论文部分内容阅读
【关键词】 地方政府债务; 风险估算; TOPSIS; 预警系统
【中图分类号】 F812 【文献标识码】 A 【文章编号】 1004-5937（2021）22-0073-06
一、引言
一直以来，地方政府债务风险都是地方经济发展绕不开的问题。党的十九大提出2017—2020年是全面建成小康社会决胜期，要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战。2017年中央经济工作会议指出金融风险是防范重大风险的重点，2018年中央经济工作会议强调稳妥处理地方政府债务风险问题。2018年12月全国财政工作会议强调继续打好三大攻坚战，严格控制地方政府隱性债务，有效防治财政金融风险。可见，防范化解金融风险尤其是地方政府债务风险是当前及今后一段时期我国经济金融领域的重要任务[ 1 ]。新《预算法》出台以后，政府债务风险问题成为学者的关注重点。但我国各个地方政府债务规模仍然庞大，地方政府债务风险具有隐蔽性强、破坏力大等特征。历史经验表明，当某一区域或领域的债务水平过高时，会产生违约行为，容易引发一系列连锁反应，最终形成系统性风险[ 2 ]。因此，如果能对地方政府债务风险水平进行准确的估算，并且能设计一个在风险即将达到危险临界值时及时提醒的预警系统，就可以避免产生过大风险，这对我国控制系统性金融风险，促进经济发展有重要意义。
本文以优劣解距离法（TOPSIS）为基础，设计出一套完善的政府债务风险预警系统，以中部某省T区政府为例，提取2016—2018年政府债务相关数据进行预警分析，对其风险展开测度、评级。结果表明，该区整体的债务风险处于中等水平及以下，属于可控范围，但是2017年和2018年已经接近高风险水平临界值，这种情况应该予以重视，要及时发现问题、解决问题，将风险长期控制在可控水平。本文具体研究意义有以下两点：首先，目前大部分关于债务风险的评价系统都会使用到专家意见法等偏主观性的评价模式，而本文方法摒弃了主观因素，采用更为客观的方式对债务风险展开预警研究;其次，在以优劣解距离法为核心的预警系统当中，增加或减少评价指标极为便利，这让此方法运用到实际中时可以更好地适应不同地区的经济情况，做到因地制宜。
二、文献综述
随着对政府债务风险的研究逐渐深入，构建预警系统在实际运用中已经成为控制风险的有效手段之一。目前我国已有研究大致分为两类[ 3 ]：
一类是针对我国地方债务总体风险展开的研究。孙克竞[ 4 ]采用VAR模型对我国各省级政府负债数据展开分析，探究长期负债成因，最终得出结论，政府长期负债主要是由现行财政系统与政府财政支出这两项共同导致的。李腊生等[ 5 ]、何德旭和王学凯[ 6 ]采用KMV模型对多个省市的政府债务风险数据展开分析，得出类似结论，地方政府并不存在财务风险可能，更多承担的是道德风险。庞晓波和李丹[ 7 ]从债务负担率指标出发，对中央政府和地方政府同时展开测度，发现虽然中央政府存在资金配置效率较低的问题，但中央和地方政府的债务风险都处于可控水平。虽然上述大多研究表明我国政府债务风险总体处于可控水平，但仍然有部分学者认为其中存在的债务风险不容小觑。李爽[ 8 ]采用MATLAB软件，结合层次分析法和红绿灯预警模型对30个省市地区债务风险进行分析，发现目前我国已经不存在无风险地区，并有约一半的地区债务风险处于红色警戒区。另一类是针对政府债务管理方面的研究。张同功[ 9 ]创建了柔性评价指标系统来评估我国政府债务，利用红绿灯预警系统和风险指数模型对其进行评价和预警，依照评价结果针对政府债务管理提出建议。刘金林等[ 10 ]通过比较我国不同政府的债务规模、债务结构和管理政策，总结出更优化的政府债务管理模式，为我国地方政府债务风险管理提供了理论基础。徐占东和王雪标[ 11 ]根据投资组合理论和伊藤定理，针对地方政府债务违约可能性创建了测算模型，发现地方政府债务违约的主要影响因素为税收收入和其他收入，债务期限越长，按期偿还的概率越大。
上述研究采用的都是较大范围区域的数据总量，从宏观角度出发展开分析，大多此类研究结论表明，我国政府债务并无重大风险，基本处于可控风险水平，但是我国不同地区经济状况有所不同，可能存在贫富差异，整体风险可控并不代表局部同样不存在举债风险。因此，为弥补这类空缺，学者做了更具针对性的地区性债务预警分析。代表性的研究有：何涌和陈梦颖[ 12 ]在采用QCA法对湖南省地区地方政府债务影响因素展开研究后发现，单一的影响因素无法对地区债务风险形成重要影响，只有组合式的影响因素才能真正影响地方政府债务问题。刘文朝等[ 13 ]、张祥华等[ 14 ]使用KMV模型分别对重庆市与黑龙江省债务数据展开测度，结果表明总体风险尚处可控水平，但为了防控更大风险，控制债务额度极为重要，不仅如此，还需建立以专家系统和人工神经网络为核心的债务风险预警系统，以抑制隐性债务的过度增长。靳伟凤等[ 15 ]基于熵权法—理想解法—RBF神经网络的债务风险预警模型展开了对辽宁省2010—2022年政府债务的风险分析。谭云和王文姣[ 16 ]从地方政府举债的深层次原因出发，基于PCA主成分分析法构建成都市政府债务风险预警模型，发现成都目前政府债务风险尚处于可控水平。张小锋[ 17 ]在运用PCA方法对哈尔滨市债务情况进行研究时，发现哈尔滨市地方政府存在债务风险偏高、财政资金使用效率低下等问题。由此可见，我国不同地区发展差异明显，总体测度的结果乐观不代表没有任何地区存在风险，因此，更为细化的债务风险预警研究是必要的，否则当整体风险测度体现出问题时再展开防控措施可能为时已晚。
由于不同地区经济发展水平不同，在测度风险时所采用的评价指标不能一概而论，如发展较落后的地区可能会需要更高的政府负债来拉动当地城建及经济的发展。基于此，在现有研究基础上，本文运用综合评价法，构建较为完善的地方政府债务风险监测预警系统，以我国中部某省T区政府2016—2018年债务数据为例，对地方政府债务风险预警分析进行深入探究，并根据量化结果展开针对性的预警机制研究。
三、地方政府债务风险监测预警系统构建
（一）综合评价方法选择
随着构建风险预警系统在经济领域运用逐渐广泛，同时中央对地方政府举债问题越来越重视，学者认识到通过创建合理的地方政府债务预警系统来控制地方政府债务问题是有必要的。那么，选择合理的综合评价方法就成为其中关键。
目前经济研究中，综合评价方法有许多，包括层次分析法、模糊评价法等。针对政府债务，Stiglitz[ 18 ]根据举债获得资金的不同使用途径分析了债务风险的成因，我国学者王俊[ 19 ]通过KMV模型和VAR模型建立了地方政府债务风险预警系统，同时识别出隐藏在地方政府债务链背后的潜在风险。李斌等[ 2 ]对政府债务风险的评价则是以支持向量机为核心，同时结合专家意见法设置综合评价值。许争和戚新[ 20 ]选取了九个指标，采用模糊综合评价法与层次分析法将风险量化，以此来创建政府债务风险预警系统。上述方法虽然最终实现了研究目标，但还存在一定的不足：专家意见法客观性不足，不同的专家学者对同一问题常常会给出不同的意见;模糊综合评价法与层次分析法计算复杂，并且当指标数量较大时，结果容易产生误差，不够准确。通过对前人研究的分析与借鉴，本文最终选择采用TOPSIS综合评价法对债务风险展开分析，对每年的相关指标进行综合评价，量化风险，并在此基础上构建T区政府债务风险预警系统。
TOPSIS综合评价法，即优劣解距离法，由Hwang和Yoon[ 21 ]于1981年提出，是一种能充分利用原始数据，结果精确反映各评价结果之间差距的综合评价方法。在笔者挑选出能充分展现地方政府债务状况的指标后，运用TOPSIS综合评价法展开评价相对简单易行，无需依赖外部专家的主观意见，可以更加独立地生成分析结果，并且对数据分布和样本含量都无严格限制，后期如果需要增加或减少评价指标，此风险预警系统依旧能照常运行。综上所述，本文所设计的风险预警系统客观性和适应性较强，并且相对简单易行。
（二）指标选择
目前，我国地方政府举债方式繁多，包括通过融资平台或国有企业向银行贷款，以及发行公债等。本文以我国中部某省T区政府为对象展开对政府债务的研究，在选择T区政府债务风险预警分析指标时，遵循的原则包括重要性和相关性等。重要性即所选指标必须对地区债务风险程度具备重要影响，具体从政府债务偿还能力、财政创收能力等方面来考量;相关性指所选指标与债务风险水平高度相关，依靠这些指标得出的研究结果必须具备能准确表现实际风险水平的能力。基于上述原则，结合T区政府所在地区的市场环境与经济发展水平，本文选取负债率、债务率、偿债率、债务依存度、赤字率五个指标作为研究基础。同时，本文数据均来自地方政府及其对应的财政部门门户网站，所选择的指标及其对应的国际公认警戒线如表1所示。
（三）预警标识设计
一般而言，大部分学者划分风险临界值时都会采取国内外共识的警戒线为临界点。例如大家熟识的负债率指标，国际公认警戒线为60%，那么可能在许多研究中就直接采用60%为债务危机的临界点，其他指标也是类似。在得到每个指标的临界值后，代入各个综合得分分析公式计算出量化后的风险数值。最后再通过收集专家意见，对所处风险水平进行划分，得出结论。这样的方法的确在理论上是可行的，但也存在不少问题：第一，实际操作复杂;第二，专家给出的风险划分标准存在很大的主观性，不同专家学者可能存在很多不同的看法;第三，由于不同地区贫富差距悬殊，债务风险指标警戒线不可一概而论。2016年11月14日，国务院办公厅对外发布《地方政府性债务风险应急处置预案》，明确我国将把地方政府性债务风险事件划分为四个等级，并给出了发生不同等级债务危机时的应急预案，本文所设计的风险标准划分方法在四个风险层级的基础上，另外增加“无风险”层级，对综合评价结果展开分类。具体方法如下：以高于或低于平均值三倍标准差为分界线，将可能的结果分为高、中、低三个区间，如果风险超过可控区达到高风险水平，就可能引发系统性风险。由于本文结果得分是分数越高越安全，那么就将低于平均值三倍标准差的区间划分为危险风险区间，高于平均值三倍标准差的区间为无风险区间，中间区间为风险可控区。风险可控区另外细分为低、中、高区域，以高于或低于平均值一倍标准差为线。按照以上方法，就将风险分为五个层次，分别为无风险、低风险、中风险、高风险、危风险，辅以白色、绿色、蓝色、橙色、红色警示灯来表示其严重程度。如表2所示。
（四）基本步骤
本文建立的地方政府债务风险预警系统，以TOPSIS综合评价法为核心，结合风险程度划分系统对案例展开研究，为实际建立预警系统提供思路。具体步骤如下：
步骤一：通过实时监控及时获得预警系统所需指标的相关数据，计算出所需的各个指标值。
步骤二：通过TOPSIS综合评价法对当年的指标进行评价，最终得出一个年度债务风险评价值。
步骤三：用预设好的风险评价原则对当年的风险水平定级，决定其风险程度，如可以将风险分为低、中、高风险，并相应通过不同颜色的信号灯来体现严重程度。
步骤四：针对其风险程度决定是否要采取风险防控措施。
四、基于TOPSIS的T区政府债务风险预警分析
（一）T区政府财政数据统计
针对上述财政指标，本文以T区政府为例，查阅政府门户网站公开信息，得到2016—2018年三年有关财政的原始数据，容易算出所需要的五项财政指标（表3、表4）。
（二）TOPSIS综合评价分析
在得到T区政府2016—2018年各个债务风险检测指标后，利用TOPSIS法分年度对地方政府的债务风险展开综合评价。由于所监测的五项指标都属于极小型指标，要先将各个指标进行正向化处理，采用的正向化方法是，取一max值，用max减去Xi即将指标正向化处理。容易发现，除了债务依存度指标存在超过国際公认警戒线情况外，其余四项指标在这三年内均未过国际警戒线，因此这里除了债务依存度指标外，均将国际公认警戒线设为指标的max值，债务依存度指标则以三年中出现的最大值57.1%为max值。正向化后的检测指标如表5。 这时，就可以形成有五项评价指标的待评价对象集X=[X1，X2，X3]，所构成的正向化矩阵如下：
X=5.2 66.1 7.9 54.7 10.61.3 38.2 6.7 0 10.41.5 37.5 5.4 43.2 10.6
虽然已经得到了正向化后的各项指标，但是各个指标的量纲不同，在评价债务风险时不能简单相加或相乘处理，因此为消除不同指标量纲的影响，需要对已经正向化的矩阵进行标准化处理，那么把标准化的矩阵记为Z，Z中每个元素的标准化公式为：
Zij=Xij÷√∑Xij2
标准化后的矩阵如下：
Z=0.9342 0.7771 0.6763 0.7848 0.5810.2336 0.4491 0.5736 0.0000 0.5700.2695 0.4409 0.4623 0.6198 0.581
在得到标准化的矩阵后，需要定义出正理想值Z+与负理想值Z-，本文设正理想值Z+为每列最大值构成的集合，相应负理想值即为每列最小值构成的集合，因此正负理想值如下所示：
Z+=（0.9342，0.7771，0.6763，0.7848，0.581）
Z-=（0.2336，0.4409，0.4623，0，0.57）
接着测量待评价对象Xi的各个评价指标与正负理想值的距离。在以上矩阵定义出的五维空间中，应该采用欧式距离测量模式，第i个待评价对象Xi到正理想值Z+的距离D+i计算公式为：
D+i=√∑（Z+i-Zij）2
同样，第i个待评价对象Xi到负理想值Z-的距离D-i计算公式为：
D-i=√∑（Z-i-Zij）2
依照这两个公式，可以分别算出2016—2018年这三年的D+i与D-i值，如表6所示。
根据以上算出的各个待评价对象与正理想解和负理想解的距离，并根据以下公式得出第i个待评价对象未归一化的得分：
Si=D-i/（D+i+D-i）
很明显，0≤Si≤1，且Si越大D+i越小，即越接近最大值。在得到Si后，再将得分归一化处理，就能得到最终评分Pi，归一化公式如下：
Pi=Si/（S2016+S2017+S2018）
2016—2018年T区政府债务风险评价得分如表7。
（三）债务风险预警检测
在得到T区政府2016—2018年债务风险综合评价得分后，即可通过上文所设计出的预警标识系统对结论进行风险水平划分，T区政府2016—2018年債务风险情况预警结果如表8。
从表8结论不难看出，T区政府2016—2018年的政府债务风险水平大约处于中度风险水平，当债务风险预警系统显示出此级别风险时，相关部门应该予以重视，尽快查清债务风险成因，及时实施防治措施。不仅如此，仔细看这三年预警系统给出的T区政府债务风险的综合评价得分，除了处于低风险区间的2016年外，可以发现2017年和2018年虽然还处在中风险区间，但是距离中高风险的分界线0.2303已经较近了，就此评估结果而言，T区政府此三年内的债务总体状态并不容乐观，已经处在风险隐约爆发的边缘，急需加大防控力度，这样的情况若被忽视，很容易引发连锁反应乃至产生系统性风险。
（四）预警结果说明
上述预警结果与本文所选地区实际情况相符，据考察，T区政府2017—2018年的债务风险起因包括以下方面：第一，自2015年开始，国家大力推行PPP项目，当时在传统建设领域的PPP项目有近百个，而自2017年起，国家支持力度下降，政府未完工的PPP项目在银行贷款难度上升，额度下降，导致内部财政压力上升;第二，内部财报显示，2017年T区政府发现2016年相关平台公司审定净利润投资收益存在差异数千万元，考虑到影响金额较大，对其进行了追溯调整，选择调减平台公司盈余公积;第三，在T区政府辖区内，完工未决算的在建工程总价值超过五千万元。针对上述问题，为预防发生高债务风险，T区政府做出了相应风险处置措施：首先，及时召开会议，向专家团队请教了PPP项目整改推进过程中遇到的问题，同时下达了具体整改计划;其次，于2017年另外向国家开发银行短期信用贷款两亿元，缓解财政压力，同时通过T区政府平台公司发行了三年期城投债，为平台公司解决燃眉之急;最后，为降低自身或有负债，减少了为关联方担保的数量，以免影响自身贷款额度。
五、结语
本文以政府债务风险为研究对象，采用TOPSIS综合评价方法设计了有针对性的风险预警系统，并以我国中部某省T区政府2016—2018年有关债务数据为样本，对该地所面临的债务风险水平进行测试。从风险程度分类来看，测度的三年内T区政府分别有一年处于低风险水平、两年处于中风险水平，按照经验，中度风险水平代表举债政府已经出现可能无法及时偿付债务等信用问题，此类地区对当地举债问题应该予以足够的重视，严防信用风险、坏账过多等问题产生;从评估的综合得分来看，处于中度风险2017年和2018年更应该被关注，因为虽然其风险程度尚处于中风险，但其实量化风险后的综合评价得分距离高风险分界线已经很近，处在隐约爆发高风险的边缘状态，若不及时采取相对强硬的防控手段，一旦爆雷，对当地政府的信用以及地区经济的平稳发展都会造成一定的负面影响。
为避免达到可能引发系统性风险的风险水平，结合国家颁布的政府债务风险应急处置方案，针对不同风险段，短期处置方案建议如下。处置高风险水平响应手段：（1）细察近期增加的政府购买服务项目，叫停回报周期长、当前投入过多的个别计划，待经济问题回暖后另做计议;（2）适度“缩衣少食”，暂停如政府机关大院改造等非必要举债，缩减财政开支;（3）尝试以债券置换等方式延展债务偿还期限，渡过高压期。处置中风险水平相应手段：（1）处置不良资产;（2）减少“三公”消费开支;（3）暂减公务员部分福利，适当裁减公职编外员工;（4）勒令国企盘活存量资产，降低财务成本。处置低风险水平相应手段：勒令监管部门查明原因，对症下药，化解风险。 长期而言，防治地方政府债务风险要从多方面共同下手，尽管现在国家对防控此类风险的决心进一步加强，但是除去显而易见的政府债务外，地方政府往往还存在不少隐性债务。首先，要摸清楚举债的底数。为加强地方经济发展及基础设施建设，在中央财政拨款不足时，地方政府往往会选择通过平台公司贷款来自筹资金，此类债务难以被精确统计，因此在估算举债规模底数时，可以从政府举债投向入手，逆向计算，合理估算出举债的底数，这样的估算方法有利于在化解存量时分门别类地展开，逐个击破。其次，在摸清举债底数后，政府应该展开存量化解。面对隐性债建议通过发行债券等方式勇敢将隐性债转化为显性债务，虽然会在短期内提高债务率，但可以促进地方经济长期发展;另外，化解显性债务时，政府可以积极清查并盘活政府资源，清理财政存量资金，必要时可以向中央政府寻求帮助。最后，为寻求长远发展，控制增量是重中之重。加强债务管理是控制债务风险的基础，一套完善可行的债务风险预警系统对于债务管理的重要性不言而喻;除此之外，还需继续加快平台公司转型，深化财税体制改革，严格把控政府债务增量。
综上所述，通过本文采用综合评价方法对T区政府的债务风险预警分析看出，完善的债务风险预警系统能在地方政府遭受债务风险时提醒使用者，只要使用者及时采取防控措施，就能大大降低风险爆发的可能。此方法同样存在些许不足，当适用于不同经济状况的地方政府时，如果不能结合当地经济情况因地制宜选择合适的经济指标和风险层次划分，该预警系统产生的结果可能会出现误差，影响评价结果。因此，当此方法应用于不同地区地方政府时，应该注意：此预警系统应用于经济较发达地区时，在指标选择和划分债务风险水平时应多注重稳定发展;相反，应用于经济较落后地区时，为谋求经济发展，地方政府举债规模一般较大，要结合当地政府发展策略，以及中央是否存在补助政策，合理选择风险指标，规划风险水平分段。在此基础上展开的TOPSIS综合评价结果，更能表示真实状况。整体而言，此方法简单易行，适用性较强，不易受到主观因素的影响，最终形成的预警标识清晰明了，值得相关部门考察采纳。
【参考文献】
[1] 郑祖昀，黄瑞玲.地方政府隐性债务问题研究：一个文献综述[J].地方财政研究，2019（5）：41-50.
[2] 李斌，郭剑桥，何万里.一种新的地方政府债务风险预警系统设计与应用[J].数量经济技术经济研究，2016，33（12）：96-112.
[3] 李升.地方政府投融资方式的选择与地方政府债务风险[J].中央财经大学学报，2019（2）：3-12.
[4] 孙克竞.地方政府债务成因的长期动态关系及其疏导：基于省际面板数据的VAR/VEC模型分析[J].经济管理，2015，37（5）：1-11.
[5] 李腊生，耿晓媛，郑杰.我国地方政府债务风险评价[J].统计研究，2013，30（10）：30-39.
[6] 何德旭，王学凯.地方政府债务违约风险降低了吗？——基于31个省区市的研究[J].财政研究，2020（2）：9-26.
[7] 庞晓波，李丹.中国经济景气变化与政府债务风险[J].经济研究，2015，50（10）：18-33.
[8] 李爽.地方政府债务风险预警模型构建及应用探析[J].会计之友，2019（16）：47-53.
[9] 张同功.新常态下我国地方政府债务风险评价与防范研究[J].宏观经济研究，2015（9）：134-143.
[10] 刘金林，王春明，黄刚.优化我国政府债务管理的政策建议[J].管理世界，2014（1）：171-172.
[11] 徐占东，王雪標.中国省级政府债务风险测度与分析[J].数量经济技术经济研究，2014，31（12）：38-54.
[12] 何涌，陈梦颖.基于QCA的地方政府债务影响因素研究：以湖南省为例[J].云南财经大学学报，2020，36（12）：27-38.
[13] 刘文朝，马威，许团.地方政府性债务风险测度及防范化解对策[J].西南师范大学学报（自然科学版），2019，44（5）：79-85.
[14] 张祥华，张梦春，丁华.基于KMV模型的地方政府债务风险防控对策研究：以黑龙江省为例[J].会计之友，2020（2）：75-80.
[15] 靳伟凤，张海星，孙艺，等.地方政府债务风险的评价与预警机制研究：基于辽宁省的样本分析[J].统计与决策，2020（19）：155-158.
[16] 谭云，王文姣.成都市政府隐性债务隐忧及风险预警分析：基于PCA方法的运用[J].经营与管理，2020（1）：147-154.
[17] 张小锋.基于PCA方法的哈尔滨市地方政府债务风险预警分析[J].商业研究，2018（3）：76-82.
[18] GREENWALD B C，STIGLITZ J E.Imperfect information，credit markets and unemployment[J].European Economic Review，1987，31（1/2）：444-456.
[19] 王俊.地方政府债务的风险成因、结构与预警实证[J].中国经济问题，2015（2）：13-25.
[20] 许争，戚新.地方政府性债务风险预警研究：基于东北地区某市的经验数据[J].科学决策，2013（8）：30-47.
[21] HWANG C L，YOON K.Multiple attribute decision making[M].Springer，Berlin，Heidelberg，1981.
【中图分类号】 F812 【文献标识码】 A 【文章编号】 1004-5937（2021）22-0073-06
一、引言
一直以来，地方政府债务风险都是地方经济发展绕不开的问题。党的十九大提出2017—2020年是全面建成小康社会决胜期，要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战。2017年中央经济工作会议指出金融风险是防范重大风险的重点，2018年中央经济工作会议强调稳妥处理地方政府债务风险问题。2018年12月全国财政工作会议强调继续打好三大攻坚战，严格控制地方政府隱性债务，有效防治财政金融风险。可见，防范化解金融风险尤其是地方政府债务风险是当前及今后一段时期我国经济金融领域的重要任务[ 1 ]。新《预算法》出台以后，政府债务风险问题成为学者的关注重点。但我国各个地方政府债务规模仍然庞大，地方政府债务风险具有隐蔽性强、破坏力大等特征。历史经验表明，当某一区域或领域的债务水平过高时，会产生违约行为，容易引发一系列连锁反应，最终形成系统性风险[ 2 ]。因此，如果能对地方政府债务风险水平进行准确的估算，并且能设计一个在风险即将达到危险临界值时及时提醒的预警系统，就可以避免产生过大风险，这对我国控制系统性金融风险，促进经济发展有重要意义。
本文以优劣解距离法（TOPSIS）为基础，设计出一套完善的政府债务风险预警系统，以中部某省T区政府为例，提取2016—2018年政府债务相关数据进行预警分析，对其风险展开测度、评级。结果表明，该区整体的债务风险处于中等水平及以下，属于可控范围，但是2017年和2018年已经接近高风险水平临界值，这种情况应该予以重视，要及时发现问题、解决问题，将风险长期控制在可控水平。本文具体研究意义有以下两点：首先，目前大部分关于债务风险的评价系统都会使用到专家意见法等偏主观性的评价模式，而本文方法摒弃了主观因素，采用更为客观的方式对债务风险展开预警研究;其次，在以优劣解距离法为核心的预警系统当中，增加或减少评价指标极为便利，这让此方法运用到实际中时可以更好地适应不同地区的经济情况，做到因地制宜。
二、文献综述
随着对政府债务风险的研究逐渐深入，构建预警系统在实际运用中已经成为控制风险的有效手段之一。目前我国已有研究大致分为两类[ 3 ]：
一类是针对我国地方债务总体风险展开的研究。孙克竞[ 4 ]采用VAR模型对我国各省级政府负债数据展开分析，探究长期负债成因，最终得出结论，政府长期负债主要是由现行财政系统与政府财政支出这两项共同导致的。李腊生等[ 5 ]、何德旭和王学凯[ 6 ]采用KMV模型对多个省市的政府债务风险数据展开分析，得出类似结论，地方政府并不存在财务风险可能，更多承担的是道德风险。庞晓波和李丹[ 7 ]从债务负担率指标出发，对中央政府和地方政府同时展开测度，发现虽然中央政府存在资金配置效率较低的问题，但中央和地方政府的债务风险都处于可控水平。虽然上述大多研究表明我国政府债务风险总体处于可控水平，但仍然有部分学者认为其中存在的债务风险不容小觑。李爽[ 8 ]采用MATLAB软件，结合层次分析法和红绿灯预警模型对30个省市地区债务风险进行分析，发现目前我国已经不存在无风险地区，并有约一半的地区债务风险处于红色警戒区。另一类是针对政府债务管理方面的研究。张同功[ 9 ]创建了柔性评价指标系统来评估我国政府债务，利用红绿灯预警系统和风险指数模型对其进行评价和预警，依照评价结果针对政府债务管理提出建议。刘金林等[ 10 ]通过比较我国不同政府的债务规模、债务结构和管理政策，总结出更优化的政府债务管理模式，为我国地方政府债务风险管理提供了理论基础。徐占东和王雪标[ 11 ]根据投资组合理论和伊藤定理，针对地方政府债务违约可能性创建了测算模型，发现地方政府债务违约的主要影响因素为税收收入和其他收入，债务期限越长，按期偿还的概率越大。
上述研究采用的都是较大范围区域的数据总量，从宏观角度出发展开分析，大多此类研究结论表明，我国政府债务并无重大风险，基本处于可控风险水平，但是我国不同地区经济状况有所不同，可能存在贫富差异，整体风险可控并不代表局部同样不存在举债风险。因此，为弥补这类空缺，学者做了更具针对性的地区性债务预警分析。代表性的研究有：何涌和陈梦颖[ 12 ]在采用QCA法对湖南省地区地方政府债务影响因素展开研究后发现，单一的影响因素无法对地区债务风险形成重要影响，只有组合式的影响因素才能真正影响地方政府债务问题。刘文朝等[ 13 ]、张祥华等[ 14 ]使用KMV模型分别对重庆市与黑龙江省债务数据展开测度，结果表明总体风险尚处可控水平，但为了防控更大风险，控制债务额度极为重要，不仅如此，还需建立以专家系统和人工神经网络为核心的债务风险预警系统，以抑制隐性债务的过度增长。靳伟凤等[ 15 ]基于熵权法—理想解法—RBF神经网络的债务风险预警模型展开了对辽宁省2010—2022年政府债务的风险分析。谭云和王文姣[ 16 ]从地方政府举债的深层次原因出发，基于PCA主成分分析法构建成都市政府债务风险预警模型，发现成都目前政府债务风险尚处于可控水平。张小锋[ 17 ]在运用PCA方法对哈尔滨市债务情况进行研究时，发现哈尔滨市地方政府存在债务风险偏高、财政资金使用效率低下等问题。由此可见，我国不同地区发展差异明显，总体测度的结果乐观不代表没有任何地区存在风险，因此，更为细化的债务风险预警研究是必要的，否则当整体风险测度体现出问题时再展开防控措施可能为时已晚。
由于不同地区经济发展水平不同，在测度风险时所采用的评价指标不能一概而论，如发展较落后的地区可能会需要更高的政府负债来拉动当地城建及经济的发展。基于此，在现有研究基础上，本文运用综合评价法，构建较为完善的地方政府债务风险监测预警系统，以我国中部某省T区政府2016—2018年债务数据为例，对地方政府债务风险预警分析进行深入探究，并根据量化结果展开针对性的预警机制研究。
三、地方政府债务风险监测预警系统构建
（一）综合评价方法选择
随着构建风险预警系统在经济领域运用逐渐广泛，同时中央对地方政府举债问题越来越重视，学者认识到通过创建合理的地方政府债务预警系统来控制地方政府债务问题是有必要的。那么，选择合理的综合评价方法就成为其中关键。
目前经济研究中，综合评价方法有许多，包括层次分析法、模糊评价法等。针对政府债务，Stiglitz[ 18 ]根据举债获得资金的不同使用途径分析了债务风险的成因，我国学者王俊[ 19 ]通过KMV模型和VAR模型建立了地方政府债务风险预警系统，同时识别出隐藏在地方政府债务链背后的潜在风险。李斌等[ 2 ]对政府债务风险的评价则是以支持向量机为核心，同时结合专家意见法设置综合评价值。许争和戚新[ 20 ]选取了九个指标，采用模糊综合评价法与层次分析法将风险量化，以此来创建政府债务风险预警系统。上述方法虽然最终实现了研究目标，但还存在一定的不足：专家意见法客观性不足，不同的专家学者对同一问题常常会给出不同的意见;模糊综合评价法与层次分析法计算复杂，并且当指标数量较大时，结果容易产生误差，不够准确。通过对前人研究的分析与借鉴，本文最终选择采用TOPSIS综合评价法对债务风险展开分析，对每年的相关指标进行综合评价，量化风险，并在此基础上构建T区政府债务风险预警系统。
TOPSIS综合评价法，即优劣解距离法，由Hwang和Yoon[ 21 ]于1981年提出，是一种能充分利用原始数据，结果精确反映各评价结果之间差距的综合评价方法。在笔者挑选出能充分展现地方政府债务状况的指标后，运用TOPSIS综合评价法展开评价相对简单易行，无需依赖外部专家的主观意见，可以更加独立地生成分析结果，并且对数据分布和样本含量都无严格限制，后期如果需要增加或减少评价指标，此风险预警系统依旧能照常运行。综上所述，本文所设计的风险预警系统客观性和适应性较强，并且相对简单易行。
（二）指标选择
目前，我国地方政府举债方式繁多，包括通过融资平台或国有企业向银行贷款，以及发行公债等。本文以我国中部某省T区政府为对象展开对政府债务的研究，在选择T区政府债务风险预警分析指标时，遵循的原则包括重要性和相关性等。重要性即所选指标必须对地区债务风险程度具备重要影响，具体从政府债务偿还能力、财政创收能力等方面来考量;相关性指所选指标与债务风险水平高度相关，依靠这些指标得出的研究结果必须具备能准确表现实际风险水平的能力。基于上述原则，结合T区政府所在地区的市场环境与经济发展水平，本文选取负债率、债务率、偿债率、债务依存度、赤字率五个指标作为研究基础。同时，本文数据均来自地方政府及其对应的财政部门门户网站，所选择的指标及其对应的国际公认警戒线如表1所示。
（三）预警标识设计
一般而言，大部分学者划分风险临界值时都会采取国内外共识的警戒线为临界点。例如大家熟识的负债率指标，国际公认警戒线为60%，那么可能在许多研究中就直接采用60%为债务危机的临界点，其他指标也是类似。在得到每个指标的临界值后，代入各个综合得分分析公式计算出量化后的风险数值。最后再通过收集专家意见，对所处风险水平进行划分，得出结论。这样的方法的确在理论上是可行的，但也存在不少问题：第一，实际操作复杂;第二，专家给出的风险划分标准存在很大的主观性，不同专家学者可能存在很多不同的看法;第三，由于不同地区贫富差距悬殊，债务风险指标警戒线不可一概而论。2016年11月14日，国务院办公厅对外发布《地方政府性债务风险应急处置预案》，明确我国将把地方政府性债务风险事件划分为四个等级，并给出了发生不同等级债务危机时的应急预案，本文所设计的风险标准划分方法在四个风险层级的基础上，另外增加“无风险”层级，对综合评价结果展开分类。具体方法如下：以高于或低于平均值三倍标准差为分界线，将可能的结果分为高、中、低三个区间，如果风险超过可控区达到高风险水平，就可能引发系统性风险。由于本文结果得分是分数越高越安全，那么就将低于平均值三倍标准差的区间划分为危险风险区间，高于平均值三倍标准差的区间为无风险区间，中间区间为风险可控区。风险可控区另外细分为低、中、高区域，以高于或低于平均值一倍标准差为线。按照以上方法，就将风险分为五个层次，分别为无风险、低风险、中风险、高风险、危风险，辅以白色、绿色、蓝色、橙色、红色警示灯来表示其严重程度。如表2所示。
（四）基本步骤
本文建立的地方政府债务风险预警系统，以TOPSIS综合评价法为核心，结合风险程度划分系统对案例展开研究，为实际建立预警系统提供思路。具体步骤如下：
步骤一：通过实时监控及时获得预警系统所需指标的相关数据，计算出所需的各个指标值。
步骤二：通过TOPSIS综合评价法对当年的指标进行评价，最终得出一个年度债务风险评价值。
步骤三：用预设好的风险评价原则对当年的风险水平定级，决定其风险程度，如可以将风险分为低、中、高风险，并相应通过不同颜色的信号灯来体现严重程度。
步骤四：针对其风险程度决定是否要采取风险防控措施。
四、基于TOPSIS的T区政府债务风险预警分析
（一）T区政府财政数据统计
针对上述财政指标，本文以T区政府为例，查阅政府门户网站公开信息，得到2016—2018年三年有关财政的原始数据，容易算出所需要的五项财政指标（表3、表4）。
（二）TOPSIS综合评价分析
在得到T区政府2016—2018年各个债务风险检测指标后，利用TOPSIS法分年度对地方政府的债务风险展开综合评价。由于所监测的五项指标都属于极小型指标，要先将各个指标进行正向化处理，采用的正向化方法是，取一max值，用max减去Xi即将指标正向化处理。容易发现，除了债务依存度指标存在超过国際公认警戒线情况外，其余四项指标在这三年内均未过国际警戒线，因此这里除了债务依存度指标外，均将国际公认警戒线设为指标的max值，债务依存度指标则以三年中出现的最大值57.1%为max值。正向化后的检测指标如表5。 这时，就可以形成有五项评价指标的待评价对象集X=[X1，X2，X3]，所构成的正向化矩阵如下：
X=5.2 66.1 7.9 54.7 10.61.3 38.2 6.7 0 10.41.5 37.5 5.4 43.2 10.6
虽然已经得到了正向化后的各项指标，但是各个指标的量纲不同，在评价债务风险时不能简单相加或相乘处理，因此为消除不同指标量纲的影响，需要对已经正向化的矩阵进行标准化处理，那么把标准化的矩阵记为Z，Z中每个元素的标准化公式为：
Zij=Xij÷√∑Xij2
标准化后的矩阵如下：
Z=0.9342 0.7771 0.6763 0.7848 0.5810.2336 0.4491 0.5736 0.0000 0.5700.2695 0.4409 0.4623 0.6198 0.581
在得到标准化的矩阵后，需要定义出正理想值Z+与负理想值Z-，本文设正理想值Z+为每列最大值构成的集合，相应负理想值即为每列最小值构成的集合，因此正负理想值如下所示：
Z+=（0.9342，0.7771，0.6763，0.7848，0.581）
Z-=（0.2336，0.4409，0.4623，0，0.57）
接着测量待评价对象Xi的各个评价指标与正负理想值的距离。在以上矩阵定义出的五维空间中，应该采用欧式距离测量模式，第i个待评价对象Xi到正理想值Z+的距离D+i计算公式为：
D+i=√∑（Z+i-Zij）2
同样，第i个待评价对象Xi到负理想值Z-的距离D-i计算公式为：
D-i=√∑（Z-i-Zij）2
依照这两个公式，可以分别算出2016—2018年这三年的D+i与D-i值，如表6所示。
根据以上算出的各个待评价对象与正理想解和负理想解的距离，并根据以下公式得出第i个待评价对象未归一化的得分：
Si=D-i/（D+i+D-i）
很明显，0≤Si≤1，且Si越大D+i越小，即越接近最大值。在得到Si后，再将得分归一化处理，就能得到最终评分Pi，归一化公式如下：
Pi=Si/（S2016+S2017+S2018）
2016—2018年T区政府债务风险评价得分如表7。
（三）债务风险预警检测
在得到T区政府2016—2018年债务风险综合评价得分后，即可通过上文所设计出的预警标识系统对结论进行风险水平划分，T区政府2016—2018年債务风险情况预警结果如表8。
从表8结论不难看出，T区政府2016—2018年的政府债务风险水平大约处于中度风险水平，当债务风险预警系统显示出此级别风险时，相关部门应该予以重视，尽快查清债务风险成因，及时实施防治措施。不仅如此，仔细看这三年预警系统给出的T区政府债务风险的综合评价得分，除了处于低风险区间的2016年外，可以发现2017年和2018年虽然还处在中风险区间，但是距离中高风险的分界线0.2303已经较近了，就此评估结果而言，T区政府此三年内的债务总体状态并不容乐观，已经处在风险隐约爆发的边缘，急需加大防控力度，这样的情况若被忽视，很容易引发连锁反应乃至产生系统性风险。
（四）预警结果说明
上述预警结果与本文所选地区实际情况相符，据考察，T区政府2017—2018年的债务风险起因包括以下方面：第一，自2015年开始，国家大力推行PPP项目，当时在传统建设领域的PPP项目有近百个，而自2017年起，国家支持力度下降，政府未完工的PPP项目在银行贷款难度上升，额度下降，导致内部财政压力上升;第二，内部财报显示，2017年T区政府发现2016年相关平台公司审定净利润投资收益存在差异数千万元，考虑到影响金额较大，对其进行了追溯调整，选择调减平台公司盈余公积;第三，在T区政府辖区内，完工未决算的在建工程总价值超过五千万元。针对上述问题，为预防发生高债务风险，T区政府做出了相应风险处置措施：首先，及时召开会议，向专家团队请教了PPP项目整改推进过程中遇到的问题，同时下达了具体整改计划;其次，于2017年另外向国家开发银行短期信用贷款两亿元，缓解财政压力，同时通过T区政府平台公司发行了三年期城投债，为平台公司解决燃眉之急;最后，为降低自身或有负债，减少了为关联方担保的数量，以免影响自身贷款额度。
五、结语
本文以政府债务风险为研究对象，采用TOPSIS综合评价方法设计了有针对性的风险预警系统，并以我国中部某省T区政府2016—2018年有关债务数据为样本，对该地所面临的债务风险水平进行测试。从风险程度分类来看，测度的三年内T区政府分别有一年处于低风险水平、两年处于中风险水平，按照经验，中度风险水平代表举债政府已经出现可能无法及时偿付债务等信用问题，此类地区对当地举债问题应该予以足够的重视，严防信用风险、坏账过多等问题产生;从评估的综合得分来看，处于中度风险2017年和2018年更应该被关注，因为虽然其风险程度尚处于中风险，但其实量化风险后的综合评价得分距离高风险分界线已经很近，处在隐约爆发高风险的边缘状态，若不及时采取相对强硬的防控手段，一旦爆雷，对当地政府的信用以及地区经济的平稳发展都会造成一定的负面影响。
为避免达到可能引发系统性风险的风险水平，结合国家颁布的政府债务风险应急处置方案，针对不同风险段，短期处置方案建议如下。处置高风险水平响应手段：（1）细察近期增加的政府购买服务项目，叫停回报周期长、当前投入过多的个别计划，待经济问题回暖后另做计议;（2）适度“缩衣少食”，暂停如政府机关大院改造等非必要举债，缩减财政开支;（3）尝试以债券置换等方式延展债务偿还期限，渡过高压期。处置中风险水平相应手段：（1）处置不良资产;（2）减少“三公”消费开支;（3）暂减公务员部分福利，适当裁减公职编外员工;（4）勒令国企盘活存量资产，降低财务成本。处置低风险水平相应手段：勒令监管部门查明原因，对症下药，化解风险。 长期而言，防治地方政府债务风险要从多方面共同下手，尽管现在国家对防控此类风险的决心进一步加强，但是除去显而易见的政府债务外，地方政府往往还存在不少隐性债务。首先，要摸清楚举债的底数。为加强地方经济发展及基础设施建设，在中央财政拨款不足时，地方政府往往会选择通过平台公司贷款来自筹资金，此类债务难以被精确统计，因此在估算举债规模底数时，可以从政府举债投向入手，逆向计算，合理估算出举债的底数，这样的估算方法有利于在化解存量时分门别类地展开，逐个击破。其次，在摸清举债底数后，政府应该展开存量化解。面对隐性债建议通过发行债券等方式勇敢将隐性债转化为显性债务，虽然会在短期内提高债务率，但可以促进地方经济长期发展;另外，化解显性债务时，政府可以积极清查并盘活政府资源，清理财政存量资金，必要时可以向中央政府寻求帮助。最后，为寻求长远发展，控制增量是重中之重。加强债务管理是控制债务风险的基础，一套完善可行的债务风险预警系统对于债务管理的重要性不言而喻;除此之外，还需继续加快平台公司转型，深化财税体制改革，严格把控政府债务增量。
综上所述，通过本文采用综合评价方法对T区政府的债务风险预警分析看出，完善的债务风险预警系统能在地方政府遭受债务风险时提醒使用者，只要使用者及时采取防控措施，就能大大降低风险爆发的可能。此方法同样存在些许不足，当适用于不同经济状况的地方政府时，如果不能结合当地经济情况因地制宜选择合适的经济指标和风险层次划分，该预警系统产生的结果可能会出现误差，影响评价结果。因此，当此方法应用于不同地区地方政府时，应该注意：此预警系统应用于经济较发达地区时，在指标选择和划分债务风险水平时应多注重稳定发展;相反，应用于经济较落后地区时，为谋求经济发展，地方政府举债规模一般较大，要结合当地政府发展策略，以及中央是否存在补助政策，合理选择风险指标，规划风险水平分段。在此基础上展开的TOPSIS综合评价结果，更能表示真实状况。整体而言，此方法简单易行，适用性较强，不易受到主观因素的影响，最终形成的预警标识清晰明了，值得相关部门考察采纳。
【参考文献】
[1] 郑祖昀，黄瑞玲.地方政府隐性债务问题研究：一个文献综述[J].地方财政研究，2019（5）：41-50.
[2] 李斌，郭剑桥，何万里.一种新的地方政府债务风险预警系统设计与应用[J].数量经济技术经济研究，2016，33（12）：96-112.
[3] 李升.地方政府投融资方式的选择与地方政府债务风险[J].中央财经大学学报，2019（2）：3-12.
[4] 孙克竞.地方政府债务成因的长期动态关系及其疏导：基于省际面板数据的VAR/VEC模型分析[J].经济管理，2015，37（5）：1-11.
[5] 李腊生，耿晓媛，郑杰.我国地方政府债务风险评价[J].统计研究，2013，30（10）：30-39.
[6] 何德旭，王学凯.地方政府债务违约风险降低了吗？——基于31个省区市的研究[J].财政研究，2020（2）：9-26.
[7] 庞晓波，李丹.中国经济景气变化与政府债务风险[J].经济研究，2015，50（10）：18-33.
[8] 李爽.地方政府债务风险预警模型构建及应用探析[J].会计之友，2019（16）：47-53.
[9] 张同功.新常态下我国地方政府债务风险评价与防范研究[J].宏观经济研究，2015（9）：134-143.
[10] 刘金林，王春明，黄刚.优化我国政府债务管理的政策建议[J].管理世界，2014（1）：171-172.
[11] 徐占东，王雪標.中国省级政府债务风险测度与分析[J].数量经济技术经济研究，2014，31（12）：38-54.
[12] 何涌，陈梦颖.基于QCA的地方政府债务影响因素研究：以湖南省为例[J].云南财经大学学报，2020，36（12）：27-38.
[13] 刘文朝，马威，许团.地方政府性债务风险测度及防范化解对策[J].西南师范大学学报（自然科学版），2019，44（5）：79-85.
[14] 张祥华，张梦春，丁华.基于KMV模型的地方政府债务风险防控对策研究：以黑龙江省为例[J].会计之友，2020（2）：75-80.
[15] 靳伟凤，张海星，孙艺，等.地方政府债务风险的评价与预警机制研究：基于辽宁省的样本分析[J].统计与决策，2020（19）：155-158.
[16] 谭云，王文姣.成都市政府隐性债务隐忧及风险预警分析：基于PCA方法的运用[J].经营与管理，2020（1）：147-154.
[17] 张小锋.基于PCA方法的哈尔滨市地方政府债务风险预警分析[J].商业研究，2018（3）：76-82.
[18] GREENWALD B C，STIGLITZ J E.Imperfect information，credit markets and unemployment[J].European Economic Review，1987，31（1/2）：444-456.
[19] 王俊.地方政府债务的风险成因、结构与预警实证[J].中国经济问题，2015（2）：13-25.
[20] 许争，戚新.地方政府性债务风险预警研究：基于东北地区某市的经验数据[J].科学决策，2013（8）：30-47.
[21] HWANG C L，YOON K.Multiple attribute decision making[M].Springer，Berlin，Heidelberg，1981.