尽管学术界就主权债务违约领域已经进行了大量的研究,但导致主权债务违约发生的宏观和微观机理的研究仍相对较少。政策制定者和学者们主要依据经验法则来评价债务风险、财政政策的可持续性、宏观经济政策的稳健性,而对于基于严格数理分析和实证检验的分析较少。上述问题的存在使得风险预警中的“无效监测”事项时有发生,也就是,私人部门、评级机构、学术界乃至政策制定者往往会低估主权债务违约风险,当主权债务违约发生时往往超出人们的预期。在欧债危机发生时,标普、惠誉、穆迪对于危机国家主权债券评级的后知后觉使其饱受批评。截至2016年12月31日,中国拥有3万亿美元的外汇储备,目前各国主权债务仍是外汇储备资金的主要去处。如何对这些外汇储备进行保值投资,是一个非常值得研究的问题。因此,构建主权债务危机预警系统,既有助于我国识别他国主权违约风险的大小、降低投资的损失,又有助于加强自身建设、吸引更多的国外资金发展本国经济。本文的主要目的是在已有研究的基础上对一国在将来特定时期内发生主权债务违约的概率进行测算。债务违约风险的预测基于三个核心因素,分别是充足的测试样本数据库、稳健的预警模型和高效的预警方法。本文的第三、四、五三章分别构建了上述三个核心要素。特定国家主权债务违约风险的测算是上述三个核心要素的应用,是本文第六章的主要内容。本文建立了规模大、数据新的违约样本数据库。基于R软件编程对样本数据进行了分析,对债务违约的影响因素进行了识别,对风险预警领域主要的预警方法的预警能力进行了比较分析,选取了主权债务违约预警领域预警能力最强的三种方法。并基于历史数据,对包含中国、美国、日本在内的11个国家在2017年度发生主权债务违约风险的概率进行了测算。研究分为七章,第一章为导论。第二章主要介绍了文献和预警方法。分析了全球主权债务的现状,回顾并比较分析了主权债务违约的历史事件,梳理了已有的债务违约理论,介绍了目前学术界主要采用的四种主权债务违约预警方法,并对不同预警方法的优劣势进行了比较分析。第三章主要进行债务违约预警指标体系和违约样本数据库的创建。主权国家债务违约原因的理论分析是债务违约数据库建立的理论基础,本文分别从马克思主义经济理论和西方经济理论的角度分析了主权债务违约的理论成因。根据债务违约影响因素的分类原则,本文将债务违约影响因素分为五类,分别是国内经济因素、债务因素、国际环境因素、人口因素和声誉因素。从五类因素中识别了主要的预警变量,从理论上分析了各变量对主权债务的影响机制和影响的传导路径。最终确定了共选取了5大类,25个变量构建了主权债务违约预警指标体系。在违约事件选择上,本文基于加拿大银行评级组对主权债务违约的定义,选取了违约样本事件。基于债务违约风险预警的角度出发,对债务违约统计的时间窗口进行了设置,设置时间为12个月,这意味着,本文对主权债务违约的预警的预警期间为12个月。基于识别的违约样本,建立的违约预警指标,本文构建了基于77个国家1981-2015年间的违约样本数据库,违约样本数据库的选择为下文主要影响因素的识别、预警方法的判别等章节提供了数据基础。第四章从实证分析的角度建立债务违约预警模型,并基于logit回归方法确定主权债务违约的主要影响因素。数据样本建立后,本文先后从显著性分析、异常样本诊断、共线性分析和相关性分析四个角度分析筛选了预警指标,共选取实际GDP增长率、前五年GDP波动率、失业率、通货膨胀率、经常项目余额/GDP、国内信贷总额/GDP、汇率波动率中央政府债务/GDP、外债存量占CNI比率、金融传染性指标、美国国债利率、人口抚养比、出口增长率、M2/准备金、FDI/GDP、总储蓄/GDP、实际汇率与长期趋势的偏差值、金融风险指数、声誉影响等19个变量,建立了违约预警模型。违约预警模型建立后,采用logit回归分析方法,对主权债务违约的主要影响因素进行识别。在对样本整体进行回归分析的基础上,沿着三个主要脉络将总体样本划分成若干个子样本,以分析不同情况下影响因素的差别。主要划分维度为横向上根据一国经济发展水平将总样本划分为发达国家和发展中国家;地域上根据不同国家所处地域的不同,将总样本划分为欧洲国家、亚洲国家、拉丁美洲国家和非洲国家;在纵向上以时间为轴,将1999年之前和1999年之后的时间区间分别作为子样本进行分析。总计划分为20个子样本,并对20个子样本的回归结果进行了分析,比较了不同样本间影响因素的不同。在分样本分析后,又加入了声誉因素对已经识别的主权债务违约影响因素的显著性和稳健性进行进一步分析。经分析发现了11个对主权债务违约风险的影响同时具备稳健性和显著性的因素,其中国内经济变量的因素有9个,分别为实际GDP增长率、失业率、经常账户余额占GDP的比例、出口增长率、外债总额占GNI的比率、通货膨胀率、M2占外汇储备的比率、实际有效汇率波动率和中央政府债务占GDP的比率;人口因素1个,为人口抚养比;另外就是声誉变量,反应了一国当期债务违约对未来债务违约风险的影响。同时发现,实际GDP波动率、国内信贷总额占GDP的比重、危机传染性指标、美国国债收益率等四个指标具备显著性,但不具备稳健性。实际GDP波动率、国内信贷总额占GDP的比重、危机传染性指标三个指标在未加入声誉变量的情况下具备显著性,但加入声誉变量后不具备显著性。美国国债收益率在未加入声誉变量的情况不具备显著性,但在加入声誉变量后具备显著性。本章同时对本文建立的预警模型的预警能力与已有研究进行了对比。经比较,本文建立的预警模型与已有研究相比,具备更高的样本内预测准确度和更低的一类错误发生概率。第五章选取了对主权债务违约风险预警能力更强的预警方法。在本章节的分析中,我们总共引入了六大类11种预警分析方法,分别是神经网络分析法中的BP神经网络分析法、决策树分析法以及决策树分析中的组合分析法(选用了随机森林、Bagging、Boosting三种方法)、支持向量机分析方法、K临近分析方法、判别分析方(线性判别分析法方和二次判别分析法)以及限制性变量回归中的logit回归和probit回归方法。在对方法进行介绍后,对预警分析中的关键参数进行设定,并对总体样本进行回归,得出回归结果,对不同模型间的回归结果进行了统计性比较。之后本文基于数据挖掘的方法采用10折交叉分析法、预期错误分类成本法等人工智能领域成熟的模型判别方法对模型的预测能力进行了比较分析,对不同模型的预警能力综合评价,最后综合10折交叉验证法以及预期错误分类成本两大类方法,得出对国家主权债务危机的预测能力最强的三种方法依次是:支持向量机方法、随机森林方法和Logit方法。第六章是本文理论和预警方法的应用,是本文研究的出发点和落脚点。在本章中基于最优预警方法,以前文建立的大样本数据库为训练样本,以经验证稳健的预警模型为解释变量,实证测算了中国、美国、日本、巴西、阿根廷、希腊、爱尔兰、南非、赞比亚、菲律宾、科威特等11个国家主权债务发生的概率,并对全球范围内不同国家间的债务违约风险进行比较分析。基于以上工作,本文基本建立了有很高可信度(大于90%)的预测特定国家在未来一年内是否会发生主权债务违约的预警体系,希望能对主权债务违约预警领域有所贡献。第七章是本文的结论与政策建议。在第七章对本文主要的研究结论进行了概述,提出了政策建议。