1. 研究目的与意义
随着科技浪潮的兴起，以信息技术为载体的行业模式悄然到来。在金融领域中，互联网金融模式的诞生即为典型事例。国内的互联网金融业于2005年后开始萌芽，在2013年开始高速发展，其中以第三方支付、P2P网络借贷、众筹等为主要代表模式，这主要归因于互联网的高度普及、投融资需求迫切以及自由宽松的内部环境。
互联网金融以其服务的高效性和便捷性为主要特征，推动了普惠金融体系的发展，并且引领传统金融业的变革。诚然，互联网金融也在优化资源配置、提高金融效率等层面发挥着积极的功效，但是自身也面临着乱象丛生的局面，行业运营的规范性较差、高收益难以持续维继等问题开始凸显，互联网金融业的风险逐渐暴露。
2015年，诸如日金宝、大大集团等大量互联网金融理财平台风险爆发，据中国社科院统计，截止2016年年底，累计停业和问题平台已高达3429家。互联网金融平台停业、倒闭和集资跑路等事件屡见不鲜，部分投资者可能面临着严重的损失。在整治和防范互联网金融风险层面，相关文件陆续出台。2015年7月，央行等十部委发布的《关于促进互联网金融健康发展的指导意见》；2016年10月，互联网金融被写入“十三五”规划纲要；2017年6月，央行等17部门联合发布了《关于进一步做好互联网金融风险专项整治清理整顿工作的通知》；2018年3月，健全互联网金融监管已纳入政府工作报告中。由此可见，互联网金融风险管控是政府和监管当局的一项重要工作。
2. 研究内容和预期目标
一、研究内容
本文从互联网金融业自身风险出发，着重关注互联网金融业的风险溢出效应，对于防范由于互联网金融业风险溢出而引发的多米洛骨牌效应，抵制系统性金融风险的发生也具有重要的启示意义，并试图定量研究互联网金融业的对银行业、证券业、保险业风险溢出效应，进而为互联网金融风险溢出效应防范提供相关对策建议。
二、拟解决的关键问题
3. 国内外研究现状
科技进步可以为金融机构带来市场竞争中的信息优势(Agarwal和Hauswald，2010)，互联网金融技术受到传统金融机构青睐。传统金融业(如银行业)应用互联网金融能够为客户带来便利、降低经营成本并拓展潜在客户(Raza和Hanif，2013)。但是，互联网金融亦可能对传统金融机构的风险产生一定程度影响，在互联网金融风险层面主要集中于国内学者的研究。郭品和沈悦(2015)基于“文本挖掘法”研究了互联网金融对商业银行的风险承担的影响，结果表现为先降后升，并且小型商业银行面对互联网金融的冲击更为敏感。刘笑彤和杨德勇(2017)基于银行并购重组选择视角研究表明不同规模的商业银行的并购重组对于互联网金融技术溢出的吸收存在差异性，并购重组对大银行的技术溢出吸收具有促进作用，对中小型银行具有抑制作用。顾海峰和杨立翔(2018)利用中资银行数据研究表明银行资本充足率决定互联网金融风险冲击感知程度，资本充足率越高则风险感知程度越强，互联网金融总体加剧了银行风险。战明华等(2018)利用一般均衡模型，分析了互联网金融对货币政策银行信贷渠道的影响，结果表明互联网金融通过家庭、银行和企业决策弱化了货币政策银行信贷传导渠道。何启志和彭明生(2017)基于SVAR模型研究表明互联网金融发展对于股票市场具有正向冲击，互联网金融资金流向了股票市场，助推了股票市场虚假繁荣。谭媛媛和孙蓉(2018)研究表明基于互联网销售模式的保险产品加剧了保险契约的不完全性，造成了保险业的经营风险增大。
在风险定量刻画上，条件风险值(CoVaR)逐渐成为国内学者们广泛使用的度量指标，其测算方法也多种多样。在Adrian和Brunnermeier(2008)最初提出CoVaR时，就给予了分位数回归的测度方法。Lpez-Espinosa等(2012)利用该法将CoVaR技术应用于银行业风险溢出效应研究；高国华和潘英丽(2011)运用此法研究不同商业银行对于银行业风险的贡献度。其次，还有学者利用GARCH类模型的方法测度CoVaR，如Girardi和Ergun(2010)利用GARCH-EVT的方法测度不同类型的金融机构对系统性金融风险的贡献度；刘向丽和顾舒婷(2014)利用AR-GARCH方法测度了房地产市场对于金融系统的风险溢出效应。此外，还有学者利用Copula方法计算CoVaR，如刘晓星，段斌和谢福座(2011)通过EVT-Copula模型的数值方法计算美国股票市场对其他国家的股票市场的风险溢出效应；Hakwa等(2015)基于Adrian和Brunnermeier(2008)提出的CoVaR，给予了Copula-CoVaR解析计算方法。
从已有的研究文献来看，互联网金融风险研究的成果较为丰富。但是，多数文献研究互联网金融对于商业银行的风险溢出，对于其他金融机构的风险溢出研究相对较少；也鲜有文献细致分析互联网金融风险溢出效应动态变化特征；在风险度量层面也少有文献考虑极端风险状况的溢出效应。本文研究选题考虑互联网金融业极端风险状况下对于银行业、证券业和保险业的风险溢出程度和动态特征，CoVaR正是考虑到风险关联情形下的极端风险度量指标，△CoVaR即为风险溢出效应度量指标，适用于本文的分析。实际中，往往使用行业收益率序列计算CoVaR，考虑到收益率序列波动存在的条件异方差性和非对称性，可以选择EGARCH模型提取标准化新息，同时，为了更为精确度量收益率序列的分布，采用极值理论(EVT)中的阈值模型(POT)度量收益率的尾部分布(苟红军等，2015)，考虑到不同收益率序列间可能存在非线性关系，采用Copula函数作为连接不同行业收益率的函数，为了更为精确地计算CoVaR，采用Hakwa等(2015)给出的基于Copula函数计算CoVaR的解析方法。故而，构建EGARCH-POT-Copula-CoVaR模型来研究互联网金融业的风险溢出效应。
4. 计划与进度安排
| 2022年12月 | 第一章、第二章 |
| 2022年1月 | 第三章、第四章、第五章 |
| 2022年2月 | 第六章、第七章、第八章 |
5. 参考文献
[1] Adrian T, Brunnermeier MK. CoVaR[R]. Federal Reserve Bank of New York Staff Report, No. 348, 2008.
[2] Agarwal S, Hauswald R.Distance and Private Information in Lending[J]. The Review of FinancialStudies, 2010, 23(7): 2757-2788.
[3] Girardi G, Ergun A T. Howto Account for Interdependence of Risk in Financial Markets? A GARCH and EVTApproach to CoVaR Estimation[R]. Working Paper, Suffolk University, 2010.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
