基于極值理論的互聯(lián)網(wǎng)金融操作風(fēng)險測算

陳耀輝，姜婷

(南京財經(jīng)大學(xué)經(jīng)濟學(xué)院，江蘇 南京 210023)

近年來，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和“互聯(lián)網(wǎng)+”時代的到來，傳統(tǒng)的金融業(yè)發(fā)生轉(zhuǎn)變，互聯(lián)網(wǎng)金融應(yīng)運而生?！盎ヂ?lián)網(wǎng)金融”是一種互聯(lián)網(wǎng)技術(shù)與金融業(yè)務(wù)全面交互、關(guān)聯(lián)、延展和創(chuàng)新而產(chǎn)生的新型金融，是對傳統(tǒng)金融模式的一種延展和創(chuàng)新?；ヂ?lián)網(wǎng)金融產(chǎn)業(yè)的產(chǎn)生給人們的社會經(jīng)濟生活帶來了巨大改變，第三方支付、P2P 網(wǎng)絡(luò)借貸、眾籌融資等互聯(lián)網(wǎng)金融業(yè)態(tài)為人們的日常消費提供了極大的便捷，也為人們籌借、投資資金提供了一種新型的渠道。但在互聯(lián)網(wǎng)金融快速發(fā)展的同時，各種問題也層出不窮，平臺體系的技術(shù)漏洞、員工專業(yè)素養(yǎng)的參差不齊、內(nèi)部欺詐的存在、金融市場審查與監(jiān)管不足等操作風(fēng)險都會對互聯(lián)網(wǎng)金融的發(fā)展產(chǎn)生極大的危害。

以互聯(lián)網(wǎng)金融機構(gòu)中第三方支付平臺為例，支付寶作為第三方支付平臺的代表多次被曝安全漏洞。2017年1月，支付寶被曝安全問題，熟人只要知道最近買過的東西，且2人有共同好友，就能較為輕易地通過驗證，登錄他人支付寶賬戶；2018年3月15日，央視的315晚會也指出了支付寶平臺人臉識別支付的嚴重漏洞，不法分子利用軟件修改人臉圖片便可直接進行臉部識別，輕易盜刷用戶賬號。此外，2014年曝光廣東某旅游休閑服務(wù)“加油金”業(yè)務(wù)涉嫌非法吸收公眾存款造成資金風(fēng)險敞口約6億元，上海某企業(yè)管理服務(wù)有限公司挪用客戶備用金造成資金敞口約7.8億元等等，互聯(lián)網(wǎng)金融機構(gòu)一系列操作風(fēng)險事件頻頻發(fā)生。

風(fēng)險事件的發(fā)生預(yù)示了互聯(lián)網(wǎng)金融機構(gòu)在運營過程中存在著巨大的安全風(fēng)險隱患，也說明了我國對于互聯(lián)網(wǎng)金融行業(yè)的監(jiān)管方面存在不足。目前，我國的互聯(lián)網(wǎng)金融市場發(fā)展?jié)摿薮?，但仍處在發(fā)展初期，面臨很多風(fēng)險在所難免，尤其是與技術(shù)平臺相關(guān)的操作風(fēng)險。用現(xiàn)代金融風(fēng)險測量技術(shù)度量互聯(lián)網(wǎng)金融的操作風(fēng)險，建立一套合理的互聯(lián)網(wǎng)金融操作風(fēng)險識別、度量、監(jiān)控和控制體系，是促進互聯(lián)網(wǎng)金融市場健康良性發(fā)展，有效防范金融形式創(chuàng)新造成的新型操作風(fēng)險的必然要求。為此，筆者對互聯(lián)網(wǎng)金融的操作風(fēng)險損失的分布進行了研究，并對互聯(lián)網(wǎng)金融領(lǐng)域的操作風(fēng)險進行測度。

1 文獻綜述

1.1 關(guān)于操作風(fēng)險的研究綜述

國外對于操作風(fēng)險最權(quán)威的定義是在巴塞爾委員會制定的《巴塞爾協(xié)議》中，1988年7月，巴塞爾委員會在瑞士的巴塞爾通過“關(guān)于統(tǒng)一國際銀行的資本計算和資本標準的協(xié)議”，即《巴塞爾協(xié)議》。此后通過1999年和2010年的2次修訂，形成了一套比較成熟的風(fēng)險理論體系。巴塞爾新資本協(xié)議中定義“操作風(fēng)險是指由不完善或有問題的內(nèi)部程序、人員、系統(tǒng)或外部事件所造成的損失”。目前，業(yè)界研究操作風(fēng)險普遍使用這一操作風(fēng)險定義[1]。在此基礎(chǔ)上，眾多的國外學(xué)者對操作風(fēng)險進行定量研究。1997年，Embrechts等最早采用EVT理論對操作風(fēng)險進行度量[2]，隨后，Embrechts又在2006年采用多維極值理論度量了操作風(fēng)險，他認為極值理論能夠較好的度量操作風(fēng)險[3]。2004年，Moscadelli利用EVT理論分析了巴塞爾銀行監(jiān)管委員會定量影響測算統(tǒng)計的47000個操作風(fēng)險損失數(shù)據(jù)，認為廣義Pareto分布(GPD)能夠很好的擬合操作風(fēng)險的上尾[4]。2006年，Patrick采用公開的極值數(shù)據(jù)和極值理論度量了操作風(fēng)險，并認為銀行操作風(fēng)險資本金大于市場風(fēng)險資本金[5]。

國內(nèi)對于操作風(fēng)險的研究較晚。2005年12年31日，中國銀監(jiān)會下發(fā)《商業(yè)銀行風(fēng)險監(jiān)管核心指標(試行)》，首次將操作風(fēng)險指標同信用風(fēng)險指標、市場風(fēng)險指標并列作為中國商業(yè)銀行風(fēng)險監(jiān)管核心指標，并將操作風(fēng)險的定義基于中國商業(yè)銀行發(fā)展的特點進行調(diào)整?！爸袊虡I(yè)銀行的操作風(fēng)險為由于商業(yè)銀行公司治理的不到位、內(nèi)部程序和業(yè)務(wù)流程的不完善、人員的失誤或舞弊、系統(tǒng)的失靈或缺陷以及外部事件”。2007年，高麗君針對我國商業(yè)銀行操作年度損失數(shù)據(jù)缺乏亦不滿足常用分布的情況，根據(jù)Bootstrapping模擬的特點和優(yōu)點生成操作風(fēng)險年度損失數(shù)據(jù)，利用極值算法估計操作風(fēng)險損失分布并預(yù)測操作風(fēng)險極端損失，得出操作風(fēng)險經(jīng)濟資本[6]。同年，劉睿，詹原瑞和劉家鵬在損失分布法的框架下，以中國商業(yè)銀行的內(nèi)部欺詐損失數(shù)據(jù)為樣本，借助POT模型對內(nèi)部欺詐風(fēng)險強度和頻率進行估計，并使用基于吉布斯抽樣的貝葉斯MCMC方法估計POT模型的參數(shù)，通過極值理論對中國商業(yè)銀行的內(nèi)部欺詐風(fēng)險進行度量，并估計了相應(yīng)的經(jīng)濟資本[7]。2008年，陳倩和李金林以我國的517個風(fēng)險損失數(shù)據(jù)為基礎(chǔ)，將四參數(shù)的g-h分布用于操作風(fēng)險損失強度擬合中，實證結(jié)果顯示，g-h分布能較好的捕獲操作風(fēng)險損失分布的“厚尾”特性，對操作風(fēng)險損失分布的擬合效果最好[8]。2017年，莫建明、呂剛和高翔等認為重尾分布非預(yù)期損失估計值具有不確定性，并以操作風(fēng)險度量為例，在Pareto分布下研究損失分布法度量誤差變動規(guī)律，他們發(fā)現(xiàn)，隨著監(jiān)管資本變動，度量誤差變動具有非常高的敏感性，損失分布法度量誤差具有不可預(yù)測性，損失分布法存在著重大缺陷[9]。

1.2 關(guān)于互聯(lián)網(wǎng)金融風(fēng)險的研究綜述

國外學(xué)者首先對互聯(lián)網(wǎng)金融問題進行了研究。2007年，Thomas Meyer對互聯(lián)網(wǎng)金融其中的一種模式——P2P進行了描述，指出了P2P信貸中所存在的風(fēng)險，對比了低風(fēng)險和高風(fēng)險借貸人進行P2P時的不同[10]。2009年，Ming-Chi Lee對網(wǎng)上銀行進行研究，運用技術(shù)接受模型和集成計劃行為理論模型對感知風(fēng)險理論的5個方面——金融風(fēng)險、安全與隱患、性能、社會和時間風(fēng)險進行研究分析，結(jié)果表明，使用網(wǎng)上銀行的不利影響主要有安全隱私風(fēng)險、金融風(fēng)險等，積極影響在于感知利益、態(tài)度和感知有用性[11]。2011年，EC Chaffee和GC Rapp在Dodd-Frank法案出臺后研究了P2P網(wǎng)絡(luò)信貸的監(jiān)管問題，在文中他們從聯(lián)邦和州2個層面分析P2P網(wǎng)絡(luò)借貸問題和監(jiān)管問題，討論P2P起源和其特殊風(fēng)險性，提出針對P2P網(wǎng)絡(luò)借貸風(fēng)險的多部門監(jiān)管方法[12]。2012年，JER Lee等對網(wǎng)絡(luò)購物時的在線支付問題進行了研究，通過安全問題和信用卡安全碼2個實驗分析了在網(wǎng)絡(luò)購物支付過程中的風(fēng)險[13]。

國內(nèi)對于互聯(lián)網(wǎng)金融風(fēng)險的研究起步較晚，相應(yīng)的研究成果也較少。自2012年和2013年之后，對于互聯(lián)網(wǎng)金融的相關(guān)研究飛速地增加。2012年，謝平和鄒傳偉等首次提出互聯(lián)網(wǎng)金融的概念，研究了互聯(lián)網(wǎng)金融的模式，并分析了互聯(lián)網(wǎng)金融的支付方式、信息處理、資源配置等問題[14]。2013年，閆真宇提出互聯(lián)網(wǎng)金融業(yè)務(wù)活動產(chǎn)生的不確定和不可控是造成互聯(lián)網(wǎng)金融風(fēng)險的主因，互聯(lián)網(wǎng)金融風(fēng)險主要由法律規(guī)范、技術(shù)風(fēng)險、業(yè)務(wù)管理、貨幣政策、洗錢犯罪5大類因素導(dǎo)致[15]。同年，張松、史經(jīng)偉、雷鼎等對互聯(lián)網(wǎng)金融形勢下的操作風(fēng)險新問題進行研究，他們認為，在互聯(lián)網(wǎng)金融形勢下，操作風(fēng)險主要包括金融業(yè)信息化的操作風(fēng)險、行業(yè)間的關(guān)聯(lián)性風(fēng)險和消費者操作不當(dāng)風(fēng)險[16]。

基于以上文獻綜述，國內(nèi)外專家學(xué)者對于操作風(fēng)險的研究大多集中于商業(yè)銀行領(lǐng)域，對于互聯(lián)網(wǎng)金融的研究多集中在整體領(lǐng)域和定性領(lǐng)域，對于互聯(lián)網(wǎng)金融操作風(fēng)險的專項研究及定量研究較少。

2 操作風(fēng)險與極值理論

根據(jù)巴塞爾新資本協(xié)議中對操作風(fēng)險的定義，“操作風(fēng)險是指由不完善或有問題的內(nèi)部程序、人員、系統(tǒng)或外部事件所造成的損失”。引發(fā)操作風(fēng)險的誘因或事件具體可分為7類：內(nèi)部欺詐，外部欺詐，雇傭及工作安全，顧客、產(chǎn)品與商業(yè)行為，有形資產(chǎn)損失，涉及執(zhí)行、交割及交易過程管理的失誤。結(jié)合操作風(fēng)險的誘因，我國互聯(lián)網(wǎng)金融行業(yè)所面臨的操作風(fēng)險主要可以概括為以下幾種形式：違規(guī)經(jīng)營風(fēng)險，即違反現(xiàn)行的相關(guān)法律規(guī)定開展經(jīng)營活動，主要包含違約挪用客戶資金，欺瞞客戶資金流向，超規(guī)模違規(guī)發(fā)行網(wǎng)絡(luò)支付產(chǎn)品等；操作失誤風(fēng)險，即由于內(nèi)部工作人員的操作失誤而造成的風(fēng)險；網(wǎng)絡(luò)安全風(fēng)險，即因為網(wǎng)絡(luò)安全漏洞或支付平臺漏洞而造成的風(fēng)險；外部關(guān)聯(lián)風(fēng)險，即由于外部關(guān)聯(lián)商失誤而造成的風(fēng)險，互聯(lián)網(wǎng)金融行業(yè)大多公司依托外界服務(wù)商或服務(wù)外包，服務(wù)商服務(wù)水平參差不齊、系統(tǒng)保障投入不足等問題也會造成操作風(fēng)險。

目前，互聯(lián)網(wǎng)金融機構(gòu)及相關(guān)監(jiān)管部門已經(jīng)對操作風(fēng)險的管理的重要性有了一定的認識，相關(guān)專家學(xué)者也對引發(fā)操作風(fēng)險的各種誘因進行分析，然而由于操作風(fēng)險自身的特點，操作風(fēng)險的量化管理依然是風(fēng)險監(jiān)管的一個難點問題。在傳統(tǒng)的商業(yè)銀行領(lǐng)域，依據(jù)商業(yè)銀行操作風(fēng)險的特點，相關(guān)監(jiān)管機構(gòu)及各專家學(xué)者已經(jīng)提出了一系列的操作風(fēng)險計量模型：《巴塞爾新資本協(xié)議》提出利用標準法、損失分布法、記分卡法等計量操作風(fēng)險，專家學(xué)者在此基礎(chǔ)上大多利用歷史模擬法、蒙特卡洛模擬以及極值理論模型對操作風(fēng)險的VaR值進行測度。由于互聯(lián)網(wǎng)金融中所面臨的操作風(fēng)險操作損失數(shù)據(jù)多服從“尖峰厚尾”的特征，損失的尾部性比較嚴重，基于此，筆者利用極值理論對互聯(lián)網(wǎng)金融操作風(fēng)險進行度量。

極值理論是處理與概率分布的中值相離極大的情況的理論，常用來分析概率罕見、模型中存在y=z-μ極端值的情況，極值理論包括2類模型：BMM模型和POT模型。BMM模型是通過對數(shù)據(jù)進行分組，然后在每個小組中選取最大的一個構(gòu)成新的極值數(shù)據(jù)組，并以該數(shù)據(jù)組進行建模，BMM模型適用于具備季節(jié)性的數(shù)據(jù)。POT模型則是通過設(shè)定一個閾值，把所有觀測到的超過這一閾值的數(shù)據(jù)構(gòu)成新的數(shù)據(jù)組，以新數(shù)據(jù)組作為建模的對象，POT模型對數(shù)據(jù)要求的數(shù)量比較少，是現(xiàn)在經(jīng)常使用的一類極值模型。因為操作風(fēng)險損失數(shù)據(jù)不具備明顯的季節(jié)性特點，且商業(yè)銀行操作風(fēng)險分析中多采用POT方法，筆者在研究互聯(lián)網(wǎng)金融領(lǐng)域的操作風(fēng)險中也采用POT方法。

POT模型是研究極端數(shù)據(jù)的一種方法，POT模型通過設(shè)定閾值，把所有觀測到的超過這一閾值的數(shù)據(jù)構(gòu)成新的數(shù)據(jù)組作為建模的對象。假設(shè)F(x)為變量x的累計分布函數(shù)，μ為x右端尾部的閾值，任取y>0，x介于μ和μ+y之間的條件概率為：

(1)

式中，y=z-μ表示超量損失。

根據(jù)Gnedenko的研究，對于多種概率分布F(x)，隨著μ的增加，分布Fμ(y)趨向于廣義Pareto分布，累計分布函數(shù)為：

(2)

式中，ξ與分布的形狀有關(guān)，決定了尾部分布的厚度；β是分布的尺度因子。參數(shù)ξ,β通過最大似然方法進行估計。

3 互聯(lián)網(wǎng)金融操作風(fēng)險實證分析

互聯(lián)網(wǎng)金融起步較晚，發(fā)展較快。互聯(lián)網(wǎng)金融操作風(fēng)險問題雖然是急需解決的問題，但是目前所能搜集到的數(shù)據(jù)較少，對分析的準確性可能會產(chǎn)生影響。筆者基于搜集到的數(shù)據(jù)對互聯(lián)網(wǎng)金融操作風(fēng)險損失數(shù)據(jù)服從的分布進行確定，再利用蒙特卡洛模擬方法按照該分布對數(shù)據(jù)進行模擬擴充，以提高分析結(jié)果的準確性。

3.1 數(shù)據(jù)統(tǒng)計

圖1 互聯(lián)網(wǎng)金融操作風(fēng)險損失分布散點圖

通過對wind數(shù)據(jù)庫資訊和resset金融數(shù)據(jù)庫中的每日資訊進行整理，統(tǒng)計了2012年以來互聯(lián)網(wǎng)金融領(lǐng)域操作風(fēng)險事件的信息，共統(tǒng)計事件25件，其中包含違規(guī)經(jīng)營風(fēng)險事件12件，網(wǎng)絡(luò)安全風(fēng)險事件8件，操作失誤風(fēng)險事件3件，外部關(guān)聯(lián)風(fēng)險事件2件，其中，18件事件的損失可知，分布的散點圖如圖1所示。

由圖1可知，操作風(fēng)險的損失分布數(shù)值較大，操作風(fēng)險的損失大部分集中于20億元以下，但也有極少部分超出30億元。

樣本數(shù)據(jù)的統(tǒng)計特征如表1所示。由表1可知，操作風(fēng)險損失樣本數(shù)據(jù)的JB(Jarque-Bera統(tǒng)計量)值為9.5383，P值為0.0085，損失樣本不服從正態(tài)分布。從統(tǒng)計的偏度和峰度來看，偏度大于0，說明分布是右偏，即有一條長尾拖在右端，數(shù)據(jù)右端有較多的極端值，峰度大于3，說明統(tǒng)計的操作風(fēng)險數(shù)據(jù)分布與正態(tài)分布相比相對陡峭，為尖峰。

表1 互聯(lián)網(wǎng)金融操作風(fēng)險損失樣本數(shù)據(jù)的統(tǒng)計特征

3.2 數(shù)據(jù)的厚尾性及分布的檢驗

根據(jù)商業(yè)銀行操作風(fēng)險的一般分布，筆者假設(shè)互聯(lián)網(wǎng)金融操作風(fēng)險服從極值理論，損失數(shù)據(jù)服從廣義Pareto分布。下面將對互聯(lián)網(wǎng)金融操作風(fēng)險損失數(shù)據(jù)是否服從廣義的Pareto分布進行檢驗。

樣本數(shù)據(jù)的Hill圖如圖2所示，當(dāng)閾值選擇在10000萬元～20000萬元時，形狀參數(shù)ζ的數(shù)值趨于平穩(wěn)，為保障結(jié)果的的準確性，分別選擇閾值μ1=10000萬元，μ2=15000萬元，μ3=20000萬元進行分析。

利用搜集到的互聯(lián)網(wǎng)金融操作風(fēng)險損失數(shù)據(jù)和最大似然方法估計得到閾值μ1=10000萬元，μ2=15000萬元，μ3=20000萬元時參數(shù)ξ，β的數(shù)值，如表2所示。

圖2 樣本數(shù)據(jù)Hill圖

μ/萬元ξβ100000.26017.47×104150000.17198.53×104200000.02941.04×105

由表2可知，當(dāng)閾值μ1=10000萬元時，參數(shù)ξ1=0.2601，當(dāng)閾值μ2=15000萬元，參數(shù)ξ2=0.1719，當(dāng)閾值μ3=20000萬元時，參數(shù)ξ3=0.0294。在不同閾值下，參數(shù)ξ的估計值都大于0，這說明基于已統(tǒng)計的互聯(lián)網(wǎng)金融操作風(fēng)險的相關(guān)數(shù)據(jù)，互聯(lián)網(wǎng)金融操作風(fēng)險服從廣義的Pareto分布，互聯(lián)網(wǎng)金融操作風(fēng)險的損失數(shù)據(jù)存在著厚尾的特征。

3.3 數(shù)據(jù)的模擬

由上可知，互聯(lián)網(wǎng)金融操作風(fēng)險損失數(shù)據(jù)服從廣義的Pareto分布，通過蒙特卡洛模擬方法模擬數(shù)據(jù)來對互聯(lián)網(wǎng)金融操作風(fēng)險的原損失數(shù)據(jù)進行擴充，模擬的次數(shù)越多結(jié)果越準確，但所用時間也越長。為了保證一定的精確度，筆者選擇的模擬次數(shù)為10000次。對模擬出的數(shù)據(jù)進行描述性統(tǒng)計，得到模擬損失數(shù)據(jù)的統(tǒng)計特征如表3所示。

表3 互聯(lián)網(wǎng)金融操作風(fēng)險模擬損失數(shù)據(jù)的統(tǒng)計特征

由表3可知，模擬損失數(shù)據(jù)的平均值為73374.43，偏度為1.7617，峰度為4.4599，與表1的原數(shù)據(jù)比較相差不大，擬合的效果較好。對模擬數(shù)據(jù)進行Hill估計，得到圖3所示的Hill圖。

由圖3可知，在模擬數(shù)據(jù)中，當(dāng)閾值選擇在25000萬元時，形狀參數(shù)ζ的數(shù)值趨于平穩(wěn)，利用最大似然進行估計，可得知，當(dāng)閾值為25000萬元時，參數(shù)ξ、β的數(shù)值分別為0.012、72141。

3.4 操作風(fēng)險在險價值

當(dāng)Fμ(y)的分布足夠接近廣義Pareto分布，且ξ≠0時，在α的置信水平下，風(fēng)險的在險價值為：

(3)

式中，E(y)，σ分別為超量損失y的均值和標準差。

由式(3)可得在90%、95%、99%、99.97%置信水平下的互聯(lián)網(wǎng)金融操作風(fēng)險的VaR值，如表4所示。

圖3 模擬數(shù)據(jù)Hill圖

表4 不同置信水平下的互聯(lián)網(wǎng)金融操作風(fēng)險VaR值

由表4可知，互聯(lián)網(wǎng)金融機構(gòu)需要配置的操作風(fēng)險資本金隨著置信水平的增大而變多，在模擬10000次的情況下，90%的置信水平下，互聯(lián)網(wǎng)金融機構(gòu)為操作風(fēng)險應(yīng)配置296175.8萬元的資本金，如果參照傳統(tǒng)商業(yè)銀行新資本協(xié)議中對操作風(fēng)險99.9%的置信水平標準，互聯(lián)網(wǎng)金融機構(gòu)為操作風(fēng)險配置的資本金應(yīng)該更多，為657343.3萬元。這表明互聯(lián)網(wǎng)金融機構(gòu)需要配置足夠的操作風(fēng)險資本金以有效的預(yù)防風(fēng)險。

4 結(jié)論與建議

對互聯(lián)網(wǎng)金融領(lǐng)域的操作風(fēng)險損失數(shù)據(jù)的分布進行估計，并用蒙特卡洛模擬方法對損失數(shù)據(jù)進行模擬擴充，引入傳統(tǒng)商業(yè)銀行中操作風(fēng)險度量常用的極值理論方法對互聯(lián)網(wǎng)金融領(lǐng)域中存在的操作風(fēng)險進行測度。研究表明，互聯(lián)網(wǎng)金融領(lǐng)域的操作風(fēng)險損失數(shù)據(jù)服從廣義Pareto方法，在90%的置信水平下，互聯(lián)網(wǎng)金融機構(gòu)為操作風(fēng)險應(yīng)配置296175.8萬元的資本金，如果依據(jù)商業(yè)銀行新資本協(xié)議99.9%的置信水平標準，互聯(lián)網(wǎng)金融機構(gòu)為操作風(fēng)險配置的資本金為657343.3萬元。這為互聯(lián)網(wǎng)金融機構(gòu)配置資本金提出了建議。

從近年來互聯(lián)網(wǎng)金融操作風(fēng)險事件種類發(fā)生頻率來看，違規(guī)經(jīng)營風(fēng)險事件和網(wǎng)絡(luò)安全風(fēng)險所占比重最大，分別為48%，32%。這一方面要求互聯(lián)網(wǎng)金融機構(gòu)提高對員工專業(yè)素質(zhì)和專業(yè)能力的培訓(xùn)，建立嚴格的監(jiān)控機制和信息披露機制，加強對客戶資金流向的監(jiān)管；另一方面也要求互聯(lián)網(wǎng)機構(gòu)重視網(wǎng)絡(luò)安全防護工作，構(gòu)建好網(wǎng)絡(luò)防護墻，不斷開發(fā)和應(yīng)用更安全、更穩(wěn)定的網(wǎng)絡(luò)工作及交易環(huán)境，以保護客戶的信息與資金安全。

由于互聯(lián)網(wǎng)金融行業(yè)剛剛起步，而操作風(fēng)險本身屬于比較極端的風(fēng)險，所以筆者搜集的數(shù)據(jù)不足，研究可能存在一些誤差；另一方面，筆者將互聯(lián)網(wǎng)金融領(lǐng)域各業(yè)務(wù)平臺看作一個整體來測算操作風(fēng)險，但目前互聯(lián)網(wǎng)金融涉及的范圍很廣，各平臺中涉及到的操作風(fēng)險的發(fā)生頻率及損失程度也存在著差異，筆者未對這種差異性進行研究。此外，互聯(lián)網(wǎng)金融領(lǐng)域存在一些小型的平臺，比如P2P、眾籌等，自身注冊資金比較少，往往很難有充足的資本金預(yù)留給操作風(fēng)險，對此，相關(guān)監(jiān)管部門應(yīng)設(shè)定互聯(lián)網(wǎng)金融平臺進入門檻，并根據(jù)互聯(lián)網(wǎng)金融的特點創(chuàng)新操作風(fēng)險的監(jiān)管方式。