近年來,P2P網(wǎng)絡(luò)借貸行業(yè)發(fā)展十分迅速,取得了令人矚目的成績,但在高速發(fā)展的同時(shí)行業(yè)內(nèi)問題平臺(tái)事件頻發(fā),行業(yè)風(fēng)險(xiǎn)逐漸暴露。本文研究了P2P網(wǎng)絡(luò)借貸市場風(fēng)險(xiǎn)問題,首先結(jié)合宏觀和微觀視角,本文從理論上分析識(shí)別了P2P網(wǎng)絡(luò)借貸行業(yè)存在的主要的風(fēng)險(xiǎn)類型,并選擇市場風(fēng)險(xiǎn)這一宏觀角度進(jìn)行具體分析;然后選擇P2P網(wǎng)絡(luò)借貸行業(yè)的日均市場利率數(shù)據(jù),通過對(duì)數(shù)據(jù)的分析及檢驗(yàn)發(fā)現(xiàn)其對(duì)數(shù)收益率序列出現(xiàn)“波動(dòng)聚集性”及“尖峰厚尾”的特點(diǎn),檢驗(yàn)結(jié)果表明GARCH族模型能夠很好地刻畫對(duì)數(shù)收益率序列的特征;接下來,將2017年8月24日P2P網(wǎng)絡(luò)借貸“1+3”監(jiān)管制度框架正式形成作為重要事件,引入虛擬變量建立GARCH族模型,通過比較和檢驗(yàn)選擇模型并計(jì)算VaR及CVaR,從而度量P2P網(wǎng)絡(luò)借貸市場風(fēng)險(xiǎn)。研究發(fā)現(xiàn):（1）監(jiān)管政策的實(shí)施能夠影響P2P網(wǎng)絡(luò)借貸市場價(jià)格波動(dòng);（2）CVaR相較于VaR能夠更加有效地度量尾部風(fēng)險(xiǎn);（3）VaR和CVaR計(jì)算結(jié)果證明P2P網(wǎng)絡(luò)借貸市場風(fēng)險(xiǎn)呈現(xiàn)波動(dòng)下降趨勢(shì)。本文根據(jù)理論分析和實(shí)證分析的結(jié)果對(duì)P2P網(wǎng)絡(luò)借貸市場風(fēng)險(xiǎn)的防范與控制給出科學(xué)可行的對(duì)策建議。 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

013-2018年我國P2P網(wǎng)絡(luò)借貸行業(yè)成交額及增長率

第3章我國P2P網(wǎng)絡(luò)借貸發(fā)展和市場風(fēng)險(xiǎn)現(xiàn)狀分析25一半。2017年后，相關(guān)部門相繼出臺(tái)了多項(xiàng)措施整治P2P網(wǎng)絡(luò)借貸行業(yè)風(fēng)險(xiǎn)，2018年更是發(fā)布了《P2P合規(guī)檢查問題清單》和《關(guān)于開展P2P網(wǎng)絡(luò)借貸機(jī)構(gòu)合規(guī)檢查工作的通知》，在全國層面開展統(tǒng)一標(biāo)準(zhǔn)的行業(yè)自查，因此，2017年P(guān)2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模擴(kuò)張速度相較2016年有更大幅度的下跌，更是在2018年出現(xiàn)了首次負(fù)增長。從地區(qū)分布的角度分析，我國P2P網(wǎng)絡(luò)借貸行業(yè)的成交額集中于部分經(jīng)濟(jì)發(fā)達(dá)的城市，從圖3.2可以看到，僅北京、廣東、上海和浙江四地的成交額就達(dá)到了2018年全國的86.96%。圖3.22018年我國P2P網(wǎng)絡(luò)借貸行業(yè)成交額地區(qū)分布（2）平臺(tái)數(shù)量圖3.3給出了我國近年來P2P網(wǎng)絡(luò)借貸行業(yè)累計(jì)平臺(tái)數(shù)量和各年增長率，平臺(tái)數(shù)量在2014年暴增，增長率達(dá)到了350%多，2015年增長率雖然不及2014年，但也超過了100%，而且因?yàn)?014年增長率的平臺(tái)基數(shù)只有500余家，而2015年增長率的平臺(tái)基數(shù)已經(jīng)達(dá)到了4948家，因此2015年增長率雖有較大幅度下降，但實(shí)際增長額并不遜色。2016年后，平臺(tái)數(shù)量增長逐漸放緩。圖3.32013-2018年我國P2P網(wǎng)絡(luò)借貸行業(yè)平臺(tái)數(shù)及增長率

第3章我國P2P網(wǎng)絡(luò)借貸發(fā)展和市場風(fēng)險(xiǎn)現(xiàn)狀分析25一半。2017年后，相關(guān)部門相繼出臺(tái)了多項(xiàng)措施整治P2P網(wǎng)絡(luò)借貸行業(yè)風(fēng)險(xiǎn)，2018年更是發(fā)布了《P2P合規(guī)檢查問題清單》和《關(guān)于開展P2P網(wǎng)絡(luò)借貸機(jī)構(gòu)合規(guī)檢查工作的通知》，在全國層面開展統(tǒng)一標(biāo)準(zhǔn)的行業(yè)自查，因此，2017年P(guān)2P網(wǎng)絡(luò)借貸行業(yè)規(guī)模擴(kuò)張速度相較2016年有更大幅度的下跌，更是在2018年出現(xiàn)了首次負(fù)增長。從地區(qū)分布的角度分析，我國P2P網(wǎng)絡(luò)借貸行業(yè)的成交額集中于部分經(jīng)濟(jì)發(fā)達(dá)的城市，從圖3.2可以看到，僅北京、廣東、上海和浙江四地的成交額就達(dá)到了2018年全國的86.96%。圖3.22018年我國P2P網(wǎng)絡(luò)借貸行業(yè)成交額地區(qū)分布（2）平臺(tái)數(shù)量圖3.3給出了我國近年來P2P網(wǎng)絡(luò)借貸行業(yè)累計(jì)平臺(tái)數(shù)量和各年增長率，平臺(tái)數(shù)量在2014年暴增，增長率達(dá)到了350%多，2015年增長率雖然不及2014年，但也超過了100%，而且因?yàn)?014年增長率的平臺(tái)基數(shù)只有500余家，而2015年增長率的平臺(tái)基數(shù)已經(jīng)達(dá)到了4948家，因此2015年增長率雖有較大幅度下降，但實(shí)際增長額并不遜色。2016年后，平臺(tái)數(shù)量增長逐漸放緩。圖3.32013-2018年我國P2P網(wǎng)絡(luò)借貸行業(yè)平臺(tái)數(shù)及增長率

【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)借貸平臺(tái)道德風(fēng)險(xiǎn)治理研究[J]. 史小坤,董雪慧.  金融經(jīng)濟(jì)學(xué)研究. 2019(01)
[2]P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)與監(jiān)管對(duì)策研究——對(duì)近期P2P平臺(tái)集中爆發(fā)風(fēng)險(xiǎn)事件的思考[J]. 葉文輝.  國際金融. 2018(11)
[3]P2P網(wǎng)絡(luò)借貸投資者的平臺(tái)偏好風(fēng)險(xiǎn)研究[J]. 劉華,嚴(yán)廣樂.  金融與經(jīng)濟(jì). 2018(09)
[4]P2P網(wǎng)絡(luò)借貸平臺(tái)的利率定價(jià)合理嗎?——基于“人人貸”的經(jīng)驗(yàn)證據(jù)[J]. 彭紅楓,徐瑞峰.  金融論壇. 2018(09)
[5]P2P網(wǎng)絡(luò)借貸平臺(tái)信用風(fēng)險(xiǎn)的生成、影響和評(píng)測[J]. 譚中明,姜蘇航,譚璇.  農(nóng)村金融研究. 2018(08)
[6]中國P2P網(wǎng)貸平臺(tái)效率差異及成交量影響因素研究[J]. 姜琪.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2018(06)
[7]基于LightGBM算法的P2P項(xiàng)目信用評(píng)級(jí)模型的設(shè)計(jì)及應(yīng)用[J]. 馬曉君,沙靖嵐,牛雪琪.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2018(05)
[8]P2P網(wǎng)貸平臺(tái)特征與平臺(tái)運(yùn)營的穩(wěn)健性——基于中國1706家P2P網(wǎng)貸平臺(tái)的證據(jù)[J]. 吳慶田,羅璨,陳宜瑄.  金融理論與實(shí)踐. 2018(04)
[9]借款描述的可讀性能夠提高網(wǎng)絡(luò)借款成功率嗎[J]. 陳霄,葉德珠,鄧潔.  中國工業(yè)經(jīng)濟(jì). 2018(03)
[10]互聯(lián)網(wǎng)金融及其風(fēng)險(xiǎn)防控[J]. 趙增強(qiáng).  稅務(wù)與經(jīng)濟(jì). 2018(01)

博士論文
[1]P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)及防范研究[D]. 全穎.東北師范大學(xué) 2018

碩士論文
[1]中銀基金市場風(fēng)險(xiǎn)度量與控制[D]. 葉靖婷.華東師范大學(xué) 2019
[2]基于GARCH-CVaR的互聯(lián)網(wǎng)金融市場風(fēng)險(xiǎn)度量及監(jiān)管研究[D]. 程群斐.青島大學(xué) 2017
[3]基于VaR分析與Copula方法的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)度量[D]. 蘭翔.山東大學(xué) 2017
[4]基于VaR的互聯(lián)網(wǎng)貨幣基金風(fēng)險(xiǎn)度量及其績效研究[D]. 劉增霞.山東財(cái)經(jīng)大學(xué) 2016
[5]互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)影響因素及其防范機(jī)制研究[D]. 唐正偉.浙江財(cái)經(jīng)大學(xué) 2015



本文編號(hào)：3097093