互联网金融市场收益率波动初探图

图1 互联网金融收益率时序图及收益率序列直方图

—基于ARFIMA-GARCH-SGED模型的实证

本文在前人以GARCH模型研究中国金融市场价格波动和以ARFIMA模型分析收益率波动的长期记忆性基础上，分析互联网金融时间序列的特征，构建偏广义误差分布下的ARFI-MA-GARCH-SGED模型，对互联网金融市场的收益率特征规律及其相关市场背景进行探究，进而得到互联网金融板块收益率价格指数预测模型，并对模型的合理性进行了检验和探究。

1

互联网金融发展迅速收益率波动研究意义深远

2015年两会上，李克强总理提出：“制定"互联网+"行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。”这充分显示了对互联网金融这一新兴金融形态的重视。我国互联网金融虽然起步较晚，但在无门槛、无标准、监管相对宽松的环境下发展迅速。

余额宝、P2P（人人贷）、微信支付、众筹、阿里小贷、网络银行等移动互联网和电子商务企业纷纷进入金融企业，对传统金融形态进行着颠覆性的革命。互联网金融提高了整个金融业资源配置的效率与公平性，增强了金融服务的便捷性和透明度，扩大了消费者的金融选择权，也受到了年轻消费群体的欢迎。

金融市场的价格波动是与收益率波动联系在一起的，对价格波动特征及其背后的经济规律和政策因素等进行研究，对于相关行业的经营管理、融资决策，投资者的投资决策、政府部门制定相关政策以及互联网金融的健康发展有重要的参考价值和深远意义。

互联网金融的高收益率一度引起广泛争议，其背后隐藏的风险也引起了金融部门和学者的关注。通过研究其收益率的走势和波动机制，有利于监管机构对互联网金融市场进行及时有效的预测和监控，并为相关政策的制定提供建议。

2

大量实证结果表明：收益率波动存长期记忆性

在互联网金融浪潮的冲击下，各行各业开始了新一轮转型升级。对于其发展现状和未来趋势的把握和判断，对于其收益率的正确估计和分析，必将对各行各业融资投资政策产生深远影响。企业将能更加灵活地融通资金，控制风险，取得收益。消费者、投资者在对其收益趋势和风险有了进一步认识后，也将更有效的进行储蓄、投资、信贷、消费等活动，从而享受更加便捷安全的互联网金融服务。

国外学者从理论上给出了移动金融及其市场的概念和关键特性，深入讨论了移动业务模式和移动价值链构建，这为互联网金融的讨论和研究界定了范围并且奠定了基石，此后关于互联网金融的研究多基于此范围。随着投资者积极关注和金融风险管理的日益完善，关于互联金融市场收益率的研究也开始受到关注。

我国互联网金融发展迅猛，而相关研究更是层出不穷，并具有自身特色。李海舰等对互联网金融的收益进行了定性分析和比较，指出互联网金融具有低成本、方便、高收益等优越性。张成虎等建立了关于网络金融信息量和股票价格联合的E-GARCH模型，得到互联网金融信息量对市场价格波动扰动较大的结论。张昭、李安渝对互联网金融市场的收益率特征进行了实证研究，得到了拟合度较高的股价指数的预测模型。

时间序列的相邻观测值有很强的依赖性，体现的就是其记忆性。历史事件会长期影响未来的走势，这就是经济时间序列中常见的长记忆性。目前中国互联网金融市场刚起步，因此政策因素起着很强的影响。大量实证结果表明，不仅中国金融市场中的收益率波动存在着长期记忆性，互联网金融也极有可能具有长期记忆性。

例如，姜仁娜、叶俊针对中国股票市场的长记忆性问题，结合上证指数和深证成指的收益率数据进行了实证，其结果表明中国股票市场已初步显示出了长记忆性，进而得到了上证指数和深证成指收益率所适合的最优的ARFIMA模型。苑莹、庄新田应用 R/　S分析法对沪深两市进行分析，证明了中国股票市场收益具有较明显的长期记忆性，是非有效市场，这和国外发达股市不同。谢赤、岳汉奇运用经典重标极差分析法、重标方差分析法及小波方差分析法，对人民币兑美元汇率、欧元兑美元汇率进行研究，得到人民币汇率收益率存在长记忆性,而欧元汇率收益率不存在长记忆性的结论。

3

ARFIMA-GARCH-SGED模型 研究互联网金融市场收益率

截至2015年3月已有近50家上市公司自设、控股或参股互联网金融公司，互联网金融板块中每个上市公司都在一定程度上反映了该公司的经营业绩，具有很强的代表性。收益率数据不可直接观察得到，但可以通过价格指数差分获得，证券价格波动反映了内在收益率的波动，因此可以通过价格数据来研究收益率的波动机制。

（一）数据来源与定性分析

数据来源于东方财富证券信息平台，选取网络金融（代码：BK0637）板块指数2013年7月11日至2015年3月27日共416个日收盘价，得到415个对数收益率。互联网金融收益率时序图和收益率序列直方图如图1所示。

从图1左图的互联网金融指数走势图可以看出，自2013年7月至2014年7月期间，互联网金融指数一直在（2000，3500）这一区间波动，并且有着逐渐平稳的趋势，这可能源于我国对互联网金融认识从最开始猛烈追捧到后来逐渐加深。然而自2014年7月以来互联网金融指数逐渐攀升，并于2015年初快速增长，这可能源于2014年我国互联网金融进入爆发性增长期以及2015年两会期间又一次将互联网金融推向热点的缘故。整体来说互联网金融指数存在着受许多非经济因素的影响，存在着较为明显的序列相关性和异方差性。

从图1右图的互联网金融收益率分布图可以看出，互联网金融收益率存在着较为明显的高峰厚尾性并且收益率的均值并不完全趋近于0（图中虚线为其密度曲线，实线为指数相应的正态曲线）。这一现象可能源于我国互联网金融建设的不完善和我国对互联网金融的认识上不充分。所以应当在能够反映高峰厚尾性的有偏广义误差分布（SGED）下探究互联网金融收益率的内在规律。

（二）模型的估计与分析

在以上分析的基础之上，通过ARFIMA-GARCH-SGED模型研究互联网金融市场收益率的波动情况与长期记忆性，模型拟合得到互联网金融收益率预测模型如下。

ARFIMA-GARCH-SGED模型相关项系数预估值如表2所示。

对于模型拟合的具体结果可以从如下两个角度进行分析。

1. 互联网金融市场收益率特征分析

模型拟合结果显示AR（1）与MA（1）的绝对值均较大，说明互联网金融市场收益率受前期互联网金融市场很强的影响。可能源于我国互联网金融市场仍在不断发展之中，互联网金融机构在不断增多、产品逐渐丰富，这都有可能导致互联网金融收益率存在较强的一阶相关性。从有偏广义误差分布的相关系数估计结果来看，偏度系数预估值为 ，说明国内互联网金融市场收益率受利好、利空消息效果相等，这可能源于国内对互联网金融发展趋势看法不一。另外峰度系数预估值为 ，说明互联网市场收益率分布相对于正态分布中间部分“更窄”、两端部分“更厚”，互联网市场收益率存在高峰厚尾性，即互联网金融市场收益率对相关信息较为为敏感。

2. 互联网金融长期记忆性分析

从ARFIMA模型估计的结果可以看出，我国互联网金融市场收益率存在着长期记忆性。互联网金融是一种基于大数据分析处理而产生的新的金融领域，其中任何一项新型信息技术的应用均能影响互联网金融的诸多领域，例如p2p网贷、第三方支付、新型的“产融结合”等等。

一项信息技术能够长期地影响互联网金融市场，故而互联网金融在较长的期间内存在着较强的相关性。由于我国互联网金融市场刚开始不久，相关数据较少，难以从更加广泛深入探究其长期记忆性的周期长度，故有关分析结果有待进一步探究。

4

收益率波动机制研究可得到三大基本结论

通 过 ARMA-GARCH-SGED模型研究了长期记忆性下我国互联网金融市场收益率波动机制，可以得到基本结论如下：

1、我国互联网金融收益率存在着相关性。我国互联网金融市场仍处于发展阶段，金融机构不断增多、金融产品逐渐丰富，每一个互联网金融市场都能对一定时期内我国互联网金融收益率产生影响。

2、我国互联网收益率存在对称效应和高峰厚尾性。利好利空消息对当期互联网金融市场收益率的影响近似相等，每次互联网金融的变动都能引起投资者极大的注意，导致了相关资金的流入或流出，从而使互联网金融收益率波动更为剧烈。

3、我国互联网金融市场收益率波动具有长期记忆性。目前我国互联网金融市场发展有待完善，不是有效市场，收益率受政策因素等非经济因素的影响较为明显。另外，新型信息技术的应用或新型互联网金融领域的开发都能对互联网金融产生长期的影响。

反过来，互联网金融也将对我国金融体系产生深远影响。在长期记忆性假设下，我们建立的模型将更加有效地拟合互联网金融数据，并对其未来走势进行预测，使互联网金融更好地服务于我们的生产生活。

中央财经大学金融数学专业 禹皓博

南京皮肤病医院_浅析灰指甲的判断依据

南京治荨麻疹较好医院

上海市哪些医院妇科好

上海看糖尿病好的医师:糖尿病能吃波菜吗 糖尿病病友的饮食安排

上海妇科医院_阴道炎发病主要有哪些类型呢