市场风险是一类非常重要的金融风险,如何建立市场风险预测模型来对风险进行更为准确的预测也一直是金融研究的热门领域。因此为了提高互联网基金产品市场风险预测能力,使金融机构、监管机构和广大投资者增强风险意识,同时,为他们在做决策时提供参考和依据,本文构建了新的市场风险预测模型来对风险进行更为准确的预测,并通过余额宝的相关数据来验证该模型的有效性。本文的具体研究工作主要从以下几个方面展开:第一,构建集成带遗忘机制并考虑卡尔曼滤波理论的OS-GELM模型(EFKOS-GELM模型)。由于OS-GELM模型没有考虑时间序列的时效性以及不能处理在更新输出权重时可能存在多重共线性的问题,因此本文将遗忘机制和卡尔曼滤波理论加入到OS-GELM模型中,并使用集成思想进一步提高该模型的稳定性和准确性。然后通过该模型来对余额宝的风险进行预测,同时构建三个GARCH类模型(GARCH模型、GJR模型、EGARCH模型)和OS-GELM模型作为对照模型。第五章中该模型预测分析结果表明:与这四个对照模型相比,在所有的分位数下,EFKOS-GELM模型的预测精度都是最高的,因此可以说该模型是有效的,更加适合于预测CVa R。第二,进一步,考虑到实际问题通常非常复杂,单一的预测模型可能并不能很好的处理这些问题。为了更好地捕捉实际问题的复杂特性,本文考虑将线性模型和非线性模型结合起来,构建基于EGARCH模型和EFKOS-GELM模型两种方法的混合波动率预测模型,同时考虑到输入变量之间可能存在相关性,因此还应用主成分分析方法对该模型的输入数据进行了降维处理。同样地,为了更好地体现本文所构建混合模型的有效性,本文另外了四个对照模型。第五章中该模型预测分析结果表明:与这四个对照模型相比,无论是在波动率预测方面还是在最后根据波动率的预测结果来计算CVa R方面,该混合模型的表现都要更好,因此我们可以说通过混合的方式来构建模型的方式是有效的。本文的研究工作不仅丰富和完善了互联网基金产品市场风险预测方面的理论方法,为其他学者研究风险预测模型提供了宝贵的思路和借鉴,而且通过对余额宝风险预测的实证分析,也为余额宝平台、金融机构、监管机构和广大投资者提供了重要的现实指导意义。