收入风险与家庭风险金融资产投资①——基于CHFS数据的经验证据

易行健, 陈 俊, 周 聪, 张凌霜

(1. 广东金融学院金融与投资学院, 广州 510521; 2. 广东外语外贸大学金融学院, 广州 510006;3. 复旦大学经济学院, 上海 200433; 4. 广东金融学院保险学院, 广州 510521)

0 引 言

随着经济体制改革和金融市场化的推进,我国股票市场取得了长足发展,股票有效账户和总市值自2005年以来呈现快速增长的趋势[1].2019年沪深两市股票融资共计1.02万亿元,股票总市值达到59.29万亿元,总市值居于全球第二位,仅次于美国.但是根据中国人民银行公布的数据,2019年中国社会融资规模增量为25.58万亿元(1)社会融资规模增量是指一定时期内实体经济从金融体系获得的资金额.根据人民银行的统计口径,社会融资规模增量主要包括:人民 币贷款、外币贷款(折合人民币)、委托贷款、信托贷款、未贴现的银行承兑汇票、企业债券、非金融企业境内股票融资.,其中企业债券融资达到3.24万亿元,而境内非金融企业境内股票融资仅有0.35万亿元,我国直接融资所占比重较低,仍然有较大的提升空间.十九大报告更是明确提出“提高直接融资比重,促进多层次资本市场健康发展”.根据标准的家庭资产配置理论,家庭应至少将其财富的一部分投资于以股票为代表的风险金融资产,但与此相悖的是,实际生活中多数家庭并不持有以股票为代表的风险金融资产,这一理论与现实之差被称为“股票市场有限参与之谜”.改革开放以来中国经济高速发展,居民家庭的财富实现快速累积,由此导致多样化配置金融资产的需求逐年增加.然而,我国居民家庭的金融资产结构比较单一,以银行存款为代表的无风险金融资产依旧占主导,其参与率高达74.09%;而风险金融资产参与率则相对较低,其相应值仅为12.77%[2].那么,从需求方的角度探讨我国风险金融资产有限参与的成因不仅更有助于理解家庭风险金融资产的投资行为,且可以为政府金融发展政策的出台提供经验证据.

对于风险金融市场有限参与的问题,国内外学者主要从市场摩擦、背景风险和居民特质等角度加以解释,收入风险作为背景风险的重要部分,也对家庭风险金融投资产生重要影响.改革开放以来,我国居民家庭可支配收入快速增长,但是伴随着20世纪90年代中后期各项重大改革的快速推进和进入21世纪后越来越频繁的外部冲击,居民家庭收入不确定性和其他背景风险均在逐步增加[3, 4].在完美金融市场中,家庭收入的外部冲击可以通过金融产品交易进行对冲,但是现实金融市场存在诸多市场摩擦,比如信贷约束、信息渠道不通畅、投资者金融素养不足导致信息处理能力不足等[5, 6],均可能对家庭风险金融资产投资的收入风险效应造成影响.

那么在中国居民的收入风险是否显著抑制风险金融资产投资?收入风险对居民风险金融资产投资的影响是否会受到市场摩擦因素的影响?与此同时,诸如健康、住房、工商企业经营、负债等其他背景风险因素是否会叠加收入风险对金融风险资产投资的抑制效应?这是本研究需要聚焦回答的三个问题.本研究可以深化关于中国居民家庭收入风险对风险金融资产投资的影响机制与影响效应的理解,并且可以从需求的角度提出对促进中国资本市场的健康发展具有重要现实意义的政策建议.

1 相关文献回顾

收入风险是背景风险最大、最难对冲的部分,目前国内外相关文献主要基于背景风险的框架分析收入风险对风险金融资产投资的影响,结论普遍认为劳动收入风险对家庭风险资产投资有显著负效应.比如Angerer和Lam[7]将劳动收入风险分解为永久收入风险和暂时收入风险两部分,研究发现永久收入风险降低了家庭风险资产的比重,暂时性收入风险对资产配置的影响不显著.Benzoni等[8]构建了劳动收入与股票分红存在协整关系的理论模型,模型参数校准结果表明年轻投资者的人力资本具有“股票特征”,因此应该减少股票资产的持有.何兴强等[9]测量了劳动收入风险并在模型中加入职业虚拟变量,实证发现劳动收入风险对股票投资概率具有显著的负向影响.宋炜和蔡明超[10]则指出劳动收入风险与家庭股市参与概率和参与程度显著负相关,但劳动收入与股市收益率的协方差对股市参与的影响并不显著.周广肃[11]等通过采用 2010年—2014年CFPS面板数据和固定效应模型估计方法进行实证分析,结论表明收入差距的增加会促使家庭增加对物质的渴望,进而增加风险金融投资.贾男[12]将退休作为外生冲击并构造断点回归得出结论认为退休改变了家庭风险金融资产的结构.其中,风险偏好、金融知识和收入是主要的影响机制.

除收入风险外,其他背景风险因素,比如家庭拥有或参与工商企业经营、自有住房、户主健康状况都是影响家庭风险金融市场参与的重要因素.关于私营企业方面,Heaton和Lucas[13]构建了理论模型研究拥有私营企业家庭的股票投资行为,研究发现私营企业财产收入占比和变化程度大的家庭更少投资股票,其主要原因在于企业收入与股市收益相关性要大于劳动收入.Debacker[14]进一步指出,因为私人企业有退出经营的可能,同时经营收入的波动性大于劳动收入,因此面临更高的尾部风险.关于健康状况方面,Rosen和Wu[15]指出健康状况是家庭进行资产配置决策的重要影响因素,健康状况较差的家庭更倾向于持有安全资产,并从健康保险、遗赠动机、时间展期和风险态度角度阐述健康状况的影响机制.吴卫星[16]等研究发现年轻家庭的健康冲击对资产配置的影响不显著,而中年家庭的健康冲击对资产配置的影响显著,且财富较低的家庭中健康对资产配置的影响更大.Qiu[17]分析了SCF和HRS的合并数据后发现持有健康保险的家庭风险金融投资较多.周慧珺等[18]对家庭资产配置研究的结果表明,疾病带来的医疗成本增加和规划周期缩短将带来了流动性资产和非流动性资产的下降,而健康状况的下降则增大了对于未来资金流动性的需求又会使得流动性资产回升,非流动性资产下降;在两种效应的共同作用下,流动性资产受健康的影响相对较小,非流动性资产所受影响则相对较大.关于住房方面,Cocco[19]通过构建理论模型并进行数值模拟和校准,发现住房投资使得年轻和贫穷的投资者没有充足的金融财富用于股票投资,降低了股票市场参与率,即住房价格风险挤占了股票投资,该挤占效应对低财富水平的投资者更明显.Jansson和Thomas[20]使用瑞典微观数据研究发现持有住房的收益与失业风险的协方差为正,即成为住房持有者增加了家庭承担的风险.袁微和黄蓉[21]采用2011年CHFS数据考察了房屋拆迁对中国家庭金融风险投资的影响并发现房屋拆迁事件会通过影响家庭财富损失预期,进而促进家庭风险金融投资.然而,Beaubrun-Diant 和 Maury[22]对1999年—2007年PSID数据进行实证分析后却得出购房和股票投资相互促进的结论.此后,Vestman[23]进一步使用瑞典居民数据验证了购房者的股票市场参与率是租房者的两倍,而风险偏好的异质性则是形成这一差异的主要原因.

市场摩擦也是解释风险金融资产市场有限参与的重要角度,Bogan[24]认为家庭在投资中面临着交易成本、信息成本和有限参与机会等市场摩擦,而这些因素是造成“股市有限参与”的重要原因.关于交易成本方面,尹志超等[25]指出交易成本和信息不对称等市场摩擦因素是形成信贷约束的重要成因,而信贷约束的存在又增加了家庭投资风险金融资产的融资成本.Roche[26]认为年轻且拥有较少金融财富的家庭缘于准备金要求约束和借贷约束等不进行投资的行为是理性选择的结果.Chen和Stafford[27]则发现次贷危机后住房贷款还款困难的家庭会采用股票资产作为流动性缓冲,即倾向于变卖股票退出股票市场,或选择不进入股票市场.关于信息成本方面,从投资获取金融信息的渠道角度来看,董晓林[28]指出投资者获取信息的主要方式包括社会互动、报刊媒体和互联网等.周广肃和梁琪[5]延续了Bogan[24]的逻辑,使用CFPS数据探究互联网使用对风险金融资产投资的影响,认为互联网可以缓解交易成本、有限参与机会和信息渠道不完善等市场摩擦的影响,从而提高家庭风险金融资产投资的概率.张旭阳和吴卫星[29]通过对2011年中国消费金融现状及投资者教育调查数据进行分析发现媒体理财信息有效降低了家庭的信息成本,但该类信息具有明显的时效性,而纸媒体和电视媒体则不能降低信息成本.此外,社会互动作为获取投资信息的重要渠道,与互联网具有相互替代的作用[30].对于信息化程度不高的地区,社会互动通过内生互动机制分享投资相关的信息[31],有助于降低获取信息的交易成本.从投资者的信息收集能力和处理效率角度来看,金融知识在投资者搜集和筛选投资决策有关信息中发挥着重要作用,投资者金融素养不足增加了获取投资信息的成本,制约其投资于金融市场[6].梅立兴等[32]发现相比于其他投资者,“聪明的投资者”由于具备更好的仓位管理能力、市场风格适应能力及显著的选股能力而在金融市场获得更高的超额收益.周广肃等[33]研究了户主上山下乡经历对于家庭风险金融资产投资决策的影响,结果表明上山下乡经历主要通过提升家庭投资的风险偏好和投资能力来影响家庭的风险金融资产投资.此外,高楠等[34]通过测算个体对房屋估值时的系统性偏误构造了过度自信指标,实证结论表明过度自信增加了家庭的风险市场参与概率,并提高了风险市场参与规模.

综上所述,当前国内外文献已经对居民家庭风险金融资产有限参与问题进行了较为深入的分析,为本研究提供了借鉴.然而,国内目前使用住户调查数据讨论收入风险对居民家庭风险资产投资影响的文献尚有如下三个方面的不足之处:首先是已有研究中国居民收入风险对居民风险金融资产投资的影响较少考虑市场摩擦因素的影响;其次是很少考虑诸如健康、住房、工商企业经营、负债等其他背景风险因素是否会叠加加剧收入风险对金融风险资产投资的影响;其三是对收入风险与风险金融资产投资的内生性问题,国内现有研究讨论较少.基于此,本研究对中国居民收入风险与风险金融资产投资进行理论与实证检验,贡献主要在于:第一,对现有模型的扩展,构建了包含背景风险和市场摩擦在内的家庭资产配置模型,可以为理解收入风险对风险金融资产的影响提供更宽阔的理论视角;第二,在实证研究中从市场摩擦角度分析收入风险影响家庭风险金融资产投资的调节效应,同时根据其他背景风险因素高低进行分类的异质性分析中细致探讨是否存在其他背景因素抑制金融风险资产投资的叠加效应;第三,综合运用固定效应模型和工具变量等方法对内生性问题进行了更加充分的探讨.

2 理论模型

在Campbell和Viceira[35]基础上,本研究构建了一个包含背景风险K和金融市场摩擦F的两期模型.假设初始家庭无遗产继承,有工作收入并做出初始期资产组合决策.K0为初始期背景风险(包括健康风险、住房风险、企业经营风险等)并处理为收入的倍数形式,K增加意味着背景风险的收益增加.Y0为初始期非负的劳动收入且受背景风险影响具有不确定性,I0为初始期金融资产投资额.家庭在第一期结束时消费初始资产组合的变现价值以及非负的劳动收入,该期结束后家庭不留遗产.Rp为无风险金融资产与风险性金融资产的组合收益率,F为金融市场摩擦,并处理为投资收益率的倍数形式,F上升意味着参与成本等金融市场摩擦程度下降,Y1为第一期非负的劳动收入,K1为第一期家庭面临的背景风险.家庭效用函数U(C)参照大部分文献采用常相对风险规避效用函数(CRRA)形式,该效用函数中相对风险厌恶系数为常数.家庭决策目标即为合理配置初始期消费C0、第一期消费C1和金融资产投资I0以最大化其效用函数,β为主观时间贴现因子.

(1)

s.t.C0=K0Y0-I0

(2)

C1=(1+Rp)I0F+Y1K1

(3)

Rp=Rf+α0(Rs-Rf)

(4)

将约束条件带入目标方程并求出一阶导,整理得到居民跨期消费效用函数最大化的最优条件,即欧拉方程

1=βEt[(C1/C0)-λ(1+Rs)F]

(5)

(6)

此外,为了继续求得家庭最优风险资产配置,需要先从模型预算约束中求得对数线性近似值,将式(2)左右两边同时除以Y0K0,并取对数进行对数线性化处理,最终得到

c0=B1+ρ1i0+(1-ρ1)(y0+k0)

(7)

其中B1和ρ1均为对数线性化常数,

对另一预算约束(3)进行同样处理,得到给定最优资产组合收益率时的第一期最优消费

c2=B2+ρ2(rp+i0+f)+(1-ρ2)(y1+k1)

(8)

其中B2、B1和ρ2均为对数线性化常数.

式(7)与式(8)相减,并结合式(6)得到跨期消费效用最大化情况下家庭最优风险金融资产投资比例,其中σy1rs为第一期劳动收入与风险性金融资产收益率协方差,σy1rs为第一期背景风险与风险性金融资产收益率的协方差.

λ(1-ρ2)(σy1rs+σk1rs)

(9)

继续整理可得最优风险资产配置比例α0为

(10)

(11)

这意味着当A>0时,劳动收入方差的平均保留增长将带来家庭风险性金融资产投资减少,由此得到假说1.

假说1收入风险增加将显著降低家庭投资风险性金融资产投资比重.

Bogan[24]利用美国健康与退休调查数据(HRS)实证分析美国股市有限参与问题时同样发现,家庭在投资中面临的交易成本和信息成本均对家庭参与股票市场投资产生显著负效应.考虑到金融市场参与成本可能对中国家庭资产配置产生类似影响,在渠道分析中引入了参与成本,尝试考察在金融市场参与成本存在的情况下,收入风险对家庭风险性金融资产选择的影响效应.

(12)

假说2金融市场参与成本下降将显著缓解收入风险对家庭参与风险性金融资产投资的负效应.

(13)

假说3健康、住房、私有企业等背景风险越高的家庭,收入风险对其参与风险性金融资产投资的抑制效应越大.

3 数据来源、 处理与变量选取

3.1 数据来源与处理

本研究使用的数据主要来自西南财经大学中国家庭金融调查与研究中心在全国范围内开展的中国家庭金融调查(China Household Finance Survey, CHFS).除CHFS数据以外,城市(州)人均GDP和年末金融机构存款余额数据来源于各地级市(州)的统计年鉴或者年度统计公报,行业平均工资数据来源于相关年份的《中国劳动统计年鉴》.

数据处理方面,本研究剔除家庭净资产或收入小于 0以及关键变量存在缺失值的样本.为避免极端观测值对回归系数造成较大影响,对家庭收入、家庭资产和家庭净资产进行1%的截尾处理.考虑到风险资产投资问题的特殊性,本研究剔除了户主年龄小于18岁的家庭.实证主要使用2013年CHFS数据,在稳健性检验中,还使用了2015年和2017年的CHFS截面数据,并将2011年、2013年和2015年CHFS数据合并成3年的平衡面板数据.其中,2017年CHFS数据中风险偏好态度变量仅询问了新受访用户,其他家庭该变量的数据使用的是2015年CHFS追踪样本的相关数据,鉴于此,2017年CHFS数据未与2011年、2013年和2015年CHFS数据一同合并成面板数据.以上截面数据和面板数据的处理方法除因问卷变化进行部分调整以外,其他均与2013年数据一致.

3.2 变量选取及说明

3.2.1 被解释变量:风险金融资产

中国家庭金融调查(CHFS)涵盖的家庭金融资产包括:银行存款(活期和定期)、股票、债券、基金(3)CHFS统计的家庭持有基金类型包括股票型、债券型、混合型、货币市场和其他类型,本研究讨论的股票市场参与未包括通过购买基金间接持有的部分.、金融衍生品、理财产品、非人民币资产、黄金、现金和借出款.本研究参照尹志超等[6]的衡量口径,将股票、公司(企业)债券、金融债券、基金、金融衍生品、金融理财产品、黄金、非人民币资产划分为风险金融资产.本研究选取了以下关注的被解释变量:风险金融资产参与概率,以是否参与风险金融资产市场的虚拟变量表示;风险金融资产占比,以家庭金融资产中风险资产占比表示风险金融资产的参与程度.同时,本研究还设置了股票市场参与概率和股票参与程度变量作为补充.

3.2.2 关注解释变量:分组收入方差作为收入风

险的代理变量

根据以往文献对劳动收入风险和家庭收入风险的研究进展,本研究使用分组收入方差来衡量家庭收入风险.以往研究发现利用横截面数据计算家庭收入分组方差是衡量收入风险较好的方法,参照罗楚亮[36]、樊潇彦等[3]的做法,按户主的工作性质、受教育程度、工作单位性质(4)工作性质包括受雇于他人或单位、 经营个体私营企业或自主创业、 在家务农 、返聘、自由职业、其他(志愿者)和季节性工作共7类,工作单位性质包括国有/国有控股、集体/集体控股、私营/私人/个体(不含外资)、外商独资"、港澳台独资、 中外合资 、其它联营企业和其它共8类,受教育程度包括没上过学、小学、初中、高中、中专、大专、大学本科、硕士研究生和博士研究生共9类.和所在城市四项指标把25 194个家庭分为若干个组,分别计算家庭收入对数值的四个组内方差,将家庭的组内方差相乘后取对数值,例如受教育年限为i年、从事第j种职业、工作单位性质为k、所在城市为n的家庭,收入风险为

income_riskijkn=∏var[ln(income)ijkn]

(14)

本研究使用该方法在25 194个样本家庭中产生5 043个家庭收入风险分组,该衡量方法比以往研究使用虚拟变量的方法更利于描述家庭收入风险的异质性特征.根据樊潇彦等[5]的结论分组收入方差“可以捕捉到20世纪90年代中后期国企转制和就业体制变革这一重大政策冲击的影响,这是对现有收入风险研究文献的一个贡献,也可以为今后的政策分析和评价提供借鉴”(5)当然更加精确的衡量暂时性收入风险与永久性收入风险可以参照Anger和Lam[7]来进行分解,但是这个需要更长的时间跨度数据.本文所使用的三期短面板数据无法参照该类文献进行类似收入风险分解,这个需要留待未来采用更长的时间跨度调查数据再进行进一步的研究..

为缓解遗漏变量偏差导致的内生性问题,本研究在模型中加入足够的控制变量.参照尹志超等[6]等的做法,本研究控制以下控制变量:1)家庭层面:收入(6)为避免投资风险金融资产所获得的收入与风险金融资产投资之间互为因果的内生问题,本文参照尹志超和宋全云等[7]的做法,使用CHFS数据库中加总的家庭收入减投资性收入,并取对数作为家庭收入控制变量.、净资产、家庭人口规模、是否有住房、从事工商业经营项目、是否为农村地区家庭;2)户主个人层面:年龄和年龄的平方、性别、风险态度、受教育年限、健康、已婚.其中风险态度以风险中性家庭为基准组,设置风险厌恶和风险偏好两个虚拟变量;3)地区层面:为控制地区经济金融发展水平对家庭股市参与的影响,本研究以调查当年家庭所在地级市(州)的人均GDP作为经济发展水平的代理变量,以金融机构年末存款余额作为金融发展水平的代理变量.

3.3 稳健性检验

根据以上选取的解释变量、被解释变量和控制变量,表1报告了主要变量的描述性统计结果.

表1 主要变量描述性统计

在25 194户样本家庭中,家庭投资风险金融市场和股票的概率分别为12.4% 和8.0%;在参与程度方面,风险金融资产占家庭金融资产的比重为 6.1%,股票资产占家庭金融资产的比例为3.3%,由此可见风险金融资产参与比例和家庭金融资产中风险资产占比都比较低.

3.4 家庭收入风险异质性与风险金融市场参与行为

为探究收入风险异质性对风险金融市场参与的影响差异,本研究根据分组收入方差中位数将样本家庭分成低收入风险(12 606户)和高收入风险(12 588户)两组,表2均值差异检验结果显示高收入风险家庭风险金融资产、股票参与比例和金融资产中风险资产、股票占比均显著低于低收入风险家庭.

表2 风险金融资产参与的均值差异性检验

为进一步探究家庭收入风险异质性与风险金融资产参与行为的关系,本研究以分组收入方差作为收入风险的代理变量,并将家庭收入风险从低到高分成五组.如图1所示,随着家庭收入风险的上升,家庭参与风险金融资产市场和股票市场的概率逐渐降低.

图1 收入风险异质性与家庭风险资产投资

4 收入风险影响风险金融资产投资的实证分析

4.1 模型设定

由于家庭风险金融资产市场参与概率是虚拟变量,本研究使用二值选择模型Probit模型来分析收入风险对家庭风险金融市场参与的影响.

risk_possi=1(income_riski+Xiβ+εi>0)

(15)

鉴于家庭持有风险金融资产占金融资产的比重为非负的数值,观测数据显示出截断的特征,因此,本研究利用Tobit模型来探究家庭收入风险对家庭金融资产中风险资产占比的影响.

(16)

其中risk_possi为家庭是否持有风险金融资产的虚拟变量,家庭持有风险金融资产赋值为1,否则为0;risk_share为家庭金融资产中风险资产占比的观测值,所有小于0的观测值都被压缩到了0点上;risk_share*为不可观测的风险资产占比潜变量;income_riski为家庭收入风险变量;Xi为控制变量矩阵,主要为家庭特征和户主人口统计学变量;εit为扰动项,服从正态分布.

4.2 基准分析: 收入风险对家庭风险金融资产参与的影响

为初步探究家庭收入风险对风险资产投资行为的影响,本研究基准回归以家庭收入的分组方差作为收入风险代理变量,使用Probit模型和Tobit模型进行实证分析.

表3 基准分析: 收入风险对风险金融资产投资的影

续表3

回归结果显示,家庭收入分组方差与风险金融资产、股票参与概率的回归系数均显著为负,说明家庭面临的收入风险越高,其投资风险金融资产市场与股票市场的参与概率和参与程度越低.当面临较高的收入风险时,理性的家庭决策者在资产配置时将更少地考虑风险金融资产,因为持有风险金融资产增加了家庭面临负向收入冲击的可能性,而投资金融资产带来的风险相比劳动收入风险更容易规避,因此家庭会选择无风险金融资产以减少所承受的总体风险水平(7)本研究通过分组差异性检验发现,低收入风险分组家庭的银行存款和现金占家庭金融资产的比例为87.0%,而高收入风险家庭银行存款和现金占家庭金融资产的比例为95.0%,均值差异性在1%显著性水平下存在显著差异.[15].

针对可能存在的内生性问题,本研究选取社区内其他家庭失业保险的平均持有比例作为收入风险的工具变量.社区中其他家庭失业保险持有比例高,家庭的收入风险暴露程度较低,失业保险持有比例与收入风险负相关.而社区内失业保险的持有比例与基准回归遗漏的个体异质性无关,故符合外生性.表3工具变量回归中,弱工具变量检验值为263.08,远大于10%偏误下的临界值16.38,故不存在弱工具变量问题.在控制了可能的内生性问题后,收入风险对家庭风险金融资产投资决策仍然存在显著的负向影响.这意味着,收入风险大的家庭面临可能的收入负向冲击时,需要持有更多现金和银行存款等流动性较强的无风险金融资产来保障家庭的基本支出水平.相对于基准分析的回归系数来说,使用工具变量后分组收入方差的系数绝对值有所增大.本研究引入“局部平均干预效应”(LATE)框架加以解释,即家庭收入风险受到社区内其他家庭失业保险持有情况的影响具有非均质的特征,大部分家庭收入主要依赖于工资性收入,而平均失业保险覆盖以外的收入风险波动性更大.

其他控制变量回归系数表明,家庭收入、净资产、户主受教育年限、风险偏好与风险金融资产投资显著正相关,住房资产、工商业经营项目、户主为男性和风险厌恶对家庭风险金融资产投资具有显著的负向影响.户主年龄及其平方项的回归结果说明,随着户主年龄的上升,居民家庭投资风险金融资产的概率和比重先上升后下降,呈现“倒U型”的特征.农村地区家庭风险金融资产投资的概率和比重低于城市地区家庭.该部分基准回归结果验证了本研究在理论模型部分提出的假说1,即收入风险增加将显著降低家庭参与风险性金融资产投资比重.

5 扩展讨论

5.1 市场摩擦是否显著增强收入风险的抑制效应

在传统的资产选择理论中,完全竞争市场下家庭可以通过金融产品交易来对冲收入风险.但现实中存在着金融市场摩擦,信贷约束、金融素养与信息成本因素均影响着家庭的风险金融资产投资行为.基于此,本研究选取了信贷约束、社会互动和金融素养三个变量进行实证检验.其中信贷约束程度的加深代表增加了家庭参与风险金融资产市场所需的资金获取成本,也削弱了家庭通过正规市场借贷应对收入风险的能力.除显性交易成本以外,本研究还关注信息成本对收入风险的调节作用,从投资者个人信息获取渠道、信息收集和处理能力角度来看,社会互动不够与金融素养不足可能导致投资者获取和处理投资信息的成本上升,从而对家庭参与金融市场产生负效应.

5.1.1 信贷约束

家庭信贷约束是市场摩擦的重要体现,其来源于供给和需求两个层面.本研究参照尹志超和张号栋[37]的做法将家庭信贷约束细分为供给型信贷约束和需求型信贷约束(8)具体而言,将家庭在工商业经营项目、住房、汽车中没有银行贷款和未申请信用卡的原因是“需要但没有申请”或“申请被拒绝”定义为受到信贷约束,并将“需要但没有申请”定义为需求型信贷约束,“申请被拒绝”定义为供给型信贷约束..为进一步探究收入风险的市场摩擦影响渠道,本研究还在基准回归中引入了信贷约束和收入风险的交互项.由表4回归结果可知,信贷约束、收入风险对家庭风险金融资产投资具有负向影响.需求型信贷约束交互项对风险金融资产投资的影响为正且不显著,但供给型信贷约束与收入风险交互项显著为负.这意味着供给型信贷约束和收入风险在影响家庭风险性金融资产投资上存在互补效应,即供给型信贷约束显著增强了收入风险对家庭参与风险性金融资产投资的负向作用.信贷约束的存在削弱了家庭承受风险的能力,提高了家庭投资的交易成本,使得家庭更加倾向于持有无风险资产.此外,本研究还发现低收入家庭分组的供给型信贷约束与收入风险的交互项显著且系数大于高收入家庭分组,可见信贷约束这一市场摩擦因素对低收入家庭的影响更大.

表4 信贷约束与收入风险对风险金融资产投资的影响

5.1.2 社会互动

常见的信息渠道包括社会互动、报刊媒体和互联网等,本研究基于社会互动视角来验证市场摩擦中信息渠道的调节作用.参照郭士祺和梁平汉[30]的做法,本研究使用红白喜事礼金支出占家庭收入的比重作为家庭社会互动的代理变量,并根据礼金支出占比的大小将全部家庭三等分成社会互动低、中、高三个子样本.观察表5的回归结果,发现对于高社会互动程度的家庭而言,收入风险对风险金融资产市场参与概率和参与程度的回归系数在统计显著性和经济显著性上都小于其他分组.相比于其他分组,高社会互动的家庭更不容易因收入风险而降低参与风险金融资产市场的概率.此外,社会互动与分组收入方差交互项的回归系数为正,意味着在家庭参与风险投资上,社会互动与收入风险之间为替代效应,即社会互动的增强能够显著抑制收入风险对家庭风险性金融资产投资的负向效应.

表5 社会互动程度异质性与收入风险对风险金融资产投资的影响

这种调节效应主要体现在降低信息成本上,对于信息获取途径缺乏的家庭而言,户主通过与邻居、朋友以及亲戚等的口头交流获取投资相关信息和风险应对知识是分散家庭收入风险和进行投资的重要信息来源.在信息普及程度不高的地区,社会互动可以作为互联网等信息渠道的替代[5],帮助家庭降低信息获取的成本,有效缓解信息渠道不完善导致的市场摩擦.

5.1.3 金融素养

投资信息的获取和处理能力还与户主自身的受教育程度、认知能力和金融知识息息相关.为探究金融知识对家庭收入风险的调节效应,参照尹志超等[6]的衡量方法,根据2013年CHFS调查问卷中家庭对利率(9)2013年CHFS调查问卷中关于利率的问题为“假设您现在有100块钱, 银行的年利率是4%, 如果您把这100元钱存5 年定期, 5 年后您获得的本金和利息为?1.小于120元; 2.等于120元; 3.大于120元; 4.算不出来.”、通货膨胀(10)2013年CHFS调查问卷中关于通货膨胀的问题为“假设您现在有100块钱, 银行的年利率是5%,通货膨胀率每年是3%,您的这100元钱存银行一年之后能够买到的东西将?1. 比一年前多; 2.跟一年前一样多; 3.比一年前少; 4.算不出来.”和投资问题(11)2013年CHFS调查问卷中关于投资的问题为“您认为一般而言, 单独买一只公司的股票是否比买一只股票基金风险更大?1.是; 2.否; 3.没有听过股票; 4.没有听说过股票基金; 5.两者都没有听说过.”的回答情况构建金融素养变量(12)本研究使用的具体方法为:每个问题答对计1分,将加总得分为0分和1分的家庭定义为金融知识缺乏家庭,将总分为2分和3分的家庭定义为金融素养较好的家庭..从表6可知,21 896个样本家庭为“金融知识缺乏”家庭,仅有2 957个家庭受访者金融知识比较丰富,这说明中国居民家庭金融素养仍有较大的提升空间.“金融知识较差”家庭的收入风险对风险金融资产投资的回归系数显著为负,而“金融知识较好”家庭的收入风险回归系数并不显著.“金融知识较好”与家庭收入风险交互项系数显著为正,说明金融知识的提高能够降低收入风险对家庭参与金融市场的抑制作用,这进一步验证了金融知识对收入风险存在的调节作用.尹志超[6]指出中国当前超过50%的家庭因为缺乏相关知识而未投资于股票市场.金融知识匮乏不利于家庭的收入风险管理,也增加了投资信息收集和分析的时间,提高了家庭参与风险金融资产市场的信息成本,因此金融知识对收入风险的负向影响具有放大效应.整体来说,该部分影响渠道回归结果验证了本研究在理论模型部分提出的假说2,即金融市场参与成本下降将显著缓解收入风险对家庭参与风险性金融资产投资的负效应.

表6 金融素养与家庭收入风险对风险金融资产投资的影响

5.2 其他背景因素分类的异质性效应讨论

根据国内外已有文献的研究,除劳动收入风险之外,健康、住房和家庭工商业经营项目等背景风险均可能对家庭金融市场参与行为产生影响,且背景风险因素与收入风险也可能存在叠加影响.为验证其他背景风险因素是否加剧收入风险的影响,本研究将进一步通过实证研究分析其他背景风险因素对收入风险影响的异质性.根据家庭面临的背景风险类别将总样本进行分组回归,得到以下结论.表7和表8第(1)列至表7和表8第(2)列的实证结果表明,收入风险对户主健康状况不佳的家庭风险金融资产投资的抑制性作用更强.户主健康状况不佳的家庭“生存风险大、规划期限短”[9],其抵御风险的能力较弱,因此收入风险对该类家庭的负效应更为显著.表7和表8第(3)列至表7和表8第(4)列反映的是有房家庭和无房家庭风险金融资产投资的异质性,由回归结果的对比可知,收入风险对持有住房资产的家庭风险性金融市场投资具有更强的负向影响,对无自有住房家庭的影响不显著.住房资产同时具备消费属性和投资属性,具有投资数额大、期限长的特点,购买住房将挤占家庭的流动性资产[19].住房价格波动也增加了家庭财富变动的风险,从而降低了家庭对收入风险的耐受能力.表7和表8第(5)列和表7和表8第(6)列实证结果表明,收入风险对从事工商业经营项目家庭的负向影响大于未经营工商业项目家庭.工商业经营项目使得私人企业家面临额外的经营收入风险,且工商业经营收入与风险金融资产收益率常常具有较高的相关性[38],使得家庭难以通过风险金融资产投资来对冲收入风险.表7和表8第(7)列和表7和表8第(8)列的回归结果显示有负债余额的家庭,收入风险对其参与风险性金融资产投资的负影响更为显著,即意味着当家庭面临清偿债务的压力时,其对收入风险的容忍程度将下降.

表7 收入风险对风险金融资产参与概率影响的异质性(Probit模型)

表8 收入风险对风险金融资产参与比重影响的异质性(Tobit模型)

综上所述,该部分异质性分析结果验证了本研究在理论模型部分提出的假说3,健康、住房、私有企业等背景风险越高的家庭,收入风险对其参与风险性金融资产投资的负效应越大,即其他背景风险叠加加剧了收入风险的负向作用.

5.3 稳健性讨论

本研究对收入风险的衡量具有潜在的内生性问题:第一,模型中可能遗漏了无法衡量的个体异质性,如人格特征和人生经历等,这些扰动项既影响家庭风险金融资产投资又影响收入风险;第二,家庭风险金融投资和收入风险特征可能存在互为因果关系,家庭收入风险也可能因为投资风险金融资产而增加;第三,可能存在样本自选择偏误和家庭收入风险的衡量偏差等.

5.3.1 面板回归

为避免遗漏变量造成的内生性问题,本节使用2011年、2013年和2015年的CHFS数据合并为平衡面板,为控制不同年份风险金融市场投资回报的差异,本研究在面板数据中还加入了各年份风险金融资产收益率变量(13)以家庭投资各项风险金融资产的收益(包括买卖所得和分红)除以家庭风险金融资产总额来衡量风险金融资产投资收益率..如表9所示,面板数据随机效应模型中家庭收入风险对风险金融资产投资的负向影响依然成立.由于存在“伴生参数问题”,Xtprobit模型中仅有随机效应模型的估计方法.但随机效应模型假设家庭个体效应与所有的解释变量均不相关,而豪斯曼检验在1%的显著性水平下拒绝了随机效应的原假设,因此,本部分实证分析使用固定效应模型更为合理.参照周广肃和梁琪[5]的做法,使用双向固定效应模型对面板数据进行估计,在控制了时间效应后,家庭收入风险对风险金融资产参与概率的回归系数依然显著为负.需要注意的是,双向固定效应模型为线性回归,但本研究主要关注的被解释变量为非线性变量,使用线性面板模型回归对系数的估计不是最优的.因此,为弥补线性面板模型回归的不足,本研究使用了Xtlogit模型(固定效应)和面板Tobit固定效应模型(Pantob)进行检验(见表9第4列和表9第5列).结论表明风险金融资产收益率的上升确实显著增加了家庭风险金融资产投资,然而,分组收入方差对风险金融资产参与概率依然显著为负,表明本研究所得的收入风险抑制家庭风险金融投资的结论比较稳健.

表9 面板数据模型

5.3.2 其他稳健性检验

本研究接下来将更换收入风险衡量方法、控制样本范围和更换样本数据进行稳健性检验.表10为使用不同方法检验结论稳健性的回归结果:

1)收入风险指标的稳健性分析.首先,本研究参照何兴强等[9]的做法,以城市人均GDP增长率的波动性作为家庭收入风险的代理变量.具体而言,本研究将样本家庭所在城市2000年—2017年人均GDP的对数值对线性时间趋势进行回归,并以残差序列的标准差来衡量该城市居民的劳动收入风险.其次,参照罗楚亮[36]的做法,使用暂时性收入的平方(14)先将剔除投资收入的家庭总收入对数值对户主年龄、性别、健康状况等解释变量进行最小二乘法回归,然后将方程拟合的残差项作为暂时性收入的代理变量,并将暂时性收入小于0的收入风险取负数.因为暂时性收入的均值为0,故暂时性收入平方可以作为家庭收入风险的代理变量.作为家庭收入风险的代理变量(见表10 Panel B).Panel A和Panel B的回归结果表明,无论采用城市人均GDP增长率波动性还是使用暂时性收入平方作为家庭收入风险的代理变量,收入风险对风险金融资产投资具有负向影响的结论依然成立.暂时性收入平方代表的是暂时性收入风险,而基准回归使用的分组收入方差,通过两者回归系数的对比,本研究发现包含了永久收入风险的分组收入方差对家庭风险金融资产投资的负向影响更大.

2)控制样本选择范围稳健性分析.首先,考虑到风险金融资产投资问题具有明显的收入和财富门槛效应,将低收入家庭样本纳入风险金融资产投资考察范围可能会高估收入风险的负向作用,本研究参照何兴强等[9]的做法剔除家庭月收入小于1 000元的样本(共4 202户).然后,本研究参考周广肃和梁琪等[5]的做法,剔除农村地区家庭(共7 656户).农村地区的投资信息普及程度、金融机构数量和金融市场成熟程度普遍低于城市地区,因而大多数家庭并未参与风险金融资产(15)本研究通过描述性统计发现农村地区样本家庭参与风险金融资产和股票资产的概率分别为1.1%和0.3%..由表10 Panel C和表10 Panel D可知,剔除家庭月收入小于1 000元以及农村地区的家庭后收入风险对风险金融资产参与概率和参与深度的影响均显著为负,系数大小未发生显著改变.

3)截面数据使用的稳健性分析.本研究分别使用2015年和2017年(16)因为2015年CHFS调查问卷中关于家庭成员工作的问题发生较大变化,无法采用与2013年一致的衡量口径,在计算分组收入方差时主要以家庭所在地区、工作性质和受教育程度为依据进行分组;由于缺失部分城市信息,回归方程中未控制家庭所在城市的人均GDP和年末金融机构存款余额.CHFS数据,运用与2013年相同的方法构建家庭收入风险变量(见表10 Panel E和表10 Panel F).实证结果显示收入风险对风险金融资产参与概率和参与深度的回归系数均显著为负,说明收入风险对家庭风险金融资产投资负向影响具有稳健性.

表10 稳健性检验

6 结束语

本研究首先构造了两期家庭资产配置理论模型,推导出收入风险对风险金融资产投资的关系,并进一步考察了其他背景风险和市场摩擦对两者关系的影响.同时本研究利用CHFS调查数据检验理论模型的假设,通过分组方差的方法衡量家庭收入风险,并以家庭风险金融市场、股票市场参与概率和参与深度作为被解释变量,运用Probit和Tobit模型进行实证估计.本研究所得结论如下:第一,收入风险对家庭风险金融资产参与概率和参与深度均具有显著负向影响,在考虑内生性情况下用工具变量、面板数据和其他方法进行的稳健性检验结果表明这一负向影响显著;第二,信贷约束、信息渠道不畅通与金融素养不足等金融市场摩擦因素均显著增强了收入风险对风险金融资产投资的负向效应;第三,健康、住房及工商业经营和负债等其他背景风险越高的家庭,收入风险对风险金融资产投资的负向影响越明显.

基于研究结论,对有关部门提出以下政策建议:第一,密切关注居民家庭的收入风险,制定实施国家经济政策应该将其对收入风险的影响考虑在内;与此同时,相关部门在制定金融市场发展政策时应将居民家庭所承受的收入风险作为重要考量,增强家庭参与风险金融市场的信心,使其充分享受财产性收入带来的福利,进而为“提高直接融资比重,促进多层次资本市场健康发展”提供更强劲的微观动力.第二,密切关注除收入风险以外背景风险因素的影响,平抑住房价格大幅波动,坚持“房住不炒”原则,强调住房的消费属性而非投资属性;增加社会医疗保险覆盖范围,并以商业保险作为重要补充;实施有利于营商环境改善的政策法规,关注中小企业经营风险.第三,着眼于缓解信贷市场摩擦,提高普惠金融发展水平,满足居民家庭合理的信贷需求,降低家庭的资金获取成本,特别是在有效防范风险条件下满足低收入家庭的贷款需求.第四,降低市场信息不对称程度,有关部门需要因地制宜完善金融市场信息普及渠道,大力发展网络、报刊和有线媒体等普及投资信息的途径,在信息化发展程度较低的地区,可发挥社会互动降低信息获取成本的作用.第五,着力提高居民金融经济知识水平,考虑在义务教育和高等教育中全面增设投资理财等相关课程,帮助其形成对风险资产投资的理性认识,显著提高全体国民的金融素养.