基于实证分析的互联网金融行业风险评估研究

发布时间：2024-07-07 06:07

　　本研究的目的是通过对互联网金融行业基于统计学方法的对比分析和实证分析构建对其风险情况的评价体系。通过比较互联网金融行业与传统金融业,探究目前我国互联网金融行业的发展情况,并对该行业公司的宏观和行业影响因素进行分析;从公司数据出发,对公司影响因素进行分析。通过行业内外部环境研究中国互联网金融行业的风险现状。互联网金融行业的内部业态具有其创新性和风险性,而处联网金融行业的蓬勃发展对其自身以及相关行业带来了改变,其中既有利于其作为支持性产业提供便捷性也有不利于行业规范的隐蔽性。随着我国的信息技术的进步、人工智能的发展、算法技术的优化,金融的泛化发展的趋势越来越明显,在万众创新的政策红利下,各行业进行了更加深入的资金联系,并形成了更多跨行业的业务。这一方面增加了我国行业的发展机会,另一方面则增加了行业间风险传播的渠道,而互联网金融行业则是这一时代背景下的重要产物。本文将连接函数和对数几率回归模型引入到金融风险分析中,介绍了在金融领域,连接函数和对数几率回归模型的研究背景,意义,研究现状和理论基础,并对互联网金融和金融领域的研究现状进行了归纳。首先,对互联网金融行业进行概念界定和现状描述,通过利...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图1互联网金融收益时序图

??．指数介绍：互联网金融概念指数的样本空间为沪深市场股票，将与支、投资、保险、金融信息服务以及其他与互联网金融相关的公司纳入互主题，包括但不限于第三方支付、Ｐ２Ｐ、众筹、小贷、互联网基金、互、互联网银行、互联网保险，征信，金融信息服务，其他与互联网金司作为待选样本，按市值高低排....

图２传统金融收益时序图??随后，对互联网金融指数以及传统金融指数进行的描述性统计

数的角度分析，二者虽有差距，但相差不大。这一方面反映了互联网金融相关公??司的尾部企业较多，另一方面则说明传统金融业的发展，相对更加均匀平稳。作??为一个新兴产业，互联网金融概念的标准差较大，这也符合图１和图２中的观察??结果。可以看出，在发展过程中，我国的互联网金融更容易受到影....

图３变换后的残差分布图??通过调用ｓｃｉｐｙ．ｓｔａｔｓ下的ｋｓｔｅｓｔ，对这两个序列进行利用Ｋ－Ｓ检测，可以看到??

时变连接模型拟合：通过两组收益的时间序列进行拟合得到残差，对残差序??列进行归一化，利用拉普拉斯变换将数据归一至［０，１］的均匀分布，获取新的序列。??图３显示了转化后的边缘分布，可以看到左下和右上区域具有密度更高的点，其??中，左下部分的聚集情况较为明显，右上区域的聚集情况较难....

图４时变高斯连接??在时变克莱顿连接的函数图形中，可以看出其结果分布稍显杂乱，图形的整??

图４时变高斯连接??变克莱顿连接的函数图形中，可以看出其结果分布稍显杂乱，图形的整??为不明晰，时序性较差，但随着时间的推移稳定性增强。因此在进行模??时候，可以在参考具体数据后选择，用来描述下尾相关性。??１．６?－??ｉｒｌｉ?Ｉ?ｈ?ｉ?ｊ??ｎｓ－?ｒｔＪｉｙ?Ｉ?ｉ??....

本文编号：4003270