城镇家庭金融资产选择研究:基于结构方程模型的分析

来源:用户上传      作者: 卢家昌 顾金宏

　　摘要：本文从家庭参与金融市场的动机及影响因素展开研究，在梳理和总结国内外相关研究成果的基础上，选取相应的影响家庭金融资产的度量指标，构建了家庭金融资产投资的决策模型。然后基于专门的问卷调查数据，运用结构方程模型对影响家庭金融资产选择的各个变量之间的逻辑关系和内在机制进行了实证研究，并根据研究结论给出了相应的政策建议。
　　关键词：家庭金融资产；金融资产选择；结构方程模型
　　文章编号：1003-4625(2010)03-0077-07
　　中图分类号：F830.6 文献标识码：A
　　
　　一、引言
　　
　　在2006年美国金融年会上，Campbell首次提出将家庭金融(Household Finance)作为与资产定价、公司金融等传统的金融研究方向并列的一个新研究方向，目前关于家庭金融的研究已成为金融学研究中的一个重要前沿领域。随着居民收入水平的不断提高，家庭金融资产在整个金融资产中的比重越来越大，在宏观经济运行中发挥着重要作用。在经济复苏的背景下，为实现“稳增长、扩内需”的宏观经济目标，鼓励家庭进行合理的金融资产投资，引导家庭金融资产流向，对于新的经济增长点的形成发挥着重要的作用。因此，研究我国家庭金融资产选择行为具有重要的理论和现实意义。
　　
　　二、相关理论及文献的述评
　　
　　(一)国外研究的现状
　　1.金融资产选择理论(The Theory of Portfolio Selection)
　　最早关于金融资产选择的理论可以追溯到Markowiz(1952)的均值一方差模型，提供了一种资产选择方法，即在进行投资决策时总是追求风险与收益的最佳配比；Branson(1975，1977)对金融资产选择理论进行了系统的论述，认为预期收益率、风险的大小和流动性的强弱是经济主体选择资产的主要依据。由于金融资产的预期收益率的高低和风险的大小不断变化，这些变化就会引起经济主体对各种金融资产偏好的变化，从而促使经济主体对持有资产的构成进行调整。
　　2.生命周期理论(The Theory of Life Cycle)
　　Modigliani(1954)的生命周期假说认为家庭在进行金融资产选择的时候，不仅考虑到当期状况，还要考虑到未来终生状况。目标是通过配置行为实现整个生命周期内的效用现值的最大化。随着年龄的变化，家庭面临的责任和义务以及未来收入都会发生变化，因此理性人会根据实际情况建立适合自己需要的投资组合。
　　3.家庭金融市场参与理论的进一步扩展
　　早期有关家庭金融市场参与多是将关注点集中在风险因素上，模型多是在完全市场假设条件下的，与现实中的家庭资产组合存在较大的差异。进一步研究认为，家庭资产选择行为不仅受到风险因素影响，而且还同时受到诸如工资、人口统计特征等因素的共同作用，相关研究的发展是在原有模型中加入新的因素以提高其解释能力。
　　(1)引入工资机制，考虑财富效应。工资作为家庭收入的一个重要来源，是家庭财富的重要组成部分，对家庭资产的配置会产生财富效应。Heaton and Lucas(2000a)研究表明工资收入与股票收益之间高度相关，具有高背景风险(自有房屋、工资收入等)的家庭对风险资产的投资很少，他们很少持有股票，很多就是不投资。Guiso等(1996)使用意大利的数据发现较高的工资收入风险与较低的风险资产持有相关。但Hoehguertel(2001)、Alessie等(2002)研究发现工资收入风险和风险资产持有的关系非常微弱。Guiso and Jappelli(2001)运用意大利的家庭资产调查数据研究发现，家庭资产组合主要取决于财富，金融资产占总资产的比重随着财富的增加而减少，富裕家庭倾向于更大比率的投资风险资产。
　　(2)考虑人口统计特征因素。Barber and Odean(2001)研究发现股市参与度与年龄呈现弱的负相关，与收入、教育呈现强的正相关关系。Guiso等(2002)实证发现教育哑变量在股市参与回归中表现出很强的统计显著，说明股市存在信息成本，因为受过高等教育的投资者面对信息障碍的机会较少。I-waisako(2003)对日本家庭股票参与决策与持股比例进行了计量分析，发现影响股市参与的因素有年龄、收入、财富、教育程度。Campbell(2006)认为教育程度、收入水平和财富规模对家庭参与公共证券投资具有较强的正效应，但对于家庭参与私人商业证券投资的影响比较复杂。Agnew(2003)、Shum and Faig(2006)认为性别、婚姻状况、年龄、受教育程度、背景风险等人口统计特征都会影响家庭金融资产的配置。
　　4.“有限参与”之谜
　　在理性人假设前提下，根据现代资产组合理论，家庭会根据风险差异对金融资产进行配置，并且投资于哪一类资产只存在于投资者风险偏好的差异上。为了实现个人收益最大化的目标，Sharpe(1964)等认为只要个人不是拥有一份与股票市场回报正相关的其他资产，每个人都应该持有一定数量的股票。但是现实情况是即便是股票市场比较发达的美国，也有一半的家庭并不持有股票(Bertaut and Start-McCluer，2002；Vissing-Jorgensen，1999)，这就是家庭金融市场参与的“有限参与”之谜。对于“有限参与”之谜的分析，现有研究主要是从交易成本、投资偏好、投资情绪、排挤效应等方面给出相关的解释。
　　(1)交易成本因素。在不完全市场的条件下，投资者买卖股票、借贷资金等资产选择行为会受到相关的限制，这使得交易成本因素被考虑到模型中.，以提高其解释能力。Cocco等(2005)分析发现持有风险资本是有参与成本的，这包括风险资产交易时对资金有一个最低门槛的要求，交易的固定成本，对风险投资品的熟悉、评估所需要花费的时间、精力和心理上的投入等。Deaton(1991)研究认为在投资者借贷受到限制的条件下，为了规避未来收入的波动，投资者更倾向于持有储蓄、债券等无风险资产使其免受收入波动风险的影响。Vissing-Jorgensen(1999)使用美国PSID数据估计了股票市场的进入成本和参与成本，发现固定交易成本对家庭参与股市的决策有重要影响。
　　(2)家庭投资偏好因素。家庭的投资偏好具有很大的异质性(Heterogeneity)，不同家庭的风险规避要求也会随着财富的变化而变化。Gusio and Paiella(2005)通过实证发现投资于风险资产的比例随着风险厌恶程度的增加而减少，并且风险厌恶人群投资风险资产的比例要低于风险偏好的人群。Kelly(1995)分析发现一般家庭直接持有的股票数量有限，多数是通过共同基金和退休金等方式间接持有股

票，这种非直接持有的资产更倾向于多元化，可以有效地降低家庭资产组合的风险。Campell and Cochrance(1999)的习惯形成模型(Habit Formation)以及Chetty and Szeidl(2005)提出的消费约定模型(Consumption Commitment)分析认为，风险的厌恶偏好会随着财富水平的短期变化而波动。Gomes and Miehaelides(2002)通过将偏好异质性引入模型，发现较能容忍风险的家庭没有积累起资产，所以不投资于股票。相反风险厌恶的家庭积累了资产，能够支付投资股票的固定成本，股票投资的参与度却不高，而一旦投资者参与股市，他们就会有将全部资金投资于股市的倾向。
　　(3)投资者行为因素。行为金融学的发展，有关投资者有限理性、投资者情绪、信任度、预期等行为因素被应用到家庭资产选择行为的研究中并取得了一定的研究成果。Hong,Kubik and Stein(2004)考虑了社会互动，发现那些与其共同社区的家庭很少交流的家庭不愿意自己持有股票，家庭会受身边所交往朋友和其他群体的影响，做出类似的资产选择。Guiso,Sapienza and Zingales(2004)用信任来解释家庭的股票投资行为，发现对外界社会、金融机构等信任度高的家庭更情愿投资风险资产。Purl and Robinson(2005)研究发现各个家庭之间的金融交易行为及其绩效表现出很大的异质性，对未来持有乐观预期(包括对自己平均寿命的乐观预期)的家庭其资产组合中投资于股票的比重较高。
　　(4)房产的排挤效应。住房对于家庭来说是一项重要的家庭财产，它虽不是家庭金融资产的组成部分，但是它对金融资产的配置产生着重要的影响，尤其是对于中产阶级的年轻家庭。Cocco(2004)研究了包含房产的家庭资产选择决策，发现房产排挤了投资者持有股票，这种排挤效应在年轻的投资者身上表现的尤为明显，房产几乎接近其总的金融财富。Yao and Zhang(2005)使用PSID数据估计了美国家庭股票投资与家庭房产变量之间的关系，发现在收入和净值一定的情况下，较高的房产价值减少了家庭参与股票市场和股票投资的概率。
　　
　　(二)国内研究的进展及述评
　　王家庭(2000)系统地论述了家庭金融理论和行为，并深入剖析了家庭金融的本质特征和内在机制，认为家庭金融资产选择是家庭金融的重要部分。尽管国外针对家庭金融资产选择的研究成果已取得重要进展，但从国内情况来看，相关研究才刚刚起步，随着金融资产多元化的变化趋势在我国逐渐加快，居民部门金融资产结构单一的格局也正在改变(樊伟斌，2000)，家庭金融也正逐渐受到国内众多研究学者的关注。为了研究居民家庭金融资产结构的特征，李建军，田光宁(2001)、袁志刚，冯俊(2005)、骆祚炎(2007)等试图借助统计年鉴的宏观数据通过一定的统计方法推算我国家庭金融资产总量及各组成部分的量，并以此分析家庭金融资产的配置特点，但由于不同研究数据来源、估算方法的不一致，使得估算所得数据与现实的巨大差异，宏观推算数据的弊端日益显露出来，所得结论也不断受到挑战。目前已有学者开始使用微观数据对家庭的投资行为进行尝试研究，史代敏、宋艳(2005)较早注意到微观数据的重要性，利用2002年的调查数据展开了相关研究，但他们并未注意到不同家庭金融资产选择的行为差异。于蓉(2006)利用北京奥尔多投资咨询中心的“投资者行为调查”数据分析了消费者预期、信任度、社会互动、投资者情绪等对家庭参与股票市场的影响，但是现代家庭参与金融市场的方式已远远超出了传统的储蓄和股票投资，变得日益多样和复杂，因此其研究需要进一步的扩展和深入。邹红、喻开志(2009)通过问卷调查数据用统计描述的方法研究家庭金融市场参与的特征，统计分析的最大不足是没有控制住其他变量的影响。王宇、周丽(2009)通过问卷数据分析了农村家庭参与金融市场的影响因素，但中国农村金融市场相对落后，金融抑制普遍存在，多样化的金融工具缺失，加上农村居民对不同金融工具的认识程度有限，除储蓄存款外，其他金融产品的参与度非常有限。卢家昌、顾金宏(2009)通过因子分析和logistics回归等方法分析了家庭结构状况、经济状况、投资者行为等因素对城镇家庭在货币类产品、证券类产品和保障类产品投资方面的影响，但因子分析是对各影响因素进行统计意义上的归类，只能做到对因子的测量无法体现出因子之间影响结构。Logistic分析仅得出了相关因素是否对家庭金融资产选择产生影响，对于详细的金融资产投资比例的分配需要进一步分析。在实际投资过程中不同金融资产选择行为之间的相互影响无法体现，相关问题的研究有待进一步的深入。本文在总结已有研究结论的基础上，利用问卷收集的数据，采用结构方程模型分析城镇家庭金融资产的选择情况，试图进一步发展和完善已有研究成果。
　　
　　三、研究设计
　　
　　(一)问卷设计与回收分析
　　研究中所涉及的各变量数据是通过在江苏南京的专门问卷调查收集的。调查在设计时参考了“北京奥尔多投资咨询中心的投资者行为调查”、李心丹“个体投资者问卷调查”等已使用的成熟量表，以及江苏省统计公报、于蓉(2006)、王冀宁、李心丹(2003)等的研究结论。问卷共分三个部分，第一部分是对家庭结构的调查，主要收集家庭投资决策者的人口统计特征等基本信息，第二部分是关于家庭金融资产配置状况的调查，第三部分是关于家庭经济状况以及投资者行为的调查。为了有效发现实际调查中随意填写等情况，问卷中还专门加入了“验证题”和“测谎题”来帮助剔除无效问卷。
　　为了保证测量量表的有效性，我们先将其与相关领域的多位研究人员讨论并修改，在正式调查之前还进行了访谈式的试调查，经过多次修改确定最终问卷后才展开全面的调查。调查采用随机抽样方法，样本主要集中在人口比较集中的证券公司、银行、保险公司及商贸区，时间是从2008年12月至2009年1月，2009年2月至2009年3月完成数据的清洗和编码录入。清洗工作主要是删除异常值并利用问卷中的“验证题”和“测谎题”来剔除明显乱填的无效问卷。对部分问卷中缺失值处理方式是：第二部分缺失的直接归为无效问卷，其他部分缺失涉及研究变量在5项以内的用众数填充法补充，超过5项的归为无效问卷。最后经汇总统计，共发放问卷520份，回收334份，回收率64.2％，共获取有效样本290个，回收有效率为86.8％。有效样本的基本特征如表1所示。
　　
　　从表1的样本特征可以看出，样本中家庭投资决策者多为男性，并且主要年龄介于31-40岁之间。受教育程度大多在大专以上，从图1和图2可以看出被调查的家庭多是三口之家，有35.17％的家庭月

收入在3000元-5000元之间。总体来说，样本的特征符合抽样目标群体的分布特征，样本的抽样结果基本服从正态分布，抽样结构是合理的。
　　
　　问卷中每个观察值对应一个家庭。对家庭的理解遵循于蓉(2006)的定义，认为家庭是指包括一个经济上独立的个人或者夫妻以及经济上依赖于个人或夫妻的其他成员。并且假定被调查者对整个家庭的投资状况是了解的，对家庭投资决策者的基本特征是熟悉的。假定未婚的个人投资者是家庭人口为1的特殊家庭投资决策者，忽略其中的个人与家庭的差异性，认为其个人的金融资产选择行为与家庭的金融资产选择行为具有一致性。
　　选用克朗巴哈(Cronbach)仅系数测量条款的内部一致性来评价数据的可信度。由于Cronbaeh α系数，主要适用于观点、态度等问卷式的信度分析，一般认为信度系数不能低于0.5，如果信度系数达到0.8，说明调查结果是非常可靠的。本文主要使用信度系数来测度问卷中投资决策者的信任度、投资者预期等调查结果的可靠性，通过SPSS17.0分析得出Cronbachcα信度系数为0.634，说明问卷具有较高的信度，变量的测量结果是可信的，能够满足后续研究的需要。
　　
　　(二)变量与模型的选择
　　结构方程模型(structural Equation Model，SEM)是用来检测观测变量和潜变量、潜变量与潜变量之间关系的一种多元统计分析方法。由路径分析、联立方程和潜变量模型三个独立统计方法有机交汇而成，在行为学科、经济学等领域有广泛的应用。SEM是一个方程体系，其分析方法主要包括两个部分：测量模型(Measurement Model)和结构模型(Structural Model)，前者用于衡量潜变量与观测变量之间的关系，后者用于衡量内生潜变量和外生潜变量之间的结构关系。之所以考虑采用结构方程的主要原因有：1.研究中涉及的家庭结构、经济状况、行为特征等如将他们作为影响变量是不能准确直接测量的，只能通过观测变量来间接测量。当考虑到货币类投资、证券类投资和保障类投资时，因变量的个数又不止一个，此时传统方法就不能妥善处理好这些不可直接观测的潜变量之间的复杂关系，而结构方程模型能同时处理潜变量和观测变量以及潜变量之间的相互关系，将多个因变量纳入到一个系统中，更贴近现实。2.在分析家庭金融资产选择行为时，由于涉及多个潜变量，这就存在一些主观或客观的测量误差，传统的统计模型中不允许这些误差的存在，而结构方程模型可以将这些误差纳入模型，能够加强模型对实际问题的解释性。3.在结构方程模型中可以同时处理因素的测量和因素之间的结构，允许更具弹性的模型设定，包含的信息更丰富。在探索性因子分析的基础上，最终确定结构方程模型中的潜变量和观测变量如表2所示。
　　
　　表中遵循探索性因子分析的结论将性别(Gender)作为行为特征的观测变量，表明性别与风险偏好等投资者行为之间具有很强的相关性，这在Agnew(2003)、Shum and Faig(2006)等文献中已得到了证明。
　　由于潜变量保障类投资由唯一的观测变量In-surance来测量，按照结构方程模型简约的原则，在实际拟合过程中，用观测变量Insurance来直接替代潜变量，这样可以减少待估参数个数，增强模型的拟合效果。最终确定的结构方程模型见图3所示。
　　
　　
　　(三)实证检验
　　1.模型的识别
　　在结构方程模型的运算中，首先要判断模型的整体的识别性，要求
　　t<(q+q)(q+q+1)/2　df=(p+q)(p+q+1)-t>0
　　其中，p为外生观测变量的个数，q为内生观测变量的个数，t为待估参数的个数，df为自由度。在这个模型中，p+q=16，t=46，dr=90，符合整体性识别的要求，因此该模型是可以识别的。
　　2.模型的拟合分析
　　在模型拟合时，采用最大似然法(Maximun Likelihood，ML)进行参数估计，模型的拟合效果如表3所示。
　　
　　从模型拟合的各项指标来看，无论是绝对拟合指数还是相对拟合指数均在合理的范围内，模型的拟合效果比较理想，这使得模型的估计值是可以接受的。
　　3.结构模型和测量模型的参数估计
　　通过模型的识别、模型的拟合分析可以发现模型比较好地揭示了城镇居民家庭金融市场参与行为的各影响因素间的关系及强度。在参数估计部分将根据家庭金融资产选择行为的结构方程模型参数估计结果进行相关的分析和论证(见表4、表5)。
　　
　　从显著性角度分析，在5％的显著水平下，无论是家庭结构、经济特征，还是行为特征、状态感知都对家庭的货币类投资选择产生影响，证券类投资选择主要受到家庭结构、经济特征和行为特征的影响，而保障类投资主要受家庭结构和状态感知变量的影响。这一研究验证了卢家昌、顾金宏(2009)的研究结论，同时也丰富了其研究成果。当考虑到家庭不同投资产品的投资比例变化时，经济特征变量对保障类投资的影响变得微弱，结果表明家庭对保障类产品的投资比例是有限度的，尽管家庭的经济收入可以不断的趋好，但是保障类投资不可能随着经济收入的变化一直增加下去。
　　从影响大小来看，无论货币类产品投资还是证券类产品投资，行为特征在四个潜变量中影响最为大，这表明当家庭同时面临货币类产品和证券类产品等多种投资选择时，最终的投资结果受家庭投资决策者的行为特征影响最大。保障类投资主要是受家庭结构的影响，表明目前家庭投资对保障类投资关注的较低，在这方面的投资更多的是考虑到家庭结构因素。这一研究结论从微观角度证实了家庭保险投资的研究结论，正如魏华林、杨霞(2007)指出的那样，保险产品重复供给等因素导致中国家庭不愿买、买不到其想要买的产品，这启示目前保险公司在设计相关保险产品时应将更多的关注点放在满足家庭结构特征的需求上。
　　从表5可以看出，在5％的显著水平下，除了性别(Gender)和投资者预期(Expectation)外，模型的其他观测变量与对应的潜变量之间都达到了显著水平。在假定Risk attitude对行为特征的回归权重为1时，观测变量Gender没有通过显著性检验，这说明在家庭进行投资决策时，男性和女性的差异不大，性别的差异不足以对资产选择行为产生大的影响，这与Shum and Faig(2006)等得出了不同的结论。在假定Sentiment对行为特征的回归权重为1时，状态感知变量的观测变量Expectation没有通过显著性检验，这表明目前城镇居民在进行金融投资时，更多的受自身情绪影响，对整个宏观经济形势等基本面的重视也还没有达到理想的水平，投资中短视行为明显，缺乏从长期理性角度把握投资机会的意识。
　　
　　4.家庭金融市场参与行为中的“效应”分析

　　考虑到非标准化系数依赖有关变量测量单位的不足，在比较不同路径系数时无法直接使用。而采用标准化系数，可以比较不同系数的作用程度，所以此部分主要利用结构方程模型的标准化系数来进一步分析家庭金融资产选择过程中的相关“效应”。
　　“单一化效应”：从三个内生潜变量与对应观测变量的路径系数的大小可以看出，家庭在不同风险的金融资产投资时，选择较单一。就货币类投资来说，主要集中在储蓄存款，债券和理财产品相对较小；证券类投资中，股票是主要的投资选择；保障类投资主要集中在保险的投入；在所有的金融产品的投资选择中，储蓄存款又占绝大多数，家庭的投资选择较为单一。
　　“替代效应”：一定时期内家庭的金融资产数量是有限的，为了追求效益的最大化，使得家庭在不同金融资产选择时存在此消彼长的替代关系。对于货币类投资，从回归系数的正负可以看出，在储蓄存款与债券投资、银行理财产品投资上存在替代效应，在投入金额一定的条件下，存在此消彼长的关系。
　　
　　“联动效应”：注意到状态感知变量在货币类投资和证券类投资中的不同作用方向，通过状态感知变量的不同影响，可以对货币市场和资本市场的“联动效用”给出一个微观解释。家庭投资者对宏观经济预期乐观时就会增加对证券类产品的投资，而对宏观经济预期持悲观态度时，就会收缩风险资产的投资，更倾向于投资储蓄存款等风险较少而收益固定的金融产品。家庭状态感知的反应会引起家庭金融市场参与结构的变化，从而实现货币市场与资本市场之间的“连通”和“联动”，这也可对“储蓄搬家”、“储蓄回流”等现象给出微观上的解释和验证。
　　“财富效应”：在家庭的金融资产选择中，货币类投资和证券类投资的“财富效应”显著，财富的增加既增加了投资两类产品的概率，也增加了投资的深度，但保障类投资的“财富效应”微弱，经济状况的改变仅是增加了投资概率，对参与深度影响不明显。
　　
　　四、政策建议
　　
　　本文基于问卷调查的数据，运用结构方程模型，对影响家庭金融资产选择行为的因素之间的逻辑关系和内在机制进行了实证检验，基于以上结论，提出如下政策建议：
　　第一，经济状况对于家庭的金融市场参与行为影响显著，货币类投资、证券类投资的“财富效应”显著。因此要提高我国金融市场的参与程度，活跃金融市场，从微观角度考虑就是要提高家庭的财富水平，不断提高居民收入，推动其参与金融市场的积极性。
　　第二，研究发现城镇家庭金融资产投资的多元化趋势已经显现，但是储蓄存款仍居主导地位。因此，单纯从消费角度消化家庭的银行储蓄是不适当的，一种有效方式是拓展家庭投资渠道，进行储蓄分流(孙克任，2006)。在经济复苏的背景下，要改变国内储蓄过高的现状实现扩大内需的目的，就应从影响家庭进行证券类投资和保障类投资的因素人手，创造条件活跃金融市场的证券投资和保险投资。首先，考虑到行为特征的重要影响，应加强对家庭投资理财的宣传和教育，提高家庭多样化投资分散风险的意识。其次，应加强自身建设，不断提高上市公司的经营水平，提高政府监管水平，规范金融市场，增加信息的透明度，以此提高家庭投资的信任度和投资预期，提高其投资的积极性。
　　第三，研究发现家庭投资者在参与金融投资时存在“短视”和“跟风”等不理性行为。为了引导家庭进行理性的金融资产投资，这就需要国家政策鼓励和机制引导，发展机构投资者，通过机构投资者汇总收集家庭的分散资金并将这些资金合理的投资于金融市场，实现资源优化配置、增加家庭财富的目的。
　　
　　(责任编辑：李　琳)

转载注明来源:https://www.xzbu.com/3/view-1416416.htm