更全的杂志信息网

商业银行对P2P网贷利率波动的影响分析

更新时间:2016-07-05

一、引言

在互联网金融发展的大潮流中,网贷市场由于其门槛低、易操作等优点,不仅能够吸引年轻一代的理财投资需求,还能够作为融资渠道帮助一些小微企业和创业者解决部分融资难等问题。近年来网贷市场得到飞速的发展,规模上,2016年全国P2P网贷成交额达到28049.38亿元,同比增长137.59%;利率水平上,2016年网贷总成交额的72.41%的平均综合年利率低于10%。当前,在央行降准降息的带动下,网贷利率不断下降,逐渐在合理贷款利率区间内小幅波动,网贷市场发展逐渐走向正轨,利率作为金融市场的晴雨表,对网贷利率与其他市场利率进行研究,一方面有助于更好地了解网贷市场发展情况;另一方面能够探究市场间的联动关系,有助于分析影响网贷市场波动的因素,从而更好地完善网贷利率的确定机制。

近年来,众多文献对网贷市场的利率波动进行了研究。刘镜秀、门明 (2016)通过构建Copula-GARCH模型发现P2P网络借贷市场与股票市场之间存在“跷跷板”效应,但风险溢出效应不显著;何启志、彭明生(2016)运用单元和多元GARCH模型对P2P网贷利率、shibor、中国国债利率进行研究,研究表明P2P网贷利率受shibor的波动溢出影响,但对shibor和中国国债利率均无明显波动溢出效应;陈霄、叶德珠(2016)认为网贷市场利率的波动与shibor之间存在单向溢出效应,并且其波动存在 “逆周期性”;韦起、张强(2015)通过 GARCH-GPD 模型和阿基米德Copula函数发现网络平台的风险更容易向传统商业银行溢出,且极端事件的负面波动对大盘指数和银行指数易造成更强烈的影响。国外较少有文献对网贷利率与其他市场利率波动作用的研究,多数研究借款人和利率水平的关系,如ChemiakinI(2016)分析得出借款人的信用评级对P2P借款的利率水平具有影响;Herrero-Lopez(2009)分析发现借款人加入群组相较于个人会更容易得到借款,且利率水平也会更加合理。

综合以往文献,通过各种实证方法和理论分析,普遍认为网贷利率的波动受到多方面的影响,其中受shibor影响显著,受股票市场一定的风险溢出效应影响但不显著。随着网贷平台的不断发展完善,网贷平台不仅与广大投资借款者有充分的金融往来,与商业银行也存在业务往来、资金托管、投资与被投资等密切关系,但较少有文献对商业银行与网贷利率之间的关系进行探究,本文利用GARCH(1,1)-BEKK模型对网贷市场、银行间拆借市场、商业银行股票市场之间波动溢出关系进行研究,并利用DCC模型研究三个市场波动之间的具体动态相关关系,最后对实证结果进行总结和分析,以期能够对影响网贷利率的因素进行探究,为更好引导网贷市场发展献计献策。

本文针对电力企业输电线路施工管理与质量控制进行研究与分析,从中可以看出,输电线路作为电力工程的重要组成部分,日益发挥着重要作用。因此,电力工作者应该对当前电力工程输电线路概况进行详细了解,认清目前电力工程输电线路施工复杂性和艰巨性的特点,明确电力工程输电线路施工的主要内容,通过做好基础、杆塔和架线等细节工程,确保电力工程输电线路施工的质量,缩短电力工程输电线路施工的时间,提高电力投资的综合效益。希望我们的研究能够给读者提供参考并带来帮助。

二、机理分析

P2P网贷市场的利率确定主要有平台自主定价和平台撮合定价两种模式。自主定价模式下,网贷平台经过融资获得资金,依据征信情况等标准,对不同借款人提供利率不一的贷款产品;平台撮合定价则是网贷平台以中介身份,通过借贷款双方“多对多”的过程,根据市场资金实际供求情况确定网贷产品价格,而网贷平台收取适量的服务费用等。因此网贷平台利率的确定更多的是资金供求双方博弈的结果,而较少受到货币政策的影响,能够更为充分地反映市场资金流动状况。在shibor的定价过程中,各商业银行会根据自身经营管理情况,综合分析资金流动状况、预期风险大小及市场收益情况,因此,shibor能够反映银行、企业、居民之间的资金流动状况,同时作为央行利率调控机制,会受到货币政策的影响。当央行通过shibor提高基准利率时,借款者会更多地涌向网贷市场,从而网贷市场资金需求增加,利率上升;高利率又将吸引市场上的闲散资金,更多的社会资金投资于网贷市场,银行储蓄量受到影响,挤兑和流动性风险加大;shibor在市场的反馈作用下不断调整重新定价,从而使市场的资金流动逐渐平稳并进一步达到新的平衡点。

通过式(1)、(2)、(3)可见利率波动主要受前期波动的影响,包括自身前期波动和其他变量前期波动,aii和bii表示各利率变量受自身变动的影响,aij和 bij(i≠j)分别表示 i变量利率受j变量利率的ARCH和GARCH的影响大小,各变量为0则表示无单向或双向的波动溢出效应。设假设如下:

以上的机理分析从直观上讨论了商业银行行为对网贷市场利率可能产生的影响,主要包括银行间同业拆借利率的确定和银行运营管理两大行为,为了更合理地说明实际经济运行中是否确实存在这样的影响,以及影响的程度和影响正负向,本文将通过模型进行进一步的实证研究。

三、模型与方法介绍

GARCH模型是Bollerslev(1986)在ARCH模型基础上建立的广义ARCH模型,模型既能够说明误差的方差中的相关性又能够解决ARCH模型中高阶滞后导致的估计参数过多问题,常被用来研究变量间的波动溢出关系。但是单元的GARCH模型存在一定的局限性,其割裂了市场,切断了市场间联动的相关关系。BEKK模型和DCC模型将市场之间连接起来,更为准确地估计了各市场之间波动相关的参数估计值。

国务院扶贫办、中国人民银行等部门有关负责同志在论坛上发言。全国脱贫攻坚奖获奖者代表,以及中国热带农业科学院、湖南省永顺县等有关负责人介绍了产业扶贫的经验做法。

在幼儿园区域活动开展过程中,教师应该给予幼儿更多合理的指导,但是不能在活动进行过程中将自己的想法强加给幼儿,应该给予幼儿更多的自主权,让幼儿自己来进行活动区域以及玩伴的选择。

向量分别表示网贷市场、银行间拆借市场、商业银行股票市场第t期的利率波动水平,μ1、μ2、μ3、β1、β2、β3分别表示三个均值方程的残差和系数,n为滞后阶数,扰动项服从 N(0,Ht)分布,其中方差方程Ht设定如下:

图书馆阅读推广平台后台设计包括系统管理、用户管理、阅读推广服务、资源链接、读者积分管理、日志管理及其他管理模块。具体的设计如图2所示。

展开的矩阵形式为:

(一)数据选取和处理。本文选取P2P网贷综合利率、shibor、沪深300银行指数日收盘价来研究网贷市场与各市场之间的波动关系,其中,在shibor的选取上,参照何启志、彭明生(2016)的做法,考虑到网贷行业平均贷款期限在3~6月之间,选取半年期的shibor数据衡量银行间拆借市场利率。样本数据从2015年4月1日至2017年7月20日,剔除节假日等,每项558个数据。由于原始数据不满足平稳性要求,因此取对数差分的方法,用收益率来衡量利率的波动情况并分别用PP、PS、PZ表示网贷利率对数收益率、半年期shibor对数收益率、沪深300银行指数对数收益率。

P2P网贷市场的参与对象主要是企业和居民,但同时也与商业银行有紧密的联系。一是当前一些商业银行直接参与到网贷业务中,网贷平台作为贷款客户与商业银行发生业务往来;二是商业银行与网贷平台之间存在资金托管的合作联系;三是部分网贷平台具有银行背景,如开鑫贷、e融e贷等。运营良好的商业银行可以为网贷平台提供良好的信用背书,从而吸引更多的借款人,导致资金需求增加,利率上升;相反,当网贷平台受资金需求、经营管理等影响发生流动性危机时,会降低银行盈利或导致资金损失。

假设一:H0:aij=bij=0,表示第 j个变量的利率波动对第i个变量的利率波动无单向溢出效应;

假设二:H0:aji=bji=0,表示第i个变量的利率波动对第j个变量的利率波动无单向溢出效应;

假设三:H0:aij=bij=aji=bji=0,表示 i、j变量之间无双向的波动溢出效应。

参照吕亮雯(2006)对DCC模型的表述,假定各市场间利率波动的残差为白噪声过程,并服从一个均值为0的正态分布过程,有相关动态结构设定为:

两组术后3天时脑水肿体积对比,差异无统计学意义(P>0.05);术后7天、14天时,研究组脑水肿体积低于对照组,差异具有统计学意义(P<0.05)。见表1。

(二)DCC模型。DCC模型的主要估计思路分为两步:第一步对单个变量建立GARCH模型,获得标准离差并进而得到标准残差;第二步利用已有的标准残差再次用GARCH模型估计相关矩阵获得变量间相关系数。

“意”是道德意志,是人们在完成目标的社会实践过程中,表现出来的克服重重艰难险阻、不怕困难、顽强拼搏的毅力与坚持不懈的精神。人的道德素养的形成离不开道德意志,道德意志对人们道德素养的形成有着调控作用。人们的道德控制力、意志力自然十分重要。正所谓“克己复礼为仁”,人必须克制住自己的冲动,遵纪守法,即可达到所谓道德修养的最高境界,即所谓“仁”。

(一)GARCH-BEKK模型。参照相关模型说明(李秋平等,2014)并结合本文研究对象,简要说明GARCH-BEKK模型,均值方程如下:

其中,是rt在t时刻的信息集,Rt是动态相关系数矩阵且收益率服从GARCH(p,q)过程,即有

其中是向量标准化残差,是标准化残差的无条件方差矩阵对角线上的元素: ,Rt中元素满足,αm和βn为DCC模型的系数。

参数估计采用极大似然函数估计:

(7)加强事中绩效监控和事后绩效评价结果的应用。加强事中绩效监控,及时关注财政专项的执行进度,定期通报各部门的财政专项预算执行情况,针对执行进度比较缓慢的项目,应及时约谈相关责任部门和负责人,了解具体情况,共同寻求解决措施,对于预计无法完成的项目,应及时调整项目额度,把资金安排到“刀刃”上。项目执行期结束,应进行事后绩效评价,考核项目的执行率和绩效目标的完成程度,并注重评价结果的应用,将考核结果与预算安排挂钩,对于执行慢绩效完成不理想的部门,在安排下年预算时予以适当核减,形成正确的导向。

四、实证研究

其中,Ht矩阵的对角线元素分别表示三个变量在t时刻的条件方差,非对角线元素hij,t表示t时刻变量i与变量j的条件协方差,元素aij、bij分别表示三个变量组成的 ARCH项和GARCH项系数,体现利率波动的集聚效应。采用极大似然法估计模型参数,含有T个样本的对数似然函数可以表示为:

(二)数据描述。通过表1数据的描述统计可以看到三个收益率序列之间存在一定的共性,一是三者的峰度均大于3,具有尖峰的特点;二是三者的偏度均小于0,具有厚尾左偏特点;三是三者的JB检验数值均较大,不认为是正态分布。且由ADF检验可见对数收益率数据平稳,可以进行接下来的实证分析(见表1)。

表1 对数收益率数据的统计描述

注:括号内为对应p值,ADF检验均为无趋势项无常数项

变量 M e a n M a x M i n S t d.D e v. S k e w n e s s K u r t o s i s J a r q u e-B e r a A D F网贷利率 -0.0 0 0 8 0.1 0 0 3 -0.1 3 4 6 0.0 3 4 1 -0.3 5 1 9 4.1 3 2 7 4 1.2 7 3 7(0.0 0 0 0)-5.6 0 5 3(0.0 0 0 0)商业银行-1 9.9 2 2 4(0.0 0 0 0)s h i b o r 0.0 0 0 2 0.0 2 7 4 -0.0 3 3 1 0.0 0 4 6 -1.8 4 3 4 1 8.0 7 0 3 5 5 8 6.4 1 1 0(0.0 0 0 0)经营 0.0 0 0 2 0.0 7 5 5 -0.0 9 4 3 0.0 1 6 5 -0.4 2 0 0 9.7 8 7 1 1 0 8 5.4 7 0 0(0.0 0 0 0)-1 9.4 2 6 3(0.0 0 0 0)

(三)ARCH效应分析。进一步,利用EViews8.0软件对各变量的自相关性进行检验,发现变量之间存在连续的告诫自相关问题,由于各变量间最佳滞后阶数不一,且为了避免失去过多自由度的问题,建立ARMA(1,1)-ARCH(1)模型对高阶自相关进行修正,并检验ARCH效应,检验结果显示三个变量的ARCH效应均显著。此外,残差图显示各系列存在时间可变性和集聚性,下面分别建立多种GARCH模型以选择最合适的模型做进一步分析 (见表2、3、4)。

表2 网贷利率收益率的GARCH族模型检验结果

注:表内 *、**、***分别对应 10%、5%、1%水平下显著

G A R C H T G A R C H N O R M A L S t u d e n t’s T G E D N O R M A L S t u d e n t’s T G E D ω 0.0 0 0 3 1*** 0.0 0 0 0 3 0.0 0 0 0 4 0.0 0 0 3 0*** 0.0 0 0 2 0* 0.0 0 0 2 3*α 0.1 3 8 1 2***0.0 6 1 0 5**0.0 5 7 6 2**0.1 5 9 5 0**0.1 8 8 7 5** 0.1 7 5 9 6*β 0.4 8 5 3 6***0.8 9 8 5 9*** 0.8 9 9 1 9***0.4 9 9 4 9***0.6 3 1 9 9***0.5 7 9 9 3***γ - - - -0.0 4 2 3 7 -0.0 9 8 2 9 -0.0 7 1 8 1 0.2 9 5 1 4 0.2 9 4 1 1 0.2 9 4 1 6 0.2 9 5 1 3 0.2 9 3 7 7 0.2 9 3 8 2 R -2

表3 shibor收益率的GARCH族模型检验结果

注:表内 *、**、***分别对应 10%、5%、1%水平下显著

R -2 G A R C H T G A R C H N O R M A L S t u d e n t’s T G E D N O R M A L S t u d e n t’s T G E D ω 4.0 4 e-8*** 2.8 3 e-1 3 1.2 0 e-7*** 4.4 1 e-8*** 5.4 2 e-1 3 8.2 3 e-8***α 0.5 0 2 0 6***1.2 0 5 8 8** 0.3 7 1 3 8***0.7 2 3 3 8***0.8 2 8 2 1***0.3 1 2 8 3***β 0.7 4 3 2 5***0.6 3 0 9 7*** 0.5 9 4 0 8***0.7 2 5 5 6***0.6 5 8 2 2***0.6 1 4 9 0***γ - - - -0.3 4 0 1 2*** -0.0 4 7 9 0 0.1 3 0 2 9 0.7 1 7 5 6 0.7 0 9 8 3 0.7 1 1 3 1 0.7 1 5 7 0 0.7 0 8 6 2 0.7 1 2 0 2

表4 沪深300银行指数收益率的GARCH族模型检验结果

注:表内*、**、***分别对应 10%、5%、1%水平下显著

R -2 G A R C H T G A R C H N O R M A L S t u d e n t’s T G E D N O R M A L S t u d e n t’s T G E D ω 1.3 4 e-6*** 3.0 4 e-6* 2.0 4 e-6* 1.3 2 e-6★★★ 3.0 8 e-6* 2.2 4 e-6*α 0.0 8 7 6 9*** 0.1 1 9 3 9*** 0.1 0 1 4 3*** 0.0 9 8 4 1*** 0.1 1 5 2 3** 0.0 9 5 0 3***β 0.9 0 6 0 9*** 0.8 7 8 6 9*** 0.8 8 8 9 5*** 0.9 0 1 3 5*** 0.8 7 8 1 1*** 0.8 8 8 9 9***γ - - - -0.0 0 7 2 1 0.0 0 9 3 3 0.0 0 9 4 8-0.0 0 5 9 4 -0.0 0 6 4 4 0.0 1 7 5 3 0.0 0 7 7 8 -0.0 0 6 4 3 0.0 1 4 6 4

通过表2至表4可以看出各个模型的ARCH项和GARCH项系数α和β均为正数,但部分模型两系数和大于1,如shibor收益率和学生t分布下的GARCH(1,1)模型和TGARCH(1,1);部分模型的调整R2小于0,如沪深300银行指数收益率的正态分布和学生t分布下的GARCH(1,1)模型,说明这些模型不够平稳或模型不能对变量进行正确的解释,不符合构建BEKK模型的前提条件。其次,综合三变量的模型系数,GED分布下的模型拟合效果最好,其α与β之和十分接近于1,可见各利率的波动条件方差受前期冲击的影响,且影响是持续的,存在风险堆积的现象。此外,shibor的GARCH族模型拟合结果中,正态分布的TGARCH模型的不对称项γ在1%的水平上显著,shibor的波动存在杠杆效应,且系数为负,说明利空消息较利好消息对shibor市场的影响更大;相比较于shibor市场,网贷市场和商业银行股票市场的杠杆效应不显著,说明投资者对网贷市场和商业银行股票市场的风险意识还不够强烈,还不能够对风险有敏感的识别能力,目前市场成熟度不及shibor市场。综上所述,本文选取基于GED分布下的GARCH(1,1)模型做进一步的分析。

(四)均值溢出效应分析。为了探究三个市场之间的相互波动关系,本文构建GARCH(1,1)-BEKK模型,并使用Winrats8.0软件进行模型的参数估计,基于BFGS算法得到各模型参数及对应标准差和P值。其中,ARCH和GARCH系数矩阵对角线元素的P值除P(b11)=0.11外,其他均在1%的显著性水平下不为0,可见网贷利率收益率、半年期shibor收益率和商业银行股票市场收益率受自身前期波动的影响比较大,且半年期shibor收益率和商业银行股票市场收益率波动存在显著的波动集聚性。不同变量之间的作用较复杂,P(a12)=0.0000和P(a13)=0.0012在1%的显著性水平下显著不为0,但 P(a21)=0.3899 和 P(a31)=0.2151 及 GARCH的相关系数均无法拒绝原假设,可见shibor和沪深300银行指数的波动对网贷利率具有波动溢出影响,但该影响只是单向的;此外,P(a32)=0.0057和 P(b23)=0.0773分别在 1%和 10%的水平下显著不为0,说明shibor与沪深300银行指数之间的波动有双向溢出的可能性。

伺服电机输出的速度与力矩越大,所需的电量就越大,因此为求得最低能耗,在轨迹规划时,需要尽量减少加速度的值。Bang-bang运动规划方式的原理是以固定的加速度先从起点匀加速到速度最大值,然后匀减速到终点,这种运动规划加速度较小,其一维位移与时间的正则化关系如下:

为了进一步地分析三个变量之间的波动溢出效应,下面运用Wald检验法对各相关系数进行检验(见表5)。结果表明,首先,尽管网贷利率和shibor间相关的四个系数的联合检验结果显著 (在1%的显著性水平上拒绝a12=b12=a21=b21=0),但是网贷利率对shibor的单向波动溢出效应并不显著(接受原假设a21=b21=0),二者联系主要是shibor对网贷利率的单向溢出效应(在1%的显著性水平上拒绝a21=b21=0);其次,网贷利率与商业银行股票市场的波动也呈现出单向溢出效应(1%的显著性水平上拒绝a13=b13=0);此外,shibor与商业银行股票市场收益率之间也存在波动溢出的联系,1%的显著性水平下拒绝a32=b32=0和a23=b23=a32=b32=0,并接受a23=b23=0的原假设,二者之间存在shibor对商业银行股票市场的单向溢出作用。

通过以上分析可知,网贷市场利率虽然在一定程度上能反映市场资金供求情况,但不具有基础性利率的功能,shibor和商业银行股票市场的波动都对其有影响;并且,网贷市场规模目前仍然较小,对其他金融市场影响有限,其自身利率波动不会影响shibor和商业银行股票市场总体收益率;同时,shibor的基准地位在此得到体现,不仅网贷市场易受到shibor的波动影响,商业银行股票市场的收益率也会根据shibor的波动而有所变化。

表5 波动溢出效应检验结果

注:表内 *、**、*** 分别对应 10%、5%、1%水平下显著

原假设 W a l d值 P值 结果a 12=b 12=0 3 4.2 1 2 3 0.0 0 0 0***S h i b o r对P 2 P利率有波动溢出效应a 21=b 21=0 0.8 0 4 6 0.6 6 8 8 P 2 P利率对s h i b o r无波动溢出效应a 12=b 12=a 21=b 21=0 3 4.7 3 7 7 0.0 0 0 0***P 2 P利率与s h i b o r间有双向波动溢出效应商业银行股票市场对P 2 P利率有波动溢出效应a 31=b 31=0 1.5 4 8 8 0.4 6 1 0 P 2 P利率对股票市场无波动溢出效应a 13=b 13=0 9.6 3 9 6 0.0 0 8 1***a 13=b 13=a 31=b 31=0 1 4.8 9 1 2 0.0 0 4 9***P 2 P利率与商业银行股票市场间有双向波动溢出效应a 23=b 23=0 3.1 2 8 7 0.2 0 9 2 S h i b o r对商业银行股票市场有波动溢出效应a 23=b 23=a 32=b 32=0 1 1.6 7 2 1 0.0 2 0 0**商业银行股票市场对s h i b o r无波动溢出效应a 32=b 32=0 9.5 4 3 5 0.0 0 8 5***S h i b o r与商业银行股票市场间有双向波动溢出效应

(五)动态相关性研究。为了更深入地探究shibor和商业银行股票市场对网贷利率波动的影响,参考LeboMJ,Box-SteffensmeierJM(2016)的做法,利用DCC模型两步法估计模型参数和动态相关系数。

DCC的参数估计结果(见表6)显著不为0,且β的系数值较接近于1,说明动态相关系数受滞后的标准化残差的影响是显著的,且市场间的动态相关性具有持续性。

表6 DCC模型参数

变量名 系数 标准误 T统计量 P统计量α -0.0 0 6 3 0.0 0 0 2 -2 9.2 1 1 0 0.0 0 0 0 β 0.8 9 5 2 0.1 4 2 1 6.3 0 1 0 0.0 0 0 0

进一步绘制动态相关系数图 (见图1)如下,其中,为了更准确地看到区间内动态相关情况,剔除了P2P网贷利率与shibor动态相关系数图中的异常点,该点于2015年10月26日跳跃至-0.72,这可能与当年10月24日人行决定下调金融机构人民币存贷款基准利率的政策冲击有关。图1P2P网贷利率与shibor动态相关系数图显示,二者之间的波动幅度基本处于0至-0.1之间,网贷利率与shibor之间相关性较弱,且均为负相关关系。图2显示,P2P利率与沪深300银行指数之间的关系则恰恰相反,虽然相关系数仍然不强,但是均处于正相关关系,即沪深300银行指数的波动会引起P2P网贷利率的同方向变动。

图1 P2P与shibor收益率的条件动态相关系数图

图2 P2P与沪深300银行指数收益率的条件动态相关系数图

五、结论及启示

本文以网贷收益率为研究对象,通过构建单元GARCH模型和多元GARCH-BEKK模型以及DCC模型,实证分析了网贷市场与shibor、商业银行股票市场之间的收益率波动溢出关系。

分析发现,一是网贷利率波动受自身前期影响显著,暂不具有杠杆效应,说明网贷市场发展还不够成熟,投资者的风险意识不够强,对利好或利空消息不能作出及时的反映。二是网贷利率波动不仅受shibor变动的影响,商业银行股票市场对其也有波动溢出效应,且shibor与网贷利率的波动关系为负向关系,而商业银行股票市场对网贷利率则是正向波动溢出关系。一方面说明shibor的基准利率地位是有效的,可以通过shibor的变动对网贷的利率产生反向调节;另一方面说明商业银行的运营状况会对网贷利率造成同方向的波动影响,商业银行参与网贷市场不仅能够为实体经济和小微企业提供更多的融资机会,在风险可控范围内,经营情况佳的商业银行参与网贷市场更是可以对网贷利率有调节作用,有利于网贷市场的良性发展。

参考文献:

[1]Che miakin I. Sensitivity of Interest Rate at P2P Lending Market to Social and Economic Factors [J]. Social Science Electronic Publishing, 2016.

[2]Herrero -Lopez S. Social interactions in P2P lending [C].The Workshop on Social Network Mining &Analysis. DBLP, 2009:1-8.

[3]Lebo M J, Box -Steffensmeier J M.Dynamic Conditional Correlations in Political Science[J]. American Journal of Political Science, 2010, 52(3):688-704.

[4]刘镜秀,门明.P2P网络借贷市场对资本市场的风险溢出效应[J].技术经济,2016,35(11):97-104.

[5]何启志,彭明生.基于互联网金融的网贷利率特征研究[J].金融研究,2016(10):95-110.

[6]陈霄,叶德珠.中国P2P网络借贷利率波动研究[J].国际金融研究,2016,345(1):83-96.

[7]韦起,张强.我国网贷平台对商业银行风险溢出效应的实证研究[J].金融评论,2015(3):93-104.

[8]李秋萍,李长健,肖小勇.产业链视角下农产品价格溢出效应研究——基于三元VAR-BEKK-GARCH(1,1)模型[J].财贸经济,2014,35(10):125-136.

[9]吕亮雯.DCC-MVGARCH模型计算方法研究及在金融市场中的应用[D].暨南大学,2006.

[10]阮素梅,何浩然.中国P2P网贷收益率波动及其溢出效应研究[J].经济问题,2016(12):42-46.

[11]钟辉.网络借贷利率与Shibor利率波动关系探究[J].区域金融研究,2017(3):52-58.

冯方昱
《北方金融》 2018年第3期
《北方金融》2018年第3期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号