金融科技发展对股市波动率影响研究
金融科技的快速发展会对股票市场的发展带来机遇与挑战，金融科技的发展对股票波动率的影响是本文研究的核心问题，其次，金融科技的发展是否影响了股票市场秩序，是否对股市的平稳运行造成了严重影响也是本文要探究的问题。本文通过文献研究法和实证分析法对上述问题进行了理论分析和实证检验。
本文首先对金融科技等概念做出界定，并对国内金融科技的发展背景和股票市场的高波动现象进行了讨论，分析得出我国股票市场波动率较高的现象背后可能有金融科技的因素。随后，本文对金融科技、股市波动率以及金融科技对股票市场的影响相关研究进行了回顾，回顾了金融科技概念的起源与演变、金融科技的风险等，同时讨论了股市波动率的计量模型、特征以及影响因素。在金融科技对股票市场的影响方面，部分研究认为金融科技发展在提升金融市场效率的同时会加大股票市场波动率，造成股票市场不稳定。接下来本文分别从羊群行为、金融创新角度分析了金融科技发展对股市波动的影响机制，金融科技发展引发的羊群行为、顺周期效应等加大了股市波动。基于前面的分析，本文通过建立 GARCH-MIDAS 模型，使用文本挖掘法构建金融科技发展水平指标，同时使用互联网证券行业数据作为解释变量，研究了 2014-2019 年我国金融科技发展对股市波动率的影响。
实证研究结果显示，金融科技发展加大了股票市场波动率，在这个基础上进一步检验了证券行业金融科技发展加大了股票市场波动率，同时对实证研究部分进行了稳健性检验，结果与实证检验结论相同。针对研究结论，本文提出建议，一方面监管机构应积极引导金融科技发展，使金融科技在不造成股票市场乃至金融市场大幅波动的前提下发展壮大，另一方面监管机构制定适当的监管政策，加强规范化管理，防范金融科技发展超过现有的监管和法律边界。本文的创新点在于，使用实证研究的方法，针对金融科技发展对股票市场波动率的影响进行了研究，过往的研究中鲜有使用实证研究方法分析金融科技发展与股市波动率的关系。
关键词 ：金融科技；A 股市场；波动率论文类型：应用研究
目录
1绪论1
1.1研究背景及意义1
1.1.1研究背景1
1.1.2研究意义4
1.2基本概念界定4
1.2.1金融科技4
1.2.2股市波动率6
1.3研究方法及内容7
1.3.1研究内容7
1.3.2研究方法7
1.4本文的创新8
2文献综述9
2.1金融科技相关国内外研究9
2.1.1金融科技概念的起源与演变9
2.1.2金融科技的风险11
2.2股市波动率相关国内外研究14
2.2.1股市波动率的计量模型14
2.2.2股市波动率的特征15
2.2.3股市波动率的影响因素相关研究17
2.3金融科技对股票市场影响的国内外研究18
2.3.1金融科技创新对证券行业造成的变革18
2.3.2金融科技创新股市波动产生的影响19
2.4文献述评21
3理论分析与研究设计22
3.1理论分析与研究假设22
3.1.1金融科技发展与羊群行为22
3.1.2金融科技创新对股票市场波动率的影响26
3.2模型设计28
3.2.1模型构建28
3.2.2金融科技发展水平指标构建29
3.2.3变量选择与数据来源35
4实证检验与结果分析37
4.1统计特征分析37
4.1.1平稳性检验37
4.1.2描述性统计38
4.2实证检验与分析39
4.2.1模型拟合效果分析39
4.2.2金融科技发展水平对股市波动率影响的实证检验与分析39
4.2.3金融科技产品创新对股市波动率影响的实证检验和分析41
4.3稳健性检验43
5研究结论及建议46
5.1研究结论46
5.2政策建议46
5.2.1坚持对金融科技发展的支持46
5.2.2完善金融科技监管相关的规章制度建设46
5.2.3完善金融科技风险监管机制47
5.3研究不足与展望47
1 绪论
1.1研究背景及意义
1.1.1研究背景
2019 年，中国人民银行公布《金融科技发展规划（2019-2021 年）》，规划指出金融科技是金融促进实体经济发展、防控金融风险以及金融供给侧结构性改革的有效手段。金融科技在近十年的快速发展过程中，已经成为金融行业中不可或缺的部分，在金融领域中越来越重要，对国民经济的影响越来越大。金融科技的发展，对我国股票市场乃至金融市场的平稳运行是至关重要的，对股票市场的影响是巨大的。
最近十年，我国股票市场经历了多次巨幅波动，从 2008 全球经济危机的巨幅波动
到 2015 年的暴涨暴跌再到 2016 年熔断制度运行后的波动，每次波动率变化幅度是巨大的。如下图所示，2005-2019 年 15 年中国内外股票市场波动率情况，从整体上来看道琼斯工业指数、英国富时 100 指数波动率处于较低水平，香港股市波动率较英国、美国股市波动率水平稍高，而国内的沪深股市波动率水平在所示几个市场中处于最高的水平。分时间段来看，2008 年金融危机前后，所有指数波动率都产生了剧烈的波动， 而增长最快的是恒生指数，在这一阶段，英美股市的波动率仍然低于我国沪深股市。
科技的发展与股票市场有着密不可分的关系，历史上国外市场同样发生过科技发展造成股票市场大幅波动的事件。20 世纪 90 年代，美国经济持续增长，经济发展出现低通货膨胀、高就业率的情形，同时信息技术的飞速发展促进了互联网经济的快速发展。在这种背景下，股票市场不断升温，从 1990-1997 年，纳斯达克股指涨了三倍，从
1998 年四季度到 2000 年一季度，美国股票市场上高科技公司股价上涨迅速，纳斯达克
指数从一千多点上升到近 5000 点。市场对科技行业、互联网行业的看好，使得市场处于非理性状态，2000 年前后，美国股票市场科技类股票经历了一轮剧烈的波动，纳斯达克指数在不到两年的时间翻了接近三倍，2000 年 1 月超过三分之一的市场资金流入科技类板块，随后就是美股市场市值迅速的扩张，超过了全球股市市值的一半。得益于互联网技术的发展和大规模应用，市场对科技公司和互联网企业非常看好，导致了科技股的疯狂上涨，但是这种非理性的上涨会严重影响的市场的正常运行，造成市场巨幅波动。到了 2000 年 3 月，纳斯达克股票开始下跌，4 月 17 日纳斯达克指数跌至 3227 点，相比 3 月 10 日已缩水 37%，到年底纳斯达克股指跌幅超过 50%。股市巨幅波动， 给实体经济和投资人带来了巨大的损失，2001 年，美国互联网公司倒闭超过 500 家， 超 10 万人失业，破产个人达到 145 万。
图 1-2 1995-2003 年纳斯达克指数及波动率数据来源：WIND
自 2015 年年初以来，A 股市场进入新一轮的上涨周期，2015 年 1 月至 6 月，上证
综指从 3258 点上涨到最高 5178 点，上涨 1920 点，深证成指从 11150 点上涨至最高
18211 点，上涨 7061 点，创业板指从 1470 点上涨至最高 4037 点，上涨 2567 点，中小板指从 5476 点上涨至最高 12084 点，上涨 6608 点。6 月 12 日上证综指达到最高 5178点，正当投资者期盼新一轮牛市降临之际，从 6 月 19 日起，沪深股市开始连续大幅下跌，上证指数当日跌幅达 6.42%，沪深股市接近千股跌停，此后便进入了一轮长时间的下跌过程。
在 2015 年 A 股市场的暴涨暴跌中，投资者普遍认为这是在金融科技、场外配资条件下发生的第一轮“杠杆牛熊”行情，其中典型的代表就是 HOMS 系统。HOMS 系统具有便利的分仓功能，其风控系统也是十分便利和快捷的，这大大提高了操盘手的资产管理效率和收益，同时这给民间配资活动提供了先进的管理平台。
在股市大幅下跌后，投资者、机构以及监管机构都在思考股市大幅波动的原因，此时 HOMS 等资金管理系统进入监管机构的视线。2015 年 9 月 2 日晚，证监会发布公告，认为该类第三方证券信息系统严重扰乱证券市场秩序，造成证券市场大幅波动，危及股票市场平稳运行，对开发此类系统的三家公司进行了处罚。
在金融科技产业投资方面，金融科技投资交易总额和投资交易数量从 2013 年开始
保持上升趋势，在 2018 年前后行业投融资活动十分活跃，期间一些重要的金融科技公司的融资活动是市场关注的热点，例如蚂蚁集团的融资事件受到了国内外市场的广泛关注。交易数量达到 3145 笔，交易额达到 1410 亿美元。除 2017 年投资交易总额小幅
下降和 2020 年上半年受全球新冠疫情影响，金融科技投资活动有所下降外，其余时期投资活动保持增长态势。由此可见，2013 年后金融科技行业发展迅猛，市场规模迅速扩大，全球金融科技发展进入到了一个快速扩张的时期。
目前关于金融科技与股市波动率的相关性研究较少，有研究指出金融科技模式下， 股票价格波动性具有社交网络的结构特征，在这种社交网络结构下的股票市场，股票价格的波动率有增大的趋势（赵鹞等，2016）[1]，使用实证方法进行建模的研究还很少。金融科技的发展对股票波动率的影响是本文研究的核心问题。其次，金融科技的发展是否影响了市场秩序，是否对股市的平稳运行造成了严重影响是本文要探究的问题。
1.1.2研究意义
从现实意义来说，本文研究了金融科技的发展对市场秩序是否产生冲击，有助于监管者审视金融科技风险，提升监管效果，并且可以充分利用金融科技对金融市场带来的效率提升，规避金融科技对股票市场产生的剧烈波动。
本文理论意义在于增加了金融科技影响股市波动率的新文献，过往的研究对金融科技的概念、产品和机制等研究较多，少有文献研究金融科技与股市波动率的相关关系，这也是目前研究存在的空白点。其次增加了股市波动的新研究，有助于关于股市波动率的深入研究，本文使用了实证研究方法，通过建立 GARCH 模型分析了金融科技发展对股市波动率的影响，对金融科技影响股市波动率进行了深入的研究，进一步完善了股市异常波动相关研究。
1.2基本概念界定
1.2.1金融科技
金融科技是金融和科技的深度融合，其定义是 2016 年由金融稳定委员会（FSB） 主席 Mark Carney（2016）在二十国集团会议中提出，金融科技被定义为“技术驱动的金融创新”，是对金融行业产生重大影响的金融业态、科学技术、产品与服务等，从金融产品到后台技术都属于金融科技，这个定义已经成为全球共识。基于上述概念定义， 金融科技是科技支持的金融创新活动，本质上仍是金融活动，有金融科技创新的金融产品、经营模式、业务流程，其业务模式如下图所示。
图 1-4 金融与科技深度融合
金融科技的内涵可以从金融科技产品属性和金融科技技术属性两个方面进行讨论。在金融科技产品方面，不同的后台技术应用于不同的领域开发了不同的产品，互联网 技术应用于银行业领域，开发出了网络借贷业务与平台，这也是我国金融科技发展的 典型产品，其次基于互联网技术的产品还有互联网保险，互联网基金等。智能设备的广 泛应用推动了移动支付的兴起，推出了各式的移动支付平台，最典型的代表就是支付 宝和微信支付。区块链技术的应用，创造了电子货币、虚拟货币等，在安全性、去中心 化、开放性等方面有独特的优势，这类产品在其发展过程中已超出电子货币的范畴，成 为了可以交易金融产品，给金融市场带来了大幅波动也为监管带来了巨大的困难。目 前，各国都在推出本国官方的数字货币，我国的数字货币自 2017 年底开始研发以来， 已取得了重大进展。在资产管理和经纪业务方面，大数据和人工智能技术的发展催生 了机器人分析师和智能投顾产品。在经营模式方面，金融科技的发展使大量的金融业 务与工作通过互联网进行，金融科技企业通过互联网运营不再需要线下机构，具有很 强的高科技行业特点。在业务流程方面，投资者的大量金融业务通过互联网进行，投资 者通过金融机构开发的网上银行、资产管理系统、手机软件等金融软件完成银行、证券 和保险等业务；在金融机构应用方面，一些传统的业务流程使用金融科技创新后也有 了新的变化，例如通过大数据技术等进行风险监控，使用大数据等技术进行销售管理。 在金融科技的底层技术方面，主要有人工智能、大数据、云计算、区块链、互联网技术 以及智能设备的广泛应用。
在金融科技的科技属性方面，是各种新技术与金融活动深度结合。目前使用较为广泛，应用较为突出的技术有人工智能、大数据、云计算和区块链。人工智能是使用计算机系统模拟人的智能的理论和技术，具体包含图像识别、语言识别、机器学习等技术。在金融领域的典型应用有人脸识别，应用于安全认证和远程开户等；其次，基于语音识别和处理，应用于客服服务等；基于机器学习的智能投顾应用于经纪业务。大数据是应用计算机系统对海量数据进行收集、管理、分析和处理的系统，主要应用有客户画像，通过大量数据对潜在客户群体的特征进行捕捉，实现精准营销。其次是大数据征信，基于金融大数据，分析金融活动的风险，降低信用评估成本，将审核周期大大缩短。云计算是将原本在本地服务器进行的运算活动转移到云端，具有成本低、效率高的特点。尤其在目前大数据广泛应用的时代，传统模式难以应对数据量级和计算难度的增长，云计算可以很好的弥补传统金融机构在软硬件方面的不足。区块链是一种数据库技术，相比传统数据库具有去中心化、安全性高等突出特点，目前在物联网和支付结算方面有广泛应用。当然，上述科技的应用并不是单一应用于一个金融产品中，某一金融科技创新产品可能会使用多种技术。
1.2.2股市波动率
波动率（Volatility）是股票市场的最主要特征之一。股票市场波动率涉及有价格的波动率、交易量的波动率以及收益率的波动率，本文研究波动率是股票价格收益率的波动。
计量波动率的方式有多种，有历史波动，是基于股票过去的交易数据计算得到的。其次是高频数据波动，是根据股票价格的日内数据计算得到的波动。最后是隐含波动率，因为期权的价格包含了现在股票价格的信息，通过期权现在的交易数据可以计算标的证券的波动率，这个波动率就是隐含波动率。根据本文的研究设计以及需要，所涉及的股市波动率为历史波动。历史波动率的计算就是计算资产一段时间收益率的方差或标准差。
波动率的特征研究是股市波动率相关研究的重点，主要有下列特征。在统计上具有尖峰肥尾的特征，收益率的分布比标准正态分布具有更高的概率密度函数值, 且在距离均值较远的尾部分布较多，呈现出尖峰肥尾的分布特征。这个现象在很多种资产交易数据上可以观察到。
波动率的长期记忆性，表现为过去的信息会长久的影响现在的股票价格，股市收益存在短期正相关而长期负相关的关系，当前的波动会对未来的波动产生长期的影响。
波动率的溢出效应，不同的证券市场可能存在一定的关联性，一个股票市场上发生了波动，可能另一个市场也会发生同样的波动，这就是波动率的溢出效应。随着世界经济联系越来越紧密，不同国家股票市场的溢出效应越来越频繁的被观察到。
波动非对称性，波动率的非对称现象是指利空消息比利好消息更能增大波动率， 股票价格下跌大部分时候代表着风险和不确定性。
1.3研究方法及内容
1.3.1研究内容
本文从我国过去几年股票市场存在大幅波动的现象出发，以当今金融科技蓬勃发展、广泛应用的现状为视角，探究金融科技与股市波动率之间的关系。本文通过过往的文献，构建金融科技发展水平指标，通过实证检验其与股市波动的关系。最后根据实证检验结果提出对策建议。
本文的结构如下：
第一章：绪论。叙述本文的研究背景，提出研究的问题。介绍本文的研究意义、研究内容、研究方法和本文的创新。
第二章：文献综述。对本文研究涉及到的相关国内外研究进行分析讨论，回顾了金融科技的起源与定义及其特征，同时介绍了金融科技在发展过程中的风险；其次，介绍了股市波动率研究相关的方法以及影响波动率的方法。最后对上述文献做出评述。
第三章：理论基础与研究设计。基于前文提出的问题，从理论、机制方面进行分析， 提出本文假设，同时对模型、样本和变量的选取进行了构建和选择。
第四章：实证检验与结果分析。按第三章所述研究设计进行实证检验，通过统计性描述、回归分析和稳健性检验等，验证上述假设。
第五章：研究结论及政策建议。根据前文分析得出研究结论，并针对研究的问题提出对应的政策建议。
1.3.2研究方法
1.3.2.1文献研究法
本文大量查找了国内外有关金融科技与股市波动率的相关文献、学术专著、研究报告和政策文件。通过查找“股市波动率”“金融科技”“互联网金融”等关键词在中国知网数据库，使用“FinTech”“Volatility”“Stock Market Volatility” 等关键词在 Elsevier 等英文数据库收集到相关文献共 189 篇，其次与本文直接相关的文献 94 篇，其中中文文
献 55 篇，英文文献 30 篇，政策文件 4 篇以及研究报告 5 篇。在归纳总结以及学习了各种研究方法后，找出适合本文研究的建模方法，结合金融科技指标选择相关文献，建立了本文的文献基础。
1.3.2.2实证分析法
通过查阅了大量资料，进行了本文的研究设计。首先本文使用了数据挖掘法、因子分析法构建了本文的核心解释变量金融科技指标。其次对于波动率的研究，研究多采用 GARCH 族模型进行建模，GARCH 族模型对于波动率的拟合以及特征分析有很好的效果，而对于本文的研究，因为使用的金融科技指标为月度数据，而波动率指标为日度数据，存在数据频率不一致的情况，故使用了 GARCH-MIDAS 模型进行实证分析，该模型能够很好的处理混频数据，对实证拟合效果有很好的作用。本文实证研究使用了Excel、Stata 和 R 软件进行数据处理和分析，通过描述性统计、模型有效性分析以及回归分析对样本进行参数估计和显著性检验，最后就实证结果做出分析并进行了稳健性检验。
1.4本文的创新
目前的研究中，学者多从金融科技的理论、机制和风险等开展研究，而很少有研究讨论金融科技与股市波动率的相关性。股票市场的大幅波动是否受金融科技影响是一个值得探究的话题。其次，此前的研究鲜有使用实证研究的方法去研究金融科技对股市波动率的影响。本文创新点在于，通过构建金融科技指数，使用了实证研究的方法对金融科技发展与股市波动率之间的关系进行了研究，拓展了金融科技相关研究的深度。
2 文献综述
2.1金融科技相关国内外研究
金融科技的研究包括金融科技的概念起源与演变、金融科技的风险等，下面将从这些方面对金融科技的国内外研究进行回顾。
2.1.1金融科技概念的起源与演变
2.1.1.1金融科技的概念演变
关于金融科技的起源，最早关于金融与技术创新关系的研究可以追溯到20 世纪初， 熊彼特(1912)[2]将技术创新概念引入金融研究，他认为信贷的发展会促进技术创新和金融创新，而金融创新又会反作用于技术创新，后来根据他的理论金融发展、金融创新等理论得到了深远的发展。随后的研究认为科学技术是金融创新的内在动力。米什金(1999)[3]认为，信息不对称和交易成本导致了金融创新，科技进步会使交易成本更低， 信息传递速度加快，信息不对称现象明显减弱，金融创新不断增加，市场规模不断增长，金融体系效率大大提升。
金融科技概念的发展是由金融电子化概念发展而来，金融电子化起源于上世纪 50 年代末，主要体现在运用电子信息系统处理日常业务，银行业最早在业务中应用信息技术。金融电子化将银行业务从重复单调的工作中解放出来，极大的提高了银行业的效率（齐永贵等，1984）。[4]
随着信息技术在金融行业的应用，电子金融或网络金融的概念产生，是基于互联网技术的快速发展，网络金融被认为是传统金融机构或传统金融服务向网络延伸，这使得金融服务的普惠性大大提升，交易成本大大降低（黄旭等，2013；董昀等，2014）。
[5][6]
谢平等（2012）[7]对我国金融领域发展状况进行了研究，提出了互联网金融概念， 这个阶段最突出的产品为网络借贷、P2P 借贷和移动支付等。研究认为，近年来关于互联网金融的讨论有很多种看法，一种看法认为是一种颠覆金融行业运行的新模式，将会完全改变金融体系；然而有的学者认为，互联网金融仅仅是将线下金融服务转移到线上，这仅仅是新技术的广泛应用，属于服务于金融的技术手段。
国内关于金融科技研究方面，研究认为金融科技的发展是随着以互联网金融的发展发展壮大，普遍认为我国在 2016 年进入金融科技阶段。朱太辉等（2016）[8]认为， 金融科技在金融产品和业务模式的创新方面有很大的作用，根据金融科技的应用方向，
9
大致可以分为以下几类：在银行业领域，有移动支付、数字货币和网贷等；在证券业领域，有高频交易、量化投资以及智能投顾等；在保险业领域，有互联网保险、实时车险等；此外在金融基础设施领域也存在很多种类型的创新。在其他国家和地区金融科技发展的方向和侧重点存在不同。
2.1.1.2国内外学者对金融科技概念的定义
金融科技的概念在上世纪九十年代最早使用，认为是多个新兴信息技术及集合， 在随后的发展中并无统一的定义，金融科技定义被广泛认可是在金融稳定委员会（FSB） 主席 Mark Carney（2016）在二十国集团会议中首次将金融科技定义为“技术驱动的金融创新”，这个定义已经成为全球共识。
赵鹞（2016）[1]认为金融科技是作用于金融行业的新业务模式、新技术应用、新产品和服务等，从前端产品到后台技术的创新都属于金融科技。随着技术与金融的深度融合，监管部门对金融科技创新的支持，传统商业银行、证券公司等机构纷纷设立了自己的金融科技部门，同时以阿里巴巴、腾讯和百度等为代表的互联网企业也开始涉足金融业务，金融科技行业发展迅速。
蔚赵春和徐剑刚（2017）[9]认为由于各种新兴技术的应用，金融科技创新产生了新的金融业态，不同产品间存在相互的交叉，金融风险扩散性很强；同时信息传播速度大大加快，风险传递速度更快。
皮天雷等(2018)[10]认为金融科技重塑了现有的金融行业。金融科技创新是以大量的信息技术作为基础，不断地带来新的金融创新产品，而这会反过来使金融与科技深度融合。
2.1.1.3监管机构对金融科技概念的定义
国外监管机构对金融科技的定义主要有以下，新加坡金融管理局（2016）认为是使用信息技术等新技术进行的金融创新。德意志银行（2014）认为金融科技是指金融机构的信息化，将信息技术应用于金融行业。美国的金融监管机构认为同样认为金融科技是金融机构进行产品创新的技术手段。
各个国家监管机构认为，金融科技的发展没有改变现在金融体系的本质，当前大部分国家没有因为金融科技的快速发展而对现有金融监管体系做出大的改变，没有针对金融科技设立新的监管机构。其原因在于，一方面，信息技术在金融产品和服务方面的创新没有改变支付清算、投融资等金融业务的功能和本质。另一方面，目前金融科技发展还有很大的空间，其对金融体系乃至经济发展的影响还很难进行评价，对金融机构的影响以及金融体系平稳发展的具体影响等还存在不同的声音，需要在未来的发展中进行观察才能下定论。（朱太辉等，2016）[13]。
2.1.1.4不同视角下的金融科技
从技术发展视角出发，Frame 等(2009)[11]研究发现信息技术的高速发展是金融科技创新发展的主要原因，这首先在银行业金融创新中影响较大，提高了银行业的经营效率。
从产业组织视角出发，Susanne Chishti 等(2016)[12]认为金融科技企业在产品开发、业务流程、销售等方面为传统金融机构提供技术支持，金融科技企业本身并不提供金融服务。这与各国金融监管机构对金融科技的认识类似，金融科技创技术上对传统金融服务进行改进和创新。
Greg Buchak 等（2018）[13]研究了金融科技和非金融科技影子银行在住宅贷款市场的崛起，影子银行更有可能进入传统银行面临更多监管限制的市场。到 2015 年，金融科技公司占影子银行贷款发起额的近三分之一。关于上述的企业，作者认为涉及这些金融创新的企业仍属于科技公司范畴。
基于上述文献我们可以发现，金融科技是基于信息技术、互联网技术引发的基础创新活动，这该改变了传统金融的运行模式，在金融产品、业务流程、基础技术上引发了新的变革，其产生作用的领域在支付结算、资产管理、信息传递、风险管理等遍布金融业务的各个方面，这对金融业态形成了巨大的变革，新的金融业态成为关注的热点， 金融创新活动遍布金融体系各个方面，对金融系统造成了深远的影响。而我国近年来的金融科技发展是由互联网金融发展而来，之前的研究大多是基于互联网金融，2016 年起学者们开始大量研究金融科技，2016 年也被称为我国金融科技发展元年。
关于金融科技的定义，国内研究与国外类似，认为是技术引发的金融创新，没有改变传统金融体系的功能，金融科技只是最大程度的发挥了金融的功能。并且在金融风险方面，金融科技的应用可能会强化传统的金融风险，并且改变传统金融风险的发生方式，使金融风险更加隐蔽。本文认为，金融科技实质上也是一种金融活动，虽然科技因素在金融活动中的作用越来越重要，但是金融科技创新仍是基于金融业务进行的创新。
2.1.2金融科技的风险
金融科技的发展是一个新的领域，相关法律体系和风险识别方式处于还未成熟的阶段，金融科技的风险大致可以分为：技术风险、法律风险、市场风险，下面从这几个方面进行讨论。
2.1.2.1金融科技的市场风险
在金融科技的市场风险方面，赵鹞等（2016）[14]基于社交网络结构对股票价格和波动率进行了研究，基于社交网络分析的方法对风险资产定价模型进行了改进，并对互联网金融市场中的社交网络进行了定义与测量。研究表明，在互联网金融的环境下， 由于社交网络更加的发达，信息传递速度更快，对金融风险的计量要更多的考虑社交网络结构，社交网络结构引发的投资风险有可能会更大。在互联网金融发展的背景下， 股票价格的波动率具有社交网络的结构特征，股票价格的波动性可能会随着社交网络的扩大而扩大。
李仁真和申晨（2017）[15]关于金融科技的研究认为，金融科技有降低金融服务门槛、强化金融功能的作用，可能会导致劣币驱逐良币的现象，强化金融市场的顺周期性。同时，信息技术带来的不确定性，使得传统的金融风险更难以被发现，而技术缺陷、操作失误等所引发的金融风险会更加迅速地扩散至整个金融市场。
李文红等（2017）[16]认为金融行业的创新活动由来已久，技术创新也未停止过，但无论这些创新具有多么强大的颠覆性，实质上并没有改变金融活动的本质，金融科技创新与传统金融相比，规模仍然较小。但是金融科技的发展呈现出新的特点，首先是金融科技创新速度大大提升，产品成型更加迅速，可以更快的投入市场；其次，金融产品的普惠性更强，更多的消费者可以更加便利和快捷的获取可以得到的金融产品，金融产品所包含的风险向普通消费者渗透的速度大大加快。
李敏（2019）[17]在金融科技发展的背景下，金融风险对负面的经济波动更为敏感， 并且这种影响传递到整个金融体系的速度会更快。其次，传统金融监管所依靠的手段和技术很难作用于金融科技业务，推动金融监管方式变革，是应对金融科技创新的有效举措。
2.1.2.2金融科技的技术风险
在金融科技的技术风险方面，杨文尧天、何海锋（2019）[18]关于金融科技的研究认为，信息技术技术的开放性，大大加快了风险传播速度，羊群行为在这样的背景下会更加容易发生，市场恐慌情绪会更快的影响到整个市场。
Gai 等(2018)[19]从金融科技的技术方面将进行研究，技术方面主要有金融数据、金融基础设施、软件设计与管理、服务模式配置和金融数据安全。金融科技创新的核心是数据与安全，这是金融科技发展中十分重要的一个方面。科技风险和操作风险之所以更加突出，是因为金融科技的广泛应用，使得各类数据形成一个数据库，使得金融风险隐蔽性更高且更为复杂。
皮天雷等（2018）[15]对金融科技发展过程中的风险进行了研究，研究认为技术风险是金融科技发展过程中新增的需要关注的风险点，信息技术等新技术是金融科技创新的基础，但是又可能引发一些非金融风险，在数据泄露、技术失控、技术本身的风险以及监管人员的技术储备上还有很多需要关注的风险点。但是科技同时也能提高风险管理能力，监管机构要借助新的科技手段进行风险监管，以提高监管有效性，尤其是要强化监管科技，使用新兴技术发展监管科技，以此丰富监管方式。
2.1.2.3金融科技的法律风险
在金融科技的法律风险方面，刘孟飞（2020）[20]的研究认为，金融科技创新的产品可能会导致监管主体难以确定，以比特币为例，它完全不受各国监管机构的管理，比特币交易具有匿名性，监管存在困难，实际上各国监管机构无法从技术上禁止比特币运作，其合法性有待讨论。其次，即是明确了监管主体，但金融行为却难以监管，新的金融产品和服务存在跨行业的现象，不是一个监管机构可以全部管理的，金融创新发展太快，监管制度、法律难以跟上最新的金融行为。
季婕（2020）[21]的研究认为金融科技是近几年才出现的概念，已成为近几年的热点，还没有对应的法律法规进行管理，法律约束存在滞后，金融科技发展在法律方面的风险是明显存在的。例如众筹、比特币等，目前缺乏法律约束。金融科技的法律风险一方面使金融科技发展受到限制，一些好的金融科技企业因担心创新产品收到法律限制， 而不敢进行新产品开发，不利于金融科技的深入发展，另一方面因缺少法律支持，一些危害大众利益的金融产品大量的产生，使整个金融市场的利益受到伤害，即使这些产品受到查封，但是给消费者造成的损害已经产生无法挽回。
吕洪果（2019）[22]研究认为，数字金融技术的法律风险可以分为五个方面：交易信用风险、信息泄露风险、财产安全风险、金融宣传欺诈风险和多主体交叉的法律责任风险。信息泄露风险和财产安全风险比较突出，一旦发生风险事件将对金融体系带来不可逆的后果。与此同时需要加大投资者的法律风险防范意识，全面加强监管力度，依托法律手段才能够使数字金融科技行业良性发展。
阅读上述文献可以发现，在市场风险方面，金融科技创新给金融体系带来了更多的不确定性，加大了市场波动。在股票市场波动方面，社交网络特征、顺周期性因素加大了股票市场中的风险传播速度，使市场波动更为明显。在技术风险和法律风险方面， 数据安全、财产安全是比较重要的关注点，尤其在数据越来越成为金融科技企业重要的资源的背景下，数据安全变得尤为重要。并且技术的开放性放大了金融风险传染性风险，加大了金融风险传播中的羊群效应，负面影响会更快的传递到整个金融系统。对于监管机构而言，应用于传统金融机构的监管体系更难适用于金融科技，甚至使得对违规行为的识别存在困难，如何在鼓励金融科技创新的大环境下进行风险控制是监管机构关注的重点。
2.2股市波动率相关国内外研究
股市波动率的研究包括波动率的计量模型、波动率的特征、波动率的影响因素等方面，下面将从这些方面对波动率的国内外研究进行回顾。
2.2.1股市波动率的计量模型
股市波动率是度量股票市场波动程度的指标，是股票价格随时间变化而呈现的变动，是对股票收益不确定性和风险的衡量。
上世纪 60 年代，Fama（1965）[23]最早研究证券价格的波动，在对证券价格的长期观察中他发现，股票价格的波动是有规律的，表现为集群性现象，这种现象会随着时间的变化而变化。
Engle（1982）[24]的研究开发了对波动率建模的新方法，他创建了自回归条件异方 差模型即 ARCH 模型，ARCH 模型的提出为计量股票市场波动率提供了准确的工具， 并且可以对波动率的一些特征进行解释。但是随后的研究发现，在分析波动聚集效应方面效果 ARCH 模型效果较差，模型的拟合度不够好。
T.Bollerslev（1986）开发了新的研究波动率的模型，广义的 ARCH 模型，GARCH 模型对以前模型的改进在于考虑了方差和干扰项的滞后性，可以很好地解决滞后阶数的问题，能够十分精确的计量波动率，并且更能体现波动的聚集性和滞后性，其中GARCH (1, 1)模型是最经典最常用的模型，但是仍在处理波动的非对称效应方面存在障碍。
由于上述两种模型在刻画波动非对称特征上存在缺陷，在某些方面存在局限性。随着研究的深入，Nelson（1991）[25]开发了 EGARCH 模型，新模型相比以前的改进在于使用的条件方差方程是ln ���2，而非���2，EGARCH 模型能够很好的解释波动非对称现象。Zakoian 等（1993）[26]提出即门限 ARCH 模型，即 TARCH 模型，这个新的模型能够很好的解释正面消息和负面消息对波动率的影响。
FJ Breidt 等（1998）[27]为了研究股市波动率的长记忆性的检测和估计，提出了一种新的在条件方差中持续存在的时间序列表示，称为长记忆随机波动率模型。通过将ARFIMA 过程加入标准随机波动率方案中，构造了长记忆随机波动率模型。研究使用了多个序列的非参数和半参数检验了波动率长记忆性特征，这个模型能够很好的区分波动性中的长期记忆与短期记忆。
Engle 等（2008）[28]使用了新的波动率模型 Spline-GARCH 模型，该模型可以对不同频率的宏微观数据进行研究，该研究针对超过 50 个国家的股票市场进行分析，实证结果显示通货膨胀和短期利率对股市波动率影响较大，但该模型稳健性较差。
Engle（2013）[29]提出 GARCH-MIDAS 模型，将混频数据抽象技术加入 GARCH 模型中，过去的研究在使用混频数据进行回归时存在困难，把高频数据处理为低频数据
14
或者将低频数据处理为高频数据，都会使原始数据失去一定的信息量，进而对研究造成影响。混频数据抽样方法对高频数据赋予适当的权重构建模型，通过非线性的方法去估计模型中的参数，再使用低频解释变量对其进行回归，可以很好的解决数据频率不一致的问题。
曹广喜等（2014）为研究我国汇率弹性调整对我国汇市和股市关系的影响，建立了残差服从 t 分布的长记忆 VAR-(BEEK)MVGARCH 模型，研究引入了 t 分布，在分析波动溢出效应上有很好的效果。研究了 2005 年至 2011 年中国的股市汇市，实证结果显示长记忆性在我国汇率市场和股票市场收益率序列中是存在的，且汇率政策导致的汇率市场波动会单向的影响我国股票市场。
玄海燕等（2021）[30]研究了人民币汇率风险测度问题，研究将双线性 GARCH 模型与 VaR 模型进行组合，实证结果显示，在汇率改革政策发布后人民币汇率波动市场化程度加强，研究同时使用了其他模型进行对比，与其他研究模型相比该模型拟合效果最好。
综上所述，关于波动率的计量模型方面，目前的研究主要使用 GARCH 族模型， 学者根据研究需要改进了 GARCH 族模型，产生了不同的 GARCH 模型，同时根据数据类型的不同也有不同的 GARCH 模型进行分析。
2.2.2股市波动率的特征
关于股市波动率的特征研究发现，股票收益率的波动率主要有尖峰肥尾特征、非对称性、溢出效应和长期记忆性等典型特征。
2.2.2.1尖峰肥尾特征
尖峰肥尾是股市收益率的分布特征中广泛存在的现象，股票价格的收益率分布在 均值附近以及尾部的特点很早就被观察到，在上世纪60 年代先后被Mandelbrot(1963)[31]、Fama(1965)[33]发现。
随后的研究发现在其他资产的波动率也有相同的特点，并且时间区间越短，这个现象越显著。在以往的研究中对这个现象存在以下解释，投资者对市场上信息没有进行利用，投资者会使用以前的信息，因此信息的使用存在滞后，股票价格也在这一过程中改变，导致了波动率分布呈现出尖峰肥尾的特征。
2.2.2.2波动非对称性
波动非对称性，研究发现不同的消息对股价的波动影响是不一样，相比正面消息通常负面消息更能引发股价大幅波动。毛前友(2010)[32]通过使用 SNP－EMM 框架对研究了波动非对称现象，波动非对称现象在股票市场上明显存在。
谭德光(2010)[4]研究了上海证券市场股票的非对称性现象，他的研究认为上海证券市场存在显著的杠杆效应，但是在 1996 年前后表现出明显的反向非对称性现象。
Christie (1982)[33]研究认为，在股票价格下跌的过程中，公司权益比重下降负债的比重上升，资产负债表产生不平衡，此时证券风险上升，对投资者来说会要求更高的收益率，所以会在股票价格上产生明显的变动，即是波动率存在非对称现象。
吴鑫育和周海林(2015)[34] 对我国股票市场上的利好消息和利空消息进行了研究， 研究使用了门限随机波动率模型，研究发现我国沪深两市的波动非对称效应是存在的， 利空消息造成的波动更加明显。同时，在我国股票市场国际化的过程中，沪深股市受国际市场的影响将会更大。
2.2.2.3波动溢出效应
波动溢出效应，表现为一个股票市场的波动变化会传递到另一个相关的市场。刘金全和崔畅(2002)[2] 研究了我国上海和深圳两个股票市场，研究使用了 GARCH 模型， 研究结果显示沪深股市的波动存在明显的相互影响，两市关联度较高，实证检验中波动率的溢出效应显著。
施雅丰和艾春荣（2016）[35]对上证指数 2003-2013 年的股票数据进行了研究，为测度溢出效应和杠杆效应，研究使用了已实现 GARCH 模型，我国股市波动率存在显著的杠杆效应和溢出效应。
王仁曾等（2020）[36]研究了沪深股市与香港市场之间的波动溢出效应，在深港通交易制度运行的背景下，内地与香港市场之间的联系更加紧密，且相比上海市场，深圳市场与香港市场的波动溢出效应更加强烈。
刘静一等（2020）[37]对我国股票市场上不同行业之间的波动溢出效应进行了研究， 研究发现不同行业之间的波动溢出效应存在显著的非对称性，大部分时间内对市场造成恶劣影响的波动溢出效应影响更大。
2.2.2.4波动率的长期记忆性
长期记忆性是指历史事件会长期影响着股价，当前的信息和股价波动会对长期影响未来的股价和波动(Ding , Granger and Engle , 1993)[38]。
黄振新（2012）[39]通过 GARCH 模型研究分析了我国股市的波动现象，研究发现沪深股市的波动具有持续性。其次，当股市出现大幅波动时，羊群效应更加明显使得市场的波动变化趋势将持续下去。我国股票市场上投资者行为会显著的影响股市波动水平，可能是由于股票市场成立较晚、市场环境较差、投资者的证券知识不足有关。
罗君等（2018）[40]对我国股票市场的波动性特征进行了检验，研究发现我国股票市场波动持续性明显，与国外成熟市场的研究结论相似。但不同的时期波动性也存在不同的形态，在股票市场大幅下跌的时期波动的持续性更强。
2.2.3股市波动率的影响因素相关研究
关于股市波动率的影响因素，研究者通常从股票的供求关系出发，分别从微观因素和宏观因素两个层面讨论对股市波动率的影响，导致收益率发生波动的因素一般有利空利好消息、公司经营业绩、财政政策和货币政策、经济发展、政策因素和重大事件等因素。
2.2.3.1微观因素对股市波动率的影响
在微观层面的研究方面，研究普遍认为公司的因素会直接影响股价，上市公司的经营业绩、行业地位、财务状况、股本结构甚至是高管变动都会对上市公司股价波动产生重要影响，这些因素形成对企业的正面或负面信息对股票价格产生影响（吴玉桐等， 2008）。
Poon 和 Taylor（1992）[41]研究认为，英国股票市场上负面消息导致的波动更为强烈，这反映了波动率存在非对称性现象。李勇等（2011）[42]研究认为，机构投资者与股价波动率之间存在关系，在市场行情较好时，机构投资者加大了股价波动率，而在熊市时则与之相反。进一步研究发现，市场上成立时间较久的机构投资者参与交易会有助于平稳市场波动，反之会加大波动。
辛清泉等（2013）对上市公司信息透明度的影响进行了研究，实证结果显示我国上市公司在熊市期间透明度上升显著降低了股价下跌幅度，而在牛市期间这并不明显。研究还发现，在一些公司机构持股比例很高同时有很严重的代理问题，这些公司中公司经营透明度与波动率的负向关系更加明显。
张长征等（2018）[43]研究了掠夺行为对上市公司股价的影响，掠夺行为指控制性股东占用公司资源的行为。我国创业板上市企业中股东掠夺行为显著加大了企业的经营风险和财务风险，间接导致了股价大幅波动。
2.2.3.2宏观因素对股市波动率的影响
在宏观层面上，影响收益率波动的因素一般有重大事件因素、政治性因素、政府干预、经济因素、财政政策等因素等。
从重大事件讨论对波动率影响的研究有，Sabina Andreea（2017）[44]对英国脱欧公投事件进行了研究，研究发现在脱欧公投结果发布后，在股票市场对英国银行业产生了负面的影响，在短期了造成了大幅波动。在长期的影响上，则表现为金融系统稳定性下降。
从政府干预、政府政策的角度进行的研究较多。Fleisher（1998）[45]对中国股市波动进行了研究，发现政府干预加大了股票市场的波动率。
Singh（1997）[46]研究了美国股票市场的波动率情况，他认为宽松的金融监管环境 对资本市场规模扩大是很有帮助的，这样的环境下股市交易量会加大，导致了股票市场波动率加大。
我国股市的每次大幅波动，后面都有明显的政策影响，虽然监管机构一直在减少对股票市场的干预，但是政策因素仍然是主导股票市场波动的决定性因素（许均华、李启亚，2001；胡金焱，2002 等)[47][48]。）
刘深（2015）[49]使用高频波动率数据，研究了我国股市与宏观经济之间的关联性。研究认为，股指变动反映了投资者对现在经济发展情况的认识，波动率可以用来监测股票市场。其次，我国财政政策、货币政策以及其他经济调控政策的实施，很大程度上决定了投资者的投资决策，导致了我国股票市场与经济政策之间有很强的关联性。
杨令仪等（2018）[50]的研究分析了税收政策的变化与股票价格的关系，研究结论显示，该政策的变化对科技型企业影响较大，在政策调整的短期内会导致股价波动加大。
许红伟（2012）[51]研究了融资融券制度实行对我国股票市场的波动率的影响情况， 他认为这项交易制度的实施在平抑股价大幅波动方面有一定的作用，股票价格大幅下跌的情况大幅下降，但是在应对股价迅速上升方面的作用还不明显，其抑制股价大幅波动的作用是单向的。
综上所述，股市波动率受多种因素影响，国内外学者进行了大量的研究，在宏观经济层面，政府干预、货币政策、汇率政策、财政政策以及股票市场政策等都会对股市波动产生影响，尤其在我国股票市场上，受政府干预影响较大，政策因素仍然是主导股票市场波动的决定性因素。在微观层面上，主要受公司利好或利空消息、企业经营状况等影响较大。
2.3金融科技对股票市场影响的国内外研究
国内外对金融科技与股市波动率的研究发现，金融科技的发展会对股市波动率产生影响，下面从金融科技创新对金融行业形成的变革对股市产生的影响、金融科技创新对股市造成的波动影响两个方面对国内外研究进行回顾。
2.3.1金融科技创新对证券行业造成的变革
赵鹞等（2016）[19]研究了金融科技发展背景下的资本市场证券价格特征，研究从社交网络结构视角出发，认为在金融科技发展的背景下，股票价格的波动具有社交网络结构的特点。随着社交网络的不断扩大，金融科技的发展无法分散掉单个股票的特有风险，在这样的条件下股票价格的波动性会加大。由此我们可以发现，基于金融科技的社交网络特征，在股市发生大幅波动时，信息传递速度更快，投资者的对利空事件的反映更加迅速。
Magnuson（2018）[52]认为金融科技创新对金融体系的改变是彻底的，甚至改变了货币的本质，这改变了金融风险表现形式与传播速度，导致了金融市场的波动性加大。基于该研究我们认为，因为金融科技企业是科技企业与金融机构的融合，具有更多的科技企业的特征，其对于金融市场的风险传导更快，在风险事件发生时，首先是风险事件传递到公司开发的金融科技产品，由于基于金融科技的风控对风险的反映更加迅速， 完全不同于传统金融机构，对于风险的应对会迅速传递到股票市场，这会在短时间内造成股票市场大幅波动。
邱兆祥等（2019）[53]研究了金融科技对金融稳定性的影响，金融科技发展导致了金融市场的大幅波动。大数据、区块链、人工智能的应用推动了高频交易、量化交易等的产生，这些技术的应用使股票市场上交易速度大大加快，交易量大大增加，但是交易速度的加快可能会加大股票价格的波动率。同时股票市场的顺周期因为金融科技的快速发展得到强化，信息不对称、羊群行为等因素都会导致股票市场顺周期性，这对股票市场的平稳运行造成严重的影响。金融科技活动更容易引发股票市场中的羊群行为， 出现顺周期化特征，导致股票市场大幅波动。我们可以发现，金融科技公司对股市波动的传导可以通过羊群行为发生，部分金融科技公司在发展过程中具有“影子银行”的特征，具有相当高的杠杆率，由此形成的沉淀资金进入了资本市场，大量投资者通过这些公司进行投资行为，在金融市场发生波动时，金融科技公司对风险事件的反应迅速，投资者跟随金融科技公司的投资行为，形成严重的羊群行为，加大了市场波动。
陈红等（2020）[54]研究认为，金融科技创新本质上属于“破坏性创新”，其对金融系统产生的影响范围广、程度深，会全面改变银行、证券和保险等传统金融模式，产生一些新的金融业态，深刻改变一些传统金融模式。金融科技创新自身具有脆弱性，首先新的金融业务产生，法律法规不能及时调整以适应金融创新，信息化变革使得监管模式难以跟上金融科技创新的速度和需求。最后金融科技在改变金融行业的同时，没有改变金融风险，相反提高了金融风险的传染性，加快了金融风险的扩散速度，影响范围更加广泛，可能形成系统性风险。
2.3.2金融科技创新股市波动产生的影响
从金融创新方面来看，龚明华等（2005）[55]研究认为，金融创新为经济发展带来的影响是两方面的，一些产品确实为经济发展带来了效益，但是历史上一些事件也显示出金融创新会带来负面的影响。一些创新产品会导致市场大幅波动甚至市场崩溃，金融创新产品对金融市场带来的影响要具体问题具体分析，有的金融创新会导致大幅价格波动，而有的金融创新只会导致小幅价格波动。虽然金融科技创新对金融市场有着消极作用，但是金融体系的目标是改善经济运行，金融科技就是目前改善经济运行的手段之一，金融科技创新在提高金融体系效率，转移和分散金融风险等方面有着众多的积极作用，分析金融科技积极和消极的影响可以更加清晰的认识金融科技。
何德旭等（2008）[56]对金融创新的效应进行了评价，分别从金融创新的收益和风险两方面进行了讨论，他认为创新活动一方面在服务于经济发展和金融行业增长有着不可或缺的积极作用，但是另一方面，金融创新在一定程度上影响了金融市场平稳运行，有可能形成新的风险，甚至金融危机。金融创新和经济波动有着紧密的联系，过往的研究认为金融创新加大了股票市场的波动，例如 2007 年开始的金融危机快速蔓延到全球，资产证券化产品在其中发挥了不小的作用。
郑联盛（2014）[57]研究了金融创新与金融稳定的关系，金融创新会使金融风险叠加，在累积过多的情况下危害金融稳定，可能导致金融危机。回顾二战结束后的十多次金融危机，在大部分金融危机发生前，一般都会有一段金融管制宽松的时期，这个期间中，大量的金融创新诞生，然而随着金融创新活动的深入发展，其对金融系统造成的影响越来越大，直至最后变得无法控制甚至形成危机。
Yury Dranev 等（2019）[58]研究认为，技术发展和数字化在金融领域起着至关重要的作用，研究使用了事件研究法分析了金融科技行业的并购事件，在短期金融科技企业的并购事件能够获得收益，而从长期来看异常收益并不明显。而与来自新兴国家的公司相比，与来自发达国家的金融科技企业并购行为能够提供更多的收益。此类的并购行为发生时，会产生大量的异常收益，这是金融科技行业不同于传统行业的一点，金融科技行业、公司能够获得更多的收益和关注。
方意等（2020）[59]研究认为，金融科技创新可能会加大金融体系的波动性，也会加大系统性风险的可能性，例如 2015 年股灾期间，场外配资等因素对股市波动起到了重要的作用，其代表就是 P2P 借贷。其次，金融科技创新开发的产品的用户往往是传统金融体系无法提供服务的长尾部分，而这类群体对于金融机构来说往往是风险较大的群体，普遍风险承受能力差、风险意识缺乏，这进一步加大了信息不对称，加剧了市场风险。
李广子（2020）[60]研究认为金融科技业务将会面对更大的顺周期风险，信息技术的使用使资金供求双方联系更为密切，投资者的情绪更容易受市场影响，加大了顺周期性。金融科技的发展使金融业务的门槛降低，促进了普惠金融的发展，新的“长尾客户”进入金融市场，使得金融风险的影响范围更广。其次，智能投顾技术的使用，因为不同的智能投顾产品使用的模型大致相同，使的投资者投资策略趋同，羊群行为更加明显。最后，信息技术、互联网技术应用下的金融交易更加迅速，放大了市场波动。
2.4文献述评
回顾国内外学者关于金融科技和股市波动率的研究文献，对本文接下来的研究提供了很多的思路，主要的启发有以下几点。
首先，在金融科技相关研究方面，有关概念定义、金融科技风险和金融科技创新产品方面研究较多，国内外研究认为金融科技是技术引发的金融创新，是科技支持金融创新的活动。很多研究在金融科技是否改变传统金融体系的功能方面存在分歧，部分学者认为金融科技只是最大程度的发挥了金融的功能，没有改变金融体系的功能，部分学者认为，金融科技的发展彻底改变了金融体系的运行，对金融体系是颠覆式的创新。
其次，在股市波动率相关研究方面，波动率的研究是股票市场相关研究重点，波动率的计量模型一直在不断的发展，从基本的 ARCH 模型到 GARCH 模型、TGARCH 以及其他的类型的 GARCH 模型，研究波动率的不同的特征有着不同的研究模型。在波动率的影响因素研究中，学者多从宏观、微观两个层面进行分析，宏观因素中主要受政府干预、货币政策、汇率政策、财政政策以及股票市场政策影响较大。对某一行业产生重大影响的新业态或新产品等会对该行业股票波动产生重大的影响，甚至影响整个股票市场。例如近年来金融科技的蓬勃发展，对金融行业股票指数产生了重大的影响。
最后，在金融科技与股市相关性方面，金融科技的影响是两方面的，金融创新在提高金融体系效率、开发金融产品以及分散和转移金融风险上有着显著作用，但是金融科技带来的负面影响也是不可忽视的，其一方面会加强传统金融风险，使其隐蔽性更强，风险扩散速度更快，另一方面金融科技带来的非金融风险也是需要特别关注的。在对股市波动率的影响方面，学者们的研究认为，金融科技的发展加大了羊群效应、股市的顺周期性，加大了股市波动率，其次一些金融科技产品创新例如高频交易、智能投顾等也会导致股市波动率加大。但是鲜有文章使用实证分析的方式对这个问题进行分析， 这是一个具有研究意义的问题。
