金融活,经济活;金融稳,经济稳。守住不发生系统性金融风险的底线,既是习近平新时代中国特色社会主义思想在金融领域的根本要求,又是我国三大攻坚战之首,同时也是当前我国政府所面临的重要工作之一。地方政府债务风险作为金融市场系统性风险的重要组成部分,因此防控地方政府债务风险是防控系统性金融风险的题中应有之义。而目前我国地方政府债务呈余额高且增速快的特点,引发各界对我国地方政府债务风险的担忧。若不及时防控任其发展,这将给地方政府财政系统带来巨大的挑战;严重的话还会爆发地方政府债务偿还危机,这将给我国的稳定发展带来巨大的负面效应。而有效地管理地方政府债务风险,开展债务风险预警研究是十分重要且必要的,因为它不仅可以助力于守住不发生系统性金融风险的底线,以促进我国经济稳步、健康地发展,还有益于地方政府准确识别自身所面临的债务风险,从而合理地安排其债务的举借、使用与偿还,以充分发挥地方政府债务资金对地方经济发展的正面效应。而现有地方政府债务风险预警研究多呈“片状式”范畴,其割裂了债务风险预警各个环节,特别是忽略了对地方政府债务风险来源的分析与度量,然而众所周知,债务风险来源分析与风险度量对风险预警研究来说都是极其重要且不可或缺的。基于此,本文作出了以下改进处理,以期提升我国地方政府债务风险预警研究的准确性:首先,为加强对债务风险的来源分析与度量,本研究基于全域的思想,更加细致地从地方政府债务的举借、使用、偿还环节筛选风险因子,并依此为据构建了我国地方政府债务风险特征指标体系;同时考虑到主客观赋权法各有利弊,为使特征指标赋权更加公正,以实现主、客观的统一,本研究采用了组合赋权法计算各地方政府债务风险综合评价值,实现了对我国地方政府债务风险准确且合理地度量。其次,在构建预警模型环节中,本文在考虑样本数据点和SVM模型独特优越性的基础上,选择了SVM模型作为研究的基础模型。然而任何一种模型无论它多优秀,它均存在可改进的地方。故针对SVM模型存在的不足,本文将SMOTE算法与聚类欠采样法相结合,提出一种混合抽样法以克服传统SVM模型在处理类别分布不均衡数据的不足,除此外,考虑到预警模型参数选择将显著地影响预警研究的准确性,本文又引入了GWO算法对模型进行再改进,为模型选择最优的惩罚因子C与核函数参数g。以上改进研究,使得本文不仅能更好地为地方政府防控债务风险提供决策支撑,而且能更好地助力我国牢牢守住不发生系统性金融风险的底线。同现有的研究相比,本研究主要有以下几方面的不同。第一,本文基于全域思想,更加细致地分析了地方政府债务风险来源,并综合应用各分析法准确地度量了我国地方政府债务风险,弥补了现有研究在这两方面的不足。第二,对现有预警模型进行了优化改进,首先引入混合抽样法,弥补传统SVM在处理类别分布不均衡样本时的缺陷;后又引入GWO算法,为传统SVM模型找寻到了最优的惩罚因子与核函数参数,以上两方面的改进显著地提升了模型的预测性能。同时与其他模型相比,基于改进SVM的预警模型拥有最小的均方误差、平均绝对误差以及平均绝对百分比误差,该模型对风险状态区间的预测正确率也高达100%,这表明本研究所构建的风险预警模型,能够准确地预测我国地方政府债务风险情况,故用该模型对我国地方政府债务风险开展预警研究是可行的、有效的。除此外,根据我国地方政府债务风险预警结果可知,当前我国各地方政府债务风险总体上处于可控制水平。但多数省级行政区债务风险综合评价值处于中度债务风险区间,这表明我国地方政府债务风险问题也不容小觑,因此各地方政府都应加强管理,切实依据各地情况合理地安排债务的举借、使用与偿还。