金融是国家重要的核心竞争力，金融制度是经济社会发展中重要的基础性制度。党的二十大报告指出，依法将各类金融活动全部纳入监管，守住不发生系统性风险底线，将加强监管、防范金融风险提升到新的治理高度。在中美关系复杂化、地缘政治风险加剧、国内经济下行压力加大的客观背景下，以中小银行风险、地方政府债务风险等为主要表现的地方金融风险日益突出，防范化解系统性金融风险是当前金融工作的重要任务。伴随大数据在“量”和工具上优势的显现，数智赋能已经成为国家“十四五”时期建设数字政府、开展电子政务的关键内容，也是提升政府治理能力现代化水平的关键举措。因此，如何发挥好大数据的优势，利用好大数据“量”的优势和大数据技术，搭建基于大数据的地方金融风险监测预警及协同治理机制，对于“十四五”时期提升地方金融风险治理效能具有重要的现实价值。

伴随经济外部环境不稳定以及地方政府竞争压力加大，以村镇银行、农信社等为主的地方金融风险问题逐渐凸显。同时，在科技创新驱动下，包含非正式金融风险的地方金融风险形态更加复杂、隐蔽性更强，需要结合理论与实践进行深入研究。由此，本书以基于大数据的地方金融风险监测预警及协同治理的理论探讨为基础，结合现实和案例分析，着力探讨基于大数据的地方金融风险监测预警及协同治理机制，最终成果报告可以划分为四个部分。一是理论部分，包括绪论和第一章。在现有学者研究成果的基础上，系统梳理了基于大数据的地方金融风险监测预警及协同治理的研究背景、意义及研究进展，探讨了地方金融风险的形成及传染机理，从大数据角度分析了地方金融风险监测预警的逻辑理路和协同治理的理论要义。二是现状和经验分析部分，主要是第二章和第三章。结合数据可得性，分析了地方重点领域金融风险发生现状，梳理了分权视角下地方金融风险治理的演变过程，利用大数据分析了地方金融风险治理的政策趋势，提出了基于大数据的地方金融风险监测预警的难点，指明了基于大数据的地方金融风险协同治理的现实约束，为基于大数据的地方金融风险监测预警及协同治理提供了事实依据。同时，系统梳理了广州等多个地方政府针对地方金融风险的大数据治理典型实践，为基于大数据的地方金融风险监测预警及协同治理提供了实践依据。三是监测预警体系构建及仿真实验部分，主要是第四至六章。基于理论和实践分析，从多个角度构建了基于大数据的地方金融风险监测预警体系，并据此利用熵值法、Dagum基尼系数分解法以及空间计量法分析了2013～2021年中国30个省（区、市）（不含港澳台和西藏）地方金融风险水平及收敛性，探讨了地方金融风险的发展态势。同时，利用2013年1月4日至2022年1月25日2167个温州指数日频样本，考虑COVID-19冲击情景，验证了LSTM集成模型和GWO集成模型对地方金融风险监测预警的精准性和鲁棒性，预测了“十四五”时期地方金融风险的发展趋势。四是协同机制构建及对策部分，主要包括第七章和第八章。基于上述理论、现状、案例和计量实证分析结果，从实质参与、实质行动、共享动机、联合行动四个角度，构建基于大数据的地方金融风险协同治理机制。进一步地，从数字化协同、大数据创新、大数据基础设施建设、分类治理、立法规范等多个角度提出了提高基于大数据的地方金融风险监测预警及协同治理效率的对策建议。

本书紧扣研究主题，贴近现实热点，基于国内外学者研究成果及实证分析结果，得出如下结论。

一是基于大数据的地方金融风险监测预警及协同治理的理论探讨。金融机构本身的脆弱性和不稳定性以及地方政府债务、企业高杠杆、影子银行、房地产泡沫及重大突发公共卫生事件等导致了地方金融风险的发生，地方金融风险会在金融部门、政府部门、企业部门以及居民之间交叉传染。同时，基于大数据的地方金融风险监测预警存在从数据治理、风险识别到监测预警的逻辑理路。而本质上看，数字化协同治理是平台化治理，主体多元、系统协同、组织协同和规则协同是基于大数据的地方金融风险协同治理的理论要义。

二是基于大数据的地方金融风险治理现状。总体上，广义地方金融风险表现出中小银行风险较大、民间金融风险稳中趋缓、地方政府债务规模持续扩大、房地产风险日益凸显的特点，分权视角下央地互动成为地方金融风险治理的主要方向，大数据分析下地方金融风险治理政策日益严格，地方类金融风险治理特征突出。同时，基于大数据的地方金融风险监测预警存在重点领域金融风险突出、新金融风险捕捉难度大、金融风险治理大数据手段不充分、算法约束限制监测预警效能等难点。此外，基于大数据的地方金融风险协同治理面临多元化协同主体缺乏实质性参与、组织结构难以凝聚协同治理的合力、数据共享限制治理的协同效能、规则缺失制约治理的行为协同性等现实约束。

三是基于大数据的地方金融风险治理经验。通过重点剖析广州政府主导型、深圳企业主导型地方金融风险大数据治理实践，以及上海等典型地区大数据治理经验，本书认为地方金融风险的大数据治理表现出动态闭环过程、数据治理大数据化、风险识别多样化、大数据监测预警全域化和人工智能化、治理联动协同化等特点，治理过程基本遵循数据治理、风险识别、风险监测预警及协同决策等动态闭环过程，为构建基于大数据的地方金融风险监测预警体系及协同治理机制提供了实践依据。

四是基于大数据的地方金融风险监测预警。基于学者研究成果、理论分析和案例解剖，突出大数据的“量”和工具特点，基于广义地方金融风险概念，从数据治理、风险识别、监测指标体系、风险预警、风险决策与处置等角度构建了基于大数据的地方金融风险监测预警体系。其中，从数据自适应学习、数据共享及数据集成等方面构建了基于大数据的地方金融风险数据治理机制；基于金融案件、文献分析及金融治理政策，认为地方金融风险主要包括影子银行风险、房地产风险、商业银行风险、民间借贷风险、非法集资风险、地方政府债务风险、企业债务风险以及金融创新风险等，据此建立了包括地方金融机构风险、房地产风险、债务风险、经济环境风险、金融舆情监测、企业和居民信息监测6个部分共133个指标的地方金融风险大数据监测指标体系，构建了基于大数据的地方金融风险预警机制、地方金融风险评估方法、风险警情的人工智能分析机制和响应触发的基于大数据的地方金融风险预警机制，提出了基于大数据的地方金融风险五级响应决策与处置机制。

五是地方金融风险水平的测度及变化趋势。基于2013～2021年中国30个省（区、市）（不含港澳台和西藏）的面板数据，参考监测指标体系，构建了地方金融风险评价指标体系，利用熵值法测算了地方金融风险水平，运用Dagum基尼系数分解法分析了全国及四大区域地方金融风险水平的动态演进、区域差异及其来源，采用变异系数法及空间β收敛法检验了全国及四大区域地方金融风险水平的收敛特征。得出结论：总体上，我国地方金融风险呈现“下降—上升”的“V”形波动趋向，增速明显放缓，风险整体可控。同时，地方金融风险水平的相对差异较大，区域间差异是地方金融风险水平总体差异的主要来源，超变密度是第二来源，区域内差异贡献最低。此外，不同地区的σ波动收敛及β收敛趋势差异较为明显。

六是基于大数据的地方金融风险监测预警仿真实验分析。考虑省级样本期限结构，以地方非正式金融风险高频数据为地方金融风险样本，基于2013年1月4日至2022年1月25日6种温州指数2167个日频样本，利用LSTM-GRU、LSTM-CNN、LSTM-SVR等深度学习的混合模型，验证了不同模型在地方金融风险监测上的精准性和鲁棒性。同时，基于《中华人民共和国民法典》（以下简称《民法典》）同期LPR的4倍来界定是否存在借贷风险，发现基于大数据的机器学习方法能够精准地预测预警地方金融风险。进一步地，拓展借贷风险样本数据时间至2023年1月，利用深度学习模型对地方金融风险水平进行仿真预测，发现“十四五”时期，地方金融风险将略有上升，不同地区的地方金融风险水平差异较为明显；不同民间借贷指数波动差异较大，民间非正式金融组织借贷风险相对偏高。

七是基于大数据的地方金融风险协同治理机制。在协同理论等理论基础上，结合现状、案例及实证分析结果，从实质参与保障、实质行动保障、共享动机保障、联合行动保障四个角度，构建包含多元主体间的协调机制、基于大数据的协同治理决策机制、大数据共建共享机制以及基于大数据的治理规则协同机制等基于大数据的地方金融风险协同治理机制。

八是提高地方金融风险监测预警及协同治理效率的建议。提出加强地方金融风险治理的数字化协同、强化地方金融风险治理的大数据创新、加快建设大数据基础设施、加强对地方金融风险的分类治理、加快金融风险大数据治理的立法规范等政策建议。通过加强大数据技术创新研发，强化大数据基础设施建设，提高地方金融风险的监测预警能力，提升地方金融风险协同治理效能，促进地方金融有序健康发展，守住不发生系统性金融风险的底线。