论文部分内容阅读
自互联网金融诞生以来,与其相关的话题层出不穷,众说纷纭。互联网金融是金融业在融入互联网信息技术之后所表现出来的一种新兴业态,它既不同于以证券业为代表的直接融资模式,也不同于以银行业为代表的间接融资模式,与以银行业、证券业、保险业为代表的传统金融业存在较大差异。伴随着互联网信息技术的进步,互联网金融的发展速度之快令人惊叹,根据国家互联网金融风险分析技术平台的相关监测数据,截止至2017年上半年,我国互联网金融平台已经增长至1.9万多家,P2P网络借贷、互联网第三方支付、众筹作为互联网金融的活跃领域,其累计交易额高达70万亿元。互联网金融在发展过程中对传统金融业的渗透已然成为一个不可忽视的事实,不少学者在此问题上展开许多不同角度的研究,互联网金融成为诸多学者研究的焦点。在当前金融格局逐渐走向多元化的趋势下,测度各种金融风险的难度增加,风险的防范也变得更加复杂。互联网金融作为金融业与互联网信息技术的联合,既具备金融业的风险特征,如信用风险,流动性风险等,又具备互联网信息技术的风险特征,如技术风险,操作风险等,再加上当前互联网金融在法律制度层面上的不完善以及在监管方面上的相对缺失,互联网金融的发展过程中遍布各种风险。互联网金融风险既会给传统金融业的运行带来风险,同时也会对整个金融市场的稳定性产生影响,测度互联网金融对传统金融业的风险溢出,梳理互联网金融对传统金融业的风险传导路径与内在机制,并根据实证结果提出相关建议,有利于合理评估互联网金融风险,为构建互联网金融风险控制体系提供相应参考,对促进互联网金融的可持续发展与维护整个金融市场的稳定性具有积极意义。目前许多研究互联网金融的相关文献主要集中于互联网金融带给传统金融业冲击和挑战的定性研究,而关于互联网金融对传统金融业风险溢出效应的定量研究较少,研究互联网金融对传统金融业是否存在明显的风险溢出效应,既是分析互联网金融影响传统金融业的一个视角,也能判断互联网金融对传统金融业的风险传染度。在风险溢出效应的测度方法上,许多学者尝试用不同方法测度风险溢出效应,其中,条件风险值(Conditional Value at Risk,CoVaR)法,能够测度出在一个市场陷入危机时其他市场在此条件下的风险价值,由于CoVaR方法能够将风险溢出效应进行量化,因此成为测度风险溢出效应的主流方法。分位数回归法(Quantile Regression,QR),是一种计算CoVaR值的主要方法,分位数回归法能够更全面描述响应变量的条件分布状况,受到众多学者的欢迎,许多学者用分位数回归法结合CoVaR方法来进行风险溢出效应的测度。广义自回归条件异方差(Generalized Autoregressive Conditionally Heteroscedastic,GARCH)模型由于其适用于波动性的分析和预测,因此也有不少学者用GARCH类模型结合CoVaR方法来测度风险溢出效应,但是目前对于用哪种方法来计算CoVaR值最优尚未有绝对定论。本文研究主题为测度互联网金融对传统金融业的风险溢出效应,先从理论方面分析互联网金融给传统金融业带来的诸多风险,然后对互联网金融给传统金融业带来的风险进行定性分析,分别基于分位数回归法与GARCH类模型的CoVaR方法计算互联网金融对传统金融业的风险溢出值。之后对两种不同的测度方法进行各方面的对比分析,最后根据实证结果提出相关建议。实证结果表明,互联网金融对包括银行业、证券业、保险业在内的传统金融业存在不同程度风险溢出,在5%的显著性水平下,用两种方法计算的互联网金融对银行业的风险溢出值都是最大的,保险业其次,证券业最小。互联网金融与银行业之间存在大量业务往来,再加上银行系P2P网络借贷平台的发展,使互联网金融风险更容易倾向于银行业溢出,互联网保险的飞速发展也使互联网金融对保险业进行一定程度的风险溢出,而证券业与互联网金融的关联性较弱,受到的风险溢出较小,实证结果与目前发展情况具有一致性。本文结合银行业、证券业和保险业的行业特性对风险溢出效应的结果进行具体分析,并根据实证结果对互联网金融的可持续发展与维护整个金融市场的稳定性方面提出相关建议。