导读:本文包含了风险的描述与测度论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:风险,模型,度量,效应,互联网,金融,平台。
风险的描述与测度论文文献综述
朱月月,倪武帆,谭梦达[1](2019)在《我国证券业系统性风险测度及防范对策——以上市券商为例》一文中研究指出防范化解证券行业系统性风险是有效化解系统性金融风险的重要环节。论文基于分位数回归法构建CoVaR模型(金融系统性风险),以上市证券公司为研究对象,选取上市券商月收益率等可观测数据进行测度,分析评价证券行业系统性风险的来源、影响因素、影响程度及风险溢出的效应。通过推进金融业供给侧结构性改革,规范设计灵活适用的量化分析工具,改进完善叁位一体的监管框架及监管模式,以大监管理念及方法防止风险的全域外溢。(本文来源于《江苏商论》期刊2019年12期)
李苍舒,沈艳[2](2019)在《数字经济时代下新金融业态风险的识别、测度及防控》一文中研究指出本文梳理我国新金融业态的发展历程与主要特征,并以网络借贷为切入点从规模、所有制、资金净流入3个角度来刻画新金融业态的风险特征,采用VaR、CoVaR、格兰杰因果检验等方法,来识别并测度新业态风险与系统性金融风险、经济金融不确定性及舆情的关系。研究发现,出险前网贷平台普遍面临较大的资金流压力,而规模较大、利率异常的平台出险会加大网贷系统风险;网贷行业出险对银行业系统性金融风险、金融不确定性存在溢出效应,而舆情不是网贷平台出险的决定因素。研究表明,应重视新业态风险对正规金融市场系统性风险和金融不确定性的溢出效应,并建议建立金融科技监管沙盒制度、明确准入机制、大力发展监管科技并实行穿透式监管、加强对风险预警和缓释机制的建设。(本文来源于《管理世界》期刊2019年12期)
姚萍,王杰,杨爱军[3](2019)在《基于AGT分布族和GJR-GARCH模型的原油市场下行风险测度》一文中研究指出文章运用GJR-GARCH模型对原油市场波动率进行建模,利用AGT分布对收益率的尖峰肥尾、偏斜和非对称性特征进行刻画。研究不同分布形式下模型风险预测效果的差异,并与基于AGT分布的GARCH模型进行比较,同时考察波动率建模对风险预测表现的影响。采用VaR和ES作为风险度量指标,并利用5种统计量对模型VaR预测表现进行返回检验以及两种统计量对模型ES预测效果进行返回检验。研究结果发现,AGT分布及其7个子分布的样本外下行VaR和ES风险预测结果都通过了返回检验,相关金融机构在制定原油市场风险管理策略时,可以考虑采用基于AGT分布的GJR-GARCH模型来精确地度量原油市场下行风险。(本文来源于《统计与决策》期刊2019年23期)
翁志超,颜美玲[4](2019)在《互联网金融对商业银行的系统性风险溢出效应测度》一文中研究指出文章采用2013—2017年商业银行指数和互联网金融指数的日度收盘价数据,结合GARCH-Copula-CoVaR模型来度量互联网金融对商业银行的系统性风险溢出效应。结果表明:互联网金融对商业银行的系统性风险溢出效应为正且明显,而且其对不同类型商业银行的系统性风险溢出具有异质性,股份制商业银行较敏感。(本文来源于《统计与决策》期刊2019年22期)
方国斌,李萍[5](2019)在《基于ES的P2P平台风险测度方法》一文中研究指出提出基于ES的P2P平台风险测度方法.选取260个平台的收益率数值进行风险观测与度量,探究借贷平台存在的风险及问题,提出利用ES模型进行P2P平台风险预警与管理方案,使投资者在自己所能承受的风险范围内进行投资并得到满意的回报,为参与者经营决策和资金管理行为提供参考.(本文来源于《牡丹江师范学院学报(自然科学版)》期刊2019年04期)
巴曙松,蒋峰[6](2019)在《“违约潮”背景下的信用风险测度研究》一文中研究指出2018年,受金融去杠杆、脱虚向实、集中兑付等多方作用,我国债券市场违约风险不断释放,债券市场出现"违约潮"。本文基于我国A股市场所有上市公司的财务数据,采用修正的KMV模型测度了上市公司的信用风险水平,并构建违约距离数据库,对各行业整体信用风险进行了测度,认为我国资本市场的信用风险整体可控,有序的债券违约将有助于债券市场建立更加完善的市场估值体系,对市场健康发展具有积极的意义,但未来也要特别注意房地产业、信息技术服务业以及农、林、牧、渔业这叁个行业的信用风险,防止爆发系统性风险。(本文来源于《湖北经济学院学报》期刊2019年06期)
张杰,张远圣[7](2019)在《基于Logistic的P2P网贷平台流动性风险测度研究——以向上金服为例》一文中研究指出我国的P2P网贷行业从无到有、从无序生长到有序发展,从鱼龙混杂到监管趋严,渐渐步入了合规健康的发展道路。2018年是强监管年与合规备案年,但平台的流动性风险仍然较大,跑路诈骗问题频出,让不少投资者望而却步。其平台的流动性风险已经受到社会各界的广泛关注,且网贷平台的风险测度与评价成为投资者筛选平台的重要因素。文章基于Logistic模型,以向上金服平台为例,定量研究其流动性风险,有助于规范P2P进一步发展,提升居民投资理财的热情。(本文来源于《会计之友》期刊2019年21期)
隋建利,尚铎[8](2019)在《中国金融市场风险状况甄别——结构转变点判断与阶段性变迁测度》一文中研究指出本文基于中国银行、股票、外汇和外部市场中的重要微观指标,构建各市场压力指数,旨在表征金融市场风险状况,利用非线性MS(M)-AR(p)模型甄别金融市场风险区制,透析金融风险多阶段变迁的可能性。结论表明:外汇和外部市场在低风险区制持续性最大,银行和股票市场在中风险区制持续性最大;与其他市场相比较,银行市场在高风险和低风险区制持续性最弱,股票市场在中风险和高风险区制持续性最强,外汇市场在低风险区制持续性最强;银行和外部市场以较稳定的概率徘徊于低风险与中风险区制之间,以较为波动的概率步入高风险区制;股票和外汇市场除了在2008年和2015年前后跃入高风险区制以外,在其余时间都在低风险与中风险区制之间转移变迁。(本文来源于《吉林大学数量经济优秀成果汇编(2018年卷)》期刊2019-11-01)
崔静[9](2019)在《基于CoES模型的系统性金融风险测度》一文中研究指出文章以CoVaR方法为基础,构建CoES模型,结合我国金融市场的实际,测度我国系统性金融风险。结果表明,一是CoES方法可有效地测度系统性金融风险;二是不同行业的VaR和DCoES值存在差异,银行业对系统性金融风险的贡献最大,房地产和保险次之,多元金融最小;叁是各机构的动态DCoES值具有一定趋同性。银行业和房地产行业对系统性风险的影响大致相同。在极端情况下,类金融业对系统性风险的影响较大。(本文来源于《统计与决策》期刊2019年20期)
刘莹[10](2019)在《基于MES测度的我国金融机构系统性风险研究》一文中研究指出随着国际金融危机的发生,金融监管机构更加重视金融系统性风险的宏观审慎监管。本文采取2008年1月—2019年2月我国25家金融机构的MES(边际期望损失)作为衡量金融机构系统性风险贡献度的指标,包括14家商业银行,3家保险公司和8家证券公司,并运用DCC-GARCH模型进行风险方差和相关系数的度量,使其对于金融机构系统性风险的测量更加准确,最终得到各金融机构的MES排名和叁大机构的比较结果。(本文来源于《市场研究》期刊2019年10期)
风险的描述与测度论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文梳理我国新金融业态的发展历程与主要特征,并以网络借贷为切入点从规模、所有制、资金净流入3个角度来刻画新金融业态的风险特征,采用VaR、CoVaR、格兰杰因果检验等方法,来识别并测度新业态风险与系统性金融风险、经济金融不确定性及舆情的关系。研究发现,出险前网贷平台普遍面临较大的资金流压力,而规模较大、利率异常的平台出险会加大网贷系统风险;网贷行业出险对银行业系统性金融风险、金融不确定性存在溢出效应,而舆情不是网贷平台出险的决定因素。研究表明,应重视新业态风险对正规金融市场系统性风险和金融不确定性的溢出效应,并建议建立金融科技监管沙盒制度、明确准入机制、大力发展监管科技并实行穿透式监管、加强对风险预警和缓释机制的建设。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
风险的描述与测度论文参考文献
[1].朱月月,倪武帆,谭梦达.我国证券业系统性风险测度及防范对策——以上市券商为例[J].江苏商论.2019
[2].李苍舒,沈艳.数字经济时代下新金融业态风险的识别、测度及防控[J].管理世界.2019
[3].姚萍,王杰,杨爱军.基于AGT分布族和GJR-GARCH模型的原油市场下行风险测度[J].统计与决策.2019
[4].翁志超,颜美玲.互联网金融对商业银行的系统性风险溢出效应测度[J].统计与决策.2019
[5].方国斌,李萍.基于ES的P2P平台风险测度方法[J].牡丹江师范学院学报(自然科学版).2019
[6].巴曙松,蒋峰.“违约潮”背景下的信用风险测度研究[J].湖北经济学院学报.2019
[7].张杰,张远圣.基于Logistic的P2P网贷平台流动性风险测度研究——以向上金服为例[J].会计之友.2019
[8].隋建利,尚铎.中国金融市场风险状况甄别——结构转变点判断与阶段性变迁测度[C].吉林大学数量经济优秀成果汇编(2018年卷).2019
[9].崔静.基于CoES模型的系统性金融风险测度[J].统计与决策.2019
[10].刘莹.基于MES测度的我国金融机构系统性风险研究[J].市场研究.2019