發(fā)布時(shí)間：2020-05-23 18:47

【摘要】：隨著大數(shù)據(jù)、云計(jì)算、人工智能等新興技術(shù)的不斷涌現(xiàn),互聯(lián)網(wǎng)金融發(fā)展基礎(chǔ)和金融資源的配置效率得到了明顯提高,互聯(lián)網(wǎng)金融業(yè)務(wù)模式發(fā)生了轉(zhuǎn)變,金融產(chǎn)品的更迭與創(chuàng)新速度加快,催生了許多互聯(lián)網(wǎng)金融新業(yè)態(tài),科技已成為金融創(chuàng)新直接而明顯的驅(qū)動(dòng)力。金融科技給互聯(lián)網(wǎng)金融帶來便利的同時(shí),金融業(yè)務(wù)模式更加虛擬化,金融風(fēng)險(xiǎn)形勢(shì)更加復(fù)雜多變,互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的監(jiān)管面臨著巨大的挑戰(zhàn)。政府層面也愈加重視互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)防范問題,一方面,新技術(shù)驅(qū)動(dòng)金融創(chuàng)新帶來了新的風(fēng)險(xiǎn)場(chǎng)景和風(fēng)險(xiǎn)特征,需要監(jiān)管機(jī)構(gòu)正本清濁“以科技對(duì)科技”去積極應(yīng)對(duì)。另一方面,監(jiān)管機(jī)構(gòu)迫切需要獲取更加全面和準(zhǔn)確的數(shù)據(jù),面對(duì)金融機(jī)構(gòu)報(bào)送的海量數(shù)據(jù),有必要使用科技來提高處理效率和監(jiān)管效能。本文從互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)與科技驅(qū)動(dòng)型風(fēng)險(xiǎn)監(jiān)管的相關(guān)概念著手,概述本文研究的理論依據(jù),首先,對(duì)當(dāng)前互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)現(xiàn)狀和監(jiān)管狀況做了深入分析,并針對(duì)廣義范疇的互聯(lián)網(wǎng)金融的市場(chǎng)風(fēng)險(xiǎn)作為研究對(duì)象進(jìn)行風(fēng)險(xiǎn)測(cè)量的實(shí)證研究,樣本數(shù)據(jù)選取了基于2014年至2018年間1119個(gè)互聯(lián)網(wǎng)金融指數(shù)的日收盤價(jià),利用GARCH族模型的條件方差特性來刻畫其收益率序列波動(dòng)的變化,并結(jié)合VaR風(fēng)險(xiǎn)度量方法準(zhǔn)確計(jì)算出風(fēng)險(xiǎn)值。實(shí)證分析發(fā)現(xiàn):互聯(lián)網(wǎng)金融指數(shù)收益率序列分布具有明顯的尖峰厚尾特征,其波動(dòng)顯示出聚集性和條件異方差性,并且驗(yàn)證得出具有ARCH效應(yīng)和杠桿效應(yīng)。據(jù)此,根據(jù)赤池信息準(zhǔn)則(AIC)越低越好原則確立最優(yōu)擬合的GARCH(1,1)模型,迭代計(jì)算出相應(yīng)的條件方差、不同置信度水平下的分位數(shù),利用VaR的計(jì)算公式得到互聯(lián)網(wǎng)金融收益率序列在不同置信度水平下的風(fēng)險(xiǎn)值。其次,提出互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)測(cè)量模型可作為大數(shù)據(jù)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)的重要環(huán)節(jié),準(zhǔn)確地對(duì)互聯(lián)網(wǎng)金融市場(chǎng)風(fēng)險(xiǎn)進(jìn)行測(cè)量能夠使互聯(lián)網(wǎng)金融數(shù)據(jù)信息轉(zhuǎn)化為智能數(shù)據(jù)決策活動(dòng),從而實(shí)現(xiàn)智能化監(jiān)測(cè)、動(dòng)態(tài)化預(yù)警流程,為科技驅(qū)動(dòng)型監(jiān)管體系提供了重要的依據(jù)支撐。然后,進(jìn)一步對(duì)傳統(tǒng)監(jiān)管存在的問題進(jìn)行分析總結(jié),得出依靠大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈等新科技構(gòu)建“科技驅(qū)動(dòng)型監(jiān)管”體系是加強(qiáng)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)監(jiān)管的必然選擇。從構(gòu)建原則、監(jiān)管目標(biāo)、監(jiān)管機(jī)制、監(jiān)管的應(yīng)用場(chǎng)景方面分析了科技驅(qū)動(dòng)型監(jiān)管體系邏輯維度,為加強(qiáng)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)監(jiān)管尋找出路。最后,提出我國(guó)實(shí)行科技驅(qū)動(dòng)型風(fēng)險(xiǎn)監(jiān)管的對(duì)策建議,從深化監(jiān)管體制、創(chuàng)新監(jiān)管方式、完善數(shù)據(jù)收集系統(tǒng)、建立風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)、引入第三方監(jiān)管機(jī)構(gòu)和加快科技驅(qū)動(dòng)型監(jiān)管研究和應(yīng)用方面著手。
【圖文】：

圖 4-1 互聯(lián)網(wǎng)指數(shù)對(duì)數(shù)收益率rt序列波動(dòng)圖從圖 4-1 來看， 的日收益率波動(dòng)是隨機(jī)過程，其趨勢(shì)說明呈現(xiàn)波動(dòng)的“叢集”現(xiàn)象：波動(dòng)第 700 個(gè)觀測(cè)值到第 900 個(gè)觀測(cè)值這個(gè)時(shí)間段內(nèi)非常小，在第 250 個(gè)數(shù)據(jù)到第 550 個(gè)數(shù)據(jù)的時(shí)間段波動(dòng)程度非常大，并且短期內(nèi)顯著的正收益和負(fù)收益并存。依據(jù)這種現(xiàn)象 Brooks 將它定義為“波動(dòng)的自相關(guān)性”，即較大的收益往往有大的波動(dòng)產(chǎn)生，而小的收益常跟隨小的波動(dòng)。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT

圖 4-1 互聯(lián)網(wǎng)指數(shù)對(duì)數(shù)收益率rt序列波動(dòng)圖從圖 4-1 來看， 的日收益率波動(dòng)是隨機(jī)過程，其趨勢(shì)說明呈現(xiàn)波動(dòng)的“叢集”現(xiàn)象：波動(dòng)第 700 個(gè)觀測(cè)值到第 900 個(gè)觀測(cè)值這個(gè)時(shí)間段內(nèi)非常小，在第 250 個(gè)數(shù)據(jù)到第 550 個(gè)數(shù)據(jù)的時(shí)間段波動(dòng)程度非常大，并且短期內(nèi)顯著的正收益和負(fù)收益并存。依據(jù)這種現(xiàn)象 Brooks 將它定義為“波動(dòng)的自相關(guān)性”，即較大的收益往往有大的波動(dòng)產(chǎn)生，，而小的收益常跟隨小的波動(dòng)。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT
【學(xué)位授予單位】：內(nèi)蒙古財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F224;F724.6;F832.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 毛春元;;基于GARCH-VaR模型中國(guó)橡膠期貨市場(chǎng)收益率波動(dòng)及風(fēng)險(xiǎn)分析[J];現(xiàn)代商貿(mào)工業(yè);2018年35期

2 蘇民;;中國(guó)A股行業(yè)溢出效應(yīng)的實(shí)證分析——基于小波分解和多元GARCH-VAR模型[J];系統(tǒng)工程;2017年12期

3 陳維龍;;基于GARCH-VaR模型的創(chuàng)業(yè)板股票投資風(fēng)險(xiǎn)評(píng)估和控制研究[J];淮北職業(yè)技術(shù)學(xué)院學(xué)報(bào);2018年06期

4 王儒奇;;中美貿(mào)易摩擦影響我國(guó)股市波動(dòng)的實(shí)證研究——基于GARCH-VaR模型[J];區(qū)域金融研究;2019年07期

5 趙鵬舉;海洋;殷燕;;基于GARCH-VAR模型的創(chuàng)業(yè)板指數(shù)收益率波動(dòng)特征比較研究[J];價(jià)值工程;2019年25期

6 舒群;;基于GARCH-VAR模型的我國(guó)股市風(fēng)險(xiǎn)分析[J];今日財(cái)富(中國(guó)知識(shí)產(chǎn)權(quán));2017年05期

7 鄭立君;黃友逵;吳文鑫;;中小銀行賬簿和交易賬戶利率風(fēng)險(xiǎn)量化評(píng)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 劉降斌;張洪建;費(fèi)洋;;基于GARCH-VaR模型下對(duì)ETF基金風(fēng)險(xiǎn)的測(cè)度與分析[J];雞西大學(xué)學(xué)報(bào);2016年08期

9 劉愛萍;;對(duì)我國(guó)物價(jià)波動(dòng)性及其影響因素的變量考察[J];統(tǒng)計(jì)與決策;2012年14期

10 趙迪;;基于GARCH-VaR模型的保險(xiǎn)投資績(jī)效分析[J];保險(xiǎn)職業(yè)學(xué)院學(xué)報(bào);2018年06期

相關(guān)碩士學(xué)位論文 前7條

1 李奕博;基于GARCH-VaR模型的互聯(lián)網(wǎng)金融市場(chǎng)風(fēng)險(xiǎn)度量及科技驅(qū)動(dòng)型風(fēng)險(xiǎn)監(jiān)管研究[D];內(nèi)蒙古財(cái)經(jīng)大學(xué);2019年

2 藺蕊鑫;基于GARCH-VAR模型的我國(guó)A股市場(chǎng)波動(dòng)因素研究[D];西安理工大學(xué);2018年

3 陳晨;基于GARCH-VaR模型的我國(guó)創(chuàng)業(yè)板市場(chǎng)風(fēng)險(xiǎn)實(shí)證研究[D];沈陽(yáng)工業(yè)大學(xué);2018年

4 張澤豐;人民幣兌美元匯率風(fēng)險(xiǎn)的GARCH-VaR模型測(cè)度[D];華中師范大學(xué);2017年

5 李馨蕊;基于GARCH-VaR模型的融資融券動(dòng)態(tài)保證金比例研究[D];天津大學(xué);2016年

6 張妤;我國(guó)生豬期貨交易保證金的研究[D];中南大學(xué);2006年

7 劉然;股指期貨市場(chǎng)的風(fēng)險(xiǎn)控制體系研究[D];吉林大學(xué);2014年

本文編號(hào)：2677797