我国互联网金融风险测度及风险溢出效应分析

发布时间：2023-03-10 23:08

　　互联网金融是传统金融业融合互联网信息技术后生成的一种新型业态,以其低门槛、高效率的特征迅速发展,与传统金融业存在较大差别。但是在这种飞速发展的背后,互联网金融本身的风险和对其他领域的风险溢出效应也需要高度警惕。互联网金融可以通过与银行、证券等传统金融业的业务往来和竞争直接溢出风险,也可以通过引发系统性风险的方式进行间接的风险溢出。目前的研究针对于互联网金融风险的定性分析不计其数,但是合理的量化分析还尚有欠缺。为了丰富这一领域的研究并且提高金融风险管理能力,本文运用2016年底到2018年底两大互联网货币基金万份收益、P2P行业利率和三个指数的日度数据,选取了最合适的ARMA-GGARCH类模型计算的VaR和CoVaR值,用以度量互联网金融系统内部的风险和溢出情况以及互联网金融对传统金融业的风险溢出效应。本文的创新之处在于研究了互联网金融系统内部各产品间的风险溢出效应,特别是P2P行业的溢出效应,创新性地使用了中证银行指数和中证申万证券指数作为衡量银行业和证券业的指标,并且在计算出VaR值和CoVaR值的结果后进行了失败频率检验,以保证模型选择的有效性。实证结果表明:风险测度方面,银行业...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究内容及方法
        1.3.1 研究内容
        1.3.2 研究方法
    1.4 本文的创新和不足
第二章 文献综述
    2.1 互联网金融风险定性研究
    2.2 金融风险测度研究
    2.3 金融风险溢出效应研究
    2.4 研究述评
第三章 互联网金融风险溢出机制
    3.1 互联网金融对传统银行业的风险溢出
        3.1.1 互联网金融对银行业的直接风险溢出
        3.1.2 互联网金融对银行业的间接风险溢出
    3.2 互联网金融对传统证券业的风险溢出
        3.2.1 互联网金融对证券业的直接风险溢出
        3.2.2 互联网金融对证券业的间接风险溢出
第四章 互联网金融风险及溢出效应实证分析
    4.1 数据选择、分析与检验
        4.1.1 数据选择
        4.1.2 数据描述性统计分析
        4.1.3 数据检验
    4.2 度量方法及模型构建
        4.2.1 ARMA-GARCH类模型
        4.2.2 基于ARMA-GARCH类模型计算VaR值
        4.2.3 基于ARMA-GARCH类模型计算CoVaR值
    4.3 实证结果分析
        4.3.1 VaR值的计算
        4.3.2 CoVaR值的计算
第五章 结论与建议
    5.1 主要结论
    5.2 政策建议
附录
参考文献
致谢
附件



本文编号：3758733