数字普惠金融对家庭投资绩效的影响分析

赵振文

(上海理工大学 管理学院， 上海 200093)

21世纪以来，互联网行业飞速发展，金融行业与互联网充分融合，数字金融便应运而生。数字经济以大数据、区块链、人工智能技术为优势，对实体经济产生了巨大的冲击。在宏观层面，现有文献研究了数字经济对生产力的促进[1]、数字经济在发展中国家和发达国家对经济增长的贡献区别[2-3]；在微观层面，研究了数字经济如何促进提高女性经济参与度[4]。近年来，中国的数字经济飞速发展，企业依靠数字化革命的大数据、区块链等独特优势，产生了支付宝、微信支付等数字化支付平台，使原来只能依托于物理网点的传统金融部门能够通过数字化平台是原来无法触及的，由此引发了学界对数字经济对实体经济影响的讨论。现有的关于数字经济对高质量发展的研究来自实现路径的理论阐述和互联网如何影响全要素生产率[5]、创新效率[6]、经济地理格局优化[7]、数字金融促进了包容性增长[8]。

本文主要探讨数字经济对个人投资者投资多样化的影响途径。数字经济能促进个人投资者的收入提升已是学界共识。在微观层面，廖婧琳、周利研究了受教育水平与家庭风险金融资产投资的关系[9]。熊志涛、叶铭垚研究了金融素养对投资者投资绩效的影响[10-11]。路晓蒙等研究了数字普惠金融对个人投资者投资多样化的影响[12]。投资多样化的程度提高直接增加了个人投资者的抗风险能力,但抗风险能力提高不意味着投资效率同时提高。理性投资是个人投资者财富稳健增长的重要一环，马科维兹提出的投资组合理论将波动率与收益率结合，首次创建了有效投资组合线，这也是现代投资组合理论的开端，投资者投资多样化也属于现代投资组合理论。通过选择在有效投资组合线上的一点，投资者可以获得风险-报酬的最优解，加速自身财富积累，也意味着个人的投资效率提高。本文以投资者投资绩效的角度探讨数字普惠金融如何影响投资者投资的投资多样化程度。普惠金融毋庸置疑提升了中低收入群体的收入，现有实证研究也表明数字普惠金融也显著提升了家庭的投资多样化程度，但究竟是如何对投资者资产分配的风险-报酬比所产生的具体影响尚未有研究，本文从数字普惠金融对投资风险与效率的影响为出发点，具体探讨数字普惠金融对投资者投资绩效的影响。

1 模型构建

1.1 数据及模型选取

本文所采用的数据为来自西南财经大学中国家庭金融调查与研究中心组织管理的“中国家庭金融调查(CHFS)”项目来衡量投资者的投资多样性，采用北京大学数字金融普惠指数作为衡量数字经济发展程度，该数据由北京大学数字金融研究中心和蚂蚁集团研究院共同编制。采用《北京大学数字普惠金融指数(2011—2020)》第3期，能较好地反映中国数字金融的发展情况，以此为基础构建时间固定效应模型：

Sortino_Ratio=α0+a1ln Digei,t+a3Zi,t+δt+εi,t

(1)

式中：Digei，t为城市i在t时期的数字经济发展指标；Zi,t代表一系列控制变量；δt为控制时间固定效应；εi,t表示随机扰动项；Sortino_Ratio为衡量投资绩效的索提诺比率，其基本形式为

(2)

式中：Rp为收益的平均值；Rf为无风险利率；DR为下行标准差。在本文中，定义平均值即资产组合的期望收益率；定义Rf为最小可接受收益率，即无风险利率；DR下行标准差的衡量公式为

(3)

式中，Rpt表示所有收益中低于RP的那部分收益。所以，本文中对索提诺比率定义为

(4)

索提诺比率越高，家庭投资绩效越好。

有关数字经济的统计指标学界大致分为以下几类：经济合作与发展组织(OECD)采用的标准是判断其是否属于数字化订购、促成平台和数字化交付。如果属于，便纳入指标，三者既可存在重叠，也可只满足一种条件[13]。美国商务部经济分析局(BEA)主要以互联网和信息通信技术(ICT)来确定数字经济的统计指标。罗良清等基于融合视角，将数字经济分为数字经济基础产业和融合产业，以及数字产品数字化产品[14]。本文采用“北京大学数字金融普惠指数”作为衡量数字经济的指标。

有关投资绩效的统计指标，有两种模式衡量；一种是通过资产配置和家庭对金融市场的参与，间接衡量家庭投资绩效[15-16]；另一种是以夏普比率为度量，直接衡量家庭投资绩效[17]。其中，第一种方法由于是间接衡量，家庭的资产配置和家庭对金融市场的参与并不能准确反映出家庭的投资绩效，资产种类越多并不一定代表着家庭的投资绩效越好。而第二种方法没有区分上下行的波动而是将其视为同一类指标，只计算总标准差。而上行波动和下行波动显然是有区别的，上行波动显然会有利于消费者。为了修正夏普比率采用总标准差衡量而忽视的上下行波动，采用索提诺比率来直接衡量家庭的投资绩效。本文所使用的数据主要来自中国家庭金融调查(China Household Finance Survey，CHFS)2011 、2013、2015、2017年的数据集，虽然2011年样本数据量较少，但自2011年左右，中国数字经济就开始取得了巨大发展，若舍去2011年数据，可能会同时忽略掉数字经济最初对家庭的投资影响，故保留全部4年数据。2011年第一轮调查样本分布在全国25个省区市，82个县(区、县级市)，320个村(居)委会，样本规模为8 438户。数据在全国具有代表性。为了保证样本的稳定性，采用2011、2013、2015、2017年的匹配样本，因数字普惠金融的发展是实时且动态的，无时无刻不在对居民投资行为产生影响，故采用当期对应的形式研究数字普惠金融对居民投资绩效的影响，即2011年数字普惠金融对应2011年投资绩效，最终形成4年的平衡面板。因本文研究的是家庭投资绩效，所以从调查问卷中选择金融资产中的投资品进行衡量，其中包括活期存款、固定存款、股票、债券、基金、衍生品、理财产品、非人民币资产、贵金属、现金、投资性房地产。之后剔除了资产等于0的异常值，并对总资产进行了上下1%的缩尾处理，同时剔除了教育、年龄、性别等变量缺失的样本，最终得到有效样本9 928个，共2 482个家庭的数据。

为考虑家庭的投资绩效，参考吴卫星等[17]的做法，选取股票、基金、债券和房产这4类资产作为家庭的风险资产组合。但在本文中，4年的房产收益率均高于无风险收益率，所以投资性房地产并无下行标准差，其索提诺比率为负值，与定义不相符，所以将其去除。以股票、债券、基金3类资产占风险金融资产的占比作为家庭索提诺比率衡量方式。

具体计算方式为：①先计算每个家庭总风险金融资产价值；②通过无风险利率，和这4类资产的预期收益率和下行标准差，算出股票、债券、基金的索提诺比率；③算出每个家庭中股票、债券、基金占总风险金融价值的权重；④将算出的权重乘以对应资产的索提诺比率，得到家庭对应的索提诺比率。

在计算资产收益率的过程中，由于家庭很注重保护其资产配置信息的隐私，导致有关家庭具体资产的数据难以获得，具体收益率更是无从提起。为此，Grinblatt等提供了一种平均化的方式来计算每类资产的收益率[18]。在此基础上，参考吴卫星等的做法来计算每类资产的收益率[19]。具体计算方式如下：无风险利率用一年期的定期存款利率来替代；股票收益率以成交额作为权重，对上证指数和深成指数的月收益率进行加权平均并汇总成年收益率；基金的收益率也以成交额作为权重，对上证基金指数和深圳基金指数的月收益率进行加权平均汇总成年收益率；债券的收益率用中证全债指数的月收益率加权得到年收益率；房产的收益率是用商品住宅每月销售额除以每月销售面积得到的房价计算得到。本文用各类资产的历史收益率来替代资产的预期收益率，计算历史收益率的时间区间是 2011年1月至 2019年9月。股票、债券、基金、房地产有关数据来自万得数据库(Wind)，无风险利率来源于2011年1月至2019年9月一年期定期存款利率与该利率持续时间加权得到。4类风险资产的索提诺比率见表1，投资绩效的描述性统计见表2。

表1 4类风险资产的索提诺比率

表2 投资绩效的描述性统计

1.2 控制变量的选择与描述性统计

家庭的投资绩效除了受数字普惠金融影响，还会受一系列其他变量的影响。本文选取的控制变量如下：在个人层面，选取的控制变量有户主年龄的对数、户主是否已婚、户主性别、户主文化程度、户主学历、是否关注经济，其中，将户主文化程度划分为3个层次,小学及以下定义为低文化水平，小学以上、本科以下定义为中文化水平，将本科以上定义为高文化水平；在家庭层面，选取的控制变量有风险偏好、是否从事工商业，将问卷中高风险、高收益和较高风险、较高收益分类为风险偏好，将平均风险、平均收益分类为风险中性，将较低风险和较低收益和低风险、低收益分类为风险规避。由于本文数字普惠金融指数由所在地区衡量，此处便不再引入地区变量。同时将数字普惠金融指数和年龄取对数，将数据平稳化。变量的描述性统计见表3。

表3 变量的描述性统计

研究假设A1：数字普惠金融促进了家庭投资绩效增长，使家庭的风险-报酬线改善。

研究假设A2:在数字普惠金融的影响下，学历更高的家庭的投资绩效增长越大，投资组合多样性越高，越有可能在期望收益固定的情况风险更小。

2 实证结果与讨论

2.1 实验结果

基准回归及稳健性回归结果见表4。

表4 基准回归及稳健性回归结果

由于面板数据的时间跨度不大，对5个回归面板进行了异方差性检验和自相关检验，发现索提诺比率不存在异方差和自相关，其余均存在异方差问题，然后用广义最小二乘法(GLS)对模型进行了修正，表4后4列为广义最小二乘法修正后的回归结果。

从表4第(1)列，投资绩效的回归分析可以得出结论：数字普惠金融指数的对数在1%的水平上显著为正，相关系数为0.039，说明数字普惠金融发展显著促进了家庭的投资绩效的提升，这证明了本文的假设A1。此外，年龄增长也会增加投资绩效，可能是因为随着年龄的增大，投资经验也会逐渐增加，更容易从刚进入金融市场、观望市场的投机者变成经验丰富的投资者。家庭的风险偏好方面，风险中性和风险规避显著为负，原因可能是现在中国家庭参与金融市场的参与度还远远不够，许多值得投资的产品对于风险规避的家庭还无法接受，而风险偏好型家庭在投资高报酬投资品的同时，资产多样化带来的风险降低大于高报酬投资品的风险增加，所以越是风险厌恶型家庭，投资多样性越低，投资绩效也越差。高等学历和中等学历都显著提升了家庭投资绩效，说明随着学历的增加，户主也越来越趋向于理性投资，在增加收益的同时理性地降低风险，达到投资绩效的提升。关注经济对投资绩效也是1%显著，系数为正，说明关注经济信息，也就是更了解经济的家庭投资绩效更高，更能在提升收益的同时降低风险，达到更高的收益-风险线。是否农村对于投资绩效的影响显著为负，这可能是由农村现在接触到的投资品种虽有增加，但仍然少于大城市，所以投资绩效仍无法和城市居民相比。性别、婚姻状况对于投资绩效影响均不显著，说明性别和婚姻并不对家庭的投资绩效产生较大的影响。是否从事工商业对投资绩效的影响也不显著，从中高学历与是否从事工商业匹配情况来看，这是由于从事工商业的家庭中也有许多使从事基层工商业职务，对投资多样化的认识和理解并不深刻。

2.2 稳健性检验

2.2.1 使用家庭投资多样化指数间接衡量家庭投资绩效

参照Woerheide等[20]、Kirchner等[21]的方法，以家庭参与的各类资产的投资比重作为权重，计算资产组合多样化指数，间接衡量家庭投资绩效，即

(5)

式中，wi为各项金融资产指标占总投资额的比重，主要包括活期存款、定期存款、理财产品、债券、股票、基金、衍生品、外汇、贵金属等。Div_index越大，投资多样性越高，Div_index越小，投资越单一，Div_index的取值范围为[0,1)，最大值无限趋近于1，表示该投资者投资了所有可以投资的产品，且比重一致。最小值为0，表示并未投资，或投资在某一单一领域。表4第2列结果显示，数字普惠金融对家庭资产投资多样化指数的影响在1%的置信水平上显著，且系数为正，这验证了本文的假设A1。

2.2.2 使用熵指数重新定义家庭的多样化程度间接衡量家庭投资绩效

(6)

式中：N为家庭的投资品种类数；si为各投资品占全部投资品投资金额的比重。那么计算出的熵值也可以反映出家庭投资组合的多样化程度，熵值越大，投资组合的多样化程度越高。表4的第3列结果显示，数字普惠金融对家庭资产熵指数的影响在1%的置信水平上显著，且系数为正，这进一步验证假设A1。

2.2.3 投资品种中不包括投资性房地产

投资性房地产属于低流动性资产，其购买后往往很多年不会出售，数字金融对其的影响也往往会滞后很久才会显现出来，于是本文在计算时剔除投资性房地产作为投资性金融资产，并对剩余金融资产重新进行回归，结果显示于表4，可以看出，去除投资性房地产后，数字普惠金融指数对资产组合多样化指数和熵值法的系数都显著提升，说明家庭由于过度投资于投资性房地产，反而降低了自身的资产组合多样化程度。这与中国国情有一定联系，也说明中国家庭目前投资结构还是过于单一，对金融市场风险的畏惧，以及对投资房地产的热情，也说明中国房地产行业仍需进一步改进，从投资绩效中投资性房地产无下行标准差也可以看出，中国的投资性房地产回报持续高于无风险资产，但投资性房地产本身的风险就较低，这就可能导致投资被扭曲，更富有吸引力的债券和基金无人问津。

2.3 异质性分析

引入学历水平作为认知能力的代理指标，把小学及以下分为低学历组，把小学以上分为中高学历组，从表5中可知，中高学历与数字普惠金融指数的交乘项对投资绩效的影响显著在1%的置信区间显著为正，说明数字普惠金融对家庭投资绩效的促进作用在中高学历组里表现更为明显。这验证了假设A2。

表5 中高学历组与数字普惠金融指数交乘项与索提诺比率进行回归

3 结论与分析

多样化是经典投资组合选择理论的基本特征之一，合理的配置家庭投资比重与产品可以优化家庭的风险-报酬线，使家庭以更低的风险获得相同的收益，或以相同的风险获得更高的收益。但通过对中国家庭金融调查(CHFS)2011、2013、2015、2017年的数据进行分析，发现中国家庭的投资绩效随着中国的数字普惠金融发展而不断提高，但仍有很大的进步空间。在进行稳健性检验后，该结论仍成立。这说明数字普惠金融确实促进了中国家庭的投资结构优化。

进一步地，本文分析了数字普惠金融对不同群体间的影响，发现数字普惠金融更能促进中高学历家庭的投资绩效的提升，这说明人力资本越多，越能从数字普惠金融的发展中获得红利。

本文的研究结论也对深化金融改革和引导中国居民进行高回报、低风险的投资提供了一些建议。首先大力发展数字经济仍然是目前最主要的任务，通过大力发展数字经济，是降低市场交易摩擦、促进家庭投资多样化、降低家庭投资风险，是进一步完善金融市场的有效手段。同时还要加大对人力资本的投入，较高人力资本能更好地享受到数字经济带来的红利。其次，还要继续加大在偏远地区的数字普惠金融的投资力度，使得偏远地区也能更好地受益于数字普惠金融的发展，这也是政府开展精准扶贫工作的方向。