基于混頻數(shù)據(jù)的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)測度及預(yù)測研究

劉 敏 任鐘媛 周德才 呂英超

(南昌大學(xué)經(jīng)濟(jì)管理學(xué)院)

1 研究背景

互聯(lián)網(wǎng)金融是融合互聯(lián)網(wǎng)精神，以互聯(lián)網(wǎng)為平臺和互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)的新金融業(yè)態(tài)[1]，可去除交易中介化，降低信息不對稱，擴(kuò)大市場參與主體，拓寬傳統(tǒng)金融邊界，優(yōu)化資源配置效率和緩解金融排斥現(xiàn)象[2, 3]?；ヂ?lián)網(wǎng)金融模式主要有傳統(tǒng)金融延伸模式、第三方支付、數(shù)字貨幣、互聯(lián)網(wǎng)借貸、互聯(lián)網(wǎng)理財(cái)和金融科技等[4]。中國互聯(lián)網(wǎng)金融于2013年步入發(fā)展快車道，互聯(lián)網(wǎng)理財(cái)和互聯(lián)網(wǎng)借貸一度成為互聯(lián)網(wǎng)金融的核心業(yè)務(wù)。然而，伴隨著互聯(lián)網(wǎng)金融的迅猛發(fā)展，市場運(yùn)行機(jī)制不健全、金融監(jiān)管體系缺失等問題逐漸顯現(xiàn)，行業(yè)風(fēng)險(xiǎn)激增，給金融監(jiān)管工作帶來了新的挑戰(zhàn)。如截至2021年，互聯(lián)網(wǎng)借貸平臺有近5 000億未兌付資金，因P2P暴雷遭受損失的投資人超過3.2億，存量風(fēng)險(xiǎn)處置工作任重道遠(yuǎn)。2020年底，“螞蟻金服”上市被叫停，引起了市場的恐慌和擔(dān)憂[5]。

互聯(lián)網(wǎng)金融高度依賴信息技術(shù)，是信息技術(shù)驅(qū)動與金融創(chuàng)新相融合的產(chǎn)物，是中國金融數(shù)字化轉(zhuǎn)型和金融科技創(chuàng)新的落腳點(diǎn)，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)是傳統(tǒng)金融風(fēng)險(xiǎn)、信息技術(shù)風(fēng)險(xiǎn)和新型金融風(fēng)險(xiǎn)的共同體現(xiàn)。為提高中國金融風(fēng)險(xiǎn)監(jiān)管效率，拓展金融風(fēng)險(xiǎn)理論和金融風(fēng)險(xiǎn)測度理論，豐富金融科技創(chuàng)新和信息技術(shù)安全的交叉科學(xué)研究，本研究從互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)特征出發(fā)，構(gòu)建互聯(lián)網(wǎng)金融混頻風(fēng)險(xiǎn)指標(biāo)體系；隨后將頻率轉(zhuǎn)化法和因子分析法相結(jié)合，系統(tǒng)性測度互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平；最后對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)因素、風(fēng)險(xiǎn)特征和風(fēng)險(xiǎn)預(yù)測等內(nèi)容展開深入分析。

2 文獻(xiàn)回顧與理論分析

傳統(tǒng)金融風(fēng)險(xiǎn)測度研究成果豐富，較為常見的測度方法有模型測度法和指數(shù)測度法，前者難以全面體現(xiàn)風(fēng)險(xiǎn)來源，后者則可綜合金融系統(tǒng)多種風(fēng)險(xiǎn)信息，可用于對系統(tǒng)性風(fēng)險(xiǎn)的測度和識別[6, 7]。與傳統(tǒng)金融風(fēng)險(xiǎn)測度研究具有一定的深度和廣度不同，以互聯(lián)網(wǎng)金融為代表的金融創(chuàng)新風(fēng)險(xiǎn)研究仍主要停留在定性分析階段。從量化研究來看，XU等[8]從互聯(lián)網(wǎng)金融、傳統(tǒng)金融和宏觀政策等維度，構(gòu)建了互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)網(wǎng)絡(luò)系統(tǒng)，分析互聯(lián)網(wǎng)金融系統(tǒng)性風(fēng)險(xiǎn)的形成過程。張子豪等[9]基于層次分析法，區(qū)分風(fēng)險(xiǎn)指標(biāo)在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)形成中的重要程度。塔琳[10]構(gòu)建了互聯(lián)網(wǎng)金融系統(tǒng)性風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，并測算系統(tǒng)性風(fēng)險(xiǎn)水平。以上研究多從多源風(fēng)險(xiǎn)信息入手，通過提取風(fēng)險(xiǎn)指數(shù)或識別風(fēng)險(xiǎn)因素來刻畫互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的變化，但實(shí)證分析中存在風(fēng)險(xiǎn)指標(biāo)統(tǒng)計(jì)頻度較低、系統(tǒng)性和科學(xué)性不足等問題，風(fēng)險(xiǎn)度量的時(shí)效性和有效性有待提升。

王國剛等[11]首次從功能、機(jī)制和發(fā)展層面深度辨析了中國互聯(lián)網(wǎng)金融的本質(zhì)特征，提出互聯(lián)網(wǎng)金融在功能上并無顛覆金融的可能。因此，互聯(lián)網(wǎng)金融的本質(zhì)屬性仍是“金融”，具有金融風(fēng)險(xiǎn)的順周期特征和相互傳導(dǎo)特征。首先，金融行業(yè)易遭受宏觀經(jīng)濟(jì)的沖擊，行業(yè)風(fēng)險(xiǎn)特征與宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)特征相似，經(jīng)濟(jì)的擴(kuò)張和收縮會顯著影響金融機(jī)構(gòu)的資產(chǎn)負(fù)債狀況[12]，也會通過企業(yè)的財(cái)務(wù)狀況、投資者信心等因素影響金融風(fēng)險(xiǎn)水平[13, 14]。其次，金融資源和信息的高度流動加速了金融風(fēng)險(xiǎn)跨市傳導(dǎo)的可能，根據(jù)“經(jīng)濟(jì)基礎(chǔ)假說”，宏觀經(jīng)濟(jì)是理性投資者制定投資策略的主要依據(jù)，而一國金融市場受共同宏觀經(jīng)濟(jì)因素牽引，極易出現(xiàn)風(fēng)險(xiǎn)的相互傳導(dǎo)[15]；此外，根據(jù)“風(fēng)險(xiǎn)傳染假說”，某一金融市場的波動會通過羊群效應(yīng)蔓延至其他金融市場[16]。

互聯(lián)網(wǎng)金融是“互聯(lián)網(wǎng)+金融”的產(chǎn)物，其自身也存在金融創(chuàng)新發(fā)展的不確定性和不穩(wěn)定性[2]。因此，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)具有更復(fù)雜的構(gòu)成要素和生成機(jī)制，在風(fēng)險(xiǎn)來源和風(fēng)險(xiǎn)特征上有別于傳統(tǒng)金融。首先，互聯(lián)網(wǎng)金融以互聯(lián)網(wǎng)行業(yè)發(fā)展和互聯(lián)網(wǎng)技術(shù)進(jìn)步為前提保障，互聯(lián)網(wǎng)行業(yè)遭受沖擊和技術(shù)發(fā)展滯后會給互聯(lián)網(wǎng)金融發(fā)展埋下巨大的安全隱患[17]。傳統(tǒng)金融是線上和線下相結(jié)合的運(yùn)作模式，而互聯(lián)網(wǎng)金融則完全依賴互聯(lián)網(wǎng)技術(shù)，對信息系統(tǒng)安全提出了更高的要求。其次，互聯(lián)網(wǎng)金融發(fā)展歷程較短，發(fā)展模式仍在演進(jìn)，金融實(shí)踐和監(jiān)管處于探索和平衡階段，在監(jiān)管體系、市場機(jī)制、法律制度等方面有待完善，加之行業(yè)的交叉屬性和長尾客戶的社會化特征，使得風(fēng)險(xiǎn)變化的軌跡難尋。

基于此，本研究充分結(jié)合互聯(lián)網(wǎng)金融與傳統(tǒng)金融在風(fēng)險(xiǎn)特征上的共性和異性，從互聯(lián)網(wǎng)金融的本質(zhì)屬性、技術(shù)依賴及行業(yè)特征出發(fā)，對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)展開系統(tǒng)性測度和預(yù)測研究。本研究的邊際貢獻(xiàn)體現(xiàn)在：①首次構(gòu)建了互聯(lián)網(wǎng)金融日度風(fēng)險(xiǎn)指數(shù)，實(shí)現(xiàn)了對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的實(shí)時(shí)、系統(tǒng)性測度，并在此基礎(chǔ)上深入挖掘互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的變化規(guī)律，進(jìn)一步實(shí)現(xiàn)了對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的有效預(yù)測，彌補(bǔ)了金融創(chuàng)新系統(tǒng)性風(fēng)險(xiǎn)測度和預(yù)測研究的不足，豐富了金融風(fēng)險(xiǎn)測度理論；②科學(xué)識別了互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)因素，在風(fēng)險(xiǎn)指標(biāo)選取上，除了考慮經(jīng)濟(jì)、金融因素外，還融入了反映信息技術(shù)安全和互聯(lián)網(wǎng)行業(yè)發(fā)展的風(fēng)險(xiǎn)指標(biāo)，并通過模型分析識別互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的關(guān)鍵引致因素，既彌補(bǔ)了金融創(chuàng)新風(fēng)險(xiǎn)因素識別研究的不足，也豐富了金融風(fēng)險(xiǎn)理論。

3 研究設(shè)計(jì)

3.1 研究內(nèi)容

本研究通過對以下內(nèi)容的科學(xué)思考來拓展已有研究的深度和廣度，為提升中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)管理水平提供參考。①測度互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平。充分發(fā)揮混頻數(shù)據(jù)異質(zhì)信息優(yōu)勢，從宏觀經(jīng)濟(jì)、傳統(tǒng)金融行業(yè)、互聯(lián)網(wǎng)行業(yè)和互聯(lián)網(wǎng)金融行業(yè)等4個(gè)維度，構(gòu)建季度、月度、周度和日度等混頻數(shù)據(jù)集，以測度互聯(lián)網(wǎng)金融日度風(fēng)險(xiǎn)水平，提高風(fēng)險(xiǎn)測度的時(shí)效性和準(zhǔn)確性。②識別互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)引致因素。通過計(jì)算因子得分矩陣對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的引致因素進(jìn)行識別，并辨析不同風(fēng)險(xiǎn)來源在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)形成過程中的重要程度。③挖掘互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)變化規(guī)律。利用馬爾可夫區(qū)制轉(zhuǎn)換模型區(qū)分互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的區(qū)制狀態(tài)，計(jì)算不同風(fēng)險(xiǎn)區(qū)制的狀態(tài)概率、轉(zhuǎn)移概率、狀態(tài)持續(xù)期等區(qū)制變化特征，挖掘互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)變化規(guī)律。④預(yù)測中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平。參考風(fēng)險(xiǎn)區(qū)制變化特征，以構(gòu)建的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)為基礎(chǔ)，采用固定系數(shù)法和滾動預(yù)測法，對中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)進(jìn)行樣本外預(yù)測，以指導(dǎo)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防范。

3.2 研究模型

本研究采用動態(tài)因子模型提取混頻變量中不可觀測的潛在動態(tài)因子，即互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)。該模型假設(shè)提取的動態(tài)因子服從AR(p)過程，并可解釋多維變量的共同運(yùn)動?？紤]如下K維p階滯后的動態(tài)因子模型：

(1)

(2)

式中，t為時(shí)間，t=1,2,…,T;xit為風(fēng)險(xiǎn)指標(biāo)，i=1,2,…,K；ft為潛在動態(tài)風(fēng)險(xiǎn)因子；βi、α1、α2和αp為待估參數(shù)；εit和μt為白噪聲。式(1)為量測方程，式(2)為狀態(tài)方程。STOCK等[18]將動態(tài)因子模型表達(dá)成狀態(tài)空間模型，利用卡爾曼濾波進(jìn)行參數(shù)估計(jì)。動態(tài)因子模型可提取風(fēng)險(xiǎn)指標(biāo)中的共同風(fēng)險(xiǎn)因子，是金融風(fēng)險(xiǎn)測度常用的方法之一[19, 20]。為更好地指導(dǎo)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)測度，參考ABOURA等[20]的做法，此處提取一個(gè)動態(tài)風(fēng)險(xiǎn)因子。

動態(tài)因子模型適用于對同頻數(shù)據(jù)分析，而本研究采用混合頻率風(fēng)險(xiǎn)變量，因此，在模型估計(jì)前，利用Litterman 頻率轉(zhuǎn)換法將低頻數(shù)據(jù)轉(zhuǎn)換成日度高頻數(shù)據(jù)，以提取高頻風(fēng)險(xiǎn)因子，從而提高風(fēng)險(xiǎn)監(jiān)測的時(shí)效性。Litterman 頻率轉(zhuǎn)換法采用全局插值法，利用狀態(tài)空間模型方法求解[21]。相較于混頻建模方法，Litterman 頻率轉(zhuǎn)換的優(yōu)勢在于，可對低頻流量變量、存量變量和指數(shù)變量的特征進(jìn)行區(qū)分和識別，從而在一定程度上規(guī)避混頻計(jì)量模型的估計(jì)失誤和實(shí)際意義解釋的不足。通過計(jì)算平均相對誤差，張春華等[22]驗(yàn)證了經(jīng)Litterman 頻率轉(zhuǎn)換后得到的高頻時(shí)序，可以客觀準(zhǔn)確地?cái)M合低頻時(shí)序的波動特征和變化趨勢，因此保障了風(fēng)險(xiǎn)測度的有效性。假設(shè)低頻序列yk，k=1,2,…,N，經(jīng)Litterman頻率轉(zhuǎn)換后的高頻序列為xt，t=1,2,…,T，T>N，xt為待估高頻數(shù)據(jù)插值序列，zt是與xt相關(guān)的已知的高頻序列，可建立如下方程：

xt=βzt+μt，

(3)

式中，β是待估參數(shù)；μt=μt-1+εt，εt～N(0,V)，εt=ρεt-1+δt，設(shè)定初始條件為：μt=0。當(dāng)?shù)皖l變量為平穩(wěn)時(shí)序時(shí)，式(3)可以省去解釋變量[22]。為進(jìn)行參數(shù)估計(jì)，對xt設(shè)置如下約束條件：

(4)

對于低頻數(shù)據(jù)yk對應(yīng)的時(shí)間點(diǎn)k而言，ak和bk分別為與k對應(yīng)的高頻數(shù)據(jù)的起點(diǎn)和終點(diǎn)。如yk為周度低頻序列，欲將其轉(zhuǎn)換成日度高頻序列xt，假設(shè)k=1，則ak表示第1周的星期一，bk表示第1周的星期日；假設(shè)k=2，則ak表示第2周的星期一，bk表示第2周的星期日；如yk為季度低頻序列，欲將其轉(zhuǎn)換成月度高頻序列xt，對于第一季度而言，ak表示一月，bk表示三月，對于第二季度而言，ak表示四月，bk表示六月。

在數(shù)據(jù)轉(zhuǎn)換過程中，式(4)的參數(shù)設(shè)定由數(shù)據(jù)類型來決定，本研究以季度序列向月度序列轉(zhuǎn)換為例進(jìn)行說明。在對流量變量高頻轉(zhuǎn)換時(shí)，設(shè)定n=1，且每個(gè)季度所對應(yīng)的月度值之和等于該季度值，如第一季度進(jìn)行高頻轉(zhuǎn)換后的一月、二月和三月的月度值之和恰好等于第一季度的值；在對存量變量高頻轉(zhuǎn)換時(shí)，設(shè)定n=1，且每個(gè)季度所對應(yīng)的月度值的終點(diǎn)值等于該季度值，如第一季度進(jìn)行高頻轉(zhuǎn)換后得到的三月(終點(diǎn)值)的月度值恰好等于第一季度的值；在對指數(shù)變量高頻轉(zhuǎn)換時(shí)，假設(shè)低頻期包含N個(gè)高頻期，則設(shè)定n=1/N，且每個(gè)季度所對應(yīng)的月度值的平均值等于該季度值，如第一季度進(jìn)行高頻轉(zhuǎn)換后的一月、二月和三月的月度值的平均值恰好等于第一季度的值。

3.3 指標(biāo)選擇和數(shù)據(jù)來源

綜合考慮互聯(lián)網(wǎng)金融與傳統(tǒng)金融風(fēng)險(xiǎn)特征的共性和異性，構(gòu)建中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)混頻指標(biāo)體系。從宏觀經(jīng)濟(jì)、傳統(tǒng)金融行業(yè)、互聯(lián)網(wǎng)行業(yè)、互聯(lián)網(wǎng)金融行業(yè)等維度出發(fā)，以指標(biāo)可被獲取，具有客觀性、代表性和有效性為選取原則，具體如下(見表1)(1)本研究中經(jīng)濟(jì)政策不確定性數(shù)據(jù)來自http://www.policyuncertainty.com/global_monthly.html，其余數(shù)據(jù)均來自Wind數(shù)據(jù)庫。。

(1)宏觀經(jīng)濟(jì)宏觀經(jīng)濟(jì)對互聯(lián)網(wǎng)金融的沖擊主要來自于經(jīng)濟(jì)增長和經(jīng)濟(jì)不確定性兩個(gè)方面。當(dāng)經(jīng)濟(jì)運(yùn)行良好時(shí)，微觀主體的金融服務(wù)需求上升，有利于互聯(lián)網(wǎng)金融的平穩(wěn)發(fā)展；當(dāng)經(jīng)濟(jì)不確定性加大時(shí)，金融市場的整體流動性降低，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)加大?；诖?，用反映經(jīng)濟(jì)增長的工業(yè)增加值和反映經(jīng)濟(jì)不確定性的經(jīng)濟(jì)政策不確定性[23]兩組指標(biāo)，作為宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)的代理變量。

表1 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指標(biāo)體系及描述

(2)傳統(tǒng)金融行業(yè)中國金融市場的運(yùn)行機(jī)制有待完善，利率走廊尚未建成，傳統(tǒng)金融機(jī)構(gòu)仍面臨著“強(qiáng)監(jiān)管”，在此背景下，信用風(fēng)險(xiǎn)和流動性風(fēng)險(xiǎn)是金融機(jī)構(gòu)面臨的主要風(fēng)險(xiǎn)類型，并會通過經(jīng)濟(jì)基本面和非理性因素等渠道傳導(dǎo)至互聯(lián)網(wǎng)金融行業(yè)。因此，本研究從傳統(tǒng)金融行業(yè)信用風(fēng)險(xiǎn)和流動性風(fēng)險(xiǎn)出發(fā)，將銀行不良貸款率和TED利差作為傳統(tǒng)金融行業(yè)風(fēng)險(xiǎn)指標(biāo)的代理變量，其中，銀行不良貸款率是金融機(jī)構(gòu)信用風(fēng)險(xiǎn)的體現(xiàn)，TED利差(3個(gè)月銀行同業(yè)拆借利率和3個(gè)月國債收益率之差)則反映了金融機(jī)構(gòu)的流動性壓力。

(3)互聯(lián)網(wǎng)行業(yè)互聯(lián)網(wǎng)金融的發(fā)展離不開互聯(lián)網(wǎng)行業(yè)的發(fā)展和互聯(lián)網(wǎng)技術(shù)的進(jìn)步，因此，從互聯(lián)網(wǎng)金融對互聯(lián)網(wǎng)行業(yè)發(fā)展和技術(shù)進(jìn)步的依賴特征出發(fā)，選擇移動互聯(lián)網(wǎng)戶均流量和新增網(wǎng)絡(luò)安全處理事件數(shù)，作為互聯(lián)網(wǎng)行業(yè)風(fēng)險(xiǎn)指標(biāo)的代理變量。需要說明的是，本研究之所以選擇移動互聯(lián)網(wǎng)戶均流量來體現(xiàn)互聯(lián)網(wǎng)行業(yè)的發(fā)展?fàn)顩r，是因?yàn)橹袊ヂ?lián)網(wǎng)行業(yè)已經(jīng)實(shí)現(xiàn)了從傳統(tǒng)PC互聯(lián)網(wǎng)時(shí)代向移動互聯(lián)網(wǎng)時(shí)代的過渡。

(4)互聯(lián)網(wǎng)金融行業(yè)互聯(lián)網(wǎng)金融行業(yè)風(fēng)險(xiǎn)主要由互聯(lián)網(wǎng)金融平臺經(jīng)營風(fēng)險(xiǎn)、行業(yè)發(fā)展風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)3個(gè)部分組成。網(wǎng)絡(luò)借貸是中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的主要來源，P2P問題平臺反映了互聯(lián)網(wǎng)金融平臺經(jīng)營風(fēng)險(xiǎn)。金融資產(chǎn)價(jià)格的波動可刻畫市場風(fēng)險(xiǎn)水平，互聯(lián)網(wǎng)金融市場風(fēng)險(xiǎn)可由二級市場上市公司股價(jià)的波動率予以衡量。余額寶是中國最具代表性互聯(lián)網(wǎng)金融產(chǎn)品，其發(fā)展規(guī)?？稍谝欢ǔ潭确从郴ヂ?lián)網(wǎng)金融的發(fā)展?fàn)顩r。因此，本研究用累計(jì)P2P問題平臺數(shù)、互聯(lián)網(wǎng)金融指數(shù)波動率和余額寶規(guī)模作為互聯(lián)網(wǎng)金融行業(yè)風(fēng)險(xiǎn)指標(biāo)的代理變量。

對表1的風(fēng)險(xiǎn)指標(biāo)作如下兩點(diǎn)說明：①中國P2P平臺于2020年完成清退，相關(guān)數(shù)據(jù)停止公布，清退后的數(shù)據(jù)沿用清退前最后一期數(shù)據(jù)，不再發(fā)生變動；②互聯(lián)網(wǎng)金融指數(shù)波動率為GJRGARCH(1,1)-ST估計(jì)的中證互聯(lián)網(wǎng)金融行業(yè)指數(shù)條件波動率，參考LIU等[24]的做法，采用偏t分布捕捉金融時(shí)序的非正態(tài)特征，采用GJRGARCH捕捉金融時(shí)序的非對稱效應(yīng)，GJRGARCH(1,1)-ST模型具體的估計(jì)步驟和方法可參閱LIU等[24]的研究，此處不再贅述。

基于數(shù)據(jù)的可得性，本研究樣本區(qū)間為2014年1月1日～2022年3月31日，包含33個(gè)季度、99個(gè)月度、435個(gè)周度以及2 151個(gè)交易日度數(shù)據(jù)。對各變量進(jìn)行平穩(wěn)性檢驗(yàn)，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性、不良貸款率、移動互聯(lián)網(wǎng)戶均流量、累計(jì)P2P問題平臺數(shù)、余額寶規(guī)模等變量為一階平穩(wěn)序列，其余變量均為平穩(wěn)時(shí)序；除日度變量外，其余頻率變量均被認(rèn)為是低頻變量，需要進(jìn)行高頻轉(zhuǎn)換。

表1 構(gòu)建的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指標(biāo)體系，共包含季度、月度、周度和日度共4個(gè)頻率的9組變量。在進(jìn)行模型估計(jì)前，對數(shù)據(jù)進(jìn)行如下處理：①采用插值法補(bǔ)齊各變量的缺失值；②對月度和季度變量進(jìn)行X-12季節(jié)性調(diào)整；③對非平穩(wěn)低頻時(shí)序取一階差分以實(shí)現(xiàn)平穩(wěn)；④采用Litterman 頻率轉(zhuǎn)換對低頻變量同頻化處理；⑤對同頻變量進(jìn)行標(biāo)準(zhǔn)化處理。

4 實(shí)證結(jié)果與分析

4.1 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)測度

4.1.1風(fēng)險(xiǎn)指數(shù)

為更好地反映風(fēng)險(xiǎn)因子的動態(tài)變換，在對動態(tài)因子模型估計(jì)時(shí)，將狀態(tài)方程滯后階數(shù)設(shè)定為二階，考慮到對數(shù)據(jù)進(jìn)行過標(biāo)準(zhǔn)化處理，量測方程不包含常數(shù)項(xiàng)。量測方程的估計(jì)結(jié)果見表2。由表2可知，除TED利差和新增網(wǎng)絡(luò)安全處理事件數(shù)外，其余風(fēng)險(xiǎn)變量均可由動態(tài)風(fēng)險(xiǎn)因子解釋，提取的風(fēng)險(xiǎn)因子可反映風(fēng)險(xiǎn)指標(biāo)體系中的大部分風(fēng)險(xiǎn)信息。除工業(yè)增加值外，其余風(fēng)險(xiǎn)因子系數(shù)均為正，表明宏觀經(jīng)濟(jì)增速放緩是互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的來源，互聯(lián)網(wǎng)金融具有順周期特征。網(wǎng)絡(luò)借貸問題平臺數(shù)、銀行不良貸款率、互聯(lián)網(wǎng)金融指數(shù)波動、經(jīng)濟(jì)政策不確定性的增加會加大互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)；同時(shí)，移動互聯(lián)網(wǎng)戶均流量和余額寶規(guī)模的擴(kuò)大會進(jìn)一步引發(fā)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)，說明在市場秩序和監(jiān)管體系尚未成熟時(shí)，行業(yè)的盲目擴(kuò)張是互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的引致因素。

表2 混頻動態(tài)因子量測方程系數(shù)估計(jì)結(jié)果

圖1 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)與風(fēng)險(xiǎn)感知指數(shù)

基于混頻數(shù)據(jù)的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)見圖1。由圖1可見，中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平總體呈下降趨勢，主要經(jīng)歷了2014～2016年行業(yè)“野蠻”擴(kuò)張帶來的高風(fēng)險(xiǎn)持續(xù)期，2018～2019年P(guān)2P“暴雷潮”、資管新規(guī)和中美貿(mào)易摩擦，以及2020～2021年P(guān)2P清退、“螞蟻金服”暫緩上市、新冠疫情等事件沖擊下的風(fēng)險(xiǎn)抬升期。去除行業(yè)“野蠻”發(fā)展亂象后，互聯(lián)網(wǎng)金融的“金融”本質(zhì)顯現(xiàn)，風(fēng)險(xiǎn)引致因素與宏觀經(jīng)濟(jì)、傳統(tǒng)金融逐步并軌。如在2018年的資管新規(guī)下，商業(yè)銀行不良貸款率打破多年平穩(wěn)期快速上升，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)也有所抬升。自2019底開始，在新冠疫情爆發(fā)和逆全球化思潮抬頭的雙重壓力之下，中國經(jīng)濟(jì)發(fā)展遭遇到百年未有之大變局，隨著2020年一季度經(jīng)濟(jì)增速的大幅下滑和金融行業(yè)不良貸款率的快速攀升，互聯(lián)網(wǎng)金融系統(tǒng)性風(fēng)險(xiǎn)一度加大。然而，與線下金融業(yè)務(wù)受制于疫情管控政策不同，網(wǎng)上銀行、第三方支付等線上金融業(yè)務(wù)需求呈現(xiàn)爆發(fā)性增長，為互聯(lián)網(wǎng)金融發(fā)展帶來了新契機(jī)，風(fēng)險(xiǎn)指數(shù)快速回落。2020年底，中國宏觀經(jīng)濟(jì)增速回升，商業(yè)銀行不良貸款率回落，傳統(tǒng)金融行業(yè)快速復(fù)蘇；但由于2020年下半年中國P2P平臺清退后巨額存量風(fēng)險(xiǎn)尚未化解，疊加“螞蟻金服”暫緩上市事件，引發(fā)了投資者對互聯(lián)網(wǎng)金融發(fā)展的擔(dān)憂，互聯(lián)網(wǎng)金融指數(shù)大幅下跌，市場波動加劇，致使風(fēng)險(xiǎn)指數(shù)于2020年底開始攀升?？傮w而言，隨著行業(yè)的發(fā)展和監(jiān)管的成熟，互聯(lián)網(wǎng)金融發(fā)展亂象去除后，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)呈下降趨勢，行業(yè)的順周期性及與傳統(tǒng)金融行業(yè)的風(fēng)險(xiǎn)共振和業(yè)務(wù)互補(bǔ)效應(yīng)日趨顯現(xiàn)。本研究構(gòu)建的風(fēng)險(xiǎn)指數(shù)較好地?cái)M合了互聯(lián)網(wǎng)金融發(fā)展歷程及風(fēng)險(xiǎn)變化特征。

4.1.2指數(shù)有效性進(jìn)一步檢驗(yàn)

市場主體的網(wǎng)絡(luò)搜索數(shù)據(jù)可量化風(fēng)險(xiǎn)感知，客觀地反映市場風(fēng)險(xiǎn)水平，并指導(dǎo)市場參與者行為[25]。本研究運(yùn)用爬蟲技術(shù)獲取百度互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)日度搜索大數(shù)據(jù)，采用主成分分析法合成互聯(lián)網(wǎng)風(fēng)險(xiǎn)感知指數(shù)，通過測度互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)感知指數(shù)與互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)的相關(guān)性，來檢驗(yàn)風(fēng)險(xiǎn)指數(shù)的有效性，具體過程如下：①初選關(guān)鍵詞。采用直接取詞法和范圍取詞法，以“互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)”“P2P跑路”等為中心詞，通過大量閱讀文獻(xiàn)、網(wǎng)頁新聞等海選關(guān)鍵詞，剔除未被百度指數(shù)收錄的關(guān)鍵詞，進(jìn)一步使用百度指數(shù)需求圖譜對剩余關(guān)鍵詞進(jìn)行擴(kuò)充和調(diào)整，最終初步確定了110個(gè)風(fēng)險(xiǎn)感知變量。②確定關(guān)鍵詞。根據(jù)客觀性、代表性、重要性、有效性等原則，采用小組討論法、主觀選詞法、專家打分法等，最終選定“P2P跑路”“支付寶安全嗎”“余額寶可靠嗎”等10個(gè)風(fēng)險(xiǎn)感知變量。③合成風(fēng)險(xiǎn)感知指數(shù)。采用主成分分析法對風(fēng)險(xiǎn)感知變量做降維處理，通過計(jì)算風(fēng)險(xiǎn)感知變量綜合得分系數(shù)得到風(fēng)險(xiǎn)感知變量權(quán)重，合成互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)感知指數(shù)。

互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)感知指數(shù)見圖1。由圖1可知，風(fēng)險(xiǎn)感知指數(shù)呈明顯的下降趨勢，與互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)同步性較好，如風(fēng)險(xiǎn)感知指數(shù)自2014年快速上升，在2015年至全局高位，2018、2020年均出現(xiàn)局部高位。進(jìn)一步測算相關(guān)系數(shù)發(fā)現(xiàn)，二者同期相關(guān)系數(shù)為0.715，說明二者高度相關(guān)，再次驗(yàn)證了互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指數(shù)的有效性；此外，二者跨期相關(guān)系數(shù)在滯后兩個(gè)月左右最高，說明市場風(fēng)險(xiǎn)感知存在一定的滯后，風(fēng)險(xiǎn)約兩個(gè)月左右被市場完全感知。

4.2 風(fēng)險(xiǎn)因素識別

動態(tài)因子模型無法獲知風(fēng)險(xiǎn)指標(biāo)對風(fēng)險(xiǎn)因子的影響程度，參考周德才等[26]的做法，采用回歸分析法計(jì)算因子得分，以進(jìn)一步識別風(fēng)險(xiǎn)因素，用同頻化、標(biāo)準(zhǔn)化處理后的日度變量對動態(tài)因子進(jìn)行ft=A×Xt回歸估計(jì)，ft為提取的風(fēng)險(xiǎn)因子，Xt表示風(fēng)險(xiǎn)指標(biāo)，A為標(biāo)準(zhǔn)化系數(shù)，用于代表風(fēng)險(xiǎn)指標(biāo)的因子得分?；貧w估計(jì)結(jié)果見表3。

表3 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)指標(biāo)因子得分

由表3可知，除TED利差和新增網(wǎng)絡(luò)安全處理事件數(shù)外，其他變量均會不同程度地影響風(fēng)險(xiǎn)因子。商業(yè)銀行不良貸款率、P2P問題平臺數(shù)、互聯(lián)網(wǎng)金融指數(shù)波動、互聯(lián)網(wǎng)金融行業(yè)規(guī)模等指標(biāo)對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)變化的解釋程度，分別為88.3%、72.5%、53.9%和30.8%，說明中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)與傳統(tǒng)金融機(jī)構(gòu)經(jīng)營風(fēng)險(xiǎn)、互聯(lián)網(wǎng)金融平臺經(jīng)營風(fēng)險(xiǎn)、互聯(lián)網(wǎng)金融市場風(fēng)險(xiǎn)和互聯(lián)網(wǎng)金融行業(yè)規(guī)模有關(guān)。指標(biāo)的不顯著一方面可能是因?yàn)樽兞窟x取存在片面性，另一方面也說明指標(biāo)對互聯(lián)網(wǎng)金融造成的沖擊較小。網(wǎng)絡(luò)安全事件雖具有爆發(fā)性，但隨著信息技術(shù)的普及、安全意識的加強(qiáng)和監(jiān)管體系的完善，網(wǎng)絡(luò)安全事件的影響相對分散且持續(xù)性較弱。傳統(tǒng)信貸市場承擔(dān)了為實(shí)體經(jīng)濟(jì)造血的功能，經(jīng)過多年的實(shí)踐，其利率形成機(jī)制日趨成熟。而互聯(lián)網(wǎng)金融借貸市場主要為長尾客戶提供資金融通，市場整體風(fēng)險(xiǎn)水平較高，市場功能及風(fēng)險(xiǎn)水平的不同，導(dǎo)致互聯(lián)網(wǎng)金融借貸市場的定價(jià)過程與傳統(tǒng)金融信貸市場存在差異，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)對傳統(tǒng)金融信貸市場利率敏感性較低，利率傳導(dǎo)效應(yīng)尚不明顯。

4.3 風(fēng)險(xiǎn)區(qū)制特征

為識別中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)變化特征，利用馬爾可夫區(qū)制轉(zhuǎn)換自回歸(MS-AR)模型，對互聯(lián)網(wǎng)金融指數(shù)做進(jìn)一步分析。MS-AR模型用于刻畫經(jīng)濟(jì)金融時(shí)序內(nèi)在生成機(jī)制的轉(zhuǎn)換。時(shí)間序列yt的MS-AR過程如下：

yt=α(St)+β1(St)yt-1+…+βp(St)yt-p+μ(St)，

(5)

式中，β1(St)、βp(St)為自回歸系數(shù)；α(St)為截距項(xiàng)；μ(St)為隨機(jī)擾動項(xiàng)；St為區(qū)制變量，是具有馬爾可夫過程的、不可觀測的離散變量，主要用于反映互聯(lián)網(wǎng)金融在t時(shí)刻所處的風(fēng)險(xiǎn)狀態(tài)。假設(shè)根據(jù)風(fēng)險(xiǎn)程度的不同，將互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)劃分為n個(gè)不同的狀態(tài)，則St的取值區(qū)間為{1,2,…,n}。St具有短期記憶性，St的值取決于t-1時(shí)刻所處的區(qū)制St-1，如從t-1時(shí)刻g狀態(tài)過渡到t時(shí)刻j狀態(tài)的概率P為

P={St=j|St-1=g}=pgj，

∑pgj=1, 且g,j∈{1,2,…,n} 。

(6)

對式(6)進(jìn)行擴(kuò)展，得到狀態(tài)轉(zhuǎn)移概率矩陣為

(7)

下面根據(jù)中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的實(shí)際情況和AIC、HQ、SC等信息準(zhǔn)則，確定狀態(tài)個(gè)數(shù)、狀態(tài)依賴以及滯后階數(shù)，最終使用MSIAH(2)-AR(2)二階滯后的二區(qū)制轉(zhuǎn)換模型，二區(qū)制分別表示高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)兩種不同的狀態(tài)，模型設(shè)定為截距項(xiàng)、系數(shù)項(xiàng)和殘差標(biāo)準(zhǔn)差狀態(tài)依賴。狀態(tài)概率、轉(zhuǎn)移概率、狀態(tài)持續(xù)期和估計(jì)系數(shù)等見表4。

表4 MSIAH(2)-AR(2)估計(jì)結(jié)果

從表4的標(biāo)準(zhǔn)差和截距項(xiàng)可以判斷，區(qū)制一和區(qū)制二分別對應(yīng)互聯(lián)網(wǎng)金融的低風(fēng)險(xiǎn)狀態(tài)和高風(fēng)險(xiǎn)狀態(tài)。區(qū)制一和區(qū)制二的轉(zhuǎn)移概率分別為0.996和0.992，區(qū)制穩(wěn)定性較好，狀態(tài)區(qū)分度明顯，低風(fēng)險(xiǎn)狀態(tài)的平均持續(xù)期較長，互聯(lián)網(wǎng)金融較大概率處于低風(fēng)險(xiǎn)狀態(tài)?；ヂ?lián)網(wǎng)金融風(fēng)險(xiǎn)狀態(tài)概率見圖2。由圖2可見，除2014～2016年、2018～2019年和2020～2021年外，互聯(lián)網(wǎng)金融多處于低風(fēng)險(xiǎn)區(qū)制運(yùn)行，高風(fēng)險(xiǎn)區(qū)制出現(xiàn)的時(shí)間與前述結(jié)論一致。

4.4 風(fēng)險(xiǎn)預(yù)測

考慮到互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的區(qū)制特征，進(jìn)一步利用MS-AR模型對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平進(jìn)行預(yù)測。本研究將樣本外預(yù)測長度設(shè)定為一年，預(yù)測窗口為2022年4月～2023年3月。采用日度數(shù)據(jù)進(jìn)行預(yù)測時(shí)，過長的預(yù)測窗口會降低預(yù)測精度。為提高預(yù)測效果，首先對每個(gè)月的日度風(fēng)險(xiǎn)指數(shù)以取平均值的方式進(jìn)行低頻化處理，表示月平均風(fēng)險(xiǎn)水平；然后分別對月度風(fēng)險(xiǎn)指數(shù)進(jìn)行固定系數(shù)預(yù)測和一步向前滾動預(yù)測。

圖2 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)狀態(tài)概率

滾動預(yù)測的具體步驟為：①采用MS-AR模型進(jìn)行樣本內(nèi)估計(jì)，得到估計(jì)系數(shù)；②利用估計(jì)系數(shù)對樣本外第一期風(fēng)險(xiǎn)水平進(jìn)行預(yù)測；③擴(kuò)充估計(jì)窗口，使其包含第一期預(yù)測值，再重復(fù)步驟②，利用新的估計(jì)系數(shù)預(yù)測第二期風(fēng)險(xiǎn)水平；④繼續(xù)重復(fù)步驟③，直至12個(gè)月的月度風(fēng)險(xiǎn)值預(yù)測完成。固定系數(shù)預(yù)測采用步驟①的估計(jì)系數(shù)對風(fēng)險(xiǎn)值進(jìn)行樣本外預(yù)測，不再對系數(shù)進(jìn)行滾動調(diào)整。

不同預(yù)測方法下中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)樣本外預(yù)測值見圖3。由圖3可知，中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)會延續(xù)2022年1月以來的下降趨勢，至2022年6月進(jìn)入拐點(diǎn)，并于2022年7月步入溫和上升階段，但仍處于較低水平。兩種預(yù)測方法得出的風(fēng)險(xiǎn)變化趨勢基本一致，固定系數(shù)預(yù)測法下的風(fēng)險(xiǎn)增速略高于滾動預(yù)測法。整體而言，相較于2014～2016年的“野蠻”擴(kuò)張期，近年來中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)水平大幅下降，波動區(qū)間逐步收窄，再次表明隨著互聯(lián)網(wǎng)金融市場制度的健全和監(jiān)管體系的完善，中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)治理成效顯著。

圖3 中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)樣本外預(yù)測值

5 結(jié)語

本研究利用混頻數(shù)據(jù)，從風(fēng)險(xiǎn)因素識別、風(fēng)險(xiǎn)水平度量、風(fēng)險(xiǎn)特征剖析和風(fēng)險(xiǎn)預(yù)測等方面對互聯(lián)網(wǎng)金融進(jìn)行深入系統(tǒng)研究，得出如下主要結(jié)論：①隨著互聯(lián)網(wǎng)金融從“缺門檻、缺規(guī)則、缺監(jiān)管”過渡到“高門檻、嚴(yán)規(guī)則、強(qiáng)監(jiān)管”，行業(yè)風(fēng)險(xiǎn)水平整體下降，經(jīng)濟(jì)的順周期性及與傳統(tǒng)金融行業(yè)的風(fēng)險(xiǎn)共振和業(yè)務(wù)互補(bǔ)效應(yīng)日趨顯現(xiàn)，中國互聯(lián)網(wǎng)金融正在向“金融”本質(zhì)回歸；②中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)因素可從宏觀經(jīng)濟(jì)、互聯(lián)網(wǎng)行業(yè)、傳統(tǒng)金融行業(yè)和互聯(lián)網(wǎng)金融行業(yè)4個(gè)維度進(jìn)行識別，傳統(tǒng)金融機(jī)構(gòu)經(jīng)營風(fēng)險(xiǎn)、互聯(lián)網(wǎng)金融平臺經(jīng)營風(fēng)險(xiǎn)、互聯(lián)網(wǎng)金融市場風(fēng)險(xiǎn)和互聯(lián)網(wǎng)金融行業(yè)規(guī)模對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)變化有較高的解釋能力；③中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)具有明顯的兩區(qū)制變化特征，低風(fēng)險(xiǎn)狀態(tài)的平均持續(xù)期久于高風(fēng)險(xiǎn)狀態(tài)，互聯(lián)網(wǎng)金融較大概率處于低風(fēng)險(xiǎn)狀態(tài)；④未來中國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)將會有一個(gè)溫和上升過程，但整體仍處于低風(fēng)險(xiǎn)狀態(tài)。以互聯(lián)網(wǎng)金融為代表的金融創(chuàng)新風(fēng)險(xiǎn)具有來源更為廣泛、結(jié)構(gòu)更為復(fù)雜和形式更為多變的新特征，本研究建立在對金融創(chuàng)新風(fēng)險(xiǎn)與傳統(tǒng)金融風(fēng)險(xiǎn)的理論分析和比較分析的基礎(chǔ)上，將多源復(fù)雜結(jié)構(gòu)數(shù)據(jù)和動態(tài)因子模型相結(jié)合，有效刻畫了金融創(chuàng)新風(fēng)險(xiǎn)的新特征，從金融創(chuàng)新發(fā)展視角豐富了金融風(fēng)險(xiǎn)理論和金融風(fēng)險(xiǎn)測度理論。

本研究的管理啟示在于：①在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防范治理上，既要嚴(yán)格控制互聯(lián)網(wǎng)金融增量風(fēng)險(xiǎn)，也要加大力度化解存量風(fēng)險(xiǎn)，尤其要深入推進(jìn)P2P網(wǎng)絡(luò)借貸專項(xiàng)整治工作，建立嚴(yán)格的互聯(lián)網(wǎng)金融平臺持牌經(jīng)營準(zhǔn)入制度，對互聯(lián)網(wǎng)金融資產(chǎn)管理進(jìn)行資金端和資產(chǎn)端的穿透式監(jiān)管。②在信息披露機(jī)制上，要打破互聯(lián)網(wǎng)金融市場主體間的信息壁壘，完善信息流動渠道，建立及時(shí)有效的信息披露機(jī)制，尤其要加快推動互聯(lián)網(wǎng)金融業(yè)務(wù)全面納入征信平臺，發(fā)揮大數(shù)據(jù)優(yōu)勢以有效規(guī)避劣質(zhì)用戶；同時(shí)，提高中國互聯(lián)網(wǎng)金融用戶的金融素養(yǎng)和對新業(yè)態(tài)的本質(zhì)認(rèn)知，強(qiáng)化金融用戶的風(fēng)險(xiǎn)意識，引導(dǎo)市場回歸理性。③在金融創(chuàng)新過程中，要避免金融產(chǎn)品過度創(chuàng)新帶來的風(fēng)險(xiǎn)隱患，把握實(shí)體經(jīng)濟(jì)對金融創(chuàng)新需要的節(jié)奏，避免金融創(chuàng)新步伐過快，尤其要避免因金融創(chuàng)新失敗而導(dǎo)致的經(jīng)濟(jì)發(fā)展失速，做到金融創(chuàng)新，制度和監(jiān)管先行。④在互聯(lián)網(wǎng)金融發(fā)展上，要明確互聯(lián)網(wǎng)金融是對技術(shù)的應(yīng)用和創(chuàng)新而非金融模式的創(chuàng)新這一總體方向，大力發(fā)展大數(shù)據(jù)金融、區(qū)塊鏈金融等金融科技模式，審慎發(fā)展互聯(lián)網(wǎng)借貸、互聯(lián)網(wǎng)理財(cái)?shù)葌鹘y(tǒng)模式，弱化互聯(lián)網(wǎng)金融對傳統(tǒng)金融的替代效應(yīng)，強(qiáng)化互聯(lián)網(wǎng)金融對傳統(tǒng)金融的互補(bǔ)效應(yīng)。

未來研究可從以下幾個(gè)方面進(jìn)行完善：①互聯(lián)網(wǎng)金融深受行業(yè)發(fā)展政策影響，未來可尋找合理的代理變量對現(xiàn)有的風(fēng)險(xiǎn)指標(biāo)體系進(jìn)行補(bǔ)充；②中國互聯(lián)網(wǎng)金融的發(fā)展模式、業(yè)務(wù)類型、市場結(jié)構(gòu)等存在較大的不確定性，未來需要對風(fēng)險(xiǎn)指標(biāo)體系進(jìn)行適當(dāng)調(diào)整；③未來研究可探討互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)對互聯(lián)網(wǎng)金融平臺、傳統(tǒng)金融行業(yè)、經(jīng)濟(jì)發(fā)展、宏觀管理等的影響。