乡镇政府财政风险的评价与预测研究

发布时间：2020-05-31 09:44

【摘要】：乡镇政府财政担负着维持乡镇政权运转与农村经济发展的重要任务，在社会管理和经济发展方面担负着关键角色。但近年来，乡镇政府财政面临着债务沉重、赤字不断增加，财政风险日渐加剧的危险局面。因此，合理、准确的评价与预测乡镇政府债务风险也就变得尤为重要。本研究由乡镇政府财政的职能与现状入手，总结了我国乡镇政府债务与财政风险的特征，并从经济体制、财政体制与债务管理等方面分析了上述风险产生的主要原因。借鉴金融风险预警的早期经验，本研究构建了应用于乡镇政府财政风险预警系统的综合评价指标，该指标由若干相互关联又相互独立的单独风险指标组成，主要包括：财政赤字率、债务负担率、债务率、债务依存度、债务增长率、偿债率以及债务逾期率。综合评价指标由上述单独指标加权计算获得，各指标在财政与债务风险中的权重则通过层次分析法计算获得。本研究利用BP神经网络方法构建了乡镇政府财政风险预警模型，并基于Matlab语言编写了可视化用户界面，，通过对样本数据分析、计算与验证，调整模型中的各个参数，完善并优化程序算法，实现预期指标的最终预测。为了更好的说明本研究构建的综合评价与预测模型，以青岛市属的八个乡镇为实例，并确定了各单独风险指标的权重。以2005年至2010年的八个乡镇的样本数据为输入，对BP神经网络预测模型实施训练，以2011年的实际统计结果为依据，校验了BP神经网络预警模型，进而完成了2012年的各指标的先期预测，据此相应的提出了防范与化解乡镇政府财政风险的针对性政策措施。通过综合评价与预测模型的计算分析，对比乡镇政府财政状况的宏观评价表明，本研究构建的该指标可避免单指标评价体系的随机性和不稳定性，能够更好的反映乡镇政府的经济财政状况，表征乡镇政府的财政与债务风险程度。BP神经网络计算模型较为可靠实用，但仍有进一步的发展空间。
【图文】：

框图,风险预警系统,总体设计,框图

的科学性与客观性。最后，在针对本文构建模型得出的评价与预测结果，提出针对性的防范与化解措施。乡镇政府财政风险与评价模型的总体框架如图4-1所示。通过对相关数据进行收集，整理并分析归纳至相应的评价指标集，进而完成相应的风险监测、识别、度量与评价，并预报警情。对于不同的风险程度，系统将为决策者与图4-1风险预警系统的总体设计框图

神经元模型

人工神经网络的基本计算元素是神经元，它是对人类大脑的神经元结构的一种特征化的简单描述，主要组成部分为多组的输入与单组的输出组成的非线性元件，其结构如图5-1所示：图5-1神经元模型在上图中，ui表征某神经元i的内部状态，xj为输入层信号，θi为阈值，wij则为各输入层与神经元连接的权重，Si则为某外部输入的控制信号。图中所示神经元模型常采用一阶微分方程描述，通过模拟生物神经网络突触电位随时间变化的规律表示： ytfututwtdtduiiiijii （5-1）神经元输出的激活函数由 f 表示，常采用以下表达式来表现人工神经网络的非线性特征：（1）跳跃型
【学位授予单位】：中国海洋大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：F812.8;F224

【参考文献】