我国居民家庭金融资产配置影响因素研究魏先华1张越艳1吴卫星2肖帅1（1．中国科学院大学管理学院，北京100190；2．对外经济贸易大学应用金融研究中心，北京100029）摘要：近些年来我国居民的资产配置问题受到了来自于学术界及政策层面的诸多关注。

本文以奥尔多投资研究中心的调查数据为基础，以结构方程模型为分析工具，对我国居民家庭的金融资产配置行为进行了研究，从替代效应、生命周期效应、财富效应以及住房投资的挤出效应等多方面分析了影响我国居民家庭金融资产配置的因素。

实证结果证明了以上效应在我国均在一定程度上存在。

另外，家庭的资产比收入对金融资产配置有更为显著的影响；家庭所在区域、居民对社会的信任度与满意度对居民的金融资产配置均有显著影响。

关键词：家庭金融；资产配置；生命周期效应；财富效应引言近些年来，随着我国居民收入的不断提高、金融行业的日益发展，我国居民的投资意识不断增强，通过在资产组合中配置金融资产以抵御购买力下降的风险的需求也愈来愈强烈。

另一方面，从实践层面来看，党的十七大报告中也鼓励“创造条件让更多群众拥有财产性收入”。

因而，鼓励家庭进行合理积极的金融资产投资，对于优化我国居民家庭的资产组合、优化其收入结构有着重要的作用。

本文在综合国内外研究的基础上，结合奥尔多投资研究中心的“投资者行为”课题相关调查结果，分析我国居民家庭资产组合中的金融资产配置的影响因素，以期为居民家庭资产结构的合理化配置提供微观基础。

文献评述1、居民家庭投资组合相关理论与实证（1）生命周期与居民家庭投资组合生命周期是家庭最重要的特征之一，如何针对家庭的生命周期特征建立合适的跨期随机投资组合模型是学术界的一个重要挑战。

关于生命周期的实证研究见Yoo［1］，Heaton和Lucas［2］，Ameriks和Zeldes［3］，Bodie 等［4］等。

Guiso等［5］对美国，英国，意大利，德国以及荷兰的家庭资产组合选择的研究都显示，风险资本市场的参与比例随着年龄的增加而呈现出“钟型”，与之相对，无风险资产市场的参与比例呈现出“U型”。

但是，对于风险资产市场参与者资产组合生命周期效应的实证研究却没有统一和明显的结论。

Bodie等［6］发现劳收稿日期：2012－02－23基金项目：国家自然科学基金项目（71373043；71331006；70933003）；北京奥尔多中心（www．aordo．org）《中国居民风险与风险管理》研究项目。

作者简介：魏先华，中国科学院大学管理学院教授，博士生导师；张越艳，中国科学院大学管理学院博士研究生；吴卫星，对外经济贸易大学应用金融研究中心，教授，博士生导师；肖帅，中国科学院大学管理学院硕士研究生。

险的，则劳动收入将是无风险资产的替代品，那么家庭持有的无风险资产就会被劳动收入挤出。

（2）财富与居民家庭投资组合对于家庭投资组合选择的实证研究显示，家庭投资的财富效应相当明显。

Bertaut和Starr-McCluer［7］对美国市场进行研究发现，财富与股票市场、储蓄存款市场、家庭住房市场以及私人产业的参与都是正相关的；投资者持有的风险资产份额也随着财富的增加而上升。

Guiso等［8］对多个国家的研究发现，家庭的股票市场和风险资产市场的参与决策与财富强相关。

Campbell［9］运用美国的数据进行分析发现，流动性资产和汽车是穷人主要的投资对象，房产是中产阶级主要的投资对象，而富人的主要投资对象则为权益资产。

史代敏和宋艳［10］发现中国居民投资组合中的储蓄存款和股票所占的份额会随着财富的增加而增加，但是财富对于储蓄性保险持有比例的影响是不显著的。

（3）住房与居民家庭投资组合住房对大多数家庭来说都是重要的投资品。

这可能是因为住房具有两个其他投资品所不具有的特性。

第一，这是为数不多的居民家庭可以通过借款而进行投资的投资品；第二，住房既是投资品，又是消费品。

在生命周期模型中引入住房投资之后，此类模型能更好的解释现实中所观察到的投资组合生命周期效应以及财富效应。

Cocco等［11］建立了存在住房投资的生命周期模型且求出一个面临有风险的劳动收入的典型投资者的最优投资组合选择和消费计划。

相关研究还有Grossman和Laroque［12］，Flavin和Yamashita［13］等，这些文献都得出了住房会挤出股票资产投资的结论，而且这种效应对于年轻人和穷人更加明显。

Yao和Zhang［14，15］在假设不存在股票市场参与成本的情况下，通过引入租房市场来扩展了Cocco等［11］的模型，利用该模型解释了住房以及股票参与率随年龄而显示出的钟型结构，以及住房和股票市场参与率参与程度之间的负相关关系。

（4）居民家庭投资组合的其他影响因素居民家庭投资组合的影响因素还有很多，通常研究者关心的变量除了教育程度、年龄、财富总量、家庭规模等因素以外，还有背景风险（如Vila和Zariphopoulou［16］等）；市场收益率的时变性（如Campbell和Vicei-ra［17］、Nielsen和Vassalou［18］等）；交易摩擦（如Dammon等［19］，李仲飞和汪寿阳［20］等）。

2、现有研究评价通过对国内外文献的考察和分析，我们可以发现，虽然国内一些研究对家庭投资者收入差距进行了研究，但只有少数专家专门研究家庭投资组合问题。

主要原因是由于家庭微观投资数据非常珍贵难以获得。

大多数的研究或者对投资者资产门类的分类不够细致，或者调查区域非常小，对中国家庭投资组合进行合理建模也就非常困难。

同时，国外对家庭金融决策的数学建模和校准已经有了一些尝试。

但是中国是一个经济快速发展中的国家，拥有与他国不同的诸多经济特征，我们不能照搬国外的模型，特别是校准参数，必须依赖于我们的实际调查数据，而不是借用国外研究的缺省值。

因而，本文在吸收国内外研究的基础上，利用实际调查数据，对我国城镇居民家庭资产配置情况进行分析，并利用结构方程模型的方法来研究城镇居民家庭金融资产的配置情况及影响因素，以进一步丰富和完善相关研究。

数据说明本论文的数据主要来源于2009年奥尔多投资研究中心的“投资者行为”课题相关调查，该项目是目前国内首次在全国范围内针对家庭的资产选择和投资行为开展的调查。

问卷的设计包括三个重要部分：投资者基本变量部分、投资者治理变量部分和投资者异质性偏好参数测试部分。

本次调查采用面访问卷调查的方式，针对18周岁以上的城市居民，以家庭为单位，对其家庭的投资行为进行了随机抽样调查。

本次调查共走访了北京、河北、辽宁、陕西、河南、甘肃、四川等地的约四十多个市/县，有效调查问卷涉及了5056个家庭、14109名个人。

被调查家庭的基本特征如图1所示。

从样本的基本特征中可以看到，被调查家庭的家庭人口数集中在2人与3人，户主的年龄集中分布在40岁至60岁，受教育程度相对较为分散，家庭总财产主要集中于10万至100万的区间内，其中10万至50万的图1调查样本基本特征家庭占了一半以上的比例。

对比我国家庭特征及人口特征，我们认为，总体来说，抽样的结构是合理的，样本具有一定的代表性。

模型设计1、模型选择结构方程模型（Structural Equation Modeling，SEM）是一门基于统计分析技术的研究方法学（statistical methodology），用以处理复杂的多变量研究数据的探究与分析。

在社会科学以及经济、管理、市场等研究领域，有时需要处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不好解决的问题。

20世纪80年代以来，结构方程分析迅速发展，弥补了传统统计方法的不足，成为多元统计分析的重要工具。

简单来说，SEM可分测量方程（measurement equation）和结构方程（structural equation）两部分。

测量方程描述潜变量与指标之间的关系，而结构方程则描述潜变量之间的关系。

SEM的优点在于它可以同时处理多个因变量；提供一个处理（自变量）测量误差的方法，即容许自变量与因变量含测量误差；同时估计了因子结构和因子关系；容许更大弹性的测量模型；并估计整个模型的拟合程度。

以上优点使之较传统回归方法或因子分析方法更为准确合理。

总结之前关于家庭资产组合的影响因素，包括多个方面，而各个方面又受不同因素的影响。

以股票参与程度为例，该变量会受到诸如财富水平、知识水平、家庭结构等各方面因素的影响，但这些影响因素本身不可直接观测，只能通过一些观察变量来获得，如财富水平本身不可直接测量，但它会受到月收入、消费习惯等多方面影响，因而可用这些观察变量来观察财富水平这一变量的影响。

而一般的多元回归等模型无法刻画这种关系。

另一方面，各影响因素之间也存在着一定的相关关系，如知识水平会显著影响财富水平。

一般的多元线性回归无法准确衡量自变量间的关系，而SEM可以充分发挥其模型本身的优势，将这种关系清晰地表达出来。

因而，本文选择SEM作为分析工具，来探讨影响家庭资产组合的影响因素及因素间的关系。

在因子分析及逻辑分析的基础上，并参考前人的研究成果，我们对众多变量进行了筛选及剔除，最终确定SEM的潜变量与观察变量如表1所示：表1SEM模型的潜变量及观察变量潜变量及符号观测变量及符号金融资产投资比例（FinInv）无风险或低风险金融资产比例（Ｒiskfree）风险性金融资产比例（ＲisAss）资产特征（Asset）家庭总资产（不含房产）（Asset1）家庭总资产（不含房产）的平方项（Asset2）房产状况（ＲeaEst）拥有房产数量（套）（ＲS1）房产价值（户主估计值）（ＲS2）年收入水平（Inc1）收入特征（Income）年收入水平的平方项（Inc2）未来收入的预期水平（IncExp）家庭人口数（FamNum）户主性别（Gender）家庭牲（Family）户主年龄（Age1）户主年龄的平方项（Age2）户主受教育状况（Edu1）家庭成员中最高受教育程度（Edu2）风险偏好水平（ＲiskAve）风险偏好的自我评价水平（ＲiskApp）拥有的保险数量（InsNum）个人幸福指数（HapInd）自我满意程度（SelfSat）自我感知（Perception）对社会的满意程度（SocSat）对经济的预期（EcoExp）对社会的信任度（ScoTru）所属地区（City）（1）因变量的选择本文以金融资产的投资比例（FinInv）作为因变量，其包含两个观测变量，一为无风险或低风险金融资产占总资产（对总资产的解释参见下文解释变量的选择）的投资比例（ＲiskFree），主要包括银行存款和保险；另一为风险性金融资产占总资产的投资比例（ＲisAss），主要包含股票、债券、基金、外汇和期货。

（2）解释变量的选择A．资产特征（Asset）：包含两项，一是家庭总资产（不含房产）（Asset1），主要包含现金、银行存款、股票、基金、外汇、债券、期货、住房公积金、保险金、收藏品等。