1.1研究目的及意义

得益于信息技术的进步以及电子商务的飞速发展，自从2013年国内第一支互联网理财产品——余额宝问世后，我国互联网理财领域发展迅速，互联网理财产品如雨后春笋般不断涌现， 人们的消费习惯、理财方式也发生了深刻的变革。余额宝、微信理财通等互联网理财产品规模的指数性扩张，投资者人数的飞速增长，都说明我国互联网理财取得了举世瞩目的巨大成就。但在这辉煌的背后，伴随而来的风险也不容忽视。从《关于促进互联网金融健康发展的指导意见》，到《网络借贷信息中介机构业务活动管理暂行办法（征求意见稿）》《互联网金融风险专项整治工作实施方案》等一系列的监管政策的出台可以看出，互联网金融风险管理刻不容缓。互联网理财作为其中的重要组成部分，对于其风险的度量研究也十分具有现实意义。具体而言，利率市场化以及各种互联网金融创新型产品的层出不穷，都将增大金融机构所面临风险的复杂性。投资者日益增长的理财需求使得互联网理财产品的规模越来越大，与之而来的是监管压力的增大，监管要求的提高。金融机构以及监管机构需要实时掌握产品风险，保证产品安全，保障投资者的资金安全。本文将对互联网理财产品的风险进行量化分析，通过建立合适的模型来计算互联网理财产品的风险值VaR，并对互联网理财产品风险的影响因素，度量各因素的影响情况，有针对性的提出建议，希望能对增强互联网理财产品的抗风险能力、提高其识别风险管理风险的能力有所帮助。

1.2国内外研究现状

由于互联网金融理财产品在近几年才出现，国内相关研究文献相对较少。国内关于互联网金融理财产品的研究多以余额宝为例，主要涉及四个方面:一是关于互联网理财产品的快速发展对利率市场化以及商业银行业务等诸多方面的单向影响。例如，乔海曙、李颖(2014)基于对余额宝、银行、监管机构三方的博弈分析，从数理上阐明了余额宝促进存款利率市场化的鲇鱼效应。[1]陈安琪，邹正方（2014）以余额宝为例,基于余额宝同商业银行博弈的视角,分析解释了余额宝收益率变化的原因，发现余额宝收益的变化与余额宝同商业银行的博弈环境息息相关。[2]莫易娴、曾祥菁(2014)研究认为余额宝由于在流动性和规模上有一定优势，会在短期内影响商业银行的理财产品业务。[3]二是关于投资者选择使用余额宝的影响因素。例如，邱均平等(2015)按照金融产品的流动性、收益性和安全性三原则，建立了TAM和TPB模型，验证了自我效能、感知易用和感知有用是用户使用余额宝的关键影响因素。[4]陈泽同、楚振宇（2015）通过研究互联网金融理财产品使用的影响因素，发现感知成本、感知风险、情感价值、社会价值以及功能价值均会影响投资者的使用和选择。三是关于余额宝收益率的影响因素。[5]白洁、林礼连(2014)运用了EEMD方法将余额宝收益率原始数据分解重组，再分别建立预测模型，发现余额宝收益率是由国内市场资金面决定的利率长期趋势、金融行业重大事件带来的低频振动，以及正常市场波动导致的高频振动三方面构成的。[6]杨毅、刘柳((2014)以及陆敬箔等(2015)均运用线性回归的实证方法进行检验，其结果都显示上海同业拆借利率对余额宝收益率有显著正向影响，而余额宝收益率对上海同业拆借利率的影响不显著。[7]蒋钥（2015）余额宝的收益率受到上一期SHIBOR和上一期每七日年化收益率的影响。并且余额宝收益不能等同于银行存款利率，其潜在的利率风险、系统风险、流动性风险、来自监管层面的风险等都不容忽视。[8]林文生、张正杨（2016）借助面板数据的随机效应和可行广义最小二乘法回归方法研究互联网金融理财产品收益率的主要影响因素，发现SHIBOR、股票市场、债券市场、理财产品基金规模、季节变化都对理财产品收益率具有不同程度的显著影响。[9]最后一个方面是互联网理财产品的风险度量研究及评价。潘庄晨、邢博、范小云（2015）以余额宝为研究对象，以金融机构的流动性风险压力测试模型为基础，建立了基于现金流压力测试法的流动性风险压力测试模型，识别风险触发因素，并在此基础上进行压力测试的情景设计。[10]李树文（2015）以互联网理财产品为研究对象，对其概念进行界定，比较了其与传统理财产品之间的差异，最后从理论和实证角度对互联网理财产品的风险进行分析,发现互联网理财产品的整体风险较大，随机风险较小。[11]陈倩文（2015）引入var度量互联网理财产品的风险，并建立GARCH模型，对互联网理财产品风险进行度量。[12]李凯琪、沈蕾（2015）基于VaR建立EGARCH - GED模型，并对我国互联网金融产品的绩效水平进行综合评价，发现货币市场基金的风险度量方法适用于分析互联网金融产品的收益风险，基于VaR的评价指标比传统Sharpe比率对投资者参考意义更大。[13]林小霞、祝健（2016）建立了正态分布下的GARCH、EGARCH、TARCH模型，计算出互联网理财产品的var值，发现TARCH拟合效果最好。[14]丁智宇（2016）以7种具有代表性的互联网理财产品为例，分别建立ARM-ARCH, ARMA-TARCH, ARMA-EGARCH模型定量比较分析影响其波动的因素，引入VaR的方法建立ARMA-TARCH-GED模型进行风险衡量。[15]

在中国之外的大多数国家，人们在网上购物时最常用的支付工具是银行信用卡，缺乏类似中国的余额宝等非银行支付平台，因此没有类似中国的互联网金融理财产品及其相关理论研究。国外研究状况主要关于GARCH模型的研究，GARCH模型是反映市场时变特征最常用的波动率模型，它能有效地捕捉资产收益率波动的聚类和异方差现象。自从Engle 1982年提出ARCH模型以来，国内外研究者先后对自回归条件异方差模型进行了许多扩展，国外有大量关于GARCH模型的理论和应用研究，Bollerslev(1986)、Ding(1993)、Baillie等(1996)，Chung (1999)、Tse (1998)、Davidson(2004)等研究者先后针对GARCH模型进行了各自的扩展，构成了现在GARCH模型族，主要有GARCH、EGARCH、GJR、APARCH等模型。自GARCH模型提出以来，得到学术界在度量条件波动率方面的广泛引用。同时，GARCH模型还被引入金融风险管理领域VaR的度量中，作为预测VaR的一种主要分析算法，在实践中也有着重要的地位，Lauren和Peters(2002), Giot P和Laurent(2004),[16] Cifter A和Ozun A(2007)[17]分别采用了GARCH模型预测VaR。Orhan，Mehmet，Koksal，Bulent（2012）比较了Garch族模型在计算var时的差异，发现Garch（1,1）拟合效果最好，并且t分布拟合效果稍微优于正态分布。[18]Godeiro，Lucas，Lucio(2013)在garch-var模型的基础上，引入蒙特卡罗模拟法，也发现t分布表现稍微优于正态分布。[19]Caporale，Guglielmo Maria，Spagnolo，Fabio（2016）构建garch-var模型度量了宏观消息对股票市场的影响，发现正面消息会给股票市场带来正面冲击，负面消息带来负面冲击，并且市场对负面消息反应更为敏感。[20]

2. 研究的基本内容与方案

2.1研究内容

本文的研究框架及主要内容如下:

第1章 绪论