报告
专项债风险管理的大数据解决方案
摘要
地方政府专项债券的风险既源于其规模过大,超出了地方财政的承受能力,也源于其对应的资产质量参差不齐。本文估算了未来五年的专项债发行规模,并以此为基准计算出相关的专项债券总体风险指标。同时,报告也对未来五年省际专项债券进行了估算,并对比了区域间的结构性风险。研究发现,目前我国专项债券的总体风险可控,但部分省份的结构风险较为突出。另外,基于网络爬虫和穿透等大数据技术,报告还设计了一套专项债券项目风险管理的综合系统模块,用以监控和管理专项债的“借”、“用”、“管”和“还”全流程各个环节的风险。
检索正文关键字
报告目录
-
一 专项债管理中的风险
- (一)宏观风险
- 1.专项债总量和趋势的风险
- 2.各省份专项债的结构化风险
- (二)申报风险
- 1.项目申报人与专项债借还主体分离
- 2.项目收益的预期偏差
- (三)使用风险
- (四)管理风险
- (五)偿还风险
- 1.偿债压力过度集中在债务到期日
- 2.过度依靠再融资偿还本金
- 3.过于依靠土地收入偿还
- 4.真实偿债资金来源不透明,难以判断风险
- (一)宏观风险
-
二 专项债风险管理的数据基础与评估局限
- (一)监测专项债风险的相关数据与难点
- 1.专项债风险监测的数据基础
- 2.监测专项债风险的数据难点
- (二)目前专项债风险识别手段的局限性
- (一)监测专项债风险的相关数据与难点
-
三 大数据运用于专项债风险分析的理论基础
- (一)大数据的基本思想与原则
- 1.大数据的思想
- 2.大数据分析的基本原理
- (二)大数据应用的技术基础
- 1.网络爬虫技术
- 2.机器学习
- 3.自然语言处理技术
- 4.图计算和知识图谱
- 5.数据采集和清洗技术
- 6.穿透技术
- 7.模型技术及算法
- (三)大数据的发展脉络
- 1.第一阶段:萌芽期(20世纪90年代至21世纪初)
- 2.第二阶段:成熟期(21世纪前10年)
- 3.第三阶段:大规模应用期(2010年之后)
- (四)风险识别的常用数理模型与大数据手段的结合
- 1.现有的风险识别模型
- 2.大数据手段与风险识别模式的结合
- (一)大数据的基本思想与原则
-
四 大数据在专项债风险分析中的设计
- (一)“借”的环节
- 1.收入预测模型
- 2.医院项目收入预测案例
- 3.高速公路收入的回归预测
- (二)“用”的环节
- 1.资金穿透模型
- 2.资金使用风险识别和评价模型
- 3.运用模糊综合评判方法识别和评价项目财务风险
- (三)“管”的环节——预算执行情况
- 1.专项债资金预算执行进度分析的决策树模型
- 2.专项债资金预算执行进度分析的神经网络模型
- (四)“管”的环节——运营风险
- 1.项目建设和运营中的主要风险
- 2.模型举例——项目整体风险识别和评价模型
- (五)“还”的环节
- (一)“借”的环节
-
五 运用大数据管理专项债风险的案例
- (一)高速公路通行费收入预测模型
- 1.数据搜集
- 2.数据分析
- 3.初步结论与完善方向
- (二)专项债智能评估系统
- 1.建立评审知识库
- 2.实现项目自动化和标准化审核
- (一)高速公路通行费收入预测模型
相关文献
查看更多>>>