■ 吴雯婷（温州大学城市学院金融分院 浙江温州 325000）



基于泛VAR模型展开的互联网金融风险研究

■ 吴雯婷（温州大学城市学院金融分院 浙江温州 325000）

内容摘要：对于互联网金融企业而言，如何有效地测度其发展风险，从而定位风险产生的根源，是我国互联网金融研究领域的一个空白点。本文以此问题为研究对象，通过对互联网金融、VAR模型等的深入研究，自主构建了一种泛VAR分析框架，并将其具体应用到我国互联网金融研究的实际中。实证研究通过选定对象，确定指标、数据采集、模型构建与分析等的过程化分析，确定了我国互联网金融企业风险的不同成因，由此为该类企业的安全、平稳、深入发展提出了具体的对策与建议。

关键词：互联网 金融 风险 VAR

问题的提出

互联网金融作为一个新兴产物，在我国国内对其展开的理论研究明显不足。已有的关于互联网金融的研究多是理论层面的研究，主要涉及国内外互联网金融发展对比研究、风险体系相关研究、风险互联网金融发展体系研究，对于互联网金融风险的形成及风险测度研究基本空白。为了解决这类问题，本文采用自主构建分析框架的方式给予解决，并以泛VAR模型展开。由于VAR模型分析存在对数据形态的过强约束—正态分布的过强约束。因此，对其进行改造，使其适应单边正态分布的特性。产生对传统VAR模型进行改造的思想，主要是结合了对VAR模型已有理论分析成果的研究，并借鉴了对VAR模型已有的实证分析结果的研究，同时还与自身所掌握的数理知识的融合。通过上述的结合、融合，最终确定了构建泛VAR模型展开互联网金融风险分析研究。对于泛VAR模型的解释，将在本文的下述论证过程给出。

表1　问卷调查相关问题统计结果表

互联网金融风险点的理论探究与验证

（一）互联网金融企业风险的理论探究

对于互联网金融企业而言，其面对的风险主要是来自哪些方面？下面，将通过五个环节的论述给予明确。

第一，互联网金融企业所从事的行业依然是金融行业，其获取利润的手段主要途径是依靠销售金融产品。但是其有别于传统的金融企业，互联网金融企业所销售的金融产品主要是通过互联网进行销售，而不是通过门店进行销售。考虑到门店的高额租金，这种销售渠道对于互联网企业而言，可以极大程度地降低企业营销成本，由此提高企业的利润。缺乏销售门店的经营单位，其营销推介如果不采取行之有效的手段，势必会导致企业知名度较低的尴尬局面。低迷的企业知名度反过来又会增加企业营销的难度，由此阻碍营销产品的深入推广与渗透。因此，在有效降低企业的实体宣传成本的前提下，提高企业的知名度是互联网金融企业需要解决的第一个问题，即“互联网金融企业有效推介问题”。

第二，互联网金融企业其销售的产品的发布，可以在非常短的时间内完成。这一点是传统的金融企业所无法完成的，究其原因，就在于互联网企业的销售渠道为Internet。Internet的一个最大特性是在较短的时间内可以将需要发布的信息在全世界范围内公布。因此，就这种迅速公布的特性而言，任何潜在的用户都可以在产品发布后的第一时间内有效赎回，或者是在任意时间内继续追加购买量（需要说明的是，这里所说的有效赎回隐含限定了用户购买的金融产品必须具有赎回的特性，此类金融产品包括基金等）。在面对这种便利性的同时，如果互联网金融企业正式发布的产品与其计划发布的产品之间存在偏差，而且这种偏差是不利于互联网金融企业的偏差，那么对互联网企业而言，最悲观的情形下，其所承受的风险将在一瞬间暴增。这种缺陷，相对于传统的金融类企业，是很难发生的。因此，如何提高互联网金融企业的知名度，同时最大可能地降低发售产品的差错率是互联网企业需要面对的第二个问题，即“互联网金融企业产品发布问题”。

第三，对于互联网金融企业而言，资金的管理也是一个需要迫切解决的问题。毕竟作为金融企业而言，资金管理如果出现任何问题，对企业的打击将是致命的。这一点互联网企业与传统金融企业在本质上是没有区别的。所以在其营销的全过程中，确保支付与返销的一致性，金融产品销售的全流程中的资金平稳、及时、准确地到达目标账户，是互联网金融企业需要解决的第三个问题，即“互联网金融企业资金管理问题”。

第四，互联网金融企业的发展与传统金融企业是基本类似的，都是通过销售金融产品来获得相应比例的服务费来实现盈利的。由于互联网金融企业依托的是In te rne t平台，该平台具有瞬间面对全球所有潜在客户的特性。这种全范围、瞬时间的接触特性，注定了产品瞬间可能面对的最大购买量要显著地高于传统金融企业的购买量，因此可能导致的危害也将成倍放大。这一问题也就是互联网金融企业需要解决的第四个问题，即“互联网金融企业产品设计问题”。

第五，互联网金融企业其生产依托的平台是信息平台。其核心的具体介质是由计算机软件和硬件系统，任何有意或者是无意的计算机操作都有可能造成信息平台上正常数据被人为的篡改。因此，解决好互联网企业信息平台的安全性、可靠性、健壮性是互联网金融企业需要解决的第五个问题，即“互联网金融企业信息平台管理问题”。

对于上述五类问题，是通过理论分析得到的风险点，是否与现实中的风险点一致？另外，上述五个风险点彼此二者之间是否具有相关性？就这两个疑问，下面将通过问卷调查给予验证。

（二）互联网金融企业风险点的实证检验

整个调查问卷分为两大部分，第一部分是对互联网金融企业存在的风险点进行确认的部分，第二部分是对确定的风险点之间的关联性进行认定的部分。在第一部分调查问卷中，主要目标是由被调查者确定上述五个风险点是否为互联网金融企业的关键风险点。在第二部分调查问卷中，主要目标是由被调查者确定五个风险点之间是否存在关联性。需要强调的是，整个问卷分为两个部分，只有在第一部分确定五个风险点为互联网金融企业的关键风险点后，才能进行第二部分的问卷调查，否则会带来整体调查的无效性。

表1中的“调查问卷总数量”是指发放出去的调查问卷总数量。“回收调查问卷的完整性”是指回收回来的调查问卷，有多少是填写完整的。“回收调查问卷的有效性”是指回收回来的调查问卷，有多少是在满足完整性的前提下，且填写的结果是符合逻辑关系约束等要求的。“五个风险点确认性”是指有效被调查者中，有多少被调查者是认同五个风险点是影响互联网金融企业发展的关键点。“五个风险点两两彼此之间的最高关联性”是指五个风险点之间（以两个不同的风险点为观察对象）存在的最高关联性概率；“五个风险点两两彼此之间的最低关联性”是指五个风险点之间存在的最低关联性概率。

由表1可以看出，整个问卷调查的有效性高于95%，因此其问卷调查的有效性是显著成立的。同时，从风险点的确认与关联性的确认性可以看到，五个风险点的确认是明显的，并且这五个风险点之间的关联性也是不存在的。从调查问卷的结果来看，五个风险点是相互独立的。

泛VAR模型的理论构建

前述分析给出了互联网金融企业的五个独立的风险点，但是对于如何进行度量来测度风险发生的概率，却没有提及。在此处，将通过构建一个泛VAR模型来解答这一问题。模型的论证见下：

P((A1

左侧等于

公式1的左侧与公式2等价的必要条件为下式成立：

当Ais分布已知时，公式1的概率值就很容易计算出。大多数都是已知部分分布数值或者是已知样本均值、方差，如何对仅已知上述数值的分布，得到其具体的概率密度函数？就此问题，借鉴VAR模型的思想，进行研究。在VAR模型中，是以正态分布去生成对应的概率密度函数。样本的取值是从-∞到+∞，显然并非所有的样本分布都满足这一条件。以本研究的对象为例，其对应的各个风险点的取值是从0到+∞的。在0至+∞之间的一个值，风险值出现变化；在0至该值之间，风险值稳定不变；在该值至+∞，风险值迅速增加。如果以风险不发生为研究对象，就会发现，风险不发生的特征满足类似单峰正态分布。具体而言，在0 至+∞之间的一个值，风险值不发生的概率稳定取值不变；在0至该值之间，风险不发生的概率为1；在该值至+∞，风险不发生的概率逐步降低，最终达到0概率。对于该值右侧而言，是符合正态分布的；对于该值左侧而言，是服从取值为1的线性分布的。综合而言，对这种风险不发生的概率分布而言，可以取如下概率密度函数（见公式4）：

说明：σ代表样本方差，μ代表样本均值，a代表前述所说的固定值；f1（x）、f2（x）代表前述所说的固定区段的概率密度函数；P（A）代表风险不发生的概率。

需要注意的是，在公式2的推定中，假定了独立性的存在才能满足。对于本次研究的问题—互联网金融企业风险，之前从理论层面和实证层面均已确定五个关键的风险点之间是彼此独立的，因此也就满足了公式2成立的条件。只需将风险不发生的概率与风险发生的概率进行互补性转换，即可得到整体模型。对于互补性转换，具体见公式5：

P（A）=1-P(B) （5）

说明：A代对应的风险发生，B代对应的风险不发生。

表2　实证指标表

表3　实证风险分析结果表

由此，即完成了整体定量分析模型的设定与具体实现。需要注意的是，对于公式4中涉及正态分布的均值与方差，是通过对对应事件实际发生数据的均值计算与方差计算来替代的。考虑到上述模型是基于VAR模型得到，但是又显著地区别于VAR模型，因此将其称之为泛VAR模型。下面的实证分析，将要用到泛VAR模型。

互联网金融风险的实证分析

（一）指标确定与风险分析过程确定

从总体而言，之前选定了五类风险点，这五类风险点是具有较强的独立性的。在实证分析中，将从这五个方面展开对对象的具体研究。考虑到研究应该具有的代表性和普遍性，以选定5至10家互联网金融企业作为实证对象。需要注意的是，在前述确定的五个风险点时，是以单独企业为对象设定的。如果在多个对象群体间进行相同风险点的分析，可能会造成对应的风险相关数据之间量纲的差异，由此造成整体研究的不可关联性。鉴于此，考虑将研究对象按照资产规模划分，具有大致相同规模的互联网金融企业作为同类对象，将其对应的风险点相关数据进行类内处理。确定了类内处理原则后，如何获得对应数据的解决方法就是对于已经发生的风险问题，将此问题回溯，找到产生问题的源头，即是由五个风险点中的哪一个导致的最终结果，由此将已经出现的风险进行具体归类。需要注意的是，在类内处理的同时，还要确保对类内的统计时长具有一致性。这里所说的一致性是指对规模相当的互联网金融企业的风险统计应该在同一个时长范围内完成，这样才有可以归类的时间依据。基于上述，最终确定了指标（见表2）。

表2确定了四个一级指标，依次为：规模指标、时间指标、风险类指标、总量类指标。规模类指标具体用于对企业规模的统计与分类；时间指标则用来对统计时间段进行归类；风险类指标重点是从五个风险点的产生进行问题汇总与分类；总量类指标是对全部性问题的分析指标，重在进行后期的概率统计。

在确定不同的风险问题时，不仅具体记录其发生的时间点，而且记录对应的互联网金融企业风险发生时的资本规模。

（二）风险结果分析及统计性检验

依据表2的指标，对选定的互联网金融企业进行分类，分类的依据是企业资本规模。将研究对象分为两类，第一类企业的资本规模是显著的低于第二类企业的资本规模。按照前述的数据分类方法，同时结合理论分析中给出的分析模型，进行风险分析，得到了同等置信度下的不同分类发生的风险概率。将这些数据以表格的形式汇总，从而产生实证风险分析结果（见表3）。

说明：之所以在分析中选定相同的置信度，是考虑到在后续的分析中，可以进行对比性分析；另外，在置信度的选择上，选定置信度为0.95，是为了确保分析结果具有较高的可信性。表3的分析结果是利用数学分析软件MathLab12.0完成。

从表3的数据可以看出，第一类企业的五个风险点概率取值依次为0.31、0.25、0.17、0.28、0.45；第二类企业对应的五个风险点概率取值依次为0.23、0.21、0.16、0.19、0.24。这两类数据的置信度均为0.95。由于上述两类结果的置信度一样，且均为0.95，因此该结果不仅可信，而且具有可比性。对比上述两类结果，可以确定以下四个主要结论。首先，无论是哪一类风险发生的概率，第一类企业的取值均高于第二类企业，尤其是在由“互联网金融企业信息平台管理问题”导致的风险概率上，第一类企业的风险概率要显著的高于第二类企业。在其它四项上，第一类企业的风险概率要略高于第二类企业。因此，可以确定的第一点是，企业资本规模越低，其企业的技术储备与技术实力相应的就越低。尤其是企业的信息化技术水平的差异就越大。第二点可以确定的是，企业金融产品发布的能力差异与企业资本规模之间的关联性最弱，这一点从表3中的两类企业的此项风险概率值近似无差异中得到体现。第三点可以确定的是，企业金融产品的设计能力与企业资本规模之间存在较强的正向关联性，资本实力越强，产品设计能力与产品设计的安全性就越高。第四点可以确定的是，企业资金安全与企业产品推介这些关键项的类间差距并不显著，这说明这两项风险点不是由企业资本规模唯一决定的，其主要是受制于企业的管理体制和执行力。

通过上述分析，对导致互联网金融企业风险的原因，以及风险发生的特征有了深入的认识。下面结合上述分析结果，对互联网企业如何深入提高安全水平，降低金融风险给出对策。

对策建议

通过前述分析，明确了互联网金融企业的风险点以及对应的风险产生的过程。尝试采用回溯法将已经发生的风险进行具体归类，在归类的过程中通过加入时间标记与企业规模标记，为之后的类内分析确定了可行性。在实证分析中，利用自主构建的泛VAR模型对类内数据进行梳理统计分析，由此确定了不同规模的互联网金融企业发展风险点。在这些风险点中，最为突出的风险点是基于互联网平台的风险。之所以这种风险会成为最显著的风险，是由于我国的互联网金融企业虽然是依托于互联网，但其发展与管理的思维依然是停留在传统金融层面，因此导致了这种风险突出的特性。鉴于此，管理层的管理理念应该从传统金融管理理念向互联网金融管理理念转变。具体而言，应该成立一支由互联网管理精英为主、金融管理精英为辅的新兴管理团队，以互联网理念与互联网技术支撑手段为辅助，去实现我国的互联网金融的深化发展。需要注意的是，在这种理念的转变与实施过程中，技术团队的构成不应再实行专业化的条块分割，应该以融合式的专业团队为目标，以互联网技术与金融知识的融合为前提，将互联网专业人才与金融人才有效地融合在一个团队中，催生出企业内部互联网金融思维与管理框架的具体产生与壮大。只有通过这种自上而下的互联网金融管理、实现方式的转变，才能逐步降低我国互联网金融企业的发展风险，由此提升该类企业的生存、发展能力。

参考文献：

2.李腊生，孙春花.样本数据正态性转换时变VAR[J].统计研究，2012（5）

3.陈坚.中国股票市场尾部风险与收益率预测——基于Copula与极值理论的VAR对比研究[J].厦门大学学报（哲学社会科学版），2014（4）

4.杨继平，袁璐，张春会.基于结构转换非参数GARCH模型的VAR估计[J].管理科学学报，2014（2）

5.王达.美国互联网金融的发展及中美互联网金融的比较——基于网络经济学视角的研究与思考[J].国际金融研究，2014（12）

6.张晶.互联网金融：新兴业态、潜在风险与应对之策[J].经济问题探索，2014（4）

7.陈秀梅.论我国互联网金融市场信用风险管理体系的构建[J].宏观经济研究，2014 （10）

8.刘越，徐超，于品显.互联网金融：缘起、风险及其监管[J].社会科学研究，2014（3）

9.刘澜飚，沈鑫，郭步超.互联网金融发展及其对传统金融模式的影响探讨[J].经济学动态，2013（8）

中图分类号：◆F830

文献标识码：A