互联网金融的发展在给我国经济带来新发展动力的同时,也为人民生活提供了诸多便利。然而,由于行业缺乏有效的监管机制,行业内企业技术水平不一,风险承受能力参差不齐,近年来风险事件频发,影响了互联网金融的健康发展。因此,正确度量和管控互联网金融市场风险变得尤为迫切。此背景下,如何精准度量互联网金融市场的风险就成了本文的研究重点。本文首先以P2P模式为例,阐述了近年来我国互联网金融风险现状,强调了政府对互联网金融发展要求的变化,明确了互联网金融风险量化和风险防控的重要意义。我国在互联网金融风险度量上多采用GARCH族模型,而随着人工智能技术和理论的发展,其为金融市场上波动率预测和风险度量带来了新机遇,本文将基于最小二乘支持向量机(LSSVM)对互联网金融市场的风险进行度量。本文实证部分在利用中证互联网金融指数收盘价数据的基础上,首先通过对比传统GARCH族模型和LSSVM模型的波动率预测效果,据此选择出波动率的初始模型。在此基础上,进一步考虑了其他经济变量对互联网金融市场波动的影响,将相关经济变量与初始模型估计的波动率进行二次建模,以期提高波动率的预测精度。在获得最优的估计波动率后,我们分别基于方差-协方差法、历史模拟法以及蒙特卡洛模拟法,利用VaR和ES方法估计了我国互联网金融市场风险水平。研究发现,互联网金融指数收益率存在自相关、波动集聚等特征;相比于传统的GARCH族模型,LSSVM方法能有效提高波动率的预测精度;相关经济变量(如汇率、恐慌指数)的引入在一定程度上进一步提高了波动率的预测精度;蒙特卡洛模拟法在度量我国互联网金融市场风险上具有最优的预测能力。