一、引言

隨著家庭可支配收入的不斷提高，以及金融理財產(chǎn)品的日益豐富，中國家庭金融資產(chǎn)的配置狀況呈現(xiàn)出不同于以往的新特征。

改革開放40年以來，我國居民金融資產(chǎn)配置從單一的儲蓄存款為主發(fā)展為股票、基金、債券、儲蓄存款等多元化配置的模式，從傳統(tǒng)的金融產(chǎn)品投資發(fā)展為互聯(lián)網(wǎng)背景下的金融產(chǎn)品投資。隨著互聯(lián)網(wǎng)金融產(chǎn)品不斷創(chuàng)新，家庭金融資產(chǎn)結(jié)構(gòu)不斷發(fā)生改變，互聯(lián)網(wǎng)金融產(chǎn)品的崛起勢必對傳統(tǒng)的家庭理財產(chǎn)品具有擠出效應(yīng)。為了能夠最大化金融資產(chǎn)的價值，家庭在進行投資理財時，需要根據(jù)風(fēng)險、收益等因素調(diào)整不同金融資產(chǎn)之間的比例。 本文在歷史數(shù)據(jù)的支持下，對過去時間段內(nèi)的家庭金融資產(chǎn)配置情況進行分析并計算權(quán)重，同時通過歷史模擬方法找出在現(xiàn)實權(quán)重情況下的VaR，并對互聯(lián)網(wǎng)金融產(chǎn)品對家庭資產(chǎn)配置的影響進行探討。

二、文獻回顧

關(guān)于家庭金融資產(chǎn)配置問題的理論和實證研究在過去半個世紀(jì)以來一直是國外學(xué)者的重點關(guān)注領(lǐng)域(Campell，2006)。西方經(jīng)典投資組合理論認(rèn)為居民的分析按資產(chǎn)的持有比重只和居民的風(fēng)險偏好程度有關(guān)，而與居民所擁有的財富和年齡無關(guān)(Markowitz，1952；Samuelson，1969)。Poterba and Samwick(1997)研究發(fā)現(xiàn)美國不同年齡層的家庭對于金融資產(chǎn)組合的配比不同，平均年齡較大的家庭更傾向于持有股票而相對較少的持有免稅債券。Berkowitz and Qiu(2006)發(fā)現(xiàn)居民的健康狀況的波動會顯著地減少金融財產(chǎn)的總量，并會使家庭重新調(diào)整金融資產(chǎn)的結(jié)構(gòu)。Grinblatt et al.(2011)將智商納入考慮，研究發(fā)現(xiàn)智商越高的居民，其持有股票的概率也越高。

在我國，由于長期以來的家庭微觀調(diào)查數(shù)據(jù)的缺乏，家庭金融資產(chǎn)方面的研究較少，大多是在宏觀層面的研究(吳曉求，1999；郭翠榮和張宏，2005)。最近幾年，隨著微觀家庭資產(chǎn)調(diào)查的逐步開展，開始有學(xué)者著手研究解釋居民家庭的金融資產(chǎn)配置行為。史代敏和宋艷(2005)基于四川省的數(shù)據(jù)樣本，利用Tobit模型分析了我國家庭金融資產(chǎn)配比的影響因素，研究發(fā)現(xiàn)家庭財富、年齡、學(xué)歷等因素的影響最為顯著。吳衛(wèi)星(2010)利用15個城市的抽樣數(shù)據(jù)，從財富規(guī)模效應(yīng)和住房投資的角度研究了中國家庭的資產(chǎn)分布情況，發(fā)現(xiàn)住房投資的增加對于流動性金融資產(chǎn)投資有著顯著的擠出效應(yīng)，家庭財富的增加會提高風(fēng)險資產(chǎn)的配比率。

近年來，由于西南財經(jīng)大學(xué)和相關(guān)機構(gòu)的努力，家庭金融資產(chǎn)現(xiàn)況調(diào)查已初具成效，個體調(diào)查數(shù)據(jù)的可獲得性推動了家庭金融資產(chǎn)的研究，在國內(nèi)學(xué)界引起了廣泛關(guān)注。本文借助2015的調(diào)查數(shù)據(jù)，將互聯(lián)網(wǎng)金融產(chǎn)品納入家庭資產(chǎn)配置的考慮范圍，在全新的市場環(huán)境下，對家庭資產(chǎn)配置組合進行實證研究。

三、數(shù)據(jù)來源

本文使用的家庭金融資產(chǎn)數(shù)據(jù)來源于西南財經(jīng)大學(xué)2015年進行的中國家庭金融調(diào)查。本文的金融資產(chǎn)收益率數(shù)據(jù)來源為2013年5月30號到2017年12月31號債券市場中債綜合全價(7-10年)指數(shù)收盤價和同時間段內(nèi)證券市場上證指數(shù)收盤價以及同期余額寶7天年化收益率數(shù)據(jù)。由于股票市場，債券市場和貨幣基金市場的開市閉市時間有所不同，為保證數(shù)據(jù)的一致性，本文刪除了三組數(shù)據(jù)不重疊的部分，經(jīng)處理過后的價格數(shù)據(jù)一共有1287組。本文在計算組合VaR時所采用的金融資產(chǎn)資產(chǎn)的比例來源于中國家庭金融調(diào)查中得到的中國家庭現(xiàn)有金融資產(chǎn)配比，以此為依據(jù)采用歷史模擬法計算VaR。

四、模型介紹

(一)GARCH(1，1)模型

GARCH模型在擬合異方差的長期記憶性問題時，比ARCH模型更加有效。隨著學(xué)術(shù)研究的不斷深入，發(fā)現(xiàn)GARCH模型在對金融時間序列數(shù)據(jù)進行擬合時效果特別顯著，本文采用的GARCH模型如下：

Rt=u+εt

εt=σtζt

(二)Copula函數(shù)

Copula是一個能將兩個或兩個以上的邊際分布函數(shù)連接在一起組合一個聯(lián)合分布函數(shù)的函數(shù)。

一個兩元的Copula函數(shù)[u1,u2]×[v1,v2]→[0,1]，滿足下列條件：

(1) 有界性

對于任意u,v∈[0,1]

C(0,v1)=C(u1,0)=0，

C(u1,1)=u1,C(1,v1)=v1

(2) 單調(diào)性

對于任意u1,v1,u2,v2∈[0,1]，當(dāng)u1≤u2,v1≤v2，

C(u2,v2)+C(v1,u2)-C(u2,v1)-C(u1,v2)≥0

上式表示邊緣分布為標(biāo)準(zhǔn)正態(tài)分布的二元聯(lián)合分布，并且所有的線性相關(guān)系數(shù)ρ，都為0.5。

本文中使用的是二元copula函數(shù)，其一般形式如下：

其中，r為線性相關(guān)系數(shù)。

五、實證分析

圖一 股票、債券以及余額寶收益率曲線

從圖形上看，股票收益率波動性最大，最大的日收益率也出現(xiàn)在股票資產(chǎn)上，高風(fēng)險、高收益是股票作為風(fēng)險資產(chǎn)的主要特征。而債券收益率相對穩(wěn)定，只在小范圍內(nèi)來回波動。余額寶收益率一直在橫坐標(biāo)軸上半部分波動，與債券相比，收益率更加穩(wěn)定，且不存在資產(chǎn)貶值風(fēng)險。圖形中還反映了一個信息，債券和股票的波動密集區(qū)域有些重疊，似乎存在著一定的相關(guān)性，因此下面本文對三組數(shù)據(jù)進行相關(guān)性的顯著性檢驗。

表一 股票、債券以及余額寶收益率的相關(guān)性系數(shù)

從相關(guān)性分析圖形上來看，三組家庭資產(chǎn)并不存在顯著的相關(guān)性。通過變量自身的分布來看，樣本數(shù)據(jù)兩端明顯偏離正態(tài)分布，股票和債券的分布圖像表現(xiàn)出尖峰厚尾的特征。

為了能使用GARCH模型，有必要驗證各個樣本收益率序列的殘差性、平穩(wěn)性。

表二 平穩(wěn)性檢驗

本文對三組原始收益率數(shù)據(jù)進行ADFtest，發(fā)現(xiàn)股票、債券都是平穩(wěn)序列，但余額寶收益率顯示出非平穩(wěn)的單位根性質(zhì)，為了得到平穩(wěn)的樣本數(shù)據(jù)，本文對余額寶收益率做一階差分得DYuebao_return，經(jīng)檢驗發(fā)現(xiàn)該差分序列是平穩(wěn)的。

本文異方差性的檢驗采用LjungBox檢驗，檢驗結(jié)果顯示三組樣本序列都存在著強烈的異方差性。

表三 異方差性檢驗

為確定實證所需的GARCH模型，需要對樣本數(shù)據(jù)的殘差項進行檢驗，不同的殘差項分布會導(dǎo)致不同的GARCH模型的選擇。

表四 殘差項檢驗

檢驗結(jié)果顯示，三組樣本數(shù)據(jù)P值均大于0.05，不能拒絕和正態(tài)分布相一致的原假設(shè)，因此，判斷三組樣本數(shù)據(jù)的殘差項是服從正態(tài)分布的。經(jīng)過以上的假設(shè)檢驗和處理，三組數(shù)據(jù)滿足了GARCH模型的使用條件，下面建立模型。

經(jīng)過以上的驗證分析之后，本文使用R語言進行GRACH(1，1)模型的構(gòu)建，并得出相應(yīng)的結(jié)果如下所示。

表五 GRACH(1，1)模型系數(shù)估計結(jié)果

注：括號內(nèi)為標(biāo)準(zhǔn)差.“*”表示不同的置信度水平。“*”表示95%的置信水平，“**”表示99%的置信水平，“***”表示99.9%的置信水平。

為選取合適的的方法連接三組樣本數(shù)據(jù)，上述GARCH模型的擬合結(jié)果中的殘差項是否服從正態(tài)分布需要進一步檢驗。

表六 殘差項是否和正態(tài)分布同分布

檢驗結(jié)果顯示，P值均小于0.05，在95%的置信水平下，拒絕與正態(tài)分布同分布的原假設(shè)，即樣本數(shù)據(jù)序列的殘差項不服從正態(tài)分布，因此不能采用相關(guān)系數(shù)法對求解金融資產(chǎn)的相關(guān)性，需要借助Copula函數(shù)來連接三組樣本數(shù)據(jù)，結(jié)果如下：

表七 家庭金融資產(chǎn)的相關(guān)系數(shù)估計結(jié)果

得到聯(lián)合分布函數(shù)之后，根據(jù)實際數(shù)據(jù)進行VaR測算，計算組合的VaR就相當(dāng)于計算組合在某一置信區(qū)間下的最低價值。

假設(shè)有0.1股的上證股指，1張債券，1手基金。那么初始投資金額就為610元。按照收集來的市場數(shù)據(jù)計算可得家庭金融資產(chǎn)所占比例如上表顯示，經(jīng)測算，在95%和99%的置信區(qū)間下，最大的可能損失分別為7.64和22.10。

表八 實際VaR測算結(jié)果

假設(shè)初始資金依然為610元，采用歷史模擬法得到的投資組合如下：

表九 歷史模擬法下的VaR

通過比較發(fā)現(xiàn)，歷史模擬法下的VaR測算結(jié)果要比實際情況下的VaR要小，從資產(chǎn)配置角度來看，更優(yōu)的資產(chǎn)組合要求更多的債券和余額寶等收益率較為穩(wěn)定的金融產(chǎn)品，股票市場收益率波動性較大，對于家庭金融資產(chǎn)而言，風(fēng)險較大。