互联网保险活期理财收益率影响因素研究——基于EEMD-QR模型

张卫国，库 宇，邵贯赏

(华南理工大学 工商管理学院，广东 广州 510641)

一、引 言

自2013年6月余额宝引发互联网理财热潮后，国内各大电商和包括银行、券商、保险等在内的传统金融机构陆续通过互联网渠道推出同类的理财产品，各种互联网理财工具蓬勃发展。一些学者研究了互联网理财产品收益率的影响因素。如杨毅等[1]与陆敬筠等[2]实证发现余额宝的收益受到上海同业拆借利率显著的正向影响。林文生等发现产品规模、股债行情和银行拆借利率都影响理财收益波动，且影响程度不同[3]。杨宇程发现其受到shibor滞后项、证券二级市场表现和货币供应量的影响，前两个因素的影响均为正向，货币供应量的影响则是负向[4]。孙春燕等研究发现余额宝现金占净比对其具有线性正效应，银行间同业拆借利率和沪深300指数具有线性负效应，消费者价格指数对其具有波动非线性作用，人民币兑美元汇率和狭义的货币供应量对其具有交互作用[5]。

随着货币市场化进程的推进，依赖于货币基金的理财产品的收益率在不断下滑。根据支付宝平台的数据显示，截至目前余额宝年化收益率已经低于2.5%。为寻求更高收益，由保险公司发行、承保或管理，接受银保监会监管的保险理财产品逐步走入投资者的视野。同时，一些学者开展了互联网保险理财方面的研究。如李克穆指出互联网保险在互联网金融领域的创新发展方面走在了前列，而由于历史数据缺乏导致其可能存在产品定价风险[6]。王燕等分析了2016年之前如万能险、投连险等产品业绩好的原因，但其也因偏离保障受监管要求逐渐从互联网理财渠道消失，随后对未来的监管提出了相应建议[7]。张方波指出保险资管行业发展呈现稳步增长和配置多元化趋势，资管新规的出台带来了机遇，同时在第三方业务等方面也面临着挑战[8]。

经验模态分解(EMD)模型和集合经验模态分解(EEMD)模型被一些学者广泛应用于对股票[9-12]、房地产[13]、大宗商品[14-15]等的研究中，并都有较好的表现。Zhu等指出与传统的单时间尺度模型相比，EEMD可以有效减少异质环境的影响，从而获得更准确的整体风险的测度[16]。白洁等则用EMD发现余额宝收益率波动是由国内市场资金面决定的长期趋势和金融行业重大事件共同导致的[17]。

区别于类似余额宝的互联网理财产品，保险资管产品发展相对较晚，缺乏同类可比口径的历史投资业绩，个人投资者短期难以对保险机构的投资管理能力进行客观评价，学术界缺乏针对互联网保险理财产品的理论和应用研究。本文具体研究互联网保险活期理财产品收益率的影响因素，提出了分析互联网保险活期理财产品收益率影响因素的EEMD-QR方法，并选取具有代表性的互联网保险理财产品“国寿嘉年天天盈”进行实证分析。研究结果表明，互联网保险活期理财产品收益率主要由代表产品内在发展趋势的趋势项和代表重大事件影响的低频向量决定，而且趋势项对收益率影响的程度和冲击更高。银行间同业拆借利率、债券市场行情、保险机构实力、汇率和证券二级市场是主要影响因素。

二、互联网保险活期理财产品基本情况

对于互联网保险理财产品来说，2015年之前保险理财市场以中短期的万能险、投连险为主，但受监管要求，现在万能险和投连险几乎从互联网理财渠道消失，取而代之的是个人养老保障管理产品。据融360调查发现，截至2018年7月末在主流的互联网保险理财销售渠道中，由保监会批准设立的养老保险公司发行的个人养老保障管理产品占到9成以上。

本文研究发现目前通过互联网渠道发行的保险活期理财产品主要在腾讯理财通平台上，并设置专门的理财专区进行销售。理财通作为一个用户数超1亿人、总成交量超2万亿元的理财平台，能够为用户提供多样化的理财服务，主要包括货币基金类产品、保险理财等，投资者可以灵活理财，随时存取。腾讯理财通平台上的“国寿嘉年天天盈”等保险活期理财产品更是一直处于平台畅销榜中，因产品风险低，收益稳健，受到了广大投资者的喜爱。目前，腾讯理财通平台在售的理财通活期理财产品如表1所示。

表1 理财通保险活期产品情况(截至2018年11月末)

注：资料来源于腾讯理财通平台。

总体来看，互联网保险活期理财产品通过精选期限适中、风险较低、收益较高的项目，力求在满足安全性、流动性需要的基础上实现更高的收益率，具有“资金稳健、投资范围广、高流动性、低门槛性”的特点，比较适合稳健类投资者以及习惯在互联网渠道购买理财产品的年轻人。

三、EEMD-QR模型构建

Huang等首次提出经验模态分解(EMD)模型，结合时间域和频率域来分析时间序列内在特征，是一种非参数、经验性的分析非线性非平稳的时间序列的方法[18]。Wu等在EMD基础上提出集合经验模态分解(EEMD)模型[19]。EMD模型是将原始时间序列数据根据其内在特征进行多尺度分解提取，从而得到一组频率特征不同的分量，即本征模函数(intrinsic mode function，imf)，适用于处理互联网保险活期理财产品收益率这样的非线性、非平稳数据，最终可以将互联网保险活期理财产品收益率原始序列s(t)分解为imf函数和一个趋势项rn(t)，即：

(1)

其中，t表示时间；s(t)表示时间序列。

EEMD具体分解步骤如下：

(1)在互联网保险活期理财产品收益率原始序列s(t)中多次加入均值为0、标准差为常数的白噪声，即：

si(t)=s(t)+wi(t)

(2)

其中，si(t)为第i次加入白噪声后的序列；wi(t)为第i次加入的白噪声。

(2)对新组成的时间序列si(t)分别进行EMD 分解，得到各自的imf，记为cij(t)，与一个余项式ri(t)，其中cij(t)为第i次加入白噪声后分解得到的第j个imf。

(3)根据白噪声足够多次试验可相互抵消的特性可知，将上述分解中对应的imf计算算术平均值就可得到经验分解后的最终imf，即：

(3)

其中，N为加入白噪声的次数，cj(t)为原始序列EEMD后得出的第j个imf。

然后，按照以下的步骤对各imf进行集成，生成高频imf和低频imf。

(1)计算本征模函数imf1(t)到imfn(t)的算术平均值。

(2)对本征模函数imfi(t)的平均值进行不等于0的t检验。

(3)将本征模函数imf1(t)，…，imfi-1(t)加总构成频率较高的成分，即为高频分量；将imf1(t)，…，imfn(t)加总构成频率较低的成分，即为低频分量。

互联网保险活期理财产品收益率经过EEMD模型分解的各分量进行组合得到高频/低频imf分量以及趋势项都具有自己独特的属性和比较强的经济学意义。趋势项的时间序列能够看作代表原始序列中的内在运行轨迹，客观准确地提取出趋势项序列具有非常重要的经济学意义和实际意义[18]。其沿着原始序列的长期均值缓慢变化，可视作互联网保险活期理财产品收益率变化的潜在趋势。低频分量的突发性上升或者下降一般和一些重大事件相对应，代表着这些重大事件的影响。高频分量一般振幅较小，主要代表着互联网保险活期理财产品的随机波动。进一步分析并量化互联网保险活期理财产品收益率的影响因素，并通过相关分析来检验这些影响因素与对应分量之间是否存在显著相关关系。

最后，通过分位数回归(QR)模型来分析具有显著影响的因素与互联网保险活期理财收益率之间的关系。通过考察解释变量对响应量在不同分位点处的异质影响，能够挖掘到更加丰富的信息，进而得出收益率整个条件分布特征的描述。

四、收益率EEMD模式分解

(一)数据与描述

本文选取腾讯理财通平台上“保险理财”产品中的国寿嘉年天天盈产品作为代表来研究互联网保险理财产品的收益率。一方面是因为该产品处于理财通平台保险活期理财板块显示的首位；另一方面，经理财通平台披露，截至2018年11月末，国寿嘉年天天盈产品已累计成交6 021万笔，其累计成交笔数远远超过平台其他同类产品之和，因此具有比较高的代表性。同时选取国寿嘉年天天盈的万份收益率来代表本产品的收益率。因理财通平台只披露近两个月的数据，通过本文研究期间对理财通平台数据的跟踪，选取从2017年7月31日到2019年2月28日的数据共578个。国寿嘉年天天盈收益率分布如图1所示。

图1 国寿嘉年天天盈的收益率分布

首先，对国寿嘉年天天盈收益率(GS)数据进行平稳性检验，检验结果如表2所示。由表2可知，p值大于10%，不能拒绝原假设，即认为国寿嘉年天天盈收益率序列是非平稳的；然后对其进行一阶差分后进行平稳性检验，发现拒绝原假设，即一阶数据是平稳的。所以选取EEMD模型可以很好地从多尺度分解分析其收益率的内涵特征。

表2 国寿嘉年天天盈的收益率(GS)及一阶数据(DGS)ADF平稳性检验结果

(二)imf分量及其分析

在Matlab平台上编程实现了EEMD模型分解，最终可以将研究期间共计578天的原始的国寿嘉年天天盈的收益率数据进行分解，得到7条具有不同特征的imf分量和1个趋势项R，如图2所示。可以看到，随着所有被分解出的imf分量从高频逐渐向低频移动，其振幅基本上逐渐变大，且最后1项R(t)是一个单调的可以反映理财收益率的长期趋势。

图2 基于EEMD模型分解的imf分量和趋势项图

本文从imf的平均周期和原始序列的相关系数、方差占比这几个指标来分析，EEMD模型分解后各分量特征如表3所示。可发现，与原始序列相关程度最高的是趋势项，其系数为0.87，远高于其他imf与原始序列的相关程度。通过EEMD分解后最高频的imf分量的周期短，其波动与原始时间序列有一定的相似度，使其与原始序列的相关性较高。继续分解后得到的处于中间水平频率的imf分量的周期与相关系数也有很大的关系，这些imf分量的相关系数相对较低，可能是因为随着imf分量频率的逐渐降低，其波动相对而言会逐渐减缓，此时当原始的收益率序列仍按照一定的趋势运转时，这部分imf分量也会按照趋势进行延展导致出现了一定的滞后反应，从而出现与原始序列相左的情况。而低频的imf分量因为影响着互联网保险活期理财产品的收益率的重大波动，与原始序列的相关程度较高。

表3 EEMD模型分解后各分量特征 (%)

注：**、***分别表示在5%和1%的水平下显著。

通过方差分析发现，仅趋势项占比40.88%，占模式分解后各分量方差之和的比例高达61.36%。imf 7占原始时间序列方差的比例为7.84%，占模式分解后方差的比例为11.77%，仅次于趋势项对于原始序列的冲击占比，说明当受到重大事件冲击的时候，低频imf分量和趋势项对于国寿嘉年天天盈的收益率贡献程度很大。同时，因为国寿嘉年天天盈的收益率的日间随机波动比较大，它也对国寿嘉年天天盈的波动具有一定贡献。

(三)结构特征分析

基于EEMD模型分解的各频率判别图如图3所示。

图3 基于EEMD模型分解的各频率判别图

对各imf进行集成，生成高频imf和低频imf。根据前述可得：imf 1—imf 5为高频部分，加和作为高频分量；imf 6—imf 7归为低频部分，加和作为低频分量；趋势项作为独立的分量。通过EEMD模型分解互联网保险活期理财产品得到的各分量进行组合后的高频imf分量、低频imf分量以及趋势项的特征，如表4所示。

表4 高频/低频imf分量以及趋势项特征 (%)

注：***表示在1%的水平下显著。

1.趋势项特征——内在发展趋势

趋势项和原始时间序列的相关系数达0.87，趋势项占原始时间序列方差的40.88%，占EEMD模型分解后方差的58.30%。趋势项与原始序列的相关系数与方差波动占比均比其他imf分量高，说明趋势项是互联网保险活期理财产品的重要组成部分，基本可以反映本互联网保险活期理财产品的发展趋势。

国寿嘉年天天盈的投资管理人分别是中国人寿养老保险股份有限公司和嘉实基金管理有限公司。中国人寿养老保险股份有限公司负责不动产类金融资产、其他金融资产的配置，嘉实基金管理有限公司负责资产配置和存款、债券等证券化金融产品管理，其投资比例比较高的主要是流动性资产以及固定收益资产，互联网保险活期理财产品的收益率与投资管理人的投资能力及投资的较高流动性标的息息相关。这说明从长期来看，互联网保险活期理财产品的收益率与国内同业市场资金面的松紧程度以及固定收益市场的收益情况相关。

2.低频曲线特征——重大事件影响

趋势项对于收益率的影响是缓慢的，且稳定在一定的水平上，因此国寿嘉年天天盈收益率的大幅波动是重大事件对于互联网保险活期理财产品收益率的冲击造成的。低频分量与原始时间序列的相关系数为0.75，远高于高频曲线与原始序列对应的相关系数0.47。低频分量占EEMD分解后方差的比例为15.02%，这也与一直以来互联网保险活期理财产品的收益率因风险不高相关，整体上收益率波动没有像其他常见的理财产品的波动那么大，受重大事件的影响但是敏感程度不高。国寿嘉年天天盈的收益率主要受资管新规、货币政策以及国内外金融市场环境的影响。

随着资管新规的落地实施，打破刚兑的要求明显冲击了之前的理财市场。短期来看，互联网保险活期理财产品面临着一定的转型和调整压力，对投资标的的限制可能使产品收益率下降。而自从2018年3月发生钱荒以来，国内先后经历了全国降准、定向降准、中期借贷便利大规模净投放等多次降准举措，实行稳健中性的货币政策，保持流动性的合理充裕，使得理财产品收益呈现下滑的趋势。

同时，在中美贸易摩擦的影响下，整个国际金融市场处于极大的波动中，投资者对于金融资产的风险偏好降低，并传导到国内金融市场，使得国内投资理财市场受到了很大的影响。由此造成的股市行情持续低迷会加剧投资者投资偏向低风险、高流动性的理财产品，引起互联网理财产品市场收益率进一步下跌。

通过EEMD分解可以分析这些事件对互联网保险活期理财产品的影响及结果，既可以帮助我们来评判重大事件带来的影响程度，也可为以后的投资者进行决策提供参考。

3.高频曲线特征——随机波动影响

互联网保险活期理财产品收益率除了受其潜在的趋势因素和重大事件的影响外，其高频曲线的变化特征主要代表着市场随机波动带来的影响。对国寿嘉年天天盈的收益率的影响主要体现在imf 1—imf 5组成的低频分量上，高频分量与原始序列的相关系数为0.47，相关程度最小。因为互联网保险活期理财产品可投资标的品种和范围较“宝宝类”产品相对较大，其日间波动也相对较大，这也是互联网保险活期理财产品独特的特点，其频繁的波动会对理财收益率造成影响。对于短期的预测来说，高频分量不可或缺，但是从较长期的角度来看，可以忽略高频分量的影响。图4为国寿嘉年天天盈收益率及各分量曲线图。

图4 国寿嘉年天天盈收益率及各分量曲线图

综上所述，趋势项代表了理财收益率的内在趋势，与管理人的投资能力与投资标的相关，可以基本反映收益率的发展走势。低频分量代表了重大事件的影响作用，重大事件的出现会对收益率造成较大的波动，观测期内资管新规落地、各项降准举措的实行以及中美贸易摩擦带来的理财市场低迷，都引起了理财收益率的不断下行。高频分量的频繁波动代表了产品本身随机波动的影响，与收益率相关性最小。

五、基于QR模型实证分析

由前面分析可知，互联网保险活期理财的趋势项和低频分量对于收益率的解释性更强。因此研究二者的影响因素能够帮助我们更好地认识和投资互联网保险活期理财产品。根据这些因素的特点并结合我国金融市场发展的具体情况，进一步选择出互联网保险活期理财产品收益率影响因素的量化指标如下。

(一)趋势项因素的量化指标

(1)银行间同业拆借利率。在我国金融市场上，银行的存款利率通常能够反映出当前资金面的松紧水平。李东荣指出上海银行间同业拆借利率隔夜利率(shibor)作为货币市场基准利率整体上能够较好地反映资金成本、市场供求和货币政策预期的变化[20]。因此本文也选取shibor来作为判断市场利率的基准，来表现资金面的需求关系。

(2)债券市场行情。国寿嘉年天天盈投资短期固定收益资产比例为0～190%，占比相当高，因此债券市场的行情也会影响互联网保险活期理财产品的收益情况。参考闫红蕾等的研究，国债的利率期限结构决定基准无风险利率[21]。本文选取一年期国债收益率来代表短期债市的市场行情。

(3)保险机构实力。互联网保险活期理财产品的管理人主要是保险资管机构，而理财投资管理人的主动管理能力是关系投资风格及收益的一个关键因素，这也是互联网保险活期理财区别于其他理财产品的一个重要的原因，因此研判保险机构的实力也十分重要。本文选取的Wind保险Ⅱ指数可以在一定程度上代表保险行业及机构的实力，以此来研究其对于收益率的影响。

(二)重大事件因素的量化指标

(1)汇率。随着中国逐渐走向世界，国际环境的不确定性给中国的金融市场带来了极大的冲击，特别是2018年以来开启的中美贸易战更是一个黑天鹅事件，至2019年又逐渐缓和，国际趋势的变化深刻地影响了国内外资的流通。正是人民币汇率的波动冲击着国内外资金的流动，然后影响着各种金融工具的价格，影响着我国金融市场的资金面，互联网保险活期理财产品的收益自然也深受影响。王胜等实证描述了汇率的动态传递效应[22]。因此本文选取美元兑人民币的中间价作为汇率数据，来研究汇率的变动对互联网保险活期理财产品收益率的影响。

(2)证券二级市场行情。证券市场反映了理财市场人们对于风险资金的偏好程度，证券市场低迷会吸引大量资金投入非证券市场，互联网保险活期理财也包括在内。参考赵雪谨和张卫国采用上证综合指数和深证成份指数来构建和描述股票市场的资产收益率回报[23]，本文选取上证指数来研究证券二级市场对于收益率的影响。

考虑到数据的可得性与一致性，将国寿嘉年天天盈自2017年7月31日至2019年2月28日的收益率(GS)作为被解释变量，然后选取对应时间的上海银行间同业拆借利率隔夜利率(shibor)、一年期国债收益率(GZ)、Wind保险Ⅱ指数(BX)、汇率(LV)、上证指数(SZ)。以上数据均来自Wind经济数据库。考虑到周末以及节假日等因素，部分数据存在缺失的状况可能无法匹配，所以在以日为计算周期的基础上，休息日的数据采用平均插值法计算得来。

(三)实证结果

首先，考虑到各影响因素之间可能存在相关性，因此本文通过Pearson相关系数法来计算各影响因素间的相关性，计算结果如表5所示。

表5 影响因素间的相关关系

从表5中可以看出，只有一年期国债收益率和上证指数之间存在高度相关性，其他影响因素之间的相关性都比较低。为了方便后面详细分析各影响因素对收益率的影响，本文保留所有的5个影响因素，不作降重处理。

然后验证各影响因素与对应分量之间的关系，影响因素与对应分量之间的关系如表6(a)、表6(b)所示。可以发现各影响因素与对应收益率分量是显著相关的。

表6(a) 影响因素与趋势项之间的关系

表6(b) 影响因素与低频imf之间的关系

注：***表示在1%的水平下显著。

其次，对所研究的变量取对数，使得其对应的时间序列保持平稳，同时减少共线性和异方差出现的概率。表7为变量的描述统计量。可以发现国寿嘉年天天盈产品收益率的波动水平比较高，这也与其日间频繁的随机波动有关。同时，国寿嘉年天天盈的收益率的偏度小于0、峰度小于3，表现出负偏平坦峰的分布形态。然后根据JB统计量的结果可以看出各变量的时序数据的分布特征都是显著的非正态分布。因此，通过分位数回归模型可以更全面地描述互联网保险活期理财产品收益率及其影响因素之间的相关关系。

表7 描述统计量

注：***表示在1%的水平下显著。

接着采用分位数回归(QR)模型来研究分析在不同分布状态下的国寿嘉年天天盈收益率与其影响因素的相关性。为了详细观察不同分位数下，国寿嘉年天天盈产品收益率的波动与各影响因素之间的相关性，本文选取τ=0.1至τ=0.9，研究共9个分位数下分位数回归的情况，结果如表8所示。

表8 收益率与各影响因素的分位数回归结果

续上表

注：*、**、***分别表示在10%、5%和1%的水平下显著；括号中的值表示t统计量。

通过表8可以发现，在不同的分位数水平下各影响因素对于国寿嘉年天天盈收益率的影响方向及影响程度的变化。从回归结果来看，上海银行间同业拆借利率隔夜利率对国寿嘉年天天盈收益率的影响是反向的。在其他条件保持不变的情况下，上海银行间同业拆借利率的增加会让收益率随之降低，而且当收益率处于较高水平的时候，其负向的影响更加显著。这也说明在货币流动性放松的情况下，保险活期理财产品可投资标的范围较大，收益率能保持比较稳健的水平。汇率对国寿嘉年天天盈收益率的影响同样是反向的，在其他条件保持不变的情况下，汇率的增加会让收益率随之降低，特别是当收益率处于低分位的时候，汇率会对收益率造成更明显的负向影响。这说明贸易战等国际环境的不稳定引起的汇率波动会造成互联网保险活期理财产品的收益率随之下降。上证指数只有当互联网保险活期理财产品收益率不处于极端水平(分位数水平为0.4～0.9)的时候，才对互联网保险活期理财产品收益率具有显著负向影响，且在中间分位对收益率的影响程度最为显著。这说明互联网保险活期理财产品的投资策略较为稳健，受极端值的影响较小。国债收益率对国寿嘉年天天盈收益率保持着显著的正向影响，国债收益率的上涨会带来互联网保险活期理财收益率的上涨，而且一直都保持着稳定的正向影响程度。主要是因为其投资风险比较低、期限比较短的固定收益产品的比例非常高，这些固定收益的收益率波动会直接影响互联网保险活期理财产品的收益率。保险指数对于国寿嘉年天天盈收益率的影响是正向的，这可能是因为保险指数从侧面反映保险机构的发展投资水平以及当下市场对于保险机构的认可程度，保险指数上涨，其收益率也随之上涨。

再次，进一步采用QR模型来研究分析在不同分布状态下的国寿嘉年天天盈收益率经过EEMD分解后得到的趋势项序列、低频序列与各影响因素的相关性。同样选取τ=0.1至τ=0.9，研究共9个分位数下分位数回归的情况，结果如表9(a)、表9(b)所示。

表9(a) 收益率趋势项与各影响因素的分位数回归结果

注：*、**、***分别表示在10%、5%和1%的水平下显著；括号中的值表示t统计量。

表9(b) 收益率低频imf与各影响因素的分位数回归结果

续上表

注：*、**、***分别表示在10%、5%和1%的水平下显著；括号中的值表示t统计量。

通过表9(a)、表9(b)可以进一步发现，当分位数为0.1～0.6时，上海银行间同业拆借利率对国寿嘉年天天盈收益率趋势项的影响是正向的；而当分位数继续增大时，这种影响变为反向；但是当分位数处于中间水平时，影响不显著。这可能是由于当国寿嘉年天天盈收益率处于正常水平时，投资者对保险机构的发展投资水平等因素不敏感；上海银行间同业拆借利率对国寿嘉年天天盈收益率低频imf的影响呈“U”形，且始终是反向的。汇率对国寿嘉年天天盈收益率趋势项和低频imf的影响都是反向的，而且对趋势项的影响更为显著，因此可以得出汇率主要影响国寿嘉年天天盈收益率的趋势项的结论。上证指数对国寿嘉年天天盈收益率趋势项的影响在低分位数下为负向的，随着分位数的增加，影响效果总体呈逐渐减弱的趋势，当分位数为0.9时，影响变为正向的，逐渐增大；上证指数对国寿嘉年天天盈收益率低频imf的影响恰好相反。国债收益率对国寿嘉年天天盈收益率趋势项的影响随着分位数的增加逐渐减弱，且一直为正向的；国债收益率对国寿嘉年天天盈收益率低频imf的影响先反向后正向，且随着分位数的增加影响先减弱后逐渐增强。同时，发现国债收益率对国寿嘉年天天盈收益率趋势项的影响更为显著，因此可以得出国债收益率主要影响国寿嘉年天天盈收益率的趋势项的结论。保险指数对国寿嘉年天天盈收益率趋势项的影响比较小，对低频imf的影响更为显著，且随着分位数的增加逐渐增强。因此可以得出保险指数主要影响国寿嘉年天天盈收益率的低频imf的结论。

最后，更进一步地，我们除了将国寿嘉年天天盈收益率进行EEMD分解，得到趋势项序列和低频序列(高频序列可以忽略)，还将各影响因素也进行EEMD分解，得到趋势项序列和低频序列，并采用QR模型来研究分析收益率的趋势项序列与各影响因素的趋势项序列的相关性以及收益率的低频序列与各影响因素的低频序列的相关性。同样选取τ=0.1至τ=0.9，研究共9个分位数下分位数回归的情况，结果如表10(a)、表10(b)所示。

表10(a) 收益率趋势项与各影响因素趋势项的分位数回归结果

续上表

注：*、**、***分别表示在10%、5%和1%的水平下显著；括号中的值表示t统计量。

表10(b) 收益率低频imf与各影响因素低频imf的分位数回归结果

续上表

注：*、**、***分别表示在10%、5%和1%的水平下显著；括号中的值表示t统计量。

通过表10(a)、表10(b)可以看出，国寿嘉年天天盈收益率的趋势项主要受到汇率趋势项、保险指数趋势项和上证指数趋势项的影响，并且在不同的分位数下影响都比较稳定。汇率趋势项和保险指数趋势项对国寿嘉年天天盈收益率趋势项的影响是反向的，上证指数趋势项对国寿嘉年天天盈收益率趋势项的影响是正向的。低频imf几乎受到全部5个影响因素低频imf的影响，汇率低频imf和上海银行间同业拆借利率低频imf对国寿嘉年天天盈收益率低频imf的影响是反向的；上证指数低频imf和保险指数低频imf对国寿嘉年天天盈收益率低频imf的影响是正向的。在低分位数下，国债收益率低频imf对国寿嘉年天天盈收益率低频imf的影响是反向的，随着分位数的增加，这种影响变为正向的。

在此基础上，通过分位数回归来描述理财通平台上目前在售保险活期理财产品及其影响因素之间的关系，如图6所示。

(a)国寿嘉年天天盈 (b)平安养老富盈5号

(c)太平养老顾养天天图6 各保险活期理财产品与其影响因素之间的关系

可以发现，其他保险活期理财产品与其影响因素之间的关系与国寿嘉年天天盈是一致的。上海银行间同业拆借利率对收益率的影响绕均值波动，但总体上呈下降趋势，在高分位的负向影响更大。国债收益率对于收益率的影响呈波动趋势，但总体上保持在一个稳定的水平上。保险指数对于国寿嘉年天天盈收益率的影响则相反，呈现倒“U”形，但总体上绕均值波动，对收益率的影响因素呈现正向的趋势。利率对收益率的影响呈现上升的趋势，随着分位数的增高，利率对于收益率的负向影响程度越来越弱。上证指数对于收益率的影响呈现“U”形，在达到最低点后逐渐上升。

六、结 论

本文通过EEMD对互联网保险活期理财收益率进行多尺度分解得到一组具有不同频率的分量，并分析各分量的特征，从定量和定性的角度分析出其主要影响因素。然后通过QR模型，分析各影响因素与收益率在不同分位数水平下动态关系。本文的主要结论如下：

第一，通过EEMD分解可知，互联网保险活期理财产品收益率主要是由代表着产品内在发展趋势的趋势项和代表着重大事件影响的低频向量决定的，而且趋势项对收益率影响的程度和冲击更高。然后量化并验证相关因素，包括银行间同业拆借利率、债券市场行情、保险机构实力、汇率以及证券二级市场行情5大因素。

第二，通过EEMD-QR实证分析模型分析在不同分布状态下的国寿嘉年天天盈收益率与其影响因素的相关性，可以发现：①互联网保险活期理财与各个指标在各分位数水平下基本上是显著相关的，除了上证指数在低分位数水平下影响不显著外，上海银行间同业拆借利率隔夜利率(shibor)、汇率(LV)和上证指数(SZ)对于收益率具有负向的显著影响作用。且当收益率处于较高的水平的时候，shibor下降会导致收益率更加显著的上涨；收益率处于低分位的时候，LV则会对收益率造成更明显的负向影响；SZ则是在收益率中间分位对收益率的影响程度最为显著。一年期国债收益率(GZ)和Wind保险Ⅱ指数(BX)对于收益率具有正向的显著影响作用。收益率在不同分位数水平下受到GZ的影响都比较稳健，保持着比较稳定的正向影响作用；BX对收益率的影响呈现倒“U”形，在中间分位数水平下对收益率具有更显著的影响。②通过进一步分析在不同分布状态下的国寿嘉年天天盈收益率经过EEMD分解后得到的趋势项序列、低频序列与各影响因素的相关性可以发现：国寿嘉年天天盈收益率趋势项主要受汇率和一年期国债收益率的影响；低频imf几乎受到全部5个影响因素的影响，但受汇率的影响最大。③更进一步分析收益率的趋势项序列与各影响因素的趋势项序列的相关性以及收益率的低频序列与各影响因素的低频序列的相关性，发现国寿嘉年天天盈收益率的趋势项主要受到汇率趋势项、保险指数趋势项和上证指数趋势项的影响，并且在不同的分位数下影响都比较稳定，低频imf几乎受到全部5个影响因素低频imf的影响。