互联网金融业对传统金融业风险溢出效应研究

发布时间：2021-01-02 16:25

　　通过建立EGARCH-POT-Copula-CoVaR模型,本文分析了互联网金融业对于银行业、证券业和保险业的风险溢出效应。结果显示:第一,如果互联网金融业面临极端风险,其对于银行业、证券业和保险业均存在明显的风险溢出效应,平均溢出比例较高,并且平均溢出效应和平均溢出比例均是证券业最高、保险业次之、银行业最小;第二,在现实中的互联网金融业风险集中爆发时间段内,溢出效应绝对值均增大,但是溢出比例却呈现出差异性,其对于证券业溢出比例增大,而对于银行业和保险业反而减小;第三,互联网金融可能在一定程度上助涨了股市泡沫,监管当局需要严格防范互联网金融风险引发的股市危机。 

【文章来源】：证券市场导报. 2019年05期 北大核心CSSCI

【文章页数】：9 页

【文章目录】：
引言
文献综述
互联网金融业风险溢出效应的内在逻辑
    一、互联网金融业与银行业的关联性与风险溢出
    二、互联网金融业与证券业的关联性与风险溢出
    三、互联网金融业与保险业的关联性与风险溢出
CoVaR与测算模型
    一、风险溢出测度指标CoVaR
    二、EGARCH-POT-Copula-CoVaR模型测算步骤
互联网金融业风险溢出效应研究
    一、指标选取与数据描述
    二、行业及市场收益率波动研究
    三、互联网金融业与传统金融业的关联度度量——基于Copula函数
    四、互联网金融风险溢出效应研究
        1.VaR风险测度
        2.互联网金融业的风险溢出效应计算结果
        3.互联网金融风险溢出效应动态特征研究
结论与建议


【参考文献】：
期刊论文
[1]互联网金融与银行风险承担:基于中国银行业的证据[J]. 顾海峰,杨立翔.  世界经济. 2018(10)
[2]互联网金融发展与货币政策的银行信贷渠道传导[J]. 战明华,张成瑞,沈娟.  经济研究. 2018(04)
[3]互联网保险契约不完全性的利益冲突及其防范机制[J]. 谭媛媛,孙蓉.  保险研究. 2018(01)
[4]互联网金融背景下商业银行并购重组选择差异的效率研究——基于商业银行异质性的Malmquist指数实证分析[J]. 刘笑彤,杨德勇.  国际金融研究. 2017(10)
[5]金融网络关联与我国影子银行的风险溢出效应——基于GARCH-Copula-CoVaR模型的分析[J]. 马亚明,宋羚娜.  财贸研究. 2017(07)
[6]互联网金融、股票市场与中小企业发展[J]. 何启志,彭明生.  财政研究. 2017(09)
[7]商业银行对互联网金融的学习效应——基于上市银行经营数据的实证研究[J]. 陈艺云.  证券市场导报. 2017(06)
[8]互联网金融对商业银行风险承担的影响:理论解读与实证检验[J]. 郭品,沈悦.  财贸经济. 2015(10)
[9]基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究[J]. 苟红军,陈迅,花拥军.  管理工程学报. 2015(01)
[10]房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法[J]. 刘向丽,顾舒婷.  系统工程理论与实践. 2014(S1)



本文编号：2953244