型提高了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確性，加快了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的速度，可以有效降低地方政府債務(wù)風(fēng)險(xiǎn)，具有一定的推薦價(jià)值。

關(guān)鍵詞： 地方政府； 債務(wù)風(fēng)險(xiǎn)； 神經(jīng)網(wǎng)絡(luò)； 指標(biāo)體系； 灰色關(guān)聯(lián)分析法

中圖分類號(hào)： TN711?34； TP181 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）11?0099?04

Application of data mining technology in local government debt risk

HE Di

（Huludao Municipal Party School of the communist Party of China， Huludao 125000， China）

Abstract： In order to evaluate the local government debt risk scientifically and reasonably， a new local government debt risk evaluation model based on data mining technology is proposed. The index system of local government debt risk evaluation was established. The grey relational analysis method is used to determine the correlation coefficient of the local government debt risk index. The automatic data processing advantage of data mining technology （neural network） is used to establish the local government debt risk evaluation model. The reliability of the model was verified with empirical analysis. The empirical results show that， in comparison with other local government debt risk assessment models， the proposed model improves the accuracy of local government debt risk assessment， quickens the speed of the local government debt risk assessment， reduces the local government debt risk effectively， and has a certain recommended value.

Keywords： local government； debt risk； neural network； index system； grey relational analysis method

0 引 言

隨著我國經(jīng)濟(jì)的迅速發(fā)展，政府通過不斷融資加快地方的經(jīng)濟(jì)建設(shè)，這樣便形成了地方政府債務(wù)。據(jù)相關(guān)研究結(jié)果表明，現(xiàn)在地方政府均有不同規(guī)模的債務(wù)存在，此時(shí)地方政府債務(wù)風(fēng)險(xiǎn)就顯現(xiàn)出來[1]。地方債務(wù)風(fēng)險(xiǎn)對(duì)社會(huì)穩(wěn)定和國家經(jīng)濟(jì)安全帶來負(fù)面影響，如何對(duì)地方債務(wù)風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確評(píng)價(jià)，以便制定相應(yīng)的債務(wù)風(fēng)險(xiǎn)預(yù)警措施，引起了政府部門的高度重視[2]。

地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)可以劃分兩個(gè)階段：人工評(píng)價(jià)階段、計(jì)算機(jī)自動(dòng)評(píng)價(jià)階段[3]。人工評(píng)價(jià)階段主要根據(jù)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)方面的專家對(duì)地方債務(wù)存在的潛在風(fēng)險(xiǎn)進(jìn)行分析，然后對(duì)地方債務(wù)風(fēng)險(xiǎn)所處狀態(tài)給出相應(yīng)的值，最后根據(jù)值得到地方債務(wù)風(fēng)險(xiǎn)等級(jí)，該階段主要依懶于專家對(duì)某個(gè)地方債務(wù)風(fēng)險(xiǎn)知識(shí)評(píng)價(jià)結(jié)果的好壞與知識(shí)的多少，而且與專家偏愛有關(guān)，使得地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果具有一定的主觀盲目性，經(jīng)驗(yàn)成分比較重，評(píng)價(jià)結(jié)果不客觀，可信度較低[4]。計(jì)算機(jī)自動(dòng)評(píng)價(jià)階段主要采用計(jì)算機(jī)技術(shù)、信息技術(shù)以及人工智能技術(shù)對(duì)地方債務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，自動(dòng)化程度高，評(píng)價(jià)速度快，而且評(píng)價(jià)結(jié)果更具客觀性，主要有聚類分析、模糊理論等[5?7]。實(shí)際應(yīng)用中，這些方法有一定的不足，就是地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)太多，評(píng)價(jià)過程十分復(fù)雜，實(shí)用性較弱。為了減少地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，近些年有學(xué)者提出采用層次分析和主成分分析等方法對(duì)指標(biāo)進(jìn)行預(yù)處理，把一些不重要的指標(biāo)去掉，但層次分析法和主成分分析法無法客觀描述每一種指標(biāo)對(duì)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的重要程度。灰色關(guān)聯(lián)分析是一種性能良好的因子處理方法，可以對(duì)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行分析，確定每一種指標(biāo)對(duì)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的重要程度。數(shù)據(jù)挖掘技術(shù)中的RBF神經(jīng)網(wǎng)絡(luò)具有良好的非線性擬合能力，可以對(duì)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果與指標(biāo)之間的變化關(guān)系進(jìn)行描述，為地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究提供了一種新的工具[8]。

為了科學(xué)、合理地對(duì)地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，提出基于數(shù)據(jù)挖掘技術(shù)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，實(shí)證結(jié)果表明，該模型提高了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確性，加快了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的速度。

1 地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)問題的描述

地方政府債務(wù)風(fēng)險(xiǎn)與很多種指標(biāo)相關(guān)，不同指標(biāo)對(duì)地方政府債務(wù)風(fēng)險(xiǎn)影響程度不同。設(shè)評(píng)價(jià)指標(biāo)共有個(gè)，可以表示為，同時(shí)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)之間也存在一定影響，導(dǎo)致地方政府債務(wù)風(fēng)險(xiǎn)變化具有時(shí)變性、隨機(jī)性，因此，地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)可以描述為：

（1）

式中：為地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)變化特點(diǎn)的擬合函數(shù)[9]。

要建立性能優(yōu)異的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，有兩個(gè)關(guān)鍵問題需要解決：

（1） 設(shè)計(jì)最科學(xué)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，本研究選擇灰色關(guān)聯(lián)分析方法實(shí)現(xiàn)指標(biāo)的構(gòu)建；

（2） 設(shè)計(jì)能夠準(zhǔn)確描述地方政府債務(wù)風(fēng)險(xiǎn)值與評(píng)價(jià)指標(biāo)之間聯(lián)系的學(xué)習(xí)方法，在研究中采用RBF神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)方法。

2 地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型的具體設(shè)計(jì)與實(shí)現(xiàn)

2.1 設(shè)計(jì)地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)

地方政府是一個(gè)全國性的大問題，對(duì)一個(gè)地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，既要體現(xiàn)通用性，同時(shí)又要符合一個(gè)地方的實(shí)際情況，因此通常在對(duì)地方政府債務(wù)風(fēng)險(xiǎn)進(jìn)行分析的基礎(chǔ)上，選擇一些描述債務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)，具體如圖1所示[10]。

2.2 灰色關(guān)聯(lián)分析

從圖1可知，地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)很多，它們對(duì)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果影響程度不一樣，灰色關(guān)聯(lián)分析可以判斷兩個(gè)指標(biāo)之間的關(guān)系是否緊密，如果關(guān)系越緊密，那么表示兩個(gè)指標(biāo)之間的關(guān)聯(lián)度越大，不然，兩個(gè)指標(biāo)之間的關(guān)聯(lián)度越小。

（1） 設(shè)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的母因子序列和子因子序列分別為：

（2）

（3）

式中表示樣本的數(shù)量。

圖1 債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系

對(duì)于個(gè)數(shù)據(jù)，它們的序列形成如下矩陣形式：

（4）

（2） 地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的量綱是不同的，為了保證灰色關(guān)聯(lián)分析結(jié)果的可靠性，對(duì)地方政府債務(wù)風(fēng)險(xiǎn)原始數(shù)據(jù)進(jìn)行無量綱化處理，即：

（5）

（6）

那么式（4）的無量綱化結(jié)果為：

（7）

（3） 求序列的絕對(duì)差值[11]為：

（8）

所有絕對(duì)差值矩陣構(gòu)成如下序列：

（9）

（4） 絕對(duì)差值矩陣中最大數(shù)和最小數(shù)分別如下：

（10）

（11）

（5） 計(jì)算關(guān)聯(lián)系數(shù)：

（12）

式中為分辨系數(shù)。

（6） 計(jì)算灰色關(guān)聯(lián)系數(shù)：

（13）

2.3 RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)是一種基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最大原理的前饋神經(jīng)網(wǎng)絡(luò)，有良好的非線性擬合能力，通常為三層結(jié)構(gòu)，隱含層節(jié)點(diǎn)的激活函數(shù)選擇高斯函數(shù)，即：

（14）

RBF神經(jīng)網(wǎng)絡(luò)的輸出層結(jié)果為：

（15）

設(shè)和分別為輸入數(shù)據(jù)和輸出數(shù)據(jù)；表示隱含層與輸出層神經(jīng)元之間的權(quán)值，RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程分為兩個(gè)階段，具體為：

（1） 采用K?means聚類算法確定隱含層數(shù)據(jù)聚類中心。

（2） 采用有監(jiān)督學(xué)習(xí)算法確定輸出層的權(quán)值。

2.4 數(shù)據(jù)挖掘技術(shù)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型

基于數(shù)據(jù)挖掘技術(shù)的地方債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型的工作原理為：首先根據(jù)相關(guān)研究建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系；然后采用灰色關(guān)聯(lián)分析方法確定地方政府債務(wù)風(fēng)險(xiǎn)指標(biāo)的影響程度，利用數(shù)據(jù)挖掘技術(shù)——神經(jīng)網(wǎng)絡(luò)建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，具體如圖2所示。

3 地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的驗(yàn)證分析

3.1 實(shí)驗(yàn)對(duì)象

對(duì)圖1中的評(píng)價(jià)指標(biāo)采用進(jìn)行描述，地方政府債務(wù)風(fēng)險(xiǎn)等級(jí)劃分為5種，如表1所示。

選擇20個(gè)城市的政府債務(wù)風(fēng)險(xiǎn)作為實(shí)驗(yàn)對(duì)象，由于篇幅有限，10個(gè)評(píng)價(jià)指標(biāo)值沒有列出，只列出了地方政府債務(wù)風(fēng)險(xiǎn)的值，如圖3所示。

3.2 評(píng)價(jià)指標(biāo)的灰色關(guān)聯(lián)分析

根據(jù)灰色關(guān)聯(lián)分析方法工作的步驟，計(jì)算10個(gè)原始的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的關(guān)聯(lián)系數(shù)，得到的結(jié)果如表2所示。從表2可知，每一個(gè)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的關(guān)聯(lián)系數(shù)值不相同，說明它們與地方政府債務(wù)風(fēng)險(xiǎn)之間的聯(lián)系程度各異，對(duì)各指標(biāo)進(jìn)行排序，選擇最大的6個(gè)關(guān)聯(lián)系數(shù)的指標(biāo)值作為RBF輸入向量，建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型。

3.3 結(jié)果分析

根據(jù)灰色關(guān)聯(lián)分析的結(jié)果，刪除原始樣本中的其他指標(biāo)數(shù)據(jù)，減少地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的參評(píng)指標(biāo)數(shù)量，采用RBF神經(jīng)網(wǎng)絡(luò)建立地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，得到的評(píng)估結(jié)果如圖4所示，從圖4可以發(fā)現(xiàn)，地方政府債務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)值與實(shí)際值的曲線擬合得很好，能夠準(zhǔn)確反映地方政府債務(wù)風(fēng)險(xiǎn)變化特點(diǎn)，估計(jì)精度高，實(shí)驗(yàn)結(jié)果證明，通過灰色關(guān)聯(lián)分析法可以得到對(duì)地方政府債務(wù)風(fēng)險(xiǎn)影響程度高的指標(biāo)，消除了無用指標(biāo)對(duì)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的干擾，使得地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果更加可信。

選擇文獻(xiàn)[8]、文獻(xiàn)[9]以及文獻(xiàn)[12]的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行對(duì)比分析，統(tǒng)計(jì)它們的評(píng)價(jià)精度和訓(xùn)練時(shí)間，結(jié)果如表3所示。相對(duì)于參比地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，本文模型的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)精度相對(duì)更高，并且在一定程度上減少了評(píng)價(jià)執(zhí)行時(shí)間，具有比較明顯的優(yōu)越性。

4 結(jié) 語

債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)對(duì)于地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警具有重要的指導(dǎo)作用，由于債務(wù)風(fēng)險(xiǎn)受到經(jīng)濟(jì)、地方政策、國家的法律等多種因素的影響，具有隨機(jī)變化特點(diǎn)，而且指標(biāo)與地方政府債務(wù)風(fēng)險(xiǎn)聯(lián)系緊密程度不同，使得當(dāng)前方法無法建立科學(xué)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型。結(jié)合灰色關(guān)聯(lián)分析方法和RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出基于數(shù)據(jù)挖掘技術(shù)的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型。應(yīng)用實(shí)例研究結(jié)果表明，該模型采用灰色關(guān)聯(lián)分析確定地方政府債務(wù)風(fēng)險(xiǎn)指標(biāo)影響程度，去除了一些不重要的地方政府債務(wù)風(fēng)險(xiǎn)指標(biāo)，使得地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)數(shù)量減少，并采用RBF神經(jīng)網(wǎng)絡(luò)描述地方政府債務(wù)風(fēng)險(xiǎn)的隨機(jī)變化特點(diǎn)，降低了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的誤差，提高了地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確性，使得地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果更加可信，可以為地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警提供有價(jià)值的參考消息，是一種有效的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型。

參考文獻(xiàn)

[1] 李昊，遲國泰，路軍偉.我國地方政府債務(wù)風(fēng)險(xiǎn)及其預(yù)警：問題及對(duì)策[J].經(jīng)濟(jì)經(jīng)緯，2010（2）：126?129.

[2] 張博.全面深化改革背景下政府績效評(píng)估制度的改進(jìn)[J].理論探討，2014（3）：155?156.

[3] 馬駿，劉亞平.中國地方政府財(cái)政風(fēng)險(xiǎn)研究：“逆向軟預(yù)算約束”理論的視角[J].學(xué)術(shù)研究，2005（11）：77?84.

[4] 孫芳城，李松濤.基于風(fēng)險(xiǎn)防范的地方政府債務(wù)會(huì)計(jì)體系研究[J].財(cái)政監(jiān)督，2010（20）：5?8.

[5] 衛(wèi)志民.中國地方政府性債務(wù)：風(fēng)險(xiǎn)、成因與防范[J].河南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014（9）：25?31.

[6] 曹萍，周巧洪.公共選擇理論視角下地方政府債務(wù)風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)問題研究，2015（8）：62?68.

[7] 何雪鋒，何敏，王秀霞.基于熵權(quán)修正層次分析法的地方政府債務(wù)風(fēng)險(xiǎn)評(píng)估[J].財(cái)會(huì)通訊，2015（25）：77?80.

[8] 趙樹寬，李婷婷.應(yīng)用AHP模糊評(píng)價(jià)法對(duì)地方政府債務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)研究[J].社會(huì)科學(xué)輯刊，2014（1）：122?125.

[9] 高英慧，高雷阜.基于混沌理論的地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警管理研究[J].社會(huì)科學(xué)輯刊，2013（4）：42?46.

[10] 于之虹，郭志忠.基于數(shù)據(jù)挖掘理論的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[J].電力系統(tǒng)自動(dòng)化，2003，27（8）：45?48.

[11] 晏密英，桂衛(wèi)華，陽春華.基于灰色關(guān)聯(lián)和改進(jìn)SVM的鈷離子濃度預(yù)測(cè)研究[J].儀器儀表學(xué)報(bào)，2011，32（5）：961?967.

[12] 洪源，劉興琳.地方政府債務(wù)風(fēng)險(xiǎn)非線性仿真預(yù)警系統(tǒng)的構(gòu)建：基于粗糙集?BP神經(jīng)網(wǎng)絡(luò)方法集成的研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（3）：1?10.