我国城乡家庭金融资产配置及影响因素分析

叶尔肯拜·苏琴

(上海第二工业大学 经济与管理学院,上海201209)

0 引言

家庭金融学继资产定价、公司金融后,成为金融学研究中的前沿方向。家庭金融研究在我国有现实依据。其一,在经济发展的转型期,家庭金融和非金融资产都体现需求侧旺盛的重要特征,如图1所示。此外,家庭风险资产拥有率、均值及其在金融资产中的占比呈上升趋势,对经济金融改革供给侧端形成挑战,金融供给侧改革必须满足不断涌现的金融需求。如何刻画我国家庭资产选择行为和资产配置异质性研究对于提升金融改革质量具有现实意义。其二,我国传统文化中,大部分的生活行为和经济活动都是以“家”为基本单位完成,包括养育下一代、赡养老人以及大部分的经济行为和经济决策。在以“家”为基本生活单位的中国传统文化下,服务于个人的经济金融政策,大部分会落实于由亲子、夫妻等关系组成的家庭单位上。所以,在金融发展和普惠金融建设的过程中,家庭始终是金融服务的重要对象,家庭作为典型的风险和收益自担的基本单位,其金融资产的安全是社会稳定的重要基础。其三,服务于家庭金融资产的供给侧端和金融需求之间存在现实矛盾,且城乡之间呈现二元特征。我国农村地区金融服务的覆盖率和渗透率、可得性和使用性都低于全国平均水平。农村家庭日益增长的资产发展与金融服务供给之间的失配,导致了针对三农的金融服务成为我国普惠金融建设最薄弱的一环。而农村金融和农村家庭金融服务一直是国家所重视的。2008年出台的一号文件,明确指出要不断改善农村金融服务,创新发展符合农村社会的抵押、质押等担保方式和融资工具,通过建立多种形式的农业信用担保体系来解决农村地区贷款难的问题；党的十八届三中全会指出“发展普惠金融”是全面深化改革开放的重要任务；2016年1月国务院发布《推进普惠金融发展规划(2016—2020)》,明确提出大力发展普惠金融,是我国全面建成小康社会的必然要求。相比较农村家庭在金融服务满足方面遇到的现实困难,城市家庭在货币市场和资本市场中的投资资金安全成为显著的社会问题。一方面城市家庭的收入来源更多元化,有更多的金融投资的初始资金。另一方面,原本就便捷的线下金融服务以及各类金融产品的互联网化,投资门槛低以及投资非常便捷的P2P、各类企业债等产品,使城市家庭在货币市场、资本市场和衍生品市场中的即期交易和跨期交易行为变得越来越复杂,不同金融产品中分摊风险加剧了决策分析的复杂化。由此,对家庭金融资产结构和影响因素的研究,微观上有助于了解我国家庭资产结构中的特点和需求,引导家庭合理地进行资产配置。宏观上有助于对我国未来金融创新服务提供一些指向性的帮助,解决金融服务供需之间的矛盾。从社会效应上,有助于提高家庭福利,优化家庭的资产安排,并服务于普惠金融的建设。

图1 居民资产变化趋势图2004—2014年Fig.1 Assets changing trend:2004-2014

1 国内外研究进展

家庭资产研究早期以马科维茨(1952)、托宾(1958)、夏普(1964)等理论家为代表,注重对行为风险的刻画。随着期限要素的加入,跨期模型更多地考虑人的偏好、市场的特征、个人资本等微观变量,但这些研究也大都基于理性人的假设。随着社会财富的增长、生活水平的提高、人们消费投资观念的变化,家庭资产选题的研究方法和思路也不断变化,有限理性模型框架开始纳入家庭资产分析中,心理学、社会学等多学科理论开始讨论家庭资产配置问题,决策者主体的情绪、认知、社会信任和互动网络大大拓展了家庭资产研究的界限,2002、2013、2017年的诺贝尔经济学奖进一步将有限理性的金融学研究思路纳入显学范围。

过去的几十年,我国经济得到快速的发展,且受稳健性的储蓄习惯和消费文化的影响,相当一部分家庭的资产得到了可观的增长。家庭理财意识的增加和金融工具的丰富,进一步促进了城乡家庭金融资产组成的日益变化,形成了以储蓄投资、债券投资、股票投资、基金投资、保险投资、外汇投资等多元化的投资行为。基于已有的研究分类和现实经济社会背景,本文中的家庭资产主要可以分为非金融资产和金融资产,非金融资产包括非生产性资产和生产性资产；金融资产包括风险较低的金融资产和风险较高的金融资产(见表1)。

表1家庭资产分类Tab.1 Classif i cation of Chinese family assets

1.1 统计数据特征

发达国家的家庭金融数据基础比较成熟,如日本的国民调查数据、美国的消费者金融调查数据、英国的家庭支出调查等。我国的金融数据经历了从宏观到重视微观单位的发展路径。改革开放前期,家庭资产配置的统计研究主要基于宏观数据展开[1]。随着家庭资产结构的复杂化,以及资产配置决策的异质性特征越来越明显,研究和实践层面都产生了对微观个人和家庭金融数据的需求。这个背景下,原有的宏观调查在数据采集阶段增加了微观金融数据的收集,如本文使用的中国家庭追踪调查(China family panel studies,CFPS)数据。同时出现了较有代表性的微观调查数据库,如西南财经大学的中国家庭金融调查数据库(China household f i nance survey,CHFS)。日趋完善的微观家庭金融数据库极大地丰富了相关领域的研究,但是在应用中仍存在数据可得性和数据是否共享的问题。

1.2 影响因素

对持有金融资产的影响因素的研究,围绕家庭资源禀赋、家庭生命周期、社会保障、家庭投资者风险偏好、金融抑制、社会网络资源、市场有限参与、家庭财富、家庭收入、户主受教育程度、婚姻情况等角度展开,大致可以分为3类,分别为家庭经济特征的影响、人口统计特征的影响,以及其他因素,如家庭的社会网络资源。家庭总资产与金融资产配置紧密相关,金融资产占比低通常意味着家庭缺乏流动资金；金融资产波动大意味着家庭的现金流不稳定。Bertaut[2]认为家庭的收入风险越低,则家庭购买股票的概率越高,何兴强等[3]对中国的研究也有相似结论。孙同全[4]的研究发现,农村家庭的耕地和住房的价值很高,如果不将耕地和住房纳入信用资产,则农户会出现资不抵债的情况。农户信用资产具有资源创造的作用,通过杠杆作用能有效缓解农户家庭“资源无效”的困境。人口统计特征主要包括子女数、决策者年龄、性别、健康等因素。王翌秋等[5]基于家庭生命周期理论研究子女数量变化对家庭资产配置最优化模型的影响。曹兰英[6]认为新农保政策能有效改变家庭的资产配置决策。周钦等[7]认为医疗保险降低了由身体健康带来的预期收入和支出风险,所以有医疗保险的家庭偏好高风险的金融资产。部分学者研究家庭的社会特征对金融资产的影响,如王晓青[8]认为农村家庭社会网络关系越强,其民间借出参与率和借出款比例越高,但社会网络对农村家庭民间借出款的作用随着家庭收入提高、正规金融市场的发展而下降。

1.3 宏观政策

在宏观经济上行期,财富的积累增加了居民投资行为的多样性,增强了资产安全感,因此居民会减少固定储蓄,增加消费行为以及其他类的投资行为,如持有更多的金融资产。在经济下行期则会呈现相反的趋势。但宏观经济与家庭金融资产之间的关系,更多地通过货币政策和财政政策的传导机制展开,在金融结构理论中讨论较多。在实践研究中,新古典经济学家侧重于研究利率价格的变动对资产配置决策变化的影响,在我国也由此展开了很多相关讨论[9-10]。如利率调整对居民储蓄和资本市场金融工具购买的影响,扩张或紧缩的货币政策对股价的影响等[11]。财政政策则通过税收调整等调节宏观经济,从而影响居民家庭金融资产,如居民根据现期的税收政策形成对经济向上或向下的预期,从而调整资产配置结构。货币政策和财政政策传导机制较为复杂,一般通过微观的利率等中介变量的变动间接影响家庭金融配置,所以存在传导机制有效性的争论。此外,在政策评价中,长久以来,全国统一的金融监管和组织模式导致农村和城市地区的金融供给呈现同质性特征,微观层面的家庭资产需求得不到差异化服务和保障。如何通过提高金融市场的效率,在城市和农村地区进行差异化的金融服务,提高各类金融资源的配置效率,有效促进金融市场和金融机构的功能,形成微观需求和宏观引导之间的良性循环,也是宏观政策与家庭资产之间关系讨论的现实目标之一。

现有的对家庭金融资产研究的文献,得益于微观金融数据的发展,家庭领域的金融研究发展迅速,但还是缺乏完善的理论体系和对不同类家庭金融资产结构的异质性研究。对家庭金融资产配置影响因素的分析,大部分研究将有限理性的经济人假设与传统资产选择理论相结合,虽部分解决了完全理性的缺陷,但在考查转型期中国家庭金融资产选择问题时,纳入决策者的认知条件和综合软实力等变量,也许能更好地解释符合我国国情的金融资产配置问题。所以本文对不同类家庭进行资产分组比较分析,在有限理性的前提条件下,考察决策者的综合素质对金融资产配置的影响。

2 数据来源与变量特征

本文使用2016年CFPS。CFPS调查问卷由个人、家庭、社区3个层次的数据组成,变量维度包括家庭经济、社会发展评价、人口、教育与健康等,为研究中国社会经济金融发展变迁提供了重要的微观数据基础。在数据处理时,首先使用个人、家庭、社区3个数据层的样本ID,进行样本匹配,将有缺失值、数据值明显不符常识的样本剔除。处理家庭资产变量时,为了避免家庭总资产极大值和极小值对结果的影响,对家庭总资产样本进行缩尾处理,最大化地保证模型的效度。经过第一步对原始数据的处理,包括解决数据缺失问题、极端数值、模糊数据问题等,最终得到12 393个有效样本。对城乡家庭资产结构比较分析时,使用总资产分组的比较分析方法。对金融资产影响因素的分析,如果使用线性概率模型(linear probability model,LPM),有可能无法满足干扰项服从正态分布和同方差的假设,为了避免使用LPM的结果有较大偏差,本文使用二元Logit模型。Logit模型使用大样本极大似然方法,对系数的统计显著性评价基于正态分布表。本文的数据样本量满足大样本条件,由于大样本的t分布收敛于正态分布,所以也满足模型对系数分析的统计要求。模型分析使用Stata A软件完成。

依据对现有文献的梳理,以及符合有限理性的约束条件,Logit模型的因变量为是否拥有金融资产,是为1,否为0。自变量包括家庭总资产对数、教育水平、性别、年龄、是否党员、健康状况、婚姻状况、家庭人口数、是否有养老保险、技能水平以及综合软实力。自变量中,家庭资产总额具有财富效应,是金融资产持有量的最大约束条件。身体健康风险增加了家庭支出的不确定性,通过风险偏好渠道影响金融资产投资。当面临医疗开支时,家庭会调整资产结构,增加预防性的储蓄,从而不持有或减少持有风险资产,所以模型中纳入健康状况变量。教育程度影响金融投资知识以及对风险的敏感度,此外,在资产配置选择和投资决策时,信息处理的能力是非常重要的环节,较好的教育背景可能有更好的数据分析能力。年龄和风险金融资产配置通常呈现倒U型,人在年轻时投资风险资产的意愿更高,达到一定年龄后,如到了退休阶段,更倾向于减少风险资产,使家庭资产结构趋于稳定。决策者综合软实力由理解能力、衣装整洁程度、外貌、普通话熟练程度、智力水平、待人接物水平6项加权而成。单项因素的存在很难指明被访者的特征与其经济决策之间的联系。综合要素的得分在一定程度上说明个人的综合能力,这也是本研究的尝试探索。表2为上述因变量和自变量的描述性特征。

表2变量的描述性特征Tab.2 Description of variables

3 城乡家庭资产分组比较与影响因素分析

3.1 城乡家庭分组比较

如表2、3所示,城乡家庭的平均资产约为57.78万元,城市家庭的平均资产规模为农村家庭的2倍多,农村家庭的资产积累与城镇家庭的资产积累呈现二元特征,这与我国长期以来的二元经济结构,以及城乡家庭的资产配置的路径和外部经济环境特征有关。

表3家庭总资产分布:城市与农村比较Tab.3 Assets comparative:urban and rural household

金融资产的非常重要的分类指标是其风险性,股票、基金、金融衍生工具等是风险较高的产品,如表4所示,城市家庭持有高风险金融产品的比例很高,为81.27%,而只有18.73%的农村家庭持有高风险金融产品。农村家庭对于股票、基金、金融债券、企业债券、金融衍生品、金融理财品、外汇(非人民币资产)、黄金、借出款等高风险的金融产品持有比例低于城市家庭,一个是受家庭可支配收入的约束(城市家庭的家庭资产规模更大),因为对金融资产的投资,尤其是债券、基金、股票等,需要先期一定货币资金的投入；另一个就是农村家庭所能享受到的金融服务和金融产品不占优势。此外,城市和农村家庭都愿意持有风险较低、流动性较高的现金和存款。而对于流动性较低的定期存款,持有的比例则大大降低。由此可见,城市家庭的资产规模大于农村家庭,且偏好高风险金融产品。同时,城市和农村家庭都偏好风险较低并且流动性高的金融产品,比如现金和活期存款。

表4金融资产的持有特征Tab.4 Holding characteristics of different f i nancial assets

进一步考察不同资产规模家庭的金融资产偏好异质性,发现家庭总资产规模庞大的家庭,并没有很高的高风险金融产品投资偏好,反而是处于资产规模中等的家庭,表现出较高的金融产品投资的特征(见表5)。对高风险金融产品,城市家庭中的3～6组的拥有比例较高,分别为14.6%,31.1%,18.8%,12.5%；农村家庭则集中在4～6资产组中,分别为30.4%、20.5%、19.6%。同样,风险较低的现金和存款类金融产品的持有,也呈现这个特征,城市家庭集中在4～8组,农村家庭集中在5～8组。通常认为总资产和风险资产之间具有正相关性,总资产越高的家庭,越倾向于在实物资产和高风险金融资产两者上进行同时配置,甚至希望通过风险金融工具的购买,实现短期内的财富增长。但结果表明,总资产积累越高的家庭,对金融产品的投资越为谨慎,这可能与其对金融市场的风险较为清晰的意识有关,此外,总资产积累越高的城市家庭较多,平均教育认知水平较高,有助于判断市场风险。表5所示在一定程度上体现了3类家庭金融资产配置特征:第1类家庭为高资产但风险保守型家庭(以第1、第2组家庭为代表)；第2类为中产并且风险偏好型家庭,以表中黑框内的组别家庭为代表。中产家庭通常具备一定的资产积累,但分析其资产组成发现,金融风险偏好性特征太明显,家庭资产配置中风险金融资产占比太高,呈现激进型配置决策,对家庭资产安全性可能是负面的信号,这几年陆续发生的P2P网络借贷或其他网络借贷平台倒闭或跑路事件,受害者有相当部分属于“有一定的教育背景,有较为体面的生活”群体,与表5的分析结论一致。第3类则为低资产家庭,这类家庭的金融资产主要以现金和活期存款为主,受制于总的资产以及家庭负债,在金融投资市场上处于天然的被动位置。

表5不同资产规模家庭的金融资产投资结构Tab.5 The investment structure of f i nancial assets of families in different assets group

3.2 Logit模型:影响因素分析

不同要素对家庭持有金融资产的影响的结果,如表6所示。在是否拥有金融资产的影响要素中,是否党员、婚姻状况、技能水平3项的影响并不显著。男性决策者在购买金融资产时并没有显著的优势,从另一个侧面说明金融资产的拥有概率与决策者的男性性别并没有显著的关系。这几个要素具有个人化较强特征,在短期内很难将其转化为可用于投资或生活的资本。决策者的教育水平与金融资产拥有之间呈负相关,这也许是因为教育水平越高,对金融市场的风险能有更理性的认识,投资金融产品的决策也会变得更为谨慎。年龄越大,拥有金融资产的概率较低,这代表在金融市场中,年轻人更能接受金融市场的风险与收益,年纪越大则更希望资产的稳定与安全。健康状况与拥有金融资产之间具有显著的正相关关系。一个自然人家庭或个人在医疗健康方面花费越少,就越有可能有更多的可支配资金用于金融产品配置上。家庭人口越多,金融资产拥有概率就越小。这可能是因为家庭人数增加了家庭支出负担,从而没有更多的资金配置在金融资产上。家庭或决策者个人的资产越多,拥有金融资产的概率越高。

表6 Logit模型:是否持有金融资产的影响因素Tab.6 Logit model:inf l uencing factors of whether holding f i nancial assets

上述Logit模型中,样本量为12 393,模型总的显著性水平为0.000,R2值为0.297。二分回归模型中,拟合优度是次重要的,回归系数的期望符号和统计上的显著性才是首要的,故整个方程的系数联合显著性很高(除常数项以外)。在模型总体显著性很高的前提下,为了避免变量之间的多重共线性问题,继续使用方差膨胀因子(variance inf l ation factor,VIF)诊断法和容忍度(Tolerance)判断模型中的变量是否存在多重共线性。统计上一般认为如果Tolerance＜0.2或VIF＞10,则要考虑自变量之间存在多重共线性的问题。模型的检验结果表明,变量的Tolerance均大于0.2,VIF均小于10,自变量之间不存在共线性。模型的总体显著性指标与多重共线性验证结果表明,上述实证模型是有效的。

4 结论与建议

研究表明,(1)城乡家庭资产积累具有积聚性特征。大量的资产集中在少量的家庭中,且城市家庭的资产规模大于农村家庭,家庭资产的非均衡特征显著。(2)相较农村家庭,城市家庭高风险金融产品持有比例较高。同时,城市家庭和农村家庭都偏好风险较低并且流动性高的金融产品,如现金和活期存款。(3)高资产家庭在资产配置中更为谨慎,中等资产规模家庭的金融产品投资决策偏激进型,该特征在城市家庭和农村家庭中都存在。(4)城乡家庭是否拥有金融资产的影响因素较为复杂。本文尝试性地发现,提高决策者的教育水平可能更有利于理性识别金融风险。家庭资产在金融和非金融产品之间进行资产配置时,家庭可支配收入非常重要。这体现在家庭总资产、家庭人口规模、决策者健康状况等短期内会影响家庭可支配收入的要素中。而是否党员、婚姻状况、技能水平等短期内无法影响家庭资产的要素,对金融资产配置的影响效果并不明显,当然这只是基于短期内能否转化为货币资产或影响货币资产安排的考查。从家庭的长远发展来看,显然稳定的婚姻、劳动力较好的技能水平是有利于家庭资产积累的。

上述结论表明,城乡经济发展二元特征依旧存在,依旧应重视农村地区金融服务的供给,进一步缩小城乡家庭的金融服务差异。金融机构满足居民多样化的理财需求,围绕养老、教育、健康等领域推出更多的产品和服务。其二,在需求侧和供给侧的不平衡状态中,应该进一步建立基于家庭信息的信用评价体制和机制,使各类城乡家庭能够以较低成本、更高的资产安全保障前提下,进入金融市场。第三,应继续加强金融产品的风险宣传,尤其是互联网金融快速发展,越来越多的投资者盲目进入金融市场。但由于金融知识的不完善,以及部分互联网金融产品在销售过程中存在一定的虚假或引诱型宣传,投资者面临的风险上升。由此,政府应继续加强对各类金融机构的监管,联合金融机构、类金融机构、教育机构、其他监管机构,依靠线上线下联合宣传力量,让城乡居民对金融市场风险有较好的认识。第四,家庭金融资产的配置和安全发展,离不开家庭的社会保障服务。对于处于经济转型期的中国家庭来讲,如何在非金融资产和金融资产、风险和收益、资本积聚和资本平均化之间达到一定程度的平衡状态,是未来学术研究、政策制定等都需要持续关注的经济和社会问题。