结项报告——我国互联网金融产品风险评估和市场政策建议.docx

大学生创新创业训练计划项目结项报告项目名称：我国互联网金融产品风险评估和市场政策建议 基于余额宝的实证研究 项目类别： 创新训练项目 项目级别： 校级 立项年度： 2014 依托单位： 会计学院 主 持 人： 史碧维 项目成员： 黄文强、楚天舒、潘泽烨、蒋昕 指导教师： 张琼、陈锐 2015 年 10 月 22 日内容摘要: 本课题通过问卷调查、专家访谈以及模型构建对余额宝的资金来源及投资去向、余额宝的风险水平以及未来发展趋势进行了研究。 通过分析发现，余额宝的资金主要来自于用户的闲散资金，其风险主要包括市场风险、政策法律风险以及互联网安全风险，其中市场风险方面，余额宝与传统货币型基金的风险水平并无显著差异；根据余额宝的规模变化，我们预测最终其规模将逐渐减少，后趋于稳定。最后，本文为有关监管部门提出了合理的建议。关键词: 余额宝 风险评估 VaR风险模型 趋势预测Abstract：This thesis analyzes capital source, investment, risk level and future trend of Yuebao through questionnaire, interviewing with experts and building models. Based on the analysis, we found that funds of Yuebao are mainly derived from users idle capital, and Yuebaos risk includes market risk, legal risk and Internet security risk. As for market risk, the risk level of Yuebao is not significantly different from that of traditional monetary fund. According to Yuebaos changes of size, we predict its scale will reduce gradually and then stabilize. In the end, the thesis puts forward reasonable and feasible policy proposals for relevant regulatory department.Key Words: Yuebao; Risk Assessment; VaR Risk Model; Tendency Prediction目 录引言1一、研究目标2二、研究内容2（一）探究余额宝资金来源及其形态特征，进行比较分析2（二）分析余额宝资金运动过程3（三）全面评估余额宝风险3（四）对比余额宝及其类似产品与传统金融产品3（五）解决问题提出政策建议3三、研究过程4（一）研究步骤4（二）计划安排4四、研究方法5（一）文献研究法5（二）比较分析法5（三）模型分析法6（四）问卷调查法8五、研究结果9（一）研究余额宝的资金形态特征9（二）市场风险评估11（三）定性评估余额宝其他风险25（四）相关政策建议27六、结论30附件A（调查问卷）32附件B（访谈记录）34引言近年来，互联网金融给传统金融业带来了巨大的创新和推动力，其中余额宝就是典型的代表，它将传统货币型基金与互联网第三方支付平台嫁接起来，为广大用户的闲散资金提供了客观的收益。然而，用户在投资余额宝的同时鲜有关注到其隐藏的风险。因此，为了提高投资者对此类互联网金融产品的风险意识并且加强相关部门对于余额宝的风险监控，本课题将从余额宝的资金来源及投资去向、余额宝的风险水平以及未来发展趋势等多个角度对余额宝当前及未来的风险进行全面的评估。我国学者对于传统货币型基金风险研究已较为透彻，其中龚金萍（2012）以我国40多只货币基金为例，系统地分析了货币基金，得出货币基金的风险虽然不是非常显著，但是不容忽视，尤其是在我国货币市场还不完善的情况下的结论。然而对于余额宝类新型货币基金的研究数量较少，且研究角度多集中于定性分析，鲜有定量分析。其中，刘凯（2013）介绍了余额宝可能涉及的风险因素，包括流动性风险，政策性风险和信用风险。在本文中，我们综合使用了问卷调查、专家访谈以及VaR风险模型对余额宝进行风险的定性和定量评估，丰富了前人的研究，更加全面的多角度的探究了余额宝的风险性和收益性。最后，鉴于国外也曾出现过类似余额宝的金融产品，我们将参考其他国家监管部门对此类金融产品的监管措施，提出适合我国资本市场现状以及互联网金融产品特性的合理化建议，即鼓励金融创新，但应完善相关法律规定，严控风险，保障投资者利益。一、研究目标（一）了解余额宝诞生过程，通过对用户问卷调查探究资金来源及流向余额宝作为一种创新的金融产品，将金融与网络的优势强强联合，以致用户数量多、规模大、发展速度快。我们小组将通过对消费者的问卷调查分析资金来源的规模及性质，并探究资金状态变化造成的影响。（二）深入了解余额宝的特性，包括其货币基金属性及网络属性。余额宝这种网络金融产品，拥有货币基金和网络的双重属性。我们小组将对该产品的双重属性、运作模式、收益来源等进行详尽地了解，为系统的分析评估做出铺垫。（三）运用数理工具建立模型，对余额宝进行风险评估。随着余额宝规模的不断增大，高收益性和高流动性将对该产品自身带来风险,我们将从市场风险、流动性风险、政策法律风险、互联网安全风险四大角度进行分析。我们将运用数理工具，通过VaR模型对余额宝进行风险的量化评估，并结合定性分析，得到较为全面的风险评估报告。（四）通过专家访谈了解余额宝的风险水平及其风险的独特性本小组将通过与嘉实基金基金经理李瞳的访谈，了解余额宝的主要风险来源、与其他货币型基金的风险水平的比较以及其作为互联网平台与货币基金相结合的产物在风险方面的独特性。（五）总结风险监管的不足调查收集当前对于余额宝及类似产品的监管条例，根据风险评估结果总结出风险监管的不足。（六） 从监管措施和体制改革创新两个角度，给出相应的政策建议。二、研究内容（一）探究余额宝资金来源及其形态特征，进行比较分析首先，小组成员探究了余额宝资金流向。1.银行存款是中国最为广泛普遍、比例最大的理财方式，而余额宝由于自身的高收益性和高流动性，将吸引相当一部分对风险偏好低较的储户，把储蓄存款转投至余额宝中。经过初步分析，我们认为银行存款是余额宝的主要资金来源。余额宝和银行存款具有一定的相同点，但是也有根本性质的不同，我们探究了银行存款这种资金来源的性质及其比例。2.支付宝作为国内最大的第三方支付平台，占据国内最大的第三方支付市场份额，在平台中流转的资金由于交易进程的不同，有不一样的流转时间，在此过程中将产生大量的支付宝沉淀资金。可以说，支付宝中的沉淀资金很大程度上催生了余额宝。由此，我们深入探究了支付宝余额这种资金来源的性质及其比例。（二）分析余额宝资金运动过程深入了解了余额宝，收集运作模式、利益来源、资金流向等资料，对余额宝中的资金状态进行总结，并从资金结构改变的角度，分析余额宝资金运动过程中各资金形态的差异。 1、余额宝产品概况我们小组上余额宝官网查阅余额宝的基本情况，例如余额宝怎样进行买卖操作，申购和赎回的程序是什么，以及了解了余额宝认购的天弘增利宝货币基金概况，为进一步了解余额宝的其他方面做好了准备。2、余额宝同类产品及货币基金规模小组成员阅读了2013年天弘基金增利宝的年度报告，对增利宝规模进行了初步了解。余额宝诞生后，微信理财通、苏宁零钱包、新浪微财富等类余额宝产品相继问世。想分互联网金融一杯羹的公司名单还很长，预计未来将纷纷加入到互联网金融大战中。我们小组通过网络数据查询及实地调研采访的方法，实时更新余额宝类网络金融产品和货币基金的规模，为后续研究打下基础。（三）全面评估余额宝风险不确定性是金融风险的来源，我们所评估的风险是指未来收益的不确定性或波动性，它直接与金融市场的波动性有关。我们从余额宝的市场风险、流动性风险、政策法律风险以及互联网安全风险四个角度进行了全面的评估。（四）对比余额宝及其类似产品与传统金融产品余额宝作为创新金融产品，将货币基金与网络两者的特性融合，与货币基金相比有相似之处.然而在此基础上，余额宝的互联网属性，决定了它的受众十分广泛。我们团队从风险性，流动性，收益性等几个方面，定性定量地将传统金融产品（主要包括开放式基金，货币基金，股票，债券等）与余额宝进行了差异对比，得出更为直观的比较结论。（五）解决问题提出政策建议分析问题阶段结束后，我们得到了对余额宝全面风险评估的结果，从宏观和微观两个不同角度明晰了余额宝及类似产品的风险对市场造成的影响。我们的研究由此进入了解决问题阶段，即提出具体的政策建议。主要有两个方面：监管措施。完善相应的法律制度规定，制定相应的监管措施，以此来控制产品风险、保护用户利益、维护市场秩序。 体制改革和创新。结合我国当下的国情和经济体制，针对政府制定的金融改革目标，提出具体的金融体制改革建议，以此为金融创新提供制度保障，最终为推进金融改革进程做出一定贡献。三、研究过程（一）研究步骤（二）计划安排序号目标阶段具体安排1查阅资料阶段研究余额宝、天弘基金的详细资料介绍研究国内外有关利率市场化相关的论文资料研究国外相关网络金融产品的详细资料研究余额宝资金来源的资金状态的相关文献研究相关金融风险管理评估的文献资料2实地调研阶段专家访谈问卷抽样调查余额宝用户资金来源和风险认知情况3实证研究阶段I建立VaR模型得出初步市场风险结论参考现行流动性风险监管指标，对余额宝流动性风险进行初步评估收集调查网络安全风险案例，进行网络风险评估汇总第一阶段研究成果4实证研究阶段II对比初步流动性风险评估，引入市场因素，挖掘新的流动性风险指标，得出流动性风险评估报告选取相应的观察期间，建立VaR模型，算出VaR值。返回测验，检测结果的有效性，修正模型得出结论5反馈机制研究阶段根据量化市场风险VaR值及其他风险评估成果，通过问卷等形式进行市场反馈调研6实证研究阶段III更新市场消息，总结完成风险评估报告从监管和改革两个层面给出政策建议，并对建议进行评估7汇总研究成果撰写结题报告阶段汇总各个阶段最终成果并以结题报告形式呈现四、研究方法本课题涉及到币银行学、宏观经济学、计量经济学、统计学等方面的理论及方法，我们小组从微观层面和宏观层面出发，使用定性和定量相结合，理论和实证相结合的研究方法，针对余额宝的风险和对货币市场的影响进行了深入和客观的剖析。以下即为具体的研究方法：（一）文献研究法收集了研究余额宝的风险及对货币市场影响的前人文献，对研究进展、深度有大致了解;查找风险评估与货币银行学的基本理论。通过查阅文献了解了余额宝的运营模式，了解余额宝中资金的主要来源，分析其风险的主要来源。了解了货币市场的构成、影响因素，中央银行的作用及货币政策。（二）比较分析法我们比较了三种货币状态的形态及特性有何不同。并将余额宝和传统货币基金进行了对比。余额宝作为货币市场基金的一员，有着货币基金的显著性特点：收益稳定、流动性强、风险小，但是其与传统货币基金的差异性也不容忽视：销售成本低、门槛低、流动性强、收益率透明化、潜在风险大等。（三） 模型分析法1.数据检验为提高VaR计算的精确度，我们在了解各计算模型的基础上，结合数据的特征，因地制宜地选择最优的计算模型。以下即为数据特性的检验方法：（1）正态性检验i. 核密度估计与P-P图核密度估计是不预先对变量的分布做出假设或检验，而估计其密度函数的一种非参数方法。P-P图根据指定分布累积比例与变量累积比例所绘制。它可以从定性的角度，检验数据符合指定分布与否。具体而言就是，当图中各点连接，近似呈现一条直线时则可初步判定数据符合指定分布；若变量数据不符合一条直线，则可初步判定其不服从指定分布。ii. S-W检验S-W检验是通过构造W统计量从而检验变量是够服从正态分布，W统计量的定义如下：W=aiyi2yi-y2其中， y 为样本均值，=a1,anT符合以下条件：n-12 是aiyi2 的最佳线性无偏估计，是样本来自的正态分布的标准差。W的分母是通常使用的n-12的一个无偏估计。 如果样本数据服从正态分布，统计量W的分子和分母均会趋向一个常数，即n-12的估计值。相反，对于非正态分布的数据而言，分子和分母不会趋向于同一个常数。（2）平稳性检验平稳性是指数据在自回归模型中趋向均值，回归方程不含有单位根。我们将使用常用的ADF检验方法。原理如下：对于AR(p)过程，如果特征方程存在一个特征根且其值为1，则序列非平稳，且自回归系数之和恰好等于1；如果所有特征根都在单位圆内，则序列平稳。如果时间序列不平稳，则考虑通过差分，使数据符合平稳性。（3）自相关性检验由于本课题选取的是余额宝的七日年化收益率，所以十分可能出现自相关现象，那么对数据进行自相关检验就显得尤为重要。对于一个时序数据来说，在给定的正整数p的情况下，可考察和之间的相关系数来度量它们之间的相关性。具体在本课题中，我们考虑通过收益率序列的自相关函数(ACF)对其进行自相关性的检验。（4）ARCH效应检验在运用ARCH类模型前，首先要对收益率序列进行ARCH效应检验，即异方差性检验。我们将采用常用方法之一：拉格朗日乘数法检验，也称ARCH-LM检验。ARCH-LM检验的原假设为: P阶前残差序列均不存在ARCH效应。将残差平方与其p阶滞后项进行回归，进行如下方程式的估计:上式中，为残差平方，为残差平方滞后项，s=1,2,. ,p。通过上述方程，可以得到F统计量，即检验所有残差平方滞后项的联合显著性所需要的统计量；还可以得到T*R2统计量，即ARCH-LM检验所需要的统计量。若两个统计量均为显著，则拒绝原假设，即具有异方差性；反之，则接受原假设，即不具有异方差性。2.模型选择VaR的计算方法分为两大类：参数法，包括方差-协方差法和ARCH类模型方法。 非参数法，包括蒙特卡罗模拟法和历史模拟法。根据样本数据基本分析得到的统计特征，本文考虑采用相适应的ARCH类模型来刻画样本基金的收益率序列，从而计算VaR值。在现实中，收益率时间序列常呈现出异方差现象。VaR计算的关键是对收益率的波动状况进行估计，倘若存在异方差现象，在计算前关于方差不变的假设就会使结果出现较大偏差。因此，需要描述时间序列异方差现象的模型，即ARCH模型。在此基础上又对条件方差方程进行拓展而将其发展为广义ARCH模型，即GARCH模型。GARCH类模型下，t时刻的VaR的表达式为: 其中，为资产的初始价值，为标准差序列（通过模型产生的条件方差序列得到），为置信水平为c的分位数（假定分布条件下）。模型的基本思想是:扰动项的条件方差受到扰动项滞后项与条件方差滞后项的共同影响。GARCH模型包含均值方程，即序列的生成过程;以及方差方程，即条件方差的生成过程。GARCH (p,q)用公式表示如下: 其中，式是均值方程，、分别为t时刻的被解释变量与解释变量。式是方差方程，为扰动项的条件方差，为扰动项滞后j( j=1,2,. ,q)阶的平方，即ARCH项。为ARCH项系数，表示滞后j期的波动影响市场的速度和长度。是滞后i (i=1,2,. ,p)阶的条件方差，即GARCH项，是GARCH项系数，表示波动持续时间的长短。（四） 问卷调查法本课题将采用抽样问卷调查的方式，以余额宝用户和非余额宝用户（即余额宝的潜在用户）为调查对象。1.问题设计（1）用户对余额宝的理解和投资现状用户投资余额宝是出于何种考虑；非用户不投资余额宝是出于何种考虑。用户的余额宝中的资金来自其闲散资金还是存款账户，抑或是其支付宝账户中的原有资金;用户投资的规模；非用户的闲散资金又是如何管理的，采取了哪些投资方式。用户和非用户是否认为余额宝存在风险，风险又来自哪些方面。（2）余额宝未来趋势预测将本课题通过VaR模型得到的风险评估结果披露给用户，调查用户会有何种选择，以此收集有效数据，从而对余额宝未来的趋势进行预测。主要从以下三个方面：用户能接受的最低收益率：当未来余额宝的收益率上升至何值时，用户会选择申购；当未来余额宝收益率降到何值时，用户会选择赎回。用户能接受的最高风险值：当未来风险值高到何值时，用户会选择赎回。收益率和风险的关系：用户在享受多高收益率时愿意承受多大的风险。（3）余额宝用户和非用户对央行监管余额宝的态度。2.数据的测量和处理（1）李克特排序法在调查用户对余额宝风险的认知和对央行监管的态度部份，将采用 5 等级李克特排序法，要求被调查者对于适合于自己观点的陈述选择 1-5 的数字以显示其同意或不同意的程度。五个数字的含义分别是：1完全不同意；2不同意； 3 一般；4同意；5完全同意。15 的数字以显示其同意或不同意的程度。李克特量表的构造比较简单而且易于操作，可以较好地反映消费者的主观感受。（2）衡量信度和效度信度也称为可靠性，指对同一现象采用同样方法重复进行测量时所得结果相一致的程度。也就是检验使用的测量工具能否稳定地测量被测对象。效度也称为准确度，用于反映测量工具在多大程度上能够准确测出测量被测对象。 本课题中的调查问卷将采取设置一定问题评价测量的信度和效度，因为缺乏信度或效度的测量都是无用的。五、研究结果依照研究目的，我们的研究结果一共呈现三部分内容，包括余额宝的资金形态及来源；余额宝风险来源分析；相关政策的建议。（一）研究余额宝的资金形态特征为了从宏观角度探究余额宝规模对货币市场可能造成的影响，我们广泛收集了其运作模式、利益来源、资金流向等资料，并配合附录中的问卷调查阐述。1、余额宝运作模式余额宝是支付宝推出的余额增值服务，把钱转入其中即可获益，其盈利的本质是对天弘基金公司产品之一“增利宝”货币基金的投资。同时，余额宝保持了与支付宝在支付方面相同的特性，即可随时用于网上消费和转账。在实名认证后，余额宝支持如下资金转入方式：支付宝账户余额和储蓄卡快捷支付。此外，余额宝赎回实行T+0模式，即当天即可实现赎回、转账、消费等交易。目前不收取任何手续费。其运作模式如图所示：2、探究余额宝资金来源及其形态特征，进行比较分析经过对余额宝运作模式等相关资料的分析，绘制出余额宝的资金流向图：银行存款支付宝活期存款定期存款余额宝天弘增利宝基金货币市场其他形式银行存款。银行存款是中国最为广泛普遍、比例最大的理财方式，而余额宝由于自身的高收益性和高流动性，将吸引相当一部分对收益较为敏感的储户，把储蓄存款转投至余额宝中。经过分析，我们认为银行存款是余额宝的主要资金来源。余额宝和银行存款具有一定的相同点，但是也有根本性质的不同。余额宝目前“T+0” 的赎回方式为意味着其收益媲美定期存款，却能获得和活期存款一样的流动性。为了实现这种赎回模式，基金公司只能以自有资金先行垫付赎回款项，这无疑会增加基金的兑付压力，同时兑付能力很大程度上取决于垫付机构的信誉与经营情况，显然增加了流动性风险。支付宝。作为国内最大的第三方支付平台，支付宝占据国内最大的第三方支付市场份额，在平台中流转的资金由于交易进程的不同，有不一样的流转时间，在此过程中将产生大量的支付宝沉淀资金。可以说，支付宝中的沉淀资金很大程度上催生了余额宝。对于支付宝用户而言，存储在支付宝中以备随时支付的小额闲散资金，可以通过这一方式获取盈利自然是非常好的事情。但是另一方面，由于很多用户将余额宝中的资金仍然视作随时支付的备用资金，或者兼有支付与投资的功能，将使得余额宝的投资方式更倾向于短期化、随机化，从而增加风险。其他形式。来自权益市场、基金市场、债券市场的资金。依据我们在问卷调查中的结果，虽然以银行储蓄存款和支付宝闲置资金为主，但是还是有一部分人将原本投资于股票市场，债券市场的资金转投余额宝，而且有一部分来自于纯粹无收益的闲置资金。（二）市场风险评估市场风险指由于金融市场因子（股市价格、利率、汇率、商品价格水平等）的变动而导致的价值潜在损失的风险。我们将从如下两个角度评估余额宝的市场风险：收益率与相关市场因子的回归分析；收益率风险评估指标VaR的计算。1、收益率与相关市场因子的回归分析（1）回归模型建立为了探究余额宝收益率如何受到市场因素的影响，我们首先将进行收益率与相关市场因子的回归分析。在经过了大量的文献查阅后，我们发现影响货币市场基金最重要的市场因子为同业拆借利率，因而我们选择我国上海银行间同业拆放利率shibor作为最重要的市场因子，建立初步的回归模型。余额宝的主要投资去向在于货币性金融产品，作为货币市场的产品，期限较短，一般情况下小于一年，那么余额宝的收益率就应该与Shibor利率中的短期拆借利率具有相关性，通过相关性分析我们假设的模型为：其中DR为余额宝的收益率差分，W1为一周的Shibor拆借利率，W2为两周的Shibor拆借利率。i. 数据来源余额宝的收益率（七日年化收益率）从天弘基金网站获得、shibor拆借利率从上海银行同业拆借利率的官网获得。本文选取2013.6.3至2015.3.22数据中余额宝收益率和shibor利率重叠日期的数据。如下的所有计量是在eviews8.0的基础上完成的。ii. 数据检验为了避免伪回归的发生，首先要进行平稳性检验。首先采用ADF法分别对余额宝收益率（用R表示）、shibor一周拆借利率（用W1表示）和shibor两周拆借利率（用W2表示）的时间序列进行单位根检验。根据检验结果，变量R存在单位根，此时拒绝ADF检验的原假设，即R的一阶差分序列是平稳的。检验过程如下图：（2）回归分析对当期和前一期余额宝的收益率以及shibor 利率进行回归的结果为：DR = 0.775026661857*DR(-1) + 0.011220027352*W1(-1) - 0.00976700455089*W2(-1)从分析中得知，当一周拆借利率shibor的一阶滞后性增加一个单位，那么余额宝的当期收益率的差分项平均增加 0.01122个单位，当两周拆借利率shibor的一阶滞后性增加一个单位，那么余额宝的当期收益率的差分项平均降低0.009767个单位。由此可见一周的拆借利率对于收益率的影响较大，这与实务中余额宝的主要投资方向相吻合，且主要受滞后一期的一周拆借利率影响。相比来看，一周的shibor拆借利率对于余额宝收益率变动的影响较大。若余额宝的上一期收益率变动增加一个单位，那么余额宝的当期收益率平均增加 0.77503个单位，说明一阶滞后性对于余额宝收益变化的影响较大，大约是拆借利率影响系数的77倍以上。由此表明，余额宝收益率的变化有一定的滞后性，即当期的收益率变动对于下一期的收益变动有一个正的效应。该回归共有450个观察样本，样本数量较为充分，回归分析的拟合优度 R 为 0.6439，似然估计函数值为881.7315，拟合度较高。影响我国余额宝当期收益率的主要因素是这一周的shibor拆借利率一阶滞后项W1(-1)、两周的shibor拆借利率一阶滞后项W2(-1)以及余额宝的上一期收益率变动DR（-1），它们存在着相关性。2、收益率风险评估指标VaR的计算原理选取观察期间2013.6.3至2015.3.20的余额宝收益率作为样本数据，计算收益率风险评估指标VaR。（1）VaR模型概述：VaR的含义是在一定的置信水平下，在未来特定时期内某个金融资产价值的最大潜在可能损失。用公式表示为：其中，P为资产在持有期内的损失；VaR为风险中的价值；c为置信水平 。上式中，可以观察到VaR 是在正常市场波动内，可能发生的最大资产价值损失 (有绝对值和相对值两种表现形式)。（2）VaR计算系数：持有期t。即确定要计算所持有的资产在什么时间内的最大损失值。持有期的选择应该根据资产的特点，同时反映出投资者的风险偏好。资产流动性越强，投资者越回避风险，持有期越短。置信水平c。即模型对于极端情况的预测准确性。具体而言，其在一定程度上反映了投资者对风险的不同偏好。因此置信水平的选择应根据投资者的风险偏好程度。观察期间。又称数据窗口，是考察的整体时间长度，即数据选取的时间范围。（3）相对VaR的一般计算原理VaR= 其中，为所持有金融资产的期望价值；为金融资产的期末价值；为置信水平下资产的期末价值最低值。3.基础数据处理（1）关于正态性的检验在使用参数法计算VaR值，都是建立在样本服从正态分布的基础上，然而现实生活中金融数据常常存在尖峰厚尾的分布特征，因此本文将采用核密度估计、P-P图和S-W检验三种方法，定性和定量相结合地检验余额宝的收益率是否服从正态分布。i. 核密度估计与P-P图核密度估计是不预先对变量的分布做出假设或检验，而估计其密度函数的一种非参数方法。本文使用Stata生成余额宝七日年化收益率的核密度图，如图1所示。P-P图根据指定分布累积比例与变量累积比例所绘制。它可以从定性的角度，检验数据符合指定分布与否。具体而言就是，当图中各点连接，近似呈现一条直线时则可初步判定数据符合指定分布；若变量数据不符合一条直线，则可初步判定其不服从指定分布。本文首先假设余额宝的七日年化收益率符合正态分布，并生成相应的P-P图进行判断，如图2所示。图1：余额宝七日年化收益率的核密度图图2：余额宝七日年化收益率的P-P图如图1所示，余额宝七日年化收益率的密度函数与正态分布的密度函数差异较大，呈现出尖峰、左偏等特点； 由图2可见，余额宝的七日年化收益率并不呈现一条直线，因此可以初步判定其不服从正态分布。ii. S-W检验S-W检验是通过构造W统计量从而检验变量是够服从正态分布，W统计量的定义如下：W=aiyi2yi-y2其中， y 为样本均值，=a1,anT符合以下条件：n-12 是aiyi2 的最佳线性无偏估计，是样本来自的正态分布的标准差。W的分母是通常使用的n-12的一个无偏估计。 如果样本数据服从正态分布，统计量W的分子和分母均会趋向一个常数，即n-12的估计值。相反，对于非正态分布的数据而言，分子和分母不会趋向于同一个常数。运用Stata12.0得到的样本的W统计量的结果如图3所示。从表中可知，P值非常小，拒绝原假设，七日年化收益率呈现偏态，可以判定其不服从正态分布。Shapiro-Wilk W test for normal dataVariableObsW V Z ProbzRate6600.9247532.5308.4740.00000图3：余额宝七日年化收益率的S-W检验（2）平稳性检验平稳性，是指时间序列趋于均值，没有偏离均值（即持续增加或衰减的趋势），用单位根的方法进行检验，需要使得回归方程不含有单位根。在金融学相关研究中，在处理时间序列之前，需首先进行平稳性判断。不平稳的时间序列，可以使用差分或对数差分的方法使其平稳。首先，选取2013.6.3 - 2015.3.22期间余额宝7日年化收益率作为Y2，绘制出随时间变化的折线图，判断该时间序列不具有时间趋势t。如下图所示：然后，使用单位根的方法检验该序列的是否具有平稳性，结果如下：如上图所示，所得t值为-1.618641，大于1%，5%，10%的分位数，该序列在 1%的显著性水平下接受原假设，即该序列存在单位根，不存在平稳性。将Y2一阶差分后，采用ADF进行单位根检验，结果如下：余额宝的收益率差分序列t值为-8.653737，小于各置信水平的临界t值，因此在 1%，5%的显著性水平下均拒绝：该序列存在单位根，余额宝的收益率差分序列不存在单位根，序列具有平稳性。（3）关于自相关性的分析自相关性是指样本时间序列与其滞后项存在较强的相关关系。首先分析余额宝收益率差分序列的自相关函数（即图中AC）、偏自相关函数（即图中PAC）和 Q 统计量。如下图所示：根据上述的自相关性，建立ARMA（15，12）模型：Dependent Variable: DY2Method: Least SquaresDate: 06/12/15 Time: 20:49Sample (adjusted): 6/19/2013 3/22/2015Included observations: 642 after adjustmentsConvergence achieved after 44 iterationsMA Backcast: 6/07/2013 6/18/2013VariableCoefficientStd. Errort-StatisticProb.C-0.0021630.003870-0.5588540.5765AR(1)1.3000510.1957336.6419550.0000AR(2)-0.2822930.281226-1.0037930.3159AR(5)-0.0156160.141868-0.1100720.9124AR(8)-0.0900050.063435-1.4188570.1564AR(12)0.1147630.0466452.4603450.0142AR(13)-0.2015130.068939-2.9230550.0036AR(14)0.0580900.0757260.7671080.4433AR(15)0.0283560.0425910.6657750.5058MA(1)-0.7519680.191523-3.9262630.0001MA(2)0.0447990.1733100.2584910.7961MA(3)0.1153160.0842001.3695510.1713MA(4)0.0653480.0562461.1618280.2458MA(5)-0.2396200.110748-2.1636530.0309MA(6)0.0582200.0097815.9525530.0000MA(7)-0.9169500.009178-99.910280.0000MA(8)0.7885810.1853954.2535120.0000MA(9)0.0233440.1695680.1376650.8905MA(10)-0.0373000.083586-0.4462460.6556MA(11)-0.0267450.056063-0.4770510.6335MA(12)0.3154880.1144712.7560480.0060将不显著的解释变量删除，最终得到回归结果：Dependent Variable: DY2Method: Least SquaresDate: 06/12/15 Time: 20:52Sample (adjusted): 6/18/2013 3/22/2015Included observations: 643 after adjustmentsConvergence achieved after 23 iterationsMA Backcast: 6/06/2013 6/17/2013VariableCoefficientStd. Errort-StatisticProb.AR(1)1.2653320.04910025.770630.0000AR(2)-0.2560950.051509-4.9718700.0000AR(8)-0.1042710.019182-5.4357750.0000AR(12)0.1090850.0422832.5798750.0101AR(13)-0.2128820.059978-3.5493190.0004AR(14)0.1019180.0353542.8827570.0041MA(1)-0.7200310.028039-25.679930.0000MA(2)0.0688210.00641110.734270.0000MA(3)0.0820020.00598413.703470.0000MA(4)0.0404990.0070915.7110030.0000MA(5)-0.2261400.030617-7.3860580.0000MA(6)0.0602210.0066119.1090810.0000MA(7)-0.9141460.005953-153.56770.0000MA(8)0.7619660.02408031.643280.0000MA(12)0.3069270.0332999.2172470.0000R-squared0.803625Mean dependent var0.000314Adjusted R-squared0.799248S.D. dependent var0.043768S.E. of regression0.019610Akaike info criterion-5.002464Sum squared resid0.241508Schwarz criterion-4.898277Log likelihood1623.292Hannan-Quinn criter.-4.962033Durbin-Watson stat1.973718（4）ARCH 效应检验在建模中，可能存在异方差的现象，所以考虑进行ARCH效应的检验，如果存在ARCH效果，则采用 ARCH 类模型加以刻画，从而计算 VaR 值。运用 ARCH-LM 方法检验，在滞后阶数 p=1 时，DY2（余额宝7日年化收益率一阶差分项）的检验结果如下。F 统计量和统计量都超过临界值，P值均小于0.05，因此拒绝原假设，即残差序列具有显著的异方差性，调整滞后阶数，从p=1至 p=10，检验结果均拒绝原假设，因此该模型存在ARCH效果，可以建立 ARCH类模型。5. GARCH模型的建立余额宝收益率差分序列开始使用ARCH 类模型进行描述。本文将直接采用 GARCH 模型，对余额宝收益率的差分序列进行建模。本文采用 95%的显著性水平，如若各项估计系数合理且显著，则选用 AIC 值较小的模型估计。得到结果如下：对完成结果进行ARCH-LM检验结果如下：根据检验结果，F 统计量和T * R2统计量均接受原假设，消除了残差序列的ARCH效应。最终得到GARCH模型：DY2 = 0.59114487875*DY2(-1) + 0.219005848255*DY2(-2) GARCH = 1.63631944959e-05 + 0.391628193381*RESID(-1)2-0.337847340483*RESID(-1)2*(RESID(-1)0) + 0.073713545091*GARCH(-1) + 0.686939369226*GARCH(-2)6余额宝的 VaR 的估计及分析GARCH模型将条件均值和条件方差都考虑在内，标准的GACH( p，q) 模型为:均值方程: 方差方程: 在GARCH模型建模时，需要考虑残差序列关于时间t 的分布情况，在正态分布的假设下，VaR的表达式为：其中，为资产的初始价值，为标准差序列（通过模型产生的条件方差序列得到），为置信水平为c的分位数（假定分布条件下）。通过查阅前任对货币基金的研究文献可知，对每支单个基金而言，在 99%的置信水平下计算VaR，正态分布下将得到最小值，t分布下将得到最大值，GED分布下则得到的值居中。本文中我们主要采用在实务中通常采取的正态分布来进行计算。置信水平的选取主要取决于对于金融风险的承受，本文将选取两种置信水平进行考察，分别为95%和99%；置信水平为 95%的标准正态分布的分位数为1.644，置信水平为 99%的标准正态分布的分位数为为 2.326。将各个数值代入公式便可计算得出VaR的值。因此可计算得出，余额宝（天弘“增利宝”货币基金）在95%的置信水平下的VaR值为0.0315，在99%的置信水平下的VaR值为0.0278。VaR的本义为在一定的置信水平下，在未来特定时期内某个金融资产价值的最大可能损失。由于目前我国货币市场基金风险较低，年化收益率一直为正，因此这里的 VaR 就表示为在一定的置信水平下货币基金的最低收益。具体而言，在95%置信水平下余额宝的VaR 值为 0.0315，具体数值的意义是在95%的情况下，将1 元放置在余额宝中一年之后能够获得 0.0315 元的最少收益。除此之外，我们将余额宝从2013.6.3至2015.10.10所有历史数据按照收益率从小到大排序，7日年化收益利率最低为2.728%，最高为6.763%。按照VaR的定义，采用非参数历史数据法来测算VaR，95%的置信水平下，VaR值为0.03183，99%的置信水平下为0.02974。从用历史数据测算以及Garch模型测算的VaR值，偏差较小，在95%的置信水平下，偏差率为-1.04%；在99%的置信水平下，偏差率为-3.14%，由此可见Garch模型以及历史数据的拟合较为一致，较好地反映了市场风险的情况。7.对比分析除此之外我们将市场上一些常见的货币基金及其收益率进行了统计，数据采样从2013 年 7 月 1 日至 2015 年 10 月 10 日，这个阶段是余额宝产品诞生之初至今一些和余额宝类似的同质货币基金产品。名称绑定基金95%置信水平99%置信水平排名余额宝天弘增利宝0.031830.029742百度百赚华夏现金增利0.031640.029533交行快溢通交银货币0.030760.028635平平安盈南方现金增利0.032120.029891工行现金宝工银瑞信货币0.029830.026456兴业宝大成现金增利0.031440.029444我们可以看到在99%置信水平下，多数货币基金的VaR值大约在0.029上下，在95%置信水平下，VaR值在0.031上下，个体差异不大，其中最高的是平平安盈，VaR值在95%置信水平下，为0.03212；在99%置信水平下为0.02989，其所代表的经济含义是，在95%的概率下，获得的最小收益率为3.212%，在99%的概率下，获得的最小收益率为2.989%。在统计样本中，平平安盈是VaR值中获得最小收益最大的金融产品，其次是余额宝，工行现金宝在相应概率下获得的最小收益值均最小。由VaR的测算，我们可以看到余额宝表现好于多数的同类产品，实际中余额宝的收益率也确实普遍高于同类产品，以下数据源自wind资讯。余额宝均值万份基金收益均值1.30791.2594七日年化收益率均值（单位：%）3.96723.7039万份基金收益方差0.49592.3529七日年化收益率方差0.26563.8697最低单月回报0.25590.2014YTD3月6月1年2年3年5年总回报年化回报天弘余额宝3.10.791.763.959.2-11.24.53一年定期存款利率1.40.430.871