互联网金融风险度量研究

发布时间：2022-11-12 11:47

　　互联网金融是近年来出现在市场上最受瞩目的新事物之一,并且在短时间内就因其了大众的关注,与传统金融行业相比,互联网金融固然有着自己特殊的优势,但是却也存在着一定的问题,因此也饱受争议。作为新兴事物,相关的监督和管理还远远不能跟上行业的发展,相关法律法规的制定也是不够健全,这样对整个行业的发展来说就会带来很多不确定因素,因此,加强风险管理就成为互联网金融发展中至关重要的环节,只有做好了风险管理,才能够实现互联网金融的健康和持续发展。本文采用GARCH-M模型对我国互联网金融Va R（风险价值）进行了实证分析,选用中证互联网金融指数（399805）,数据期间是2016年第一季度至2019年第一季度,共计七百余个样本观测值。经过了十来年的发展,互联网金融指数也能够比较客观的反映出我国的互联网金融市场特征,并且能够降低特殊数据所造成的干扰,让模型拟合所得出的结果能够更加精准。本文在互联网金融市场较充分的数据基础上,采用基于GARCH-M模型的Va R实证分析,来对互联网金融市场的风险进行了研究,本文主要的研究内容包括有4个部分:第一部分是绪论,主要是阐述研究背景和意义、国内外文献综述以及本文的研... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究思路和内容
        1.2.1 研究思路
        1.2.2 研究内容
    1.3 研究方法和技术路线
        1.3.1 研究方法
        1.3.2 技术路线
    1.4 预期创新之处
2 文献综述
    2.1 互联网金融风险识别的研究
    2.2 互联网金融风险度量的研究
    2.3 文献评述
3 相关概述和理论分析
    3.1 互联网金融风险相关概述
        3.1.1 互联网金融风险
        3.1.2 互联网金融风险的特征
        3.1.3 互联网金融风险与传统金融对比
    3.2 互联网金融风险产生及传导机制分析
        3.2.1 互联网金融风险的产生渠道
        3.2.2 互联网金融风险的传导机制
    3.3 互联网金融风险度量方法
        3.3.1 均值方差分析
        3.3.2 灵敏度方法
        3.3.3 波动性分析
        3.3.4 VaR及计算方法
    3.4 小结
4 互联网金融风险度量的实证分析
    4.1 本文采用的计量方法
        4.1.1 ARCH模型
        4.1.2 GARCH模型
        4.1.3 GARCH-M模型
    4.2 数据选择
    4.3 数据检验
        4.3.1 收益率序列特征分析
        4.3.2 序列平稳性检验
        4.3.3 随机游走模型
        4.3.4 模型残差的ARCH效应检验
    4.4 基于GARCH-M模型的实证分析
        4.4.1 均值函数表达式
        4.4.2 条件方差方程
        4.4.3 GARCH-M模型输出结果分析
        4.4.4 不同时期的金融指数对比
        4.4.5 未来收益率预测
    4.5 互联网金融指数的VAR计算与检验
    4.6 实证分析结论
5 结论与对策
    5.1 本文结论
    5.2 启示与对策
        5.2.1 互联网金融系统性风险的成因
        5.2.2 互联网金融风险应对的对策建议
    5.3 不足之处与研究展望
参考文献
附录
致谢



本文编号：3706309