一、数据简介：
1、共包含四个系统性极值风险指标：dcc方法计算的Δcovar、分位数计算的Δcovar、分位数计算的covar和mes。
2、统计范围：上市金融机构（银行、证券、保险等）
2、时间跨度：2007年至2022年，数据为非平衡数据，即不一定都是2007年开始的，但是2010年后的数据基本都有。所计算的数据能很好的描述金融危机、股灾和新冠疫情。
3、文件包含计算代码＋原始数据＋计算结果
二、指标说明：
金融系统性风险是指在金融系统内，由于各种关联的存在，形成风险传染，而逐渐产生的内生性不确定损失(Allen and Gale, 2000)。除了有关系统性风险内生机制(Acemoglu e
三、参考文献：
[1]王剑,杜红军.非对称尾部相依视角下的金融机构系统性风险研究[J].金融经济,2023,No.561(03):54-69.DOI:10.14057/j.cnki.cn43-1156/f.2023.03.002.
[2]朱子言,刘晓星.系统性风险溢出与脆弱度——基于中国上市金融机构尾部风险感知的研究[J].金融经济学研究,2023,38(02):20-34.
2024-06-13 16:35:54
10.28MB
互联网金融的传统金融风险分析 重庆市 重庆工商大学MPAcc专业 400000 自改革开放以来，中国的经济进入了一个加速发展的通道，经济发展取得了举世瞩目的成就。当前，国家提出在经济转轨时期，要让市场在资源配置中起决定性作用，这就更加要求需要一个发展完善的资本市场助力经济发展，市场的稳定与完善对于经济发展起到了不容忽视的重要作用。随着信息技术的发展，计算机领域的技术创新与突破不断，这进一步催生了互联网金融的产生与发展。 一、互联网金融 互联网金融就是互联网技术与金融功能的有机结合，依托大数据和云计算在开放的互联网平台上形成的功能化金融业态及服务体系，包括基于网络平台的金融市场体系、金融服务体系、金融组织体系、金融产品体系以及互联网金融监管体系等，并具有普惠金融、平台金融、信息金融和碎片金融等相异于传统金融的金融模式。 互联网金融依托自身特有的线上线下相融合、多维度海量大数据，大量使用有意识、有目的行为数据及机器学习算法来构建全新的信用模型，帮助金融机构更好进行信用评级工作，在获得更大竞争优势的同时在反欺诈等风控管理环节也拥有了更为敏锐的洞察力。但是另一方面，由于征信制度不完善等客观原因
2022-07-06 09:07:27
38KB