1．目的及意义

随着互联网技术革命的兴起，互联网金融以其高效和低门槛的特征迅速发展成为一种普遍的金融服务方式，并且正在逐步占领我国金融市场，以余额宝为首的互联网基金类理财产品也开始正式进入到广大人民的视野，从2013年6月中旬成立到2015年第一季度，余额宝的资金交易总量由66.01亿元^[1]迅速增长到7117亿元，7日年化平均收益率由4.2047%上涨到4.4941%^[2]，远高于银行活期存款利率，但同时互联网理财产品也具有各种不确定性的金融风险，具体表现在市场风险、信用风险、操作风险和流动性风险，因此建立一套完整的风险评估系统对互联网理财产品至关重要。

国外大部分文献以传统金融的互联网化为研究对象进行分析，关于金融风险量化领域，最经典的方法当属VaR。VaR由摩根大通在1994年提出，Wipplinger和Philippe^[3]在书中详细总结了VaR方法的原理、估计方法以及在金融风险管理中的应用。VaR的计算有很多种方式，McNeil，Frey^[4]分别利用GARCH模型和极值理论（EVT）模型，计算纳斯达克、道琼斯等几个重要股指收益率序列的在险价值（VaR），同时提出新的亮度指标——预期损失（ES），发现在险价值可能会低估风险，而ES不仅具有一致性，而且更稳健。而Adrian和Brunnermeier^[5]则发明了CoVaR，指出杠杆、规模、期限的不匹配都会导致CoVaR增大，且运用CoVaR进行数据分析，发现在2007-2009年金融危机期间，CoVaR增大三分之一，说明该方法能比较好的识别金融风险。Huang和Lee^[6]等利用纳斯达克指数和台湾加权指数构造一个投资组合，基于GARCH-Copula^[7]方法计算该组合的潜在风险，发现表现最优的是t-Copula^[8]，而这个模型可以很好的预测风险。另一方面Patton^[9]研究了美国100家公司在2006-2012年间的违约信用互换价格的高维数据，运用Copula模型实现数据降维，然后运用动态相关系数DCC识别系统性风险，发现在风险来临之前，相关系数会增大，从而起到风险预警的作用。

国内互联网金融被谢平^[10]于2012年率先定义，被作为“第三种”金融模式，同时解析其支付方式、信息处理与资源配置功能。宫晓林^[11]认为IF模式在融集资金、产品定价、金融脱媒等方面对传统银行业造成影响，相关机构发展迅猛，但相对于国小的业务成交量短期内不会使传统银行经营和盈利模式动摇，但众多商业银行的长远发展必定需要结合互联网化的方式。互联网金融业的健康发展需要系统内企业的自律创新和加强系统安全建设两方面协同发展。梁璋、沈凡^[12]的观点是：互联网金融重点着力于移动支付和融资手段，依仗互联技术打破地域界限，硬性金融制度成为对其进一步发展管制的最后一道屏障。在金融改革不断深化、融资渠道不断拓宽的政策形势下，制度破冰也指日可待。缪海斌^[13]从理论角度分析银行限定利率如何影响互联网金融体系的市场收益率。发现互联网金融与利率市场化存在明显的联动效应说明互联网金融机构和银行体系的收益和风险存在很强的关联性和空间传染性。陈守东和王妍^[14]运用极端分位数回归的方法，综合考虑股价波动、流动性利差、期限利差，识别出商业银行对金融行业系统性风险有最大影响。宋光辉，吴超和吴栩^[15-16]构建了余额宝收益风险的最优GARCH-VaR/CVaR模型，CVaR更有效，同时具有预测性。李凯琪和陈蕾^[17]建立EGACRCH-VaR模型评析7只中国互联网金融货币基金的绩效和风险，结果表明传统VaR方法也适用于互联网金融市场，同时VaR方法比Sharpe比率指标的评价效果更好。

可以发现国内外很多文献都是对GARCH模型或是Pair-copula贝叶斯网络结构分析^[18-28]其中一种方法对单个金融产品的VaR进行分析，本文对两种方法进行了有机的结合，主要是对2017年互联网理财产品排行榜前10支互联网基金（余额宝、微信理财通、南方现金通、华夏活期通、百度百赚、电信添益宝、平安盈、钱来也、现金快线、民生如意宝）进行风险度量分析，运用GARCH模型对10只互联网基金进行建模，同时用Pair-copula贝叶斯网络结构分析10只互联网基金产品的投资组合风险，得到每只基金的VAR值，再通过计算出的VaR值与选取得相关因素，进行互联网基金类理财产品的影响因素分析以及风险度量。{title}

2. 研究的基本内容与方案

{title}

(1) 搜集2017年排名前10的十支互联网金融理财产品的历史收益率,将数据整理成时间序列，统计出每支理财产品的历史最高和最低收益率以及平均收益率，数据来源于各互联网金融理财产品平台；

(2) 将数据整理成时间序列，统计出每支理财产品的历史最高和最低收益率以及平均收益率，先直观分析各理财产品的风险和收益；

(3) 利用eviews软件对每个时间序列运用GARCH模型建模，得到每支理财产品历史收益率的VaR值，利用Pair-copula贝叶斯网络结构对每支基金的相依程度进行分析；

(4) 利用GARCH模型以及Pair-copula贝叶斯网络结构得到的结果，对每支理财产品进行风险以及收益的评估以及各种不同投资组合的风险评估；

(5)得出风险最小收益最大的理财产品和投资组合，为投资者提供相关的投资建议。3. 参考文献

[1] 陈辛. 余额宝风险管理研究[D]. 青岛: 中国海洋大学, 2014.

[2] 王轶. 互联网余额宝类基金产品风险评价[D]. 南京: 南京大学, 2014.

[3] WipplingerE. Value at Risk – The New Benchmark for Managing Financial Risk[J]. FinancialMarkets and Portfolio Management, 2007, 21(3): 397-398.