硕士论文 基于关联网络的金融科技与传统金融双向风险溢出研究

摘 要

近年来，新兴技术在金融领域的应用日益深化，极大提高了金融业务的效率和服务实体经济的能力。同时，传统金融行业对于新兴科技的重视程度不断提升，金融科技跨界合作持续深化。金融科技与传统金融行业之间的业务合作、交易交叉渗透逐渐呈现出日益紧密的网络关联关系，二者之间必然存在风险的双向溢出，各种市场风险不断叠加，风险的关联性甚至可能引发系统性风险。因此，研究金融科技与传统金融行业双向风险溢出效应，进而提出相应风险防控的对策建议，对我国合理利用金融科技以促进金融业高质量发展具有重要的意义。为了研究金融科技与传统金融行业双向风险溢出效应，本文基于金融脆弱性、信息不对称、金融创新等理论，以 2012 年 7 月-2023 年 8 月的证券业、银行业、保险业、多元金融业以及金融科技行业为研究对象，利用行业指数日度波动率，构建 TVP-VAR 模型，并结合广义预测误差方差分解法，分析金融科技与传统金融行业的双向风险溢出效应。最后利用 UCINET 软件构建并分析金融科技与传统金融行业双向风险溢出网络拓扑结构。研究结果表明：（1）风险溢出表现出波动性和不确定性。金融科技与传统金融行业总体风险溢出程度较高。证券业风险溢出程度最强，多元金融业次之。证券业风险溢入程度最强，金融科技行业次之。在所有子市场中，多元金融业受自身的影响最大。（2）风险溢出具有对称性的特征。证券业、多元金融业是主要的风险溢出方，金融科技行业是主要的风险溢入方。多元金融业与金融科技行业的双向溢出程度最强，保险业与金融科技行业的双向溢出程度最弱。（3）不同时期行业的系统重要性会发生变化。股市崩盘、新冠疫情等风险聚集时期，金融科技与传统金融行业之间关联性更加紧密。并且在此时期，金融科技与传统金融行业的中心性位置不同。但总体来看，金融科技行业、证券业以及多元金融业基本上处于网络中心的位置。基于上述研究结论，本文从监管机构、传统金融行业以及金融科技行业三个方面，提出防范风险溢出与传染的相关政策建议。本文的研究不仅为金融科技迅猛发展背景下传统金融行业防范系统性风险提供依据，也对促进金融科技可持续发展具有重大的现实意义。

Abstract

In recent years, the application of emerging technologies in the financial field has beendeepening, which has greatly improved the efficiency of financial business and the ability toserve the real economy. At the same time, the traditional financial industry continues to attachgreater importance to emerging technologies, and cross-border cooperation in fintechcontinues to deepen. The business cooperation and cross-penetration of transactions betweenfintech and traditional financial industry gradually show an increasingly close networkcorrelation relationship, and there is inevitably a two-way spillover of risks between the two,various market risks are constantly superimposed, and the correlation of risks may even leadto systemic risks. Therefore, it is of great significance to study the two-way risk spillovereffect between fintech and traditional financial industry, and then put forward correspondingrisk prevention and control countermeasures and suggestions for the rational use of fintech topromote the high-quality development of financial industry in China.In order to study the bidirectional risk spillover effect between fintech and traditionalfinancial industry, based on theories such as financial vulnerability, information asymmetryand financial innovation, this thesis takes the securities industry, banking industry, insuranceindustry, diversified financial industry and fintech industry from July 2012 to August 2023 asresearch objects, and uses the daily volatility of industry index to build a TVP-VAR model.Combined with the generalized prediction error variance decomposition method, the two-wayrisk spillover effect between fintech and traditional financial industry is analyzed. Finally,UCINET software is used to construct and analyze the bidirectional risk spillover networktopology between fintech and traditional financial industry.

目录

摘要

Abstract

第1章 绪论

第2章 相关概念及理论基础

第3章 我国金融科技与传统金融发展概况

第4章 金融科技与传统金融双向风险溢出机制

第5章 金融科技与传统金融双向风险溢出实证分析

第6章 研究结论与政策建议

参考文献

第 1 章 

绪论

1.1 选题背景及研究意义

1.1.1 选题背景进入新世纪以来，我国金融科技创新发展态势加速形成，人工智能、大数据、区块链等新一代数字技术在金融领域应用日益深化。同时，传统金融行业对于新兴科技的重视程度不断提升，发展战略从“科技赋能”向“科技引领”升级，金融科技跨界合作持续深化，金融业务场景化发展成为趋势。传统金融行业不断加大对金融科技领域的投入和布局，《2021 年中国金融科技（FinTech）行业发展洞察报告》指出，2021年，银行、保险与证券机构的累计技术资金投入达 3310.4 亿元，相比于 2020 年增长23%，较 2019 年增长 87%。其中，银行业技术资金投入为 2558 亿元，相比于 2020 年增长 23%，较 2019 年增长近 5 倍；证券业技术资金投入为 320.7 亿元，较 2020 年增长 22%，较 2019 年增长 48%；保险业技术资金投入为 431.7 亿元，比 2019 和 2020 年均有小幅增长，增长率分别是 35%和 23%。2021 年，银行业主要在顶层设计、前沿技术、落地场景、渠道建设四方面进行了金融科技布局。证券公司纷纷加大在研发体系的建设投入，研发体系建设主要从研发模式、技术实践、工具平台和持续改进管理机制等四个方面进行投入建设。保险业也积极发挥“保险+科技”优势，推出更多助力行业革新的优质产品与服务，全面推进保险业数字化转型。多元金融业也在积极转型，在业务开展、风险控制、资产管理等关键环节运用金融科技。传统金融行业的金融科技布局正如火如荼地进行着。2021 年，作为“金融科技三年规划”的收官之年，中国的金融科技领域取得了令人瞩目的建设成果。这不仅彰显了中国在金融科技领域的实力和创新能力，同时也预示着未来几年传统金融行业将持续加大创新力度和技术投入，以应对数字化浪潮的挑战和机遇。新兴技术的进步为金融服务体系带来强大的改革动力，推动其结构升级、流程再造以及服务渠道的拓展，充分展现了技术创新在提升效率和实现金融普惠方面的显著优势。然而，随着金融科技与传统金融行业的融合与竞争，其潜在的双重影响也逐渐浮现。一方面，金融科技促进了金融服务的创新和便捷性，另一方面，它也使得金融服务的界限变得模糊，多元化的市场参与者和产品服务导致金融风险呈现出复杂多变的特征。各机构间的业务合作、交易交叉渗透逐渐呈现出日益紧密的网络关联关系，也使得金融机构网络变得更加盘结交错。因此，传统金融行业借助数字技术的力量与科技思维的引领，与金融科技实现了深度的融合与渗透，二者之间必然存在风险的双向溢出，各种市场风险不断叠加，风险的关联性甚至可能引发系统性风险。我国一直以来都注重金融系统的安全与稳定。党的十九届五中全会对风险防控问题作出重大战略安排，在提出发展原则时，要求“坚持系统观念”“注重防范化解重大风险挑战”，在设定发展目标时，要求“防范化解重大风险体制机制不断健全”。同时，在党的二十大报告中，习近平总书记着重强调了金融稳定的重要性，明确提出“要加强金融稳定保障体系，坚决守住不发生系统性风险的底线”。因此，深入分析金融科技与传统金融行业双向风险溢出机制，测算金融科技与传统金融行业双向风险溢出效应，并据此提出相应的防范策略，对于实现我国金融科技健康良性发展和维护金融体系稳定具有重要的现实意义。

1.1.2 研究意义

随着历史的演进和科技的飞速进步，金融科技与传统金融行业之间的交融与互动已成为一种不可逆转的趋势，两者间的交错关系与风险溢出效应日益显著。当前，全球金融科技正处于蓬勃发展的阶段，然而，技术的快速更新与迭代，也伴随着风险与不确定性的急剧增加。金融科技技术被广泛运用于传统金融领域，并呈现出跨行业融合的特点，系统性金融风险不断累积。鉴于此，深入探究金融科技与传统金融行业风险的双向溢出效应，并提出针对性的风险防控策略，对于推动金融业实现高质量发展具有深远的理论价值和现实意义。（1）理论意义随着金融科技的不断演进和发展，其潜在风险可能波及传统金融行业，与此同时，金融科技背景下服务方式更加虚拟，业务边界逐渐模糊，经营环境不断开放，传统金融风险可能呈现外溢效应，扩散至金融科技领域。梳理国内外风险溢出的相关文献，大多数集中于系统性风险的溢出或金融科技对银行业的溢出效应。研究金融科技与传统金融行业双向风险溢出的文献相对匮乏，并且深入剖析这两者风险溢出的理论机制较少。此外，关于风险溢出测度的方法大都也忽略了市场之间的非线性动态化以及关联性特征。因此，本文立足于金融科技与传统金融行业的动态关联关系，量化并分析这两者的风险溢出效应，不仅有助于深入探究金融科技和传统金融行业之间的相互影响，深化对金融科技与传统金融行业风险溢出机制、溢出途径的理解，完善风险溢出效应的理论框架，为两者的深度融合提供理论指导和支持。还有助于为防范和化解金融风险提供理论支持，为完善金融监管体系提供理论依据。（2）现实意义近年来，各商业银行、证券公司、保险公司以及多元金融企业积极推进信息技术化布局，争相打造专属的金融科技平台，并投入研发金融科技创新型产品。然而，我国金融市场目前仍处于不断演进的发展阶段，监管当局对于金融科技领域的认知仍显不足，金融科技的迅速崛起和蓬勃发展，无疑暴露了现行监管体系在应对新兴领域方面的不足。金融科技与传统金融行业交叉融合，使得二者的风险溢出逐渐影响着我国的系统性金融风险水平。而长期以来，我国宏观审慎政策的核心目标都是防范系统性金融风险，坚决守住不发生系统性风险的底线，尤其关注风险在顺周期中的累积问题，以及在不同机构、行业、市场之间的传染现象。本文综合运用理论与实证研究方法，深入探讨了金融科技与传统金融行业之间风险的双向溢出效应，并进一步揭示了其背后的影响机制。这不仅有助于揭示金融科技与传统金融行业的关联性和风险溢出，为金融科技及传统金融行业的健康发展提供指导，避免风险扩散和传染。并且，还有助于推动金融行业的跨界合作和资源整合，实现资源共享和优势互补。此外，也可以为监管部门提供决策支持，帮助其及时调整和完善监管政策，更有效地进行风险评估和预警，防范系统性金融风险。

1.2 国内外研究动态

1.2.1 金融科技风险金融科技的广泛运用，在显著提升金融运行效率、有效降低金融服务成本、丰富金融产品种类的同时，也带来了不少潜在风险，对金融体系的安全稳定构成了新的挑战。与此同时，金融科技风险也会产生溢出效应，从而可能引发系统性金融风险。关于金融科技的风险，大致可以分为四种属性，即金融属性、技术属性、监管属性以及系统性风险。在传统金融风险层面，Zhong（2018）[1]指出金融科技存在金融风险，甚至可能强化金融风险。陈红等（2020）[2]指出金融科技风险包括合规风险、操作风险、信用风险、法律风险、市场风险、流动性风险、声誉风险，且声誉风险会快速传染。贺英杰（2021）[3]认为金融科技创新的安全风险包括操作风险、信用风险、资金风险。在信息技术风险层面，李继尊（2015）[4]认为金融科技的风险指的是底层技术应用在金融领域过程中所产生的风险，主要体现为底层技术对传统金融风险的改造。Mangan（2018）[5]认为金融科技创新为金融产品和服务带来了许多新的风险敞口，欺诈检测和网络攻击都可能会妨碍消费者保护和金融稳定。李瑛（2022）[6]指出金融科技发展的主要风险有数据安全风险、网络安全风险、技术风险，这类风险是金融科技发展所产生的新问题。在监管风险层面，Stulz（2019）[7]认为金融科技混业与跨界属性会产生监管套利的风险。龚强等（2022）[8]认为中国金融科技行业的成长期具有混业经营的特点，这可能引发监管套利风险。在系统性金融风险层面，FSB（2017）[9]认为金融科技的风险包括风险传染、顺周期风险、超常波动性、系统重要性风险等。Xia et al.（2020）[10]认为随着金融科技的快速发展，必须高度警惕与之相关的各类风险，尤其是那些由技术创新和信息不对称所引发的系统性风险，这对于金融市场的稳定和健康发展至关重要。Namchoochai et al.（2020）[11]表明金融科技创新虽然提高了金融资源配置的效率，但产生了跨行业、跨市场和交叉金融风险，这些新风险具有难以捉摸性、突发性、传染性等特点以及负外部性。Zhou and Li（2022）[12]指出金融科技的发展导致金融多重风险相互交织，形成一种复杂且难以分割的风险格局。关于金融科技的风险溢出。Vives（2017）[13]认为金融科技的广泛应用，使得传统金融的风险因素变得更加复杂多样，原有的风险也随之增强，风险的传播速度更快，传播范围更广，不仅增加了金融系统的脆弱性，也加大了风险管理的难度。Yang et al.（2019）[14]认为由于金融科技的应用，金融机构所面临的风险来源已变得更为错综复杂，这不仅加快了风险的传播速度，还增强了风险的放大作用。李敏（2019）[15]提出金融科技在提升金融业效率和创新金融产品的同时，也给金融监管带来了重大的挑战，传统的金融监管体系显现出明显的短板，提高了发生系统性风险的可能性。胡滨和任喜萍（2021）[16]指出诸多大型金融科技平台具有显著的“多边市场”特性，不仅使风险来源更加多元，也使得金融动荡的冲击效应更加广泛而深远。Deng andJia（2021）[17]指出由于金融科技会增强“羊群效应”，当市场不稳定时，容易引发共振，从而增加风险，导致波动加剧，最终提高系统性金融风险水平。Shi and Yang（2022）[18]认为由于信息传递机制的扭曲和信息的不对称，金融科技风险具有隐性、多样性和渗透性，宏观金融市场无法形成强大的抵抗力风险溢出的影响，因此需要“看得见的手”通过适度干预来纠正其外部性。张晓燕（2023）[19]指出金融科技使金融市场中各主体间的相互关联性显著增强，进而导致风险传染的突发性和波动性显著上升，并且金融风险能够通过分工协作等多种渠道迅速扩散，金融科技与传统金融风险相互叠加，加剧了风险的共振效应，从而增加了演化为系统性风险的概率。综上所述，一方面，金融科技本质上仍是金融，传统金融的风险依然存在，而且信息安全、监管套利、系统性风险等更加突出。另一方面，金融科技确实存在风险溢出效应，加剧了金融市场的复杂性与波动性，提升了发生系统性风险的可能性。

1.2.2 金融科技与传统金融风险溢出

科技在推动金融创新发展的过程中，金融科技与传统金融行业逐渐交叉融合可能造成风险溢出，研究两者关系的焦点主要集中在金融科技对传统金融的风险溢出以及金融科技与传统金融风险双向溢出方面。关 于 金 融 科 技 对 传 统 金 融 风 险 溢 出 方 面 。 李 丛 文 和 闫 世 军 （2015）[20]利 用Copula-GARCH-CoVaR 模型，全面评估了各类影子银行对商业银行的风险溢出效应，发现不同类型影子银行风险溢出存在差异，同时影子银行对不同类型商业银行风险溢出也不同。贾楠（2018）[21]通过 SVAR 模型及 AHP 法分析了互联网金融对银行业的影响，发现互联网金融改变了银行的负债结构和资金来源，这不仅提高了银行的运营成本，还降低了其盈利能力，同时削弱了银行业原本的风险分散效应，从而加剧了银行业的风险程度。马理等（2019）[22]研究发现在极端风险下，证券业受到互联网金融的影响最大，保险业次之，银行业最轻；在风险爆发阶段，证券业受到的影响更大，银行业以及保险业反而会下降。Franco et al.（2019）[23]研究了美国和欧洲的公共金融科技公司对金融系统性风险的影响，使用跨分位数的格兰杰因果关系检验来估计成对的风险溢出。李苍舒和沈艳（2019）[24]运用 VaR、CoVaR 等风险度量工具，精确量化新 业 态 风 险 对 系 统 性 金 融 风 险 的 影 响 程 度 。 翁 志 超 和 颜 美 玲 （2019）[25] 运 用GARCH-Copula-CoVaR 模型，对互联网金融对商业银行所产生的系统性风险溢出效应进行了精确的度量，发现股份制商业银行对互联网金融的风险溢出尤为明显。Chen etal.（2020）[26]利用条件风险价值（CoVaR）来衡量互联网金融风险溢出程度，研究发现，互联网金融的风险更易溢出到银行业，其次是保险业，最后是证券业。王志宏和孙鹏（2021）[27]同样运用分位数回归的 CoVaR 方法，对金融科技对不同类型银行业的系统性风险溢出效应进行了深入探究。张小茜等（2023）[28]基于 2007—2020 年 334家商业银行的数据，考察互联网金融及其监管对银行理财产品发行的影响。Li et al.（2023）[29]运用 SIRS 传染模型，研究金融科技公司风险在金融关系网络中的扩散效应。关于金融科技与传统金融风险双向溢出方面。一种方法是运用 GARCH-CoVaR 扩展模型。刘镜秀和门明（2016）[30]通过构建 Copula-GARCH 模型，研究了 P2P 网络借贷市场与股票市场和债券市场在极端情况下的风险溢出效应。Li et al.（2020）[31]基于美国金融和金融科技机构的股票收益，通过使用跨分位数的 Granger 因果测试、CoVaR 模型估计 成对 的风险溢 出。 方国斌 和陈静（2022）[32]采 用时变 t-Copula-GARCH 模型对互联网金融与股票、银行以及债券等传统金融市场之间的风险传染进行了测定。刘铭和华桂宏（2023）[33]立足于平台与机构之间复杂的业务交互关系，利用 GARCH-CoVaR 扩展模型以及 SV-TVP-SVAR 模型，详尽评估了大型互联网平台与传统金融机构之间的风险传溢出程度。黄乃静等（2023）[34]基于行业间极端金融风险传播的角度，深入探讨了互联网金融的发展与实体经济风险溢出程度之间的关系。另一种方法是基于网络模型。曹齐芳和孔英（2021）[35]基于复杂网络视角，分析了金融科技同传统金融主体的风险传染关系，在此基础上提出了关键性风险路径的识别方法。Chen et al.（2022）[36]认为互联网金融与银行业之间的合作提供了它们之间风险溢出的渠道，并运用波动溢出指数模型研究了这两者的溢出效应。刘晓星等（2023）[37]利用 TENET 模型构建风险溢出的动态关联网络，考察金融科技机构在风险溢出的动态关联网络中风险溢出规模以及在风险传染中的角色。综上所述，金融科技对传统金融风险溢出效应的研究已取得丰硕的成果，然而，多数研究聚焦于金融科技对银行业的风险溢出影响。此外，关于二者风险双向溢出的研究也在不断更新和丰富，但主要集中于银行、保险、证券等传统金融行业，或是股票、债券等传统金融市场，未涵盖期货、信托等多元金融业。

1.2.3 金融风险溢出效应测度

金融部门间的业务往来日益密切，而金融系统的高度关联性可能会导致明显的风险连锁反应，进而对整个金融体系的稳健性产生深远影响。因此，学者们通过研究金融机构尾部依赖性和构建关联网络的方式刻画金融风险的叠加性和动态相关性。关于通过研究尾部依赖性来度量风险溢出的水平。刘晓星等（2011）[38]通过融合EVT-Copula 模型和 CoVaR 模型，构建了 EVT-Copula-CoVaR 模型，研究美国股票市场的风险溢出效应。 Acharya et al.（2012）[39]研究系统性金融风险，并提出了边际期望损失（MES）和风险调整资本收益率（RAROC）的概念，MES 来量化金融机构对系统性风险的贡献，即当整个系统陷入危机时，单个金融机构的预期损失。Lopez-Espinosa et al.（2012）[40] 在研究中采纳了条件风险价值（CoVaR）模型，对全球商业银行所面临的系统性风险及其影响因素进行了全面而深入的分析，并基于这一结果认为该模型在风险测度方面展现出了显著的效果。Yun and Moon（2014）[41]利用动态条件相关（DCC）模型，对韩国银行业的系统性风险进行了量化评估。Adrian andBrunnermeier（2016）[42]提出了 ΔCoVaR 这一系统性风险度量方法，该方法旨在捕捉金融系统与特定金融机构之间尾部风险的相互依赖关系，通过衡量这种横截面上的依赖，ΔCoVaR 为评估整个金融系统的风险提供了有效的量化手段。Liu（2017）[43] 采用区制转换方法来对尾部风险进行建模分析，同时运用全局条件风险价值方法来全面衡量和评估系统性风险。Karimalis and Nomikos（2018）[44]通过构建 Copula 函数模型，有效地捕捉了市场因素之间的相依性，同时，通过 ΔCoVaR 方法的运用，量化了规模、杠杆率等关键因素对系统性风险的影响程度。杨子晖等（2018）[45]通过 VaR、MES、CoVaR 以及 ΔCoVaR 四类传统风险测度方法，并结合网络分析法，研究了金融机构与房地产企业间的风险传染。此外，学者们也通过 GARCH 族模型研究金融市场间的风险溢出。李博阳等（2023）[46]利用溢出指数模型和 DCC-GARCH 模型，对七大金融市场的风险溢出效应及其时空特性进行了深入探究。结果显示，当遭遇重大政策调整或事件冲击时，金融市场的风险溢出程度会显著提升，不同金融市场之间存在非对称的风险溢出效应。

1.2.4 研究评述

梳理已有文献可知，国内外学者对金融科技主要风险、金融科技与传统金融风险溢出以及金融风险溢出效应测度进行了有益的探索。但现有研究仍然存在以下三个方面的不足：第一，关于金融科技与传统金融风险溢出理论机理。国内外学者对于金融风险溢出问题的研究，主要聚焦于系统性金融风险的溢出。多数学者只是简单地通过文献梳理的方式介绍金融科技对传统金融行业风险溢出效应，未能深入分析两者风险溢出的理论机理。第二，关于金融科技与传统金融风险溢出研究视角。目前学者多从金融科技某一平台研究风险溢出效应，尽管有研究涉及金融科技与传统金融行业的风险溢出问题，但多数研究仍侧重于金融科技对银行业等传统金融行业的风险溢出效应，鲜有文献细致分析金融科技与传统金融行业风险的双向溢出效应及动态变化特征，且未涉及到近1.2.4 研究评述梳理已有文献可知，国内外学者对金融科技主要风险、金融科技与传统金融风险溢出以及金融风险溢出效应测度进行了有益的探索。但现有研究仍然存在以下三个方面的不足：第一，关于金融科技与传统金融风险溢出理论机理。国内外学者对于金融风险溢出问题的研究，主要聚焦于系统性金融风险的溢出。多数学者只是简单地通过文献梳理的方式介绍金融科技对传统金融行业风险溢出效应，未能深入分析两者风险溢出的理论机理。第二，关于金融科技与传统金融风险溢出研究视角。目前学者多从金融科技某一平台研究风险溢出效应，尽管有研究涉及金融科技与传统金融行业的风险溢出问题，但多数研究仍侧重于金融科技对银行业等传统金融行业的风险溢出效应，鲜有文献细致分析金融科技与传统金融行业风险的双向溢出效应及动态变化特征，且未涉及到近年来蓬勃发展的期货、信托、租赁等多元金融行业。第三，关于金融科技与传统金融风险溢出的实证研究。关于实证方法的选择，多数学者采用 CoVaR、VaR 和 Copula 函数的 CoVaR 模型进行分析，未考虑到资产波动率的变动、非线性风险相关性，以及风险的集聚性。并且鲜有文献研究金融科技与传统金融行业之间的网络关联性。综上所述，首先，本文深入剖析金融科技与传统金融行业风险溢出的理论机理；其次，基于 TVP-VAR 模型构建波动溢出网络进行广义预测误差方差分解，分析我国金融科技与传统金融行业风险溢出效应的时变特征；最后，利用 UCINET 软件构建金融科技与传统金融行业的网络拓扑结构并提出合理的政策建议。

第 6 章 研究结论与政策建议

由于金融科技与传统金融行业关联性较强，呈现出双向的风险溢出。因此本章主要从监管机构层面、传统金融行业层面以及金融科技行业层面提出相关建议措施。

6.1 研究结论本文以金融科技与传统金融行业风险的双向溢出为研究主题，首先，整理评述金融科技与传统金融行业风险溢出等相关文献，对研究涉及的基本理论进行界定。其次，在对我国金融科技发展现状和银行业、证券业、保险业以及多元金融业应用科技现状进行分析的基础上，介绍金融科技与传统金融行业双向风险溢出的理论机制。然后，运用 TVP-VAR-DY 模型研究金融科技与传统金融行业静态、动态的风险溢出关系，以及它们两两之间的净溢出效应。接着运用 UCINET 软件研究金融科技与传统金融行业的网络拓扑结构，并进行分析。最后，提出了减少金融科技与传统金融行业风险溢出、防范系统性金融风险的政策建议。本文的主要结论如下：第一，风险溢出表现出波动性和不确定性。金融科技与传统金融行业跨行业的风险溢出效应造成金融行业 56.6%的风险变化。证券业风险溢出程度最强，多元金融业次之。证券业风险溢入程度最强，金融科技行业次之。在所有子市场中，多元金融行业受自身的影响最大，证券业受自身影响最小。第二，风险溢出具有对称性的特征。证券业、多元金融业是主要的风险溢出方，金融科技行业是主要的风险溢入方。此外，多元金融业对金融科技行业的溢出程度最强，保险业对金融科技行业的溢出程度最弱。同样，金融科技行业对多元金融业风险溢出强度最大，其次是证券业和银行业，对保险业溢出强度最小。第三，不同时期行业的系统重要性会发生变化。通过研究 2012 年 7 月-2023 年 8月金融科技与传统金融行业的网络拓扑结构，可以看出，金融科技与传统金融行业之间联系较为紧密，尤其是在股市崩盘、新冠疫情等风险聚集时期。并且在这些时期，金融科技与传统金融行业的中心性位置是不同的，不同的衡量指标体现的行业的系统重要性也不同。但总体来看，金融科技行业、证券业以及多元金融业基本上处于网络中心的位置。（1）构建双向风险监管体系，建立风险传染隔离机制监管机构要积极完善监管体系，有效应对金融科技与传统金融行业间的双向风险溢出。具体而言：第一，以金融监督管理总局为核心，对证券、银行、保险进行纵向机构监管，明确划分监控范围，严格防范未持有相应牌照却擅自经营相关业务的金融科技机构开展运作。第二，实时监控传统金融行业与金融科技行业之间的风险传导，尤其是在风险爆发或经济下行时期，重点关注证券业、多元金融业与金融科技行业之间的风险溢出效应，做好前瞻性调控和风险动态监控相结合，以防造成突发性风险；第三，坚持宏观与微观审慎监管相结合的监管模式，根据国家宏观经济环境的变化及时调整监管政策，把握适度监管原则。（2）借助监管科技，实现金融业务全流程风险监控监管机构应通过建立完善的风险监控框架、整合监管科技资源、实时监测与预警、风险评估与分类管理、信息共享与协同监管等措施实现金融业务风险监控。具体而言，第一，建立风险监控框架，覆盖金融机构的所有业务活动，确保风险监控的全面性和有效性；第二，积极整合监管科技资源，提高监管数据的收集、整理和分析能力，建立信息共享和协调机制，提高监管效率；第三，构建风险预警模型，对异常交易、违规行为等风险事件进行预警，迅速响应并采取相应措施。（3）实施差异化监管治理，防范化解系统性金融风险在金融周期的各个阶段实施不同的监管思路。具体而言：第一，在经济扩张期，确保新进入市场的金融机构具备必要的资质和条件，防范因过度扩张而带来的潜在风险，在风险可控的前提下，支持金融科技等新兴领域的创新，推动金融市场的发展，对市场数据实时监测和分析，及时发现风险，采取预防性措施。第二，在经济繁荣期，加大对金融机构的监管力度，确保金融机构的业务活动符合监管要求，限制过度杠杆、高风险投资等行为，防止市场泡沫的进一步扩大，提高信息披露要求，增强市场透明度。第三，在经济衰退期，关注金融机构的流动性状况，防止因资金链断裂而引发的系统性风险，对陷入困境的金融机构提供救助支持，维护金融市场的稳定，对存在严重风险问题的金融机构进行整改或清理，防止风险扩散。6.2.2 传统金融行业方面（1）调整和优化组织架构，推动智能管理转型传统金融行业在面临数字化和智能化的挑战时，需要对其组织架构进行调整和优化，以适应新的市场环境和客户需求。具体而言：第一，明确转型目标与战略，制定与转型目标相匹配的战略规划，精准把握并满足客户的个性化需求，提高服务质量，增强客户体验。第二，优化改进现有业务流程，建立以客户为中心，以市场为导向的智能化组织流程，打破部门壁垒，促进信息共享和资源整合，提高整体运营效率；第三，加强前中后台的联系，推动智能化技术应用，降低经营成本，加速传统金融行业向智能管理转型。（2） 建立数据安全标准，防范信息技术风险传统金融行业应加强数据加密、数据完整性认证、数据标签、数据脱敏与安全审计等数据安全核心技术的研发和运用，推进建立数据安全标准，并强化在传统金融行业数字化过程中的推广应用，构建数据安全保障体系，加强传统金融行业信息技术风险管控。此外，传统金融行业还需定期进行数据安全评估，识别潜在的安全风险，并及时采取措施进行修复。实施渗透测试，模拟黑客攻击，检验系统的安全性，并根据测试结果调整安全策略。同时，加强与专业的信息安全机构合作，及时了解最新的安全威胁和防护措施，共享安全信息和经验，共同应对信息技术风险。（3）加强新兴技术应用，助力金融行业发展在金融科技迅猛发展的时代背景下，传统金融行业若要稳固其市场地位，必须积极寻求与互联网行业的深度融合，致力于业务的转型与拓展。银行业可以通过精细化地调整风险模型，提升其预测的精准度，并显著降低决策失误的概率，精准控制风险。证券业应时刻保持高度的警觉性，积极运用先进的技术手段来优化和完善风险预防机制，保障投资者的合法权益，推动行业的健康稳定发展。多元金融业可以利用大数据等技术对金融数据进行深度挖掘和分析，准确评估市场趋势、客户信用状况和业务风险，增强决策科学性。保险业要采用先进的精算技术和方法，精准地评估各类风险，制定更加科学合理的保费策略，提升业务的竞争力，确保业务的可持续性。6.2.3 金融科技行业方面（1）加强企业风险管理，健全内部控制体系金融科技企业应建立完善的风险管理体系，包括制订风险管理策略、建立风险评估机制和健全内部控制体系等。具体而言：第一，明确风险管理的目标和原则，制定具体的风险管理措施和操作流程，定期对风险管理策略进行审查和更新，以适应不断变化的市场环境和业务需求；第二，定期评估业务运营过程中的各类风险，加强对新兴风险的识别和评估，制定相应的风险应对措施；第三，建立完善的内部控制制度，确保金融科技企业运营的合规性和规范性，防止内部操作风险的发生，保护用户隐私和信息安全。（2）强化科技创新，拓展金融服务边界金融科技企业必须高度关注新技术的发展脉络，不断提升自身的技术底蕴和核心竞争力，加强创新能力的建设。此外，企业还应积极探索并拓宽金融服务的边界，不断寻找新的增长点，推动金融行业的持续进步与发展。具体而言：第一，持续加大在人工智能、大数据、区块链等前沿技术领域的研发投入，提升技术硬实力，确保企业在技术创新上保持领先地位；第二，密切关注市场发展动态，积极拓展金融服务边界，满足不同客户群体的多元化需求，加强跨界合作，探索金融服务的创新应用；第三，优化创新机制，激发创新活力，不断降低服务成本，更好地赋能传统金融行业，推动我国金融市场的高质量发展。（3）建立风险管理框架，全面识别潜在风险由于金融科技与传统金融行业合作日益频繁，二者的关联性也愈加紧密，增加了金融风险的溢出渠道，因此，金融科技企业要更加关注风险管理和防控。具体而言：第一，加强与金融行业的沟通协作，共同推动金融科技领域的标准化建设，制定统一的数据格式、接口规范和安全标准等，及时分享各自掌握的风险信息、市场动态和监管政策，共同制定风险防范和应对措施；第二，加强数据保护和网络安全，提升系统的稳定性和安全性，防范技术故障和漏洞；第三，优化业务结构设计，提高服务效率，引入风险隔离机制，降低交易风险，减少风险交叉传染的可能性。6.3 局限与展望本文对金融科技与传统金融行业双向风险溢出效应展开了深入研究，取得了一定成果，但仍存在以下不足之处：金融科技与传统金融行业间存在多种形式的直接或间接溢出效应，但由于这些很难量化，本文只说明了二者风险双向溢出整体程度，而未能精细化到每种传导方式的溢出程度。今后可以基于不同的溢出角度，选取相应的指标数据进行量化研究，未来随着我国统计工作的不断完善，数据的获取精度和完整性将得到进一步提升。此外，随着大数据、人工智能等先进技术的发展，有望从更细尺度做深入探究并借助这些技术工具来优化数据处理和分析过程，提高研究的效率和准确性。

参考文献

[1] Zhong H. Research on FinTech development and risk prevention[J]. Financial development research,2018, (03): 81-84.

[2] 陈红, 郭亮. 金融科技风险产生缘由、负面效应及其防范体系构建[J]. 改革, 2020, (03): 63-73.

[3] 贺英杰. 金融科技创新的安全风险及其对策分析[J]. 人民论坛·学术前沿, 2021, (09): 136-139.

[4] 李继尊. 关于互联网金融的思考[J]. 管理世界, 2015(07): 1-7+16.

[5] Mangan L. The Innovation Mechanisms of Fintech Start-Ups: Insights from SWIFT’s InnotribeCompetition[J]. Journal of Management Information Systems, 2018, 35(1): 145-179.

[6] 李瑛. 金融科技风险下的监管转型研究[J]. 当代经济管理, 2022, 44(02): 87-96.

[7] Stulz R M. Fintech, BigTech, and the future of Banks[R]. NBER Working Paper No. 26312, 2019.

[8] 龚强, 马洁, 班铭媛. 中国金融科技发展的风险与监管启示[J]. 国际经济评论, 2022, (06): 45-70+5.

[9] FSB. Financial Stability Implications from Fintech [R]. Financial Stability Board, 2017.

[10] Xia H, Liu J, Zhang Z J. Identifying Fintech risk through machine learning: analyzing the Q&A textof an online loan investment platform[J]. Annals of Operations Research, 2020, 333: 579-599.

[11] Namchoochai R, Kiattisin S, Ayuthaya S. Elimination of FinTech Risks to Achieve Sustainable QualityImprovement[J]. Wireless Personal Communications, 2020, 115(8): 114-128.

[12] Zhou H, Li S. Effect of COVID-19 on risk spillover between fintech and traditional financialindustries[J]. Frontiers in Public Health, 2022, 10: 979808.

[13] Vives X. The impact of FinTech on banking[J]. European Economy, 2017 (2): 97-105.

[14] Yang T. Be alert to FinTech risks [J]. People's BBS, 2019, (17): 78-79.

[15] 李敏. 金融科技的系统性风险: 监管挑战及应对[J]. 证券市场导报, 2019(02): 69-78.

[16] 胡滨, 任喜萍. 金融科技发展: 特征、挑战与监管策略[J]. 改革, 2021(09): 82-90.

[17] Deng X, Jia Z. Discussion on the Influence of Fin-tech on Financial Risk Management[J]. Journal ofFrontiers of Society, Science and Technology, 2021, 1(6): 104-114.

[18] Shi D, Yang A. Government Intervention, Media Attention and Fintech Risk[J]. iBusiness, 2022, 14(2):99-118.

[19] 张晓燕. 金融科技风险及其治理机制研究[J]. 甘肃社会科学, 2023(02): 225-236.

[20] 李丛文, 闫世军. 我国影子银行对商业银行的风险溢出效应——基于 GARCH-时变 Copula-CoVaR 模型的分析[J]. 国际金融研究, 2015(10): 64-75.

[21] 贾楠. 中国互联网金融对银行业风险影响及其系统性风险度量研究[J]. 经济问题探索, 2018(04):145-157.