市场风险数据分析汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇市场风险数据分析范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

中图分类号：TP311.13

银行是现代经济的标志，也是现代经济活动中不可或缺的环节和工具，从银行诞生应用以来，银行业就需要处理大量的经营数据，银行数据记录手段也经历了数个阶段，从白纸黑字的账本到计算机信息化时代的银行数据信息系统，银行数据业务可以在业务交易流程、数据库建设、金融风险评估和经营决策分析等方面发挥极其重要的作用。从银行业本身的发展来看，商业银行的规模和类型都在逐年丰富，信息化和数字化的银行业务模式也逐渐成为商业银行的运行模本；现代银行更加重视客户本位思考，通过多样化的市场需求分析手段，可以为客户提供极具个性化的银行业务产品服务，吸引更多的潜在客户群；同时现代银行的风险管控意识更强，在市场经济节奏更快的当今社会，银行经营决策的风险评估效果决定了现代银行的经营走向；再者是网络终端服务和移动终端服务的迅猛发展，银行交易手段更加丰富，网上银行、手机银行、移动证券交易等等电子支付交易方式的发展给现代银行带来了新的机遇和挑战，这一切都需要现代银行在数据处理分析能力上有新的应对措施。

1 数据挖掘和数据效用理论基础

数据挖掘的通用定义指的是从现有的大量存储数据中，采用数据撷取的方式，搜寻出感兴趣的、有价值的数据点或数据模块的数据处理技术。数据挖掘广泛地应用于商业金融领域，基于既定的商业化分析目标，可以依托于企业内部的金融数据系统进行数据分析，最终获得需要的商业经营规律和市场发展规律，并且能够在成熟的数据挖掘模型的支持下与其他分析工具和分析技术相结合，形成商业化的数据挖掘分析系统和分析软件。数据挖掘的功能需求决定了数据挖掘是一个典型的学科交叉项目，现代银行受到业务拓展发展的需求，在其数据挖掘技术的运用中广泛地的结合了数据库技术、智能学习技术、统计分析技术、模式识别技术、人工智能技术和神经网络技术，数据挖掘常分为六个技术类别：聚类、分类、估值、预测、相关性分组和关联规则分析、描述和可视化分析。

对数据资料的重视性促使了现代银行对数据利用效率的不懈追求，现代化经营模式中，数据已经成为最为重要的无形商品，作为商品的数据资料，其资本性和营利性决定了信息数据的效益最大化，由于数据资料的复制成本低、附加值高且利润丰厚的特点，数据信息价值理论已经成为数据效用分析的主要理论模式。

2 银行数据挖掘的应用分析

2.1 数据挖掘在银行客户需求分析中的应用

现代银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统，对银行客户的个人资料、账户信息、交易历史记录、业务服务历史记录、理财数据和个人理财风险评估等进行了数据库仓储式分析，基于成熟的数据仓库逻辑分析模型，可以对每一个银行客户进行多维度消费分析，以交易历史纪录为例，交易历史纪录作为该分析维度下的分析主键字段，在其下端进行次元维度分析，对交易类型、交易金额、消费地点、存贷款交易、电子银行消费、手机银行消费、证券消费等进行子健分析，但是也要考虑到不同主键之间存在着较大的关联性，此时可以考虑在客户数据仓库分析中建立星形数据模，在关联数据子健上进行数据溢出处理。在数据挖掘中主要采用的是聚类算法，在对客户数据进行详细的数据仓库建立之后，可以对客户进行数据特征值标定（如商业价值、交易类型、风险倾向等），以便于进行客户分类，在用户细分时，行为特征是主要的特征，自然属性是辅助的特性。

表1 聚类汇总表

业务类型 纸黄金 基金理财 外汇 个人金融 债券 贷款

业务渠道 柜台 电话银行 网上银汉 手机银行 自主服务 中间交易

由此可以得到详细的客户聚类，例如以年龄段为标准的20-30岁阶段用户（业务类型为纸黄金，业务渠道为网银和自助服务）、30-40岁阶段用户（业务类型为外汇和金融，业务渠道为柜台和自助）、40-50岁阶段（业务类型为基金债券，业务渠道为柜台服务）。

基于SQL Server Analysis Services分析工具，在银行原始交易数据库中进行聚类分析，选用Microsoft聚类算法对交易日志中的指定页进行类型搜索，在后处理模块中可以查看聚类分析结果。聚类算法进行数据挖掘时需要原始数据具有较强的分类性和数据关联性，才能在数据挖掘中针对特定数据属性和数据聚类进行分析，并且获得该属性在任意聚类中的数据分布情况，由此可以精确的知道特定类型客户的银行消费习惯和消费倾向，有助于银行稳固现有客户群，吸引潜在客户群体。

2.2 数据挖掘在银行决策分析中的应用

银行经营的各个环节都基本实现了信息化管理，银行综合业务系统为其提供了基础业务操作平台和统一账务处理系统平台，能够帮助银行实现有效的资源整合和集中管理。数据挖掘技术的应用能够全面提升银行系统的内控管理和风险管控水平，为银行的内部决策提供有效的数据支撑。

表2 数据挖掘与银行决策关系

数据源 数据处理 数据存储 决策分析

交易数据

客户信息

管理信息

外部信息 数据抽取

数据整合

数据加载 数据仓库 经营状况决策分析

数据监控 数据节点1 资产负债决策分析

数据刷新 数据节点2 风险管理决策分析

数据包装 数据节点3 客户需求决策分析

数据公布 数据节点4 银行财务决策分析

为了保障银行的经营效益、提升业务覆盖范围并预防经营风险，银行需要及时掌握市场动态并且做出经营调整，数据挖掘技术能够跟踪分析银行经营过程中的各个基本要素环节，通过比对分析自身产品的营收现状、竞争对手的经营现状，以及对资产负债率、银行坏账率和金融产品的销量，可以及时为决策层提供参考数据。商业银行的风险管控是其保障经济效益的关键，数据挖掘系统的关键性作用体现在对银行业务的全方位、多角度的可靠性分析和风险评估，基于银行内部的风险模型参数，在成熟的模式识别技术和智能分析技术的辅助下，可以提前对经营风险进行预判，以减少成本损失为风险数据挖掘模型约束，以保障经营效益最大化为风险决策目标，以调控决策方式为风险决策手段，可以进一步提高银行的资产质量。财务风险控制中数据挖掘的具体应用如下图所示：

图1 数据挖掘在银行财务决策分析中的应用分析

3 银行数据挖掘的效用分析

3.1 数据挖掘在银行风险控制中的效用

风险控制是银行日常经营活动中的核心内容，通常来看可以分为定性控制和定量控制两种方式，定性控制的关键是建立一套有效的风险控制管理体系，在多流程决策体系的协作下，构成风险管理知识，以非结构化数据的形式保存并流转使用；定量控制则更看重对经营实时数据的管理效率，建立一个基于客户需求和市场规律的量化风险控制体系统框架。银行信用评估体系要求银行用于信用评级的数据必须具备一定年限和质量标准，对数据样本量、样本时效性、业务覆盖范围、数据来源都有明确的要求。数据挖掘对于银行风险控制的关键性作用主要体现在对于银行信用风险控制、银行市场风险评估和银行操作风险管理上。

在信用风险控制上，数据挖掘主要是针对信用关键指标：违约率、违约损失率、违约暴露和违约期限进行针对性的数据挖掘分析，结合银行的信用评级动态变化和银行信用置信度的波动规律，在银行交易数据库中采用数据关联分析方法，对概念分层数据进行多层挖掘，提高数据挖掘的精准度；在对市场风险控制上，数据挖掘技术主要集中在市场风险识别和市场动态分析两方面，通过分析银行特征值数据在各种风险环境下的数据概率分布值，可以构建银行内部的市场风险模型，结合遗传算法和智能分析，可以针对市场发展规律进行智能风险评估决策；对于市场的偶然和不确定行为，通常数据挖掘会采用预测（predication）、时序分析模式（time-series model），通过遍历历史交易数据，能够对偶然性市场行为进行概念排序，采用模糊分析（fuzzy method）、证据理论（Evidence theory）等方法进行决策分析。

3.2 数据挖掘在银行产品创新中的效用

产品创新是提升银行市场竞争力的根本手段，数据挖掘的重要性则体现在数据分析准确性和有效性上，首先是对业务流程效率的数据分析，对于总行、分行、支行和营业网点的银行结构进行业务处理效能分析，通过实际交易数据和历史交易数据进行比对分析，可以有效的找出实际业务模式中的最大风险点，设计或优化业务流程，明确录入、审核、授权各岗位的职责，从而运用创新手段控制流程风险；采用产品规划的方法指导新产品的设计流程工作，则需要在产品设计理念、产品市场定位、产品竞争优势分析和产品风险控制上进行数据分析，通过数据挖掘技术可以在银行内部历史数据、行业共享数据和商业数据的基础上进行特征属性挖掘，并最终为新产品的量化定型提供有效的数据参考，并未新产品的市场价值进行定性和定量预测分析。

4 结束语

信息化时代背景下金融业的供需地位发生巨大转变，金融数据也从经营资料开始向数据商业化发展。基于详尽的量化数据系统，现代银行可以在高效数据分析模型的基础上对银行数据进行二次开发，提供数据分析服务。本文通过阐述银行数据的数据结构，分析了对银行海量数据进行数据挖掘的主要方法和应用模式，并评估现行银行数据挖掘方法的有效性和经济效益价值，为进一步提升银行数据挖掘的效能提供了新的思路。

参考文献：

[1]丁剑敏.数据挖掘技术及其在商业银行中的应用[J].市场周刊・财经论坛，2013（04）.

[2]宓文斌.数据挖掘在银行信贷业务中的应用[M].上海：上海交通大学，2012.

篇（2）

1.优势分析。商业银行在多年发展中，拥有广大的客户群体，积累了客户基本资料、客户交易、客户存贷款等大量数据。在大数据时代，商业银行凭借其雄厚的资本，可以建立大数据服务器等设备，将这些传统数据与其他来源数据进行整合，数据分析人员通过云计算等技术手段挖掘出有价值的信息，从各个角度分析客户需求以及识别信贷风险，从而有助于商业银行更加科学地评价经营业绩、评估业务风险、配置全行资源，引导银行业务科学健康发展。

2.劣势分析。在现有的银行交易系统中，客户的身份证、交易流水等大量信息已被银行掌握，但缺少如客户的家庭情况、收入状况、消费习惯、兴趣爱好等其他方面的信息。另外，目前小微企业客户信息以及商业银行的产业链客户信息也比较缺乏，直接影响着银行对这些客户提供金融服务的水平。再者，大数据时代下，需要金融专业人才和数据分析人才相互配合，才能充分挖掘数据价值，但数据分析人员较为匮乏也将成为商业银行的软肋。

3.机会分析。刚刚进入大数据时代，商业银行应率先构架大数据战略体系，制定大数据发展战略，突破同质性，实施差异化业务发展战略，从而赢得先机。如果大数据获得成功应用，将为银行创造先发竞争优势，使银行决策从“经验依赖”向“数据依据”转化，打造不可复制的核心竞争力。“数据—信息—商业智能”将逐步成为银行定量化、精细化管理的发展路线，数据分析也将成为其风险防控的法宝。

4.威胁分析。大数据在给商业银行带来前所未有的机遇的同时，也给其带来了诸多威胁，例如大数据存在的风险、网络安全、数据失真等。在大数据开发利用过程中，云计算技术将会得到广泛应用。但是云计算将数据存入云端，而云端往往是由第三方服务器实现存取的，如果第三方将数据泄露，将会给银行带来极大的风险。另外，互联网金融正在颠覆着传统的金融模式，网商具有活跃的交易记录和巨大的金融需求，但商业银行很难开发到这些客户，将给银行带来挑战。

（二）定量分析

除了对大数据时代商业银行信用风险管理面临的内外部环境进行定性分析外，还可以进行定量分析。具体思路为：

①确定包括优势与劣势、机会和威胁等多于10个的内外部环境因素；

②利用主观赋权法、客观赋权法、层次分析法（AHP法）等任一方法确定各因素的权重；

③给各个因素打分，分值范围为1到5分，评分越高说明因素越重要；

④将各个因素的权重与得分相乘，从而最终计算出各个因素的加权分数；

⑤各个因素加权分数计算代数和得出公司的总加权分数，然后根据分数进行判断。某商业银行内外环境分析如附表所示。由附表可以看出，该银行外部机会大于外部威胁，内部优势大于内部劣势，应抓住大数据带来的机遇，充分利用信息技术，更加科学地评估业务风险、配置全行资源，引导银行业务科学健康发展。

二、基于大数据的商业银行征信系统构建

目前，我们已经进入了大数据时代，由于大数据包含的信息量大而且非常复杂，传统的系统已不能满足银行新的分析需求，有必要建立一个统一的数据环境，构建大数据的商业银行征信系统，采取新分析算法，搭建大数据跨业务的统一应用平台，从而满足银行精细化管理、差异化服务、提升风险分析能力的需求。

（一）大数据时代商业银行征信系统概述

在金融交易安全日益突出的今天，如何迅速、有效地发现各类欺诈行为，对保证商业银行的正常运作和国家人民财产安全都显得十分重要。商业银行征信系统要针对信贷风险防控工作的实际特点，通过客户交易信息以及客户其他信息收集来加强客户信用风险监测。系统总体见附图。附表某商业银行内外环境分析内部环境评分权重加权分外部环境评分权重加权分⑴整体竞争优势明显；30.100.30⑴云计算的快速发展；50.150.75⑵良好的客户群体；50.150.75⑵数据来源多样化；50.251.25⑶资本雄厚，有能力建立大数据库；40.050.20⑶科技发展为数据应用提供支持；40.200.80⑷拥有专业客户人才；30.200.60⑷精准评估业务风险；40.251.00⑸良好的内控环境；50.251.20⑸先入为主的机会；40.150.60优势⑹丰富的风险防控经验；50.251.25机会⑹精细化管理的趋势。40.100.40小计1.004.30小计1.004.80⑴缺乏个人客户基本信息；-30.25-0.75⑴网商的竞争；-50.3-1.50⑵缺乏小微企业基本信息；-30.20-0.60⑵大数据安全风险；-50.25-1.25⑶缺少产业链客户的信息；-40.20-0.80⑶网络安全面临挑战；-30.2-0.60⑷缺乏专业的数据分析人才；-30.10-0.30⑷外部风险事件的影响；-30.15-0.45⑸缺乏非结构化数据收集能力；-50.15-0.75⑸外部风险来源多样化。-30.1-0.30劣势⑹商业运营模式面临变革。-30.10-0.30威胁小计1.00-3.50小计1.00-4.10优势劣势合计0.80机会威胁合计0.70系统将从海量数据中提取出有关联的数据信息，以发现潜在或已知的风险，系统将数据仓库、模型库、知识推理、人机交互四者有机地结合起来，充分发挥数据挖掘的作用，通过建立风险评估模型较好地处理数据资源中存在的模糊性和随机性，在成熟的模式识别技术和智能分析技术的辅助下，对银行业务的全方位、多角度的可靠性分析和风险评估，有助于商业银行实施全面风险管理体系，从而进一步提高融资、贷款、授信等方面的风险评估、监控水平。

（二）大数据时代商业银行征信系统工作原理

1.数据原料。数据原料是商业银行风险防控中的关键一环，它直接影响到数据挖掘的效率、精准度以及所得模式的有效性。目前，商业银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统，在以大数据引领、以智能化为核心的产业变革时代，银行要真正将数据作为风险控制的源点，有效整合来自银行网点、PC、移动终端设备、社交网络、征信机构等传来的结构化和非结构化的海量数据，既要获取常规渠道的数据，又要收集社会化媒体数据，真正将数据作为战略性资产，实现从管控风险向经营风险方向的转型。

2.数据工厂。数据工厂是利用数据挖掘理论与技术将数据中潜在的、有用的模式搜索出来，是整个征信系统最为关键的一步，也是技术难点。在数据工厂中，系统通过数据抽取工具、数据集成工具、数据过滤工具、数据挖掘工具以及模式评估工具等，从海量数据原料中提取辅助决策的关键性数据，并经过归纳总结、推理、分析数据，利用数据挖掘中分类、聚类、偏差检测、概念分析、异类分析、关联分析、时序演变分析和元数据挖掘等功能，完成对银行信用风险控制、银行市场风险评估和银行操作风险评估，从而帮助决策者对信息预测和决策起作用。

3.数据产品。数据工厂最终的结果是数据产品，把所有最终经挖掘发现的知识直观地通过可视化技术展示给商业银行，以帮助其理解和解释数据挖掘的结果，控制信贷风险。这些数据结果既包括传统的诸如违约率、违约损失率、违约暴露和违约期限等客户信用信息，也包括客户的其它方面的信用记录、客户的信用评级以及对市场风险的评估。当然，整个数据挖掘过程是一个不断反馈、循环往复的过程，信用评级结果也是动态变化的。

4.数据应用。经过数据挖掘得出的风险评估结果为商业银行评估信贷业务的风险和收益情况提供了量化工具，改变了单纯被动信用风险管理模式。在此背景下，商业银行应规范贷款审批标准和审批程序，优化金融信用监控机制，完善组织架构和规章制度，实施风险动态防控，使信贷风险管理体系健康运行。

三、大数据时代商业银行信用风险管理应注意的问题

在“大数据”时代，商业银行面临着信用风险防控的新形势，要积极做好如下应对工作。

（一）风险意识要思维开放

商业银行在进行风险预测时，需要考量政策、人为的操作风险、市场环境等等众多因素，但现有的技术水平难以支撑挖掘大数据的商业价值。因此，商业银行需要具备一种像互联网一样的开放式思维，建立分析数据的习惯，重视“大数据”开发利用，关注与风险预测高度相关的大数据信息，如客户的基础信息（如客户开立账户时留存的住址、年龄、从事行业、性别等等）、客户交易信息（如客户在ATM机上的存取款情况、使用银行卡、购买理财、使用其他业务的记录等等）、外部的信息（从互联网、电信运营商、证券交易所等处挖掘来的有关信息）等，用数据说话，从而提高不确定风险的预测水平。

（二）数据整合要注重质量

大数据很多时候是从一种非传统的角度去分析、挖掘、利用数据价值的思路。由于数据来源庞杂广泛，需要不断利用技术创新去挖掘利用大数据的价值，再加上数据之间的关联性很强，商业银行应建立自己的数据地图，整合银行内部数据和大数据链上的其它外部数据，坚持做到数据要依照标准化采集，确保数据来源真实可靠，杜绝以假乱真；同时构建专门的数据分析方法和使用体系，对数据进行规范化处理，并严格按照国家法律法规进行使用，从而确保数据质量，提高数据应用性。

篇（3）

资产定价理论（CAPM模型）是关于金融资产的价格决定理论，这些金融资产包括股票、债券、期货、期权等有价证券，是在市场均衡状态下，对风险资产预期收益的一种预测模型。它是由威廉·夏普于1964年提出之后，由约翰·林特勒以及简·莫辛等人发展而成。由于模型的简单明了以及对于资产风险和收益之间关系的精确描述，使得其得到了广泛应用，从而成为了现代金融学的重要定价理论之一。

一、CAPM模型介绍

（一）模型假设

(1)所有投资者总是根据证券收益率的期望值和标准差两个参数进行投资决策，都是效用最大化的理性投资经济人。

(2)整个市场处于充分竞争状态，所有投资者都是价格的接受者。

（3）借入利率与贷出利率相等。即所有投资者可以在一定限度内任意地借入或贷出，而不影响利率水平。

(4)市场有效性假设(EHM)，即认为市场是充分有效的。在此类市场中，投资者信息畅通，信息成本为零，分析方法类似，对市场未来拥有相同预期，买卖成本为零等。

（二）基本结论

CAPM模型主要表示单项资产或资产组合的收益率与其系统风险之间的关系，其基本形式为：

E（Ri）=Rf+βi[E（Rm）-Rf]

（式1.1）

其中，Rf(Risk free rate),是无风险收益率，纯粹的货币时间价值；

βi：证券的Beta系数；

E(Rm)：市场期望回报率 (Expected Market Return)；

E(Rm)- Rf：股票风险溢价 (Equity Market Premium)

CAPM公式中的右边第一个是无风险收益率，比较典型是10年期美国政府债券。如果股票投资者需要承受额外的风险，那么他将需要在无风险回报率的基础上多获得相应的溢价。那么，股票风险溢价（equity market premium）就等于市场期望回报率减去无风险回报率。证券风险溢价就是股票市场溢价和其β系数的乘积。其中，β值是对证券系统性风险大小的衡量。

（三）模型运用

1. 资产估值

在资产估值方面，资本资产定价模型主要被用来判断证券是否被市场错误定价。

2. 资源配置

资本资产定价模型在资源配置方面有着重要应用，即可用于根据对市场走势的预测来选择具有不同β系数的证券或组合以获得较高收益或规避市场风险。

证券市场线（SML）表明，β系数反映证券或组合对市场变化的敏感性，因此，当有很大把握预测牛市到来时，应选择较高β系数的证券或投资组合。因为这些高β系数的证券将成倍地放大市场收益率，带来较高的收益。相反，在熊市到来之际，应提前购置β系数较低的证券或投资组合，以减少因市场下跌而遭受损失，从而达到优化资产配置的目的。

二．数据处理分析

1、样本的选取

选取了三支个股,个股的选取主要考虑以下两大因素：1.保证各只股票在上市时间、可用数据区间上基本保持一致，以满足数据采集的一致性的需要。2.使得三支个股分别分布在照明器具制造业、房地产、电子信息三大行业，从而相对增强数据分析的说服力。

2、时间区间的选择

为了使得此次基于CAPM模型的数据分析结果，能够对当前的股市行情起到一定的解释作用，即保证数据的有效性，同时考虑到中国证券市场的机制尚处于不断完善之中，此次数据分析的时间段定在：股改之后——至今，并以月度数据为研究对象。这是由于考虑到在运用市场模型确定β值时，既有样本数据的要求，又要考虑到由于证券的风险在一定时间后会发生变动，因而会引起β值变动的事实，故我们将测定β值的时间区间划分为：2006年1月1日-2007年12月31日,2008年1月1日-2011年12月31日两个区间段，分别进行测度分析，这样一来，既保证了β值测定的相对准确性，同时也可在阶段对照中保证数据分析的全面性。

3、数据收集

通过华泰证券通信达行情系统，获取上证综指、万科A、方正科技、飞乐音响三支个股的股价（或股指）月度变动数据，每一只个股的月收益率Ri都根据当月的复收盘价与开盘价进行计算，碰到分红派息的月份都通过对月末收盘价进行复权处理后进行计算，从而保证股价的连续性。市场组合的收益Rm选用“上证综指”相应的月末收盘指数减去月初开盘指数之差与月初开盘指数之比进行确定。

关于风险溢价Rm-Rf的确定，为了保证收益率计算的同期性，我们考虑将一年期的基准存款利率作为无风险利率，并采用如式1.3的算法，通过各年“上证综指的实际年收益率”与相应年份的“一年期基准存款利率”间的差价来确定相应年度的风险溢价。如果一年期基准存款利率在年内进行了调整，则采用以各项利率实际实行的天数为权数求加权平均数的方法来确定该年的存款利率。

风险溢价（Rm-Rf）=上证综指的实际年收益率-同年的1年期基准存款利率 （式1.3）

篇（4）

[DOI]1013939/jcnkizgsc201720075

1引言

CAPM模型（Capital Asset Pricing Model）是一种可以进行计量检验的金融资产定价模型。该模型解释了证券报酬的内部结构，分析了资本资产的预期收益与市场风险之间的关系。CAPM模型阐述了在投资者都采用马科维茨理论进行投资管理的条件下市场均衡状态的形成，认为一个资产的预期收益率与衡量该资产风险的一个尺度――β系数之间存在正相关关系。这不仅大大简化了投资组合选择的运算过程，也使得证券理论从以往的定性分析转入定量分析，从规范性转入实证性，进而对证券投资进行理论研究和实际操作。随着我国证券市场的发展，20世纪90年代以来，中国学者开始利用此模型对上证A股市场进行实证分析，但许多研究表明CAPM模型不适用于上证A股市场，仍需加以改进以增强其适应性。近年来，中国证券市场发展迅速，因此我们需要对其现状进行实证分析，以便更好地将CAPM模型应用于上证A股市场。

2CAPM模型及贝塔系数介绍

21前提假设

第一，投资者都遵守主宰原则（Dominance Rule），即同一风险水平下，选择收益率较高的证券；同一收益率水平下，选择风险较低的证券。第二，资本市场上资产数量给定，所有资产可以完全细分，资产是充分流动、可销售、可分散的。第三，影响投资决策的主要因素为期望收益率和风险两项。第四，所有投资者对证券收益率概率分布的看法一致，因此市场上的效率边界只有一条。第五，所有投资者可以及时免费获得充分的市场信息。他们对预期收益率、标准差和证券之间的协方差具有相同的预期值。第六，不存在通货膨胀，且折现率不变，且买卖证券时没有税收及交易成本。

22资本资产定价模型内容

投资者对单项资产所要求的收益率应等于市场对无风险投资所要求的收益率加上该资产的风险溢价。

其中，rf（Risk Free Rate），是无风险回报率；βa是证券a的β系数；r―m是市场期望回报率（Expected Market Return）；（r―m-r―f）是股票市场溢价（Equity Market Premium）。

23贝塔（β）系数

β系数是一种评估证券系统性风险的工具，用来衡量单个证券收益率对于市场组合收益率变动的反应程度的指标。因此，在计算β系数时，应用Excel软件、运用模型：Ra=αa+βaRM+ξj，对证券与市场收益率的样本数据进行线性回归估计，从而计算β系数。

因此投资者在做决策时要把β系数当成重要的衡量指标：例如当有很大把握预测到大盘某个大涨阶段的到来时，应该选择那些高贝塔系数的证券，它将成倍地放大市场收益率，带来高额的收益；相反当大盘某个下跌阶段到来时，选择那些低贝塔系数的证券，以抵御市场风险，减小损失。

3数据处理与模型检验

本文选取的样本研究对象为2012年3月至2017年3月在上海证唤灰姿交易的100只A股股票。样本的选择是随机的，包括制药、化工、房地产、银行、航空科技等多个行业，从而避免单一性，充分地反映整体股市的性质。本文统计了每个样本共5年的月数据，以此来保证足够的数据量，从而提高模型研究的精确度。

其中，Rmt代表第m种股票在第t月的收益率；Pmt代表第m种股票在第t月的收盘价；Pmt-1代表第m种股票在第t-1月的收盘价。

32市场指数的选择以及市场收益率的计算

本文选择上证综合指数作为市场指数，作为一种价值加权型指数，它能够比较准确地反映整体行情的变化和股票市场的整体发展趋势。

其中，Rmt代表市场组合在第t月的收益率；Index（t）代表市场组合在第t月的收盘价；Index（t-1）代表市场组合在第t-1月的收盘价。

4实证结果

本文通过对各只样本股票月收益率及市场收益率进行计算分析，用Eviews及Excel软件进行回归分析，得出了下列数据（见图1、图2和下表）。

41对系统风险β值进行分析：

理论上分析，β值反应单个股票对由于市场波动带来风险的敏感程度，市场风险数值确定为1。当某只股票β值大于1时，将该股票定义为进攻型股票，其价格波动幅度大于市场波动，适合于风险偏好性投资者；β值等于1时，该股票成为中性股票，即价格波动与市场波动表现一致，适合于风险中性投资者；β值小于1时，该股票为防御性股票，其价格波动小于市场波动，适合于风险规避者。

在随机选取的这100只股票中，β值都显著大于0，这说明这些股票与上证综合指数存在线性关系，根据线性拟合图也可以证实。用Excel软件进行数据分析：有64家公司股票β值大于1，其中国投安信的贝塔系数达到了19786。有36家公司股票β值小于1，而宇通客车股票的价格波动最小，β值达到了05063。其中有54家股票的贝塔系数都在08～12之间，这表明所选公司股价波动情况超过半数与市场相符，仍有部分公司股票的贝塔值偏离1的程度较大，说明市场中仍存在投机性较强的公司股票。

42对可决系数R2的分析

可决系数即为一元线性回归平方和（SSR）在总变差（SST）中所占的比重，是一种综合度量回归模型对样本观测值拟合优度的度量指标。可决系数越大，说明在总变差中由模型做出解释的部分占的比重越大，模型的拟合优度越好。在计算股票收益率时，R2衡量了系统风险在总风险中所占的比例，即个股价格的波动中有多少是由市场波动引起的。表格中数据显示，100家样本股票中只有18家公司股票的可决系数大于05，最高为葛洲坝股票，达到了 07524，这几家公司股票价格的波动大部分是由市场波动引起的；大多数公司（82家）股票的可决系数小于05，最低为康欣新材公司的股票，达到了00382，这些公司股价波动主要是由于公司经营情况的自身因素引起的。由此可见，系统风险不能很好地解释收益变动情况，而非系统风险因素在股票收益中有着不可忽视的作用。但是，这次结果与90年代我国学者研究所得数据存在显著差异。其中1996年施东晖的观点被多次引用，在当时比较具有代表性：他对上市的50家A股进行研究后发现49只股票的系统风险大于50%，其中更有42家公司股票的系统风险超过70%。而本文研究所得数值中，只有3家公司系统风险的数值超过70%，其余股票系统风险值普遍有所下降。这说明，经过近年来的发展，投资者投资行为趋于理性，股票市场逐渐发展成熟。

5结论

第一，CAPM模型并不能完全适用于我国股票市场。因为虽然超过半数的样本股票的贝塔系数介于08～12，公司股价波动情况与市场相符，即贝塔系数基本稳定，但是，根据对可决系数的分析，绝大部分股票的可决系数小于50%，这说明系统风险不能很好地解释收益变动情况，而非系统风险因素在股票收益中有着不可忽视的作用。但与之前研究数据相比，可以看出投资者投资行为趋于理性，股票市场逐渐发展成熟，CAPM模型在我国的适用性不断增强。

第二，在我国股票市场上进行CAPM实证检验时，结论与数据样本的选取有很大的联系，不同的样本得出结论差异较大。这说明上证A股市场，价格波动性较大。其中大多数股票为进攻型股票，对于市场波动带来的风险较为敏感，它们的价格波动幅度大于市场波动，整体来说适合于风险偏好性投资者。另外，上证A股市场大部分股票可决系数不高，拟合效果并不好。即使在拟合度较好的公司中，除了较稳定的银行业以外的其他行业股票大多为高风险高收益的进攻型股票，其系统风险所占比例依旧很高，非系统性风险较低，股价受大盘影响很大，风险较大。

资本资产定价模型一直是金融界学者研究的核心领域，其研究一直是建立在对股市数据的实证分析基础之上。只有满足相关的严格假设，CAPM模型才可能呈现显著的线性关系，因此可以说明我国的资本市场已经满足偏好及流动性等假设，初步成榻衔完善的资本市场。随着我国证券市场的日趋成熟，CAPM模型对我国的适用性会越来越强，将会具有更令人期待的实用价值。因此我们有必要针对不同时段的中国股票市场，不断进行实证数据分析，并在此基础上加以修改和完善，从而对我国股市风险进行更全面准确的预测，帮助投资者进行资产组合管理、定价分类，做出更好的决策。

参考文献：

[1]姚海鑫财务管理[M].北京：清华大学出版社，2013：113-115

[2]姜婕CAPM模型在上证A股运输板块的实证检验[J].当代经济，2016（14）：116

篇（5）

解析互联网金融的商业风险整体分析互联网金融风险。按照《巴塞尔协议》内有关全面风险管理的要求，借鉴国际上的有益经验，本文将互联网风险划分为上文所提到的三种类型风险。其中政策法律风险细分成了国家、行业和机构等层面，商业风险主要有市场、信誉和操作等风险，技术分为安全和技术选择风险，如图1所示。解析基于业务平台的互联网金融商业风险。从上述分析得知，互联网金融主要被分成了三大平台，分别是业务、管理和协作三大平台。互联网金融资金需求的双方在业务平台上撮合成交；通过国家管理者、行业管理者以及互联网企业各分支机构对其实行各层监管，上述各监管组成了互联网金融管理平台；软硬件开发维护者及网络服务商主要担任协作业务及管理平台的运营，他构成了互联网金融融资类的业务协作平台。在业务层，资金融通双方都面对了商业风险。一是市场风险。互联网金融市场风险主要是由利率和流动风险组成。互联网风险一方面会受到行业监管、行业分化和行业竞争等的影响，另外还会遭受央行货币政策刺激，两者同时加剧了利率风险。互联网金融机构一般会发挥资金周转的作用，沉淀资金有可能会在第三方中介滞留两天至两周的时间，不具备有效的担保及监管，很容易会出现资金挪用的情况，若是缺少流动性监管或出现资金链的断裂，必然会导致支付危机的出现。另外不断出现的互联网金融业务平台也会上限，不具备用户优势的平台将会借助提升利率和缩短投资期限的形式来吸引投资者加盟，这就必然会引起平台流动性风险，并且很多用户在平台跑路消息报道的基础上，针对平台的投资仅仅限于打新投资，这显然会提升互联网金融的流动性风险。二是信誉风险。信誉风险就主体划分，主要分为自然人信贷风险及企业信贷风险两种。自然人信贷风险主要是指自然人违约，其出现违约主要是由于其抗风险的能力较弱进而出现了道德问题。自然人信贷风险主要是由于借款人的经济情况具有不确定性，尤其是该种借贷用在了生产经营商。互联网金融业务内会牵涉到大量的自然人信贷范畴，由自然人承担对应的偿还义务，但是自然人的经营状况、身体健康情况和消费习惯等都会引起还款风险。另外自然人借款人的个人观念及道德问题都会造成违约风险。企业信贷风险和自然人借款人的动机以及偿债能力的影响因素存在较大的差异。通常企业借款人主观上恶意不按时清偿债务可能性较低，对比之下，由于经济实力、行业发展和经营状况等因素导致的资金短缺更加容易使其违约。因此在对信誉风险实施评价时，自然人信用风险要更侧重对其偿还意愿的评估，但是企业借款人信用风险的评估则更加侧重对其偿还能力的评估。三是操作风险。互联网金融操作风险主要指的是互联网金融的活动内，由于人员匮乏、内部流程制定不当或是实施失败以及系统不足所造成的直接性或间接性损失的可能性。目前用户数据、用户操作行为数据、交易数据、文本数据等大数据系统出现交织，由于没有通过授权方位、系统退化、雇员欺诈、服务提供商风险和客户安全保护意识较低等交易内，操作风险正是来自这些繁琐和复杂的数据系统行为的结合内。依据操作风险的不同来源，可以划分为内部操作风险及外部操作风险两种。内部操作风险主要因为绩效考评、审计监管及内部控制等多方面的互联网金融企业内部因素所引发；外部操作风险主要是因为私人泄露、钓鱼网站的盛行等外部因素引起的。追究其根本原因就是在于大数据，互联网金融企业对用户注册无法实现有效管理，并且不能很好地分析和管理交易中出现的大数据，另外是否可以合理地对各种数据进行保存也是当前互联网金融企业迫切需要解决的问题。互联网金融商业风险特点。一是扩散速度快，破坏力强大。传统银行业务通常是通过纸质或是银行内部系统来操作，一旦出现了错误，是有充分的时间查找、连接并且追回损失的。但是包含了交易数据、用户操作行为数据和用户数据及文本数据等大量数据的云金融为载体的互联网金融，一旦出现了问题或是差错，将会难以立刻纠正，并且互联网金融业务运作速度飞快，等到发现问题后再拦截和追讨损失基本无望。二是风险会交叉传染。一方面互联网金融业务平台内包含了融资类、支付类和理财类业务，业务相互之间存在交叉性；此外互联网金融商业风险内的市场风险、信誉风险和操作风险就像是多米诺骨牌，一旦一个出现风险将会引发一系列的风险。三是很难区分风险责任。互联网金融办理的过程一般都会涉及到外包商、电力和电信等其他多种合作方式，因此一旦某个方面出现了服务终端、客户信息泄露和系统崩溃，将会直接对互联网金融企业造成极大的损失，并且难以对责任实行区分。责任不能区分的直接结果就是一旦发生了损失，将难以对有关方的损失赔付进行明确。

互联网金融的风险预警系统

数据作为中心的体系设计原则。互联网金融风险预警系统设计内必须要遵循下面几点：一是系统性原则。互联网金融风险预警系统属于一个针对互联网金融风险实行检测、预测和预警的系统，是大型的体系，该体系内包含了互联网金融行业的所有，因此建立该系统时必须要考虑每一个用户和金融产品的提供者等全部参与到金融活动内的人的利益，同时还要实行系统性建设。二是时效性原则。互联网金融行业最大的特点是高速，充分体现了互联网金融活性具有的及时性特点，因此在实行互联网金融风险预警系统的建设中，必须要实时防范并且及时处理，确保可以及时判断风险和快速应对，避免造成太多损失。三是科学性原则。在预警系统的建立中要确保科学性，保障系统可以准确对金融风险实行判断，防止对金融风险作出错误估计，最终导致不必要损失。将数据当做中心系统层级。在互联网金融预警系统内存在以下几层：一是数据管理层。预警系统主要是基于数据建立的，对此必须要建立和健全系统对数据的管理机制，建设和企业规模相适应的数据管理中心，便于对数据的收集、整理、加工和存储。而且在数据中心还要实行管理过程内确保数据的准确性、完整性及安全性。二是数据整合层。风险预警系统的最主要任务是要通过分析互联网金融行业内的海量数据，进而实现对其中风险的语境，这就必须要系统地对金融风险存在更为透彻的认识，自金融风险的定义出发，重新整合和分析数据，进而提取出有用的信息，信息整合能够很好地保证信息的准确性及可靠性，数据提取层主要是整合及提取数据。三是数据分析层。数据分析层主要是分析数据，判定数据的风险。这就要保证系统具有完备的智能性。四是数据的解释层，数据解释层是对风险的解释，更加准确地来讲就是通过风险和企业现状结合得出分析结果，其中包含了风险的可靠性、危险度、产生根源和处理方法。

建立互联网金融风险预警模式

（一）风险预警设计思路

在上述分析的基础上，针对定性风险评估指标使用模糊综合评价法对其实行量化，对互联网金融商业风险进行测度。依据选择的权重系数测定互联网金融商业风险预警综合评分值，依据设定的预警区域范围来确定互联网金融的风险预警区域，从而选择互联网金融商业风险的相应策略权重系数的选择在风险测度内是最关键的问题，对市场风险、信誉风险及操作风险实施分别测度中，须确定各个具体指标的权重系数问题；另外就是互联网金融商业风险预警评分值测度过程内的市场风险、操作风险以及信誉风险分别权重系数确定的问题。

（二）构建互联网金融风险预警指标体系

在业务平台基础上的互联网金融商业风险主要被分成了市场、信誉和操作风险三个维度，而且各个维度的风险有着丰富的含义，很难使用单一指标来客观描述。为了使得评价指标变为更精准，本文使用主客观结合的方式设计互联网金融三个维度的商业风险。 针对定量指标，笔者结合有关学者的研究成果和银行体系定量指标来计算，最终对定性指标使用问卷调查的方式，结合模糊综合评价方法得到最终对应的评分值。

（三）建立互联网金融商业风险预警

通过假设互联网金融商业风险内各变量间均是相互影响并且相互作用的，建立互联网金融业风险的结构方程模型，并且对上述指标之间的关系进行检验。互联网金融商业风险的三维关系假设主要为：H1：市场风险防控对互联网金融商业风险的预警防控的直接正影响；H2：信誉风险防控对互联网金融商业风险预警防控的直接正影响；H3：操作风险防控对互联网金融商业风险预警的直接正影响；H4：市场风险防控及信誉风险防控的直接双向正关系；H5：市场风险防控及操作风险防控的直接双向正关系；H6：信誉风险防控及操作防控间的直接双向正关系；H7：市场风险防控依赖各种要素不受信誉风险及操作风险防控影响；H8：操作风险防控依赖的各要素不会受市场和信誉风险防控影响；H9：信誉风险防控依赖的各要素不会受市场和操作风险防控影响；H10：除市场、操作和信誉风险以外的其他因素都是残差项。划分衡量互联网金融商业风险的指标为：一是互联网金融机构个体的指标，包含财务健康情况及机构规模；二是互联网金融整体指标，包含了信贷质量、资产规模、资产及负债匹配数量；三是互联网金融机构指标，包含了业务发展模式、产品类型、风险度量等。见表1所示。在模型内市场、信誉和操作风险分别作为三个外生潜变量分别由各自所属显变量测量，互联网金融风险系统的各变量相互间是存在关联性的，因此假设三个外生潜变量之间存在相互变联系。互联网金融的融资业务风险是内生的潜变量，主要是表1内的八个显变量反应。

分析互联网金融商业风险预警结果

首先要对预警信号阈值实行确定。预警信号阈值是触发预警后续行动的临界值，阈值要综合数据的模型、历史数据经验和专家经验以及同业信息确定，并且还要考虑互联网金融的融资平台的风险偏好、客户与平台的联系、监管部门检查评估互联网金融融资平台和监管要求等因素。一旦风险表征值超出了预警信号的阈值，将会触及预警流程，进入风险预警系统，将实现对风险级别的定位。其次是定位互联网金融商业风险的预警级别。依据评估风险大小，划分互联网融资风险为正常状态、关注状态、次级状态、可以状态以及损失状态5个等级，分别用绿、蓝、黄、橙、红五种颜色的灯来表示。详情见表2所示。第三是分析互联网金融商业风险预警的结果。在处于绿色信号灯范围情况下，互联网金融平台必须要考虑和其开展对应的业务活动，还要增强互联网金融平台的效益，平台必须要大量的吸收该种类型的业务；在处于蓝色信号灯的范围下，互联网金融平台则可以考虑接受和其开展对应的业务，那些已经有的处于蓝灯状态的业务，则可以考虑持有；在处于黄灯信号的范围时，互联网金融平台可以按照公司的战略和客户征信情况，适当考虑是否需要开展其他方面的业务，若是已经存在了处于黄灯状态的业务，要及时防范并且调整，或是改变持有策略或是适当转出业务；在处于橙色灯信号时，互联网金融平台则不应当考虑其借贷，若是当前业务已经处于信号灯为橙色的状态，要立即采取对应措施来降低损失；若是当前处于红色信号范围内，则互联网金融平台必须将其拉进黑名单，针对已经处于红灯状态的业务，则要采取强硬的手段实行积极挽回，尽力弥补损失，实行不良征信评价。

参考文献：

1.卜亚，张敏.互联网金融创新监管机制构建——基于激励相容的视角[J].技术经济与管理研究，2016（1）

2.李灏来，李越冬.国家审计“管理”互联网金融风险的路径研究[J].会计之友，2016（3）

篇（6）

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015. 05. 108

[中图分类号] F713.36 [文献标识码] A [文章编号] 1673 - 0194（2015）05- 0224- 03

目前创业市场虽说商机无限，但对资金、能力、经验都有限的大学生创业者来说，可供选择的项目并不多。而电子商务创业则是大学生能够扬长避短、发挥优势的一个最佳选择。大学生群体与电子商务新兴产业的有机结合，形成二者共赢的局面。大学生在电子商务创业时，必须要考虑并解决创业团队、创业项目、网站运营管理、风险控制等影响电子商务创业成败的关键因素，才能分享电子商务创业成功的喜悦。

1 创业团队

在创业过程中，团队和人才是左右创业成败的核心要素。大学生电子商务创业能否成功的关键性因素在于创业团队的综合实力，一个优秀的创业团队是创业成功的保障。创业活动的复杂性，决定了所有事务不可能由创业者个人包揽，要通过组建分工明确的创业团队来完成，创业团队的优劣，基本决定了创业能否成功。成功的创业者是以正确的创业理念来指导创业活动和组建创业团队的，创业理念决定着创业团队的性质、宗旨和获取创业的回报，并且关系到创业的目标和行为准则，共同的创业理念是组建团队的一个基本准则。

创业团队是由创业团队的领导者所组建的，创业团队领导者是创业团队的核心，创业团队领导者将那些具有共同创业理念、志同道合的团队成员联合起来，为共同的创业目标而奋斗。在创业团队中，团队的领导者是至关重要的，他必须有创业者的胸怀和品质，有素养和能力来组建团队和发挥团队的作用，并在创业过程中，随时做好团队成员间的协调工作，使团队的整体水平不断提高。创业团队领导者应对团队不同成员的个性、知识、技能和能力进行有效地整合，以保持团队的竞争优势。作为创业团队成员，应该具备创业者的特征和技能，比如工作积极主动、有明确的目标；不满足于现状，有责任感；善于接受新事物，勇于变革和敢于承担责任等。同时，还应该注意创业团队成员的性别、技能、专业的互补，以便形成合力。对于一个创业团队而言，其基本的人员配置为行政管理人名、财务人员、文员及客服人员、技术人员、营销人员、生产人员等，其具体的人员构成由创业项目的特点而定。比如创业项目可以分为技术创业和营销创业，技术创业则以技术人员为主体，营销创业则以营销人员为主体。

2 创业项目

创业项目的选择是市场分析的结果，通过市场分析，说明创业项目市场前景广阔，能够发挥创业团队的优势，值得创业团队为之而奋斗。针对具体的创业项目，可以从宏观方面即宏观环境、中观方面即行业竞争、以及微观方面即创业项目和创业团队本身的内在条件进行分析研究，提炼出对于电子商务创业的有利因素和不利因素，进而把握全局，进行决策。电子商务可以应用于国内外贸易、金融、证弧⒙糜巍⒐愀妗⑿挛懦霭娴雀鞲隽煊颍发展潜力巨大。目前对于电子商务而言，无非是网上销售有形商品、无形商品和服务两种形式。网上销售无形商品和服务，如信息、计算机软件、电影和音乐等娱乐商品，可以通过Internet直接向消费者提供，其模式可以包括网上订阅模式、付费浏览模式、广告支持模式、网上赠与模式、专业服务模式等。有形商品指的是实物商品，这种商品的交付不能通过Internet网络实现，有形商品的电子商务模式指的是成交在Internet网络上，而实际交付则依靠传统的物流，其模式可以包括网上批发电子商务模式、网上零售模式、网上拍卖模式等。电子商务的创业项目可以从以上分类中进行选择，但是就大学生而言，由于其各方面条件的限制，很难选择大型的项目。就目前来看，大学生电子商务创业选择的项目无非是以下3种：①建立个人网站。建立个人网站需要极大的勇气，并且要有独特的创意；②开网上商店。在网上开店主要有两种模式，一是建立自己的商品网站，二是借助于大型的、成熟的网络平台，如淘宝、当当、卓越等；③当网络。网络如今是一个时髦的职业，很受大学生宅男宅女们的青睐。选择一个好的适合创业团队的创业项目，是创业成功的关键。

大学生电子商务创业团队所选择的创业项目，要适合其“资金和经验少，知识多和熟悉网络”的特点，同时更要考虑创业团队各个成员的专业背景、社会背景、成长环境，以及一切可以利用的资源，充分发挥各自的优势。如学技术的，可以侧重于技术方面；学经济管理的，可以侧重于市场营销方面；具有独特资源的，可以对其资源进行分析整合，实现其市场价值。大学生创业团队各个方面的实力较弱，对具体项目选择时最好要做到“一大一小”，即市场要足够小，小到门户网站不愿意进来，同时市场也要足够大，大到可以盈利。创业项目的选择要充分考虑宏观的电子商务环境，如国家在电子商务方面的法律法规、互联网的发展程度、网民的数量与结构、电子支付的方便程度、网络安全及物流的支持力度。而对于具体项目，还要考虑项目执行地的实际情况，如当地的网络环境、信息安全、网民的支付水平等，创业项目的选择，必须获得外在环境的支撑。

3 网站运营管理

电子商务网站是通过Internet相互连接起来的，是在计算机硬件和软件基础设施的支持下，为用户提供信息服务、网页服务、邮件服务的信息载体，是企业和个人开展电子商务的平台。电子商务网站是大学生电子商务创业的必要条件，电子商务网站质量的高低关系到创业成败，一个好的电子商务网站有助于大学生电子商务创业。对于资金雄厚或有一定技术实力的创业团队，可以创建自己的电子商务网站；而对于资金匮乏或技术实力较弱的创业团队，可以借助于现有的电子商务网站平台，如淘宝网、易趣网等。一个好的创业网站，不仅仅是一次性制作完成就成功了，由于创业的内外部环境在不断地发生变化，因此网站的内容也需要随之调整。搞好电子商务网站的运营管理，对于大学生电子商务创业显得尤为重要，网站运营是指网络营销体系中一切与网站的后期运作有关的工作，网站运营包括网站内容策划及、网站可用性分析、网站数据分析、网站优化等。创业团队运作创业项目进行电子商务创业，其创业项目的经营管理就依赖于电子商务网站，因此在某种意义上来说，创业项目的经营管理就相当于网站的运营管理，二者在这里是等价的。网站运营管理包括以下内容：

3.1 网站内容策划与

网站内容策划与是服务于和服从于创业项目的，是创业项目在网站上的具体化和实现方式，创业项目是通过网站的形式来体现出来的，是依靠网站来进行管理和运营的。网站内容策划与主要包括：①网站定位。也就是创业项目的具体实施过程；②可利用的资源。即创业团队的外部环境和内在条件；③目标客户，即创业项目的市场定位；④网站盈利模式；⑤网站的财务投资计划；⑥具体的创业计划书。

3.2 网站的可用性分析

可用性是表达某种东西在使用时难易程度的一种属性。根据国际标准化组织ISO解释，电子商务网站可用性是指电子商务网站用户在网络环境下，利用电子商务网站完成商品交易时所达到的有效性、效率和满意度。其具体影响指标包括网站的响应速度、网页的合理布局、网页的美观、网站的安全性、网站信息的可靠性、网站导航功能、客服的及时回应、购物过程简洁安全、网页的有效链接、网站信息实时性等因素。创业团队可以采取相应措施，来提高网站的可用性，比如：①减少图片和动画的使用，提高网站的响应速度；②合理网页的布局、高质量的网页内容，提高网站信息的质量；③网站导航清晰，网站链接有效准确，确保用户快速浏览网站。

3.3 网站数据分析

电子商务网站数据分析本质上也是网站与顾客的交往记录。相对于传统企业，电子商务网站如果要想记录网站与顾客之间的交往记录，比以往大部分传统商务活动都方便得多。网站与顾客之间的互动行为，基本上分为两种。一种是最简单的互动，即顾客访问某个页面，是由日志文件来记录这些互动行为。日志文件通常采用PV数据分析方法，PV即Page View，也就是页面浏览量或点击率，是衡量一个商务网站所售卖商品受顾客欢迎程度的主要指标。影响商务网站PV的因素包括商品的时间；不同时段网民的人口特征，如性别、年龄、教育程度；访问的周期；以及一些偶然因素等。另一种是比较复杂的互动，即顾客进行注册、登陆BBS、购买商品，是由数据库文件来记录这些互动内容。分析网站的顾客行为，就是采用一定方法对数据库文件进行分析，通过这些分析可以取得对网站运营管理有帮助的数据，如顾客的来源、顾客的年龄、顾客的习惯、顾客最喜欢或最讨厌的网站的商品或服务，以及对顾客的意见和建议的归纳和总结等。

4 风险控制

创业团队在经营管理创业项目过程中将不可避免地遇到各种风险，如果处理不当，任何风险对创业都有可能是致命的打击。风险不同于危险，在创业过程中大多是基于投机风险的决策问题，是可以通过风险管理进行规避的，将风险降低到可能的最低限度。按照风险的来源可以分为技术风险、内部风险和外部风险3个方面。技术风险是指相关产品科学技术难度以及模仿性；内部风险是指在内部管理和财务方面可能存在的风险；外部风险主要来自同行业市场的竞争、国家的产业政策、自然灾害以及相关法律和政策等。而对于大学生电子商务创业项目，其创业风险主要有市场风险、财务风险、技术风险等。

4.1 市场风险

由于电子商务创业资金门槛低，进入容易，大量的创业者已经进入了这个领域。一些传统企业也纷纷上网，将市场扩展到网络中，这使新进入者面临巨大的竞争压力。根据波特的5种竞争力量模型分析，创业者不但要面对已有竞争对手的威胁，还要面对新加入者的威胁，消费者讨价还价能力的威胁，供应商要价能力的威胁，还有潜在竞争对手的威胁。并且电子商务创业不但要面临同类网站的竞争，还要面对传统市场的竞争。针对创业的市场风险，可以通过市场调研、了解消费者需求、加大网站推广力度和品牌推广力度、增加增值服务、不断总结经验、重视市场调查在市场营销中的地位等手段，来尽可能地规避市场风险。

4.2 财务风险

任何公司在创业的时候都会存在资金短缺的问题，如何有效地利用资金，采用何种融资的方式和手段，这对于创业团队都是十分重要的。财务风险是指创业企业在经营管理过程中，由于其所需要的资金不能够适时供应，以支持企业正常运行，从而导致创业失败的可能性。创业的资金来源可以分为自筹、贷款、股权投资和各种风险投资。无论何种资金来源，资金都是有成本的，是需要付出代价的，并且资金的供给也是有限度的。创业者都可能面对资金短缺的现实，面对资金链断裂的危险。要想规避创业过程中的财务风险，必须做好财务的收入和支出的短期及长期预算，建立和完善财务制度，同时创业者必须时刻关注现金流，以及预算的现金流和现实的现金流之间的差异，一旦发现问题，要及时采取弥补措施。

4.3技术风险

电子商务创业面临的技术风险主要来自网络环境和交易安全方面。网络环境风险是指服务器遭受到黑客的袭击；网络中的信息系统受到攻击后无法恢复正常运行；网络软件常常被人篡改或破坏；网络中存储或传递的数据常常未经授权被篡改、增删、复制或使用等。交易安全风险是指很多消费者担心网上购物的风险，交了钱不给东西怎么办；网络支付时银行卡密码会不会被盗；拿到手的东西跟网上看到的东西是不是一样；还有个人信息的保密程度等问题。此外，现阶段电子合同、在线支付、商品交付等问题虽有了初步的法律规范，但还没有做到全面的法律保护，个人隐私权保护、欺诈等问题困绕着消费者，使之不敢大胆地在网上购物。要想有效规避技术风险，可以将电子商务网站的软硬件进行升级，建立完善的风险监控和跟踪系统，并制定风险防范计划，甚至可以考虑将网站安全服务外包给第三方可信的互联网安全公司。

主要参考文献

[1]龚志周.电子商务创业压力及其对创业绩效影响研究[D].杭州：浙江大

篇（7）

1 波罗的海干散货运价指数的简介

波罗的海干散货运价指数由波罗的海航运交易所创立和。波罗的海航交所是世界第一个也是历史最悠久的航运市场。1744年诞生于美国佛吉尼亚波罗的海咖啡屋，目前是设在英国伦敦的世界著名的航运交易所，全球46个国家的656家公司都是波罗的海航交所的会员。为了满足客户的需要，波罗地海航交所于1985年开始日运价指数---BFI(BALTIC FREIGHT INDEX)，该指数是由若干条传统的干散货船航线的运价，按照各自在航运市场上的重要程度和所占比重构成的综合性指数。

为满足市场多元化的需求，航线经过数次调整，增设了单独的航次期租航线，在1999年的9月1日，波罗的海交易所将BFI分解成BPI和BCI两个指数，这样与大灵便型船运价指数BHI共同组成三大船型运价指数，同年11月1日，在BCI、BPI、BHI基础上产生的BDI取代了BFI，成为代表国际干散货运输市场走势的晴雨表。由于大、小灵便型船市场已经明显分化，2001年初波罗的海交易所将大灵便型船的运价指数BHI调整为BHMI，后来从2005年7月1日起，波罗的海航交所又公布了Baltic Supramax Index(BSI)，该指数反映了超级大灵型船的市场租金变化情况，BSI与BHMI并行了半年，在2006年1月1日BSI取代了BHMI。下图表是2009年3月19日波罗的海交易所公布的各个指数的具体航线构成以及它们的权重情况：

资料来源：Baltic Exchange Information Services Ltd 19/3/2009.

2 BDI的历史回顾

BDI是目前世界上衡量国际海运情况的权威指数，是反映国际间贸易情况的领先指数。如果该指数出现显著的上扬，说明各国经济情况良好，国际间的贸易火热。反之，亦然。

从图中可以清晰的看出，BDI的走势大致可以分为六个阶段：第一个阶段是从BDI设立到03年上半年，BDI的波动幅度不是很大，均值在1500点。第二个阶段是从03年下半年到06年年末，这期间该指数在4000点上下大幅的波动。第三个阶段是06年末到07年11月中旬，这阶段BDI可谓是井喷式的上涨，在07年11月13日达到历史高点11039点，全年BDI的平均值比去年增长118%。第四个阶段是07年11月初到08年5月下旬，受美国次贷危机的影响，一度大幅回落，跌至08年1月29日的阶段性低点5615点。虽然08年上半年国际金融市场利空消息不断，信贷危机也逐步演变深化，但国际航运业似乎未受到影响，BDI升势迅猛，08年5月20日，该指数创下11793点的历史新高。第五个阶段是08年5月下旬到08年12月初，这阶段美国次贷危机已经演变为全球性的金融危机，全球经济衰退日渐明显，国际货运业负面影响显现，BDI一路暴跌，08年12月5日跌至663点，达到历来低谷，08年可谓是BDI大起大落。第六个阶段是从08年12月初到09年3月上旬，BDI有所回升，09 年3月19日报1795点，从低位已累计回升171%，但近日有所回落。

BDI作为干散货航运价格的综合指数，能够客观反应干散货航运的市场行情，是研究干散货航运市场的重要依据和对象，该指数的剧烈波动也给航运公司带来不确定的经营风险。因此，国际海运学界人士对BDI进行了长期和多方面的研究，下文就BDI波动的主要影响因素、波动的规律计量研究、以及如何降低由于BDI的波动带来的经营风险等方面做一下文献综述。

3 影响BDI波动的主要因素

3.1运力供求对BDI的影响

从经济学角度来说，需求和供给的关系变化是影响价格的根本原因。国际干散货运价作为运输劳务的价格，和其它商品价格一样受航运市场供求关系的影响，是干散货运输的供给方和需求方在近乎完全竞争的国际干散货运输市场上通过自由竞价达到的一种市场均衡价格。

杨柳(2006)[1]通过分析干散货FFA市场与现货市场的关系，得出影响市场最基本和最关键的因素还是供需关系，这是市场万变不离其宗的因素。陆克从等(2008)[2]对2004年2007年数据分析中指出影响BDI波动最重要的原因就是,供求关系失衡，来自于全球(特别是中国)大宗散杂货运输需求的增加及运力投放的相对缓慢，导致了这几年运价的大幅上涨。

3.2远期合约对BDI的影响

远期合约又叫远期运费协议(Forward Freight Agreements，FFA)，该协议规定了具体的航线、价格、数量、价格日期、交割价格计算方法等，双方约定在未来某一时点，收取或支付依据波罗的海的官方运费指数价格与合同约定价格的运费差额。现货市场是实货交易，而FFA交易的是纸货，即交易对象是纸面上的运费，它是一种运费的衍生物。FFA交易的产品对象就是现货市场的指数价格，其结算是依据波罗的海的官方运费指数价格与合同约定价格的运费差额，若合同价格大于交割价格，买方支付运费差额现金给卖方，反之亦然。

航运界学者在FFA市场影响BDI的波动方面做了很多研究，主要有：Kavussanos和Visvikis等(2004)[3]研究了FFA交易和投机行为对即期市场价格波动的影响，研究显示，FFA交易的存在对稳定即期价格的波动有着明显的影响，显著改善了信息传递的速度和质量。但是，在引入其他对即期市场价格有影响的经济变量后，价格波动的降低与FFA交易之间不存在很明显的因果关系。

刘晶等(2008)[4]利用回归模型分析得到FFA与BDI之间存在着很明显的线性相关关系。又进行了ARMA模型， GRACH模型的修正，VAR模型的分析，得到结论：07年来的BDI指数的高涨，航运供求因素不是主要原因，FFA市场的影响是主要原因，并且FFA市场只能对BDI造成短期影响，所以从短期来看，FFA市场的波动会对现货市场产生持续扰动。但从长期来说，供求、成本等现货市场因素将是影响BDI的主要原因。

陆克从等(2008)[2]对2004年到2007年数据分析中总结了BDI波动的影响因素中认为投机性租家和国际投机热钱在FFA市场的炒作氛围浓重也是不可忽视的因素。由于投机性租家在 FFA市场大肆炒作, 其后又相继撤离, 导致市场行情大起大落。

王凌(2008)[5]认为07年-08年来的BDI的剧烈波动在于大量参与FFA市场交易资金的不稳定性。炒作FFA市场往往意味着囤积部分运力,这部分不透明的运力就成为冲击市场的隐患。如果FFA多方转向做空,这些被冻结的运力集中释放,将对市场形成突如其来的打击。

3.3航运成本对BDI的影响

航运成本主要包括航运中涉及的货物装卸、人员工资、燃油价格等。陈庆辉(2004)[6]通过图表分析了航运成本对运价的影响，认为航运成本的上升都会使运价指数上涨。王然(2008)[7]详细的介绍了运价和航运成本的构成，航运成本包括物质消耗支出、劳动报酬支出等成本支出，这部分支出在运价中占有很大的比重。国际航运成本是航运企业制定运价的主要依据，对运价的变动产生深远的影响。原油价格上涨;船员的培养费不断上升;船舶购置成本和港口使费的增长，使得构成运输成本的各项费用都有上升的趋势。因此资金的机会成本的增加使运输成本出现明显的上升趋势，国际干散货运价也随之呈现长期上升的趋势。

3.4 全球国际贸易量对BDI的影响

国际干散货航运需求是从国际贸易中派生出来的，所以航运市场与国际贸易有着直接又紧密的关系。国际贸易对运价的影响一般是周期性的，这是因为世界经济的周期性波动对贸易产生周期性影响，从而使需求也会产生周期性变动。陈庆辉(2004)[6]也论述了干散货的贸易需求对运价指数的影响，认为大宗干散货进口需求的增加和购买意向可以推动运价指数的上涨。刘水生(2007)[8]也分析世界经济，干散货贸易的影响，通过全球经济的增长的数据分析得到增长越快，运价越高。王然(2008)[7]也总结了世界经济即国际贸易的促进运价指数的上涨，还提到了“中国因素”和“印度因素”，这两个因素都促使了贸易量的加大，进而提高了运价。

4 对BDI波动规律的计量研究

长期以来，国际航运界学者对BDI的波动规律做了很多计量模型方面的研究，总结如下：

Cullinane(1992) [9]首次使用自回归移动平均模型建立波罗的海运价指数模型，认为BDI指数经过一阶差分后是平稳序列，得到了ARI以(3，1，0)模型用于短期的波罗的海运价指数预测。

Berg-Andreassen(1996) [10]通过对BFI数据的分析对干散货航运市场进行了研究，文章中对1985年4月至1988年12月的日观测数据的时间序列进行了ADF(Augmented Dickey-Fuller)检验，结论认为运费率序列服从随机游走趋势。这意味着干散货运费是一个非平稳过程，但经过一阶差分后成为平稳过程，即一阶齐次非平稳过程。

Kavussanos(1996) [11]研究了1973年—1992年干散货运费率的月度观测数据的波动性(Volat11ity)，包括现货和期租费率，结论显示数据序列的对数是一阶自积并且存在协整关系。

Berg-Andreassen(1997) [12]对10年干散货航运三条航线的BFI季度数据进行了分析以检验运费率序列变换成平稳序列所需要的差分次数。结果显示，每条航线的运费率序列都是经过一阶差分后形成平稳序列即一阶自积的，运费率序列服从随机游走。

杨伟年(1999) [13]建立波罗的海运价指数的多元线性回归模型和多因素滞后变量模型，通过分析认为国际干散货运输需求量与该市场价格存在正的相关关系，国际干散货运输船舶供给量与该市场价格存在负的偏相关关系。此外，世界进出口贸易量对国际干散货运输价格的影响作用次之，为正的偏相关关系，其它因素对国际干散货运价的影响作用不显著

张林红等(2001) [14]从运力供给入手，引入了市场运运价与市场综合因数之间的函数关系及其变化趋势，通过拟合，得出国际航运市场运价定量化预测模型，并对2001年以后的波罗的海运价指数进行了预测

吕靖等(2003) [15]对BDI 分别提取长期趋势项、周期波动项和季节波动项后，得到了符合ARMA模型建模要求的零均值平稳序列并建立ARMA预测BDI的模型。

李耀鼎等(2006) [16]对1984年7月至2005年11月的半月BDI对数序列进行了ADF检验，得到以下结论：BDI对数序列具有尖峰厚尾的特征，因此不能认为BDI对数序列服从正态分布;对BDI对数序列进行单位根检验，结果表明BDI对数序列存在单位根，是非平稳时间序列，但是一阶差分后是平稳过程。运用ARCHLM检验法对BDI对数序列误差项进行检验，结果表明BDI波动具有高阶条件异方差性，并用GARCH(1,1)有效地消除条件异方差性，从而更好地拟合波罗的海运费波动。

陆克从等(2008)[2]对2004年1月4日至2007年12月24日，共999个观测数据，根据这些数据利用ARCH族模型研究BDI的规律，对BDI对数收益率序列的平稳性、异方差性及波动特点进行分析，得到国际干散货运价指数BDI对数序列一阶差分后得到的日收益率序列是平稳过程。通过ARCH LM检验认为BDI日收益率序列存在高阶ARCH 效应，也运用了GARCH(1,1)模型消除残差序列的条件异方差性，更好地拟合BDI序列，对后市的预测提供依据。

5 对BDI波动的风险管理

国际干散货运输市场波动性剧烈震荡，给参与者带来了巨大的经营风险。为此，航运界把眼光放在海运经营风险管理上，人们最热衷的当数对运价波动风险的控制，探讨有效规避市场风险的方法，从而引发和带动航运期货市场诞生与发展。

Batchelor等(2003) [17]使用多变量的VAR模型、VECMSURE-VECM、单变量时间序列模型和ARIMA模型,预测即期运费率和远期运费率，研究的样本航线是BPI的P1、P2、P1A和P2A，数据期间为1995年7月至2002年7月。研究的结论是：FFA有助于提高即期运费的预测质量，相反，即期运费对远期运费的预测没有多少帮助。这表明远期运费比当前的即期市场含有更多更好的市场信息。

张建等(2006)[18]介绍了远期运费协议(FFA)的含义及其在国际干散货航运市场的发展情况，探讨FFA风险管理的作用，具有套期保值投机的功能。并建议了中国船东和租家必须学会利用FFA这一新的工具进行风险管理。

段国栋(2007)[19]介绍了干散货航运市场风险管理的发展，认为随着市场波动加剧，控制市场风险的方法经历了：船队拆分经营→浮动指数法→运费衍生品—FFA。介绍了FFA保值和投机两种功能，经营者利用 FFA进行对冲，把运费变动风险转移给愿意承担风险的投机者。还可以利用FFA来进行对冲实现套期保值的功能，以期在未来某一时间通过卖出(买入)期货合约来补偿现货市场价格变动所带来的实际价格风险。

孙淑文(2008)[20]针对2007年至2008年的一轮波动，提出要积极运用运价衍生工具应对波动。在文章中指出航运企业通过签订COA(长期租船运货合同)，来稳定运价成本。COA较多采用的是指数浮动法，再有就是目前国际航运市场上提供的远期运价合约(FFA)可以被来提前锁定运输成本，规避价格波动带来的风险。

苏同江等(2008)[21]对于如何规避风险介绍了三种形式：远期运费合约、运费期权、远期燃油期货。当今国际航运市场的博弈从传统的现货市场向期货和现货并存且相互影响的方向发展，国际航运期货交易已经成为航运企业在干散货市场中研判未来市场走势、套期保值、投机盈利的重要手段之一。

陈小龙等(2008)[22]认为可以利用海运运费衍生品来有效规避运费风险，海运运费衍生品主要有：波罗的海运费指数期货(BIFFEX)、远期运价协议(FFA)和运费期权(Freight Options)。指出FFA交易占绝对优势，而OTC为FFA交易的主要方式。

篇（8）

而在金融市场中，银行业作为金融体系中十分重要的组成部分，同时也成为货币传导机制的重要一环，自然对商业银行的监管将成为金融风险管理研究的课题之一。首先，金融产品的多样化扩大了银行的收入来源，随着我国逐步推行利率市场化、各商业银行的中间业务尤其以表外业务为主的规模不断发展扩大，商业银行所面临的风险也随之扩大。其次，我国国内市场化进程不断深化、利率市场化程度不断加深，越来越开放的市场环境使得国内大多传统分业经营的界限日益模糊，商业银行走上混业经营成为银行业未来发展的必由之路。与此同时，众多金融衍生工具的诞生、银行业务的不断完善创新，都为商业银行创造了巨大的利润，也带来了不容忽视的金融风险。如何在提升商业银行自身的市场竞争力的同时增强银行本身的抗风险能力，现成为众多商业银行经营管理的核心内容。

二、文献综述

（一）国外文献综述

1952年哈里马克维茨在他的博士论文中开创性的提出了一种关于资产组合选择的方法，马克维茨提出基于投资组合中的两个基本参数，理性投资者会以此做出合适的资产组合的选择，这两个参数即预期收益和风险，这就是现代风险管理理论发展的基础。至1960年前后，威廉夏普与林特纳提出了资本资产定价模型（CAPM），资本资产定价模型推进了风险管理的研究进程，它基于马克维茨的理论将单个资产分为两部分即是否能被分散化的风险。1995年，巴塞尔委员会提出VaR必须成为商业银行资本充足性评判依据的要求，并在声明之后对VaR模型是否适用于商业银行风险管理的分析做了详细的介绍。在1995年末美国证交委员会提出上市公司需定期披露自身信息并将VaR作为报告期的重要衡量指标的建议后，研究者们及银行家们对VaR模型的使用日益重视，且模型在金融业的适用范围日益扩大。

进入21世纪后，研究者们对VaR模型进行更深入和扩展的研究2004年，罗伯特首次基于VaR提出了条件VaR模型（CAVaR），在此模型中模型参数来自于分位数回归，这也是条件自回归模型的首次亮相。2010年，罗伯特又对三类基本方法，即Delta正态法、历史模拟法、蒙特卡罗模拟法的优缺点进行了比较分析。

（二）国内文献综述

2006年，梁志森指出在我国商业银行的市场风险管理上，VaR 的应用虽具有一定的局限性，但在一定程度上是可以克服的，即表明VaR在中国银行业风险管理领域同外国一样具有相当的适用性。2007年，何飞平对VaR模型的随机波动进行了讨论，并对此情况下的VaR值进行实证分析，结果显示随机波动模型下的VaR值更具准确、动态性。随后在2008年，牛茜指出使用VaR模型来计量市场风险与风险管理是我国商业银行未来的可行之路，但我国银行在使用模型时仍然存在数据缺失与后尾分布现象。2012年，刘静，高翔就当下我国银行业中存在的普遍现象和问题，针对性的提出风险管理审计在我国商业银行业中实施的必要性，并深入探索研究更符合我国商业银行经营状况的风管审计新体系。

三、商业银行市场风险的度量

（一）度量方法介绍VaR介绍

1、VaR的定义

所谓VaR，简单来说就是指在正常情况与给定的置信水平下，资产、投资组合在未来一段时间内将会遭受的最大可能损失。可以表示为：

Prob（P

其中，Prob表示概率密度；P=P（t+t）-P（t），表示组合在未来持有期即t内的损失；c即为给定置信水平；VaR表示在给定置信水平c下资产组合的风险价值。

2、VaR的基本特点及参数

基本特点：

（1）基本公式仅能准确计算正常波动状态下的市场风险而非极端情况；

（2）VaR具有可比性；

（3）VaR值越大说明风险投资组合面临的风险越大，反之则越小；

（4）正常情况下，时间跨度越短，收益率越贴合正态分布；

（5）VaR值的基本参数为置信度和收益率。

基本参数：

（1）持有期

持有期是指计算在某段时间内持有资产的最大损失值，即VaR的时间范围。一般在计算持有期时需考虑流动性、正态性、数据约束及头寸调整这四个方面。并且在一般情况下，其他因素保持不变，流动性越大，持有期越短，资产组合面临的风险越小。

（2）置信度

置信度是指资产组合的实际损失低于事先估计VaR值的可信度。置信度的选择需考虑历史数据的可得性与充分性，并且对于同一个资产组合，在不同置信度下得出的VaR值也不尽相同。因此，选择恰当的置信区间对计算VaR模型十分重要。

（二）VaR模型对我国商业银行市场风险的实证分析

1、样本区间的选择

上海银行间同业拆借利率（SHIBOR）是我国银行间利率市场化最具有代表性的数据且具有很高的市场化程度，因此实证分析选取此数据作为模拟变量。本文选取2012年1月4日至2014年6月17日之间的上海银行间同业拆借利率（SHIBOR）作为样本，同时考虑到市场交易量以及利率对市场变动反应的灵敏程度，选择其中的隔夜加权利率作为观测对象，选择样本容量为608，样本数据的持有期为一天，即t=l。文中数据均来源于上海银行间同业拆借利率网站，应用Eviews6.0软件对数据进行分析处理。

2、样本数据分析

（1）ADF检验

用单位根的方法对时间序列的平稳性进行检验，平稳性检验结果如表1：

由检验结果可知：在三个显著性水平下，单位根存在的零假设均被拒绝，即表明了SHIBOR对数日收益率序列是平稳的。

（2）VaR检验

由表2可得滞后阶数为3阶，接下来，通过检验单位根来考察模型的稳定性，见图1：

由图1可见，所有的特征根都落在单位圆内，即都小于1，表明该VAR模型的结构稳定，因此可以对其进行格兰杰因果关系检验、脉冲响应函数分析和方差分解。

（3）格兰杰因果关系检验

为了能进一步确定变量之间的相互关系，下面进行格兰杰因果关系检验，结果如表3：

由表3可得以下结论：

（1）隔夜SHIBOR与一个月SHIBOR互为格兰杰因果关系；

（2）在95%置信度下，隔夜SHIBOR利率和一个月SHVIBOR利率与上证指数并无格兰杰因果关系；

（3）上证指数与一个月SHIBOR互为格兰杰因果关系，但与隔夜SHIBOR没有格兰杰因果关系，也就是说上证指数的变动能够引导一个月SHIBOR利率，或者说一个月SHIBOR利率能够反应上证指数的变化，但是隔夜SHIBOR利率却做不到这一点。

四、结论

通过本文前面的介绍可以得出：VaR模型对我国商业银行的利率风险管理具有适用性及很好的衡量作用，虽然运用这种方法仍存在一定的限制条件。因此，建立以VaR模型为基础的利率风险管理体系具有重要的现实意义，现根据上面的分析得出如下结论：

第一，要建立与我国商业银行利率管理体系相适应的VaR模型，商业银行是一个需要实时数据作为支撑的行业，并且VaR模型需要应用大量精确有效的历史数据，因此本文选取的数据是从2012年1月起至2014年6月总共610个数据，分析得出的结果具有时效性及可参考性。相反，如果数据缺乏则会在很大程度上限制VaR模型的实际运用，且会加大应用过程中返回测试的困难，因而降低了模型的有效性；

篇（9）

互联网从1987年进入中国，经过十几年缓慢的发展，在2011年开始了进入互联网金融发展的实质性热潮，到2015年3月总理在政府工作报告中提出互联网+概念，达到一个。随着互联网技术的发展和网民人数的增加，越来越多的业务寻找互联网为依托，逐步形成了网上支付，网上购买，网上集资，网上理财等线上金融服务的选择。

传统金融打个比喻可以称为“凳子金融”，最大特点是“守株待兔，等客上门”，最大的特点就是凭借自身具有牌照优势来谋取利息差的一种“衙门式”服务模式。相比“凳子金融”，互联网金融依托于互联网技术大数据、云平台和区块链技术等互联网技术，实现资金通融并且提高金融服务的效率和降低金融服务的成本，使传统金融不得不撤销凳子，真正回归“便捷、对称、互动、普惠”这一信息化时代的特点，充分展现出其创新强、覆盖广、成本低、效率高等特性。金融的核心能力是议价能力和风险定价。客户金融产品个性化和定制化的需求在传统金融中操作难度较大，需要消耗巨大的成本。通过互联网金融，金融产品或服务尊重客户体验，以客户为导向，反向进行相应的产品开发，为客户提供个性化的增值服务，将金融化于无形，去中介化，通过交互式营销，这些操作只需要用指尖点击鼠标或者用指尖触摸手机即可完成。称为"指尖金融”。

今年暑假，有幸与几个同学组织了闻融互联社会实践队，实践的主题是考察互联网金融的未来发展，重点考察了P2P代表公司红岭创投、O2O代表公司深圳淘金山公司，互联网大数据挖掘及网络安全公司深圳广道高新技术有限公司、互联网股权投融资平台的深圳众投邦公司、提供小微金融理财服务信贷工厂的联金所、创新型互联网抵押贷款平台钱来网公司，通过调研并在各个方面搜集资料，认识到目前金融已经实现大跨越的发展，传统的金融从交易各方存在的信息不对称，消费者需要金融机构的实体网点进行操作，发展到互联网金融供求各方的信息获取趋于相对对等透明，通过互联网技术在金融领域的应用，跨越了实践和空间的限制，彻底改变了“凳子金融”的运行操作模式。互联网金融利用数据云计算通过设定的各种风控模型，寻找相应的客户群体，快速进行决策，降低服务成本，改善服务效率，提高服务的覆盖面，使供求各方信息沟通突破了地域和时间的限制，各方真正实现了资金的对接。

现代金融发展从“凳子金融”到“指尖金融”的跨时代的演化，形式改变了，但金融的核心本质-信用与风险却没有改变。互联网金融依托大数据、云计算等互联网技术使数据信息更及时、更透明、更多元、更动态、更可靠，对金融需求双方的信息对称和交流作用凸现，使需求双方匹配的时间、空间更广、更宽、更分散，金融风险匹配和防范能力更强，信用识别效率更高。解决市场主体之间信息不对称的历史难题，更为高效便捷地实现数据分析、信息透明、资源整合，给“凳子金融”生态圈带来了翻天覆地的变化。刹那间，“指尖金融”成为掘金利器，各路精英云集，各种新概念频生，各种模式呈现，各种平台云起，欣欣向荣的景象，难免也出现各种乱象，坏账、跑路、破产等等问题，究其根本是对风险的无所敬畏。 “指尖金融”的风险究竟有哪些？ 同属于金融领域，相对于“凳子金融”，但发生的诱因、形式等不同，主要有一下几个方面：

（1）信用风险：借款方不愿意或者无力履约造成未能及时或者足额偿还而违约的可能性；

（2）道德风险：企业内部欺诈、流程不完善漏洞、员工违规操作等；

（3）交易风险：交易操作风险；

（4）技术风险：于经营的平台信息技术系统发生故障，使得系统失灵或者业务中断不能保证交易有效、及时、有序、顺利进行；

（5）监管风险：由于国家监管或者政策法规，自律性的组织制定等各类规定涉及的可能遭受到的法律或者监管的处罚从而造成的重大财务损失风险；

（6）市场风险：未预料或者对市场利率、国际汇率、借款企业或个人经营的行业市场波动进而未能有相应的应对措施的潜在风险。

金融服务的本质在于收益实现的延迟性，与普通的商品交换不同，在商品交易交换、支付完成以后，收益立刻体现，即使存在赊销方式，也是金融服务的范围。正是由于这种本金归还的延迟性，就形成风险后置，所以就必须搭建相应的风控系统。针对上述的信用、道德、市场、政策、监管、技术等风险，设定相应的风控体系。

目前国内的各家平台的风控体系良莠不齐，针对不同的平台运营模式（表现为纯线上模式，线上线下相结合模式，线下债权模式、公益模式等）可以归为下面几种风控形式：信用认证包括信用报告等；引入保险模式、机构担保或者抵押物、质押物等担保方式；采用风险备用金计划；快标分散风险；债权拆分组合进行转让；平台保证自担风险模式；金融机构信用模式；小额贷款担保模式；同时，为了尽可能降低风险，目前国内主流互联网金融平台大多选择了和专业的第三方风控软件提供商合作的模式，将自有模式和三方结合起来，比如国内的主流互联网金融平台都在使用的风控反欺诈服务。但由于征信系统不开放，假冒猖獗，投资人不成熟，热衷刚性对付，征信不完备，需要作大量的前期工作；引入各种担保模式，难管理，目前企业担保的数百倍于自己净资产的交易，杠杠放大过大；而且目前担保行业也是鱼龙混杂，无异于同床异梦；风险准备金模式很难将不良资产覆盖，而且监管不严会被挪用。看似完美的风控背后也会让人心头一紧。

“指尖金融”作为一个新生事物，自身的发展也存在一个淘汰，去伪存真的过程，我们要从正反两方面辩证的对待，既不能谈“互联网”就色变，把“指尖金融” 看成混乱不堪，不加甄别一巴掌拍死，全面枪毙；另一方面也不能任“指尖金融” 衍生出“草根金融” 放任自由生长，对其风险及控制不理不睬，要认真对待，寻求规范发展的道路，留出足够的空间让其充分生长壮大。同时也要以金融创新和金融重塑的姿态积极推动并对其规范监管和引导，并学习传统金融多年的监管经验，摒弃不足方面，依托互联网技术和思维方式，通过海量的大数据分析和处理，逐步形成适应互联网金融的监管思路体系，从而突破“凳子金融”的监管理念，适应“指尖金融”本身的发展特点和运行规律，为互联网金融的顺利发展保驾护航。

“凳子金融”和“指尖金融”都存在各自的优势和不足，传统金融具有口碑强、多年积累的甄别风险能力、资本、规模效益、客户群体等方面的优势，能够灵活处理各种复杂大额的借款情况，而互联网金融却在数据挖掘和数据积累等方面优势，能够低成本拓展客户和发展业务。二者之间可以取长补短。在金融功能上的优势互补可以有以下几个方面：

一是营销对象的互补。“指尖金融”实际上是对“凳子金融”传统业务较少涉及或服务盲区的领域进行补充。传统金融追求规模经济性，集中将资源分配到对利润贡献大的业务领域，出于成本与风险的考虑，针对中小企业或者次级借款方面由于获取信息成本较高，需要花费较高的人力、物力、时间等各种成本，收益与成本不成比例，从而小微企业扶植力度欠缺。但“指尖金融”规避了这一弊端，成功将“长尾理论”运用到金融业务服务之中，通过互联网技术合理分配资源，提高利用率，弥补这一不足。“指尖金融”凭借其互联网覆盖范围广、操作便利的先天优势，建立具有门槛低、效率高、手续简单特点的融资平台来满足小微企业和次级借款者的融资的实际需求，对“凳子金融”服务范围进行了有效扩展。但在高端客户群体的点对点的个性化全方位服务则是“指尖金融”的短板。

二是思维方式互补。“凳子金融”由于具有独特的牌照优势，更多依赖于雄厚的资本以及口碑以及多年积累的市场资源与监管政策的指导，“酒香不怕巷子深”的思想导致缺乏金融创新的动力。而“指尖金融”以客户为中心，通过分析互联网用户的行为习惯，利用数据分析和处理为客户提供多维度的用户体验，注重创新思维的经营管理模式需要传统金融进行思维方式的转变。从思维方式上看，“指尖金融”与“凳子金融”之间形成一种线上与线下、互联网思维与传统金融理念的优势互补关系。互联网金融业务在运营管理中运用以客户为中心的大数据云计算思维、用户体验思维以及平台交互思维为核心的互联网金融思维。

三是运用技术互补。互联网优化了“凳子金融”服务手段，改变了以本身为主导出发转变为以客户为导向的满足用户需求而服务点对点的资金对接服务手段。“指尖金融”的优势在于可以充分利用云计算和海量大数据分析挖掘技术等手段，通过建立用户、云、产品之间的互动构成了动态、多维的生态系统，从而深入挖掘不同用户消费偏好归纳出个性化需求，跨越时间和空间，为客户带来丰富的多元化产品和完美的用户体验，交易效率大幅提高、交易成本更低、操作更便利。

从上面的介绍和分析，“指尖金融”并不是对“凳子金融”进行毁灭性和颠覆性的变革，而是在大数据云计算的互联网思维方式下进行二者的融合，向着智慧银行方向进行变革。融合可以在以下几个方面进行：

一是数据资源共享。数据资源共享是“凳子金融”与“指尖金融”进行战略合作的前提。互联网金融拥有大量的用户行为、用户习惯、购买行为、交易数据可以通过分析数据获得用户需求，而传统金融对客户群体的资信各种财务数据以及资质状况比较了解。将两者的数据资源进行整合，可以全面地了解各种用户群的相关需求及各种信息，从而对后续产品开发，市场营销等提供更完善的数据。

二是建立共同评级系统。“凳子金融”和“指尖金融”在征信方面有各自不同的评级系统。各方都要花费大量的人力、财力、物力来完成这个数据系统。数据共享以后，信用信息更完备，根据共享资源优势互补重新建认评级系统。通过大数据分析和处理，以较低的成本，高效的分析客户信用评级，拓展客户规模和客户群，提升整个利润空间。

三是发展多元化的金融产品。“凳子金融”与“指尖金融”进行战略合作以后，在金融这个大框架体系下可以从金融理财、供应链金融、小微企业金融、消费金融、农村金融等等多个角度、多维度进行，通过互联网技术金融碎片化的思想，通过产业创新可以实现更多的跨界的多元化金融产品，提高金融覆盖率，促进社会经济的发展。

篇（10）

商户：“这段时间鸡蛋的销量还挺大的，价格也涨了，已经由3.7元涨到4.1元了，比禽流感的时候好多了。那时候价格才3.4元到3.5元，卖得还不多，这时候涨了5、6毛，卖得还多。”

和鸡蛋价格一起上涨的，是市场需求。随着节日临近，“北蛋南运”大大拉动了北方鸡蛋的销售量。在北京一家农贸市场，鸡蛋销售商告诉笔者，这个夏天的鸡蛋市场，呈现出供需两旺的景象。

销售商：“每天需求三万斤左右，比原来多出了两成。”

来自北京水屯市场数据分析：鸡蛋价格在连续上涨半个月后，目前已经恢复平稳的状态。上周鸡蛋批发价维持每箱175到180元，本周略有下降，维持在每箱173到178元。水屯市场分析师师清才认为，现在的鸡蛋行情，达到了养殖、销售、购买三方都能接受的状态。

师清才：“鸡蛋从养殖户那里每箱能达到160元的话，除去人工、运输成本，就处于保本的状态。目前鸡蛋价格是养殖户不亏损，经营户有利润，消费者也能承受住的状态。”

还记得去年夏天，鸡蛋价格也曾出现一轮明显上涨，半个月里涨了近2成，被农民们戏称为“火箭蛋”。养殖户们介绍，每年到了6月份鸡蛋都会涨价。今年是由于上半年禽流感的影响，推迟了鸡蛋涨势。那么，鸡蛋价格涨到头了吗？后期还会继续往上走吗？

8月中旬以后，

鸡蛋价格会上涨

师清才认为，随着节日开始逐渐增多以及天气转凉，8月中旬以后，鸡蛋需求量还会有很大上升空间，势必会带动鸡蛋价格的上涨。

师清才：“由于前期蛋价偏低，有一部分养殖户、养殖场把一些老鸡淘汰掉了，蛋鸡产蛋量下降。到8月下旬，可能南方过节，用蛋量增加，另外，等到9月1号，各大高校开学时，鸡蛋消费会增加，价格也会有所上扬。目前鸡蛋价格恢复上来，短时间依然会是波动稳定的状态。”

分析师建议：成立农村合作社，增强抵御市场风险能力