市場風險數據分析匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇市場風險數據分析范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

中圖分類號：TP311.13

銀行是現代經濟的標志，也是現代經濟活動中不可或缺的環節和工具，從銀行誕生應用以來，銀行業就需要處理大量的經營數據，銀行數據記錄手段也經歷了數個階段，從白紙黑字的賬本到計算機信息化時代的銀行數據信息系統，銀行數據業務可以在業務交易流程、數據庫建設、金融風險評估和經營決策分析等方面發揮極其重要的作用。從銀行業本身的發展來看，商業銀行的規模和類型都在逐年豐富，信息化和數字化的銀行業務模式也逐漸成為商業銀行的運行模本；現代銀行更加重視客戶本位思考，通過多樣化的市場需求分析手段，可以為客戶提供極具個性化的銀行業務產品服務，吸引更多的潛在客戶群；同時現代銀行的風險管控意識更強，在市場經濟節奏更快的當今社會，銀行經營決策的風險評估效果決定了現代銀行的經營走向；再者是網絡終端服務和移動終端服務的迅猛發展，銀行交易手段更加豐富，網上銀行、手機銀行、移動證券交易等等電子支付交易方式的發展給現代銀行帶來了新的機遇和挑戰，這一切都需要現代銀行在數據處理分析能力上有新的應對措施。

1 數據挖掘和數據效用理論基礎

數據挖掘的通用定義指的是從現有的大量存儲數據中，采用數據擷取的方式，搜尋出感興趣的、有價值的數據點或數據模塊的數據處理技術。數據挖掘廣泛地應用于商業金融領域，基于既定的商業化分析目標，可以依托于企業內部的金融數據系統進行數據分析，最終獲得需要的商業經營規律和市場發展規律，并且能夠在成熟的數據挖掘模型的支持下與其他分析工具和分析技術相結合，形成商業化的數據挖掘分析系統和分析軟件。數據挖掘的功能需求決定了數據挖掘是一個典型的學科交叉項目，現代銀行受到業務拓展發展的需求，在其數據挖掘技術的運用中廣泛地的結合了數據庫技術、智能學習技術、統計分析技術、模式識別技術、人工智能技術和神經網絡技術，數據挖掘常分為六個技術類別：聚類、分類、估值、預測、相關性分組和關聯規則分析、描述和可視化分析。

對數據資料的重視性促使了現代銀行對數據利用效率的不懈追求，現代化經營模式中，數據已經成為最為重要的無形商品，作為商品的數據資料，其資本性和營利性決定了信息數據的效益最大化，由于數據資料的復制成本低、附加值高且利潤豐厚的特點，數據信息價值理論已經成為數據效用分析的主要理論模式。

2 銀行數據挖掘的應用分析

2.1 數據挖掘在銀行客戶需求分析中的應用

現代銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，對銀行客戶的個人資料、賬戶信息、交易歷史記錄、業務服務歷史記錄、理財數據和個人理財風險評估等進行了數據庫倉儲式分析，基于成熟的數據倉庫邏輯分析模型，可以對每一個銀行客戶進行多維度消費分析，以交易歷史紀錄為例，交易歷史紀錄作為該分析維度下的分析主鍵字段，在其下端進行次元維度分析，對交易類型、交易金額、消費地點、存貸款交易、電子銀行消費、手機銀行消費、證券消費等進行子健分析，但是也要考慮到不同主鍵之間存在著較大的關聯性，此時可以考慮在客戶數據倉庫分析中建立星形數據模，在關聯數據子健上進行數據溢出處理。在數據挖掘中主要采用的是聚類算法，在對客戶數據進行詳細的數據倉庫建立之后，可以對客戶進行數據特征值標定（如商業價值、交易類型、風險傾向等），以便于進行客戶分類，在用戶細分時，行為特征是主要的特征，自然屬性是輔助的特性。

表1 聚類匯總表

業務類型 紙黃金 基金理財 外匯 個人金融 債券 貸款

業務渠道 柜臺 電話銀行 網上銀漢 手機銀行 自主服務 中間交易

由此可以得到詳細的客戶聚類，例如以年齡段為標準的20-30歲階段用戶（業務類型為紙黃金，業務渠道為網銀和自助服務）、30-40歲階段用戶（業務類型為外匯和金融，業務渠道為柜臺和自助）、40-50歲階段（業務類型為基金債券，業務渠道為柜臺服務）。

基于SQL Server Analysis Services分析工具，在銀行原始交易數據庫中進行聚類分析，選用Microsoft聚類算法對交易日志中的指定頁進行類型搜索，在后處理模塊中可以查看聚類分析結果。聚類算法進行數據挖掘時需要原始數據具有較強的分類性和數據關聯性，才能在數據挖掘中針對特定數據屬性和數據聚類進行分析，并且獲得該屬性在任意聚類中的數據分布情況，由此可以精確的知道特定類型客戶的銀行消費習慣和消費傾向，有助于銀行穩固現有客戶群，吸引潛在客戶群體。

2.2 數據挖掘在銀行決策分析中的應用

銀行經營的各個環節都基本實現了信息化管理，銀行綜合業務系統為其提供了基礎業務操作平臺和統一賬務處理系統平臺，能夠幫助銀行實現有效的資源整合和集中管理。數據挖掘技術的應用能夠全面提升銀行系統的內控管理和風險管控水平，為銀行的內部決策提供有效的數據支撐。

表2 數據挖掘與銀行決策關系

數據源 數據處理 數據存儲 決策分析

交易數據

客戶信息

管理信息

外部信息 數據抽取

數據整合

數據加載 數據倉庫 經營狀況決策分析

數據監控 數據節點1 資產負債決策分析

數據刷新 數據節點2 風險管理決策分析

數據包裝 數據節點3 客戶需求決策分析

數據公布 數據節點4 銀行財務決策分析

為了保障銀行的經營效益、提升業務覆蓋范圍并預防經營風險，銀行需要及時掌握市場動態并且做出經營調整，數據挖掘技術能夠跟蹤分析銀行經營過程中的各個基本要素環節，通過比對分析自身產品的營收現狀、競爭對手的經營現狀，以及對資產負債率、銀行壞賬率和金融產品的銷量，可以及時為決策層提供參考數據。商業銀行的風險管控是其保障經濟效益的關鍵，數據挖掘系統的關鍵性作用體現在對銀行業務的全方位、多角度的可靠性分析和風險評估，基于銀行內部的風險模型參數，在成熟的模式識別技術和智能分析技術的輔助下，可以提前對經營風險進行預判，以減少成本損失為風險數據挖掘模型約束，以保障經營效益最大化為風險決策目標，以調控決策方式為風險決策手段，可以進一步提高銀行的資產質量。財務風險控制中數據挖掘的具體應用如下圖所示：

圖1 數據挖掘在銀行財務決策分析中的應用分析

3 銀行數據挖掘的效用分析

3.1 數據挖掘在銀行風險控制中的效用

風險控制是銀行日常經營活動中的核心內容，通常來看可以分為定性控制和定量控制兩種方式，定性控制的關鍵是建立一套有效的風險控制管理體系，在多流程決策體系的協作下，構成風險管理知識，以非結構化數據的形式保存并流轉使用；定量控制則更看重對經營實時數據的管理效率，建立一個基于客戶需求和市場規律的量化風險控制體系統框架。銀行信用評估體系要求銀行用于信用評級的數據必須具備一定年限和質量標準，對數據樣本量、樣本時效性、業務覆蓋范圍、數據來源都有明確的要求。數據挖掘對于銀行風險控制的關鍵性作用主要體現在對于銀行信用風險控制、銀行市場風險評估和銀行操作風險管理上。

在信用風險控制上，數據挖掘主要是針對信用關鍵指標：違約率、違約損失率、違約暴露和違約期限進行針對性的數據挖掘分析，結合銀行的信用評級動態變化和銀行信用置信度的波動規律，在銀行交易數據庫中采用數據關聯分析方法，對概念分層數據進行多層挖掘，提高數據挖掘的精準度；在對市場風險控制上，數據挖掘技術主要集中在市場風險識別和市場動態分析兩方面，通過分析銀行特征值數據在各種風險環境下的數據概率分布值，可以構建銀行內部的市場風險模型，結合遺傳算法和智能分析，可以針對市場發展規律進行智能風險評估決策；對于市場的偶然和不確定行為，通常數據挖掘會采用預測（predication）、時序分析模式（time-series model），通過遍歷歷史交易數據，能夠對偶然性市場行為進行概念排序，采用模糊分析（fuzzy method）、證據理論（Evidence theory）等方法進行決策分析。

3.2 數據挖掘在銀行產品創新中的效用

產品創新是提升銀行市場競爭力的根本手段，數據挖掘的重要性則體現在數據分析準確性和有效性上，首先是對業務流程效率的數據分析，對于總行、分行、支行和營業網點的銀行結構進行業務處理效能分析，通過實際交易數據和歷史交易數據進行比對分析，可以有效的找出實際業務模式中的最大風險點，設計或優化業務流程，明確錄入、審核、授權各崗位的職責，從而運用創新手段控制流程風險；采用產品規劃的方法指導新產品的設計流程工作，則需要在產品設計理念、產品市場定位、產品競爭優勢分析和產品風險控制上進行數據分析，通過數據挖掘技術可以在銀行內部歷史數據、行業共享數據和商業數據的基礎上進行特征屬性挖掘，并最終為新產品的量化定型提供有效的數據參考，并未新產品的市場價值進行定性和定量預測分析。

4 結束語

信息化時代背景下金融業的供需地位發生巨大轉變，金融數據也從經營資料開始向數據商業化發展。基于詳盡的量化數據系統，現代銀行可以在高效數據分析模型的基礎上對銀行數據進行二次開發，提供數據分析服務。本文通過闡述銀行數據的數據結構，分析了對銀行海量數據進行數據挖掘的主要方法和應用模式，并評估現行銀行數據挖掘方法的有效性和經濟效益價值，為進一步提升銀行數據挖掘的效能提供了新的思路。

參考文獻：

[1]丁劍敏.數據挖掘技術及其在商業銀行中的應用[J].市場周刊?財經論壇，2013（04）.

[2]宓文斌.數據挖掘在銀行信貸業務中的應用[M].上海：上海交通大學，2012.

篇（2）

1.優勢分析。商業銀行在多年發展中，擁有廣大的客戶群體，積累了客戶基本資料、客戶交易、客戶存貸款等大量數據。在大數據時代，商業銀行憑借其雄厚的資本，可以建立大數據服務器等設備，將這些傳統數據與其他來源數據進行整合，數據分析人員通過云計算等技術手段挖掘出有價值的信息，從各個角度分析客戶需求以及識別信貸風險，從而有助于商業銀行更加科學地評價經營業績、評估業務風險、配置全行資源，引導銀行業務科學健康發展。

2.劣勢分析。在現有的銀行交易系統中，客戶的身份證、交易流水等大量信息已被銀行掌握，但缺少如客戶的家庭情況、收入狀況、消費習慣、興趣愛好等其他方面的信息。另外，目前小微企業客戶信息以及商業銀行的產業鏈客戶信息也比較缺乏，直接影響著銀行對這些客戶提供金融服務的水平。再者，大數據時代下，需要金融專業人才和數據分析人才相互配合，才能充分挖掘數據價值，但數據分析人員較為匱乏也將成為商業銀行的軟肋。

3.機會分析。剛剛進入大數據時代，商業銀行應率先構架大數據戰略體系，制定大數據發展戰略，突破同質性，實施差異化業務發展戰略，從而贏得先機。如果大數據獲得成功應用，將為銀行創造先發競爭優勢，使銀行決策從“經驗依賴”向“數據依據”轉化，打造不可復制的核心競爭力。“數據—信息—商業智能”將逐步成為銀行定量化、精細化管理的發展路線，數據分析也將成為其風險防控的法寶。

4.威脅分析。大數據在給商業銀行帶來前所未有的機遇的同時，也給其帶來了諸多威脅，例如大數據存在的風險、網絡安全、數據失真等。在大數據開發利用過程中，云計算技術將會得到廣泛應用。但是云計算將數據存入云端，而云端往往是由第三方服務器實現存取的，如果第三方將數據泄露，將會給銀行帶來極大的風險。另外，互聯網金融正在顛覆著傳統的金融模式，網商具有活躍的交易記錄和巨大的金融需求，但商業銀行很難開發到這些客戶，將給銀行帶來挑戰。

（二）定量分析

除了對大數據時代商業銀行信用風險管理面臨的內外部環境進行定性分析外，還可以進行定量分析。具體思路為：

①確定包括優勢與劣勢、機會和威脅等多于10個的內外部環境因素；

②利用主觀賦權法、客觀賦權法、層次分析法（AHP法）等任一方法確定各因素的權重；

③給各個因素打分，分值范圍為1到5分，評分越高說明因素越重要；

④將各個因素的權重與得分相乘，從而最終計算出各個因素的加權分數；

⑤各個因素加權分數計算代數和得出公司的總加權分數，然后根據分數進行判斷。某商業銀行內外環境分析如附表所示。由附表可以看出，該銀行外部機會大于外部威脅，內部優勢大于內部劣勢，應抓住大數據帶來的機遇，充分利用信息技術，更加科學地評估業務風險、配置全行資源，引導銀行業務科學健康發展。

二、基于大數據的商業銀行征信系統構建

目前，我們已經進入了大數據時代，由于大數據包含的信息量大而且非常復雜，傳統的系統已不能滿足銀行新的分析需求，有必要建立一個統一的數據環境，構建大數據的商業銀行征信系統，采取新分析算法，搭建大數據跨業務的統一應用平臺，從而滿足銀行精細化管理、差異化服務、提升風險分析能力的需求。

（一）大數據時代商業銀行征信系統概述

在金融交易安全日益突出的今天，如何迅速、有效地發現各類欺詐行為，對保證商業銀行的正常運作和國家人民財產安全都顯得十分重要。商業銀行征信系統要針對信貸風險防控工作的實際特點，通過客戶交易信息以及客戶其他信息收集來加強客戶信用風險監測。系統總體見附圖。附表某商業銀行內外環境分析內部環境評分權重加權分外部環境評分權重加權分⑴整體競爭優勢明顯；30.100.30⑴云計算的快速發展；50.150.75⑵良好的客戶群體；50.150.75⑵數據來源多樣化；50.251.25⑶資本雄厚，有能力建立大數據庫；40.050.20⑶科技發展為數據應用提供支持；40.200.80⑷擁有專業客戶人才；30.200.60⑷精準評估業務風險；40.251.00⑸良好的內控環境；50.251.20⑸先入為主的機會；40.150.60優勢⑹豐富的風險防控經驗；50.251.25機會⑹精細化管理的趨勢。40.100.40小計1.004.30小計1.004.80⑴缺乏個人客戶基本信息；-30.25-0.75⑴網商的競爭；-50.3-1.50⑵缺乏小微企業基本信息；-30.20-0.60⑵大數據安全風險；-50.25-1.25⑶缺少產業鏈客戶的信息；-40.20-0.80⑶網絡安全面臨挑戰；-30.2-0.60⑷缺乏專業的數據分析人才；-30.10-0.30⑷外部風險事件的影響；-30.15-0.45⑸缺乏非結構化數據收集能力；-50.15-0.75⑸外部風險來源多樣化。-30.1-0.30劣勢⑹商業運營模式面臨變革。-30.10-0.30威脅小計1.00-3.50小計1.00-4.10優勢劣勢合計0.80機會威脅合計0.70系統將從海量數據中提取出有關聯的數據信息，以發現潛在或已知的風險，系統將數據倉庫、模型庫、知識推理、人機交互四者有機地結合起來，充分發揮數據挖掘的作用，通過建立風險評估模型較好地處理數據資源中存在的模糊性和隨機性，在成熟的模式識別技術和智能分析技術的輔助下，對銀行業務的全方位、多角度的可靠性分析和風險評估，有助于商業銀行實施全面風險管理體系，從而進一步提高融資、貸款、授信等方面的風險評估、監控水平。

（二）大數據時代商業銀行征信系統工作原理

1.數據原料。數據原料是商業銀行風險防控中的關鍵一環，它直接影響到數據挖掘的效率、精準度以及所得模式的有效性。目前，商業銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，在以大數據引領、以智能化為核心的產業變革時代，銀行要真正將數據作為風險控制的源點，有效整合來自銀行網點、PC、移動終端設備、社交網絡、征信機構等傳來的結構化和非結構化的海量數據，既要獲取常規渠道的數據，又要收集社會化媒體數據，真正將數據作為戰略性資產，實現從管控風險向經營風險方向的轉型。

2.數據工廠。數據工廠是利用數據挖掘理論與技術將數據中潛在的、有用的模式搜索出來，是整個征信系統最為關鍵的一步，也是技術難點。在數據工廠中，系統通過數據抽取工具、數據集成工具、數據過濾工具、數據挖掘工具以及模式評估工具等，從海量數據原料中提取輔助決策的關鍵性數據，并經過歸納總結、推理、分析數據，利用數據挖掘中分類、聚類、偏差檢測、概念分析、異類分析、關聯分析、時序演變分析和元數據挖掘等功能，完成對銀行信用風險控制、銀行市場風險評估和銀行操作風險評估，從而幫助決策者對信息預測和決策起作用。

3.數據產品。數據工廠最終的結果是數據產品，把所有最終經挖掘發現的知識直觀地通過可視化技術展示給商業銀行，以幫助其理解和解釋數據挖掘的結果，控制信貸風險。這些數據結果既包括傳統的諸如違約率、違約損失率、違約暴露和違約期限等客戶信用信息，也包括客戶的其它方面的信用記錄、客戶的信用評級以及對市場風險的評估。當然，整個數據挖掘過程是一個不斷反饋、循環往復的過程，信用評級結果也是動態變化的。

4.數據應用。經過數據挖掘得出的風險評估結果為商業銀行評估信貸業務的風險和收益情況提供了量化工具，改變了單純被動信用風險管理模式。在此背景下，商業銀行應規范貸款審批標準和審批程序，優化金融信用監控機制，完善組織架構和規章制度，實施風險動態防控，使信貸風險管理體系健康運行。

三、大數據時代商業銀行信用風險管理應注意的問題

在“大數據”時代，商業銀行面臨著信用風險防控的新形勢，要積極做好如下應對工作。

（一）風險意識要思維開放

商業銀行在進行風險預測時，需要考量政策、人為的操作風險、市場環境等等眾多因素，但現有的技術水平難以支撐挖掘大數據的商業價值。因此，商業銀行需要具備一種像互聯網一樣的開放式思維，建立分析數據的習慣，重視“大數據”開發利用，關注與風險預測高度相關的大數據信息，如客戶的基礎信息（如客戶開立賬戶時留存的住址、年齡、從事行業、性別等等）、客戶交易信息（如客戶在ATM機上的存取款情況、使用銀行卡、購買理財、使用其他業務的記錄等等）、外部的信息（從互聯網、電信運營商、證券交易所等處挖掘來的有關信息）等，用數據說話，從而提高不確定風險的預測水平。

（二）數據整合要注重質量

大數據很多時候是從一種非傳統的角度去分析、挖掘、利用數據價值的思路。由于數據來源龐雜廣泛，需要不斷利用技術創新去挖掘利用大數據的價值，再加上數據之間的關聯性很強，商業銀行應建立自己的數據地圖，整合銀行內部數據和大數據鏈上的其它外部數據，堅持做到數據要依照標準化采集，確保數據來源真實可靠，杜絕以假亂真；同時構建專門的數據分析方法和使用體系，對數據進行規范化處理，并嚴格按照國家法律法規進行使用，從而確保數據質量，提高數據應用性。

篇（3）

資產定價理論（CAPM模型）是關于金融資產的價格決定理論，這些金融資產包括股票、債券、期貨、期權等有價證券，是在市場均衡狀態下，對風險資產預期收益的一種預測模型。它是由威廉·夏普于1964年提出之后，由約翰·林特勒以及簡·莫辛等人發展而成。由于模型的簡單明了以及對于資產風險和收益之間關系的精確描述，使得其得到了廣泛應用，從而成為了現代金融學的重要定價理論之一。

一、CAPM模型介紹

（一）模型假設

(1)所有投資者總是根據證券收益率的期望值和標準差兩個參數進行投資決策，都是效用最大化的理性投資經濟人。

(2)整個市場處于充分競爭狀態，所有投資者都是價格的接受者。

（3）借入利率與貸出利率相等。即所有投資者可以在一定限度內任意地借入或貸出，而不影響利率水平。

(4)市場有效性假設(EHM)，即認為市場是充分有效的。在此類市場中，投資者信息暢通，信息成本為零，分析方法類似，對市場未來擁有相同預期，買賣成本為零等。

（二）基本結論

CAPM模型主要表示單項資產或資產組合的收益率與其系統風險之間的關系，其基本形式為：

E（Ri）=Rf+βi[E（Rm）-Rf]

（式1.1）

其中，Rf(Risk free rate),是無風險收益率，純粹的貨幣時間價值；

βi：證券的Beta系數；

E(Rm)：市場期望回報率 (Expected Market Return)；

E(Rm)- Rf：股票風險溢價 (Equity Market Premium)

CAPM公式中的右邊第一個是無風險收益率，比較典型是10年期美國政府債券。如果股票投資者需要承受額外的風險，那么他將需要在無風險回報率的基礎上多獲得相應的溢價。那么，股票風險溢價（equity market premium）就等于市場期望回報率減去無風險回報率。證券風險溢價就是股票市場溢價和其β系數的乘積。其中，β值是對證券系統性風險大小的衡量。

（三）模型運用

1. 資產估值

在資產估值方面，資本資產定價模型主要被用來判斷證券是否被市場錯誤定價。

2. 資源配置

資本資產定價模型在資源配置方面有著重要應用，即可用于根據對市場走勢的預測來選擇具有不同β系數的證券或組合以獲得較高收益或規避市場風險。

證券市場線（SML）表明，β系數反映證券或組合對市場變化的敏感性，因此，當有很大把握預測牛市到來時，應選擇較高β系數的證券或投資組合。因為這些高β系數的證券將成倍地放大市場收益率，帶來較高的收益。相反，在熊市到來之際，應提前購置β系數較低的證券或投資組合，以減少因市場下跌而遭受損失，從而達到優化資產配置的目的。

二．數據處理分析

1、樣本的選取

選取了三支個股,個股的選取主要考慮以下兩大因素：1.保證各只股票在上市時間、可用數據區間上基本保持一致，以滿足數據采集的一致性的需要。2.使得三支個股分別分布在照明器具制造業、房地產、電子信息三大行業，從而相對增強數據分析的說服力。

2、時間區間的選擇

為了使得此次基于CAPM模型的數據分析結果，能夠對當前的股市行情起到一定的解釋作用，即保證數據的有效性，同時考慮到中國證券市場的機制尚處于不斷完善之中，此次數據分析的時間段定在：股改之后——至今，并以月度數據為研究對象。這是由于考慮到在運用市場模型確定β值時，既有樣本數據的要求，又要考慮到由于證券的風險在一定時間后會發生變動，因而會引起β值變動的事實，故我們將測定β值的時間區間劃分為：2006年1月1日-2007年12月31日,2008年1月1日-2011年12月31日兩個區間段，分別進行測度分析，這樣一來，既保證了β值測定的相對準確性，同時也可在階段對照中保證數據分析的全面性。

3、數據收集

通過華泰證券通信達行情系統，獲取上證綜指、萬科A、方正科技、飛樂音響三支個股的股價（或股指）月度變動數據，每一只個股的月收益率Ri都根據當月的復收盤價與開盤價進行計算，碰到分紅派息的月份都通過對月末收盤價進行復權處理后進行計算，從而保證股價的連續性。市場組合的收益Rm選用“上證綜指”相應的月末收盤指數減去月初開盤指數之差與月初開盤指數之比進行確定。

關于風險溢價Rm-Rf的確定，為了保證收益率計算的同期性，我們考慮將一年期的基準存款利率作為無風險利率，并采用如式1.3的算法，通過各年“上證綜指的實際年收益率”與相應年份的“一年期基準存款利率”間的差價來確定相應年度的風險溢價。如果一年期基準存款利率在年內進行了調整，則采用以各項利率實際實行的天數為權數求加權平均數的方法來確定該年的存款利率。

風險溢價（Rm-Rf）=上證綜指的實際年收益率-同年的1年期基準存款利率 （式1.3）

篇（4）

[DOI]1013939/jcnkizgsc201720075

1引言

CAPM模型（Capital Asset Pricing Model）是一種可以進行計量檢驗的金融資產定價模型。該模型解釋了證券報酬的內部結構，分析了資本資產的預期收益與市場風險之間的關系。CAPM模型闡述了在投資者都采用馬科維茨理論進行投資管理的條件下市場均衡狀態的形成，認為一個資產的預期收益率與衡量該資產風險的一個尺度――β系數之間存在正相關關系。這不僅大大簡化了投資組合選擇的運算過程，也使得證券理論從以往的定性分析轉入定量分析，從規范性轉入實證性，進而對證券投資進行理論研究和實際操作。隨著我國證券市場的發展，20世紀90年代以來，中國學者開始利用此模型對上證A股市場進行實證分析，但許多研究表明CAPM模型不適用于上證A股市場，仍需加以改進以增強其適應性。近年來，中國證券市場發展迅速，因此我們需要對其現狀進行實證分析，以便更好地將CAPM模型應用于上證A股市場。

2CAPM模型及貝塔系數介紹

21前提假設

第一，投資者都遵守主宰原則（Dominance Rule），即同一風險水平下，選擇收益率較高的證券；同一收益率水平下，選擇風險較低的證券。第二，資本市場上資產數量給定，所有資產可以完全細分，資產是充分流動、可銷售、可分散的。第三，影響投資決策的主要因素為期望收益率和風險兩項。第四，所有投資者對證券收益率概率分布的看法一致，因此市場上的效率邊界只有一條。第五，所有投資者可以及時免費獲得充分的市場信息。他們對預期收益率、標準差和證券之間的協方差具有相同的預期值。第六，不存在通貨膨脹，且折現率不變，且買賣證券時沒有稅收及交易成本。

22資本資產定價模型內容

投資者對單項資產所要求的收益率應等于市場對無風險投資所要求的收益率加上該資產的風險溢價。

其中，rf（Risk Free Rate），是無風險回報率；βa是證券a的β系數；r―m是市場期望回報率（Expected Market Return）；（r―m-r―f）是股票市場溢價（Equity Market Premium）。

23貝塔（β）系數

β系數是一種評估證券系統性風險的工具，用來衡量單個證券收益率對于市場組合收益率變動的反應程度的指標。因此，在計算β系數時，應用Excel軟件、運用模型：Ra=αa+βaRM+ξj，對證券與市場收益率的樣本數據進行線性回歸估計，從而計算β系數。

因此投資者在做決策時要把β系數當成重要的衡量指標：例如當有很大把握預測到大盤某個大漲階段的到來時，應該選擇那些高貝塔系數的證券，它將成倍地放大市場收益率，帶來高額的收益；相反當大盤某個下跌階段到來時，選擇那些低貝塔系數的證券，以抵御市場風險，減小損失。

3數據處理與模型檢驗

本文選取的樣本研究對象為2012年3月至2017年3月在上海證喚灰姿交易的100只A股股票。樣本的選擇是隨機的，包括制藥、化工、房地產、銀行、航空科技等多個行業，從而避免單一性，充分地反映整體股市的性質。本文統計了每個樣本共5年的月數據，以此來保證足夠的數據量，從而提高模型研究的精確度。

其中，Rmt代表第m種股票在第t月的收益率；Pmt代表第m種股票在第t月的收盤價；Pmt-1代表第m種股票在第t-1月的收盤價。

32市場指數的選擇以及市場收益率的計算

本文選擇上證綜合指數作為市場指數，作為一種價值加權型指數，它能夠比較準確地反映整體行情的變化和股票市場的整體發展趨勢。

其中，Rmt代表市場組合在第t月的收益率；Index（t）代表市場組合在第t月的收盤價；Index（t-1）代表市場組合在第t-1月的收盤價。

4實證結果

本文通過對各只樣本股票月收益率及市場收益率進行計算分析，用Eviews及Excel軟件進行回歸分析，得出了下列數據（見圖1、圖2和下表）。

41對系統風險β值進行分析：

理論上分析，β值反應單個股票對由于市場波動帶來風險的敏感程度，市場風險數值確定為1。當某只股票β值大于1時，將該股票定義為進攻型股票，其價格波動幅度大于市場波動，適合于風險偏好性投資者；β值等于1時，該股票成為中性股票，即價格波動與市場波動表現一致，適合于風險中性投資者；β值小于1時，該股票為防御性股票，其價格波動小于市場波動，適合于風險規避者。

在隨機選取的這100只股票中，β值都顯著大于0，這說明這些股票與上證綜合指數存在線性關系，根據線性擬合圖也可以證實。用Excel軟件進行數據分析：有64家公司股票β值大于1，其中國投安信的貝塔系數達到了19786。有36家公司股票β值小于1，而宇通客車股票的價格波動最小，β值達到了05063。其中有54家股票的貝塔系數都在08～12之間，這表明所選公司股價波動情況超過半數與市場相符，仍有部分公司股票的貝塔值偏離1的程度較大，說明市場中仍存在投機性較強的公司股票。

42對可決系數R2的分析

可決系數即為一元線性回歸平方和（SSR）在總變差（SST）中所占的比重，是一種綜合度量回歸模型對樣本觀測值擬合優度的度量指標。可決系數越大，說明在總變差中由模型做出解釋的部分占的比重越大，模型的擬合優度越好。在計算股票收益率時，R2衡量了系統風險在總風險中所占的比例，即個股價格的波動中有多少是由市場波動引起的。表格中數據顯示，100家樣本股票中只有18家公司股票的可決系數大于05，最高為葛洲壩股票，達到了 07524，這幾家公司股票價格的波動大部分是由市場波動引起的；大多數公司（82家）股票的可決系數小于05，最低為康欣新材公司的股票，達到了00382，這些公司股價波動主要是由于公司經營情況的自身因素引起的。由此可見，系統風險不能很好地解釋收益變動情況，而非系統風險因素在股票收益中有著不可忽視的作用。但是，這次結果與90年代我國學者研究所得數據存在顯著差異。其中1996年施東暉的觀點被多次引用，在當時比較具有代表性：他對上市的50家A股進行研究后發現49只股票的系統風險大于50%，其中更有42家公司股票的系統風險超過70%。而本文研究所得數值中，只有3家公司系統風險的數值超過70%，其余股票系統風險值普遍有所下降。這說明，經過近年來的發展，投資者投資行為趨于理性，股票市場逐漸發展成熟。

5結論

第一，CAPM模型并不能完全適用于我國股票市場。因為雖然超過半數的樣本股票的貝塔系數介于08～12，公司股價波動情況與市場相符，即貝塔系數基本穩定，但是，根據對可決系數的分析，絕大部分股票的可決系數小于50%，這說明系統風險不能很好地解釋收益變動情況，而非系統風險因素在股票收益中有著不可忽視的作用。但與之前研究數據相比，可以看出投資者投資行為趨于理性，股票市場逐漸發展成熟，CAPM模型在我國的適用性不斷增強。

第二，在我國股票市場上進行CAPM實證檢驗時，結論與數據樣本的選取有很大的聯系，不同的樣本得出結論差異較大。這說明上證A股市場，價格波動性較大。其中大多數股票為進攻型股票，對于市場波動帶來的風險較為敏感，它們的價格波動幅度大于市場波動，整體來說適合于風險偏好性投資者。另外，上證A股市場大部分股票可決系數不高，擬合效果并不好。即使在擬合度較好的公司中，除了較穩定的銀行業以外的其他行業股票大多為高風險高收益的進攻型股票，其系統風險所占比例依舊很高，非系統性風險較低，股價受大盤影響很大，風險較大。

資本資產定價模型一直是金融界學者研究的核心領域，其研究一直是建立在對股市數據的實證分析基礎之上。只有滿足相關的嚴格假設，CAPM模型才可能呈現顯著的線性關系，因此可以說明我國的資本市場已經滿足偏好及流動性等假設，初步成榻銜完善的資本市場。隨著我國證券市場的日趨成熟，CAPM模型對我國的適用性會越來越強，將會具有更令人期待的實用價值。因此我們有必要針對不同時段的中國股票市場，不斷進行實證數據分析，并在此基礎上加以修改和完善，從而對我國股市風險進行更全面準確的預測，幫助投資者進行資產組合管理、定價分類，做出更好的決策。

參考文獻：

[1]姚海鑫財務管理[M].北京：清華大學出版社，2013：113-115

[2]姜婕CAPM模型在上證A股運輸板塊的實證檢驗[J].當代經濟，2016（14）：116

篇（5）

解析互聯網金融的商業風險整體分析互聯網金融風險。按照《巴塞爾協議》內有關全面風險管理的要求，借鑒國際上的有益經驗，本文將互聯網風險劃分為上文所提到的三種類型風險。其中政策法律風險細分成了國家、行業和機構等層面，商業風險主要有市場、信譽和操作等風險，技術分為安全和技術選擇風險，如圖1所示。解析基于業務平臺的互聯網金融商業風險。從上述分析得知，互聯網金融主要被分成了三大平臺，分別是業務、管理和協作三大平臺。互聯網金融資金需求的雙方在業務平臺上撮合成交；通過國家管理者、行業管理者以及互聯網企業各分支機構對其實行各層監管，上述各監管組成了互聯網金融管理平臺；軟硬件開發維護者及網絡服務商主要擔任協作業務及管理平臺的運營，他構成了互聯網金融融資類的業務協作平臺。在業務層，資金融通雙方都面對了商業風險。一是市場風險。互聯網金融市場風險主要是由利率和流動風險組成。互聯網風險一方面會受到行業監管、行業分化和行業競爭等的影響，另外還會遭受央行貨幣政策刺激，兩者同時加劇了利率風險。互聯網金融機構一般會發揮資金周轉的作用，沉淀資金有可能會在第三方中介滯留兩天至兩周的時間，不具備有效的擔保及監管，很容易會出現資金挪用的情況，若是缺少流動性監管或出現資金鏈的斷裂，必然會導致支付危機的出現。另外不斷出現的互聯網金融業務平臺也會上限，不具備用戶優勢的平臺將會借助提升利率和縮短投資期限的形式來吸引投資者加盟，這就必然會引起平臺流動性風險，并且很多用戶在平臺跑路消息報道的基礎上，針對平臺的投資僅僅限于打新投資，這顯然會提升互聯網金融的流動性風險。二是信譽風險。信譽風險就主體劃分，主要分為自然人信貸風險及企業信貸風險兩種。自然人信貸風險主要是指自然人違約，其出現違約主要是由于其抗風險的能力較弱進而出現了道德問題。自然人信貸風險主要是由于借款人的經濟情況具有不確定性，尤其是該種借貸用在了生產經營商。互聯網金融業務內會牽涉到大量的自然人信貸范疇，由自然人承擔對應的償還義務，但是自然人的經營狀況、身體健康情況和消費習慣等都會引起還款風險。另外自然人借款人的個人觀念及道德問題都會造成違約風險。企業信貸風險和自然人借款人的動機以及償債能力的影響因素存在較大的差異。通常企業借款人主觀上惡意不按時清償債務可能性較低，對比之下，由于經濟實力、行業發展和經營狀況等因素導致的資金短缺更加容易使其違約。因此在對信譽風險實施評價時，自然人信用風險要更側重對其償還意愿的評估，但是企業借款人信用風險的評估則更加側重對其償還能力的評估。三是操作風險。互聯網金融操作風險主要指的是互聯網金融的活動內，由于人員匱乏、內部流程制定不當或是實施失敗以及系統不足所造成的直接性或間接性損失的可能性。目前用戶數據、用戶操作行為數據、交易數據、文本數據等大數據系統出現交織，由于沒有通過授權方位、系統退化、雇員欺詐、服務提供商風險和客戶安全保護意識較低等交易內，操作風險正是來自這些繁瑣和復雜的數據系統行為的結合內。依據操作風險的不同來源，可以劃分為內部操作風險及外部操作風險兩種。內部操作風險主要因為績效考評、審計監管及內部控制等多方面的互聯網金融企業內部因素所引發；外部操作風險主要是因為私人泄露、釣魚網站的盛行等外部因素引起的。追究其根本原因就是在于大數據，互聯網金融企業對用戶注冊無法實現有效管理，并且不能很好地分析和管理交易中出現的大數據，另外是否可以合理地對各種數據進行保存也是當前互聯網金融企業迫切需要解決的問題。互聯網金融商業風險特點。一是擴散速度快，破壞力強大。傳統銀行業務通常是通過紙質或是銀行內部系統來操作，一旦出現了錯誤，是有充分的時間查找、連接并且追回損失的。但是包含了交易數據、用戶操作行為數據和用戶數據及文本數據等大量數據的云金融為載體的互聯網金融，一旦出現了問題或是差錯，將會難以立刻糾正，并且互聯網金融業務運作速度飛快，等到發現問題后再攔截和追討損失基本無望。二是風險會交叉傳染。一方面互聯網金融業務平臺內包含了融資類、支付類和理財類業務，業務相互之間存在交叉性；此外互聯網金融商業風險內的市場風險、信譽風險和操作風險就像是多米諾骨牌，一旦一個出現風險將會引發一系列的風險。三是很難區分風險責任。互聯網金融辦理的過程一般都會涉及到外包商、電力和電信等其他多種合作方式，因此一旦某個方面出現了服務終端、客戶信息泄露和系統崩潰，將會直接對互聯網金融企業造成極大的損失，并且難以對責任實行區分。責任不能區分的直接結果就是一旦發生了損失，將難以對有關方的損失賠付進行明確。

互聯網金融的風險預警系統

數據作為中心的體系設計原則。互聯網金融風險預警系統設計內必須要遵循下面幾點：一是系統性原則。互聯網金融風險預警系統屬于一個針對互聯網金融風險實行檢測、預測和預警的系統，是大型的體系，該體系內包含了互聯網金融行業的所有，因此建立該系統時必須要考慮每一個用戶和金融產品的提供者等全部參與到金融活動內的人的利益，同時還要實行系統性建設。二是時效性原則。互聯網金融行業最大的特點是高速，充分體現了互聯網金融活性具有的及時性特點，因此在實行互聯網金融風險預警系統的建設中，必須要實時防范并且及時處理，確保可以及時判斷風險和快速應對，避免造成太多損失。三是科學性原則。在預警系統的建立中要確保科學性，保障系統可以準確對金融風險實行判斷，防止對金融風險作出錯誤估計，最終導致不必要損失。將數據當做中心系統層級。在互聯網金融預警系統內存在以下幾層：一是數據管理層。預警系統主要是基于數據建立的，對此必須要建立和健全系統對數據的管理機制，建設和企業規模相適應的數據管理中心，便于對數據的收集、整理、加工和存儲。而且在數據中心還要實行管理過程內確保數據的準確性、完整性及安全性。二是數據整合層。風險預警系統的最主要任務是要通過分析互聯網金融行業內的海量數據，進而實現對其中風險的語境，這就必須要系統地對金融風險存在更為透徹的認識，自金融風險的定義出發，重新整合和分析數據，進而提取出有用的信息，信息整合能夠很好地保證信息的準確性及可靠性，數據提取層主要是整合及提取數據。三是數據分析層。數據分析層主要是分析數據，判定數據的風險。這就要保證系統具有完備的智能性。四是數據的解釋層，數據解釋層是對風險的解釋，更加準確地來講就是通過風險和企業現狀結合得出分析結果，其中包含了風險的可靠性、危險度、產生根源和處理方法。

建立互聯網金融風險預警模式

（一）風險預警設計思路

在上述分析的基礎上，針對定性風險評估指標使用模糊綜合評價法對其實行量化，對互聯網金融商業風險進行測度。依據選擇的權重系數測定互聯網金融商業風險預警綜合評分值，依據設定的預警區域范圍來確定互聯網金融的風險預警區域，從而選擇互聯網金融商業風險的相應策略權重系數的選擇在風險測度內是最關鍵的問題，對市場風險、信譽風險及操作風險實施分別測度中，須確定各個具體指標的權重系數問題；另外就是互聯網金融商業風險預警評分值測度過程內的市場風險、操作風險以及信譽風險分別權重系數確定的問題。

（二）構建互聯網金融風險預警指標體系

在業務平臺基礎上的互聯網金融商業風險主要被分成了市場、信譽和操作風險三個維度，而且各個維度的風險有著豐富的含義，很難使用單一指標來客觀描述。為了使得評價指標變為更精準，本文使用主客觀結合的方式設計互聯網金融三個維度的商業風險。 針對定量指標，筆者結合有關學者的研究成果和銀行體系定量指標來計算，最終對定性指標使用問卷調查的方式，結合模糊綜合評價方法得到最終對應的評分值。

（三）建立互聯網金融商業風險預警

通過假設互聯網金融商業風險內各變量間均是相互影響并且相互作用的，建立互聯網金融業風險的結構方程模型，并且對上述指標之間的關系進行檢驗。互聯網金融商業風險的三維關系假設主要為：H1：市場風險防控對互聯網金融商業風險的預警防控的直接正影響；H2：信譽風險防控對互聯網金融商業風險預警防控的直接正影響；H3：操作風險防控對互聯網金融商業風險預警的直接正影響；H4：市場風險防控及信譽風險防控的直接雙向正關系；H5：市場風險防控及操作風險防控的直接雙向正關系；H6：信譽風險防控及操作防控間的直接雙向正關系；H7：市場風險防控依賴各種要素不受信譽風險及操作風險防控影響；H8：操作風險防控依賴的各要素不會受市場和信譽風險防控影響；H9：信譽風險防控依賴的各要素不會受市場和操作風險防控影響；H10：除市場、操作和信譽風險以外的其他因素都是殘差項。劃分衡量互聯網金融商業風險的指標為：一是互聯網金融機構個體的指標，包含財務健康情況及機構規模；二是互聯網金融整體指標，包含了信貸質量、資產規模、資產及負債匹配數量；三是互聯網金融機構指標，包含了業務發展模式、產品類型、風險度量等。見表1所示。在模型內市場、信譽和操作風險分別作為三個外生潛變量分別由各自所屬顯變量測量，互聯網金融風險系統的各變量相互間是存在關聯性的，因此假設三個外生潛變量之間存在相互變聯系。互聯網金融的融資業務風險是內生的潛變量，主要是表1內的八個顯變量反應。

分析互聯網金融商業風險預警結果

首先要對預警信號閾值實行確定。預警信號閾值是觸發預警后續行動的臨界值，閾值要綜合數據的模型、歷史數據經驗和專家經驗以及同業信息確定，并且還要考慮互聯網金融的融資平臺的風險偏好、客戶與平臺的聯系、監管部門檢查評估互聯網金融融資平臺和監管要求等因素。一旦風險表征值超出了預警信號的閾值，將會觸及預警流程，進入風險預警系統，將實現對風險級別的定位。其次是定位互聯網金融商業風險的預警級別。依據評估風險大小，劃分互聯網融資風險為正常狀態、關注狀態、次級狀態、可以狀態以及損失狀態5個等級，分別用綠、藍、黃、橙、紅五種顏色的燈來表示。詳情見表2所示。第三是分析互聯網金融商業風險預警的結果。在處于綠色信號燈范圍情況下，互聯網金融平臺必須要考慮和其開展對應的業務活動，還要增強互聯網金融平臺的效益，平臺必須要大量的吸收該種類型的業務；在處于藍色信號燈的范圍下，互聯網金融平臺則可以考慮接受和其開展對應的業務，那些已經有的處于藍燈狀態的業務，則可以考慮持有；在處于黃燈信號的范圍時，互聯網金融平臺可以按照公司的戰略和客戶征信情況，適當考慮是否需要開展其他方面的業務，若是已經存在了處于黃燈狀態的業務，要及時防范并且調整，或是改變持有策略或是適當轉出業務；在處于橙色燈信號時，互聯網金融平臺則不應當考慮其借貸，若是當前業務已經處于信號燈為橙色的狀態，要立即采取對應措施來降低損失；若是當前處于紅色信號范圍內，則互聯網金融平臺必須將其拉進黑名單，針對已經處于紅燈狀態的業務，則要采取強硬的手段實行積極挽回，盡力彌補損失，實行不良征信評價。

參考文獻：

1.卜亞，張敏.互聯網金融創新監管機制構建——基于激勵相容的視角[J].技術經濟與管理研究，2016（1）

2.李灝來，李越冬.國家審計“管理”互聯網金融風險的路徑研究[J].會計之友，2016（3）

篇（6）

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

[中圖分類號] F713.36 [文獻標識碼] A [文章編號] 1673 - 0194（2015）05- 0224- 03

目前創業市場雖說商機無限，但對資金、能力、經驗都有限的大學生創業者來說，可供選擇的項目并不多。而電子商務創業則是大學生能夠揚長避短、發揮優勢的一個最佳選擇。大學生群體與電子商務新興產業的有機結合，形成二者共贏的局面。大學生在電子商務創業時，必須要考慮并解決創業團隊、創業項目、網站運營管理、風險控制等影響電子商務創業成敗的關鍵因素，才能分享電子商務創業成功的喜悅。

1 創業團隊

在創業過程中，團隊和人才是左右創業成敗的核心要素。大學生電子商務創業能否成功的關鍵性因素在于創業團隊的綜合實力，一個優秀的創業團隊是創業成功的保障。創業活動的復雜性，決定了所有事務不可能由創業者個人包攬，要通過組建分工明確的創業團隊來完成，創業團隊的優劣，基本決定了創業能否成功。成功的創業者是以正確的創業理念來指導創業活動和組建創業團隊的，創業理念決定著創業團隊的性質、宗旨和獲取創業的回報，并且關系到創業的目標和行為準則，共同的創業理念是組建團隊的一個基本準則。

創業團隊是由創業團隊的領導者所組建的，創業團隊領導者是創業團隊的核心，創業團隊領導者將那些具有共同創業理念、志同道合的團隊成員聯合起來，為共同的創業目標而奮斗。在創業團隊中，團隊的領導者是至關重要的，他必須有創業者的胸懷和品質，有素養和能力來組建團隊和發揮團隊的作用，并在創業過程中，隨時做好團隊成員間的協調工作，使團隊的整體水平不斷提高。創業團隊領導者應對團隊不同成員的個性、知識、技能和能力進行有效地整合，以保持團隊的競爭優勢。作為創業團隊成員，應該具備創業者的特征和技能，比如工作積極主動、有明確的目標；不滿足于現狀，有責任感；善于接受新事物，勇于變革和敢于承擔責任等。同時，還應該注意創業團隊成員的性別、技能、專業的互補，以便形成合力。對于一個創業團隊而言，其基本的人員配置為行政管理人名、財務人員、文員及客服人員、技術人員、營銷人員、生產人員等，其具體的人員構成由創業項目的特點而定。比如創業項目可以分為技術創業和營銷創業，技術創業則以技術人員為主體，營銷創業則以營銷人員為主體。

2 創業項目

創業項目的選擇是市場分析的結果，通過市場分析，說明創業項目市場前景廣闊，能夠發揮創業團隊的優勢，值得創業團隊為之而奮斗。針對具體的創業項目，可以從宏觀方面即宏觀環境、中觀方面即行業競爭、以及微觀方面即創業項目和創業團隊本身的內在條件進行分析研究，提煉出對于電子商務創業的有利因素和不利因素，進而把握全局，進行決策。電子商務可以應用于國內外貿易、金融、證弧⒙糜巍⒐愀妗⑿攣懦靄嫻雀鞲雋煊潁發展潛力巨大。目前對于電子商務而言，無非是網上銷售有形商品、無形商品和服務兩種形式。網上銷售無形商品和服務，如信息、計算機軟件、電影和音樂等娛樂商品，可以通過Internet直接向消費者提供，其模式可以包括網上訂閱模式、付費瀏覽模式、廣告支持模式、網上贈與模式、專業服務模式等。有形商品指的是實物商品，這種商品的交付不能通過Internet網絡實現，有形商品的電子商務模式指的是成交在Internet網絡上，而實際交付則依靠傳統的物流，其模式可以包括網上批發電子商務模式、網上零售模式、網上拍賣模式等。電子商務的創業項目可以從以上分類中進行選擇，但是就大學生而言，由于其各方面條件的限制，很難選擇大型的項目。就目前來看，大學生電子商務創業選擇的項目無非是以下3種：①建立個人網站。建立個人網站需要極大的勇氣，并且要有獨特的創意；②開網上商店。在網上開店主要有兩種模式，一是建立自己的商品網站，二是借助于大型的、成熟的網絡平臺，如淘寶、當當、卓越等；③當網絡。網絡如今是一個時髦的職業，很受大學生宅男宅女們的青睞。選擇一個好的適合創業團隊的創業項目，是創業成功的關鍵。

大學生電子商務創業團隊所選擇的創業項目，要適合其“資金和經驗少，知識多和熟悉網絡”的特點，同時更要考慮創業團隊各個成員的專業背景、社會背景、成長環境，以及一切可以利用的資源，充分發揮各自的優勢。如學技術的，可以側重于技術方面；學經濟管理的，可以側重于市場營銷方面；具有獨特資源的，可以對其資源進行分析整合，實現其市場價值。大學生創業團隊各個方面的實力較弱，對具體項目選擇時最好要做到“一大一小”，即市場要足夠小，小到門戶網站不愿意進來，同時市場也要足夠大，大到可以盈利。創業項目的選擇要充分考慮宏觀的電子商務環境，如國家在電子商務方面的法律法規、互聯網的發展程度、網民的數量與結構、電子支付的方便程度、網絡安全及物流的支持力度。而對于具體項目，還要考慮項目執行地的實際情況，如當地的網絡環境、信息安全、網民的支付水平等，創業項目的選擇，必須獲得外在環境的支撐。

3 網站運營管理

電子商務網站是通過Internet相互連接起來的，是在計算機硬件和軟件基礎設施的支持下，為用戶提供信息服務、網頁服務、郵件服務的信息載體，是企業和個人開展電子商務的平臺。電子商務網站是大學生電子商務創業的必要條件，電子商務網站質量的高低關系到創業成敗，一個好的電子商務網站有助于大學生電子商務創業。對于資金雄厚或有一定技術實力的創業團隊，可以創建自己的電子商務網站；而對于資金匱乏或技術實力較弱的創業團隊，可以借助于現有的電子商務網站平臺，如淘寶網、易趣網等。一個好的創業網站，不僅僅是一次性制作完成就成功了，由于創業的內外部環境在不斷地發生變化，因此網站的內容也需要隨之調整。搞好電子商務網站的運營管理，對于大學生電子商務創業顯得尤為重要，網站運營是指網絡營銷體系中一切與網站的后期運作有關的工作，網站運營包括網站內容策劃及、網站可用性分析、網站數據分析、網站優化等。創業團隊運作創業項目進行電子商務創業，其創業項目的經營管理就依賴于電子商務網站，因此在某種意義上來說，創業項目的經營管理就相當于網站的運營管理，二者在這里是等價的。網站運營管理包括以下內容：

3.1 網站內容策劃與

網站內容策劃與是服務于和服從于創業項目的，是創業項目在網站上的具體化和實現方式，創業項目是通過網站的形式來體現出來的，是依靠網站來進行管理和運營的。網站內容策劃與主要包括：①網站定位。也就是創業項目的具體實施過程；②可利用的資源。即創業團隊的外部環境和內在條件；③目標客戶，即創業項目的市場定位；④網站盈利模式；⑤網站的財務投資計劃；⑥具體的創業計劃書。

3.2 網站的可用性分析

可用性是表達某種東西在使用時難易程度的一種屬性。根據國際標準化組織ISO解釋，電子商務網站可用性是指電子商務網站用戶在網絡環境下，利用電子商務網站完成商品交易時所達到的有效性、效率和滿意度。其具體影響指標包括網站的響應速度、網頁的合理布局、網頁的美觀、網站的安全性、網站信息的可靠性、網站導航功能、客服的及時回應、購物過程簡潔安全、網頁的有效鏈接、網站信息實時性等因素。創業團隊可以采取相應措施，來提高網站的可用性，比如：①減少圖片和動畫的使用，提高網站的響應速度；②合理網頁的布局、高質量的網頁內容，提高網站信息的質量；③網站導航清晰，網站鏈接有效準確，確保用戶快速瀏覽網站。

3.3 網站數據分析

電子商務網站數據分析本質上也是網站與顧客的交往記錄。相對于傳統企業，電子商務網站如果要想記錄網站與顧客之間的交往記錄，比以往大部分傳統商務活動都方便得多。網站與顧客之間的互動行為，基本上分為兩種。一種是最簡單的互動，即顧客訪問某個頁面，是由日志文件來記錄這些互動行為。日志文件通常采用PV數據分析方法，PV即Page View，也就是頁面瀏覽量或點擊率，是衡量一個商務網站所售賣商品受顧客歡迎程度的主要指標。影響商務網站PV的因素包括商品的時間；不同時段網民的人口特征，如性別、年齡、教育程度；訪問的周期；以及一些偶然因素等。另一種是比較復雜的互動，即顧客進行注冊、登陸BBS、購買商品，是由數據庫文件來記錄這些互動內容。分析網站的顧客行為，就是采用一定方法對數據庫文件進行分析，通過這些分析可以取得對網站運營管理有幫助的數據，如顧客的來源、顧客的年齡、顧客的習慣、顧客最喜歡或最討厭的網站的商品或服務，以及對顧客的意見和建議的歸納和總結等。

4 風險控制

創業團隊在經營管理創業項目過程中將不可避免地遇到各種風險，如果處理不當，任何風險對創業都有可能是致命的打擊。風險不同于危險，在創業過程中大多是基于投機風險的決策問題，是可以通過風險管理進行規避的，將風險降低到可能的最低限度。按照風險的來源可以分為技術風險、內部風險和外部風險3個方面。技術風險是指相關產品科學技術難度以及模仿性；內部風險是指在內部管理和財務方面可能存在的風險；外部風險主要來自同行業市場的競爭、國家的產業政策、自然災害以及相關法律和政策等。而對于大學生電子商務創業項目，其創業風險主要有市場風險、財務風險、技術風險等。

4.1 市場風險

由于電子商務創業資金門檻低，進入容易，大量的創業者已經進入了這個領域。一些傳統企業也紛紛上網，將市場擴展到網絡中，這使新進入者面臨巨大的競爭壓力。根據波特的5種競爭力量模型分析，創業者不但要面對已有競爭對手的威脅，還要面對新加入者的威脅，消費者討價還價能力的威脅，供應商要價能力的威脅，還有潛在競爭對手的威脅。并且電子商務創業不但要面臨同類網站的競爭，還要面對傳統市場的競爭。針對創業的市場風險，可以通過市場調研、了解消費者需求、加大網站推廣力度和品牌推廣力度、增加增值服務、不斷總結經驗、重視市場調查在市場營銷中的地位等手段，來盡可能地規避市場風險。

4.2 財務風險

任何公司在創業的時候都會存在資金短缺的問題，如何有效地利用資金，采用何種融資的方式和手段，這對于創業團隊都是十分重要的。財務風險是指創業企業在經營管理過程中，由于其所需要的資金不能夠適時供應，以支持企業正常運行，從而導致創業失敗的可能性。創業的資金來源可以分為自籌、貸款、股權投資和各種風險投資。無論何種資金來源，資金都是有成本的，是需要付出代價的，并且資金的供給也是有限度的。創業者都可能面對資金短缺的現實，面對資金鏈斷裂的危險。要想規避創業過程中的財務風險，必須做好財務的收入和支出的短期及長期預算，建立和完善財務制度，同時創業者必須時刻關注現金流，以及預算的現金流和現實的現金流之間的差異，一旦發現問題，要及時采取彌補措施。

4.3技術風險

電子商務創業面臨的技術風險主要來自網絡環境和交易安全方面。網絡環境風險是指服務器遭受到黑客的襲擊；網絡中的信息系統受到攻擊后無法恢復正常運行；網絡軟件常常被人篡改或破壞；網絡中存儲或傳遞的數據常常未經授權被篡改、增刪、復制或使用等。交易安全風險是指很多消費者擔心網上購物的風險，交了錢不給東西怎么辦；網絡支付時銀行卡密碼會不會被盜；拿到手的東西跟網上看到的東西是不是一樣；還有個人信息的保密程度等問題。此外，現階段電子合同、在線支付、商品交付等問題雖有了初步的法律規范，但還沒有做到全面的法律保護，個人隱私權保護、欺詐等問題困繞著消費者，使之不敢大膽地在網上購物。要想有效規避技術風險，可以將電子商務網站的軟硬件進行升級，建立完善的風險監控和跟蹤系統，并制定風險防范計劃，甚至可以考慮將網站安全服務外包給第三方可信的互聯網安全公司。

主要參考文獻

[1]龔志周.電子商務創業壓力及其對創業績效影響研究[D].杭州：浙江大

篇（7）

1 波羅的海干散貨運價指數的簡介

波羅的海干散貨運價指數由波羅的海航運交易所創立和。波羅的海航交所是世界第一個也是歷史最悠久的航運市場。1744年誕生于美國佛吉尼亞波羅的海咖啡屋，目前是設在英國倫敦的世界著名的航運交易所，全球46個國家的656家公司都是波羅的海航交所的會員。為了滿足客戶的需要，波羅地海航交所于1985年開始日運價指數---BFI(BALTIC FREIGHT INDEX)，該指數是由若干條傳統的干散貨船航線的運價，按照各自在航運市場上的重要程度和所占比重構成的綜合性指數。

為滿足市場多元化的需求，航線經過數次調整，增設了單獨的航次期租航線，在1999年的9月1日，波羅的海交易所將BFI分解成BPI和BCI兩個指數，這樣與大靈便型船運價指數BHI共同組成三大船型運價指數，同年11月1日，在BCI、BPI、BHI基礎上產生的BDI取代了BFI，成為代表國際干散貨運輸市場走勢的晴雨表。由于大、小靈便型船市場已經明顯分化，2001年初波羅的海交易所將大靈便型船的運價指數BHI調整為BHMI，后來從2005年7月1日起，波羅的海航交所又公布了Baltic Supramax Index(BSI)，該指數反映了超級大靈型船的市場租金變化情況，BSI與BHMI并行了半年，在2006年1月1日BSI取代了BHMI。下圖表是2009年3月19日波羅的海交易所公布的各個指數的具體航線構成以及它們的權重情況：

資料來源：Baltic Exchange Information Services Ltd 19/3/2009.

2 BDI的歷史回顧

BDI是目前世界上衡量國際海運情況的權威指數，是反映國際間貿易情況的領先指數。如果該指數出現顯著的上揚，說明各國經濟情況良好，國際間的貿易火熱。反之，亦然。

從圖中可以清晰的看出，BDI的走勢大致可以分為六個階段：第一個階段是從BDI設立到03年上半年，BDI的波動幅度不是很大，均值在1500點。第二個階段是從03年下半年到06年年末，這期間該指數在4000點上下大幅的波動。第三個階段是06年末到07年11月中旬，這階段BDI可謂是井噴式的上漲，在07年11月13日達到歷史高點11039點，全年BDI的平均值比去年增長118%。第四個階段是07年11月初到08年5月下旬，受美國次貸危機的影響，一度大幅回落，跌至08年1月29日的階段性低點5615點。雖然08年上半年國際金融市場利空消息不斷，信貸危機也逐步演變深化，但國際航運業似乎未受到影響，BDI升勢迅猛，08年5月20日，該指數創下11793點的歷史新高。第五個階段是08年5月下旬到08年12月初，這階段美國次貸危機已經演變為全球性的金融危機，全球經濟衰退日漸明顯，國際貨運業負面影響顯現，BDI一路暴跌，08年12月5日跌至663點，達到歷來低谷，08年可謂是BDI大起大落。第六個階段是從08年12月初到09年3月上旬，BDI有所回升，09 年3月19日報1795點，從低位已累計回升171%，但近日有所回落。

BDI作為干散貨航運價格的綜合指數，能夠客觀反應干散貨航運的市場行情，是研究干散貨航運市場的重要依據和對象，該指數的劇烈波動也給航運公司帶來不確定的經營風險。因此，國際海運學界人士對BDI進行了長期和多方面的研究，下文就BDI波動的主要影響因素、波動的規律計量研究、以及如何降低由于BDI的波動帶來的經營風險等方面做一下文獻綜述。

3 影響BDI波動的主要因素

3.1運力供求對BDI的影響

從經濟學角度來說，需求和供給的關系變化是影響價格的根本原因。國際干散貨運價作為運輸勞務的價格，和其它商品價格一樣受航運市場供求關系的影響，是干散貨運輸的供給方和需求方在近乎完全競爭的國際干散貨運輸市場上通過自由競價達到的一種市場均衡價格。

楊柳(2006)[1]通過分析干散貨FFA市場與現貨市場的關系，得出影響市場最基本和最關鍵的因素還是供需關系，這是市場萬變不離其宗的因素。陸克從等(2008)[2]對2004年2007年數據分析中指出影響BDI波動最重要的原因就是,供求關系失衡，來自于全球(特別是中國)大宗散雜貨運輸需求的增加及運力投放的相對緩慢，導致了這幾年運價的大幅上漲。

3.2遠期合約對BDI的影響

遠期合約又叫遠期運費協議(Forward Freight Agreements，FFA)，該協議規定了具體的航線、價格、數量、價格日期、交割價格計算方法等，雙方約定在未來某一時點，收取或支付依據波羅的海的官方運費指數價格與合同約定價格的運費差額。現貨市場是實貨交易，而FFA交易的是紙貨，即交易對象是紙面上的運費，它是一種運費的衍生物。FFA交易的產品對象就是現貨市場的指數價格，其結算是依據波羅的海的官方運費指數價格與合同約定價格的運費差額，若合同價格大于交割價格，買方支付運費差額現金給賣方，反之亦然。

航運界學者在FFA市場影響BDI的波動方面做了很多研究，主要有：Kavussanos和Visvikis等(2004)[3]研究了FFA交易和投機行為對即期市場價格波動的影響，研究顯示，FFA交易的存在對穩定即期價格的波動有著明顯的影響，顯著改善了信息傳遞的速度和質量。但是，在引入其他對即期市場價格有影響的經濟變量后，價格波動的降低與FFA交易之間不存在很明顯的因果關系。

劉晶等(2008)[4]利用回歸模型分析得到FFA與BDI之間存在著很明顯的線性相關關系。又進行了ARMA模型， GRACH模型的修正，VAR模型的分析，得到結論：07年來的BDI指數的高漲，航運供求因素不是主要原因，FFA市場的影響是主要原因，并且FFA市場只能對BDI造成短期影響，所以從短期來看，FFA市場的波動會對現貨市場產生持續擾動。但從長期來說，供求、成本等現貨市場因素將是影響BDI的主要原因。

陸克從等(2008)[2]對2004年到2007年數據分析中總結了BDI波動的影響因素中認為投機性租家和國際投機熱錢在FFA市場的炒作氛圍濃重也是不可忽視的因素。由于投機性租家在 FFA市場大肆炒作, 其后又相繼撤離, 導致市場行情大起大落。

王凌(2008)[5]認為07年-08年來的BDI的劇烈波動在于大量參與FFA市場交易資金的不穩定性。炒作FFA市場往往意味著囤積部分運力,這部分不透明的運力就成為沖擊市場的隱患。如果FFA多方轉向做空,這些被凍結的運力集中釋放,將對市場形成突如其來的打擊。

3.3航運成本對BDI的影響

航運成本主要包括航運中涉及的貨物裝卸、人員工資、燃油價格等。陳慶輝(2004)[6]通過圖表分析了航運成本對運價的影響，認為航運成本的上升都會使運價指數上漲。王然(2008)[7]詳細的介紹了運價和航運成本的構成，航運成本包括物質消耗支出、勞動報酬支出等成本支出，這部分支出在運價中占有很大的比重。國際航運成本是航運企業制定運價的主要依據，對運價的變動產生深遠的影響。原油價格上漲;船員的培養費不斷上升;船舶購置成本和港口使費的增長，使得構成運輸成本的各項費用都有上升的趨勢。因此資金的機會成本的增加使運輸成本出現明顯的上升趨勢，國際干散貨運價也隨之呈現長期上升的趨勢。

3.4 全球國際貿易量對BDI的影響

國際干散貨航運需求是從國際貿易中派生出來的，所以航運市場與國際貿易有著直接又緊密的關系。國際貿易對運價的影響一般是周期性的，這是因為世界經濟的周期性波動對貿易產生周期性影響，從而使需求也會產生周期性變動。陳慶輝(2004)[6]也論述了干散貨的貿易需求對運價指數的影響，認為大宗干散貨進口需求的增加和購買意向可以推動運價指數的上漲。劉水生(2007)[8]也分析世界經濟，干散貨貿易的影響，通過全球經濟的增長的數據分析得到增長越快，運價越高。王然(2008)[7]也總結了世界經濟即國際貿易的促進運價指數的上漲，還提到了“中國因素”和“印度因素”，這兩個因素都促使了貿易量的加大，進而提高了運價。

4 對BDI波動規律的計量研究

長期以來，國際航運界學者對BDI的波動規律做了很多計量模型方面的研究，總結如下：

Cullinane(1992) [9]首次使用自回歸移動平均模型建立波羅的海運價指數模型，認為BDI指數經過一階差分后是平穩序列，得到了ARI以(3，1，0)模型用于短期的波羅的海運價指數預測。

Berg-Andreassen(1996) [10]通過對BFI數據的分析對干散貨航運市場進行了研究，文章中對1985年4月至1988年12月的日觀測數據的時間序列進行了ADF(Augmented Dickey-Fuller)檢驗，結論認為運費率序列服從隨機游走趨勢。這意味著干散貨運費是一個非平穩過程，但經過一階差分后成為平穩過程，即一階齊次非平穩過程。

Kavussanos(1996) [11]研究了1973年—1992年干散貨運費率的月度觀測數據的波動性(Volat11ity)，包括現貨和期租費率，結論顯示數據序列的對數是一階自積并且存在協整關系。

Berg-Andreassen(1997) [12]對10年干散貨航運三條航線的BFI季度數據進行了分析以檢驗運費率序列變換成平穩序列所需要的差分次數。結果顯示，每條航線的運費率序列都是經過一階差分后形成平穩序列即一階自積的，運費率序列服從隨機游走。

楊偉年(1999) [13]建立波羅的海運價指數的多元線性回歸模型和多因素滯后變量模型，通過分析認為國際干散貨運輸需求量與該市場價格存在正的相關關系，國際干散貨運輸船舶供給量與該市場價格存在負的偏相關關系。此外，世界進出口貿易量對國際干散貨運輸價格的影響作用次之，為正的偏相關關系，其它因素對國際干散貨運價的影響作用不顯著

張林紅等(2001) [14]從運力供給入手，引入了市場運運價與市場綜合因數之間的函數關系及其變化趨勢，通過擬合，得出國際航運市場運價定量化預測模型，并對2001年以后的波羅的海運價指數進行了預測

呂靖等(2003) [15]對BDI 分別提取長期趨勢項、周期波動項和季節波動項后，得到了符合ARMA模型建模要求的零均值平穩序列并建立ARMA預測BDI的模型。

李耀鼎等(2006) [16]對1984年7月至2005年11月的半月BDI對數序列進行了ADF檢驗，得到以下結論：BDI對數序列具有尖峰厚尾的特征，因此不能認為BDI對數序列服從正態分布;對BDI對數序列進行單位根檢驗，結果表明BDI對數序列存在單位根，是非平穩時間序列，但是一階差分后是平穩過程。運用ARCHLM檢驗法對BDI對數序列誤差項進行檢驗，結果表明BDI波動具有高階條件異方差性，并用GARCH(1,1)有效地消除條件異方差性，從而更好地擬合波羅的海運費波動。

陸克從等(2008)[2]對2004年1月4日至2007年12月24日，共999個觀測數據，根據這些數據利用ARCH族模型研究BDI的規律，對BDI對數收益率序列的平穩性、異方差性及波動特點進行分析，得到國際干散貨運價指數BDI對數序列一階差分后得到的日收益率序列是平穩過程。通過ARCH LM檢驗認為BDI日收益率序列存在高階ARCH 效應，也運用了GARCH(1,1)模型消除殘差序列的條件異方差性，更好地擬合BDI序列，對后市的預測提供依據。

5 對BDI波動的風險管理

國際干散貨運輸市場波動性劇烈震蕩，給參與者帶來了巨大的經營風險。為此，航運界把眼光放在海運經營風險管理上，人們最熱衷的當數對運價波動風險的控制，探討有效規避市場風險的方法，從而引發和帶動航運期貨市場誕生與發展。

Batchelor等(2003) [17]使用多變量的VAR模型、VECMSURE-VECM、單變量時間序列模型和ARIMA模型,預測即期運費率和遠期運費率，研究的樣本航線是BPI的P1、P2、P1A和P2A，數據期間為1995年7月至2002年7月。研究的結論是：FFA有助于提高即期運費的預測質量，相反，即期運費對遠期運費的預測沒有多少幫助。這表明遠期運費比當前的即期市場含有更多更好的市場信息。

張建等(2006)[18]介紹了遠期運費協議(FFA)的含義及其在國際干散貨航運市場的發展情況，探討FFA風險管理的作用，具有套期保值投機的功能。并建議了中國船東和租家必須學會利用FFA這一新的工具進行風險管理。

段國棟(2007)[19]介紹了干散貨航運市場風險管理的發展，認為隨著市場波動加劇，控制市場風險的方法經歷了：船隊拆分經營→浮動指數法→運費衍生品—FFA。介紹了FFA保值和投機兩種功能，經營者利用 FFA進行對沖，把運費變動風險轉移給愿意承擔風險的投機者。還可以利用FFA來進行對沖實現套期保值的功能，以期在未來某一時間通過賣出(買入)期貨合約來補償現貨市場價格變動所帶來的實際價格風險。

孫淑文(2008)[20]針對2007年至2008年的一輪波動，提出要積極運用運價衍生工具應對波動。在文章中指出航運企業通過簽訂COA(長期租船運貨合同)，來穩定運價成本。COA較多采用的是指數浮動法，再有就是目前國際航運市場上提供的遠期運價合約(FFA)可以被來提前鎖定運輸成本，規避價格波動帶來的風險。

蘇同江等(2008)[21]對于如何規避風險介紹了三種形式：遠期運費合約、運費期權、遠期燃油期貨。當今國際航運市場的博弈從傳統的現貨市場向期貨和現貨并存且相互影響的方向發展，國際航運期貨交易已經成為航運企業在干散貨市場中研判未來市場走勢、套期保值、投機盈利的重要手段之一。

陳小龍等(2008)[22]認為可以利用海運運費衍生品來有效規避運費風險，海運運費衍生品主要有：波羅的海運費指數期貨(BIFFEX)、遠期運價協議(FFA)和運費期權(Freight Options)。指出FFA交易占絕對優勢，而OTC為FFA交易的主要方式。

篇（8）

而在金融市場中，銀行業作為金融體系中十分重要的組成部分，同時也成為貨幣傳導機制的重要一環，自然對商業銀行的監管將成為金融風險管理研究的課題之一。首先，金融產品的多樣化擴大了銀行的收入來源，隨著我國逐步推行利率市場化、各商業銀行的中間業務尤其以表外業務為主的規模不斷發展擴大，商業銀行所面臨的風險也隨之擴大。其次，我國國內市場化進程不斷深化、利率市場化程度不斷加深，越來越開放的市場環境使得國內大多傳統分業經營的界限日益模糊，商業銀行走上混業經營成為銀行業未來發展的必由之路。與此同時，眾多金融衍生工具的誕生、銀行業務的不斷完善創新，都為商業銀行創造了巨大的利潤，也帶來了不容忽視的金融風險。如何在提升商業銀行自身的市場競爭力的同時增強銀行本身的抗風險能力，現成為眾多商業銀行經營管理的核心內容。

二、文獻綜述

（一）國外文獻綜述

1952年哈里馬克維茨在他的博士論文中開創性的提出了一種關于資產組合選擇的方法，馬克維茨提出基于投資組合中的兩個基本參數，理性投資者會以此做出合適的資產組合的選擇，這兩個參數即預期收益和風險，這就是現代風險管理理論發展的基礎。至1960年前后，威廉夏普與林特納提出了資本資產定價模型（CAPM），資本資產定價模型推進了風險管理的研究進程，它基于馬克維茨的理論將單個資產分為兩部分即是否能被分散化的風險。1995年，巴塞爾委員會提出VaR必須成為商業銀行資本充足性評判依據的要求，并在聲明之后對VaR模型是否適用于商業銀行風險管理的分析做了詳細的介紹。在1995年末美國證交委員會提出上市公司需定期披露自身信息并將VaR作為報告期的重要衡量指標的建議后，研究者們及銀行家們對VaR模型的使用日益重視，且模型在金融業的適用范圍日益擴大。

進入21世紀后，研究者們對VaR模型進行更深入和擴展的研究2004年，羅伯特首次基于VaR提出了條件VaR模型（CAVaR），在此模型中模型參數來自于分位數回歸，這也是條件自回歸模型的首次亮相。2010年，羅伯特又對三類基本方法，即Delta正態法、歷史模擬法、蒙特卡羅模擬法的優缺點進行了比較分析。

（二）國內文獻綜述

2006年，梁志森指出在我國商業銀行的市場風險管理上，VaR 的應用雖具有一定的局限性，但在一定程度上是可以克服的，即表明VaR在中國銀行業風險管理領域同外國一樣具有相當的適用性。2007年，何飛平對VaR模型的隨機波動進行了討論，并對此情況下的VaR值進行實證分析，結果顯示隨機波動模型下的VaR值更具準確、動態性。隨后在2008年，牛茜指出使用VaR模型來計量市場風險與風險管理是我國商業銀行未來的可行之路，但我國銀行在使用模型時仍然存在數據缺失與后尾分布現象。2012年，劉靜，高翔就當下我國銀行業中存在的普遍現象和問題，針對性的提出風險管理審計在我國商業銀行業中實施的必要性，并深入探索研究更符合我國商業銀行經營狀況的風管審計新體系。

三、商業銀行市場風險的度量

（一）度量方法介紹VaR介紹

1、VaR的定義

所謂VaR，簡單來說就是指在正常情況與給定的置信水平下，資產、投資組合在未來一段時間內將會遭受的最大可能損失。可以表示為：

Prob（P

其中，Prob表示概率密度；P=P（t+t）-P（t），表示組合在未來持有期即t內的損失；c即為給定置信水平；VaR表示在給定置信水平c下資產組合的風險價值。

2、VaR的基本特點及參數

基本特點：

（1）基本公式僅能準確計算正常波動狀態下的市場風險而非極端情況；

（2）VaR具有可比性；

（3）VaR值越大說明風險投資組合面臨的風險越大，反之則越小；

（4）正常情況下，時間跨度越短，收益率越貼合正態分布；

（5）VaR值的基本參數為置信度和收益率。

基本參數：

（1）持有期

持有期是指計算在某段時間內持有資產的最大損失值，即VaR的時間范圍。一般在計算持有期時需考慮流動性、正態性、數據約束及頭寸調整這四個方面。并且在一般情況下，其他因素保持不變，流動性越大，持有期越短，資產組合面臨的風險越小。

（2）置信度

置信度是指資產組合的實際損失低于事先估計VaR值的可信度。置信度的選擇需考慮歷史數據的可得性與充分性，并且對于同一個資產組合，在不同置信度下得出的VaR值也不盡相同。因此，選擇恰當的置信區間對計算VaR模型十分重要。

（二）VaR模型對我國商業銀行市場風險的實證分析

1、樣本區間的選擇

上海銀行間同業拆借利率（SHIBOR）是我國銀行間利率市場化最具有代表性的數據且具有很高的市場化程度，因此實證分析選取此數據作為模擬變量。本文選取2012年1月4日至2014年6月17日之間的上海銀行間同業拆借利率（SHIBOR）作為樣本，同時考慮到市場交易量以及利率對市場變動反應的靈敏程度，選擇其中的隔夜加權利率作為觀測對象，選擇樣本容量為608，樣本數據的持有期為一天，即t=l。文中數據均來源于上海銀行間同業拆借利率網站，應用Eviews6.0軟件對數據進行分析處理。

2、樣本數據分析

（1）ADF檢驗

用單位根的方法對時間序列的平穩性進行檢驗，平穩性檢驗結果如表1：

由檢驗結果可知：在三個顯著性水平下，單位根存在的零假設均被拒絕，即表明了SHIBOR對數日收益率序列是平穩的。

（2）VaR檢驗

由表2可得滯后階數為3階，接下來，通過檢驗單位根來考察模型的穩定性，見圖1：

由圖1可見，所有的特征根都落在單位圓內，即都小于1，表明該VAR模型的結構穩定，因此可以對其進行格蘭杰因果關系檢驗、脈沖響應函數分析和方差分解。

（3）格蘭杰因果關系檢驗

為了能進一步確定變量之間的相互關系，下面進行格蘭杰因果關系檢驗，結果如表3：

由表3可得以下結論：

（1）隔夜SHIBOR與一個月SHIBOR互為格蘭杰因果關系；

（2）在95%置信度下，隔夜SHIBOR利率和一個月SHVIBOR利率與上證指數并無格蘭杰因果關系；

（3）上證指數與一個月SHIBOR互為格蘭杰因果關系，但與隔夜SHIBOR沒有格蘭杰因果關系，也就是說上證指數的變動能夠引導一個月SHIBOR利率，或者說一個月SHIBOR利率能夠反應上證指數的變化，但是隔夜SHIBOR利率卻做不到這一點。

四、結論

通過本文前面的介紹可以得出：VaR模型對我國商業銀行的利率風險管理具有適用性及很好的衡量作用，雖然運用這種方法仍存在一定的限制條件。因此，建立以VaR模型為基礎的利率風險管理體系具有重要的現實意義，現根據上面的分析得出如下結論：

第一，要建立與我國商業銀行利率管理體系相適應的VaR模型，商業銀行是一個需要實時數據作為支撐的行業，并且VaR模型需要應用大量精確有效的歷史數據，因此本文選取的數據是從2012年1月起至2014年6月總共610個數據，分析得出的結果具有時效性及可參考性。相反，如果數據缺乏則會在很大程度上限制VaR模型的實際運用，且會加大應用過程中返回測試的困難，因而降低了模型的有效性；

篇（9）

互聯網從1987年進入中國，經過十幾年緩慢的發展，在2011年開始了進入互聯網金融發展的實質性熱潮，到2015年3月總理在政府工作報告中提出互聯網+概念，達到一個。隨著互聯網技術的發展和網民人數的增加，越來越多的業務尋找互聯網為依托，逐步形成了網上支付，網上購買，網上集資，網上理財等線上金融服務的選擇。

傳統金融打個比喻可以稱為“凳子金融”，最大特點是“守株待兔，等客上門”，最大的特點就是憑借自身具有牌照優勢來謀取利息差的一種“衙門式”服務模式。相比“凳子金融”，互聯網金融依托于互聯網技術大數據、云平臺和區塊鏈技術等互聯網技術，實現資金通融并且提高金融服務的效率和降低金融服務的成本，使傳統金融不得不撤銷凳子，真正回歸“便捷、對稱、互動、普惠”這一信息化時代的特點，充分展現出其創新強、覆蓋廣、成本低、效率高等特性。金融的核心能力是議價能力和風險定價。客戶金融產品個性化和定制化的需求在傳統金融中操作難度較大，需要消耗巨大的成本。通過互聯網金融，金融產品或服務尊重客戶體驗，以客戶為導向，反向進行相應的產品開發，為客戶提供個性化的增值服務，將金融化于無形，去中介化，通過交互式營銷，這些操作只需要用指尖點擊鼠標或者用指尖觸摸手機即可完成。稱為"指尖金融”。

今年暑假，有幸與幾個同學組織了聞融互聯社會實踐隊，實踐的主題是考察互聯網金融的未來發展，重點考察了P2P代表公司紅嶺創投、O2O代表公司深圳淘金山公司，互聯網大數據挖掘及網絡安全公司深圳廣道高新技術有限公司、互聯網股權投融資平臺的深圳眾投邦公司、提供小微金融理財服務信貸工廠的聯金所、創新型互聯網抵押貸款平臺錢來網公司，通過調研并在各個方面搜集資料，認識到目前金融已經實現大跨越的發展，傳統的金融從交易各方存在的信息不對稱，消費者需要金融機構的實體網點進行操作，發展到互聯網金融供求各方的信息獲取趨于相對對等透明，通過互聯網技術在金融領域的應用，跨越了實踐和空間的限制，徹底改變了“凳子金融”的運行操作模式。互聯網金融利用數據云計算通過設定的各種風控模型，尋找相應的客戶群體，快速進行決策，降低服務成本，改善服務效率，提高服務的覆蓋面，使供求各方信息溝通突破了地域和時間的限制，各方真正實現了資金的對接。

現代金融發展從“凳子金融”到“指尖金融”的跨時代的演化，形式改變了，但金融的核心本質-信用與風險卻沒有改變。互聯網金融依托大數據、云計算等互聯網技術使數據信息更及時、更透明、更多元、更動態、更可靠，對金融需求雙方的信息對稱和交流作用凸現，使需求雙方匹配的時間、空間更廣、更寬、更分散，金融風險匹配和防范能力更強，信用識別效率更高。解決市場主體之間信息不對稱的歷史難題，更為高效便捷地實現數據分析、信息透明、資源整合，給“凳子金融”生態圈帶來了翻天覆地的變化。剎那間，“指尖金融”成為掘金利器，各路精英云集，各種新概念頻生，各種模式呈現，各種平臺云起，欣欣向榮的景象，難免也出現各種亂象，壞賬、跑路、破產等等問題，究其根本是對風險的無所敬畏。 “指尖金融”的風險究竟有哪些？ 同屬于金融領域，相對于“凳子金融”，但發生的誘因、形式等不同，主要有一下幾個方面：

（1）信用風險：借款方不愿意或者無力履約造成未能及時或者足額償還而違約的可能性；

（2）道德風險：企業內部欺詐、流程不完善漏洞、員工違規操作等；

（3）交易風險：交易操作風險；

（4）技術風險：于經營的平臺信息技術系統發生故障，使得系統失靈或者業務中斷不能保證交易有效、及時、有序、順利進行；

（5）監管風險：由于國家監管或者政策法規，自律性的組織制定等各類規定涉及的可能遭受到的法律或者監管的處罰從而造成的重大財務損失風險；

（6）市場風險：未預料或者對市場利率、國際匯率、借款企業或個人經營的行業市場波動進而未能有相應的應對措施的潛在風險。

金融服務的本質在于收益實現的延遲性，與普通的商品交換不同，在商品交易交換、支付完成以后，收益立刻體現，即使存在賒銷方式，也是金融服務的范圍。正是由于這種本金歸還的延遲性，就形成風險后置，所以就必須搭建相應的風控系統。針對上述的信用、道德、市場、政策、監管、技術等風險，設定相應的風控體系。

目前國內的各家平臺的風控體系良莠不齊，針對不同的平臺運營模式（表現為純線上模式，線上線下相結合模式，線下債權模式、公益模式等）可以歸為下面幾種風控形式：信用認證包括信用報告等；引入保險模式、機構擔保或者抵押物、質押物等擔保方式；采用風險備用金計劃；快標分散風險；債權拆分組合進行轉讓；平臺保證自擔風險模式；金融機構信用模式；小額貸款擔保模式；同時，為了盡可能降低風險，目前國內主流互聯網金融平臺大多選擇了和專業的第三方風控軟件提供商合作的模式，將自有模式和三方結合起來，比如國內的主流互聯網金融平臺都在使用的風控反欺詐服務。但由于征信系統不開放，假冒猖獗，投資人不成熟，熱衷剛性對付，征信不完備，需要作大量的前期工作；引入各種擔保模式，難管理，目前企業擔保的數百倍于自己凈資產的交易，杠杠放大過大；而且目前擔保行業也是魚龍混雜，無異于同床異夢；風險準備金模式很難將不良資產覆蓋，而且監管不嚴會被挪用。看似完美的風控背后也會讓人心頭一緊。

“指尖金融”作為一個新生事物，自身的發展也存在一個淘汰，去偽存真的過程，我們要從正反兩方面辯證的對待，既不能談“互聯網”就色變，把“指尖金融” 看成混亂不堪，不加甄別一巴掌拍死，全面槍斃；另一方面也不能任“指尖金融” 衍生出“草根金融” 放任自由生長，對其風險及控制不理不睬，要認真對待，尋求規范發展的道路，留出足夠的空間讓其充分生長壯大。同時也要以金融創新和金融重塑的姿態積極推動并對其規范監管和引導，并學習傳統金融多年的監管經驗，摒棄不足方面，依托互聯網技術和思維方式，通過海量的大數據分析和處理，逐步形成適應互聯網金融的監管思路體系，從而突破“凳子金融”的監管理念，適應“指尖金融”本身的發展特點和運行規律，為互聯網金融的順利發展保駕護航。

“凳子金融”和“指尖金融”都存在各自的優勢和不足，傳統金融具有口碑強、多年積累的甄別風險能力、資本、規模效益、客戶群體等方面的優勢，能夠靈活處理各種復雜大額的借款情況，而互聯網金融卻在數據挖掘和數據積累等方面優勢，能夠低成本拓展客戶和發展業務。二者之間可以取長補短。在金融功能上的優勢互補可以有以下幾個方面：

一是營銷對象的互補。“指尖金融”實際上是對“凳子金融”傳統業務較少涉及或服務盲區的領域進行補充。傳統金融追求規模經濟性，集中將資源分配到對利潤貢獻大的業務領域，出于成本與風險的考慮，針對中小企業或者次級借款方面由于獲取信息成本較高，需要花費較高的人力、物力、時間等各種成本，收益與成本不成比例，從而小微企業扶植力度欠缺。但“指尖金融”規避了這一弊端，成功將“長尾理論”運用到金融業務服務之中，通過互聯網技術合理分配資源，提高利用率，彌補這一不足。“指尖金融”憑借其互聯網覆蓋范圍廣、操作便利的先天優勢，建立具有門檻低、效率高、手續簡單特點的融資平臺來滿足小微企業和次級借款者的融資的實際需求，對“凳子金融”服務范圍進行了有效擴展。但在高端客戶群體的點對點的個性化全方位服務則是“指尖金融”的短板。

二是思維方式互補。“凳子金融”由于具有獨特的牌照優勢，更多依賴于雄厚的資本以及口碑以及多年積累的市場資源與監管政策的指導，“酒香不怕巷子深”的思想導致缺乏金融創新的動力。而“指尖金融”以客戶為中心，通過分析互聯網用戶的行為習慣，利用數據分析和處理為客戶提供多維度的用戶體驗，注重創新思維的經營管理模式需要傳統金融進行思維方式的轉變。從思維方式上看，“指尖金融”與“凳子金融”之間形成一種線上與線下、互聯網思維與傳統金融理念的優勢互補關系。互聯網金融業務在運營管理中運用以客戶為中心的大數據云計算思維、用戶體驗思維以及平臺交互思維為核心的互聯網金融思維。

三是運用技術互補。互聯網優化了“凳子金融”服務手段，改變了以本身為主導出發轉變為以客戶為導向的滿足用戶需求而服務點對點的資金對接服務手段。“指尖金融”的優勢在于可以充分利用云計算和海量大數據分析挖掘技術等手段，通過建立用戶、云、產品之間的互動構成了動態、多維的生態系統，從而深入挖掘不同用戶消費偏好歸納出個性化需求，跨越時間和空間，為客戶帶來豐富的多元化產品和完美的用戶體驗，交易效率大幅提高、交易成本更低、操作更便利。

從上面的介紹和分析，“指尖金融”并不是對“凳子金融”進行毀滅性和顛覆性的變革，而是在大數據云計算的互聯網思維方式下進行二者的融合，向著智慧銀行方向進行變革。融合可以在以下幾個方面進行：

一是數據資源共享。數據資源共享是“凳子金融”與“指尖金融”進行戰略合作的前提。互聯網金融擁有大量的用戶行為、用戶習慣、購買行為、交易數據可以通過分析數據獲得用戶需求，而傳統金融對客戶群體的資信各種財務數據以及資質狀況比較了解。將兩者的數據資源進行整合，可以全面地了解各種用戶群的相關需求及各種信息，從而對后續產品開發，市場營銷等提供更完善的數據。

二是建立共同評級系統。“凳子金融”和“指尖金融”在征信方面有各自不同的評級系統。各方都要花費大量的人力、財力、物力來完成這個數據系統。數據共享以后，信用信息更完備，根據共享資源優勢互補重新建認評級系統。通過大數據分析和處理，以較低的成本，高效的分析客戶信用評級，拓展客戶規模和客戶群，提升整個利潤空間。

三是發展多元化的金融產品。“凳子金融”與“指尖金融”進行戰略合作以后，在金融這個大框架體系下可以從金融理財、供應鏈金融、小微企業金融、消費金融、農村金融等等多個角度、多維度進行，通過互聯網技術金融碎片化的思想，通過產業創新可以實現更多的跨界的多元化金融產品，提高金融覆蓋率，促進社會經濟的發展。

篇（10）

商戶：“這段時間雞蛋的銷量還挺大的，價格也漲了，已經由3.7元漲到4.1元了，比禽流感的時候好多了。那時候價格才3.4元到3.5元，賣得還不多，這時候漲了5、6毛，賣得還多。”

和雞蛋價格一起上漲的，是市場需求。隨著節日臨近，“北蛋南運”大大拉動了北方雞蛋的銷售量。在北京一家農貿市場，雞蛋銷售商告訴筆者，這個夏天的雞蛋市場，呈現出供需兩旺的景象。

銷售商：“每天需求三萬斤左右，比原來多出了兩成。”

來自北京水屯市場數據分析：雞蛋價格在連續上漲半個月后，目前已經恢復平穩的狀態。上周雞蛋批發價維持每箱175到180元，本周略有下降，維持在每箱173到178元。水屯市場分析師師清才認為，現在的雞蛋行情，達到了養殖、銷售、購買三方都能接受的狀態。

師清才：“雞蛋從養殖戶那里每箱能達到160元的話，除去人工、運輸成本，就處于保本的狀態。目前雞蛋價格是養殖戶不虧損，經營戶有利潤，消費者也能承受住的狀態。”

還記得去年夏天，雞蛋價格也曾出現一輪明顯上漲，半個月里漲了近2成，被農民們戲稱為“火箭蛋”。養殖戶們介紹，每年到了6月份雞蛋都會漲價。今年是由于上半年禽流感的影響，推遲了雞蛋漲勢。那么，雞蛋價格漲到頭了嗎？后期還會繼續往上走嗎？

8月中旬以后，

雞蛋價格會上漲

師清才認為，隨著節日開始逐漸增多以及天氣轉涼，8月中旬以后，雞蛋需求量還會有很大上升空間，勢必會帶動雞蛋價格的上漲。

師清才：“由于前期蛋價偏低，有一部分養殖戶、養殖場把一些老雞淘汰掉了，蛋雞產蛋量下降。到8月下旬，可能南方過節，用蛋量增加，另外，等到9月1號，各大高校開學時，雞蛋消費會增加，價格也會有所上揚。目前雞蛋價格恢復上來，短時間依然會是波動穩定的狀態。”

分析師建議：成立農村合作社，增強抵御市場風險能力