我國金融風險溢出效應的研究

北京理工大學珠海學院2020屆本科生畢業(yè)論文我國金融風險溢出效應分析摘要我國金融在互聯(lián)網(wǎng)興起后，便引起了一場互聯(lián)網(wǎng)+金融的模型，互聯(lián)網(wǎng)金融作為新興的金融行業(yè)，存在時間短，但其對傳統(tǒng)金融行業(yè)風險已有所沖擊，本文將就以互聯(lián)網(wǎng)金融行業(yè)風險出發(fā)，分析其風險對各傳統(tǒng)金融行業(yè)的風險溢出效應?；ヂ?lián)網(wǎng)給世界帶來了第三次工業(yè)革命，滲透到各個行業(yè)中?；ヂ?lián)網(wǎng)金融是這場革命下的新型產(chǎn)業(yè)，P2P網(wǎng)貸品臺的興起就是一個標志性產(chǎn)物。互聯(lián)網(wǎng)金融是傳統(tǒng)金融業(yè)和互聯(lián)網(wǎng)信息的結合體，有著低門檻、高效的特征而得到飛速的發(fā)展。引人注意的是，互聯(lián)網(wǎng)金融的爆發(fā)式增長同時也是對證券、銀行、保險等傳統(tǒng)金融業(yè)的直接沖擊而產(chǎn)生風險溢出，也可能通過引起系統(tǒng)性風險而間接爆發(fā)風險溢出。如何衡量互聯(lián)網(wǎng)金融帶來的風險溢出是我們這次討論的重點。前人用定性方法分析互聯(lián)網(wǎng)金融已經(jīng)層出不窮，但是在量化分析上的探討還是有欠缺。我們小組采用分位數(shù)回歸辦法，計量互聯(lián)網(wǎng)金融業(yè)與銀行業(yè)的在險價值VaR。其次，為了更深入分析，我們創(chuàng)造性地引入條件在險價值CoVaR，并將CoVaR值與VaR值做對比得出風險溢出增加值ΔCoVaR，以此來衡量互聯(lián)網(wǎng)金融業(yè)與傳統(tǒng)金融業(yè)的風險傳染效應。我們采取樣本數(shù)據(jù)區(qū)間為2015年5月19日至2019年10月18日，數(shù)據(jù)總量達5496個。經(jīng)過分析后，我們得出結論如下：互聯(lián)網(wǎng)金融在險價值最大，而在傳統(tǒng)金融業(yè)中，保險的在險價值最大，而銀行業(yè)的在險價值最小，主要得益于嚴格的監(jiān)管；在進一步的CoVaR分析中，我們了解到，銀行業(yè)和保險業(yè)存在負的風險溢出效應，就是互聯(lián)網(wǎng)金融行業(yè)產(chǎn)生極端風險時，可以降低銀行業(yè)和保險業(yè)的風險。互聯(lián)網(wǎng)金融對證券業(yè)具有正向的風險溢出效應，表明當互聯(lián)網(wǎng)金融產(chǎn)生極端風險時，會增加證券業(yè)的風險。實證分析表明，互聯(lián)網(wǎng)金融對傳統(tǒng)金融行業(yè)有一定的的沖擊，但另一方面對傳統(tǒng)行業(yè)之間的風險也有對沖的作用?；ヂ?lián)網(wǎng)金融就像一把雙刃劍，監(jiān)管得等將使金融產(chǎn)品豐富多樣，監(jiān)管缺失將會引來后患無窮的系統(tǒng)性災難。關鍵詞：互聯(lián)網(wǎng)金融；風險溢出；VaR;CoVaRAbstractTheInternetbroughtthethirdindustrialrevolutiontotheworldandpenetratedintovariousindustriesandwasanimportantinventioninthetwentiethcentury.Internetfinanceisanewindustryunderthisrevolution,andtheriseoftheP2Ponlineloanplatformisalandmarkproduct.InternetfinanceisacombinationofInternetinformationandtraditionalfinancialindustry.Ithashighefficiencyandalowthreshold,andhasrapiddevelopment.ItisnoteworthythattheexplosivegrowthofInternetfinanceisalsoadirectimpactonthetraditionalfinancialindustriessuchassecurities,banking,andinsurance,whichgeneratesriskspillovers.Itmayalsoindirectlyexplodethroughtheintroductionofsystemicrisks.ThefocusofourdiscussionishowtomeasuretheriskpremiumcausedbytheInternetfinance.ThepredecessorshaveusedqualitativemethodstoanalyzeInternetfinance,butthediscussiononquantitativeanalysisisstilllacking.Firstly,tomeasuretheVaRofthebankingindustryandtheinternetfinance,whatweuseisthequantilemethod.Secondly,foramorein-depthanalysis,wecreativelyintroducetheconditionalvalue-at-riskCoVaR,andcomparetheCoVaRvaluewiththeVaRvalueofrisktoobtainvalue-addedpremiumΔCoVaR,whichmeasurestheriskcontagioneffectofthetraditionalfinancialindustryandtheonlinefinancialindustry.WetookthesampledatarangefromMay19,2015toOctober18,2019,withatotalof5,496data.Afteranalysis,weconcludedthefollowing:Internetfinancehasthegreatestvalueatrisk,whileinthetraditionalfinancialindustry,insurancehasthelargestvalueatrisk,whilebankinghasthesmallestvalueatrisk,mainlyduetostrictsupervision;Weunderstandthatthereisanegativeriskspillovereffectinthebankingindustryandtheinsuranceindustry,thatis,whentheInternetfinanceindustrygeneratesextremerisks,itcanreducetherisksofthebankingindustryandtheinsuranceindustry.Internetfinancehasapositiveriskpremiumeffectonthesecuritiesindustry,indicatingthatwhenInternetfinancegeneratesextremerisks,itwillincreasetherisksofthesecuritiesindustry.Aftertheexperiment,wefoundthattheinteractionbetweentraditionalfinanceandInternetfinanceaffectseachother,italsohasahedgingeffectontherisksbetweentraditionalindustries.Internetfinanceislikeadouble-edgedsword.Supervisionwillmakefinancialproductsrichanddiverse,andlackofsupervisionwillleadtoendlesssystemicdisasters.Keywords:Internetfinance;Riskpremium;ValueartRisk;Conditional-VaR目錄一、緒論 一、緒論（一）背景我國金融在互聯(lián)網(wǎng)興起后，便引起了一場互聯(lián)網(wǎng)+金融的模型，互聯(lián)網(wǎng)金融作為新興的金融行業(yè)，存在時間短，但其對傳統(tǒng)金融行業(yè)風險已有所沖擊，本文將就以互聯(lián)網(wǎng)金融行業(yè)風險出發(fā)，分析其風險對各傳統(tǒng)金融行業(yè)的風險溢出效應，進而了解我國金融業(yè)在互聯(lián)網(wǎng)金融沖擊下，各金融行業(yè)的風險溢出效應。20世紀是人類出現(xiàn)以來變化最大的100年，這之中就包括了兩次世界大戰(zhàn)和美蘇爭霸，并且科技在20世紀獲得了重大的突破，其中互聯(lián)網(wǎng)的出現(xiàn)可能是這個一百年給未來留下的最大財富，它給我們帶來了第三次工業(yè)革命，使得各行各業(yè)有質(zhì)的飛越；互聯(lián)網(wǎng)對我們的生活變得越來越重要，可以說，互聯(lián)網(wǎng)確實促進了人類社會的進步和發(fā)展?；ヂ?lián)網(wǎng)起源于1969年的美國，至今已發(fā)展了有五十年，而在1986年，美國國家科學基金會將各地的超級計算機連接起來，為美國各地的科學研究和教育服務，并支持地區(qū)網(wǎng)絡，形成SNSFnet，“英特網(wǎng)”的概念便出現(xiàn)了。隨著時間推移，互聯(lián)網(wǎng)技術的不斷更新迭代，被應用于多個領域，推動了各行業(yè)迅速發(fā)展。進入新世紀后，互聯(lián)網(wǎng)與金融業(yè)并駕齊驅，形成了一種新興的金融互通交流交易模式，這就是互聯(lián)網(wǎng)金融模式。在這種新出現(xiàn)的金融模式下，老的金融業(yè)下的業(yè)務都將利用這種新出現(xiàn)的互聯(lián)網(wǎng)信息通信技術實現(xiàn)。這種近幾十年出現(xiàn)的技術不僅給金融行業(yè)帶來了技術層面升級，也給傳統(tǒng)金融行業(yè)帶來了完全不同的氛圍，進入千家萬戶。隨著互聯(lián)網(wǎng)金融產(chǎn)業(yè)的出現(xiàn)和其與傳統(tǒng)金融業(yè)的不斷交融碰撞的發(fā)展，各種各樣的金融產(chǎn)品逐漸向互聯(lián)網(wǎng)化演變，第三方支付、金融微門戶、信息機構、證券、虛擬貨幣、保險、基金等就是傳統(tǒng)金融網(wǎng)絡化的部分產(chǎn)物和正在依托互聯(lián)網(wǎng)進行初步改造升級的產(chǎn)業(yè)。而在其中P2P網(wǎng)絡借貸平臺更是各種金融產(chǎn)品和各種資金匯聚在一起的龐然大物，如果處理不好，P2P產(chǎn)業(yè)將會成為我國金融大環(huán)境的一個嚴重毒瘤，并有對影響我國正常健康金融生態(tài)環(huán)境有著重大的不穩(wěn)定因素。從千禧年以來，P2P行業(yè)呈現(xiàn)出非常不健康的生長態(tài)勢，先是從十幾年前開始的如同雨后青草一般地蓬勃向上，再是在近幾年不斷出現(xiàn)各種違約和資金鏈斷裂情況，更是在最近一二年，各種具有龐大資金實力的公司也相繼退出了這個行業(yè)，這都代表了這個行業(yè)的風險是非常之巨大的；據(jù)權威金融調(diào)查機構信息顯示，截至2019年底，收錄在冊的合法登記的P2P平臺有超過7萬家，到目前為止終止交易的平臺數(shù)目超過6成，這種情況的出現(xiàn)不斷驗證著互聯(lián)網(wǎng)技術和金融業(yè)互相生長的情況出現(xiàn)了非常大的問題。在2018年底，網(wǎng)貸行業(yè)綜合利率的均值表現(xiàn)為9.85%，由于互聯(lián)網(wǎng)金融的出現(xiàn)開始與各個傳統(tǒng)金融業(yè)對客戶手頭上的資金進行搶奪，拍P2P平臺大多給出了較高的利率來吸引投資者的目光與焦點，各個平臺的利率平均前個年度增長了0.29%，這給P2P平臺帶來了許多投資者的目光，并且在短時間內(nèi)吸引了大量的資金，但是由于法律的規(guī)定以及各種規(guī)章制度的不完善，這么多資金的注入?yún)s給這些平臺帶來了麻煩，借貸者的不清償行為問題越來越明顯，最后導致了許多平臺的資金注入者虧的是血本無歸，但是隨著互聯(lián)網(wǎng)金融行業(yè)的繼續(xù)出清，整體行業(yè)利率下降在所難免。所以，在2019年中的數(shù)據(jù)體現(xiàn)：P2P行業(yè)的整體貸出金額相比上2017年的年度貸款余額下降了12.35%，這是一個非常大的數(shù)字，有力地表明了 P2P行業(yè)現(xiàn)在日益下滑的趨勢，改變生存方法刻不容緩。違約、卷款逃跑、龐氏騙局此類的情況出現(xiàn)的數(shù)量在互聯(lián)網(wǎng)金融業(yè)務的出現(xiàn)后出現(xiàn)了井噴的態(tài)勢，這些情況的出現(xiàn)都可以很清楚的證明，這個新生事物的出現(xiàn)給整個金融生態(tài)帶來了重大的風險，也給我國的金融市場和有關部門給出了一道難以解答的問題，這需要所有的金融機構和有關部門進行探討，讓有關部門和大型金融企業(yè)起到先行先試的帶頭作用，推動整個行業(yè)的蓬勃發(fā)展，在剔除這個行業(yè)的灰色地帶和拒絕失信人員的進入之后，我相信這個行業(yè)會擺脫重重障礙，利用其先天的高效信息傳播技術，讓整個行業(yè)飛速發(fā)展，讓合法投資者收益，讓真正需要資本的那部分借貸者不用受到高利貸的禍害，合法合規(guī)的獲得資金進行流轉，互利共生，健康發(fā)展。（二）意義本文以互聯(lián)網(wǎng)金融為出發(fā)點，首先，采用了在險價值VaR的方法度量互聯(lián)網(wǎng)金融業(yè)與銀行業(yè)的自身行業(yè)風險；其次，計算條件在險價值CoVaR，并將CoVaR值和VaR值相對比得出風險溢出增加值ΔCoVaR，用這個方法來度量傳統(tǒng)金融業(yè)與互聯(lián)網(wǎng)金融行業(yè)之間的風險傳染效應，并對兩個行業(yè)間不同方向上的風險溢出效應進行對比分析，最后根據(jù)研究結論提出各行業(yè)發(fā)展的相關建議。本文所研究的問題不僅具有一定的理論意義，還對各行業(yè)未來發(fā)展提供了一定的參考價值。本論文分析了各個新興的互聯(lián)網(wǎng)金融業(yè)與傳統(tǒng)的金融業(yè)處于極端風險條件下的內(nèi)部不同的風險溢出對與其他行業(yè)的影響，并根據(jù)各行業(yè)的特征提出與各行業(yè)獨特條件相近的可行方法，提供促進這兩個金融行業(yè)的融合發(fā)展的策略，并建議各行業(yè)在面對行業(yè)間競爭時應積極進行創(chuàng)新，同時應加強各金融行業(yè)自身風險控制力度，促進各行業(yè)可持續(xù)發(fā)展。文中提出的相關建議對各行業(yè)發(fā)展具有現(xiàn)實意義。二、文獻綜述（一）VaR在國內(nèi)研究從1997年風襲亞洲的金融危機再到2008年的美國次貸危機，再到后來的歐債危機以及如今疫情影響帶來的經(jīng)濟危機，風險一直都在，但每一次風險因子都不一樣。因此，對風險的影響因素研究一直沒有停步，前輩們對為了研究金融行業(yè)的系統(tǒng)性風險，使用了不同的計量模型來推測，也引出很多結論。孫鵬、程春梅（2018）在金融混業(yè)程度越來越高的前提下，發(fā)現(xiàn)證券業(yè)、保險業(yè)受銀行業(yè)的風險溢出都較小。黃佳（2018）采用Copula-CoVaR模型對我國傳統(tǒng)金融行業(yè)進行兩兩組合分析，用AIC準則挑選最優(yōu)五種時變的Copula模型，實證得出證券業(yè)和保險業(yè)的風險溢出程度遠低于其與銀行業(yè)的。許哲（2016）以經(jīng)濟增長變動為背景，實證發(fā)現(xiàn)即便在經(jīng)濟高速增長但增速在下降的情況下，銀行的系統(tǒng)風險是較低的，此外，信托、保險等金融行業(yè)受到銀行的風險溢出效應也在大幅減弱。如今，互聯(lián)網(wǎng)這個“新秀”在不同行業(yè)中滲透，特別是在金融行業(yè)中，應該引起足夠重視。為了更好的防范金融風險以及“黑天鵝”事件的發(fā)生，在互聯(lián)網(wǎng)金融對傳統(tǒng)金融影響研究這一方向，仍有較大完善空間。為了更精確的度量不同行業(yè)間的風險溢出狀況及程度，我們使用風險度量工具VaR和CoVaR。對互聯(lián)網(wǎng)金融層面上的研究，程小珊（2019）采用ARMA-GARCH模型計算P2P行業(yè)平均收益率、三大股指日收盤數(shù)據(jù)及互聯(lián)網(wǎng)貨幣基金收益率的VaR和CoVaR值。實證表明，P2P行業(yè)產(chǎn)品有著比其他互聯(lián)網(wǎng)金融產(chǎn)品收益低但風險高的特征。牛艷梅（2013）對6家銀行進行風險溢出效應分析，并對每家銀行進行重要性解釋，主要分析辦法是Sharply值法與CoVaR法相結合。謝福座（2010）使用條件在險價值法CoVaR并結合前衛(wèi)的分位數(shù)回歸辦法，對中國股市和債券市場進行風險溢出檢查，且發(fā)現(xiàn)CoVaR可以有效捕獲系統(tǒng)性風險變化。王蓉（2010）對中國16家上市銀行進行CoVaR模型檢驗，發(fā)現(xiàn)正向雙向系統(tǒng)性風險明顯存在于商業(yè)銀行間。鄭哲熙（2018）采取CoVaR與GARCH模型相結合證實中國平安集團的“系統(tǒng)重要性”。陳亞飛（2019），以2007年美國次貸危機為背景探討我國危機前上市的40家金融機構的系統(tǒng)性風險。其實證表明，金融系統(tǒng)的穩(wěn)定性與大型金融機構發(fā)生危機時的波動有關，但金融機構的自身風險溢出和風險水平并不等價。劉娜（2018）通過對國內(nèi)四家上市保險公司進行剖析，運用CoVaR度量各家公司系統(tǒng)性風險溢出值波動狀態(tài)。歐陽雪艷、楊曉光和李應求（2014）對歐元區(qū)金融市場使用CoVaR法進行剖析，驗證危機嚴重的市場風險關聯(lián)存在較強聯(lián)系。朱慧明、汪寧明，黃瑞（2018）為解決天然氣價格與Brent原油價格之間相依關系描繪問題，革新地使用金融時間序列極值分位數(shù)回歸辦法。吳天都、吳琪、栢滿迎（2014）發(fā)現(xiàn)基金市場和股票市場間的相互作用機制與信息傳遞的方式可以用風險溢出來衡量。張溪婷、張路（2017）基于我國16家上市銀行的日收益率使用分位數(shù)回歸的CoVaR模型進行分析，并針對性的為監(jiān)管機構發(fā)出提議。閏麗新、周利國、何卓靜（2018）對金融體系與商業(yè)銀行間存在的非對稱結構進行剖析，創(chuàng)造性使用VMD（變分態(tài)分解）與時變Coupula-CoVaR對短期金和長期系統(tǒng)性風險進行診斷，結果發(fā)現(xiàn)時間維度差異性導致商業(yè)銀行系統(tǒng)系風險存在滯后。黃瑋強、李方和姚爽（2019）通過VAR-GARCH-BEKK模型對金融間的金融業(yè)間的風險溢出動態(tài)關聯(lián)規(guī)律進行解析，進行動態(tài)關聯(lián)網(wǎng)絡的構建發(fā)現(xiàn)，信托業(yè)在跨行業(yè)關聯(lián)和均值系統(tǒng)關聯(lián)程度最深。姜愛萍、張藍飛（2019）從不同方向角度對我國的金融穩(wěn)定性因素進行分析，期間使用的方法有熵權法和CRITIC法，進行交叉對比分析，結果是銀行業(yè)對金融穩(wěn)定指數(shù)做出最大貢獻，而保險業(yè)的貢獻最小。范朔（2018）表明收益率在金融行業(yè)中，呈現(xiàn)穩(wěn)定的飛正態(tài)分布，研究的方法多樣，具有嚴謹性。（二）VaR在國外研究VaR在風險度量上做出了革命性改革，但是在市場和機構間的風險溢出衡量還存在較為明顯的局限性。TobiasAdrian和MakrusK.Brunnermeier（2016）對首次在2008年提出的CoVaR模型進行革新和擴充，其文補充了CoVaR可正好解決VaR在風險度量上的缺陷。Nell，Rogler和Kleinow（2014）為了剖析歐洲系統(tǒng)性風險驅動的因子和要素，以銀行股票的周收益率為數(shù)據(jù)，從Expectshortfall和CoVaR的本質(zhì)出發(fā)，發(fā)現(xiàn)了系統(tǒng)性風險的度量辦法。AnastassiosA.Drakos和GeorigiosP.Kouretas（2015）對外資銀行在國內(nèi)上市數(shù)量是否會影響系統(tǒng)性風險進行探頭，也是基于CoVaR方法，且發(fā)現(xiàn)銀行對系統(tǒng)性風險的影響程度取決于其資產(chǎn)規(guī)模，但是在風險發(fā)生前后發(fā)生不同階段的決定性變化。MilenaPavlova，SonilaTomini和WimGroot（2018）在分析原油價格波動率劇烈程度和價格動態(tài)溢出時，發(fā)現(xiàn)局部因素和全球經(jīng)濟因素占最大影響比重，且在10大原油出口過中俄羅斯和墨西哥等國家在石油危機中遭受最大損失。WeiPeng，ShichaoHu和WangChen（2018）研究發(fā)現(xiàn)，我國企業(yè)油價受陳品油改革而產(chǎn)生明顯的負面溢出效果，但是企業(yè)在原油上的收益對極端性風險的相關性是不平恒的，期間主要因素取決于企業(yè)所在行業(yè)的特征。以上結論都是基于上交所529家A股公司股票日收益波動率的數(shù)據(jù)為依據(jù)，使用公司收益率和原油價格波動的格蘭杰因果關系和核函數(shù)的非參數(shù)辦法檢驗得出。三、研究方法（一）CoVaR的計算原理在險價值VaR（ValueatRisk）-在險價值:VaR描述的是在給定的置信水平下，在特定時間區(qū)間內(nèi)，所研究的金融工具或投資組合在未來時間內(nèi)資產(chǎn)價格波動時面臨的最大損失。計算公式如下:Prob(ΔpΔt≤VaR)=α（3.1）其中，Δp=Pt+?t-Pt為損益函數(shù)，在Δt時刻預測值Pt+?t與期初資產(chǎn)價值PVaR模型是當前金融機構對市場風險測量的主流方法，可以對數(shù)量較多的資產(chǎn)組合進行測量。但需要指出的是VaR適用于市場在正常波動內(nèi)，因為此時市場沒有發(fā)生結構性變化，如果此時市場發(fā)生極端風險，那么VaR模型將不適用。2.條件在險價值CoVaR(ConditionalValueatRisk)-條件在險價值:CoVaR為測量系統(tǒng)系風險的工具。CoVaR表示在設定的置信水平下與在設定的時間段內(nèi)，行業(yè)市場i或資產(chǎn)組合i因為風險導致?lián)p失為VaR值時，另一行業(yè)市場j或資產(chǎn)組合j受行業(yè)市場i或資產(chǎn)組合x影響，產(chǎn)生了最大損失值。其計算公式表示為:Prob(Xj≤CoVaRqj,C(XiXi描述的是自身所受到的最大損失值,Xj表示受到Xi影響所產(chǎn)生的最大損失值。C(Xi)取Xi=VaRqi，表示是市場（二）風險溢出增加值ΔCoVaR-風險溢出增加值，測量所研究的資產(chǎn)組合或行業(yè)市場風險溢出效應的數(shù)值，用ΔCoVaR表示的是在市場i處于VaR值時即面臨最大損失時，市場j因受到市場i的影響產(chǎn)生的額外的風險。其計算公式為:ΔCoVaRqj,i=VaRqj為市場j自身的在險價值，Δ（三）風險溢出效應度量ΔCoVaRqj,i雖然度量了所研究的金融市場i影響金融市場j的風險溢出值，但為了更直觀描述風險溢出的情況，即金融市場j有多少風險是金融市場i帶來的，對ΔCoVaRq%CoVaRqj,i=Δ用ΔCoVaRqj,iVaRqj計算出市場i對市場j的風險溢出值占自身在險價值的比重，得出金融四、風險溢出效應實證分析（一）樣本選取與數(shù)據(jù)來源本文所選樣本數(shù)據(jù)的時間選取為2015年5月19日至2019年10月18日。在該段時間內(nèi)，滬深300、銀行業(yè)、互聯(lián)網(wǎng)金融、證券業(yè)單個樣本數(shù)據(jù)量為1078個，保險業(yè)單個樣本數(shù)據(jù)量為1057，數(shù)據(jù)總量為5369個。所選取數(shù)據(jù)皆來自于國泰安數(shù)據(jù)庫。選取該時間段作為研究樣本，一方面是因為互聯(lián)網(wǎng)金融興起時間較晚，數(shù)據(jù)較為欠缺，可供選取的時間不長。因此選取中證選取互聯(lián)網(wǎng)金融作為中證互聯(lián)網(wǎng)金融指數(shù)開始的那天為起始數(shù)據(jù)。另一方面，則是該時間段內(nèi)，經(jīng)歷過股市熔斷與股市復蘇，是各行業(yè)多次下跌與上漲的過程，可以體現(xiàn)各行業(yè)的發(fā)展波動特征。對互聯(lián)網(wǎng)金融關于各行業(yè)風險溢出效應進行分析時，顯著性水平選取為5%，即95%的置信度水平。（二）數(shù)據(jù)處理與描述性統(tǒng)計本文中，將選取各指數(shù)的每日收盤價作為各指數(shù)的樣本數(shù)據(jù)，為了使模型有更好的計量經(jīng)濟意義，對數(shù)據(jù)進行取對數(shù)處理以消除數(shù)據(jù)的異方差性。對數(shù)日收益率運算方程為：Rit=lnXRit對應各指數(shù)的對數(shù)收益率，滬深300、銀行、互聯(lián)網(wǎng)金融、證券、保險指數(shù)的對數(shù)收益率分別為Rhs、Ryh、Rhj、Rzq、Rbx。Xit對各指數(shù)的對數(shù)收益率進行描述性統(tǒng)計，通過計算Rit的均值、標準差、偏度、峰度、J-B各指數(shù)對數(shù)收益率的一般特征如圖與列表所示:圖4.1從對數(shù)收益率時間序列圖中可以觀察到對數(shù)收益率波動的集群現(xiàn)象：在2016年第二季度到2017年的時間段內(nèi)，波動較小。在2015年與2019年前后波動較大。反映了國內(nèi)A股市場在15年股災期間的指數(shù)大幅波動，16年股市經(jīng)歷熔斷，19年股市的動蕩。表4.1RHSRYHRHJRZQRBX平均數(shù)

0.004908

0.020535-0.040441-0.046277

0.072788中位數(shù)

0.037402-0.016357-0.049078-0.088443

0.023518最大值

6.498873

7.554815

7.976289

9.531086

9.208702最小值-9.154437-9.428850-9.510075-10.53683-9.924988標準差

1.506109

1.404099

2.011263

2.325297

1.902807偏度-0.895578-0.183901-0.529446-0.079780-0.047241峰度

9.802583

10.81824

6.130931

8.267182

6.784376Jarque-Bera

2169.021

2685.238

478.8346

1217.193

628.1505Probability

0.000000

0.000000

0.000000

0.000000

0.000000樣本量

1052

1052

1052

1052

1052從各指數(shù)的描述性統(tǒng)計中分析，各指數(shù)的對數(shù)日收益率的均值可以得出Rbx的平均收益率最高，而Rzq的平均收益率最低。比較各指數(shù)收益率的標準差可以得出，Rzq的標準差最高,證券指數(shù)的對數(shù)收益率波動相對于其他指數(shù)的對數(shù)收益率波動更大幅度。偏度與峰度用于描述各指數(shù)對數(shù)收益率數(shù)據(jù)的分布曲線相較于正態(tài)分布表現(xiàn)出的不對稱程度，正太分布的偏度為0，峰度為3?？梢詮母髦笖?shù)對數(shù)收益率的偏度與峰度得出，各指數(shù)都呈現(xiàn)出左偏態(tài)、尖峰、厚尾的特征。不符合J-B統(tǒng)計量表明，在99%的置信度水平下，拒絕Rhs、Ryh、Rhj、Rzq、Rbx服從（三）單位根檢驗對各指數(shù)對數(shù)收益率的時間序列進行單位根檢驗，單位根檢驗滯后階數(shù)取6階。變量ADF統(tǒng)計量1%時ADF統(tǒng)計量P值R-31.50297-3.9665990.000R-32.96449-3.9666230.000R-30.46917-3.9666230.000R-31.86116-3.9666230.000R-31.33270-3.9668030.000表4.2從各指數(shù)對數(shù)收益率的單位根檢驗結果得出，ADF統(tǒng)計均小于顯著性水平下的閾值，在1%的顯著性水平下拒絕存在單位根的原假設，即各序列不存在單位根，各指數(shù)對數(shù)收益率通過單位根檢驗，各指數(shù)對數(shù)收益率為平穩(wěn)序列。（四）互聯(lián)網(wǎng)金融行業(yè)對傳統(tǒng)金融業(yè)的風險溢出效應1.VaR計算Rit=β0根據(jù)計算式先對指數(shù)的對數(shù)收益率進行分位數(shù)回歸，分位數(shù)取0.05（q=0.05），計算出各指數(shù)的對數(shù)收益率參數(shù)數(shù)值如下:變量ββR-1.16330.7394R-1.87601.1325R1.76961.3289R-1.61280.9558表4.3根據(jù)各指數(shù)參數(shù)數(shù)值進行VAR值計算:VaRitq=β將各指數(shù)參數(shù)代入上式計算，計算在q=0.05時，各行業(yè)的VaR值序列。結果如下:互聯(lián)網(wǎng)金融銀行證券保險VaR-1.83229-0.85707-1.71831-1.57591表4.42.CoVaR計算

Rit=β0'+對各指數(shù)進行分位數(shù)回歸，q=0.05時，各指數(shù)參數(shù)值如下:變量βββR-1.08561.069-0.3331R-1.66441.05950.2284R-1.51021.3613-0.371表4.5各指數(shù)參數(shù)代入下式:CoVaRiti,hjq=當q=0.05時，計算出銀行、證券、保險業(yè)的CoVaR值序列。3.風險溢出計算結果取VaR值序列中位數(shù)與CoVaR值序列中位數(shù)代入下式中進行計算:?CoVaRiti,hjq=%CoVaRiti,hjq=互聯(lián)網(wǎng)金融VaR值為-1.83229，q=0.05時，傳統(tǒng)金融業(yè)的風險溢出值結果如下:VaRCoVaRΔCoVaR%CoVaR銀行-0.85707-0.434010.42307-49.36%證券-1.71831-2.042-0.3236918.84%保險-1.57591-0.777880.79803-50.64%表4.6根據(jù)上表VaR計算結果來看，互聯(lián)網(wǎng)金融的VaR最高，而在傳統(tǒng)金融業(yè)，保險業(yè)風險價值最高，銀行業(yè)的風險價值最小。銀行業(yè)相對于其他行業(yè)，監(jiān)管較為嚴格，行業(yè)規(guī)范，因此其抗風險能力較強。而互聯(lián)網(wǎng)金融與保險業(yè)因其行業(yè)的特點，存在高風險行為，抗風險能力較弱。各行業(yè)%CoVaR中，銀行業(yè)和保險業(yè)的風險溢出效應是負風險溢出，負風險溢出描述了如果互聯(lián)網(wǎng)金融業(yè)存在極端風險，互聯(lián)網(wǎng)金融風險可以降低銀行業(yè)和保險業(yè)的風險。在生活中，銀行業(yè)的金融服務與互聯(lián)網(wǎng)金融產(chǎn)品中P2P、支付平臺互為競爭關系。當互聯(lián)網(wǎng)金融業(yè)存在極端風險時，對于投資者來說，銀行業(yè)金融服務與業(yè)務相較于存在極端風險的互聯(lián)網(wǎng)金融產(chǎn)品則更有競爭力。互聯(lián)網(wǎng)金融亦有覆蓋保險業(yè)的保險業(yè)務，當互聯(lián)網(wǎng)金融處于極端風險時，保險業(yè)的業(yè)務則接納了原屬于互聯(lián)網(wǎng)金融的投資者。因此，互金對銀行業(yè)與保險公司產(chǎn)生了負向的風險溢出影響?；ヂ?lián)網(wǎng)金融對證券投資業(yè)風險的影響意味著在極端風險的情況下對證券業(yè)的風險增加?；ヂ?lián)網(wǎng)的興盛對證券業(yè)有所影響，存在著利用互聯(lián)網(wǎng)技術對券商進行革新的科技公司，代表有同花順與東方財富，引用互聯(lián)網(wǎng)技術對券商的業(yè)務進行覆蓋。然而%CoVaR的數(shù)值中顯示，雖然互聯(lián)網(wǎng)金融對證券業(yè)產(chǎn)生負向的風險溢出影響，但數(shù)值僅為18.84%，現(xiàn)階段，互聯(lián)網(wǎng)金融的金融產(chǎn)品雖然與證券業(yè)的業(yè)務有所交集，但由于互聯(lián)網(wǎng)金融產(chǎn)品與證券業(yè)產(chǎn)品的重合度不高，相互替代的產(chǎn)品較少，因而風險傳染度不高。（五）傳統(tǒng)金融業(yè)對互聯(lián)網(wǎng)金融的風險溢出Rhj,it=β0與4.2的計算方法相同，在q=0.05時，進行分位數(shù)回歸，各指數(shù)參數(shù)如下:變量βββR-1.56311.6078-0.7685R-1.74650.77340.2624R-1.58431.72100.6084表4.7將上述參數(shù)代入下列計算式中:CoVaRhjhj,iq得出所需參數(shù)，根據(jù)下式，計算得出各傳統(tǒng)金融業(yè)對互聯(lián)網(wǎng)金融的風險溢出值，?CoVaRhjhj,iq=%CoVaRiti,hjq=結果如下:VaRCoVaRΔCoVaR%CoVaR銀行-0.85707-0.835250.99704-54.41%證券-1.71831-2.16754-0.3352418.30%保險-1.57591-0.559091.27320-69.49%表4.8根據(jù)估計結果，銀行業(yè)與保險業(yè)對互聯(lián)網(wǎng)金融為負向風險溢出效應，存在受銀行業(yè)或保險業(yè)的極端風險影響，互聯(lián)網(wǎng)金融的風險降低，減少風險的情況。證券業(yè)對互聯(lián)網(wǎng)融資具有正向溢出效應。如果證券投資行業(yè)存在極端風險，在證券行業(yè)風險的影響下，互金的風險會加大。本文數(shù)據(jù)分析得出，互金對銀行業(yè)和保險業(yè)的風險溢出效應為負，而對證券業(yè)的風險溢出效應為正。（六）不同分位數(shù)下風險溢出為了比較不同分位數(shù)下，各金融業(yè)對互金風險的影響與互金對各金融業(yè)風險的影響。取不同分位數(shù)值，計算傳統(tǒng)金融業(yè)對互聯(lián)網(wǎng)金融風險溢出效應的影響，計算得出以下風險溢出值：分位數(shù)0.010.030.05銀行-1.26212-0.67687-0.83525CoVaR2.2024711.6034610.99704ΔCoVaR-63.57%-70.32%-54.41%%CoVaR證券-3.584-2.5633-2.16754CoVaR-0.11941-0.28297-0.33524ΔCoVaR3.45%12.41%18.30%%CoVaR保險-1.12137-0.7243-0.55909CoVaR2.3432221.5560321.273197ΔCoVaR-67.63%-68.24%-69.49%%CoVaR互聯(lián)網(wǎng)金融-3.46459-2.28033-1.83229VaR表4.9銀行對互聯(lián)網(wǎng)金融的%CoVaR在不同分位數(shù)下均為負效應，且在q=0.05時，負溢出效應最小，在q=0.03時，風險溢出負效應最大，q=0.01時，負效應有所減弱，但仍然比q=0.05的情況強。說明銀行在越苛刻風險的情況下，對互聯(lián)網(wǎng)金融風險的影響在增強。證券對互聯(lián)網(wǎng)金融的%CoVaR在不同分位數(shù)下均為正效應證券業(yè)在不同分位數(shù)水平下，風險溢出值有較大變化，證券業(yè)處于極端苛刻情況下，風險溢出值減弱至最低值，而在q=0.05時，風險溢出值處于最高值。說明證券業(yè)隨著分位數(shù)的增加，對互聯(lián)網(wǎng)金融的風險影響增大，互金的%Covar在不同分位數(shù)上為負。在不同分位數(shù)水平下，保險業(yè)的風險溢出值幾乎沒有變化，隨著分位數(shù)的減少，也就是說，這種情況越極端，對互聯(lián)網(wǎng)金融風險的影響就越弱?？傮w上看，各行業(yè)中，不同分位數(shù)水平下，對互聯(lián)網(wǎng)金融風險溢出值最大為q=0.03所取得的銀行%CoVaR值，而對互聯(lián)網(wǎng)金融風險影響最小的是證券。在三個行業(yè)中，保險業(yè)對互聯(lián)網(wǎng)金融的風險溢出值變化不大，對互聯(lián)網(wǎng)金融風險傳染在各分位數(shù)下，變化不大。分位數(shù)0.010.030.05銀行-2.12793-1.530232-0.8571VaR-0.11757-0.3707756-0.83525CoVaR2.0103611.159456390.99704ΔCoVaR-94.48%-75.77%-54.41%%CoVaR證券-2.8273-2.0335065-1.71831VaR-3.1104-2.4503491-2.16754CoVaR-0.2831-0.4168426-0.33524ΔCoVaR10.01%20.50%18.30%%CoVaR保險-2.6979-1.906377-1.57591VaR-1.62875-1.2639184-0.55909CoVaR1.0691520.642458611.2732ΔCoVaR-39.63%-33.70%-69.49%%CoVaR表4.10互金對不同金融業(yè)的影響因分位數(shù)不同而異，互金對銀行的%CoVaR值為負，說明互金對銀行的風險溢出效應為負。且隨著分位數(shù)的增大，%CoVaR值有所減弱，表明互聯(lián)網(wǎng)金融在越極端不易出現(xiàn)的風險中，對銀行業(yè)的影響越強。互聯(lián)網(wǎng)金融對證券的%CoVaR值均為正數(shù)，證券業(yè)在q=0.01時，%CoVaR處于最低值，在q=0.03時，處于最高值，總體上，隨著q值的減少，%CoVaR值也有所減少。表明證券業(yè)在極端情況下，受互聯(lián)網(wǎng)金融的影響有所減弱。保險業(yè)在不同分位數(shù)水平下，%CoVaR為負值，且分位數(shù)0.05到分位數(shù)0.03有大幅變化，表現(xiàn)為對互聯(lián)網(wǎng)金融的影響大幅減弱，說明互聯(lián)網(wǎng)金融在越極端不易出現(xiàn)的風險情況下，對保險業(yè)的風險溢出效應是呈減弱趨勢?？傮w上看，互聯(lián)網(wǎng)金融對銀行業(yè)的%CoVaR影響最大，在q=0.01時，得到各行業(yè)最大風險溢出值-94.48%。證券%CoVaR最小。處于越極端情況下，互金對保險業(yè)影響越趨近于平穩(wěn)趨勢。五、研究結論隨著互聯(lián)網(wǎng)金融產(chǎn)品的發(fā)展，傳統(tǒng)金融業(yè)中的各行業(yè)都不可避免地會與互聯(lián)網(wǎng)金融產(chǎn)生一定影響。在本文中，運用分位數(shù)回歸計算各指數(shù)的VaR值與CoVaR值衡量其風險溢出效應，得出以下結論:1.在衡量各行業(yè)自身風險時，采用VaR值對各行業(yè)的風險水平進行評估，VaR值越大，則該行業(yè)所處的風險越高，反之亦然。在本文選取的四個行業(yè)中，互聯(lián)網(wǎng)金融的風險水平較其他行業(yè)都要高?；ヂ?lián)網(wǎng)金融作為新行業(yè)出現(xiàn)的時間較短，面臨監(jiān)管不到位的情況，尚未有完善的法律制度規(guī)范互聯(lián)網(wǎng)金融業(yè)，其抗風險能力較差。而在傳統(tǒng)金融業(yè)中，證券業(yè)面臨更高的風險，銀行業(yè)面臨的風險相對較小。傳統(tǒng)金融業(yè)發(fā)展時間長，政府監(jiān)管措施到位，法律制度較為完善，各行業(yè)規(guī)范，因而風險控制較為完善。2.運用ΔCoVaR方法可以衡量互聯(lián)網(wǎng)金融與各行業(yè)的風險溢出效應情況，不同分位數(shù)水平下，傳統(tǒng)保險業(yè)和傳統(tǒng)銀行業(yè)對互金的溢出風險是負的，在ΔCoVaR數(shù)值對比中，保險業(yè)ΔCoVaR值較銀行業(yè)ΔCoVaR值要高，表明受互金的風險影響，二者的風險將會降低，且保險降低程度較銀行程度更高。而當保險業(yè)或銀行業(yè)存在極端風險的情況時，互聯(lián)網(wǎng)金融的風險受銀行業(yè)或保險業(yè)風險的影響會呈現(xiàn)降低的現(xiàn)象，且受保險業(yè)風險的影響較銀行業(yè)風險的影響更大些?；ヂ?lián)網(wǎng)金融與證券業(yè)之間的風險溢出效應互為正向的，表示在兩兩關系中當互聯(lián)網(wǎng)金融產(chǎn)生極端風險時，證券業(yè)所處的風險增加的情況。反之，證券業(yè)當處于極端風險時，受其風險影響，互金風險將會降低。3.互聯(lián)網(wǎng)與銀行業(yè)的風險溢出效應均為負向的風險溢出，表明受互聯(lián)網(wǎng)金融風險的影響，銀行業(yè)風險將會降低，這是當互聯(lián)網(wǎng)金融處于極端風險水平時會出現(xiàn)的情況。而當銀行業(yè)存在有極端風險的情況時，將會減少互聯(lián)網(wǎng)金融所面臨的風險。負相應表明雙方在市場關系為競爭關系。同時，這些數(shù)據(jù)可以說明保險業(yè)相較于銀行業(yè)，對互聯(lián)網(wǎng)金融的風險傳染有更深的影響，因為根據(jù)我們的研究結果表明在不同分位數(shù)水平下，相對于銀行業(yè)，保險業(yè)受互金風險的影響程度更深些，表現(xiàn)為受互聯(lián)網(wǎng)金融風險的影響，其風險降低程度較銀行業(yè)要多些。而互聯(lián)網(wǎng)金融對傳統(tǒng)保險業(yè)和傳統(tǒng)銀行業(yè)的風險傳染度ΔCoVaR表明二者的風險傳染度相當，二者受互聯(lián)網(wǎng)金融風險的影響相差不大。在互聯(lián)網(wǎng)金融產(chǎn)品中，充當銀行主要競爭產(chǎn)品的P2P行業(yè)自2019年以來存在大量爆雷P2P平臺，以及存在挪用資金池等現(xiàn)象，令市場上的投資者在選擇理財產(chǎn)品時，會轉而投向風險更小的銀行業(yè)中與之相符的相關業(yè)務。另一方面，P2P平臺接受政府嚴格監(jiān)管后，大量平臺因不符合規(guī)范，選擇不再釋放融資信息，并選擇轉業(yè)已結束平臺運營。4.互聯(lián)網(wǎng)金融與保險業(yè)風險溢出效應均為負向的風險溢出效應。這表明無論哪個行業(yè)處于極端風險下，都會減少另外一個行業(yè)所面對的風險。，從一些數(shù)據(jù)可以說明兩者處于競爭關系，比如互聯(lián)網(wǎng)金融與保險業(yè)的關系相較于互聯(lián)網(wǎng)金融與銀行業(yè)的負效應要強這就是比較明顯的一點；隨著互聯(lián)網(wǎng)金融產(chǎn)品的不斷推出進化，越來越多的互聯(lián)網(wǎng)金融產(chǎn)品與保險業(yè)所推出的產(chǎn)品具有相似性，存在較大的替代性。隨著互聯(lián)網(wǎng)金融的進一步發(fā)展，保險業(yè)與其競爭關系將會加劇。從兩者負效應中比較，保險業(yè)風險對互聯(lián)網(wǎng)金融風險影響產(chǎn)生的負效應相較于互聯(lián)網(wǎng)金融風險對保險業(yè)風險影響產(chǎn)生的負效應要強烈，表明在保險業(yè)處于極端風險時，受保險業(yè)極端風險的影響，互聯(lián)網(wǎng)金融風險更為敏感，所減少的風險更多。5.證券業(yè)與互聯(lián)網(wǎng)金融的風險溢出效應均為正向風險溢出效應。當一方處于極端風險情況下，都會增加另外一方所承受的風險情況，但是從數(shù)據(jù)上看二者的風險溢出效應數(shù)值是幾組我們選擇的測試行業(yè)中風險傳染性最小的，兩者存在一定的風險傳遞關系，不如其它測試行業(yè)的數(shù)據(jù)高，說明二者的風險傳遞不如其他行業(yè)的強烈。證券業(yè)主要從事證券經(jīng)紀、證券發(fā)行與承銷業(yè)務，與互聯(lián)網(wǎng)金融所有的金融產(chǎn)品交集不多，且多為互聯(lián)網(wǎng)金融信息服務行業(yè)，為股市進行信息技術支持，與證券業(yè)原有的業(yè)務重合不大，券商的證券發(fā)行與承銷業(yè)務是互聯(lián)網(wǎng)金融公司暫沒有的金融服務。因而二者在風險溢出效應中數(shù)值較低。六、研究建議關于銀行業(yè)發(fā)展建議隨著互聯(lián)網(wǎng)金融業(yè)的持續(xù)發(fā)展，無疑會對生活中的各個領域產(chǎn)生一定的影響。銀行業(yè)作為其中最大的金融業(yè)體系，首先承擔了這個新興行業(yè)出現(xiàn)帶來的巨大壓力。作為金融業(yè)之中的上游行業(yè)，必須用理性的手段來處理銀行業(yè)和互聯(lián)網(wǎng)金融業(yè)的競爭關系。今后銀行業(yè)也應該改變對自己太過于傳統(tǒng)的老舊概念和定位，開始順應時代的發(fā)展，開始適應時代的變革以下將從下列幾點提出銀行業(yè)的發(fā)展建議。加強對互聯(lián)網(wǎng)技術的應用傳統(tǒng)金融業(yè)加上了互聯(lián)網(wǎng)技術后之所以發(fā)展迅速，是因為互聯(lián)網(wǎng)技術可以作為傳統(tǒng)商業(yè)銀行的發(fā)展的重要依靠，用新的技術獲取數(shù)據(jù)來支撐內(nèi)部結構，利用新興技術，如大規(guī)模數(shù)據(jù)，商業(yè)銀行可以調(diào)整現(xiàn)有的風險模型，提高模型的準確性，減少差錯，更好地控制風險，這些技術都是現(xiàn)代金融業(yè)不可多得的機遇。同時要利用互聯(lián)網(wǎng)將借款信息與客戶本人信息進行匹配分類，推出個性化的服務內(nèi)容，推出定制的金融產(chǎn)品，也可以使風險管理更透明化和與合理化，更加科學地對細節(jié)流程進行管理，使風險性下降，失誤值減少。國內(nèi)已經(jīng)有很多之前不想改變的傳統(tǒng)商業(yè)銀行把挑戰(zhàn)轉化為機遇，而其中轉變失敗的商業(yè)銀行，不乏有在著風險與機遇共存的時代被掀翻了，最后獲得了被并購甚至破產(chǎn)的尷尬境地，所以，我建議這些拘于格局的傳統(tǒng)商業(yè)銀行，不妨嘗試下不再一味與這個新興的行業(yè)進行對抗而是選擇合作共贏的共生環(huán)境。從近幾年開始，第三方支付的崛起可以看出，騰訊等互聯(lián)網(wǎng)企業(yè)巨頭開始與各個商業(yè)銀行建立合作的關系，合作伙伴包括了四大銀行內(nèi)的數(shù)十家銀行。這些非金融公司在不同的技術領域利用其日新月異的技術來支持商業(yè)銀行，建立強大的業(yè)務聯(lián)盟，在數(shù)據(jù)、金融產(chǎn)品更新和運輸路線等領域相互支持。這種新的合作是建立在由銀行提供資金支持、互聯(lián)網(wǎng)金融公司提供科技保障的基礎上的，這種合作模式不僅滿足了現(xiàn)有客戶需要，同時以其貼近生活的運作模式吸引了新的投資者，使得投資不再高高在上。積極防范行業(yè)融合帶來的風險由于互聯(lián)網(wǎng)技術日新月異，尤其在以互聯(lián)網(wǎng)模式開始進行行業(yè)整合時，因為互聯(lián)網(wǎng)的特殊性與不穩(wěn)定性，可能會產(chǎn)生各種各樣的風險，其中比較突出的就是信用風險。因此，商業(yè)銀行在應對使用互聯(lián)網(wǎng)技術帶來的風險時，要積極部署應對風險的措施。從近期來看，新興的互聯(lián)網(wǎng)金融模式P2P網(wǎng)貸行業(yè)是互聯(lián)網(wǎng)風險的重災區(qū)和集中表現(xiàn)地，這幾年來頻繁地出現(xiàn)網(wǎng)貸平臺跑路、平臺資金鏈斷裂，其中一些平臺違反規(guī)定，違法違規(guī)地對投資者投資的資金進行操作，給投資者造成很大損失，一部分平臺就因此陷入困境。商業(yè)銀行必須仔細觀察監(jiān)控互聯(lián)網(wǎng)金融部門的信用風險，預防信用貸款風險，要更新和取代傳統(tǒng)的預防風險手段，建立新的風險管理機制，更具有風險保護能力。關于證券行業(yè)發(fā)展建議加強與互聯(lián)網(wǎng)金融行業(yè)的合作按照本文得出的結果，當互聯(lián)網(wǎng)金融行業(yè)處于極端風險時，證券行業(yè)受其影響相對其他行業(yè)較小，這代表了互聯(lián)網(wǎng)金融行業(yè)于證券業(yè)的業(yè)務交叉度不高，業(yè)務相對獨立。按照現(xiàn)在的趨勢看，如果證券行業(yè)想要在目前互聯(lián)網(wǎng)技術蓬勃發(fā)展的今天要站穩(wěn)腳跟，就要積極推進自身業(yè)務的互聯(lián)網(wǎng)化，謀求轉型、擴展業(yè)務。在行業(yè)進行轉型的同時，運用互聯(lián)網(wǎng)信息技術，深度挖掘數(shù)據(jù)信息，對數(shù)據(jù)潛在價值進行分析；利用得到的數(shù)據(jù)對證券產(chǎn)品的盈利性和風險暴露程度進行量化。以此為依據(jù)，發(fā)掘潛在客戶，并為客戶量身定制多元服務，使服務更加便捷簡單，用簡單高效的方法來為客戶量身訂做證券產(chǎn)品，依托互聯(lián)網(wǎng)渠道，合法地擴充該行業(yè)的線上交易量。同時，證券行業(yè)還要提高警惕，密切防范互聯(lián)網(wǎng)金融行業(yè)帶來的各種信用、技術和操作風險，建立健全的風險預警機制，規(guī)避大部分可控的風險；對傳統(tǒng)風險預防的手段進行更新或者淘汰，搭建全新的風險管理框架，推出相應的行為準則，使證券業(yè)在進行互聯(lián)網(wǎng)交易時面對風險更具抵御力。關于保險行業(yè)發(fā)展建議根據(jù)銀監(jiān)會所頒布的報告顯示在從2014年開始的5年時間里，與互聯(lián)網(wǎng)金融有聯(lián)系的保險業(yè)企業(yè)便迅速增加至上百家。這種合作給保險業(yè)帶來的變化有很多，在之前的傳統(tǒng)模式下，電話營銷是保險業(yè)最慣用的營銷方式，而保險業(yè)在利用互聯(lián)網(wǎng)技術進行變革之后，與互聯(lián)網(wǎng)金融產(chǎn)業(yè)共同發(fā)展，出現(xiàn)了各種新的保險營銷方式，出現(xiàn)的新型保險業(yè)務將以對客戶進行全方位的數(shù)據(jù)分析為主，能帶給客戶更大的選擇空間，客戶可以瀏覽關于此保險的所有內(nèi)容及其風險，增加了產(chǎn)品的透明度，對保單的各種信息一目了然。一方面，客戶在進行保險選擇時，有充足時間和足夠多的選項，方便客戶根據(jù)自身情況，在不受到過多其他因素影響而做出自己心中最滿意的決定，讓自己有更好的購買保險體驗，另一方面，保險公司在接到客戶相應的要求后，給出最符合客戶利益的相關推送，這樣既可以增加客戶的滿意程度，又可以有效地減少退保率，客戶在保險公司可以提供最適合方案后，簽約率也會大大增加。這種傳統(tǒng)保險行業(yè)和互聯(lián)網(wǎng)金融產(chǎn)業(yè)相互扶持，互為補充的方式給這漸漸步入信任危機的保險行業(yè)帶來了極大商機，有機會利用這些機會來改變長時間以來保險公司在惡意不賠付保險金的形象，避免保險合同中灰色地帶的出現(xiàn)，讓這些長久以來的不信任轉變成未來巨大的商機?？梢詮膬煞矫婵闯鲞@些商機的存在，一方面，讓買賣保險的雙方開誠布公地坐在一起，一邊的客戶提出自己的真實需求，一邊的保險公司針對客戶的要求提供最符合客戶利益的保險產(chǎn)品，就算客戶不太滿意提供的產(chǎn)品，也可以把客戶的要求納入數(shù)據(jù)庫，讓研發(fā)部認識到這類需求的存在，對相應的產(chǎn)品進行開發(fā)，讓客戶對產(chǎn)品和服務有著更加滿意的體驗；另一方面，更據(jù)對大數(shù)據(jù)的處理分析提高保險保費的精算效率，節(jié)約產(chǎn)品的設計成本，也可以降低相應的風險，促進保險行業(yè)健康發(fā)展。關于互聯(lián)網(wǎng)金融發(fā)展建議加強互聯(lián)網(wǎng)金融信息技術安全對于互聯(lián)網(wǎng)金融來說，想要得到更好發(fā)展，首先要從技術層面做好維穩(wěn)保障工作。平臺信息的安全有保障，這才是使客戶利益不受到損害基本條件。有數(shù)據(jù)表明，大部分金融門戶網(wǎng)站每天承受著數(shù)以萬計的網(wǎng)絡黑客攻擊，這些門戶網(wǎng)站和系統(tǒng)的各類漏洞也非常多，在互聯(lián)網(wǎng)金融業(yè)興起以來，記錄下來的高危漏洞就達到了700多個。在此情況下，互聯(lián)網(wǎng)金融行業(yè)仍需要進行更加深入的互聯(lián)網(wǎng)化，更深層次學習大數(shù)據(jù)、區(qū)塊鏈技術等高端技術領域，發(fā)揮技術的重要性對風險進行管控，同時還要從軟件、硬件兩方面穩(wěn)固金融平臺安全保障，維護平臺安全，使得企業(yè)和客戶可以安全放心地在互聯(lián)網(wǎng)上進行交易操作運行。完善互聯(lián)網(wǎng)金融領域法律法規(guī)通過改進法律法規(guī)，我們可以達到更高標準的良好投資環(huán)境。第一步，就是這樣的一個改進，在不斷的改進和變化的同時。我們可以繼續(xù)規(guī)范、控制和規(guī)范互聯(lián)網(wǎng)市場發(fā)展的規(guī)則，為未來產(chǎn)業(yè)的發(fā)展提供一個特殊的規(guī)則，建立良好的內(nèi)部秩序和外部市場環(huán)境。第二步，建立行業(yè)信息平臺、信用信息交流平臺和個人信息交流平臺等信息平臺，完善這些平臺的搭建和其數(shù)據(jù)樣本采集。保障投資者對信息的絕對掌握和公司對投資者的合理審查；在信息安全領域，各種風險的大小對投資者合理估值很重要，投資者在投資前必須充分考慮風險，促進更加理性的投資者的出現(xiàn)，是基于投資人員在進行投資前能充分認識風險，量力而行。完成了以上種種，才能更進一步得保障互聯(lián)網(wǎng)金融業(yè)的穩(wěn)定發(fā)展。建立共通且完善的互聯(lián)網(wǎng)金融征信系統(tǒng)近幾年，由于互聯(lián)網(wǎng)金融行業(yè)發(fā)展過快，風險問題也伴隨著發(fā)展頻頻出現(xiàn)，除了互聯(lián)網(wǎng)信息技術的不完善和完善的法律制度和清晰有力的監(jiān)管體系仍未建立等原因外，還有另一方面的原因，即該行業(yè)內(nèi)部仍然沒有依靠現(xiàn)有的國家信用體系和日新月異互聯(lián)網(wǎng)科技建立完善的網(wǎng)絡平臺征信體系。如果能利用國家征信數(shù)據(jù)庫等大數(shù)據(jù)對行業(yè)內(nèi)部進行全方位監(jiān)測，建立相應的信用評級制度，對每個企業(yè)平臺和消費者進行