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

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

论文摘要

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。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 研究背景及研究意义
  •   1.2 文献综述
  •     1.2.1 互联网金融风险的研究综述
  •     1.2.2 互联网金融风险测量的研究综述
  •     1.2.3 互联网金融风险监管的研究综述
  •     1.2.4 监管科技的研究综述
  •     1.2.5 文献述评
  •   1.3 研究内容和研究方法
  •     1.3.1 研究内容
  •     1.3.2 研究方法
  •     1.3.3 创新之处及不足
  • 第2章 互联网金融风险和监管的理论分析
  •   2.1 相关理论基础
  •     2.1.1 金融创新理论
  •     2.1.2 金融风险管理理论
  •     2.1.3 金融监管理论
  •   2.2 互联网金融概念及特征
  •   2.3 互联网金融风险相关概述
  •     2.3.1 互联网金融风险概念
  •     2.3.2 互联网金融风险特征
  •   2.4 互联网金融风险监管理论概述
  •     2.4.1 互联网金融风险监管内涵
  •     2.4.2 互联网金融风险监管特点
  •   2.5 科技驱动型监管理论概述
  •     2.5.1 科技驱动型监管的内涵与特点
  •     2.5.2 科技驱动型监管与金融科技的关系
  •     2.5.3 科技驱动型监管的优势
  • 第3章 互联网金融风险和监管的现状分析
  •   3.1 互联网金融主要风险类型
  •   3.2 互联网金融风险成因
  •   3.3 我国互联网金融风险的现状分析
  •     3.3.1 移动支付技术不完善带来信息安全风险
  •     3.3.2 网贷平台的野蛮发展造成流动性风险
  •     3.3.3 不当的互联网产品销售业务加剧行为风险
  •     3.3.4 互联网消费金融带来不确定风险
  •   3.4 互联网金融风险监管的现状分析
  • 第4章 基于GARCH—VaR模型风险度量的实证分析
  •   4.1 GARCH-VaR模型用于测量互联网金融市场风险的适用性
  •   4.2 数据选取及简要说明
  •   4.3 数据检验
  •     4.3.1 平稳性和单位根检验
  •     4.3.2 ARCH效应检验
  •     4.3.3 GARCH族模型的建立
  •   4.4 互联网金融指数的Va R计算与检验
  •   4.5 实证分析的结论
  • 第5章 科技驱动型监管模式的逻辑与维度
  •   5.1 互联网金融风险度量与科技驱动型监管的关联性
  •   5.2 传统互联网金融风险监管的局限性
  •     5.2.1 监管手段和技术创新不足
  •     5.2.2 金融监管制度与互联网金融创新发展的不匹配
  •     5.2.3 对金融创新存在监管缺位
  •     5.2.4 监管原则或监管理论的失灵
  •     5.2.5 传统的监管受制于信息不对称
  •   5.3 监管科技的发展及科技驱动型风险监管构建的必要性
  •   5.4 科技驱动型风险监管模式的逻辑维度
  •     5.4.1 构建原则
  •     5.4.2 监管目标
  •     5.4.3 监管机制
  •     5.4.4 监管的应用场景分析
  • 第6章 加强我国互联网金融科技驱动型风险监管的对策建议
  •   6.1 深化监管体制改革,创新监管方式
  •   6.2 建立全面完善的数据收集系统,实现数据信息共享
  •   6.3 建立风险监测预警系统及技术设施监管机制
  •   6.4 引入具有公正性的第三方监管机构
  •   6.5 加快科技驱动型监管研究和应用
  • 参考文献
  • 个人简介及攻读学位期间获得成果目录
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 李奕博

    导师: 石英剑

    关键词: 互联网金融,金融科技,风险度量,模型,监管科技

    来源: 内蒙古财经大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,贸易经济,金融,证券,投资

    单位: 内蒙古财经大学

    分类号: F224;F724.6;F832.5

    DOI: 10.27797/d.cnki.gnmgc.2019.000049

    总页数: 68

    文件大小: 2734K

    下载量: 510

    相关论文文献

    • [1].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(35)
    • [2].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(12)
    • [3].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(06)
    • [4].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(07)
    • [5].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(25)
    • [6].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(05)
    • [7].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(07)
    • [8].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(08)
    • [9].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(14)
    • [10].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(06)

    标签:;  ;  ;  ;  ;  

    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
    下载Doc文档

    猜你喜欢