金融数学模型

金融数学模型（精选十篇）

金融数学模型 篇1

金融理论【1】的核心问题就是在不确定的环境下—即金融资产的价值和风险问题。由于时间、不确定因素及其相互作用使金融行为呈现出极端的复杂性。处理这种复杂性需要引入数学工具。如不确定性需要引入概率、统计和随机过程理论;如在时间和空间上分配资源需要引入最优化模型。从科学的观点出发, 运用数学模型来表达金融市场的整体, 运用数学模型最优化技术来计算, 选择合适的方案;通过计算机模拟寻找满意的结果, 使金融市场经济在数学工具的运用下达到合理的、稳定的状态。

2. 数学在金融领域的主要发展及应用

金融数学开创性论文是1900年法国数学家Bachelier的学位论文【2】《投机理论》。他用Brown运动来研究股市。下面我们主要介绍一下金融数学模型:

2.1 资产估价模型

资产估价模型定义即资产的目前价值等于未来现金流量贴现值之和。设C (t) 表示为投资的现金流量, t表示未来某时刻, R (t) 表示资产贴现率, n表示期数, PV表示总现值, 则

表达式成为计算证券投资价值的资本化方法的基础。美国投资理论家威廉在1938年提出了贴现现金流模型, 该模型是用资产的股票的实际价值等于它的所有未来股息的贴现值之和来表达的:

其中, P (t) 表示t时刻的股票价格, 表示时刻获得的未来股息, i表示贴现利率。在贴现现金流模型的基础上, 根据现实生活中的实际情况又产生了许多有价值的模型, 例如根据股息的变化建立的模型是股息零增长模型, 根据贴现现金流变化建立的可变贴现率价值模等等。

2.2 证券组合模型

证券组合模型【3】主要研究在几种未来不确定的竞争因素中怎样合理分配资源。在投资收益既定的条件下, 怎样使风险最小化;或在投资风险条件既定的情况下, 怎样使收益最大化。不确定性的数学模型在现代证券投资组合理论就体现出来了。如

2.3 期权定价模型

期权定价模型基于对冲证券组合的思想。投资者可建立期权与其标的股票的组合来保证确定报酬。在均衡时, 此确定报酬必须得到无风险利率。则可得如下形式的B-S期权定价模型;

2.4 金融预测中的回归分析

金融市场是一个复杂的适应系统, 未来充满了不确定性, 金融预测研究金融市场的未来发展状况显得尤其重要。利用数学模型可以帮助我们理性地预测未来的经济、金融的发展状况, 让我们更加接近市场的真实, 回归分析是经常运用的一种。回归分析是研究不确定性变量之间的依赖关系, 利用数学模型建立回归方程, 然后根据最小二乘法的经验公式求得回归方程;运用回归方程进行预测;推算出预测数。

结束语

到目前为止, 许多金融市场的本质和规律还不为人们理解和掌握, 这是因为人们还不能建立足够的数学模型来描述这些本质和规律。如通过建立数学模型或定性定量分析方法所得到的结论是半科学半理论, 运用数学模型计算与实际会产生偏差, 虽然模型对历史数据拟合较好, 但由于偏差的存在对未来预测不太准确。随着金融市场的不断发展, 新的金融工具的不断出现, 金融数学模型必然会得到广泛的重视和应用。

摘要：主要介绍了数学模型在金融领域中的发展及应用, 阐述资本资产定价模型的应用价值, 证券组合投资模型和金融衍生工具定价模型对金融市场影响, 并分析了数学摸型对金融市场的预测作用。

关键词：资产定价,证券组合,期权定价

参考文献

[1]张明军.浅谈数学在金融领域的发展及应用.甘肃科技, 2009 (2) .

[2]屠新曙, 王键.金融数学模型发展的思考.湘潭大学社会科学学报, 2011 (12) .

[3]高洁.金融数学的发展及其在证券投资组合中的应用.江南大学学报, 2003 (10) .

区域金融稳定评估应用模型 篇2

关键词：区域金融稳定评估 应用模型 指标体系

一、引言

对于整体金融稳定性的评估，传统的方法是从行业的角度进行纵向分析，研究各金融相关行业的稳定状况及行业间的相互联系，进而评判出一国的整体金融稳定水平。但随着区域内经济部门的联系进一步加深，部门间趋同性进一步提高，地区性金融危机逐渐成为当今金融不稳定的主要形式，人们开始转而关注于区域金融稳定问题。

随着VAR模型、ARCH模型、AHP模型等计量模型的扩展以及系统论、协同论等理论的成熟，如何运用上述科学方法研究金融稳定问题，成为国内外讨论的热点。

区域金融稳定与整体金融稳定具有显著差异，区域金融稳定评估也应与整体金融稳定评估有所区别。两国之间由于有着一定的贸易壁垒，且适用不同的法定货币，其金融危机的传播一般是通过货币形式进行的；而地区之间几乎没有任何壁垒可言，其金融部门之间存在多种业务往来，金融危机可以通过这些渠道进行传播。整体金融由于具有更强的自适应性，对于局部的经济冲击往往具有更好的抵抗性，因而对于整体金融稳定性的研究一般不会过于关注微观局部的不稳定性因素；然而区域金融对于局部冲击的抗击能力要弱得多，单个部门或企业的倒闭就可能引发区域性的金融危机。大量金融部门都跨地区经营，局部的稳定不代表整个企业的健康，其它地区的金融问题也可能引发本地区的金融混乱。研究区域金融稳定涉及到了许多新问题，这给研发相应的稳定评估应用模型带来了诸多挑战。

二、指标体系

金融稳定评估的经典方法是建立多层次指标体系，再根据指标得分加权平均。本文也采用此评估方法，建立以指标体系为核心的应用模型。

指标体系的优劣主要取决于三项技术难关：指标选择、权重确定和临界值确定。已有文献对这三方面问题进行了大量探讨，本文在借鉴前人经验的基础上，选取并扩展了原有工具，提出了适合于区域金融稳定的评估模型。

（一）指标选择

指标选取是一个具有较高主观性的工作，仅仅依靠客观方法不可能得出适当的结论。课题组考虑到既然排除不了主观因素，那么研究的科学性与合理性则主要体现在如何使主观因素更加准确的表现出来，防止由于不必要的人为干扰影响主观因素的客观反映。

在比较了前人研究成果的基础上，课题组最后选用了“德尔菲”法（专家调查法），向相关学者、监管人士、实务界人士等发放调查问卷，根据反馈结果制定最终入选的指标。“德尔菲”法是美国兰德公司首先使用的决策工具，而后被学术界和实务界广泛采用。“德尔菲”法的最大优势在于它可以避免由于开会研究造成的相互影响以及个人权威对于决策结果的干扰，专家们可以完全根据自己的主观评价进行判断。课题组首先对反馈进行统计，对其中差异比较大的项目，进行二次问卷，将反馈结果再次发送给专家，请其根据其他人的评议结果进行再次评议，通过信息的充分沟通以消除初次评价时可能存在的偏见与不客观性，最终选择了7大类43个指标。

（二）权重确定

对于权重的确定，课题组依然使用“德尔菲”法，向专家发放调查问卷。但考虑到确定权重有着更强的专业性，直接让专家对所有项目逐一定值，可能造成较大的盲目性。于是课题组进行了两方面改进：首先，对指标进行分解，选择不同行业、不同研究领域的专家对其中相关部分的指标权重进行打分；其次，为了使专家打分有较多的实际依据，课题组事先编制了数据报告，列举相关数据及统计、计量结果，供专家参考。

对于问卷反馈结果，我们选择了层次分析法（AHP）进行数据处理。层次分析法（The Analytic Hierarchy Proess）是美国匹兹堡大学教授T.L.Saaty提出的一种定性与定量分析相结合的多目标决策分析方法。它改变了以往最优化技术只能处理定量分析问题的传统观念，而率先进入了长期滞留在定性分析水平上的许多科学研究的领地提供了对非定量事件作定量分析的简便方法。它较完整地体现了系统分析和系统综合的思想。在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。层次分析法的整个过程体现了人的决策思维的基本特征，即分解、判断与综合，而且定性与定量相结合，便于决策者之间彼此沟通，是一种十分有效的系统分析方法。运用层次分析法建模，大体上可按下面4个步骤进行：1.建立阶递层次结构模型；2.构造出各层次中的所有判断矩阵；3.层次单排序及一致性检验；4.层次总排序及一致性检验。（由于篇幅有限，对于相关统计原理和程序算法本文在此不进行具体介绍，读者可以查阅相关计量教程及计算机编程教程）。

（三）临界值确定

文献中使用的临界值确定方法大致可以分为计量模型和非计量模型两类,前者有ARMA模型、ARCH模型、VAR模型、STV横截面回归模型MCS模型、贡献分析法、主成分分析法、相关性分析法、判别分析法模型等,后者有NN模型、KLR信号分析法、概率模式识别模型、灰色预测模型等。国外使用较多的是定性相应模型，如Logit模型和Probit模型。

模型运用的难度不在模型本身，而在如何选择被解释变量，及选择什么指标作为稳定性的评价指标。如果评价目标区域有过一定的金融危机案例，则可以作为检验样本使用，但现实情况是我国的金融部门并没有足够多的案例可用，且现有的案例更多源于制度上的因素，不属于区域金融稳定评估所考虑的范围。鉴于此，课题组以国际通用的银行、证券、保险等微观部门的财务稳定指标为基础，结合我国金融部门的产权特征和市场力量，构建微观审慎指标；再以微观审慎指标为被解释变量，以微观部门的财务稳定性作为区域金融稳定的替代指标构建计量模型。运用了近十年来的金融业相关数据，计算了所列指标的临界值。

三、实证分析

运用构建的区域金融稳定应用模型对天津市2005、2006两年的金融稳定性进行评估，得到相应的得分如下：

2005年：工行3.4、农行3.775、中行2.22、建行2.82、交行1.73、光大2.995、中信2.62、深发3.535、招商2.65、浦发2.445、兴业2.8、民生3.5、华夏2.6、商行2.72、农信社3.825。银行业总得分3.05。宏观经济2.1、证券业3.9、企业3.2、保险业2.4、房地产3.4、居民3。天津金融稳定整体得分2.99。

2006年：工行2.11、农行2.75、中行1.795、建行2.95、交行2.21、光大3.36、中信2.785、深发2.61、招商2.91、浦发2.71、兴业2.1、民生3.36、华夏2.51、商行2.29、农信社3.275。银行业总得分2.50。宏观经济2.1、证券业3.9、企业3.2、保险业2.4、房地产3.4、居民3。天津金融稳定整体得分2.79。

总体上来说，2005、2006两年得分都比中值3要小，整体金融呈现稳定态势。整体得分2004年为2.99,2005年为2.79，表现出金融体系的稳定性有所增强。

银行业的质量从整体上看，2004至2005年有了明显的改观，其得分从3.05上升到2.50，从基本稳定状态上升为较稳定状态，在很大程度上促进了天津金融稳定状况的整体提高。作为银行体系主体的4大国有银行稳定状况基本都有了较大提高，对于增强天津金融稳定起到了基础性作用。2005年完成股改或上市的银行，分值降低的幅度较大，比如工行，从3.405分上升到2.11分。2005年已经完成股改或上市的银行分值有所回升，比如交行，从1.73变为2.21，稳定性下降明显。股份制银行总体来讲相对稳定，可能与股份制银行的产权结构、资金运营及管理水平等诸多方面有关。城市商业银行状况良好，得分都在3以下，属于比较稳定的级别。农行状况不太理想，农信社问题也比较严重，农信社2005、2006年得分都在3以上，对于金融稳定造成一定影响。但农行与农信社的稳定状况2006年比2005年有了较大幅度提高，这在一定程度上使得整个银行业得分有了质的变化。

除银行业以外，其它一级指标05、06两年的得分都没有太大变化，既没有出现下滑也没有出现好转。各指标中，证券业的得分最差，05、06年利润都较低，严重影响其盈利能力，资本充足率也都较低，严重影响了其安全性。证券业在一定程度上影响到了金融的稳定，好在其流动行指标还比较健康，一时不会出现大的问题。房地产业也是可能造成金融不稳定的主要因素，尤其是近年来，价格指数过高，具有产生泡沫的可能性。另外，房地产部门的银行贷款占银行总贷款的比重过高，给金融稳定埋下了隐患。企业部门得分也不高，这主要是因为银行对于企业的贷款在其总贷款中所占份额过高，对金融稳可能会造成风险。除此之外，保险业发展比较健康，宏观经济运行良好，这些都有力地保障了天津地区的金融稳定。

四、结论

基于数学模型的金融系统分析研究 篇3

目前, 金融系统不再是一个虚拟的存在, 它的数学模型完全可以与现实当中的各项经济策略及经济发展行为挂钩, 控制好金融系统数学模型, 就可以间接地掌控金融的发展, 同时对世界和各个国家的进步具有非常重要的影响。

一、金融系统数学模型的机理分析

(一) 系统的稳定性分析

在金融系统数学模型当中, 稳定性是所有机理分析的基础。当金融系统处于混沌状态的时候, 其机理会表现出一定的特殊性, 虽然这种特殊情况也是研究的重点, 但是对机理分析来说, 单独的一种情况并没有办法作为总体来进行分析。在系统稳定性达到某一个标准的时候, 金融系统数学模型就会呈现出一定的规律去运算和排列, 从而帮助我们得到金融正确的发展方向和日后的改进方向。经济学家和一些学者、教授在不断的探究当中给出了一个由生产子块、货币、证券子块、劳动力子块组成的三维混沌金融系统模型, 即

其中, x表示利率, y表示投资需求, z表示为价格指数, a表示储蓄量, b表示投资成本, c表示商品需求弹性。在本文中, 主要采用方法来判断金融系统的稳定性。为了能够求得一个较为准确的系统平衡点, a=0.9, b=0.2, c=1.2, 根据上面的公式, 可以推导出如下数学式

从以上的数学式来看, 当各个支撑数学模型的元素达不到应有的标准时, 某一个元素就会发生错乱的情况, 有时候是过高、有时候是过低, 最终导致金融系统出现混沌的现象。

(二) 金融系统数学模型的混沌运动性

对于金融系统的数学模型来说, 不仅仅要掌握好稳定性方面的各项要素及运动状态, 同时还要对金融系数数学模型的混沌运动性进行了解。取参数a=0.9, b=0.2, c=1.2, 初始值取为[3, 1, 5], 根据上述的数学模型, 我们可以通过龙格—库塔法进行数值模拟。经过反复多次计算及模拟, 最后的结果表明:非线性系统科产生复杂而丰富的动力学行为, 包括混沌运动。金融系统数学模型的混沌运动形态呈现出多方位的运用。例如, 在现实世界当中, 金融危机并不会一直存在, 但也不可能完全消除。在某些过激的金融行为引发下, 就有可能导致金融危机这种混沌情况的发生, 同时一些正确的金融举措和保守的经济发展策略能够逐步化解金融危机。

二、金融系统数学模型的控制方法

目前, 金融系统在运行和发展的过程中发生了较大的变化。单纯地进行机理分析并无法有效控制混沌情况, 同时对各个领域的工作会产生较大的影响。我们根据金融系统数学模型的各项特点及总体上的趋向, 制定了一系列的控制方法。根据理论, 当a=0.9, b=0.2, c=1, 2的时候, 平衡点 (0, 5, 0) 呈现出非常不稳定的状态。但是, 在下面利用金融系统数学模型也可以获得有益的一面, 采用不同的反馈方法, 对数学模型当中的平衡点进行控制, 直到稳定。被控金融系统数学模型表述如下

在上述的数学模型当中, 都是相应的控制系数。

(一) 线性反馈控制

采用线性反馈控制的方式能够在一定程度上控制金融系统的混沌性, 同时对解决实际的金融问题具有较大的积极意义。若ui是线性形式:u1=-k1x1, u2=-k2y1, u3=-k3z1, 这里的ki是反馈系数, 经过计算和模拟以后, 数学模型为

采用线性反馈控制的优势在于, 能够结合金融系统非线性的混沌状态来进行控制, 不仅能够对表面化的一些问题进行深入处理, 同时可以在最大限度上解决混沌状态所带来的消极影响。但是, 金融系统的混沌状态并不是统一的, 各个国家和地区的情况不同, 混沌状态也有所差异, 所以线性反馈控制需要根据不同的诉求来决定采用何种模型来进行分析和控制。

(二) 加速反馈控制

在上述的被控数学模型当中, 如果u1=0, 而u2, u3呈现出一定的加速形式, 控制方法就要采用加速反馈控制, 此时 。用数学模型表示为

取a=0.9、b=0.2、c=1.2及k2=2、k3=3。由下图可见 (a) 稳定以后, x对t的轨迹; (b) 稳定以后, y对t的轨迹; (c) 稳定以后, z对t的轨迹。混沌系统 (1) 控制到平衡点 (0, 5, 0) 。

加速反馈控制的时间较短, 但是效果确很理想。通过金融系统数学模型及被控模型, 能够了解到混沌状态的运动速度, 也就是现实世界当中的金融危机程度和恶化的速度。随着世界经济一体化的不断发展和进步, 加速反馈控制已经成为了一种主流的控制方式, 因为每一个人都希望金融危机这种混沌状态能够在最短的时间内被消除, 而不是长久的拖拉造成恶性事件。在进行加速反馈控制的时候, 必须注意时间的把握及具体事件的情况, 再结合数学模型的变化和反复模拟, 才能得到最好的结果。

(三) 双周期函数反馈控制

双周期函数反馈控制和前两种方式有一定的区别, 但是采用双周期函数反馈控制能够在一定程度上加深对金融系统数学模型的机理分析与控制, 同时在一定程度上优化金融系统, 无论是控制混沌性, 还是以后的相关工作, 都能够产生较大的积极影响。若u1=0, u3=0, u2是双周期函数形式:u2=k2C (y1, m) , 而k2是速度反馈系数, m是雅克比椭圆函数的模, 数学模型为

从以上的模型来看, 双周期函数反馈控制从另一个角度出发, 对金融系统数学模型进行分析和控制, 达到了全面分析控制的效果。

三、总结

本文对金融系统数学模型的机理分析与控制进行了一定的阐述。从现有的情况来看, 金融系统数学模型的分析和控制还在一个比较理想的范围内, 但是随着影像因素的增多和一些不可控制的社会性因素, 金融系统数学模型还面对着很大的挑战, 日后必须进一步强化各种计算和模拟方式, 才能得到更好的成果。

摘要：金融系统是一个非常复杂的线性系统, 而金融危机是该系统产生的一种混沌现象。从客观的角度来说, 金融系统拥有自己的运行规律。金融系统如果能够通过数学模型来表达, 就可以从中窥探出一些不为人知的秘密, 同时可以与我国的经济发展相结合, 制定具有针对性的发展策略, 避免受到金融危机的影响。在金融系统数学模型当中, 其机理的分析与控制是最重要的两个方面。

关键词：金融系统,数学模型,机理分析,机理控制

参考文献

[1]李银.一类金融混沌系统的同步控制[J].宁波大学学报 (理工版) , 2010 (03) .

[2]辛宝贵, 陈通, 刘艳芹.一类分数阶混沌金融系统的复杂性演化研究[J].物理学报, 2011 (04) .

[3]王治政, 余劲.股权分置改革对市场流动性的影响——一个理论模型及经验检验[J].数学的实践与认识, 2011 (05) .

金融数学模型 篇4

摘要：金融危机如何影响实体经济，一般有以下几个主要观点：一是金融危机重创金融行业；二是金融危机导致需求下降；三是金融危机抑制投资意愿。以上第二点和第三点归纳概括为金融危机将导致消费和投资的下降，而第一点金融业基本功能的弱化最终结果实质也表现为投资的下降。消费和投资的下降如何影响实体经济增长，可以从索洛增长模型中得到直观的结果。

关键词：金融危机；实体经济；索洛增长模型；经济增长

2007年美国爆发严重的次贷危机，由于政府的许多救援措施并没能遏制危机的蔓延，次贷危机愈演愈烈，终于逐渐转变为世界范围内的金融危机。金融危机的影响很快从美国金融领域扩展到了到世界各国的实体经济。目前，主要发达国家的经济普遍受到此次金融危机的冲击而出现增长放缓的局面，中国经济也面临着出口剧烈下滑、巨额外汇储备贬值等严重影响。

关于金融危机如何影响实体经济，一般有以下几个主要观点。一是金融危机重创金融行业。商业银行不良资产大幅上升，为避免风险，银行会提高信贷标准，使企业贷款和个人消费信贷难度加大，从而极大抑制金融业在实体经济发展中所应发挥的融通资金、资源配置的基本功能；二是金融危机导致需求下降。货币实际购买力的下降、收入预期的降低将导致内需不振，同时，外需的萎缩将导致出口困难，大量外向型中小企业生产规模大幅度缩减。甚至倒闭破产；三是金融危机抑制投资意愿。企业投资的目的是为了获取更好的收益，在不确定性增大，对未来投资收益预期不佳的情况下，短期内适当控制固定资产投资规模就成为企业家理性的选择。

以上第二点和第三点归纳概括为金融危机将导致消费和投资的下降，而第一点金融业基本功能的弱化最终结果实质也表现为投资的下降。消费和投资的下降如何影响实体经济增长，可以从索洛增长模型中得到直观的结果。

索洛增长模型是美国麻省理工学院教授罗伯特?索洛于1956年首次创立的，该模型又称作新古典经济增长模型、外生经济增长模型，是在新古典经济学框架内的经济增长模型。索洛模型主要被用来说明储蓄、资本积累和经济增长之间的关系，换而言之，索洛模型可以说明一个经济体中，资本存量的增长、劳动力的增长和技术进步如何影响该经济体产品与服务的总产出。索洛模型自建立以来一直是分析以上三个变量关系的主要理论框架，并已成为经济增长的主流模型。

索洛模型有几个假设，为了简化问题说明，本文只介绍相关的两个假设：(1)储蓄全部转化为投资，即储蓄－投资转化率假设为1；(2)投资的边际收益率递减，即投资的规模收益是常数，表现在图上就是收益与人均资本相关且增加趋缓。在该模型中，产品的需求来自消费和投资，也就是说，人均产出y可以分为每个工人的消费c和每个工人的投资i，资本的稳定状态是投资i和折旧δ k相等的水平。索洛模型在一般情况下如右图。在右图的经济稳定状态时，消费为c1，投资为il，资本存量为k1。

现在考虑金融危机影响在图上的反映。在金融危机的影响下，消费c和投资i同时下降，每个工人的平均产出y也将下降，表现在图上，就是产量曲线和投资曲线都趋近于X轴，而且平均产出y的趋近辐度更大。同时，由于折旧率保持不变，所以折旧的资本量还是δk，折旧曲线将保持不变。我们画出金融危机影响下各曲线变化到红线的情形，

可以赢观看到，由于金融危机导致消费和投资下降，产量曲线和投资曲线向下移动，投资曲线和折旧曲线在资本存量k2点达到新的均衡，在k2点投资量与折旧量抵消，所以经济再一次达到稳定状态。比较图1，我们可以看到，新的稳定状态下，消费、投资以及人均资本较金融危机发生前都有下滑。

所以说，金融危机的影响下投资减少和消费不振将会导致经济增长趋缓甚至下降。同时，由于进口国的消费低迷，对一个以出口为主的外向型经济而言，还面对着出口下滑的雪上加霜的局面。这一局面正是当前中国经济发展所面临的复杂与困难的内部环境和外部环境。

农村二元金融模型与分成制模型辨析 篇5

下面分别列出农村二元金融模型与分成制模型模型,以作比较分析:

共同假设:不完全信息

农村二元金融模型[1]:

委托人(政府)的目标函数:maxs(rf(x))

参数意义:

r:贷款利率,0

x:代理人(正规金融机构)付出的劳动量;

f(x):贷款数量;

c(x):贷款劳动成本;

:代理人的期望效用;

s(·):代理人支付给委托人的酬金,包括政府税收和政府政策给农民的低利率优惠;

Mf(x):边际贷款数量;

Ms(·):边际支付酬金;

Mc(x):边际贷款劳动成本。

分成制模型[2]:

委托人(雇主)的目标函数:max(1-α)f(x)-F

参数意义:

x:代理人(雇员)的产量;

f(x):代理人的产值;

α:分成比例,0<α<1;

F:代理人的固定收入;

C(x):代理人的劳动成本;

ū:代理人的期望效用;

Mf(x):代理人的边际产值;

Mc(x):代理人的边际劳动成本。

可见,这两个模型既有相似又有不同。

相似之处:

⑴共同假设:不完全信息。

⑵都属于委托-代理模型(principalagent model)。(1)信息是不对称的,两者都面临逆向选择和道德风险。这里必须指出,信息不对称与信息不完全是两个不同的概念。不完全信息是指信息的掌握不充分,交易双方掌握的信息都是不完全的,但可以是对称的;信息不对称是指信息的分布不均匀,当存在信息不对称时,信息一定是不完全的。(2)必须同时满足两个约束,参与约束(participation constraint,又称个人理性约束individual rationality constraint)和激励相容约束(incentive compatibility constraint)。

不同之处:

⑴委托人的收入来源。委托人的收入来源不同,导致目标函数,参与约束以及激励相容约束稍有不同。而收入来源的不同,是由于生产关系的不同。

⑵模型的有效性。在信息不对称的前提下,农村二元金融模型是无效的,分成制模型是有效的。因为前者的激励相容约束并不满足,在实证中,

正规金融机构表现为r Mf(x)(1-Ms(rf(x)))

而非正规金融机构表现为r Mf(x)(1-Ms(rf(x)))>Mc(x)。

2、理解

上面列出的两个模型都是基于不完全信息的前提下,然而如果是信息是完全的又如何呢?为了更好地理解两个模型,下面分别列出在完全信息的前提下两个模型的表达式。

共同假设:完全信息

农村二元金融模型:

委托人(政府)的目标函数:maxs(rf(x))

参与约束:rf(x)-s(rf(x))-c(x)≥ū(1)

效率约束:r Mf(x)=Mc(x)(2)

参数意义(同上)

分成制模型:

委托人(雇主)的目标函数:max(1-α)f(x)-F

参与约束:αf(x)+F-c(x)≥ū(1)

效率约束:Mf(x)=Mc(x)(2)

参数意义(同上)

对模型来说,不完全信息和完全信息的区别在于x的可靠性。在不完全信息的情况下,x是不可靠的,分成制的有效性在于使既可靠又极大化;在完全信息的情况下,x是可靠的,这时委托人的目标是使x既可靠又最大化。前者没有最大化,从根本来说是为了保证可靠性而付出的代价。因而模型的激励相容约束变成了效率约束。

在完全信息的前提下,农村二元金融模型是有效的,而分成制模型是无效的。

对分成制模型来说是显而易见的:设存在x*,使αMf(x*)=Mc(x*),必有Mf(x*)≠Mc(x*);对农村二元金融模型来说,设存在x*,使r Mf(x*)(1-Ms(rf(x*)))

3、结论

在不完全信息的前提下,农村二元金融模型是无效的,分成制模型是有效的;在完全信息的前提下,农村二元金融模型是有效的,而分成制模型是无效的。因此,两大模型的应用范围是不同的,在不完全信息前提下应用分成制模型,在完全信息前提下应用农村二元金融模型。

摘要：本文首先比较分析农村二元金融模型与分成制模型的相似与不同,再改变共同假设由此及彼地理解模型,最后得出结论,指出两大模型的应用范围。

关键词：农村二元金融模型,分成制模型,信息经济学,博弈论

参考文献

[1]、陈双立.　基于信息经济学视角的农村二元金融功能差异分析[J].财经政法资讯,2009(1)

金融市场趋势模型实证分析 篇6

趋势理论是金融市场广泛应用的分析预测理论, 趋势追踪策略也是重要的投资策略之一。但就实际投资应用效果, 趋势追踪策略却不令人满意。一个明显的上涨趋势, 看涨做多, 却经常买在高价位区域, 随后是一段持续的下跌行情;一段明显的下跌趋势, 看跌做空, 却又经常卖在低价位区域, 随后是一段持续的上涨行情。而如果反趋势操作, 则更是可能被一段强劲而持续的趋势行情打爆仓。任何一个金融投资品种, 黄金、原油、外汇、股指、股票, 如果回顾其历史行情, 都能观察到显而易见的趋势出现在某一个阶段, 似乎趋势行情总是存在, 行情特征总是由趋势性行情与盘整性行情交替构成。历史走势告诉人们, 趋势是存在的, 趋势投资是有一定胜算的, 投资效果不满意, 可能只是具体的策略构造不合理, 趋势的定义方法不正确, 只是没有能够准确把握趋势而已。

趋势的定义:价格波峰和波谷同时上升为上升趋势, 价格波峰和波谷同时下跌为下跌趋势, 除去以上两种情形为盘整趋势。标准的方法是画趋势线来观测趋势变化, 经常简化为移动平均线组合来代替跟踪趋势。

2 趋势统计

采用移动平均线代替趋势线, 能够在一定程度上拟合金融资产的价格趋势, 并且便于计算机程序模拟分析。下面采用文华财经提供的赢智程序化交易软件构建交易模型, 该软件提供简明直观的麦语言编写交易函数, 并提供下载近20年的历史数据, 非常方便进行模型编写和测试。

模型构建:

MA1:MA (CLOSE, N1) ;//计算短期移动平均。

MA2:MA (CLOSE, N2) ;//计算长期移动平均。

CROSSUP (MA1, MA2) , BPK;//短周期均线上穿长周期均线做多。

CROSSDOWN (MA1, MA2) , SPK;//短周期均线下穿长周期均线做空。

AUTOFILTER;//过滤重复交易信号。

选择黄金现货、原油期货、道琼斯指数期货为分析品种, 因为这些交易品种国际化、公开化、流动性强、报价连续, 干扰和操纵相对较少, 比较适合作为各类市场的代表品种来分析。利用赢智程序化交易软件提供的历史数据补充功能下载了伦敦现货黄金2003—2016年的分钟历史数据及1991—2016年日线数据、道琼斯指数期货2008—2016年的分钟历史数据及日线数据、美原油期货2003—2016分钟历史数据及1985—2016日线历史数据, 保证了足够大的数据量用于模型测试。

对于移动平均线的测试参数, 采用很多教科书默认设置的参数组 (5, 10, 20, 60) 进行不同组合测试, 测试结果如表1~表3。

3 测试结论

(1) 胜率极低, 最大也就41%, 这也说明了众多投资者亏损的原因在于频繁交易和信号干扰。其内在原因是什么呢?盘整趋势中反复变化的无效交易信号增大了交易次数, 从而拉低了胜率。这提示一个优化的关键方向是识别并排除掉盘整行情。

(2) 盈利幅度有限, 除了黄金小时线交易有稍高收益之外, 其他情形的交易回报基本不超过10%。这说明均线模型交易的入场和离场信号之间比较接近, 缺乏较大盈利空间。这与均线系统饱受诟病的信号太迟有关, 等到均线交叉时, 行情经常已经发展到中途, 入场信号和离场信号都出现在波段行情的中途, 之间的价差自然缩小, 盈利空间也大打折扣, 再加上众多干扰信号导致的损失, 整体盈利就非常有限。

(3) 趋势的确存在。根据均线模型的交易规则, 可以发现能够获利的成功交易都发生在明显的趋势行情中, 只有在较大的趋势行情中, 信号延迟的均线系统才有获利空间和机会。40%的胜率, 说明趋势行情的比例占到40%, 而足够多的交易信号量说明趋势行情广泛存在。

(4) 移动均线的参数组以中期较佳, 太短和太长的参数组合都很难获取收益。时间太短交易频繁单次获利缩小, 长期累积利润为负。时间太长, 行情适应性差, 持有期过长, 累计收益也为负。最佳的参数组合为10~20区间, 统计收益最佳。

4 结语

通过对金融市场典型交易品种的历史数据进行测试分析, 发现趋势特征在金融市场上是显著存在的。通过一定的分析和预测方法进行趋势追踪, 应该是可行的投资策略。不过, 测试结果发现, 广泛应用的移动平均线交叉策略的投资效果并不令人满意, 其投资盈利的概率仅40%左右, 赢面很小, 而盈利率也不高。移动平均法应用于趋势跟踪, 其实际投资效果远没有交易图表看起来那样显著。趋势的确存在, 但应用什么工具更好追踪趋势, 如何构造交易策略提高胜算和盈利率, 需要进一步研究。

摘要：趋势理论是金融市场的代表性理论, 趋势分析法也是一种典型分析和预测方法。该文简述了趋势理论及其在金融市场的应用情况, 广泛选取各类代表性金融交易品种作为分析对象, 以日、小时为分析周期, 构建趋势模型, 分别统计了趋势行情存在的比例、趋势交易策略的胜率、收益率等统计特征, 验证了趋势交易策略存在一定的可行性, 如果过滤干扰信号, 筛选出胜算更高的趋势特征, 就能改善趋势交易策略的收益率。

关键词：金融市场,趋势理论,趋势统计,实证分析

参考文献

[1]李刚, 李翔飞.股票市场趋势交易系统的探索与思考[J].财经界:学术版, 2014 (19) :26.

[2]朱伊琳.趋势型交易策略的模拟交易及分析——以Right Edge为例[J].全国商情, 2016 (9) :76-77.

金融资产减值模型的比较研究 篇7

(一) 已损失模型的基本内容

现行金融资产减值模型为“已损失模型” (IncurredLoss Impairment Model) 。主要内容为:每个会计期末, 需对金融资产进行减值测试, 若存在客观减值证据, 则将金融资产的账面价值减记至预期未来现金流量的现值, 减记的金额确认为资产减值损失。其中, 对单项重要的金融资产进行单独评估;对单项不重要的金融资产单独或组合评估。

(二) 已损失模型的不足

1. 理论上与风险管理理论存在不一致性。

根据已损失模型的规定, 只有存在表明金融资产发生减值的客观证据时才能计提减值准备, 而对于未来信用损失, 并不加以考虑, 这与风险管理理论相悖。风险管理理论认为, 贷款总是存在风险, 一组贷款必然会产生一定的损失概率的。

2. 已损失模型具有顺周期效应。

由于已损失模型要求存在减值触发事件, 导致信用损失将推迟确认, 这必然引起金融资产的账面价值与预期现金流量现值的不一致性。而一旦满足减值确认条件, 该模型确认的减值准备将对损益带来极大影响, 此时确认的减值损失中部分反映了本应在初始确认时反映的信用损失, 产生顺周期效应。因此, 更早确认贷款减值可以降低金融危机带来的周期波动, 有效缓解顺周期效应。

3. 产生顺周期影响, 不利于金融稳定。

在已损失模型下, 银行确认的金融资产减值准备无法得到有效积累以吸收经济下行产生的信用损失, 这导致在经济繁荣时期信贷的急剧扩张, 经济萧条时期信贷的急剧紧缩, 不利于金融稳定。

二、预期损失模型

(一) 预期损失模型的基本内容

预期损失模型 (Expected Loss Approach) 又称为预期现金流量模型 (Expected CashFlowApproach) , 是一种在确认资产账面价值过程中考虑未来预期信用风险的方法。主要内容为:初始确认时就要考虑到预期信用损失, 并以此为基础确定实际利率, 据此确认每期的利息收入和减值准备;后续计量中要对预期信用损失不断进行修订, 以充分反映信用风险的变化。

(二) 与已损失模型的比较分析

预期损失模型与已损失模型在初始确认、后续计量及报表列示等方面的差异如表1所示。

(三) 预期损失模型的优点

1. 理论上符合风险定价管理原则。

预期损失模型下, 提前将预期信用损失纳入到利息收入的计算中, 在触发事件实际发生前不高估利息收入, 使预期信用损失在贷款组合存续期间得到了较早确认, 不仅可以真实反映资产的净收益情况, 也符合通行的风险定价管理方式。

2. 更具前瞻性, 在一定程度上能够避免顺周期效应。

预期损失模型下, 对金融资产进行初始确认时就考虑预期信用损失, 将信用损失的确认时点提前, 并在其全部存续期间摊销损失金额。当损失实际发生时, 对资产价值及企业损益造成的影响没有已损失模型下大。在一定程度上可以避免顺周期效应。

3. 更符合会计谨慎性原则。

基于XML金融元数据模型研究 篇8

随着我国金融市场的快速发展, 不同金融部门之间数据共享的问题越来越严重, 无论是经济主体在经济业务方面, 还是金融政策的决策与金融监管的进行, 都需要大量与准确的金融数据。于是金融数据的共享问题成为了当前的焦点。而数据仓库作为数据共享的最佳方案成为了需要发展的技术, 而数据仓库的前提, 元数据模型的研究也日渐深入。

元数据被定义为data about data。它被应用在各个不同的领域。而在数据仓库领域元数据则用来描述数据以及数据环境。元数据及其管理是数据仓库领域中非常重要的一个方面, 它贯穿于数据仓库的设计、开发、运行和维护的全过程, 对元数据组成结构的研究以及统一管理已经成为一种迫切的需要。在数据仓库领域, 元数据记录着源数据库与目标数据仓库的数据模型、物理数据结构及其相关匹配模式等重要信息。

通过针对金融市场中存在的信息流的分析与归纳, 通过使用自主设计的金融元数据模型MMF (Metadata Model of Finance) , 来将不同类型的数据转化为元数据形式, 并通过XML格式从而方便数据仓库的建立以及数据共享的进行。

2 信息流分析以及信息归纳模式分析

在建立元数据模型前, 必须先对该行业有足够的了解, 清楚其业务流程以及涉及到的信息流, 再对涉及到的元数据进行归纳总结。才能够实现数据仓库对决策的支持。并根据此来建立起正确的元数据模型。因此我们先对金融市场中存在的经济主体以及涉及到的经济主体的信息流进行总结分析。

2.1 信息流分析

参与金融活动的经济主体, 按照其所属行业的不同, 主要分为中央银行, 商业银行, 证劵公司, 投资基金, 信托投资, 金融租赁公司, 非金融类企业。他们都参与六种金融市场业务。六种金融市场业务分别是货币市场业务, 外汇市场业务, 商业市场业务, 证劵市场业务, 信托租赁业务, 保险市场业务。

在分析了所有金融行业的信息流之后, 我们将每一种不同行业的信息流分为6个部分的信息。而所有行业的信息流的这6个部分的信息一起将完整的描述所有金融行业在参与金融业务时候的所有信息内容。这六种信息分别是政策信息、交易信息、结算信息、财务信息、账户信息、资金信息。而这些信息具体所包含的内容在接下来数据类型的详细构造中将进行叙述。而这六个部分与金融主体信息流之间的关系见图1

通过图1可以看出, 不同的经济主体所包含不同种类的信息, 通过这些信息, 可以清楚的描述每种信息流的内容。

2.2 信息归纳模式分析

在MMF中, 将金融数据的归纳分析按照其信息的来源, 分析手段的不同分为初级、中级、高级三种级别。初级, 来自某个数据集合的单一类别, 分类统计OLAP等。高级, 来自某个数据集合的多个类别, OLAP 关联分析。综合级, 来自多个数据集合的多个类别以及低级分析结果, 各种数据挖掘分析手段。

3 MMF的构成概况

在经过了对金融数据流的分析以及归纳之后, MMF模型的设计就应运而生了, 参照Dublin Core的要求, 该模型要实现金融元数据的语义和语法方面的要求, 体现各个元数据之间的内在逻辑关系。

3.1 MMF的目标以及特征

设计MMF的目的就是建立一个统一的元素据模型, 供各个不同的金融行业进行使用建立起自己独特的元数据体系, 并且在统一的语法条件下建立数据仓库以进行金融数据的共享与数据分析。而作为一个元数据模型, 具体应该涉及的是统一的元数据模型以及如何转化为满足自己行业要求的元数据模型。因此MMF要满足以下的特征。

(1) 多样性。

MMF 中语意模型与编码方法相分离, 未对编码的实现做出限制, 保证了MMF 实现的多样性, 语意模型可对应多种编码绑定方法, 如XML 编码绑定。

(2) 完整性。

MMF 的内容, 应当是行业内部所以的数据流和处理算法的全集, 在映射到具体行业时, MMF 或其子集可直接作为该行业的元数据模型加以修改, 以提高实现的效率和质量。

(3) 高通用性。

MMF的内容, 层次清晰、通用性强, 可以保证元数据的不同编码方式都具有较好的语意互操作性, 也保证了不同编码间转换方法的便捷性。

(4) 高稳定性。

作为金融行业通用元数据模型, MMF中包含的元数据应以合理的方式进行管理与配置, 以保证模型自身的稳定。

(5) 可扩展性。

MMF 能够随着该行业业务内容的增加、业务逻辑的调整, 各种新的数据类型与分析模式的出现, 方便地实现对模型自身内容的扩展、更新, 以保证模型的有效性。

3.2 MMF的总体结构

在MMF中, 所有的信息根据其描述内容的不同分为6个部分, 即模型信息类别、数据信息类别、变量标准类别、处理过程类别、角色权限类别、数据组织类别。各个信息之间相互独立。MMF的模型MMF的构造方法是自上而下, 逐步细化的。在进行分析时, 可以归纳为:MMF 基本构成单元为数据元素, 数据元素根据相互间语义的关联, 构造出类别表、定义表和词汇表等中间部件, 逐级综合, 最终构成MMF 的整体。MMF对所有的中间部件都给出了引用名称、定义等方面的规范, 而在于数据元素部分, 又给出了数据类型和取值范围的说明。MMF的总体结构可以用表格的形式描述, 而采用树状图的方法, 则能更加直观地体现出其结构的层次性。

4 部分元数据类别的详细构造

在这里我们针对变量标准和处理过程两个类别进行具体实例的研究, 对元数据的具体语义特征进行更加细化的划分, 以实现对其功能的具体描述。

4.1 变量标准类别的构造

在MMF中, 根据收集到的信息来源不同, 将所有的信息分为6个类别, 作为变量类别的子类别。见表1所示。

4.2 MMF与Dublin Core的映射关系

Dublin Core 到MMF的映射。Dublin Core是较早的元数据规范, 最初用于对与网络文本资源有关的元数据进行描述, 其中的数据元素包括标识符 ( Identifier) 、标题 (Title) 、语种 (Language) 、描述 (Description) 、主题及关键字 ( Subject and Keyword) 等15 类, 每个元素都有一个描述性的名称, 用于对该元素的通用语义理解进行表述。为了提高互操作性, 许多数据元素都有相关的词汇表。近年来, Dublin Core 得到了不断扩充, 应用范围也日益扩大。作为金融行业的元数据模型, MMF是依照Dublin Core 规范的构造方法和对元数据的分析而建立的, MMF中所包含的数据元素虽然与Dublin Core 规范中的数据元素在语义、结构等方面存在着不同, 但仍可建立一定的映射关系。这种映射关系的存在, 对于用户正确理解MMF的结构, 建立自己的元数据模型, 具有较大的帮助。

5 发展趋势

MMF 是根据数据仓库理论和Dublin Core 规范的要求, 在对金融业务知识进行了分析与总结的基础之上, 提出的适合金融行业通用的元数据模型。利用该模型, 可以为不同金融行业数据仓库项目的建设提供指导, 从而提高工作效率。由于MMF 所包含的元数据来源较广, 性质多样, 如何利用这些数据分析出有效的结果, 特别是在进行非结构化信息 (如政策信息) 的元数据的归纳时, 如何确保其内容的准确、合理、快速的被分析和理解, 并得到有效的结论, 将是今后研究的重点。

摘要：金融元数据模型 (MMF) 是为了满足金融行业元数据共享而建立的模型, 通过对金融行业各个部门的信息流的分析与归纳, 根据数据仓库理论和根据DublinCore体系的要求, 提出了MMF的设计方案, 并通过对这一自主设计的模型的实际使用进行了举例说明。

关键词：元数据,数据仓库,数据共享

参考文献

[1]Dublin Core Metadata Element Set, Version1.0:Reference De2、scription (EBPOL) .http:PPwww.dublincore.org Pdocu-mentsP, 2004-05-24.

[2]盛昌银.都柏林核心元数据——网络信息资源组织的新标准[J].现代图书情报技术, 2003, (1) :44-47.

[3]David Marco (美) .元数据仓储的构建与管理[M].张铭, 李钦等译.北京:机械工业出版社, 2004.

[4]彭蓉, 刘进等译.John Poole, Dan Chang等著.公共仓库元模型开发指南[M].北京:机械工业出版社, 2004.

[5]David Marco (美) .张铭, 李钦等译.元数据仓储的构建与管理[M].北京:机械工业出版社, 2004.

[6]Extensible Markup Language (XML) 1.0 (Second Edition) .W3C, 2000.

[7]Alexander R.Dunegan.A Metadata Approachto Managing XML in Relational Databases.MS Thesis, Emory University, August, 2003.

[8]江念南.证券行业通用元数据模型的研究[J].情报科学, 2006, 24 (1) .

金融数学模型 篇9

HS模型将市场参与者分为消息交易者和动量交易者两类，并分别赋予这两类投资者不同的有界理性特性。

一、消息交易者参与模型

假设市场中存在某种风险资产，每个时期t，消息交易者都会对该风险资产进行交易，并且在未来的T期，该资产会向投资者一次性支付股利。假定所有的消息交易者都有相同的风险规避效用和风险厌恶参数，而且他们都能活到终期T期，则该资产的最终价值为：

假设消息交易者被分为了Z个规模相同的组。因此，股利的变化εj=εj1+εj2+...+εjz，并且，其中i=1，2...，Z。在t期，关于εt+z-1的消息开始出现，并在Z个组的消息交易者中逐渐传播。为了便于理解，本文同样将消息εt+z-1分为Z个更小的信息包，即εt+z-1=εt1+z-1+...+εtz+z-1。假定在t期，第一组的消息交易者观察到消息εt1+z-1，第二组消息交易者观察到消息εt2+z-1，以此类推，第Z组交易者观察到消息εtz+z-1，所以每组交易者均观察到消息εt+z-1的部分。当时间推移到t+1期时，信息开始循环交换，即第一组的消息交易者观察到消息εt2+z-1，第二组消息交易者观察到消息εt3+z-1。以此类推，第Z组交易者观察到消息εt1+z-1，所以直至t+z-1期时，每组都会知道消息εt+z-1，也就是说消息εt+z-1将成为公开信息。

所以由此可见，Z的大小与信息的传播时间是成正比的，即Z越大，消息的传播时间也就越长。

假定市场只存在消息交易者，则t期的风险资产价格为：

其中是消息交易者风险规避和方差的函数，为了简化，假定标准化风险规避为，Q为固定的资产供给。

上式表明关于股利变化的信息在z期中线性地反映到价格中，这说明在短期，价格存在正序列相关且其不会超过长期价值，即任何时间范围都不存在负的收益序列相关。

二、动量交易者参与模型

在理性预期下，仅有消息交易者参与的模型并不能解释价格的过度反应现象，只有加入了动量交易者才能对其进行合理解释。假定在每t期都有新的动量交易者参与交易，每个交易者都买入，并持有j期，直到t+j期，同时假设j是外生参数。动量交易者和消息交易者是通过市场指令来进行交易的。

动量交易者在t期决定交易规模时，需根据资产过去价格变化来预测，并以此决定指令的大小。为了简化，假定唯一的条件变量是过去k期累计价格变化，且k=1，则t期的预测变量为：，第t代的动量交易者指令流为：

其中常数和弹性参数均由动量交易者的最优化形式所决定，并且指令流会被消息交易者所吸收，由于消息交易者不以证券的过去价格为判断基础，所以其会将此指令流视为不知情的供给冲击，消息交易者的指令流是供给变化的唯一来源。因此，设市场上任何时点均存在j代动量交易者，则市场对消息交易者的供给为：

用代替Q，则价格也表示为：

上式包含了价格是由消息交易者和动量交易者共同决定的。其中常数和不起作用，可忽略。因此由动量交易者的目的最大化可知：

其中是动量交易者所能忍受的总风险，和表示给定信息下的条件均值和方差。所以（1.19）式可写为：

因此，上面公式将共同决定均衡。只要动量交易者的足够小，保证充分小，则均衡就存在。在协方差—稳态均衡中，，即理性动量交易者必定追逐趋势，采取行动。

三、结语

综上所述，HS模型认为证券市场之所以出现反应过度和反应不足现象的根本原因在于：证券内在价值信息的扩散是一个循序渐进的过程，并且这一过程也是造成证券市场波动的唯一外部冲击，这也正好符合了模型构造的“简单原则由于包含证券未来价值的私人信息扩散是缓慢的，因此消息交易者的投资交易会导致证券价格变化的动量效应，而这一信息会极易被动量交易者捕捉并利用到，从而其开始进行动量的投资交易，并期望能在私人信息的逐渐扩散中获利。而另一方面，由于动量交易者无法观察到私人信息的实际扩散速度和传播情况，因此他们的交易行为也势必会将证券价格推向远离其基本价值的极端，从而产生过度反应，并最终造成证券价格的反转。

（作者单位：中南财经政法大学）

基于SWOT模型的互联网金融分析 篇10

互联网金融在当今的互联网当中已经是一个比较热门的投资发展行业了。而且得到了很多人的认可以及关注。而互联网金融之所以能够得到人们的关注以及认可, 能够在传统的金融投资发展当中过度到互联网势必是有它的发展优势的。

(一) 巨大的市场潜力

互联网是一个针对于所有民众都开放的平台。依据中国互联网络信息中央 (CNNIC) 公布的《第31次中国互联网络发展状态统计报告》显示, 截至2013年12月底, 中国网民数量达到5.64亿, 网上银行和网上支付用户达到了2.21亿, 浸透率辨别为39.3%和39.1%;通过社交网络, 电子商务平台等能够及时获取资金供求双方的信息。例如, facebook超过8亿实名制的客户形成一个庞大的信息共享社区;阿里巴巴通过支付宝等平台形成的数据, 可以解决用户的信用评级、风险评估等问题, 通过阿里金融体系为符合条件的商家发放贷款;在互联网金融模式下, 借贷行为可以通过网络借贷平台自动匹配需求, 大幅提高了效率;互联网金融使客户能够更便捷、更高效、更低成本的完成交易;覆盖面更广, 突破了传统的网点服务模式。以上种种都说明了互联网金融市场具有巨大的优势。

(二) 惠及大量无法从银行贷款的中小企业和个人

传统金融业贷款的条件是严苛的, 是因为银行受国家政策影响, 注定无法照顾到微小企业人群。其次, 为了弥补国家收支赤字和通货膨胀, 央行用于发放贷款资金的额度有限。还有一些国有企业由于经营不善而引起的无法还清贷款金额而出现的坏账。所以银行为了避免风险, 一般要求贷款者提供抵押物, 以及一系列的信用材料, 当然还需要较长时间的审核。而互联网金融的出现, 改变了现有状态, 它着重于解决传统银行无法满足的小微企业, 同时网络借贷具备短、急、小的特点, 惠及大量无法从银行贷款的中小企业和个人。

(三) 互联网金融发展优势就是协作

互联网金融的发展其实都不单单是一个公司的投资发展, 通常都是互联网企业对金融业的介入来共同协作。

(四) 资源有效配置

互联网金融模式下资金供需信息可任意直接在网上发布并匹配, 不需要经过银行、券商或交易所等中介。在供需信息几乎完全对称、交易成本极低的条件下, 互联网金融模式形成了“充分交易可能性集合”, 诸如中小企业融资、个人投资渠道等问题就容易解决。在这种资源配置方式下, 双方或多方交易可以同时进行, 信息充分透明, 定价完全竞争 (比如拍卖式) , 因此最有效率, 社会福利最大化。各种金融产品均可如此交易。这也是一个最公平的市场, 供需方均有透明、公平的机会。

二、互联网金融的劣势

网络金融风险是互联网金融最为突出的劣势。不管在传统的金融模式下还是互联网金融模式下, 风控始终是第一位。网络金融除了具有传统金融业经营过程中存在的流动性风险、市场风险和利率风险等风险之外, 还具有业务风险和技术风险两个方面。

(一) 业务风险

1、法律风险。

法律风险来源于违反法律、规章的可能性, 或者有关交易各方的法律权利和义务的不明确性。网络金融属于新兴事物, 大多数国家尚未有配套的法律法规与之相适应, 造成了金融机构在开展业务时无法可依。

2、信誉风险。

信誉风险是指网络金融交易者的任何一方不能如约履行其义务的风险。由于网络金融的虚拟性, 交易的真实性验证难度变得更大。如果金融机构不能持续地提供安全、准确和及时的网上金融服务, 金融机构的信誉将受到损害。对我国而言, 网络金融中的信用风险不仅来自服务方式的虚拟性, 还有社会信用体系的不完善而导致的违约可能性。如果网络金融的安全系统曾经遭到破坏, 无论这种破坏的原因是来自内部还是来自外部, 都会影响社会公众对网络金融的商业信心。极端情况下, 甚至可能导致整个金融系统的崩溃。

3、操作风险。

操作风险来源于系统可靠性、稳定性和安全性的重大缺陷而导致潜在损失的可能性, 可能来自网络金融客户的疏忽, 也可能来自网络金融安全系统和其产品的设计缺陷及操作失误。操作风险主要涉及网络金融账户的授权使用、网络金融的风险管理系统、网络金融机构和客户间的信息交流、真假电子货币识别等。

(二) 技术风险

1、黑客攻击。

网络金融交易的运行必须依靠计算机和因特网, 所有交易资料都在计算机中存储, 网上信息的传递很容易成为众多网络“黑客”的攻击目标。另外, Web访问是Internet服务形式的一种, 也是网络金融机构提供交易和服务的平台, 然而它所依赖的TCP/IP协议中存在很多安全漏洞。这就给黑客通过网络闯入金融机构的系统创造了条件。黑客只需要利用系统中本身存在的漏洞, 只需要修改几个设置就可能让金融机构瘫痪。

2、技术选择风险。

要想开展网络金融业务, 就必须选择一种成熟的技术解决方案来支撑。而一旦存在选择, 就同样会存在因选择失误而导致的风险。一种可能是选择的技术系统与客户终端软件的兼容性差导致的信息传输中断或速度降低, 另一种风险就是选择的技术方案已经被淘汰, 造成技术相对落后、网络过时, 导致巨大的技术和商业机会的损失。对网络金融而言, 技术选择失误可能失去全部的市场, 甚至失去生存的基础。

三、互联网金融发展的机遇

现代金融发展的三个基本要素是制度、信息和技术。而这三个要素互联网金融都具备, 并且互联网金融在信息和技术方面还具有非常大的优势。互联网金融从线上的民间借贷发展到具有良好社会形象的P2P网络借贷平台, 发展到阿里巴巴筹建网上商业银行, 再到国内“三马联盟” (阿里巴巴的马云、中国平安的马明哲、腾讯的马化腾) 联手设立的众安在线财产保险公司, 其在国内掀起了猛烈的金融改革风暴对传统金融模式产生了巨大的冲击, 互联网金融发展有着良好的前景。首先从宏观趋势上看, 我国经济经历30多年的发展, 金融市场从效率低下的初级阶段向高效而活跃的新时代过渡。这使得金融模式的创新成为发展的必然趋势, 其次, 自身的进步。2003年, 泡沫破裂后的互联网行业重新爆发出新的活力, 整体产业呈现强劲的增长态势。随着金融与互联网交叉渗透的深入, 互联网的经济模式已经孕育出很多具有强大竞争力的创新金融模式。最后, 用户的需求。目前, 随着中小微型企业及创业者的资金需求逐步增多, 传统银行体系并不能完全满足, 这给创新型金融手段提供了政策性的发展机遇。

四、互联网金融发展的威胁

互联网金融发展速度之迅速, 对传统金融形式颠覆程度之深刻, 服务业态创新性之丰富, 一方面预示着互联网金融这一新兴形式的发展的良好开端, 但另一方面也暗含互联网金融面临的一些挑战与威胁。

在信息安全上, 包括个人信息安全以及资金安全两方面, 无论是互联网企业还是传统金融业对于互联网交易模式的有效安全管控水准和认识都亟待提高。前一段时间支付宝出现的丢失手机就等于丢钱的事件和近期Adobe公司“1亿5000万”用户数据库和部分源代码被盗事件都为我们敲响了警钟。我们可以想象, 假如支付宝的数据库被入侵并可以随意篡改, 那么支付宝的资金是否面临巨大的威胁?尤其是很多账户还绑定了快捷支付业务。所以我们必须要深入研究业务流程, 结合业务的IT安全技术支撑在整个线上交易的IT技术支撑体系里显得尤为重要, 线上交易应尽早使用类似“黑盒子技术”对核心数据进行有效保护, 建立一个安全有效的交易模型和安全标准。

在信用衡量标准上, 征信系统与互联网的大数据是共存和互补的关系, 互联网金融发展的核心便是个人 (企业) 信用数字化的可衡量实现。互联网金融要颠覆金融业, 需要形成“支付+账户/用户+大数据+风控和产品”这样一个生态圈。从目前的情况来看, 互联网大数据对于信贷风险管控的价值在于, 它把以前商业银行通过看报表、现场收集资料等手段通过网络途径来抓取, 大大提高了效率和精确度。因此, 信用衡量机制也是互联网金融亟需标准化和精确化的重要一步。

在政策监管上, 对于互联网金融怎么监管, 目前有四种说法。第一不需要监管, 第二可以先发展, 再监管, 第三创新协同监管, 第四尽快立法, 设立新机构, 进行专门监管。在网上调查有80%认同第二种做法, 也有人希望尽快立法。要立法得有现行的基础, 不妨从行业自律开始。

互联网金融要有普惠金融的理念, 接受各界监督, 强化风险管理, 探索业务创新, 助力小微企业, 尊敬客户权利, 支持信息共享等。

参考文献

[1]韩冬.基于SWOT的互联网金融经营模式研究[J].河北金融.2014 (2)