内容摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 导论 | 第10-22页 |
1.1 研究背景 | 第10-11页 |
1.2 研究目的及意义 | 第11-12页 |
1.2.1 理论意义 | 第11页 |
1.2.2 实践意义 | 第11-12页 |
1.3 国内外相关研究文献综述 | 第12-18页 |
1.3.1 有关银行风险承担的国内外研究 | 第12-15页 |
1.3.2 有关互联网金融的国内外研究 | 第15-18页 |
1.3.3 文献述评 | 第18页 |
1.4 研究内容与方法 | 第18-20页 |
1.4.1 研究内容 | 第18-20页 |
1.4.2 研究方法 | 第20页 |
1.5 本文创新和不足 | 第20-22页 |
第2章 互联网金融概览 | 第22-28页 |
2.1 互联网金融的概念界定 | 第22-23页 |
2.2 互联网金融的产品模式 | 第23-26页 |
2.2.1 第三方支付类 | 第23-24页 |
2.2.2 融资平台类 | 第24-25页 |
2.2.3 券商的线上化 | 第25页 |
2.2.4 银行的线上化 | 第25-26页 |
2.2.5 保险公司的线上化 | 第26页 |
2.3 互联网金融的特点 | 第26-28页 |
第3章 相关理论基础及传导机制 | 第28-33页 |
3.1 银行风险承担的理论分析 | 第28-31页 |
3.1.1 估值效应 | 第28页 |
3.1.2 逐利效应 | 第28-29页 |
3.1.3 政策预期和保险效应 | 第29页 |
3.1.4 竞争效应 | 第29-30页 |
3.1.5 惯性效应 | 第30-31页 |
3.2 互联网金融对商业银行风险承担影响的传导机制 | 第31-33页 |
3.2.1 “抬高资金成本”效应 | 第31页 |
3.2.2 “降低管理费用”效应 | 第31-33页 |
第4章 研究设计 | 第33-39页 |
4.1 模型设计 | 第33-34页 |
4.1.1 向量自回归模型的构建 | 第33页 |
4.1.2 动态面板模型的构建 | 第33页 |
4.1.3 样本与数据来源 | 第33-34页 |
4.2 变量选取 | 第34-37页 |
4.2.1 被解释变量的选取 | 第34页 |
4.2.2 解释变量的选取 | 第34-35页 |
4.2.3 控制变量的选取 | 第35-37页 |
4.3 样本及变量的描述性统计分析 | 第37-39页 |
4.3.1 样本及变量的描述性统计分析 | 第37-38页 |
4.3.2 变量相关性分析 | 第38页 |
4.3.3 数据的平稳性检验 | 第38-39页 |
第5章 实证分析及检验 | 第39-46页 |
5.1 向量自回归分析 | 第39-40页 |
5.1.1 被解释变量滞后阶数的选择与分析 | 第39页 |
5.1.2 脉冲响应分析 | 第39-40页 |
5.2 动态面板回归分析 | 第40-46页 |
5.2.1 互联网金融对银行风险承担影响的回归分析 | 第40-41页 |
5.2.2 金融危机爆发前后互联网金融对银行风险承担影响的回归分析 | 第41-43页 |
5.2.3 互联网金融对银行风险承担影响的异质性分析 | 第43-45页 |
5.2.4 稳健性检验 | 第45-46页 |
第6章 结论及政策建议 | 第46-50页 |
6.1 研究结论 | 第46页 |
6.2 政策建议 | 第46-50页 |
6.2.1 扩大银行资产规模,加强资本监管 | 第47页 |
6.2.2 商业银行扩大服务对象,开发中小企业市场 | 第47-48页 |
6.2.3 加强对互联网金融行业的监管,注重风险防范 | 第48页 |
6.2.4 货币政策灵活化,注重政策之间的协调 | 第48-50页 |
参考文献 | 第50-54页 |
后记 | 第54页 |