中国地方政府债务风险预警研究

袁海霞 汪苑晖[1]

要点

·自2014年新《预算法》颁布以来，我国地方债务管理逐步规范化，地方政府显性债务风险有所缓释，但地方政府债务隐性化问题加剧。在当前宏观调控重心由“稳增长”向“防风险”转变的背景下，防范地方政府债务风险是牢牢守住不发生系统性风险底线的必然要求，必须高度关注地方政府债务尤其是隐性债务所蕴含的风险。考虑到我国地方政府及国有企业雄厚的资产，虽有能力应对债务风险，但当前地方政府隐性债务由于较难统计且披露不透明，易引发市场关注及猜测。我国需警惕部分地区地方政府债务处置不当或引发的市场预期及信心失控，从各地区地方政府债务风险预警出发，构建合理准确的债务风险预警机制，监测各地区地方政府债务风险的变化趋势以便及时采取债务防范及处置措施，避免债务风险向债务危机转化。

·当前，关于地方政府债务风险的预警研究大多以地方政府的财政和债务的数据为基础，通过相应的数据处理和统计方法来监测地方政府债务风险。预警方法主要集中于地方债务风险预警指标体系以及地方债务风险预警模型。为了既避免风险预警指标体系中指标权重设计环节中可能存在的主观随意性，又具备地方政府债务风险预警模型的理论可行性以及实际操作性，本文基于目前国际金融业界主流的用于衡量信用风险的KMV预警模型来构建地方政府债务风险预警模型。在国内已有研究和模型基本思想的基础上，本文对KMV模型进行了地方债务风险预警模型的转化：将KMV模型中企业可用来偿债的资产价值替换成地方政府可用来偿债的财政收入，将KMV模型中企业资产价值的波动率替换成地方政府财政收入的波动率，将KMV模型中企业负债的账面价值替换成地方政府每年到期应偿还的债务，并在这些替换基础上推导出地方政府财政收入增长率和波动率、地方政府债务的违约距离和预期违约概率。

·在对KMV模型进行修正并构建地方政府债务风险预警模型后，为验证模型在研究地方债务风险方面的可行性及准确性，本文在没有考虑新发债的情况下，通过两种对各地区到期偿债比例的估算方法，选取31个省（市、自治区）、重庆市36个区县作为样本对预警模型进行实证分析。主要结论如下：到期偿债比例与地方政府债务风险有明显的相关性，到期债务集中偿还压力的增大容易加剧地方政府的债务违约风险；两种到期偿债比例估算方法得到的全国各省份地方政府债务风险结果大致相同，显性债务口径下贵州、辽宁等省份债务风险程度高，广东、上海等省份的债务风险相对较低，考虑隐性债务口径下贵州、辽宁等省份债务风险仍较高，广东、上海等地债务风险仍较低；修正后的KMV模型在采用不同到期偿债比例估算地方债务风险的方法下大体适用，但在按到期地方债确定到期偿债比例的方法下并不完全适用，但得到的各省份债务风险排名仍具有参考意义。

引言

我国地方政府债务发端于20世纪70年代末，当时部分省及地级市开始尝试通过举债弥补资金缺口以更好履行政府职能，但受限于地方政府的自主权，该阶段地方政府债务规模整体较小。此后，伴随我国财税体制变化、地方投融资模式变迁，地方政府债务在不同经济发展时期呈现不同的特点。1994年，我国实行分税制改革，形成了地方政府财权与事权不匹配的局面，加之原有《预算法》的约束，地方政府无权通过自主发债的方式进行融资，开始依赖地方融资平台以贷款、信托等方式筹资，地方政府债务规模持续扩张。2008年，为应对全球金融危机，国家出台“四万亿”刺激政策，其中地方政府配套资金2.82万亿元，在配套资金需求、国家政策支持、地方政府资金缺口等因素推动下，地方融资平台爆发式增长，融资平台债务扩张带动地方政府债务井喷式增长。2014年以来，以新《预算法》与43号文出台为标志，在疏堵结合的政策导向下，地方政府债务逐步纳入规范化管理轨道。

伴随我国经济发展进入新常态，宏观调控重心由“稳增长”向“防风险”转变，十九大报告强调将防范化解重大风险列入三大攻坚战之首，国务院副总理刘鹤在“健全系统性金融风险防范体系”政协专题协商会上明确防控风险的“三把斧”基本思路，即“稳健中性货币政策+严格监管政策+坚决惩治腐败”，体现了国家打好防控风险攻坚战的决心。防范地方政府债务风险是牢牢守住不发生系统性风险底线的必然要求与重中之重。然而，随着我国地方债务管理机制逐步成熟，地方政府显性债务风险有所缓释，但地方政府债务隐性化问题加剧，通过融资平台以PPP、政府购买服务、资管计划、明股实债等方式变相举债形成的以贷款、信托为主要存在形式的隐性债务风险较为突出。在当前“防风险”背景下，必须高度关注地方政府债务尤其是隐性债务所蕴含的风险。据中诚信国际测算[2]，2017年我国地方政府显性债务规模在16.47万亿元，全国政府债务的负债率是36.2%，低于欧盟60%的警戒线，以直接债务为主的显性债务口径下我国地方政府风险水平相对较低；地方政府隐性债务规模在26.5万亿～35.9万亿之间，考虑隐性债务的政府负债率直接上升至68%～80%，大幅高于发展中国家平均水平。考虑到我国地方政府及国有企业雄厚的资产规模，虽然有能力应对债务风险，发生系统性及区域性债务危机的可能性较低，但当前地方政府隐性债务由于较难统计且披露不透明等特点，易引发市场关注及猜测。吸取欧债危机中因部分成员国债务危机初期未及时采取措施从而加剧债务风险扩散，并最终导致欧洲整体金融体系坍塌的教训，我国需警惕部分地区地方政府债务处置不当或引发的市场恐慌及由此导致的市场预期及信心失控，从各地区地方政府债务风险预警出发，构建合理准确的债务风险预警机制，监测各地区地方政府债务风险的变化趋势以便及时采取债务防范及处置措施，避免债务风险向债务危机转化。

一 地方政府债务风险预警方法介绍

当前，关于地方政府债务风险的预警研究大多以地方政府的财政和债务的数据为基础，通过相应的数据处理和统计方法来监测地方政府债务风险变化趋势。目前各类文献综述采用的地方政府债务风险预警方法主要集中于以下两类。一是对地方政府债务的风险预警指标的研究。在预警指标的选择上，国外更倾向于用较简单的统计指标直接揭示风险，例如哥伦比亚的“红绿灯”模式。该模式以两条指标为依据来管理和控制地方政府举债行为，其中之一是代表地方政府资金流动性的债务利息支付率，它由地方政府支付的债务利息除以经常项目盈余得出，另一个是用来评估中长期债务的债务率，它由逾期债务余额与一般性收入之比表示，通过对这两个指标分别进行“红、黄、绿”亮灯区间的设置，选取表示债务严重程度更高的灯色作为最终的债务风险指示。国内学者大多倾向于筛选多个指标构建指标体系，设置指标风险区间及权重等进行综合判断及预警，债务风险预警指标多包括债务负担率、地方财政负债率、地方财政偿债率、债务依存度、收入GDP比等。二是基于模型的地方政府债务风险的预警研究。目前主流的风险预警模型有以下几种：（1）KLR模型（Kaminsky，1998），该模型是基于指标信号分析的定量预警模型，采用相关的宏观经济变量作为预警指标。（2）DCSD模型（Berg ＆ Pattillo，1999），该模型在KLR模型基础上进行了多方面的拓展，如指标阈值的测定、多变量的Probit回归分析等。（3）PDR模型（Mulderetal，2002），该模型在DCSD模型基础上加入私人经济层面的资产负债平衡表变量和一些替代变量。（4）KMV模型，该模型是基于风险债务理论和BS期权定价理论发展而来的信用监测模型，由美国KMV公司开发，通过计算违约距离得出预期违约概率，在上市公司的借款违约概率上的测算应用较广泛。美国多将该模型用于市政债券违约概率的研究，国内首次将KMV模型应用于我国地方政府债务问题研究的是韩立岩等（2003）基于修正的KMV模型对北京与上海的发债规模及违约风险进行了测算。[3]之后，国内学者开始对KMV模型进行修正来研究地方政府债务违约风险等问题。

综上，从地方债务风险预警指标体系来看，在预警指标的权重设置上存在较大的主观随意性，缺乏统一和科学的理论标准。从地方债务风险预警模型来看，一方面，相比于其他预警模型，KMV模型用于分析估计借款企业违约概率与地方政府债务风险的研究思想有相通之处，和研究上市公司借款违约概率基于的期权思想一样，地方政府的举债融资过程实质上是一种将地方政府所拥有的财政收入权“转移”给债权人的行为，当到期债务本息得以偿还时，地方政府可以重新将财政收入权“赎回”。此外，地方政府债务到期时也和企业债券到期情况一致，存在按时还本付息和发生违约两种情况。因此KMV模型在研究地方政府债务风险预警中有一定理论应用意义。另一方面，相对于其他信用风险测量模型需要大量的历史数据进行支撑来说，KMV模型不需要过多历史违约概率数据作为研究基础，较符合当前我国地方政府债务相关数据的实际情况。基于此，本文选取KMV模型构建地方政府债务风险预警模型，既避免了风险预警指标体系中指标权重的设计环节，降低了模型构建环节中可能存在的主观随意性，又具备了理论可行性以及实际操作性，可以构建出较准确的评估地方政府债务风险的预警模型。

二 基于KMV模型的地方政府债务风险预警模型

KMV模型主要用来衡量企业资产价值的违约概率，是国际金融业界主流的用于衡量信用风险预警模型。债务违约风险有三个决定因素：一是资产价值的计算，通常以资产未来收益的现金流折现加总而来；二是资产风险，通常以资产价值的波动程度（例如标准差、贝塔系数等）来衡量；三是杠杆程度，即债务占总资产的比例，债务比例越高越容易发生违约问题。对KMV模型而言，违约点及违约概率的确定是研究的关键。

（一）KMV模型推演步骤

1.估算资产价值V与波动性σ

资产的价值及波动性是影响违约决定的重要因素，但无法直接观察得到，因此可以利用Black-Scholes期权定价公式，反向导出公司资产的隐含波动性，而波动性会受到公司资产的市场价值、权益的市场价值波动性及负债的账面价值影响，这与利用期权价格来推算期权的隐含波动性相同。因此，可以将公司的权益价值视为一个买权，依据Black-Scholes期权定价模型，在到期日T（或t）时，公司资产市场价值和权益市场价值之间可以得到如下关系：

其中，E表示企业股权的市场价值，V为企业资产市场价值，N（d）为标准累积正态分布函数，由d₁、d₂决定，D为企业负债账面价值，σ_A为资产价值波动性，σ_E为企业股权价值波动性（该值可通过历史数据求解），r为无风险利率，t为债务偿还期限。由于企业股权的市场价值E、波动性σ_E、无风险利率r、负债账面价值D以及债务偿还期限t都是已知变量，因此，可以解出模型中企业的资产市场价值V及其波动性σ_A这两个未知变量。

2.计算违约距离DD（Distance to Default）

公司在某一期间的违约概率，除了依照上述求出的隐含资产价值和波动性之外，另外还有几个关键变量：（1）违约点的额度，即短期负债的账面价值；（2）资产价值在此期间的期望成长率；（3）负债期间的长短。违约的可能性可以被定义成公司资产价值小于违约点的概率。而公司资产价值与违约点的差，以资产波动性的标准差来衡量及标准化，就是公司的违约间距DD，数字越大代表资产的价值距离违约点越远，公司的违约概率越小，公式如下：

其中，g为资产价值的期望增长率，σ为资产价值的波动率。

3.计算企业期望违约概率EDP（Expected Default Probability）

在获得上一阶段计算的违约距离DD后，假设企业的市场价值是以市场价值的平均为中点的正态分布，就可以用违约距离DD来计算出KMV模型中的期望违约概率EDP，即资产价值在时间T时小于违约点部分的累积概率。或者通过观察企业过去的资产价值，估计出资产的概率分布，利用计量模型以过去的数据估计出资产价值的可能分布，并直接算出企业在某一期间资产价值小于负债（违约点）的累积概率。由于数据的可得性以及操作性，暂采用第一种计算方法，其公式如下：

其中，N（-DD）为标准累积正态分布函数。

（二）KMV模型的转化应用

在国内已有研究和上述模型基本思想的基础上，本文对KMV模型的修正主要基于对三个关键变量的重新定义：将KMV模型中企业可用来偿债的资产价值替换成地方政府可用来偿债的财政收入；将KMV模型中企业资产价值的波动率替换成地方政府财政收入的波动率；将KMV模型中企业负债的账面价值替换成地方政府每年到期应偿还的债务。在这些替换基础上推导出地方政府财政收入增长率和波动率、地方政府债务的违约距离和预期违约概率，具体公式如下：

1.地方财政收入增长率g和波动率σ

本文主要通过综合国际金融业界主流的用于衡量信用风险的KMV模型来构建针对地方政府债务风险的预警模型。如果将地方政府视同为企业，那么地方政府的财政收入可作为企业资产价值所产生的收益，地方政府债务规模可作为企业负债即违约点的额度，违约的可能性可以定义为公司资产价值小于违约点的概率。根据KMV模型，地方财政收入增长率g和波动率σ可以得到如下转化公式：

其中，A为地方政府财政收入，其代替KMV模型中企业资产市场价值V，A_t为t时刻地方政府财政收入，g为财政收入增长率，σ为财政收入的波动性。

2.地方政府到期应偿债务

地方政府每年应偿债务除了债务本金外，由于涉及资金的时间价值，政府还需承担这部分本金的利息，因此，地方政府每年到期应偿债务的本息和Sum_t为：

其中，r为到期债务的平均利率，D_t为总债务规模，a为到期偿债比例，等于到期应偿还债务总额占总债务规模的比例，D_t×a为到期应偿还债务总额，D_t×（1-a）为未到期债务总额。

3.违约距离DD

结合地方政政府债务风险的实际情况，将KMV模型中的违约距离DD的公式转化为：

其中，A_t为t时刻地方政府财政收入，Sum_t为地方政府每年到期应偿债务的本息之和，g为财政收入增长率，σ为财政收入的波动性。

三 中国地方政府债务风险预警模型实证分析

在对KMV模型进行转化得到地方政府债务风险预警模型后，为验证修正后的KMV模型在研究地方债务风险方面的可行性及准确性，本文在没有考虑新发债的情况下，通过两种对各地区到期偿债比例的估算方法，选取31个省（市、自治区）作为省级层面地方政府债务风险研究的样本、重庆市36个区县作为市级层面的样本对基于KMV模型的地方政府债务风险预警模型进行实证分析。

（一）不同到期偿债比例的债务风险估算方法

由于数据可得性差，每年地方政府到期偿债比例无法确切得知，因此本文尝试在5%～100%区间内挑选不同到期偿债比例，以此估算各偿债比例下2017年各省份及重庆各区县的地方债务风险情况。

1.样本数据选择

财政收入增长率g及波动率σ：因为财政收入在时间序列上存在阶段性变化，因此我们选取2012～2016年的财政收入[4]数据进行计算；

财政收入A_t：选择2017年的数据，但因有两个省暂未公布其2017年财政收入，我们用求得的财政收入增长率去估算这两个省2017年的财政收入，其余省份均采用2017年各省财政厅的公开数据；

债务规模D_t：由于数据可得性的问题，采用中诚信国际测算的2016年各省份的债务规模[5]，并用全国债务规模增长率（全国新增地方债务限额/全国地方政府债务余额）[6]来替代各省份债务规模增长率，从而求得各省份2017年债务规模（分显性债务口径和考虑隐性债务口径）；

到期债务平均利率r：参考国内文献，选用5年期地方债发行利率作为估算。

2.测算方法

将样本数据代入公式（9）、（10）和（6），计算违约距离DD及预期违约概率EDP：

在不同到期偿债比例a下，显性债务口径以及考虑隐性债务口径下的2017年各省份及重庆各区县预期违约概率EDP分布如表1～表4所示（均按债务率升序排序）。其中，按照违约风险概率的结果分布并结合经验判断，本文将地方政府债务风险划分为4个区间，分别为安全区间[0，0.1）、轻度风险区间[0.1，0.3）、中度风险区间[0.3，0.6）、重度风险区间[0.6，1）。

3.测算结果（见表1～表4）：省级层面看，显/隐性债务口径下贵州、辽宁等省债务风险较高，广东、上海等较低；从重庆市看，显性债务口径下城口县及大渡口区债务风险较高，含隐性债务口径下合川区、沙坪坝区债务风险较高，江北区债务风险均较低

从省级层面来看，在显性债务口径下，当各省份到期偿债比例处于10%以下时，全国基本处于安全区间，仅青海省出现轻度债务风险；当到期偿债比例达到20%时，贵州省率先出现了重度债务风险；当到期偿债比例达到30%时，辽宁、内蒙古、云南出现重度债务风险；此后，随着到期偿债比例的不断提高，全国各省份相继进入重度风险区间；各省份到期偿债比例超过90%后，27个省份的EDP进入了重度风险区间，仅北京、广东、上海、西藏仍未进入重度债务风险区间。当考虑隐性债务时，全国地方政府债务风险明显增加。若各省份到期偿债比例处于10%以下时，全国基本处于安全区间，仅青海省和贵州省出现轻度债务风险；到期偿债比例达到10%时，贵州省出现了重度债务风险；随着到期偿债比例的不断提高，全国各省份先后进入重度风险区间；当到期偿债比例达到70%以后，28个省份进入了重度债务风险区间，仅上海、广东仍未出现重度债务风险。

从重庆市各区县来看，在显性债务口径下，当到期偿债比例处于10%以下时，重庆全市基本处于安全区间，仅城口县出现轻度债务风险；随着到期偿债比例的提高，梁平区、大渡口区、合川区出现了轻度债务风险；当到期偿债比例达到30%时，大渡口区率先出现了重度债务风险，城口县、梁平区、合川区由轻度风险转为中度；此后，重庆各区县相继进入重度风险区间；若到期偿债比例达到100%，仅4个区县尚未出现重度债务风险，分别为江北区、沙坪坝区、綦江区、万州区。若考虑隐性债务，重庆各区县地方政府债务风险程度大幅加重。当到期偿债比例达到8%时，合川区已出现重度债务风险；当到期偿债比例达到10%时，沙坪坝区等相继进入重度债务风险区间；到期偿债比例达到15%时，巴南、黔江、长寿三个区均出现重度债务风险；当到期偿债比例达到80%以后，全市仅江北区仍未进入重度债务风险区间。

表1 不同到期偿债比例下各省份地方政府债务风险（违约概率EDP）（显性债务口径）

续表

表2 不同到期偿债比例下各省份地方政府债务风险（违约概率EDP）（考虑隐性债务口径）

续表

表3 不同到期偿债比例下重庆市各区县地方政府债务风险（违约概率EDP）（显性债务口径）

续表

表4 不同到期偿债比例下重庆市各区县地方政府债务风险（违约概率EDP）（考虑隐性债务口径）

续表

（二）按到期地方债计算到期偿债比例的债务风险估算方法

上述方法估算出不同到期偿债比例下的地方政府债务风险情况，但由于各地区经济发展水平及债务程度存在差异，各地区到期偿债比例不尽相同，因此不能在同一维度下进行简单比较，在此基础上，我们尝试对到期偿债比例的估算方法进行修正，用可获取的数据估算了各省份的到期偿债比例，基于按到期地方债估算到期偿债比例的方法对各地区进行了2017～2023年地方政府债务风险的研究。

1.样本数据选择

地方政府财政收入增长率g及波动率σ：选取2012～2016年的财政收入数据[7]进行计算；

地方政府财政收入A_t：用财政收入增长率g估算2017～2023年的各省份财政收入；

地方政府债务规模D_t：由于数据各省份2017～2023年的债务规模无法获得，采用中诚信国际测算的2016年各省份的债务规模，并用全国债务规模增长率（全国新增地方债务限额/全国地方政府债务余额）[8]来替代各省份债务规模增长率，估算得到各省份2017～2023年地方政府债务规模；

到期偿债比例a：采用各省份每年到期的地方债规模[9]与D_t之比；

到期债务平均利率r：选用5年期地方债发行利率作为估算。

2.测算方法

将上述样本数据代入公式（9）、（10）和（6），计算违约距离DD及预期违约概率EDP：

EDP=N（-DD）（6）在按到期地方债计算到期偿债比例a方法下，显性债务口径的2017～2023年各省份预期违约概率EDP如表5所示，并按每年各省份债务风险EDP降序排序。其中，按照违约风险概率的结果分布并结合经验判断，本文将地方政府债务风险划分为4个区间，分别为安全区间[0，0.1）、轻度风险区间[0.1，0.3）、中度风险区间[0.3，0.6）、重度风险区间[0.6，1）。

3.测算结果[10]（见表5）：全国各省整体处于债务安全区间，仅少数如辽宁等省债务风险相对较高

表5 不同到期偿债比例下各省份地方政府债务风险*（违约概率EDP）（显性债务口径）

续表

按数据结果显示，2017～2023年全国大部分省份的违约概率EDP均接近0，表明大多数省份均处于债务安全区间，均未出现重度债务风险，仅辽宁省在2019年出现了轻度债务风险，2020年之后进入中度债务风险区间。从每年地方政府债务风险排名可以看出，青海、辽宁、贵州、内蒙古等省每年违约概率EDP均排在前列，这在一定程度上表明这些省份的地方政府债务风险相对其他省份高，而上海、广东、江苏等省地方政府债务风险每年均保持在较低水平。值得注意的是，按此方法估算的2017～2018年北京市地方政府债务风险排名较高，与实际情况较不相符，原因在于此方法按照各省份每年到期地方债券规模确定到期偿债比例来估算地方政府债务风险，而北京市近两年到期地方债规模相对较大，因此2017年北京市地方政府债务风险高居第二，2018年仍较高，位于第七，但2020年以后到期地方债减少，北京市地方政府债务风险回归正常水平，2020～2023年风险排名均位于末段，债务风险较低。

四 结论

本文在总结了以往地方政府性债务违约风险研究的基础上，以KMV模型为基础进行转化，构建了基于KMV模型的地方政府债务风险预警模型，在不考虑各地区地方政府新发债的情况下，通过两种到期偿债比例估算方法对各省份及重庆各区县的地方政府债务风险进行了实证分析。主要结论如下：

（1）到期偿债比例与地方政府债务风险有明显的相关性。从各地区地方政府债务违约风险概率数据来看，到期偿债比例对其具有正向的冲击，即随着到期偿债比例的增加地方政府债务违约风险也在不断增大，这在一定程度上表明到期债务集中偿还压力的增大容易加剧地方政府的债务违约风险。

（2）无论是通过不同到期偿债比例的估算方法还是按到期地方债的估算方法，得到的全国各省份地方政府债务风险结果大致相同。显性债务口径下，青海、辽宁、内蒙古、贵州、云南等省份债务风险程度相比其他省份高，北京、广东、上海、江苏等省份的债务风险相对较低。若考虑隐性债务，贵州、辽宁、云南、青海、内蒙古等省份债务风险仍较高，广东、上海等债务风险仍较低，而北京、江苏考虑隐性债务后的地方政府债务风险大大增加。

（3）在采用不同到期偿债比例估算地方政府债务风险的方法下，修正后的KMV模型在此大体适用。通过修正后的KMV预警模型得到的各区域地方政府债务风险与实际债务率情况大致相符，即债务率越高的地区越容易在更低的到期偿债比例下进入中高风险区间。从省级层面来看，显性债务口径下贵州、青海、云南、辽宁、内蒙古债务风险较高，北京、广东、上海、西藏债务风险较低；考虑隐性债务口径后贵州、辽宁、云南等债务风险仍较高，广东、上海等债务风险仍较低。对重庆市而言，显性债务口径下江北区、万州区、綦江区、沙坪坝区等相比其他区县债务风险较低，而城口县及大渡口区的地方政府债务风险较高；考虑隐性债务后，江北区仍保持着相对较低的债务风险，其他各区县债务风险明显增加，如合川区、沙坪坝区、黔江区、巴南区等。

（4）在按到期地方债确定到期偿债比例估算地方政府债务的方法下，修正后的KMV模型在此并不完全适用，但最终得到的各省份债务风险排名的相对位置仍具有参考意义。因地方政府到期规模数据难以获得，本文采用每年各省地方债券到期规模来进行替代，而债券只是地方政府债务的一部分，地方政府债务还包括银行贷款、信托、基金等多种融资工具，因此该数值将远远小于真实地方政府每年到期债务规模，所以实证得到的结果表明各省份2017～2023年均没有重度债务风险且大部分处于安全区间，这样的结果或与真实情况有所出入。因此本文采用修正后的KMV模型在此方法下并不完全适用，但通过模型得到的各省份债务风险排名的相对位置仍具有参考价值。

---

[1]袁海霞，中诚信国际首席宏观分析师、研究院宏观金融研究部总经理；汪苑晖，研究院宏观金融研究部分析师。

[2]根据全国各省份财政决算报告及中诚信国际测算。

[3]韩立岩、郑承利、罗雯、杨哲彬：《中国市政债券信用风险与发债规模研究》，《金融研究》2003年第2期。

[4]全国各省份财政决算报告、重庆市各区县财政决算报告，中诚信国际整理计算。

[5]根据全国各省份及重庆市各区县财政决算报告，中诚信国际整理计算。

[6]全国各省份财政决算报告、重庆市各区县财政决算报告，中诚信国际整理计算。

[7]全国各省份财政决算报告、重庆市各区县财政决算报告，中诚信国际整理计算。

[8]全国各省份财政决算报告、重庆市各区县财政决算报告，中诚信国际整理计算。

[9]Wind数据库，中诚信国际整理计算。

[10]由于重庆市各区县到期地方债规模无法统计，此估算方法暂未进行重庆市各区县地方政府债务风险的计算。