京東金融理財產(chǎn)品的風(fēng)險分析與防范研究

PAGEPAGE18京東金融理財產(chǎn)品的風(fēng)險分析與防范研究摘要：本文將針對京東理財產(chǎn)品的風(fēng)險進(jìn)行分析，并通過分析為風(fēng)險防控提出合理的建議。本文在以前學(xué)者研GARCH模型來分析京東小金庫（嘉實）的收益波動性風(fēng)險，通過一系列的建模分析發(fā)現(xiàn)：京東小金庫的收益率存在著反杠桿效波動性并不是很大。二是通過SHIBOR與流動性風(fēng)險呈現(xiàn)正相關(guān)關(guān)系，根據(jù)安全性事件分析了投資者面臨的系統(tǒng)性風(fēng)險、非系統(tǒng)性風(fēng)險、支付安全風(fēng)險，最終為京東平臺的安全性運(yùn)營以及個人如何提高安全警惕提供了建議。關(guān)鍵詞：京東金融理財產(chǎn)品產(chǎn)品特點(diǎn)風(fēng)險分析風(fēng)險管理RiskanalysisandpreventionoffinancialproductsinJingdongSongChaoBinjiangCollege，NUIST，Nanjing210044，ChinaAbstract：ThispaperwillanalyzetheriskofJingdongfinancialproductsandputforwardreasonablesuggestionsforriskpreventionandcontrolthroughanalysis.Basedonthepreviousresearch,thispaperfurtherstudiestheriskofJingdongfinancialproducts,mainlyfocusingonthefollowingaspects:first,basedonGARCHmodel,thepaperanalyzesthevolatilityriskofthereturnofthesmallTreasury(Jiashi)inJingdong.Throughaseriesofmodelinganalysis,itisfoundthatthereturnrateofthesmallTreasuryinJingdonghastheeffectofantileverage,Thatis,whenthemarkethas"goodnews",thevolatilityofreturnrateismoreobvious,andthevolatilityofthereturnsofthesmallTreasuryinJingdongisnotverylarge.Secondly,throughmultivariateregressionanalysisandmodeling,themainfactorsaffectingliquidityriskofJDfundareanalyzed.ItisfoundthatSHIBORhasapositivecorrelationwithliquidityrisk,andestablishesthecorrespondingliquidityriskmanagementsystemaccordingtotheconclusions.Third,throughtheanalysisofthesystematicrisk,nosystematicriskandpaymentsecurityriskfacedbyinvestorsthroughthecombinationofsecurityeventsinrecentyearsofJingdongfinance,thepaperfinallyprovidessuggestionsforthesafeoperationoftheplatformandhowtoimprovethesecurityalertofindividuals.Keywords:Jingdongfinancialproducts,productcharacteristics,riskanalysis,riskmanagement1引言1.1研究背景1.1.1互聯(lián)網(wǎng)普及取得新進(jìn)展年12月底，我國的網(wǎng)民規(guī)模達(dá)到了9.89億，較2020年初增長8540萬，互聯(lián)網(wǎng)普及率達(dá)70.4%，較2020年個百分點(diǎn)。全年新增網(wǎng)民人數(shù)繼續(xù)保持穩(wěn)步增長。不斷增長的網(wǎng)民數(shù)量多數(shù)由于互聯(lián)網(wǎng)商業(yè)模式的不斷創(chuàng)新、線上服務(wù)的快捷性、信息化服務(wù)迅速普及等，這使得廣大人民群眾在使用互聯(lián)網(wǎng)的時候，不僅能夠滿足自身的需求，而且能夠讓大家共享互聯(lián)網(wǎng)發(fā)展的成果。1.1.2互聯(lián)網(wǎng)理財客戶數(shù)量增多6億多人，資金規(guī)模突破了6.5萬億元。京東理財產(chǎn)品作為互聯(lián)網(wǎng)理財產(chǎn)。隨著我國經(jīng)濟(jì)的快速。然而是一個不錯的選擇。1.1.3網(wǎng)絡(luò)安全相關(guān)法律不斷完善年12月底，61.7%的網(wǎng)民表示過去半年在上網(wǎng)過程中為遭遇過網(wǎng)絡(luò)安全問題，較2020年3月提升5.4個百分點(diǎn)。網(wǎng)民遭遇各類網(wǎng)絡(luò)安全問題的比例均有所下降。其中，遭遇網(wǎng)絡(luò)詐騙的網(wǎng)民比例較2020年3月下降4.6個百分點(diǎn)；遭遇賬號或密碼被盜的網(wǎng)民比例也較2020年3月下降4.3個百分點(diǎn)。通過數(shù)據(jù)可以看出，一系列的相關(guān)法規(guī)切實保障了網(wǎng)絡(luò)安全，大大提升了用戶的安全感。1.2研究意義1.2.1理論意義戶有效平衡風(fēng)險和收益具有指導(dǎo)意義。1.2.2現(xiàn)實意義相關(guān)防范體系，從而降低投資者購買理財產(chǎn)品時的風(fēng)險。理性的選擇理財產(chǎn)品，另一方面對互聯(lián)網(wǎng)金融市場的健康發(fā)展有著重大的意義。1.3文獻(xiàn)綜述1.3.1國外文獻(xiàn)綜述（2019）認(rèn)為科技的不斷發(fā)展對互聯(lián)網(wǎng)金融的進(jìn)一步發(fā)展產(chǎn)生了促進(jìn)作用，可是同時也帶來互聯(lián)網(wǎng)金融的信用風(fēng)險，文章以互聯(lián)網(wǎng)金融企業(yè)的數(shù)據(jù)為例子，基于互聯(lián)網(wǎng)算法對金融存在的信用風(fēng)險進(jìn)行了合理的預(yù)測。認(rèn)為隨著互聯(lián)網(wǎng)金融的快速發(fā)展，整個互聯(lián)網(wǎng)金融行業(yè)面臨著許許多多的風(fēng)險，最突出的是財務(wù)務(wù)風(fēng)險的合理建議。K.DASGUPTAJW（2016）分析了過往的互聯(lián)網(wǎng)金融運(yùn)行模式，作者認(rèn)為由于互聯(lián)網(wǎng)金融理財產(chǎn)品的資金分布和業(yè)務(wù)布局存在著不合理性，安全事故頻繁發(fā)生，以至于當(dāng)時的互聯(lián)網(wǎng)理財產(chǎn)品出現(xiàn)許多的問題。KDasguptaJWHubinJin(2016)根據(jù)自己的研究，認(rèn)為目前互聯(lián)網(wǎng)金融理財企業(yè)存在的諸多問題，大都機(jī)制為不斷完善該領(lǐng)域做出一些貢獻(xiàn)。（2015）在文章中研究了互聯(lián)網(wǎng)金融，認(rèn)為互聯(lián)網(wǎng)金融是一種新型的理財工具，存在著許多的優(yōu)點(diǎn)，比如效率高、范圍廣、時效性等。1.3.2國內(nèi)文獻(xiàn)綜述的文章先講述了互聯(lián)網(wǎng)金融和金融工程的基本概念；緊接著分析了當(dāng)前互聯(lián)網(wǎng)金融在發(fā)展過程融存在的風(fēng)險，給互聯(lián)網(wǎng)金融的健康發(fā)展提供良好的環(huán)境。文章指出在互聯(lián)網(wǎng)金融不斷的普及和大數(shù)據(jù)不斷發(fā)展的背景下，互聯(lián)網(wǎng)金融面臨著許多新的機(jī)遇和挑戰(zhàn)，而此時要適當(dāng)?shù)募訌?qiáng)同行業(yè)之間的進(jìn)一步合作，并對金融數(shù)據(jù)進(jìn)行適當(dāng)?shù)谋Ｗo(hù)以此化解互聯(lián)網(wǎng)金融的風(fēng)險。文章基于商業(yè)銀行的一些主營業(yè)務(wù)，構(gòu)建出了針對流動性風(fēng)險的壓力測試模型，為了更好地適經(jīng)將其應(yīng)用到了實際的工作中。文章選取了8支互聯(lián)網(wǎng)平臺上的基金產(chǎn)品，通過EGARCH和VAR的模型建立，進(jìn)而分析了互聯(lián)網(wǎng)基金產(chǎn)品的收益率波動性和厚尾性，最終得出了互聯(lián)網(wǎng)平臺上的基金產(chǎn)品收益率波動的風(fēng)險較大的結(jié)論。在其寫的文章中進(jìn)一步闡述了互聯(lián)網(wǎng)金融的概念和目前發(fā)展現(xiàn)狀，并列舉出了數(shù)個金融風(fēng)險案例進(jìn)行分析。文章寫出互聯(lián)網(wǎng)金融目前所面臨的風(fēng)險主要是用戶的信息和資金安全，從大眾的合約精神和一些法律的監(jiān)管和用戶提高自我的安全防范意識。文章采用GARCH模型建模和歷史模擬法來計算互聯(lián)網(wǎng)金融產(chǎn)品市場風(fēng)險的VAR值，研究結(jié)果顯示市場風(fēng)險因素的不斷變動確實會影響互聯(lián)網(wǎng)金融產(chǎn)品的收益率。文章采用了EGARCH模型進(jìn)一步研究了互聯(lián)網(wǎng)金融產(chǎn)品面臨的風(fēng)險，并且將VAR的評價體系和傳統(tǒng)的夏普比率進(jìn)行了比對。比對結(jié)果表明，所選擇的風(fēng)險指標(biāo)不同則會導(dǎo)致評價結(jié)果的不同。進(jìn)一步研究了互聯(lián)網(wǎng)金融理財?shù)幕靖拍?、產(chǎn)品多樣性、經(jīng)營方法的特征和互聯(lián)網(wǎng)金融行業(yè)的，相互彌補(bǔ)和促進(jìn)，也就是說互聯(lián)網(wǎng)理財產(chǎn)品可以彌補(bǔ)傳統(tǒng)的金融的缺陷，傳統(tǒng)金融也可以是促使互聯(lián)網(wǎng)金融發(fā)展的根基。2京東金融理財產(chǎn)品的相關(guān)概述2.1京東金融簡介京東金融是京東數(shù)字科技集團(tuán)旗下個人金融業(yè)務(wù)品牌，已經(jīng)成為眾多用戶選擇的個人金融決策平臺。京東金融以平臺化、智能化、內(nèi)容化為核心能力，與銀行、保險公司、基金公司等近千家金融機(jī)構(gòu)，共同為用戶提供專業(yè)、只金融產(chǎn)品，涵蓋理財、借貸、保險，分期四大業(yè)務(wù)板塊。截至目前，京東金融理財、借貸的累計總規(guī)模均突破萬億。2020年12月20日，京東金融APP已停止新增上線互聯(lián)網(wǎng)存款產(chǎn)品、停止新用戶購買相關(guān)產(chǎn)品。2.2京東金融業(yè)務(wù)及理財產(chǎn)品千家金融機(jī)構(gòu)的近萬只金融產(chǎn)品在京東金融平臺上銷售，真正為用戶打造了一個專業(yè)、安全的“個人金融決策平臺”，產(chǎn)品種類涵蓋理財、借貸、保險，分期四大業(yè)務(wù)板塊。其中，理財板塊為用戶提供了包括小金庫、銀行精選、定期精選、基金、黃金等眾多明星理財產(chǎn)品；借貸板塊為用戶提供了包括消費(fèi)信貸、現(xiàn)金貸、銀行借貸等個人金融服務(wù)，以及白條、聯(lián)名小白卡、金條等明星金融產(chǎn)品；分期的購物場景；保險板塊為用戶提供壽險、財產(chǎn)險、養(yǎng)老險、重疾險、醫(yī)療險、運(yùn)費(fèi)險、延保等多方面的保險及相關(guān)保障服務(wù)，并可根據(jù)用戶實際需求為其推薦保險產(chǎn)品。行客戶經(jīng)理、基金經(jīng)理、保險經(jīng)紀(jì)人等個人可展示當(dāng)前售賣的熱門金融產(chǎn)品，并通過直播、視頻和文章等多種形式，為用戶提供購前參考，讓用戶以較低成本做出個人金融決策。表2.1京東金融產(chǎn)品類型產(chǎn)品類別項目名稱理財類 小金庫、基金理財、小白理財、京東黃金、零錢理財眾籌類 科技、美食、家電、文化、扶貧）、東家、輕眾籌保險類 車險、意外險、醫(yī)療險、重疾險、健康險、人壽險、財產(chǎn)險支付類 網(wǎng)銀錢包、網(wǎng)銀在線白條 金條、白條聯(lián)名卡、京東鋼镚、學(xué)生特權(quán)、汽車白條、教育白條、企業(yè)金融動產(chǎn)融資、企業(yè)理財、京小貸、京東e享、京東快銀農(nóng)村金融鄉(xiāng)村白條、京農(nóng)貸3京東金融理財產(chǎn)品的特點(diǎn)與風(fēng)險分析3.1京東理財產(chǎn)品特點(diǎn)3.1.1收益率相對較高京東理財產(chǎn)品主要是通過高效快捷的互聯(lián)網(wǎng)進(jìn)行銷售，從而大大減少了相比于銀行所消耗的銷售和人工成本，因此其運(yùn)行成本要遠(yuǎn)遠(yuǎn)低于傳統(tǒng)的銀行理財產(chǎn)品，這就導(dǎo)致了京東理財產(chǎn)品的回報率要比銀行的理財產(chǎn)品高出很多3-5倍。京東金融是一家擁有強(qiáng)有力保證的公司平臺，平臺上提供的金融產(chǎn)品全面、系統(tǒng)、安全可靠，不斷為用戶提供更高的回穩(wěn)運(yùn)行。而京東金融則相當(dāng)于普通的企業(yè)，主要以營利為目的。3.1.2理財產(chǎn)品流動性高75%的資金可以隨時靈活轉(zhuǎn)出，支持大額轉(zhuǎn)出，支持極速到賬，預(yù)計2小時內(nèi)快速到賬。從這活期資金。3.1.3投資門檻較低5萬及以上，低于5萬的理財利率將大打折扣。然而京東理財產(chǎn)品的起投門檻就相對較低，最低從1元到幾百元不等。例如京東理財產(chǎn)品中的京東小金庫，大多數(shù)1元就可以起2000元就可以獲得3元的指定商品立減券，初始資金投入越高立減券金額也就越高。暫且不考慮其收益如何，京東理財產(chǎn)品的起投門檻較低就是一個很大的市場優(yōu)勢。門檻低，不僅有利于高額投資的用戶，也有利于小額投資用戶，這樣就可以最大限度的集中社會上的閑散資金。對于許多大學(xué)生以及低收入家庭也是一個不錯的選擇。3.1.4潛在客戶數(shù)量多截至2020年12月31日，京東過去12個4.719億，全年凈增將近1.1億活躍用戶。京東作為中國最大的自營式電商企業(yè)，其京東4500萬，屬于用戶量。信用消費(fèi)產(chǎn)品的京東白條截至2020年6月用戶數(shù)量已經(jīng)達(dá)到了5544.61萬人，遠(yuǎn)遠(yuǎn)高于國內(nèi)的一些的銷售提供了廣闊的平臺。3.1.5操作簡單京東理財產(chǎn)品作為互聯(lián)網(wǎng)理財產(chǎn)品之一，最大的優(yōu)點(diǎn)就是操作簡單快捷，讓投資者享受到來了極佳的產(chǎn)品體APP中，用戶可以直接操作APP將自己的閑置資金隨時隨地進(jìn)賬時間、近期收益率等等，非常的清晰、簡單和快捷。3.2京東理財產(chǎn)品的風(fēng)險現(xiàn)狀3.2.1收益性波動風(fēng)險京東貨幣基金一枝獨(dú)秀，收益率一路走高，部分業(yè)績較好的貨幣基金收益甚至已經(jīng)“超4爭5”。一時間，貨幣基金成為“高收益”的代名詞。相較于直接投資市場上的貨幣基金，很多對接貨幣基金的互聯(lián)網(wǎng)理財產(chǎn)2017年7月5日，京東小金庫“理財金”七日年化收益率為4.68%，而市場同類“寶寶產(chǎn)品”，余額寶、百賺利滾利的七日年化收益分別為4.18%、4.35%，前者分別高出后兩者0.51%、0.33%。這也比4個百分點(diǎn)，是不少用戶閑錢理財?shù)氖走x。但是，后來隨著貨幣市場的流動性過剩，市場利率就會逐漸下降，貨幣基金的收益率也會隨之不斷減少，從而導(dǎo)致收益也隨之波動。收益是并不固定的。3.2.2流動性風(fēng)險我們都知道京東金融從通過資金投資方吸收存，因而獲得的收益的會導(dǎo)致流動性風(fēng)險的增加。3個工作日才能返還到活期寶或銀行卡賬戶，逢節(jié)假日順延。實際上這3個工作日對京東平臺來說可以賺到部分收益。3.2.3安全性風(fēng)險2020年12月，38.3%的網(wǎng)民表示過去半年在上網(wǎng)過程中遭遇過網(wǎng)絡(luò)安全問題。通過對遭遇網(wǎng)絡(luò)詐騙網(wǎng)民的進(jìn)一步調(diào)查發(fā)現(xiàn)：虛擬中獎信息詐騙仍是網(wǎng)民最常遭遇的網(wǎng)絡(luò)詐騙類型，占比47.9%，冒充好友詐騙的占比為31.4%；釣魚網(wǎng)站詐騙的占比為24.7%。京東金融平臺也是極易遭到網(wǎng)絡(luò)攻擊，比如電子系統(tǒng)發(fā)生故障、黑客攻擊網(wǎng)站盜取各種信息、病毒攻擊計算。投資者基本都是通從而造成理財產(chǎn)品的資金被套現(xiàn)，對于投資者來說損失嚴(yán)重，這也是為什么京東理財平臺的安全性要低于銀行的原因之一。4京東金融理財產(chǎn)品風(fēng)險的實證分析4.1收益性波動風(fēng)險的實證分析對于京東小金庫理財產(chǎn)品收益率波動的分析，選取了天天基金官網(wǎng)公布的2018年4月16日至2021年4月16日的七785個七日年化收益率數(shù)據(jù)作為X1序列。，本文通過Eviews11來進(jìn)一步分析增值寶貨幣基金七日年化收益率的時序圖、正態(tài)性、平穩(wěn)性檢驗，最終建立了GARCH模型。4.1.1收益率波動性分析及正態(tài)性檢驗X1的變化趨勢以及正態(tài)性分析，具體的分析結(jié)果如圖4.1所示。2018年8月之前基本處于平穩(wěn)上升的狀態(tài)，且出現(xiàn)了峰值。隨后七日0.014?？傮w來看，其收益率基本保持在一個比較平穩(wěn)的水平，在某一特定的區(qū)間會出現(xiàn)大幅的波動。X1序列的描述性統(tǒng)計分析圖4.2為七日年化收益率的描述性統(tǒng)計分析。從圖4.2中我們可以看出鵬華增值寶貨幣基金的七日年化收益率數(shù)據(jù)均值為0.027121，中位數(shù)為0.025300，最大值和最小值分別為0.047400、0.014100，標(biāo)準(zhǔn)差為0.007080，偏度為偏度大于零說明了在選取的區(qū)間內(nèi)大部分的樣本是收益率均值向右側(cè)聚攏，峰度為2.547473＜3，說明該產(chǎn)品收益率數(shù)據(jù)呈現(xiàn)出扁平分布。X1序列呈現(xiàn)出向右拖尾的現(xiàn)象，換句話說就是大于收益率均值的數(shù)據(jù)占據(jù)樣本的多數(shù)。P值為0，小于0.05，所以說該收益率序列X1是不服從正態(tài)分布。為了進(jìn)一步判斷數(shù)據(jù)是否平穩(wěn)，接下來對數(shù)據(jù)進(jìn)行ADF檢驗。圖4.2X1的描述性統(tǒng)計分析X1序列的一階差分時序圖2019年2月、4月和11月出現(xiàn)較大的波動，而其他時間段的波動都相對較小，這些期間的波動都相對平穩(wěn)，且在前期出現(xiàn)過波動聚集特征，再根據(jù)前面的趨勢和統(tǒng)計分析，可以推斷出此模型是符合ARCH效應(yīng)的。ADF平穩(wěn)性檢驗分析，通過ADF驗證后得出針對鵬華增值寶貨幣基金的七日年化收益率波動的可以使用GARCH模型。表4.1是通過Eviews11對其選取的收益率序列X1進(jìn)行的ADF檢驗結(jié)果。由ADF，t值為-17.27494，對應(yīng)的P值為0，t值的絕對值都大于在1%、5%、10%置信區(qū)間上的t值，說明該模型不存在單位根，由此可以得出京東小金庫的七日年化收益率序列x1是平穩(wěn)的。4.1.4建立模型與分析x1進(jìn)行了檢測以及分析，可以得出京東小金庫旗下的鵬華增值寶貨幣基金在所選的時間段內(nèi)X1是符合GARCH模型的建立條件的，所以通過Eviews11軟件對其序列X1進(jìn)行了GARCH模型的分析與建立，具體分析結(jié)果如下：收益率方程：Pt=-0.1806Pt-2+0.0002條件方差方程：δ2t=5.2x10-8+0.2647u2t-1+0.7328δ2t-1在收益率方程中，即條件均值方程中，常數(shù)項系數(shù)接近0，P（-2）是-0.180593變量比較顯著且小于1，說明模型對收益率的擬合效果較好。而在條件方差方程中，RESID（-1）^2表示的是滯后一階的殘差平方和估計參數(shù)，表示滯后一階項的估計參數(shù)，且這兩個參數(shù)加起來為0.997469＜1，說明了GARCH模型擬合的較好，符合參數(shù)的既定約束條件。這也就說明了京東小金庫的鵬華增值寶貨幣基金的條件方差是比較穩(wěn)定的，收益率的波動也RESID和GARCH的系數(shù)相加接近1，說明兩者的波動率是有RESID參數(shù)值為0.2647，代表的是內(nèi)部的因素對京東GARCH（-1）參數(shù)值為0.7328，代表的是外部因素對京東小金庫的鵬華增值寶貨幣基金的收益率帶來的影響程度。4.1.5實證分析結(jié)果通過對京東小金庫理財產(chǎn)品的收益率波動模型的建模分析，會發(fā)現(xiàn)2018年4月16日至2020年4月16日鵬華增值，RESID項系數(shù)為0.2647，GARCH(-1)項系數(shù)為0.7328，內(nèi)部影響因素和外部影響因素的系數(shù)值相差并不是很大，說明前期內(nèi)在影響因素和前期外在影響因素相關(guān)的波動對京東小金庫收益率波動性產(chǎn)生的影響差不多。性波動風(fēng)險。4.2流動性風(fēng)險實證分析樣本選擇與數(shù)據(jù)來源本章將通過實證分析，選取了京東基金類產(chǎn)品的南方天天利貨幣A基金，以贖回比率和申購比率分別作為因變SHIBOR影響指標(biāo)進(jìn)行回歸分析，反映出對流動性風(fēng)險的判斷，為風(fēng)險模型的建立打下基礎(chǔ)。預(yù)判假設(shè)：SHIBOR越高，流動性風(fēng)險越大。被解釋變量流動性所產(chǎn)生的影響，本章貨幣A基金從2017年1月1日到2020年12月31日的季度數(shù)據(jù)，計算出接下來用于進(jìn)行多元回歸分析的被解釋變量的比率，其相應(yīng)的表達(dá)式為：總額解釋變量基本屬性指標(biāo)，其數(shù)量的變動可以很直觀的反映出基金流動性風(fēng)險的變化大小。選取了季節(jié)數(shù)據(jù)進(jìn)行分析?？刂谱兞縎HIBOR這個指標(biāo)，在數(shù)據(jù)處理上，先選取了2017年1月1日-2020年12月31日的日數(shù)據(jù)，然后在將每三個月的數(shù)據(jù)進(jìn)行平均，最終得出了平均后的季度數(shù)據(jù)。表4.3選取的變量定義分類描述變量變量符合變量含義申購比率Y1季度基金申購總額/季度基金期初份額總額被解釋變量贖回比率Y2季度基金贖回總額/季度基金期初份額總額解釋變量區(qū)間收益率X1凈值季度收益比率控制變量投資組合平均剩余年限X2報告期內(nèi)各產(chǎn)品剩余期限均值SHIBORX3上海銀行間同業(yè)拆放利率4.2.2模型建立Y1=α0+α1X1+α2X2+α3X3+εY2=α0+α1X1+α2X2+α3X3+ε為被解釋變量，X1，X2為解釋變量，X3為控制變量，α0為常數(shù)項，α1、α2、α3分別為解釋變量和控制變量系數(shù)，ε為隨機(jī)誤差項。4.2.3實證研究分析描述性統(tǒng)計分析表4.4描述性統(tǒng)計分析結(jié)果變量最大值最小值平均值標(biāo)準(zhǔn)差申購比率%537.23%48.96%216.41%151.01%贖回比率%324%60.61%171.07%152.63%區(qū)間收益率%4.61%1.28%3.22%2.95%平均剩余期限天118349213.10SHIBOR4.91%1.39%3.34%3.00%A的申購和贖回比率在標(biāo)準(zhǔn)差上基本相似，而且區(qū)間收益率的均值、標(biāo)準(zhǔn)差與SHIBOR的相差也不大。時間序列的平穩(wěn)性檢驗檢驗作為檢驗時間序列的平穩(wěn)性，具體檢驗結(jié)果如表4.5所示：表4.5ADF平穩(wěn)性檢驗變量t-StatisticP-value申購比率-4.2647210.0258贖回比率-6.2010780.0002剩余期限-4.308960.0074區(qū)間收益率-3.962820.0009SHIBOR-9.040860.0000表4.6不同置信水平下的t值變量1%level5%level10%level申購比率-4.08643-3.82898-3.36298贖回比率-4.00443-3.0989-2.69044剩余期限-4.12199-3.14492-2.71375區(qū)間收益率-2.77193-1.97403-1.60292SHIBOR-3.4367-2.86423-2.56826ADF檢驗得出的P值都小于0.05，且t檢驗的絕對值均大于在1%、5%、10%置信水平下的值，所以我們有理由拒絕原假設(shè)，表明這些變量沒有單位根，時間序列平穩(wěn)。多元回歸分析基于申購比率的多元回歸分析進(jìn)行一系列整理和統(tǒng)計分析后，本文對模型進(jìn)行多元回歸分析，得出的結(jié)果具體如下：表4.7申購比率的回歸分析表數(shù)值RSquare0.9321標(biāo)準(zhǔn)誤差0.0523F檢驗值28.1276SignificanceF0.0009表4.8申購比率模型的多重共線性分析容差VIF區(qū)間收益率0.1277.888平均剩余年限0.8571.167SHIBOR0.1347.482上表顯示了以申購比率為因變量和其他三個自變量的多元回歸分析結(jié)果。首先RSquare的數(shù)值為0.9321，其大小說明了模型的擬合的好壞，RSquare的值接近1，說明此模型擬合的非常好且用X1、X2、X3來解釋申購比率也很具有說服力。從方差分析表，可以看出SignificanceF的值為0.0009＜0.05，說明模型就有高度顯著性。，VIF數(shù)值均小于10，且解釋變量X1、X2、X3的容忍數(shù)值均大于0.1，說明此模型不存在多重共線性。表4.9申購比率的多元回歸分析Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept1.5893.041274-0.007440.0094XVariable1-0.256502.8855-0.07560.0041XVariable20.01230.03217-0.400070.0069XVariable3110.234914119.63170.9214520.037從表4.9中我們可以分析出，解釋變量區(qū)間收益率X1和投資組合平均剩余年限X2的P值都小于0.05，通過了t檢SHIBOR（X3）的P值也小于0.05，同樣也通過了t檢驗，這說明解釋變量和控制變量與被解釋變量之間具有顯著關(guān)系?；谮H回比率的多元回歸分析的回歸結(jié)果如下表所示：表4.10贖回比率的回歸表數(shù)值RSquare0.8922標(biāo)準(zhǔn)誤差0.0521F檢驗值50.5920SignificanceF0.0001表4.11贖回比率模型多重共線性分析容差VIF區(qū)間收益率0.1429.548平均剩余年限0.5942.163SHIBOR0.1696.371上表顯示了以贖回比率為因變量和其他三個自變量的多元回歸分析結(jié)果。首先RSquare的數(shù)值為0.8922，其大小說明了模型的擬合的好壞，RSquare的值接近1，說明此模型擬合的非常好且用X1、X2、X3來解釋申購比率也很具有說服力。從方差分析表，可以看出SignificanceF的值為0.0001＜0.05，說明模型就有高度顯著性。，VIF數(shù)值均小于10，且解釋變量X1、X2、X3的容忍數(shù)值均大于0.1，說明此模型不存在多重共線性。表4.12贖回比率的多元回歸分析Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept1.6250.3472-0.007440.034XVariable10.2780.1553-0.07560.023XVariable2-0.08850.0202-0.400070.007XVariable353.9330.71740.9214520.000中我們可以分析出，解釋變量區(qū)間收益率X1和投資組合平均剩余年限X2的P值都小于0.05，通過了t檢SHIBOR（X3）的P值也小于0.05，同樣也通過了t檢驗，這說明解釋變量和控制變量與被解釋變量之間具有顯著關(guān)系。實證分析結(jié)果中的SHIBOR都是影響京東基金類產(chǎn)品旗下的南方天天利貨幣基金的主要因素。在申購和贖回的回歸模型分析中，與此基金流動性風(fēng)險成正相關(guān)關(guān)系，所以當(dāng)市場上其他產(chǎn)品的收益率提高時，投資者則不再滿足于目前的京加。出影響贖回資金的諸多因素，并結(jié)合實際情況，合理的制定防范流動性風(fēng)險的對策。4.3安全性風(fēng)險分析融平臺本身的不安全性，致使投資者資金受損；二是投資者本身缺乏一定的個人信息保護(hù)意識。表4.13京東金融資金被盜事件時間 案件主要情況2020年10月14日 龍先生點(diǎn)擊假冒鏈接，輸短信驗證碼導(dǎo)致密碼泄露2020年10月16日 張女士京東白條被刷7300元2019年10月4日 李先生京東白條被刷5510元2019年9月15日 唐女士銀行卡通過京東金融被刷15萬人民幣2018年5月26日 劉女士京東網(wǎng)銀支付被刷三筆，共計19000元可以看出投資者在使用京東金融時面臨的安全性風(fēng)險大多數(shù)是其賬戶資金被刷或者被盜取，而投資者4.3.1系統(tǒng)性風(fēng)險分析2020年10月14日上午10點(diǎn)34分，據(jù)投訴人龍先生（化名）表示，其發(fā)現(xiàn)自己的中國銀行儲蓄卡APP，向客服詢問具體情況。中行客服人員告知龍先生，這四筆交易龍先生表示，盜刷發(fā)生后，自己馬上聯(lián)系了京東金融的客服，然而對方卻開，認(rèn)為是龍先生自己泄露了京東賬號，故而拒絕其理賠申請。龍，龍先生認(rèn)為，京東金融的免密支付也是造成自己被盜刷的重要原因之一。2020年10月21日給出了回應(yīng)。京東金融方面回應(yīng)稱，經(jīng)核查，此用戶是本人點(diǎn)擊了假京東金融客服人員已提醒用戶疑似遇到了詐騙，并建議用戶向公安機(jī)關(guān)報案處理。到資金的損失。4.3.2非系統(tǒng)性風(fēng)險分析投資者所面臨的非系統(tǒng)風(fēng)險主要是京東金融平臺以外的由于一些不法分子的侵入而導(dǎo)致的個人信息安全風(fēng)險。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展和完善，這就涉及到投資者個人的自我防范能力和具備較高互聯(lián)網(wǎng)技術(shù)的人員的個人道，2021年1月初，一位陌生好友向唐女士介紹京東區(qū)塊鏈投資理財，稱能輕松賺錢，唐女士信以為真，遂先后三次在該網(wǎng)站上投7萬元后發(fā)現(xiàn)無法提現(xiàn)。民警斷定這是一起電信詐騙案，緊急對涉案銀行卡號進(jìn)行7萬元被成功止付，未轉(zhuǎn)入騙子賬戶。我們發(fā)現(xiàn)一些不法分子主要是通過兩種形式實施詐騙，第一，那些具有較高網(wǎng)絡(luò)編程技術(shù)的人員可以編制出侵入投資者金融平臺的非法程序，盜取投資者信騙。個人信息的泄露會使投資者面臨與京東金融平臺無關(guān)的損失。4.3.3支付風(fēng)險分析月，王某自己在金融平臺上瀏覽一些互聯(lián)網(wǎng)理財產(chǎn)品的時候，看到合適的之后，就按照正產(chǎn)的交易流顯示所選擇的理財產(chǎn)品并未完成交易。經(jīng)過調(diào)查發(fā)現(xiàn)，發(fā)生這一情況的原因是因為金融平臺支付系統(tǒng)相應(yīng)的保護(hù)措施，致使投資者陷入支付安全風(fēng)險中，最終導(dǎo)致投資者資金受損?！?apk”文件鏈接，一般情況下，賬戶被盜時，賬時可以銷毀計算機(jī)硬盤，在日常使用不存儲網(wǎng)上銀行、支付寶等賬戶密碼。5京東理財產(chǎn)品的風(fēng)險防范對策5.1投資者應(yīng)做好自我風(fēng)險防范5.1.1投資者有良好的投資心態(tài)，首先要保持穩(wěn)定的投資心態(tài)。不要因為利率的起伏而影響情緒，京東理財產(chǎn)品的收益率波動是市場，特別是貨幣市場基金的正常反，試圖接受在可份額，以便更好地防范投資過程中面臨的收益率風(fēng)險。在日常生活中，投資者應(yīng)及時關(guān)注國家對互聯(lián)理財產(chǎn)品市場的相關(guān)國家政策，以及京東金融平臺發(fā)布的相關(guān)資訊。京東金融平臺提供的理財產(chǎn)品非常豐達(dá)到預(yù)期后在進(jìn)行投資。個理性的投資者。5.1.2合理規(guī)劃投資結(jié)構(gòu)其核心就是資金需求的時，這樣能夠做到合理的規(guī)避風(fēng)險理分配投資。應(yīng)充分分析理財產(chǎn)品的贖回期限、收益率和穩(wěn)定性，以確定是否在自己的承受范圍內(nèi)在進(jìn)行購買。5.1.3加強(qiáng)自身資金和信息的保護(hù)幾點(diǎn)：在移動設(shè)備上仔細(xì)安裝插件，輸入密碼時仔細(xì)觀察是否有異常，不要隨便點(diǎn)擊陌生的鏈接或研究理財產(chǎn)品的一系列的特點(diǎn)，投資者在提供個人信息時可以簽訂保密協(xié)議，以減少安全性風(fēng)險。5.2發(fā)行機(jī)構(gòu)要降低產(chǎn)品的風(fēng)險5.2.1適當(dāng)增設(shè)提前贖回的條款資門檻，吸引更多的投資者購買京東金融的理財產(chǎn)品。另一方面，我們都知道銀行都設(shè)有一定的準(zhǔn)備金率，可是京東金融的理財產(chǎn)品并沒沒有建議完整的準(zhǔn)備金制和京東金融面臨的風(fēng)險。5.2.2完善風(fēng)險評估體系，在投應(yīng)的理財產(chǎn)品，盡量讓投資者收益最大化、損失最小化。數(shù)。針對技術(shù)風(fēng)險，加強(qiáng)互聯(lián)網(wǎng)金融企業(yè)和監(jiān)管機(jī)構(gòu)技術(shù)隊伍建設(shè)，注重測試檢驗，建立完善的監(jiān)管體系。5.3技術(shù)層面的風(fēng)險控制5.3.1互聯(lián)網(wǎng)絡(luò)的加強(qiáng)要不斷加強(qiáng)技術(shù)設(shè)備的安全性研發(fā)。隊伍的投資建設(shè)，引進(jìn)先進(jìn)的網(wǎng)絡(luò)防火墻技術(shù)，建立更加靈敏的網(wǎng)絡(luò)安全報警系統(tǒng)。戶在使用消費(fèi)信貸服務(wù)時應(yīng)加強(qiáng)警惕個人信息的泄露，不隨意在不熟悉的線上、線下場透露自己的個人信息。5.3.2京東金融平臺加大研發(fā)力度品時要充分考慮市頻率，利用平臺的動態(tài)和靜態(tài)信息進(jìn)行產(chǎn)品的分類，根據(jù)學(xué)生群體、上班族、投資者等各類投資群體，可以分為；“辦公室員工的金融產(chǎn)品”是為有固定收入的群體提供的，同時提供預(yù)期收入，其特分類，研究出更適合不同投資群體對京東金融理財產(chǎn)品的需求。5.4監(jiān)管者創(chuàng)造良好的投資環(huán)境5.4.1監(jiān)管者不斷穩(wěn)定市場環(huán)境盡可能的規(guī)避因為產(chǎn)品收益率的穩(wěn)定性。5.4.2監(jiān)管者加強(qiáng)披露制度應(yīng)當(dāng)立即處置。最基本的信息，其中包括了該理財產(chǎn)品的管理人的基本信息、產(chǎn)品目前的資金規(guī)模、產(chǎn)品的收益率、萬份收益等顯的鏈接，當(dāng)投資者點(diǎn)擊鏈接時便可以直接進(jìn)入產(chǎn)品的詳細(xì)信息的頁面，這樣可以確保投資者充分的了解產(chǎn)品信收益性風(fēng)險的同時做到有效、及時。參考文獻(xiàn)MAXM,LVSL.Financialcreditriskpredictionininternetfinancedrivenbymachinelearning[J].NeuralComputingandApplications.2019(12):8359-8367.Example[C].DEStechTransactionsonSocialScien