發(fā)布時間：2020-05-23 18:47

【摘要】：隨著大數(shù)據(jù)、云計算、人工智能等新興技術的不斷涌現(xiàn),互聯(lián)網(wǎng)金融發(fā)展基礎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)務模式發(fā)生了轉變,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)動力。金融科技給互聯(lián)網(wǎng)金融帶來便利的同時,金融業(yè)務模式更加虛擬化,金融風險形勢更加復雜多變,互聯(lián)網(wǎng)金融風險的監(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)金融的風險防范問題,一方面,新技術驅(qū)動金融創(chuàng)新帶來了新的風險場景和風險特征,需要監(jiān)管機構正本清濁“以科技對科技”去積極應對。另一方面,監(jiān)管機構迫切需要獲取更加全面和準確的數(shù)據(jù),面對金融機構報送的海量數(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)金融風險與科技驅(qū)動型風險監(jiān)管的相關概念著手,概述本文研究的理論依據(jù),首先,對當前互聯(lián)網(wǎng)金融風險現(xiàn)狀和監(jiān)管狀況做了深入分析,并針對廣義范疇的互聯(lián)網(wǎng)金融的市場風險作為研究對象進行風險測量的實證研究,樣本數(shù)據(jù)選取了基于2014年至2018年間1119個互聯(lián)網(wǎng)金融指數(shù)的日收盤價,利用GARCH族模型的條件方差特性來刻畫其收益率序列波動的變化,并結合VaR風險度量方法準確計算出風險值。實證分析發(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,其波動顯示出聚集性和條件異方差性,并且驗證得出具有ARCH效應和杠桿效應。據(jù)此,根據(jù)赤池信息準則(AIC)越低越好原則確立最優(yōu)擬合的GARCH(1,1)模型,迭代計算出相應的條件方差、不同置信度水平下的分位數(shù),利用VaR的計算公式得到互聯(lián)網(wǎng)金融收益率序列在不同置信度水平下的風險值。其次,提出互聯(lián)網(wǎng)金融風險測量模型可作為大數(shù)據(jù)風險監(jiān)測預警系統(tǒng)的重要環(huán)節(jié),準確地對互聯(lián)網(wǎng)金融市場風險進行測量能夠使互聯(lián)網(wǎng)金融數(shù)據(jù)信息轉化為智能數(shù)據(jù)決策活動,從而實現(xiàn)智能化監(jiān)測、動態(tài)化預警流程,為科技驅(qū)動型監(jiān)管體系提供了重要的依據(jù)支撐。然后,進一步對傳統(tǒng)監(jiān)管存在的問題進行分析總結,得出依靠大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等新科技構建“科技驅(qū)動型監(jiān)管”體系是加強互聯(lián)網(wǎng)金融風險監(jiān)管的必然選擇。從構建原則、監(jiān)管目標、監(jiān)管機制、監(jiān)管的應用場景方面分析了科技驅(qū)動型監(jiān)管體系邏輯維度,為加強互聯(lián)網(wǎng)金融風險監(jiān)管尋找出路。最后,提出我國實行科技驅(qū)動型風險監(jiān)管的對策建議,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)、建立風險監(jiān)測預警系統(tǒng)、引入第三方監(jiān)管機構和加快科技驅(qū)動型監(jiān)管研究和應用方面著手。
【圖文】：

圖 4-1 互聯(lián)網(wǎng)指數(shù)對數(shù)收益率rt序列波動圖從圖 4-1 來看， 的日收益率波動是隨機過程，其趨勢說明呈現(xiàn)波動的“叢集”現(xiàn)象：波動第 700 個觀測值到第 900 個觀測值這個時間段內(nèi)非常小，在第 250 個數(shù)據(jù)到第 550 個數(shù)據(jù)的時間段波動程度非常大，并且短期內(nèi)顯著的正收益和負收益并存。依據(jù)這種現(xiàn)象 Brooks 將它定義為“波動的自相關性”，即較大的收益往往有大的波動產(chǎn)生，而小的收益常跟隨小的波動。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT

圖 4-1 互聯(lián)網(wǎng)指數(shù)對數(shù)收益率rt序列波動圖從圖 4-1 來看， 的日收益率波動是隨機過程，其趨勢說明呈現(xiàn)波動的“叢集”現(xiàn)象：波動第 700 個觀測值到第 900 個觀測值這個時間段內(nèi)非常小，在第 250 個數(shù)據(jù)到第 550 個數(shù)據(jù)的時間段波動程度非常大，并且短期內(nèi)顯著的正收益和負收益并存。依據(jù)這種現(xiàn)象 Brooks 將它定義為“波動的自相關性”，即較大的收益往往有大的波動產(chǎn)生，，而小的收益常跟隨小的波動。-. 12-. 08-. 04. 00. 04. 08250 500 750 1000RT
【學位授予單位】：內(nèi)蒙古財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F224;F724.6;F832.5

【相似文獻】

相關期刊論文 前10條

1 毛春元;;基于GARCH-VaR模型中國橡膠期貨市場收益率波動及風險分析[J];現(xiàn)代商貿(mào)工業(yè);2018年35期

2 蘇民;;中國A股行業(yè)溢出效應的實證分析——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)板股票投資風險評估和控制研究[J];淮北職業(yè)技術學院學報;2018年06期

4 王儒奇;;中美貿(mào)易摩擦影響我國股市波動的實證研究——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)收益率波動特征比較研究[J];價值工程;2019年25期

6 舒群;;基于GARCH-VAR模型的我國股市風險分析[J];今日財富(中國知識產(chǎn)權);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險量化評估——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;費洋;;基于GARCH-VaR模型下對ETF基金風險的測度與分析[J];雞西大學學報;2016年08期

9 劉愛萍;;對我國物價波動性及其影響因素的變量考察[J];統(tǒng)計與決策;2012年14期

10 趙迪;;基于GARCH-VaR模型的保險投資績效分析[J];保險職業(yè)學院學報;2018年06期

相關碩士學位論文 前7條

1 李奕博;基于GARCH-VaR模型的互聯(lián)網(wǎng)金融市場風險度量及科技驅(qū)動型風險監(jiān)管研究[D];內(nèi)蒙古財經(jīng)大學;2019年

2 藺蕊鑫;基于GARCH-VAR模型的我國A股市場波動因素研究[D];西安理工大學;2018年

3 陳晨;基于GARCH-VaR模型的我國創(chuàng)業(yè)板市場風險實證研究[D];沈陽工業(yè)大學;2018年

4 張澤豐;人民幣兌美元匯率風險的GARCH-VaR模型測度[D];華中師范大學;2017年

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

6 張妤;我國生豬期貨交易保證金的研究[D];中南大學;2006年

7 劉然;股指期貨市場的風險控制體系研究[D];吉林大學;2014年

本文編號：2677797