农户非农就业、金融素养与家庭金融资产配置

周雨晴 何广文

摘要：通过建立对数正态跨期决策模型从理论上探讨了非农就业、金融素养和金融资产配置三者之间的关系，利用中国家庭金融调查（cHFS）2015年全国调查数据进行实证检验。结论显示，相对于在家务农，农户非农就业会显著提高其金融市场参与率和风险金融资产配置比例，而且金融素养是非农就业影响农户金融行为的一条重要渠道，其中介效应可达14%左右。研究结论指出，扩大农户非农就业空间、提高农户金融素养能够有效缓解农村金融排斥，提高农户金融市场参与，使农户有更多机会进入金融市场进行投资理财并实现其资产的保值增值。

关键词：非农就业：金融素养;金融资产配置

中图分类号：F015 文献标识码：A 文章编号：1007-2101（2020）06-0083-11

一、引言与文献综述

长期以来，在我国城市和工业化改革进程中，存在着以户籍制度为基础的城乡壁垒，城乡治理体制、市场体系和资源投人均存在显著差异，这不仅造成了城乡经济“二元结构”。同时也导致城乡金融“二元结构”。中国工业和城市发展战略及二元金融结构必然会以农村金融排斥为代价。金融排斥使一部分人不能以恰当的方式获得储蓄、基金、保险、贷款等方面的金融服务。也就是说，农村金融排斥使得农户难以进入主流金融体系享受金融产品与服务，这不仅表现为农户难以从正规金融机构获得信贷支持，同时也阻碍了农户参与金融市场进行投资理财并实现财产性收入。

党的十七大报告指出“创造条件让更多群众拥有财产性收入”。随着社会经济发展，越来越多的城市家庭开始注重资产的保值增值，而农村家庭却普遍难以参与到金融市场中去。无论是金融市场参与率还是股票、基金、理财等风险金融资产的配置比例均显著低于城市居民。李芳（2018）进一步指出。城市地区劳动力相对较少却拥有大量的金融资产。而农村地区金融资产不足却有众多劳动力。这种要素的不匹配严重影响了金融和经济结构的协调性，加剧了城乡发展差异。然而，劳动力从农村到城市的自由流动可能会缓解这一问题。

随着农业现代化和土地经营规模化的发展。大量的农村劳动力从土地上释放出来。为了谋求更广阔的发展空间和更高的劳动收入，农村劳动力开始向城市迁移，城乡劳动力和金融资产这两种要素的分布迎来了重新洗牌的机遇。据中国国家统计局2018年发布的《2017年农民工监测调查报告》显示，2017年中国农民工总量达到2.87亿人，其中1980年及以后出生的新生代农民工和大专及以上学历农民工占比显著提高。这些农民工在建设城市的过程中也享受着现代城市发展带来的红利，相对留在家中务农，非农就业的农民则有更大的几率了解、获得和使用金融服务与产品，同时也有更多机会和意愿参与到金融市场中去进行投资和理财。

受微观数据制约，我国金融资产配置领域的研究始于2010年，研究尚不全面、不成熟。目前并未见到研究农户非农就业对金融资产配置影响的文章。但是非农就业作为重要的人力资本因素，会给农户带来收入、观念、知识与信息等多方面的影响，所以势必对其金融资产配置行为产生影响。一般研究认为，收入增长无疑会提高金融市场参与率与风险金融资产配置比例。因此直观来看，非农就业可能是通过影响农户收入进而影响到其金融资产配置行为。但是据西南财经大学2015年《中国家庭金融调查》数据显示，对没有投资股票的受访者采集原因时。46.64%选择了“没有相关知识”或“没听说过”。而选择“资金有限”的仅有17.32%。因此，我们可以猜想。非农就业对金融素养的正向提升才可能是影响农户金融决策更为重要的途径。2018年11月，中国金融教育发展基金会首份《中国农村居民金融素养抽样调查报告》显示，我国农村居民金融素养水平整体偏低，67%的农户对如何区分假币有所掌握。对其他金融知识的掌握很薄弱，甚至没有接触渠道。由此可见，农村居民金融知识贫瘠，而随着大量农民跳出农地桎梏。农户非农就业带来的不仅是收入增长，同时也可以使他们有更多渠道和机会接触到金融知识或参与金融培训，从而促进其金融素养提升，并最终影响到他们的金融资产配置行为。

二、理论模型

金融资产配置模型最早源于经典的Markowitz（1952）均方差分析，此后经济学家在资产选择模型的构建和推导上做出了许多努力。笔者将在前人理论成果的基础上，借鉴Gollier（2001）的效用理论观点及Campbell和Viceira（2002）的资产配置分析框架，建立一个含相对风险厌恶系数的幂效用对数正态跨期决策模型.在经典模型基础上新引入参与金融市场固定成本（金融素养和其他因素的函数）参数，并就此探讨了务农者和非农就业者的差异化金融资产配置行为。

假设家庭仅在两期内进行决策。在第t期进行投资决策，第t+1期获得收益并进行消费。则家庭效用的目标函数与约束条件可以表示为：

H1：相对于在家务农，农户非农就业会显著提高其金融市场参与率和风险金融资产配置比例。

在研究非农就业对农户金融决策影响时，由于金融素养是我们考察的重要的中介渠道之一，当kf>kn，即非农就业者有更多机会和渠道接触金融知識、提升金融素养。而金融素养会影响投资者参与金融市场需克服的信息等固定成本，即Tf（kf，δf）

H2：农户非农就业影响其金融资产配置行为的一条主要中介渠道是金融素养的提升。

其中H2中包含两个子假设：H2a：非农就业使得农户金融素养提升;H2b：金融素养的提升会促进农户更多地参与金融市场并持有更高份额的风险金融资产。

同时，我们需要注意到的是，非农就业者除了金融素养k有所差异，人力财富（预期未来劳动收入）L和其他影响参与成本的因素δ均是不同的。因此，金融素养并非唯一的中介渠道。金融素养的中介过程是不完全的。据此，我们提出假设3。

H3：金融素养并非唯一的中介渠道，即存在不完全中介效应，即使非农就业者与务农者金融素养相同，其金融决策行为也会有所差异。

三、数据、变量和模型方法

（一）数据介绍

笔者使用西南財经大学中国家庭金融调查与研究中心主持的“中国家庭金融（CHFS）”2015年全国调查数据。CHFS采用三阶段、分层、与人口规模成比例（PPs）的抽样方法调查了不含港澳台地区和新疆、西藏自治区以外的全国29个省（自治区、直辖市）。调查内容包括家庭成员的人口统计特征、家庭资产负债、保险与保障、支出与收入四大方面。2015年调查样本规模总计37 289户家庭，提供户籍信息的有36 691户。其中农业户籍家庭有19 661户，非农业户籍家庭14 770户。统一居民户籍家庭2 257户，无户籍家庭3户。笔者在19 661户农业户籍家庭中排除因年老、丧失劳动能力等原因核心成员不再工作的5 392户家庭，选取核心成员有工作的14 269户家庭作为研究对象。

需要说明的是，CHFS将家庭总资产分为流动性较差的非金融资产和流动性较好的金融资产两部分。非金融资产包括农业经营资产、工商业经营资产、土地资产、房产、车辆资产和其他非金融资产。金融资产包括无风险金融资产和风险金融资产.其中无风险金融资产包括社保账户余额、现金、存款、债券等：风险金融资产包括股票、基金、衍生品、理财、外币资产、黄金等。

（二）变量选择

1.被解释变量。在研究家庭金融资产配置问题时。我们主要关注的被解释变量有“是否参与金融市场（Ifrisk）”和“风险金融资产占金融资产比例（Risk-finance）”。前者衡量家庭是否参与金融市场，即是否配置风险金融资产：后者衡量参与金融市场的深度，即家庭配置的风险金融资产占金融资产的比重。

2.核心解释变量。我们关注的核心解释变量是“非农就业（Non-farm）”。如果受访的农村户籍居民仍以务农为主业，这一解释变量赋值为0，如果以非农行业为主业，则赋值为1。

3.中介变量。我们选取的中介变量是金融素养（F_Literacy）。金融素养可以分为主观金融素养和客观金融素养，主观金融素养一般是让受访者自我评价其对股票、基金、理财等产品的了解程度，而客观金融素养是要求受访者客观回答金融知识问题。因此，客观金融素养比主观金融素养更可靠。受受访者主观意识影响较小。CHFS调查问卷中设置了四个客观的经济金融知识问题：“是否上过经济金融类课程？”“假设银行的年利率是4%，如果把100元钱存1年定期，1年后获得的本金和利息为？”“假设银行的年利率是5%，通货膨胀率每年是3%，把100元钱存银行1年之后能够买到的东西将？”“您认为一般而言，股票和基金哪个风险更大？”受访者接受过经济金融课程培训以及正确回答任一问题，均可累积1分。没有参与过课程培训、问题回答错误或无法回答则不记分。因此，根据受访者答题情况，金融素养指标最大赋值为4。最小赋值为0。

4.控制变量。在我们关注的解释变量外，还有许多因素会影响家庭金融市场参与和金融资产配置.我们必须对这些因素加以控制。我们通过对相关文献的整理和分析，构造了如下一系列控制变量。首先，家庭的资产和收入水平是影响金融决策的主要因素，因此我们控制了“家庭总资产（Asset）”和“家庭年收入（Income）”。其次，家庭规模和社会网络也是影响家庭金融资产配置的重要因素。因此我们控制了“家庭成员数量（Num）”和“同城血亲数量（Relatives）”。最后，受访者的人口统计学特征也是重要的影响因素，考虑到这点，我们控制了“受访者风险规避程度（Risk aversion）”“受访者受教育年限（Education）”“受访者年龄（Age）”“受访者性别（Gender）”“受访者婚姻状态（Married）”“受访者健康状况（Health）”。由于“家庭总资产”和“家庭总收入”在不同样本户中的分布差异较大，为了平稳数据。我们实证中采用对数形式。

表1是变量说明及其描述性统计。从被解释变量分布特征来看，样本家庭金融市场参与率为5.72%，配置风险金融资产占总金融资产的比例平均为1.97%，金融市场参与率和风险金融资产配置比例均处于非常低的水平，由此可见，我国农村家庭金融市场“有限参与”问题非常严重，农村金融排斥问题广泛存在。从核心解释变量分布特征来看，样本农户家庭中有45.32%属于非农就业，非农就业比例较高。从中介变量特征来看，金融素养指标取值范围为0～4，而均值仅为0.748 1，农户金融素养水平相对较低。具体而言，能正确回答三个经济金融问题的农户占比分别为20.48%、14.57%、36.62%。而参加过经济金融类课程培训的农户仅有3.14%。

（三）模型设定与实证方法

1.模型设定。根据前文提出的三个假设，我们可以构建以下模型：

由于被解释变量Yi“是否参与金融市场”或“风险金融资产占金融资产的比例”皆是受限因变量。因此被解释变量Yi由其潜变量Yi*决定。其中式（15）的系数a1为非农就业影响金融资产配置行为

当不可观测因素同时影响二元选择变量，Di和结果变量Yi时，选择方程与结果方程中的误差项相关系数不为0。即存在内生性问题。需要采用内生转换模型予以纠正。内生转换模型将在估计二元选择方程（18）的基础上，计算得出逆米尔斯比率入，后将入引入结果方程来纠正估计偏差。

其次，在检验式（16）中非农就业对农户金融素养的影响时，从理论上分析，思维能力、认知能力等一些不可观测的遗漏变量也会同时影响非农就业和金融素养。谨慎起见，我们同样采用了内生转换模型加以克服，在设定上除了将结果方程（19）和（20）中的因变量更换为金融素养，其余均无变化，故不再加以赘述。

最后，在检验式（17）时，除了多引入了中介变量金融素养，其余与检验式（15）时的设定相同，因此同样使用内生转换模型予以纠正。

四、实证检验和结果分析

（一）农户非农就业对家庭金融资产配置的影响

表2和表3分别给出了以“是否参与金融市场”和“风险金融资产占总金融资产比例”为因变量的内生转换模型估计结果，两表回归结果较为相近。代表选取的一系列控制变量对是否参与金融市场和参与金融市场深度的影响机制是类似的。表2和表3最后一列是我们选取的控制变量影响农户“是否非农就业”的选择方程。第二和第三列则是控制变量影响处理组（非农就业者）和对照组（农业就业者）两类群体家庭金融市场参与和风险金融资产配置的结果方程。

首先。如表2和表3中选择方程结果所示。家庭及个人特质会显著影响农户非农就业。其一，家庭资产和收入水平对农户非农就业具有显著正向影响。这可能是因为经济较为充裕的农户更容易进入到非农行业从事非农工作。其二，家庭规模对农户非农就业具有负向影响。这可能是因为农户家庭人口越多，抚养比越高。家庭中的核心劳动力为了照顾家庭更多地选择在家务农。其三。同城亲戚数量负向降低了农户非农就业的概率。这可能是因为受血缘地缘限制。在农村区域亲属越多。越不愿外出从事非农行业。其四，受教育程度和健康状况对农户非农就业具有正向影响，而年龄增长、女性、已婚等因素不利于农户从事非农就业。

其次，如表2与表3中资产配置决策的结果方程所示，我们选取的大多数控制变量对处理组和对照组家庭金融市场参与和金融资产配置具有显著影响。其一。资产水平对农业就业农户和非农就业农户家庭金融市场参与和风险金融资产配置均有显著的正向影响。其二，随着家庭规模的扩大，非农就业农户家庭的金融市场参与率和风险金融资产配置比例降低，但对农业就业农户并无显著影响。这可能是由于非农就业农户多数在城镇地区务工。城镇生活、教育和医疗成本更高，规模较大的家庭一般负担较大。风险意识更强。倾向于减持风险金融资产。其三，随着同城亲戚数量增多，务农者金融市场参与积极性更强，但对非农就业者没有显著影响。这可能是因为这种依托血缘地缘的社会网络所能提供的援助可能对务农家庭更为重要。其四，风险规避程度对非农就业农户和农业就业农户的金融决策均具有显著的负向影响。其五，受教育程度正向提高了两类农户的金融市场参与率和风险金融资产配置比例。其六。年龄增长对农户金融行为具有负向影响。这是因为成年人随着年龄增长，投资期限和预期平均寿命变短，会逐步减持风险金融资产。其七，相对于男性受访者，女性受访者掌握家庭经济决策时参与金融市场的概率和配置风险金融资产的比例更高。其八，对非农就业者来说，未婚时其金融行为更加积极。这可能是因为未婚非农就业者负担相对较轻，当流动资金允许时更愿意进入金融市场投资理财：但对农业就业者来说，已婚反而能够促进其金融市场参与。这可能是因为务农者结婚后心理状态更安全稳定，从而更愿意参与金融市场。

最后，表2和表3的最后一行是选择方程与资产配置决策方程中残差项的相关系数。两表中相关系数在统计上均显著，样本存在内生性问题。这代表非农就业农户和农业就业农户并非随机产生。而是根据其自身和家庭特征作出的“自选择”，有一些不可观测的遗漏变量会同时影响农户非农就业与金融行为。我们采用内生转换模型加以纠正是合理的。

在内生转换模型回归之后。我们可以通过构造反事实计算非农就业这一内生处理变量的处理效应。表4给出了农户非农就业对家庭金融市场参与和风险金融资产配置的总处理效应。其中，ATE是非农就业对所有农户的平均处理效应。ATET是非农就业对处理组（非农就业农户）的平均处理效应。总的来说，四项处理效应结果都显著为正，农户非农就业会显著提高其金融市场参与率和风险金融资产配置比例。假设1成立。

（二）农户非农就业对金融素养的影响

在检验过农户非农就业影响家庭金融资产配置的总效应之后，我们进一步检验农户非农就业对中介变量金融素养的影响。在这一部分我们同样使用了内生转换模型。模型检验结果残差项的相关系数显著，拒绝外生性的原假设，这代表内生转换模型是适用的。因变量为“金融素养”的内生转换模型回归结果如表5所示。

首先。表5中选择方程的结果同样表明了家庭及个人特质对内生处理变量“是否非农就业”的影响，因此与表2和表3中结果基本类似。

其次，表5中的结果方程显示。多数控制变量对农户金融素养起到了顯著影响。第一，资产和收入水平对农户金融素养具有显著的正向影响;第二。家庭规模对非农就业农户金融素养存在负向影响，这可能是因为在人口数量较多的家庭中。核心劳动力往往需要付出更多时间和精力维持家庭成员的物质需求，从而缺乏对金融素养的重视和培训。第三，同城亲戚数量正向提升了农业就业农户的金融素养。即对于务农家庭来说，依托血缘地缘的社会网络是他们了解金融知识提高金融素养的重要渠道。第四，农户风险规避程度越高，越不利于金融素养的提升，这可能是因为风险规避意识高的农户更为谨慎和保守，更少参与金融活动和接触金融培训，从而金融素养较低。第五，受教育程度和健康状况显著提升了农户金融素养，而年龄对金融素养存在负向影响，这代表受教育程度高且身体健康的年轻人一般具有更高的金融素养。

最后，我们关注农户非农就业对金融素养的影响。表5的最后两行是我们通过构造反事实计算出的非农就业这一内生处理变量的处理效应。ATE和ATET均显著为正，这代表农户非农就业显著提升了其金融素养。假设2的第一个子假说H2a成立。

（三）农户非农就业、金融素养与家庭金融资产配置

在检验过农户非农就业对中介变量金融素养的影响之后，我们将金融素养同时加入到金融资产配置决策模型中。检验中介效应是否成立以及中介效应的完全性。与检验式（15）总效应时的逻辑基本一致，我们同样采用内生转换模型，仍旧将非农就业视为内生性处理变量，将新引入的金融素养作为控制变量。回归结果如表6和表7所示。首先。选择方程结果与未加入中介变量前的表3和表4结果基本一致，不再加以赘述。其次。结果方程中金融素养对两类农户的家庭金融市场参与和风险金融资产配置均起到了显著的正向影响，金融素养的提升会促进农户更多地参与金融市场并持有更高份额的风险金融资产，假设2的第二个子假设H2b成立。H2a和H2b的成立表明农户非农就业影响其金融资产配置行为的一条主要的中介渠道是金融素养的提升，中介效应得证，H2成立。最后，除金融素养之外，多数控制变量的影响方向和显著程度与表3和表4相比均未发生显著改变，仅有受教育年限的显著性和系数大小相对降低，这说明金融素养包含了与教育有关的一些信息。

在引入中介变量并进行内生转换回归之后。我们同样通过构造反事实计算非农就业的处理效应，此处的处理效应是非农就业对金融资产配置影响的直接效应。如表8所示，在引入金融素养后，ATE和ATET仍旧显著为正，即非农就业对家庭金融市场参与和风险金融资产配置的正向影响仍旧十分显著。这说明不存在完全中介效应，即金融素养并不是非农就业影响金融资产配置的唯一渠道，假设3成立。此外，我们可以根据表4中的总效应和表8中的直接效应，计算金融素养所起到的中介效应的大小及其比例。如表4和表8所示，非农就业对农户是否参与金融市场的总效应为0.140 8，直接效应为0.1207。因此非农就业通过中介变量金融素养对农户是否参与金融市场起到的间接效应为0.020 1。在总效应中占比为14.28%：非农就业对农户参与金融市场深度的总效应为0.887 3。直接效应为0.762 1。因此非农就业通过中介变量金融素养对农户参与金融市场深度起到的间接效应为0.125 1。在总效应中占比为14.11%。总的来说，金融素养是非农就业影响农户金融行为的一条重要渠道。其中介效应可以达到14%左右。

五、稳健性检验

笔者利用内生转换模型逐步检验了非农就业、金融素养及家庭金融资产配置三者之间的关系。农户非农就业显著提高了家庭金融市场参与概率和风险金融资产配置比例，而金融素养则是一条重要的中介渠道。为了进一步证明结论的可靠性，我们更换检验方法进行稳健性检验。Sobel（1982）提出的Sobel法也是比较有名的中介效应检验方法。除显示中介效应的显著性之外.可以直接计算出中介效应占比。

检验结果如表9和表10所示.与逐步法结果基本一致。首先，两表中第二列可以看出非农就业对家庭金融市场参与和风险金融资产配置的总效应显著为正，假设1成立。其次，第三列结果表明非农就业显著提升了农户金融素养，同时第四列显示金融素养对农户家庭金融市场参与和风险金融资产配置具有显著正向影响，这代表金融素养的中介作用显著，假设2成立。最后，第四列结果显示，在控制金融素养后，非农就业对家庭金融市场参与和风险金融资产配置的直接效应仍旧显著。这说明中介效应是不完全的，假设3成立。

此外。表9和表10中Sobel Tests的结果显示中介效应十分显著。在研究非农就业对农户家庭是否参与金融市场的影响时，金融素养的中介效应占总效应的13.00%：在研究非农就业对农户家庭参与金融市场深度的影响时，金融素养的中介效应占总效应的15.21%。由此可见，Sobel方法与前文依次检验的结果基本类似，中介效应占比也同样在14%左右，结果较为稳健。

六、研究结论与政策建议

笔者通过建立一个含相对风险厌恶系数的幂效用对数正态跨期决策模型。从理论上探讨了非农就业、金融素养和金融资产配置决策三者之间的关系。在此基础上，依托中国家庭金融调查（CHFS）2015年全国调查数据。采用内生转换模型对三者的关系进行了依次检验，之后又使用Sobel法进行了稳健性检验，主要得出两个结论：（1）相对于在家务农，农户非农就业会显著提高其金融市场参与率和风险金融资产配置比例。这是因为非农就业作为重要的人力资本因素，不仅会提升农户收人，还会带来思想观念、知识信息等多方面的影响，这些因素又会进一步影响农户金融行为。（2）农户非农就业影响其金融资产配置行为的一条主要中介渠道是金融素养的提升，但金融素养并非唯一的中介渠道，其中介效应可达14%左右。农村地区金融知识相对贫乏，而随着大量农民跳出农地桎梏从事非农行业。他们可以有更多渠道和机会接触金融知识或参加金融培训。从而促进金融素养提升，并最终影响到他们的金融资产配置行为。

为缓解我国农村地区金融排斥和金融市场“有限参与”问题，使农户有更多机会进入金融市场进行投资理财并实现其资产的保值增值。基于以上的理论分析和研究结论，我们提出以下政策建议。

（一）扩大农户非农就业空间，改善农户非农就业的外部环境

农户非农就业直接关系农村经济发展和农民增收.同时也影响到农户金融行为和财产性收人的实现。非农就业能够在一定程度上改变农户思想观念、提高农户金融素养。从而使农户更有能力和意愿参与金融市场并配置股票、基金、理财产品等风险金融资产。为了扩大农户非农就业空间。促进农村劳动力非农就业，政府应当采取更加积极的就业政策，在经济结构转变和调整过程中创造更多的非农就业机会。首先，积极扶持中小企业、劳动密集型产业和服务业，使其尽可能向社会提供较多的就业岗位，增强吸纳进城务工人员就业的能力;其次.加强非农就业人员技能培训和职业教育，提高其择业竞争能力和非农就业适应能力：再次，以财政贴息、信贷支持等手段引导拥有一定技能和资金积累的进城务工人员返乡创业，鼓励其发展农产品加工销售为主的农村二三产业、生态休闲农业和县域中小企业，以创业带动就业。最后，完善非农就業人员的权益保障，确保工资按时足额发放，做好子女教育、医疗保险等社会保障和公共服务，努力为非农就业农户创造稳定良好的就业环境。

（二）重视农户金融知识培训，提高农户金融素养

良好的金融素养有助于农户作出适当的金融决策，提高金融市场参与度并降低金融风险。相对于非农就业者，那些土生土长的务农者，很少有机会和渠道接触金融知识。缺乏金融素养，因此更多选择不参与金融市场，而那些参与了的也往往会做出不合理的金融决策，不仅无法实现资产保值增值，甚至会蒙受亏损。央行2017年7月13日公布的《消费者金融素养调查分析报告（2017）》显示，我国城乡居民金融素养差异显著，农村居民在贷款、投资、保险等方面的金融知识非常薄弱。农户金融素养的提高非一日之功，地方政府应该联合地方商业银行或农信社，定期走入乡镇举办金融培训，结合农户生活实际，普及反金融诈骗、存贷款、规划理财等金融知识。例如，贵州黔南州12个县（市）农信社（农商行）早在2014年开始创办“金融夜校”。抽调业务骨干分组巡回宣讲，内容包括风险防范、存贷款、理财以及优化资金配置等内容，逐步培养了农村居民的金融素养，提高了他们对金融工具、金融产品的认知和应用。

（三）推动农村金融服务下沉.实现数字普惠金融创新

农村金融排斥的问题，不仅体现在农户信贷可得性上，理财、证券、保险等各种金融服务的缺失同样值得重视。长期以来，农村地区金融市场“有限参与”问题十分严重。农户缺乏机会接触并享受金融服务，很少进入金融市场投资理财并获得财产性收入。随着城乡统筹、新农村建设、乡村振兴等战略的实施，农村居民的收入不断增长，对理财投资的需求也会随之提升。金融机构应当充分认识到农村金融发展的广阔前景，推进金融服务下沉，让农户也有机会参与金融市场并实现资产保值增值。而数字金融则是突破农村金融服务困境的利器。随着智能手机的普及，微信、支付宝等集生活服务和支付功能一体的应用软件也逐渐贴近农村群众的生活。已成为广大农户获取资讯、互动交流、享受信息化成果的主要手段。例如蚂蚁金服旗下的支付宝，在购物娱乐、便民生活等吸引客户的基础板块之外，开发了“学知识”“看行情”等基础金融讯息板块和“财富管理”板块，与多家银行、基金、保险公司合作，推出了各种理财工具、基金产品和保险服务。数字金融的发展一定程度上化解了农村金融服务交易成本过高的问题。农户也不再受地域限制，可以享受与城市居民同等的金融机会。足不出户即可通过手机学习金融知识、投资金融产品。