基于GARCH-VaR模型的互联网金融市场风险度量及科技驱动型风险监管研究

发布时间：2020-05-23 18:47

【摘要】：随着大数据、云计算、人工智能等新兴技术的不断涌现,互联网金融发展基础和金融资源的配置效率得到了明显提高,互联网金融业务模式发生了转变,金融产品的更迭与创新速度加快,催生了许多互联网金融新业态,科技已成为金融创新直接而明显的驱动力。金融科技给互联网金融带来便利的同时,金融业务模式更加虚拟化,金融风险形势更加复杂多变,互联网金融风险的监管面临着巨大的挑战。政府层面也愈加重视互联网金融的风险防范问题,一方面,新技术驱动金融创新带来了新的风险场景和风险特征,需要监管机构正本清浊“以科技对科技”去积极应对。另一方面,监管机构迫切需要获取更加全面和准确的数据,面对金融机构报送的海量数据,有必要使用科技来提高处理效率和监管效能。本文从互联网金融风险与科技驱动型风险监管的相关概念着手,概述本文研究的理论依据,首先,对当前互联网金融风险现状和监管状况做了深入分析,并针对广义范畴的互联网金融的市场风险作为研究对象进行风险测量的实证研究,样本数据选取了基于2014年至2018年间1119个互联网金融指数的日收盘价,利用GARCH族模型的条件方差特性来刻画其收益率序列波动的变化,并结合VaR风险度量方法准确计算出风险值。实证分析发现:互联网金融指数收益率序列分布具有明显的尖峰厚尾特征,其波动显示出聚集性和条件异方差性,并且验证得出具有ARCH效应和杠杆效应。据此,根据赤池信息准则(AIC)越低越好原则确立最优拟合的GARCH(1,1)模型,迭代计算出相应的条件方差、不同置信度水平下的分位数,利用VaR的计算公式得到互联网金融收益率序列在不同置信度水平下的风险值。其次,提出互联网金融风险测量模型可作为大数据风险监测预警系统的重要环节,准确地对互联网金融市场风险进行测量能够使互联网金融数据信息转化为智能数据决策活动,从而实现智能化监测、动态化预警流程,为科技驱动型监管体系提供了重要的依据支撑。然后,进一步对传统监管存在的问题进行分析总结,得出依靠大数据、云计算、人工智能、区块链等新科技构建“科技驱动型监管”体系是加强互联网金融风险监管的必然选择。从构建原则、监管目标、监管机制、监管的应用场景方面分析了科技驱动型监管体系逻辑维度,为加强互联网金融风险监管寻找出路。最后,提出我国实行科技驱动型风险监管的对策建议,从深化监管体制、创新监管方式、完善数据收集系统、建立风险监测预警系统、引入第三方监管机构和加快科技驱动型监管研究和应用方面着手。
【图文】：

图 4-1 互联网指数对数收益率rt序列波动图从图 4-1 来看， 的日收益率波动是随机过程，其趋势说明呈现波动的“丛集”现象：波动第 700 个观测值到第 900 个观测值这个时间段内非常小，在第 250 个数据到第 550 个数据的时间段波动程度非常大，并且短期内显著的正收益和负收益并存。依据这种现象 Brooks 将它定义为“波动的自相关性”，即较大的收益往往有大的波动产生，而小的收益常跟随小的波动。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT

图 4-1 互联网指数对数收益率rt序列波动图从图 4-1 来看， 的日收益率波动是随机过程，其趋势说明呈现波动的“丛集”现象：波动第 700 个观测值到第 900 个观测值这个时间段内非常小，在第 250 个数据到第 550 个数据的时间段波动程度非常大，并且短期内显著的正收益和负收益并存。依据这种现象 Brooks 将它定义为“波动的自相关性”，即较大的收益往往有大的波动产生，，而小的收益常跟随小的波动。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT
【学位授予单位】：内蒙古财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F224;F724.6;F832.5

【相似文献】

相关期刊论文 前10条

1 毛春元;;基于GARCH-VaR模型中国橡胶期货市场收益率波动及风险分析[J];现代商贸工业;2018年35期

2 苏民;;中国A股行业溢出效应的实证分析——基于小波分解和多元GARCH-VAR模型[J];系统工程;2017年12期

3 陈维龙;;基于GARCH-VaR模型的创业板股票投资风险评估和控制研究[J];淮北职业技术学院学报;2018年06期

4 王儒奇;;中美贸易摩擦影响我国股市波动的实证研究——基于GARCH-VaR模型[J];区域金融研究;2019年07期

5 赵鹏举;海洋;殷燕;;基于GARCH-VAR模型的创业板指数收益率波动特征比较研究[J];价值工程;2019年25期

6 舒群;;基于GARCH-VAR模型的我国股市风险分析[J];今日财富(中国知识产权);2017年05期

7 郑立君;黄友逵;吴文鑫;;中小银行账簿和交易账户利率风险量化评估——基于利率敏感性缺口和GARCH-VaR模型的分析[J];福建金融;2019年07期

8 刘降斌;张洪建;费洋;;基于GARCH-VaR模型下对ETF基金风险的测度与分析[J];鸡西大学学报;2016年08期

9 刘爱萍;;对我国物价波动性及其影响因素的变量考察[J];统计与决策;2012年14期

10 赵迪;;基于GARCH-VaR模型的保险投资绩效分析[J];保险职业学院学报;2018年06期

相关硕士学位论文 前7条

1 李奕博;基于GARCH-VaR模型的互联网金融市场风险度量及科技驱动型风险监管研究[D];内蒙古财经大学;2019年

2 蔺蕊鑫;基于GARCH-VAR模型的我国A股市场波动因素研究[D];西安理工大学;2018年

3 陈晨;基于GARCH-VaR模型的我国创业板市场风险实证研究[D];沈阳工业大学;2018年

4 张泽丰;人民币兑美元汇率风险的GARCH-VaR模型测度[D];华中师范大学;2017年

5 李馨蕊;基于GARCH-VaR模型的融资融券动态保证金比例研究[D];天津大学;2016年

6 张妤;我国生猪期货交易保证金的研究[D];中南大学;2006年

7 刘然;股指期货市场的风险控制体系研究[D];吉林大学;2014年

本文编号：2677797