基于机器学习的债务风险管理体系构建与应用 ——以浙江省交通投资集团为例

一、引言

加强债务风险管控是打好防范化解重大风险攻坚战的重要举措，也是推动国有企业加快实现高质量发展的内在要求。企业债务水平的持续高位运行将影响企业的核心竞争能力和企业全局性战略，加之新形势下企业举债方式多元化，债务规模庞大且多为隐性债务，不利于风险研判，且地方国有企业在向银行借款中具有融资优势，其银行借款数额巨大，在国内整体经济杠杆率攀升、边际投资回报率下降的经营环境下，地方国有企业信用风险不断上升，一旦其流动性风险加剧，可能引发国有资产抛售与大幅流失，还会加大金融机构的经营风险，进而引发总体的经济金融系统性风险。

交通基础设施建设在国民经济中发挥着先导性、基础性、战略性和服务性作用，是典型的资金密集型产业，具有技术要求高、生产投资规模大、回收周期较长、资金运作难度大等特点，因此其必须重视债务风险管理。同时，随着永煤集团、刚泰集团、广州浪奇等国内外企业债务违约事件频发，党的十九届五中全会提出了“防范化解重大风险”的要求。2021年2月，国务院国资委印发了《关于加强地方国有企业债务风险管控工作的指导意见》，进一步强调了对地方国有企业债务风险的管控工作要求，如何妥善防范化解地方国有企业债务风险成为当前各地方国资委的工作重点，首先受到关注的就是身处高负债运营的交通设施类企业。在行业内生需求与外部监管压力推动下，研究如何融合管理理论与数字技术，着力打造债务风险防控体系，成为写作本文的出发点。

本文主要研究了为达到建立健全国有企业债务风险预警防控机制、提高企业风控管理效率、防范重大债务风险的目的，应如何构建一套真正适合我国国情的债务风险管理体系及具体应用路径。本文以数字技术与管理会计深度融合为抓手，以现有债务风险看不清、摸不着、管不好为切入点，以债务水平、负债结构、盈利能力、现金保障、资产质量和隐性负债六大方面为着力点，引入大数据与智能技术，构建风险指数预警潜在风险、构建归因模型挖掘风险成因、构建举措建议库匹配行动方案、构建交互流程打造风险管理闭环，实现风险“早发现、早预警、早处置”，助力国有企业统筹安全与发展。研究结论显示，基于机器学习的债务风险管理体系基本实现了对企业债务风险防控的动态化和过程化管理，同时对省国资委及其他国有企业债务风险管理体系及未来的数字化风险防控具有较大的实践参考意义。

二、理论基础和文献分析

（一）管理制度的理论基础

对于债务规模控制的研究，各学者在研究方式和研究理念等大方向上趋同，但仍存在差异。Pattillo et al.（2002）发现经济增长和债务之间是互相关联的，并以倒“U”式结构存在。之后，诸多学者开始研究债务存在的“阈值”并对其进行合理分析设定。基于欧盟的相关经验，刘迎秋（2001）认为30%—35%是合适的债务率区间，债务率超过58%，需要引发预警机制，引起集团管理层警觉。胡文军（2018）要求国企负债率应不高于65%，一旦超过限额，需要严格管控投资规模。即使涉及的投资可能影响企业的核心竞争能力和企业全局性，也必须严格按照规定的程序进行审批，控制债务规模和债务风险。付洪（2021）强调降杠杆的作用，在控制债务风险方面，需要努力地降低杠杆，保证宏观杠杆率的稳定性，并保证其能逐步下降。在推进债务目标管理工作时，需要建立健全债务约束机制及问责机制。

本文摘自《管理会计研究》2024年第2期，购买本刊请点击本链接至微店购买

......