金融科技创新风险的溢出效应研究
发布时间：2020-12-28 09:38
金融与科技的紧密联系开始于现代计算机信息技术的发展浪潮。2011年“金融科技”这一概念被正式提出后金融科技迎来迅猛发展的黄金时期。中国政府工作报告中多次提及要鼓励金融科技创新,让金融科技助力服务效率提升。与此同时,金融科技时代下系统性金融风险也在不断积聚,且更趋隐蔽性、复杂性和传染性。习近平总书记在主持中共中央政治局第十八次集体学习时提及要加强对区块链技术的引导和规范,就是要求在做好风险管控的基础上正确合理的应用金融科技。我们应认识到,金融科技创新存在两面性,首先我们要肯定金融科技的发展极大地促进了金融业的运行效率,但同时我们不可忽视金融科技创新的外溢风险,更要加强对金融科技创新的监管,引导金融科技创新健康、可持续发展。当前,金融风险不仅存在于传统金融市场内部的相互传递过程,更受到金融科技创新的影响拉近了金融市场与科技行业的距离,市场间的风险传递是否会显著改变系统性金融风险水平是值得重点关注的问题。金融科技创新极大促进了金融业的发展效率,但在快速发展的另一面更关系到整个金融市场的稳定性。因此,本文认为,在金融创新领域风险事件频发、金融科技创新带来金融风险测度难度加大的今天,“牢牢守住不...
【文章来源】：重庆工商大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
解释的总方差
重庆工商大学硕士学位论文38根据SPSS的效度检验结果如上表所示，可以发现历年KMO值均大于0.6，Bartlett的球形度检验的Sig.表明在0.05的显著性水平下均显著，拒绝Bartlett假设检验的原假设，即所选取的7个指标具有相关性。利用SPSS20.0统计分析软件对标准化数据进行主成分分析。以2013年系统性金融风险综合评价指标的合成为例，首先对经过标准化的原始数据进行统计量描述，并将其标准化得分输出为变量，得到Z（各指标变量）。然后对数据进行降维主成分分析，得到解释的总方差、碎石图以及成分矩阵矩阵a，如图4.1，4.2，4.3所示：图4.1解释的总方差图4.2碎石图
第四章金融科技创新对系统性金融风险传导的实证分析39图4.3成分矩阵a根据上图4.1表明，特征值大于1的前三个主成分的累计方差贡献率达到80.45%，已经能够较好地反映7个相关指标的总体变动情况，而且根据抽取的碎石图也可以清晰地发现在第三个指标时出现了明显的拐弯，因此可以提取前三个主成分反映系统性金融风险的大校首先计算出各成分的系数大小，计算公式如下：系数,=ri,j∕λ2式（4.3）系数,为第i个主成分对应的j指标前面的系数，ri,j为成分矩阵表中第i个主成分的j指标对应的值，λ为第i个主成分特征值。得到的三个主成分方程如下：1=∑系数1,*式（4.4）2=∑系数2,*式（4.5）3=∑系数3,*式（4.6）在求得各主成分值之后，通过各主成分贡献方差占累积总方差的比例进而可以求得系统性金融风险综合评价指标F值。根据公式如下：F=∑（第i个主成分的方差/主成分累积的总方差）*式（4.7）4.1.3系统性金融风险综合评价指标的描述性统计因此，得出系统性金融风险综合评价指标的描述性统计如下表4.3所示：
【参考文献】：
期刊论文
[1]金融科技风险产生缘由、负面效应及其防范体系构建[J]. 陈红,郭亮. 改革. 2020(03)
[2]货币供给、流动性波动与系统性金融风险——微观行为、宏观结构与传导机理[J]. 赵建,李奇霖,冯素玲. 金融评论. 2019(06)
[3]基于综合指数法的金融系统性风险测度[J]. 屈剑峰. 会计之友. 2020(02)
[4]数字经济时代下新金融业态风险的识别、测度及防控[J]. 李苍舒,沈艳. 管理世界. 2019(12)
[5]数字金融的发展与治理:从信息不对称到数据不对称[J]. 王作功,李慧洋,孙璐璐. 金融理论与实践. 2019(12)
[6]当前支付风险的变化与防控[J]. 王玉雄. 中国金融. 2019(23)
[7]互联网金融对商业银行的系统性风险溢出效应测度[J]. 翁志超,颜美玲. 统计与决策. 2019(22)
[8]我国互联网金融风险防范及政策建议[J]. 张存萍. 技术经济与管理研究. 2019(11)
[9]关于当前中国金融科技的理论反思——基于现代金融理论的一般分析[J]. 易宪容,陈颖颖. 南京社会科学. 2019(11)
[10]金融科技风险防范路径研究[J]. 於勇成,赵阳. 金融经济. 2019(16)
博士论文
[1]金融创新与科技创新的耦合研究[D]. 童藤.武汉理工大学 2013
硕士论文
[1]山东省县域金融风险评价及其空间格局演变研究[D]. 张烨.山东大学 2018
[2]中国区域科技金融对高新技术产业影响的研究[D]. 柳洋.华中师范大学 2018
[3]金融科技对我国系统性金融风险的影响研究[D]. 杨宇珊.湖南大学 2018
[4]基于金融产品创新视角的货币政策效应研究[D]. 闫琳.厦门大学 2009
[5]我国的金融风险综合评价[D]. 李艳会.吉林大学 2007
本文编号：2943530
【文章来源】：重庆工商大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
解释的总方差
重庆工商大学硕士学位论文38根据SPSS的效度检验结果如上表所示，可以发现历年KMO值均大于0.6，Bartlett的球形度检验的Sig.表明在0.05的显著性水平下均显著，拒绝Bartlett假设检验的原假设，即所选取的7个指标具有相关性。利用SPSS20.0统计分析软件对标准化数据进行主成分分析。以2013年系统性金融风险综合评价指标的合成为例，首先对经过标准化的原始数据进行统计量描述，并将其标准化得分输出为变量，得到Z（各指标变量）。然后对数据进行降维主成分分析，得到解释的总方差、碎石图以及成分矩阵矩阵a，如图4.1，4.2，4.3所示：图4.1解释的总方差图4.2碎石图
第四章金融科技创新对系统性金融风险传导的实证分析39图4.3成分矩阵a根据上图4.1表明，特征值大于1的前三个主成分的累计方差贡献率达到80.45%，已经能够较好地反映7个相关指标的总体变动情况，而且根据抽取的碎石图也可以清晰地发现在第三个指标时出现了明显的拐弯，因此可以提取前三个主成分反映系统性金融风险的大校首先计算出各成分的系数大小，计算公式如下：系数,=ri,j∕λ2式（4.3）系数,为第i个主成分对应的j指标前面的系数，ri,j为成分矩阵表中第i个主成分的j指标对应的值，λ为第i个主成分特征值。得到的三个主成分方程如下：1=∑系数1,*式（4.4）2=∑系数2,*式（4.5）3=∑系数3,*式（4.6）在求得各主成分值之后，通过各主成分贡献方差占累积总方差的比例进而可以求得系统性金融风险综合评价指标F值。根据公式如下：F=∑（第i个主成分的方差/主成分累积的总方差）*式（4.7）4.1.3系统性金融风险综合评价指标的描述性统计因此，得出系统性金融风险综合评价指标的描述性统计如下表4.3所示：
【参考文献】：
期刊论文
[1]金融科技风险产生缘由、负面效应及其防范体系构建[J]. 陈红,郭亮. 改革. 2020(03)
[2]货币供给、流动性波动与系统性金融风险——微观行为、宏观结构与传导机理[J]. 赵建,李奇霖,冯素玲. 金融评论. 2019(06)
[3]基于综合指数法的金融系统性风险测度[J]. 屈剑峰. 会计之友. 2020(02)
[4]数字经济时代下新金融业态风险的识别、测度及防控[J]. 李苍舒,沈艳. 管理世界. 2019(12)
[5]数字金融的发展与治理:从信息不对称到数据不对称[J]. 王作功,李慧洋,孙璐璐. 金融理论与实践. 2019(12)
[6]当前支付风险的变化与防控[J]. 王玉雄. 中国金融. 2019(23)
[7]互联网金融对商业银行的系统性风险溢出效应测度[J]. 翁志超,颜美玲. 统计与决策. 2019(22)
[8]我国互联网金融风险防范及政策建议[J]. 张存萍. 技术经济与管理研究. 2019(11)
[9]关于当前中国金融科技的理论反思——基于现代金融理论的一般分析[J]. 易宪容,陈颖颖. 南京社会科学. 2019(11)
[10]金融科技风险防范路径研究[J]. 於勇成,赵阳. 金融经济. 2019(16)
博士论文
[1]金融创新与科技创新的耦合研究[D]. 童藤.武汉理工大学 2013
硕士论文
[1]山东省县域金融风险评价及其空间格局演变研究[D]. 张烨.山东大学 2018
[2]中国区域科技金融对高新技术产业影响的研究[D]. 柳洋.华中师范大学 2018
[3]金融科技对我国系统性金融风险的影响研究[D]. 杨宇珊.湖南大学 2018
[4]基于金融产品创新视角的货币政策效应研究[D]. 闫琳.厦门大学 2009
[5]我国的金融风险综合评价[D]. 李艳会.吉林大学 2007
本文编号：2943530
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/2943530.html
