基于泛VAR模型展開的互聯網金融風險研究

■ 吳雯婷（溫州大學城市學院金融分院 浙江溫州 325000）

?

基于泛VAR模型展開的互聯網金融風險研究

■ 吳雯婷（溫州大學城市學院金融分院 浙江溫州 325000）

內容摘要：對于互聯網金融企業而言，如何有效地測度其發展風險，從而定位風險產生的根源，是我國互聯網金融研究領域的一個空白點。本文以此問題為研究對象，通過對互聯網金融、VAR模型等的深入研究，自主構建了一種泛VAR分析框架，并將其具體應用到我國互聯網金融研究的實際中。實證研究通過選定對象，確定指標、數據采集、模型構建與分析等的過程化分析，確定了我國互聯網金融企業風險的不同成因，由此為該類企業的安全、平穩、深入發展提出了具體的對策與建議。

關鍵詞：互聯網 金融 風險 VAR

問題的提出

互聯網金融作為一個新興產物，在我國國內對其展開的理論研究明顯不足。已有的關于互聯網金融的研究多是理論層面的研究，主要涉及國內外互聯網金融發展對比研究、風險體系相關研究、風險互聯網金融發展體系研究，對于互聯網金融風險的形成及風險測度研究基本空白。為了解決這類問題，本文采用自主構建分析框架的方式給予解決，并以泛VAR模型展開。由于VAR模型分析存在對數據形態的過強約束—正態分布的過強約束。因此，對其進行改造，使其適應單邊正態分布的特性。產生對傳統VAR模型進行改造的思想，主要是結合了對VAR模型已有理論分析成果的研究，并借鑒了對VAR模型已有的實證分析結果的研究，同時還與自身所掌握的數理知識的融合。通過上述的結合、融合，最終確定了構建泛VAR模型展開互聯網金融風險分析研究。對于泛VAR模型的解釋，將在本文的下述論證過程給出。

表1　問卷調查相關問題統計結果表

互聯網金融風險點的理論探究與驗證

（一）互聯網金融企業風險的理論探究

對于互聯網金融企業而言，其面對的風險主要是來自哪些方面？下面，將通過五個環節的論述給予明確。

第一，互聯網金融企業所從事的行業依然是金融行業，其獲取利潤的手段主要途徑是依靠銷售金融產品。但是其有別于傳統的金融企業，互聯網金融企業所銷售的金融產品主要是通過互聯網進行銷售，而不是通過門店進行銷售。考慮到門店的高額租金，這種銷售渠道對于互聯網企業而言，可以極大程度地降低企業營銷成本，由此提高企業的利潤。缺乏銷售門店的經營單位，其營銷推介如果不采取行之有效的手段，勢必會導致企業知名度較低的尷尬局面。低迷的企業知名度反過來又會增加企業營銷的難度，由此阻礙營銷產品的深入推廣與滲透。因此，在有效降低企業的實體宣傳成本的前提下，提高企業的知名度是互聯網金融企業需要解決的第一個問題，即“互聯網金融企業有效推介問題”。

第二，互聯網金融企業其銷售的產品的發布，可以在非常短的時間內完成。這一點是傳統的金融企業所無法完成的，究其原因，就在于互聯網企業的銷售渠道為Internet。Internet的一個最大特性是在較短的時間內可以將需要發布的信息在全世界范圍內公布。因此，就這種迅速公布的特性而言，任何潛在的用戶都可以在產品發布后的第一時間內有效贖回，或者是在任意時間內繼續追加購買量（需要說明的是，這里所說的有效贖回隱含限定了用戶購買的金融產品必須具有贖回的特性，此類金融產品包括基金等）。在面對這種便利性的同時，如果互聯網金融企業正式發布的產品與其計劃發布的產品之間存在偏差，而且這種偏差是不利于互聯網金融企業的偏差，那么對互聯網企業而言，最悲觀的情形下，其所承受的風險將在一瞬間暴增。這種缺陷，相對于傳統的金融類企業，是很難發生的。因此，如何提高互聯網金融企業的知名度，同時最大可能地降低發售產品的差錯率是互聯網企業需要面對的第二個問題，即“互聯網金融企業產品發布問題”。

第三，對于互聯網金融企業而言，資金的管理也是一個需要迫切解決的問題。畢竟作為金融企業而言，資金管理如果出現任何問題，對企業的打擊將是致命的。這一點互聯網企業與傳統金融企業在本質上是沒有區別的。所以在其營銷的全過程中，確保支付與返銷的一致性，金融產品銷售的全流程中的資金平穩、及時、準確地到達目標賬戶，是互聯網金融企業需要解決的第三個問題，即“互聯網金融企業資金管理問題”。

第四，互聯網金融企業的發展與傳統金融企業是基本類似的，都是通過銷售金融產品來獲得相應比例的服務費來實現盈利的。由于互聯網金融企業依托的是In te rne t平臺，該平臺具有瞬間面對全球所有潛在客戶的特性。這種全范圍、瞬時間的接觸特性，注定了產品瞬間可能面對的最大購買量要顯著地高于傳統金融企業的購買量，因此可能導致的危害也將成倍放大。這一問題也就是互聯網金融企業需要解決的第四個問題，即“互聯網金融企業產品設計問題”。

第五，互聯網金融企業其生產依托的平臺是信息平臺。其核心的具體介質是由計算機軟件和硬件系統，任何有意或者是無意的計算機操作都有可能造成信息平臺上正常數據被人為的篡改。因此，解決好互聯網企業信息平臺的安全性、可靠性、健壯性是互聯網金融企業需要解決的第五個問題，即“互聯網金融企業信息平臺管理問題”。

對于上述五類問題，是通過理論分析得到的風險點，是否與現實中的風險點一致？另外，上述五個風險點彼此二者之間是否具有相關性？就這兩個疑問，下面將通過問卷調查給予驗證。

（二）互聯網金融企業風險點的實證檢驗

整個調查問卷分為兩大部分，第一部分是對互聯網金融企業存在的風險點進行確認的部分，第二部分是對確定的風險點之間的關聯性進行認定的部分。在第一部分調查問卷中，主要目標是由被調查者確定上述五個風險點是否為互聯網金融企業的關鍵風險點。在第二部分調查問卷中，主要目標是由被調查者確定五個風險點之間是否存在關聯性。需要強調的是，整個問卷分為兩個部分，只有在第一部分確定五個風險點為互聯網金融企業的關鍵風險點后，才能進行第二部分的問卷調查，否則會帶來整體調查的無效性。

表1中的“調查問卷總數量”是指發放出去的調查問卷總數量。“回收調查問卷的完整性”是指回收回來的調查問卷，有多少是填寫完整的。“回收調查問卷的有效性”是指回收回來的調查問卷，有多少是在滿足完整性的前提下，且填寫的結果是符合邏輯關系約束等要求的。“五個風險點確認性”是指有效被調查者中，有多少被調查者是認同五個風險點是影響互聯網金融企業發展的關鍵點。“五個風險點兩兩彼此之間的最高關聯性”是指五個風險點之間（以兩個不同的風險點為觀察對象）存在的最高關聯性概率；“五個風險點兩兩彼此之間的最低關聯性”是指五個風險點之間存在的最低關聯性概率。

由表1可以看出，整個問卷調查的有效性高于95%，因此其問卷調查的有效性是顯著成立的。同時，從風險點的確認與關聯性的確認性可以看到，五個風險點的確認是明顯的，并且這五個風險點之間的關聯性也是不存在的。從調查問卷的結果來看，五個風險點是相互獨立的。

泛VAR模型的理論構建

前述分析給出了互聯網金融企業的五個獨立的風險點，但是對于如何進行度量來測度風險發生的概率，卻沒有提及。在此處，將通過構建一個泛VAR模型來解答這一問題。模型的論證見下：

P((A1

左側等于

公式1的左側與公式2等價的必要條件為下式成立：

當Ais分布已知時，公式1的概率值就很容易計算出。大多數都是已知部分分布數值或者是已知樣本均值、方差，如何對僅已知上述數值的分布，得到其具體的概率密度函數？就此問題，借鑒VAR模型的思想，進行研究。在VAR模型中，是以正態分布去生成對應的概率密度函數。樣本的取值是從-∞到+∞，顯然并非所有的樣本分布都滿足這一條件。以本研究的對象為例，其對應的各個風險點的取值是從0到+∞的。在0至+∞之間的一個值，風險值出現變化；在0至該值之間，風險值穩定不變；在該值至+∞，風險值迅速增加。如果以風險不發生為研究對象，就會發現，風險不發生的特征滿足類似單峰正態分布。具體而言，在0 至+∞之間的一個值，風險值不發生的概率穩定取值不變；在0至該值之間，風險不發生的概率為1；在該值至+∞，風險不發生的概率逐步降低，最終達到0概率。對于該值右側而言，是符合正態分布的；對于該值左側而言，是服從取值為1的線性分布的。綜合而言，對這種風險不發生的概率分布而言，可以取如下概率密度函數（見公式4）：

說明：σ代表樣本方差，μ代表樣本均值，a代表前述所說的固定值；f1（x）、f2（x）代表前述所說的固定區段的概率密度函數；P（A）代表風險不發生的概率。

需要注意的是，在公式2的推定中，假定了獨立性的存在才能滿足。對于本次研究的問題—互聯網金融企業風險，之前從理論層面和實證層面均已確定五個關鍵的風險點之間是彼此獨立的，因此也就滿足了公式2成立的條件。只需將風險不發生的概率與風險發生的概率進行互補性轉換，即可得到整體模型。對于互補性轉換，具體見公式5：

P（A）=1-P(B) （5）

說明：A代對應的風險發生，B代對應的風險不發生。

表2　實證指標表

表3　實證風險分析結果表

由此，即完成了整體定量分析模型的設定與具體實現。需要注意的是，對于公式4中涉及正態分布的均值與方差，是通過對對應事件實際發生數據的均值計算與方差計算來替代的。考慮到上述模型是基于VAR模型得到，但是又顯著地區別于VAR模型，因此將其稱之為泛VAR模型。下面的實證分析，將要用到泛VAR模型。

互聯網金融風險的實證分析

（一）指標確定與風險分析過程確定

從總體而言，之前選定了五類風險點，這五類風險點是具有較強的獨立性的。在實證分析中，將從這五個方面展開對對象的具體研究。考慮到研究應該具有的代表性和普遍性，以選定5至10家互聯網金融企業作為實證對象。需要注意的是，在前述確定的五個風險點時，是以單獨企業為對象設定的。如果在多個對象群體間進行相同風險點的分析，可能會造成對應的風險相關數據之間量綱的差異，由此造成整體研究的不可關聯性。鑒于此，考慮將研究對象按照資產規模劃分，具有大致相同規模的互聯網金融企業作為同類對象，將其對應的風險點相關數據進行類內處理。確定了類內處理原則后，如何獲得對應數據的解決方法就是對于已經發生的風險問題，將此問題回溯，找到產生問題的源頭，即是由五個風險點中的哪一個導致的最終結果，由此將已經出現的風險進行具體歸類。需要注意的是，在類內處理的同時，還要確保對類內的統計時長具有一致性。這里所說的一致性是指對規模相當的互聯網金融企業的風險統計應該在同一個時長范圍內完成，這樣才有可以歸類的時間依據。基于上述，最終確定了指標（見表2）。

表2確定了四個一級指標，依次為：規模指標、時間指標、風險類指標、總量類指標。規模類指標具體用于對企業規模的統計與分類；時間指標則用來對統計時間段進行歸類；風險類指標重點是從五個風險點的產生進行問題匯總與分類；總量類指標是對全部性問題的分析指標，重在進行后期的概率統計。

在確定不同的風險問題時，不僅具體記錄其發生的時間點，而且記錄對應的互聯網金融企業風險發生時的資本規模。

（二）風險結果分析及統計性檢驗

依據表2的指標，對選定的互聯網金融企業進行分類，分類的依據是企業資本規模。將研究對象分為兩類，第一類企業的資本規模是顯著的低于第二類企業的資本規模。按照前述的數據分類方法，同時結合理論分析中給出的分析模型，進行風險分析，得到了同等置信度下的不同分類發生的風險概率。將這些數據以表格的形式匯總，從而產生實證風險分析結果（見表3）。

說明：之所以在分析中選定相同的置信度，是考慮到在后續的分析中，可以進行對比性分析；另外，在置信度的選擇上，選定置信度為0.95，是為了確保分析結果具有較高的可信性。表3的分析結果是利用數學分析軟件MathLab12.0完成。

從表3的數據可以看出，第一類企業的五個風險點概率取值依次為0.31、0.25、0.17、0.28、0.45；第二類企業對應的五個風險點概率取值依次為0.23、0.21、0.16、0.19、0.24。這兩類數據的置信度均為0.95。由于上述兩類結果的置信度一樣，且均為0.95，因此該結果不僅可信，而且具有可比性。對比上述兩類結果，可以確定以下四個主要結論。首先，無論是哪一類風險發生的概率，第一類企業的取值均高于第二類企業，尤其是在由“互聯網金融企業信息平臺管理問題”導致的風險概率上，第一類企業的風險概率要顯著的高于第二類企業。在其它四項上，第一類企業的風險概率要略高于第二類企業。因此，可以確定的第一點是，企業資本規模越低，其企業的技術儲備與技術實力相應的就越低。尤其是企業的信息化技術水平的差異就越大。第二點可以確定的是，企業金融產品發布的能力差異與企業資本規模之間的關聯性最弱，這一點從表3中的兩類企業的此項風險概率值近似無差異中得到體現。第三點可以確定的是，企業金融產品的設計能力與企業資本規模之間存在較強的正向關聯性，資本實力越強，產品設計能力與產品設計的安全性就越高。第四點可以確定的是，企業資金安全與企業產品推介這些關鍵項的類間差距并不顯著，這說明這兩項風險點不是由企業資本規模唯一決定的，其主要是受制于企業的管理體制和執行力。

通過上述分析，對導致互聯網金融企業風險的原因，以及風險發生的特征有了深入的認識。下面結合上述分析結果，對互聯網企業如何深入提高安全水平，降低金融風險給出對策。

對策建議

通過前述分析，明確了互聯網金融企業的風險點以及對應的風險產生的過程。嘗試采用回溯法將已經發生的風險進行具體歸類，在歸類的過程中通過加入時間標記與企業規模標記，為之后的類內分析確定了可行性。在實證分析中，利用自主構建的泛VAR模型對類內數據進行梳理統計分析，由此確定了不同規模的互聯網金融企業發展風險點。在這些風險點中，最為突出的風險點是基于互聯網平臺的風險。之所以這種風險會成為最顯著的風險，是由于我國的互聯網金融企業雖然是依托于互聯網，但其發展與管理的思維依然是停留在傳統金融層面，因此導致了這種風險突出的特性。鑒于此，管理層的管理理念應該從傳統金融管理理念向互聯網金融管理理念轉變。具體而言，應該成立一支由互聯網管理精英為主、金融管理精英為輔的新興管理團隊，以互聯網理念與互聯網技術支撐手段為輔助，去實現我國的互聯網金融的深化發展。需要注意的是，在這種理念的轉變與實施過程中，技術團隊的構成不應再實行專業化的條塊分割，應該以融合式的專業團隊為目標，以互聯網技術與金融知識的融合為前提，將互聯網專業人才與金融人才有效地融合在一個團隊中，催生出企業內部互聯網金融思維與管理框架的具體產生與壯大。只有通過這種自上而下的互聯網金融管理、實現方式的轉變，才能逐步降低我國互聯網金融企業的發展風險，由此提升該類企業的生存、發展能力。

參考文獻：

2.李臘生，孫春花.樣本數據正態性轉換時變VAR[J].統計研究，2012（5）

3.陳堅.中國股票市場尾部風險與收益率預測——基于Copula與極值理論的VAR對比研究[J].廈門大學學報（哲學社會科學版），2014（4）

4.楊繼平，袁璐，張春會.基于結構轉換非參數GARCH模型的VAR估計[J].管理科學學報，2014（2）

5.王達.美國互聯網金融的發展及中美互聯網金融的比較——基于網絡經濟學視角的研究與思考[J].國際金融研究，2014（12）

6.張晶.互聯網金融：新興業態、潛在風險與應對之策[J].經濟問題探索，2014（4）

7.陳秀梅.論我國互聯網金融市場信用風險管理體系的構建[J].宏觀經濟研究，2014 （10）

8.劉越，徐超，于品顯.互聯網金融：緣起、風險及其監管[J].社會科學研究，2014（3）

9.劉瀾飚，沈鑫，郭步超.互聯網金融發展及其對傳統金融模式的影響探討[J].經濟學動態，2013（8）

中圖分類號：◆F830

文獻標識碼：A