当今世界已处于主权债务危机的多发之时,上世纪末的一系列债务危机事件的影响尚未消退,新一轮的债务危机又在08年金融危机的诱发下卷土重来。09年10月的冰岛债务危机、11月的迪拜债务危机、12月的希腊债务危机以及当下愈演愈烈的欧洲债务危机,上诉一系列债务危机事件预示着主权债务危机已成为威胁世界经济与金融稳定的主要因素。因此,有关主权债务危机预警系统的研究就显得十分迫切和重要。但是,本文在回顾已有文献的基础上,发现多数有关危机预警的理论和实证都是围绕货币危机和银行危机,真正专门研究主权债务危机预警的文献少之又少。反观现实情况,由于灵活汇率制度的执行,汇率剧烈波动和货币大幅贬值的情况已经较少出现,从而货币危机爆发的可能性大幅减小；巴塞尔协议的深入执行以及各国政府对银行业监管的加强也导致银行危机爆发的可能性显著的下降。因此,主权债务危机已取代货币危机和银行危机,成为金融危机爆发的主要形式。基于此,本文将主题定为主权债务危机的预警显然是十分有意义的。本文共分为六个章节：第一章为本文的引言,内容主要包括本文的研究背景和研究意义、本文的主要研究思路和研究方法以及本文的创新之处。第二章是有关主权债务危机的理论分析。在进行研究之前,首先必须要对研究对象的概念做出界定。本文将主权债务界定为：主权国家以自己的主权为担保向外借款。借款对象可以是其他国家,也可以是国际组织和机构(如国际货币基金组织和世界银行等),主权债务主要为政府债务中的外债部分。但是本文在对主权债务危机做概念界定时发现,学界对债务危机概念的界定并不一致,学者根据不同的研究方法对债务危机做出不同的概念界定。本文在研究中借鉴了Manasse(2003)的对主权债务危机的定义：如果某国在选定观察期内的任意一年被标准普尔认定拖欠债务或者在IMF中的非优惠贷款超过100%的配额,则表明该国发生了主权债务危机。在概念界定清楚之后,本文简单介绍了三代主权债务危机理论。这三代主权债务危机理论分别是：Owen Fisher的“债务-通缩”理论、Willfenshen的“资产价格下降”理论和Suter的“综合性国际债务”理论。第三章是对已有危机预警模型的介绍和评析,首先将介绍和评析经典的货币危机预警模型,经典的货币危机预警模型主要有：Kanminsky等的信号分析模型、Frankel等的FR模型、Sachs等的STV横截面回归模型、Kumar等的基于滞后宏观经济和金融数据的Simple Logit模型以及Nag等的人工神经网络(ANN)模型。接着介绍应用较为广泛的几个主权债务危机预警模型,并总结出了用于预警的主要方法,这些方法主要有：信号法、Logit模型、Probit模型以及人工神经网络(ANN)模型,并比较了这些方法的优缺点,比较得出ANN模型在预警方面的相对优势,基于上述分析本文最终选择目前在人工神经网络中使用较多的BP神经网络的方法构建主权债务危机的预警模型。第四章是数据描述以及预警指标体系的构建,本文选取了危机爆发较多的31个发展中国家,数据期限选择危机爆发较为频繁的上世纪八十年代至本世纪初。对预警的窗口期进行界定方面,本文借鉴了Kanminsky等(1998)将预警窗口定义为：若样本国在未来24个月出现过一次主权债务危机,则预警指标的值为1；没有出现,则为0。经过数据收集,本文共识别出样本651件,其中发出预警信号290件,没有发出预警信号361件。在建立预警指标体系方面,本文创新性的将可能的预警指标分为了4大类28项,这4大类分别是：货币危机预警指标、宏观经济指标、债务指标和收入指标。这4大类指标分别从不同的方面解释债务危机发生的可能性。在进行指标筛选时,本文采用了显著性检验和多重共线性检验,剔除那些不符合要求的变量指标。经过筛选,最终入选模型的指标有10个,分别是：汇率高估水平、经常账户/GDP、出口额(美元计)、LIBOR、美国国债利息率、通货膨胀率、实际GDP增长率、FDI/GDP、短期债务利息支付/GDP、长期债务利息支付/GDP。第五章是基于BP神经网络的方法构建主权债务预警模型,本章是全文的核心部分,本章将首先对BP神经网络的方法做简单的介绍,然后将设计并创建BP神经网络预警模型。本文建立的债务危机预警模型主要是利用Matlab2011b中的神经网络工具箱,经过多次试验,本文的BP神经网络模型设计主要参数如下：一个输入层、一个隐含层和一个输出层；10个输入节点、16个隐含层节点和1个输出节点；输入层到隐含层的传递函数为logsig函数、隐含层到输出层的传递函数为logsig函数；学习函数为learngdm函数；训练函数为trainlm函数；最大训练次数为3000次、训练目标精度为0.01和学习速率为0.01。本文在设计训练样本和检验样本时,考虑到数据的缺失对训练精度影响较大,所以剔除出了存在数据缺失的样本。因此,最后能够进行训练和检验的样本数只有568个,本文将这568个样本分成训练样本和检验样本,其中训练样本456个,检验样本112个。本文按照之前设计BP神经网络模型的主要参数,编写程序,并在Matlab2011b中运行实现。首先将456个训练样本带入模型进行训练,当网络模型训练到37步时,达到了训练目标精度的要求,训练结束。当网络模型训练好之后,本文将112个预测样本输入到网络中,对样本进行仿真测试。测试结果显示,网络模型共判断正确91次,其中无预警信号判断正确55次,发出预警信号判断正确36次：判断错误21次,其中无危机预警信号却判断有预警信号的16次,应该有预警信号却判断无预警信号的5次,判断准确率为81.25%。接着本又用二元Logistic模型做对比预测,二元Logistic模型共判断正确88次,其中无预警信号判断正确63次,发出预警信号判断正确25次；判断错误24次,其中无危机预警信号却判断有预警信号的8次,应该有预警信号却判断无预警信号的16次(详见表5.8),判断准确率为78.57%。比较BP神经网络模型和一元Lnoistir模型的预测结果,BP神经网络模型的预测准确率高于二元Logistic模型2.68个百分点。在正确预测危机次数上,BP神经网络模型共预测出36次危机,高于二元Logistic模型的25次。在危机预测失误方面,BP神经网络模型更容易将无危机预警信号判断成有预警信号,而二元Logistic模型更容易将有危机预警信号判断成无预警信号。第六章是文本文的结论与展望。本文的贡献主要在于：1.在选题上,本文研究了被学界关注较少的主权债务危机预警领域。以往的危机预警研究主要集中在货币危机和银行危机,但随着各国制度上和监管上得不断完善和加强,货币危机和银行危机爆发的可能性在显著减少,而之前被较多忽略的主权债务危机在最近几十年则较为集中的爆发。因此,有关主权债务危机的研究就显得更加紧迫和重要,基于此原因,本文将着力弥补这一研究领域的缺失。2.在预警指标的选取上,本文提出了科学性、全面性和可操作性三大原则,在总结已有文献的基础上,创新性的将预警指标分成了货币危机预警指标、宏观经济指标、债务指标和收入指标4大类指标,这4大类指标分别从不同角度解释了债务危机的发生机理,较为全面的解释了债务危机爆发的原因。3.在模型构建上,本文将之前在货币危机预警和财务危机预警方面较为成功的BP神经网络的方法应用到了主权债务危机预警上来,并用实证研究的方法证明的模型的有效性。在与二元Logistic做对比预测时,发现BP神经网络的方法构建的预警模型的预测精度比二元Logistic高出了2.68个百分点。本文的主要不足有：1.样本的局限性。本文在选取样本时,考虑了危机爆发较多的上世纪八十年代至本世纪初这一时间段,没有考虑最近十年的债务危机事件。在数据收集上,由于数据缺失现象严重,在进行模型训练和模型检验时,数据完整的样本只有568个,客观上限制了样本的训练精度。2.方法的不足。BP神经网络模型在设计时,隐含层层数和隐含层节点数、以及各种函数的确定没有统一的方法可循,必须要在大量试验的基础上确定。3.实证结果的说服力不够。本文建立的BP神经网络模型在进行检验样本的仿真预测时,只有81.25%的预测精度,预测精度没有达到预想的高度。只比做对比检验的二元Logistic模型的预测精度高了2.68个百分点。