米传民，徐润捷，陶 静

(南京航空航天大学经济与管理学院，江苏 南京 210016)

一、引 言

互联网给商业、金融、工业等众多行业带来了机遇与挑战，其中互联网金融充分地利用了互联网的优势，在一定程度上提高了金融资源配置效率，促进了金融的普惠发展[1][2]。但随着网络支付、P2P信贷、众筹等互联网金融新模式的普及，P2P平台违约、跑路等互联网金融风险问题频发。互联网金融的发展以及由此带来的系统性风险成为学界和业界关注的重要问题。

2007年金融危机爆发以来，系统性金融风险的防范已经成为各国金融监管部门的重要工作。多元正态分布是刻画系统性风险的重要工具，但难以拟合金融时间序列的尖峰厚尾和非对称相依结构等特征[3]。另一方面，金融系统性风险的影响因素具有动态变化特征，例如互联网金融新商业模式层出不穷、监管滞后、金融市场流动性问题等等。如果不考虑这些现实因素的影响，则造成金融系统风险分析失真。随着金融监管理论、大数据、以及互联网金融发展，一些新的研究方法进入研究的视野，如通过降维来估计系统性风险的CoVaR[4]、MES[5]等方法。机器学习算法领域的Laurensvan der Maaten和Geoffrey Hinton提出了t-SNE降维聚类算法[6]。本文运用t-SNE算法，研究我国互联网金融发展的空间聚类，通过对互联网金融多种业务发展的指数数据降维来提取局部空间结构，进而观察我国互联网金融发展聚类情况，并在此基础上提出三类系统风险问题。

二、文献综述

互联网金融的虚拟线上空间、跨区域发展等带来了互联网金融发展区域和空间聚集的不均衡。……