基于大数据背景下金融市场风险度量方法探讨.docx

?

?

基于大数据背景下金融市场风险度量方法探讨

?

?

李美叶陈松

摘要：当前，金融市场在大数据时代的影响下，变化日新月异，这对于金融风险的防范提出了更高的要求，在本篇文章中，我们就大数据条件下金融市场风险度量方法展开了探讨，分析了当前市场风险度量方法的缺陷，并对今后的发展前景加以了展望。

关键词：金融；大数据；金融市场风险度量

一般情况下，我们提到的大数据其实是比较而言的，和小数据对比，不是只是专指数据数量的庞大。正确的理解应该是，大数据比小数据所涵盖的类别更广泛，它涵盖了结构性数据与非结构性数据，这就与小数据特指的二维结构性数据有所差异。当前大数据时代正逐步走进，这给互联网金融行业带来了极大的推动力，让金融变量数据从数量、本质都较之前有了极大的转变，让数据信息在运用中发生了本质上的转变，推动了金融风险管理手段的改变与度量手段的改善。

一、大数据背景下金融市场风险度量方法

（一）大数据下结构突变面板单位根检验

因为没有足够的数据支撑，在过去所进行的研究试验中，只是选择运用单类度量模型探究的手段。随着当前大数据技术持续发展，创造了有利条件，让多模型度量转换和衔接变得可实现。因为在金融市场中，一般都会存在时变因素，所以金融数据存在的结构突变同样为金融风险测度工作中很关键的因素，突变能够为金融风险测度带来关键性的讯息源头。大数据处理了金融数据间横向和纵向两者的关联，能够让之前不少麻烦的检测与预估手段更为明了，让针对面板数据的探索工作有更为明确的推动，给金融风险的测度经确性带来更有力的支撑。

（二）结合Copula金融市场风险度量方法

Cop-ula理论用于金融风险测度的理论关键在于Copula函数的选取，有很多国内外学者从不同角度、应用不同类型的连接函数，测度了多元风险的相依性，得出了一些有益的结论。但是也有学者在研究中发现，由于计算技术和数据规模与质量的影响，有些结果还不尽完善。随着互联网、云计算等科学技术的发展，基于大数据Copula函数的测度金融风险的方法逐步进入到了当前的研究和实践中。

二、大数据背景下金融市场风险度量方法研究中存在的问题

大数据条件下的金融市场风险的度量方法，是在傳统的VAR度量方法基础上，结合大数据的4V特点，借助计算机技术的发展，逐步建立起来的。虽然在某些方面取得了一定的成果，但是通过上面的梳理和归纳，可以看出还有很多问题急需解决。

（一）在大数据环境下，金融市场风险度量还不够成熟，依然属于刚刚开始的程度，缺少全面的理论支撑。

（二）在时间的不断推动下，模型可能出存在衰弱减退的情况，之前运用很好的数据关系可能会不再存在，这种情况之前就曾出现在传统金融模型中过。

（三）大数据环境中，针对投资组合风险理论的探索依然停留在较为表面的程度。

（四）当前，动态风险度量理论依然停留在理论摸索阶段，针对当前金融市场所涉及到的数据讯息，依然无法切实的整合理论加以模型检测和风险度量，没有实例分析作为支撑。

（五）现在的研究工作，依然单纯的运用了大数据中庞大的数据体系这一特征，大数据本身的许多特性依然还未被充分运用。

（六）即时庞大的数据库涵盖了诸多的资讯，因为资讯时效性的特点，在进行金融风险管理的时候，依然无法最大化的运用讯息所蕴含的重要信息。

以上这几个问题不仅需要针对现在已存在的风险度量手段加以推行，或许得更多的探索金融风险度量的新手段。

三、大数据背景下金融风险度量方法展望

对于金融风险的管理，属于系统化的整体，所以对风险测度手段的探索应该在这个系统的范围内实施，而不应该单独进行。在实际的工作过程中，针对金融风险加以度量的时候，投资组合中投资占比呈现出持续变动与改善的状态，在今后，要更为充分的顾虑到动态组合的形式，从而获取最佳组合，之后在开展风险度量工作。

任何事物都有两面性，科技也不例外，例如核能，它的出现可以为人们带来福音，同时也潜藏着核泄漏的危害。大数据的出现，也难逃这一定律。它不仅能够在很大程度上给人们创造便捷，并且也导致数据信息安全等需要规避的风险。现在，科技正在迅速的改变着我们的生活，网络、大数据、智能化等呈现出爆炸式的增长姿态，这在一定程度上给金融行业的进步带来极大的推动力，但是不可避免的，也给当前的相关理论造成了很大挑战。基于这一点，金融风险管理工作的工作应该有更加严格的把控。当前，已经存在的度量手段没办法适宜网络金融的进步需要，互联网金融风险管理与风险测度手段的研究变得尤为迫切。

针对大数据所涉及到的理论，对其有了更加深层次的探讨，所以大数据思维愈发的深入到金融风险管理工作的每个环节。在大数据环境中，在对金融风险度量函数加以估计的时候，可把半参数估计手段和非参数估价手段加以融合，给模型的可实现性创造出更有保障的因素。

四、结束语

综上所述，随着大数据时代的到来，金融风险