趙向華

[摘 要] 以家庭投資風(fēng)險(xiǎn)偏好為研究對(duì)象，在人口老齡化的社會(huì)背景環(huán)境下，分析這一基本條件對(duì)于投資風(fēng)險(xiǎn)偏好的影響狀態(tài)。通過(guò)論述老齡化在風(fēng)險(xiǎn)投資中的應(yīng)用地位，在建立基本偏好影響理論框架的同時(shí)，提取并建立完整的數(shù)據(jù)模型。經(jīng)過(guò)對(duì)數(shù)據(jù)信息的深入推演，確定人口老齡化對(duì)于居民家庭投資風(fēng)險(xiǎn)偏好的影響狀態(tài)，供相關(guān)研究參閱討論。

[關(guān)鍵詞] 人口老齡化;家庭投資;風(fēng)險(xiǎn)管理;投資偏好

[中圖分類號(hào)] F832[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)] 1009-6043（2020）02-0062-03

人口老齡化是我國(guó)社會(huì)發(fā)展進(jìn)程中不可避免的問題。在當(dāng)前的社會(huì)環(huán)境中，人口老齡化問題的影響條件已經(jīng)逐漸浮現(xiàn)，并對(duì)社會(huì)產(chǎn)生了明顯的影響。從金融行業(yè)的視角出發(fā)，這種社會(huì)性問題也會(huì)對(duì)我國(guó)居民家庭投資風(fēng)險(xiǎn)偏好造成一定程度的影響。而為了說(shuō)明這一影響，則需要從老齡化的影響條件入手，引導(dǎo)后續(xù)分析模型建立與統(tǒng)計(jì)。

一、老齡化對(duì)風(fēng)險(xiǎn)資產(chǎn)配置的影響

家庭資產(chǎn)配置的理論系統(tǒng)中，生命周期理論對(duì)后續(xù)的研究活動(dòng)產(chǎn)生了明顯的影響。假定理性消費(fèi)者在整個(gè)生命周期中，都需要通過(guò)儲(chǔ)蓄實(shí)現(xiàn)資本的效用最大化管理。因此，在這一理論系統(tǒng)的影響條件下，社會(huì)人口的老齡化發(fā)展，就會(huì)增加社會(huì)群眾的消費(fèi)傾向，并降低儲(chǔ)蓄總量與傾向。其他針對(duì)人口老齡化的研究，也將生命周期理論作為基礎(chǔ)，確定了中年人對(duì)于股票投資的傾向程度。在國(guó)內(nèi)的相關(guān)研究中，養(yǎng)老金與社保是分析這一問題的關(guān)鍵。在我國(guó)的醫(yī)療養(yǎng)老保險(xiǎn)體系下，年齡成為了影響金融資產(chǎn)結(jié)構(gòu)的重要參數(shù)。

二、偏好影響研究的理論框架

年齡狀態(tài)對(duì)于投資風(fēng)險(xiǎn)的偏好狀態(tài)，主要建立在風(fēng)險(xiǎn)異質(zhì)性特征與不同年齡的認(rèn)知差異中。在這兩項(xiàng)影響條件的基礎(chǔ)上，家庭的投資風(fēng)險(xiǎn)偏好，也會(huì)產(chǎn)生不同程度的變化，并對(duì)整體人口老齡化環(huán)境中的家庭投資傾向造成影響，而為了更好地說(shuō)明這一內(nèi)容，需要以此為基礎(chǔ)，建立起完整的理論研究框架，以此保證偏好影響條件的狀態(tài)分析，確定影響研究的現(xiàn)實(shí)意義[1]。

行為經(jīng)濟(jì)學(xué)視角下，人們的偏好內(nèi)容帶有一定的異質(zhì)性特征，是一種微觀復(fù)雜性的表現(xiàn)，并重點(diǎn)體現(xiàn)在年齡差異條件上。從心理學(xué)的角度出發(fā)，人們進(jìn)入老齡化階段后，隨著經(jīng)濟(jì)收入的降低，對(duì)經(jīng)濟(jì)狀態(tài)有更加強(qiáng)烈的敏感度。然而在財(cái)富渴望程度上升的同時(shí)，根據(jù)其自身生命周期的特征表現(xiàn)，又表現(xiàn)出對(duì)于風(fēng)險(xiǎn)本能的厭惡。老年階段，在身體精力下降、健康惡化的條件下，也會(huì)自然的降低其風(fēng)險(xiǎn)承受能力，以此表現(xiàn)出風(fēng)險(xiǎn)溢價(jià)的高標(biāo)準(zhǔn)要求狀態(tài)。

不同年齡狀態(tài)的認(rèn)知條件，也會(huì)影響人們的風(fēng)險(xiǎn)偏好狀態(tài)。在研究過(guò)程中發(fā)現(xiàn)，隨著年齡的增長(zhǎng)，認(rèn)知能力會(huì)表現(xiàn)出先增長(zhǎng)再降低的發(fā)展曲線。通過(guò)社會(huì)追蹤性調(diào)查發(fā)現(xiàn)，風(fēng)險(xiǎn)偏好內(nèi)容與人們的認(rèn)知能力有明顯的關(guān)聯(lián)性。在認(rèn)知能力較高的年齡段狀態(tài)下，更傾向于高風(fēng)險(xiǎn)的投資項(xiàng)目;而在認(rèn)知水平降低后，人們對(duì)于低風(fēng)險(xiǎn)的投資項(xiàng)目則表現(xiàn)出明顯的傾向性。對(duì)應(yīng)在年齡狀態(tài)下，處于老齡狀態(tài)的低認(rèn)知能力，會(huì)影響其投資風(fēng)險(xiǎn)傾向，并更加側(cè)重于低風(fēng)險(xiǎn)的投資內(nèi)容。由此，在全年齡段的投資風(fēng)險(xiǎn)偏好曲線中，呈現(xiàn)出了與認(rèn)知能力同步的“倒U型”曲線結(jié)構(gòu)。

三、數(shù)據(jù)信息基礎(chǔ)上的影響模型分析

（一）數(shù)據(jù)來(lái)源與變量模型

本文所采用的數(shù)據(jù)信息，源自于網(wǎng)絡(luò)，是各大金融機(jī)構(gòu)與高校調(diào)研中心數(shù)據(jù)的匯總。在內(nèi)容上，基本覆蓋了2018年以前，全國(guó)30各省級(jí)（直轄市、自治區(qū)）單位中，8650戶家庭的投資狀態(tài)。通過(guò)對(duì)其資本配置狀態(tài)的分析與評(píng)估，形成了完整的樣本數(shù)據(jù)6000例，以此作為變量模型的分析基礎(chǔ)，論述人口老齡化狀態(tài)對(duì)于家庭投資風(fēng)險(xiǎn)偏好的影響條件。

在對(duì)問卷信息進(jìn)行設(shè)定的過(guò)程中，設(shè)置了風(fēng)險(xiǎn)意向自我定位內(nèi)容，并在后續(xù)的選擇項(xiàng)目中，從側(cè)面重新定位了風(fēng)險(xiǎn)偏好的評(píng)估條件，以此保證了整個(gè)高風(fēng)險(xiǎn)項(xiàng)目的偏好分析，維護(hù)數(shù)據(jù)信息來(lái)源的對(duì)應(yīng)狀態(tài)。

整體統(tǒng)計(jì)數(shù)據(jù)中，選擇高風(fēng)險(xiǎn)的測(cè)試者總數(shù)的13.83%，中度風(fēng)險(xiǎn)偏好家庭占25.73%。而其余60.43%，均為低風(fēng)險(xiǎn)偏好家庭[2]。從整體數(shù)據(jù)顯示來(lái)看，接受調(diào)查測(cè)試的老齡化家庭，在整體偏好選擇上，更加傾向于低風(fēng)險(xiǎn)狀態(tài)。

（二）數(shù)據(jù)描述分析

通過(guò)對(duì)基礎(chǔ)數(shù)據(jù)信息的統(tǒng)計(jì)，可以將年齡作為分析的線性變量數(shù)據(jù)。將十年作為一組，從20-29歲作為第一組分析數(shù)據(jù)，并在最終將80歲以上作為獨(dú)立小組，形成七組數(shù)據(jù)，以此完成數(shù)據(jù)內(nèi)容中各項(xiàng)影響參數(shù)的帶入分析。

從整體數(shù)據(jù)情況來(lái)看，將低風(fēng)險(xiǎn)偏好作為常量，數(shù)據(jù)變化程度尤為明顯。其中，第一組（20-29）的低風(fēng)險(xiǎn)偏好比例為22.15%，而第七組（80以上）的低風(fēng)險(xiǎn)偏好則為89.61%。另外，將高風(fēng)險(xiǎn)數(shù)據(jù)作為常量，第一組有39.24%的人選擇了高風(fēng)險(xiǎn)項(xiàng)目，而第七組對(duì)于高風(fēng)險(xiǎn)的選擇，僅為1.69%，遠(yuǎn)遠(yuǎn)的低于第一組的數(shù)據(jù)權(quán)重。統(tǒng)一基礎(chǔ)數(shù)據(jù)的支撐下，不同學(xué)歷水平，也會(huì)對(duì)風(fēng)險(xiǎn)的差異化偏好產(chǎn)生的影響。沒有上過(guò)學(xué)的人群中，僅有5.12%選擇高風(fēng)險(xiǎn)偏好，而在高學(xué)歷的博士人群中，則有55.56%的人選擇高風(fēng)險(xiǎn)項(xiàng)目。

（三）差異模型說(shuō)明

依據(jù)數(shù)據(jù)基礎(chǔ)建立差異化模型的過(guò)程中，可以根據(jù)低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)這三種差異化的選擇，確定三種不同的風(fēng)險(xiǎn)態(tài)度。在模型建立中，可以選擇序狀態(tài)的Logit回歸模型作為分析基礎(chǔ)，通過(guò)多分類狀態(tài)的邏輯斯蒂回歸模型，完成整體的數(shù)據(jù)分析。

建立模型的過(guò)程中，可以對(duì)因變量投資風(fēng)險(xiǎn)進(jìn)行系統(tǒng)拆分，并在結(jié)合年齡實(shí)際分析對(duì)象狀態(tài)的前提下，形成對(duì)應(yīng)的回歸數(shù)據(jù)。由此，在Logit回歸模型中，形成假設(shè)數(shù)據(jù)，借助自身的有序化優(yōu)勢(shì)條件下，判斷發(fā)生風(fēng)險(xiǎn)比例變動(dòng)的具體因素與相應(yīng)的邊際因素。

本文在對(duì)居民投資風(fēng)險(xiǎn)偏好進(jìn)行分析的過(guò)程中，可以首先將年齡作為獨(dú)立的分析因素帶入到模型系統(tǒng)中做出假設(shè)分析，完成對(duì)應(yīng)結(jié)論的歸納整理。同時(shí)，在得到相應(yīng)的分析數(shù)據(jù)后，也可將這一年齡狀態(tài)下的數(shù)據(jù)作為基礎(chǔ)，向其中帶入其他的變量數(shù)據(jù)，以此形成新型的綜合數(shù)據(jù)，保證整體分析的指導(dǎo)價(jià)值，并細(xì)化分析研究的內(nèi)容。另外，在這一模型數(shù)據(jù)的基礎(chǔ)上，也可帶入所有的變量參數(shù)，形成獨(dú)立模型。通過(guò)這一模型，可以與年齡模型信息進(jìn)行合并，并形成新的模型數(shù)據(jù)。其中的自變量與控制變量信息，可以總結(jié)出詳細(xì)的模型表達(dá)式：

RISK=β0AGEi+βmXim+εi

式中：RISK為投資風(fēng)險(xiǎn)態(tài)度，是典型的潛變量數(shù)據(jù);AGEi為年齡;Xim為影響偏好的第m個(gè)控制變量;εi為有序Logit回歸模型中的殘差項(xiàng)目分布;β為系數(shù)。

（四）模型分析結(jié)果

在經(jīng)過(guò)計(jì)算統(tǒng)計(jì)之后，可以分別對(duì)不同模型的應(yīng)用條件作出評(píng)估，并整理出多種應(yīng)用型結(jié)論內(nèi)容。在對(duì)實(shí)際數(shù)據(jù)結(jié)果作出總結(jié)的同時(shí)達(dá)到整體數(shù)據(jù)分析的客觀需要。首先在不同的模型的結(jié)構(gòu)中，確定了風(fēng)險(xiǎn)偏好提升等級(jí)過(guò)程中產(chǎn)生的可能性下降。在結(jié)論內(nèi)容上，再次印證了年齡增加，投資風(fēng)險(xiǎn)偏好降低的關(guān)系狀態(tài)[3]。

在對(duì)綜合模型計(jì)算結(jié)構(gòu)進(jìn)行分析的過(guò)程中，可以確定因變量分類中的回歸數(shù)值變化曲線。尤其是在投資風(fēng)險(xiǎn)偏好提高的過(guò)程中，可以確定高、中等風(fēng)險(xiǎn)傾向的降低趨勢(shì)。由此，也確定了整體數(shù)值的合理性狀態(tài)。

七組模型數(shù)據(jù)（如下表所示）中，第一組（20-29）與第二組（30-39）這兩組數(shù)據(jù)的變化區(qū)間較大。而第二組（30-39）與第三組（40-49）之前的差異化狀態(tài)又明顯縮減。這一情況，說(shuō)明了年齡提升條件下，風(fēng)險(xiǎn)偏好的相對(duì)平穩(wěn)變化狀態(tài)。在進(jìn)入60歲以后，這一風(fēng)險(xiǎn)偏好的數(shù)值狀態(tài)，又呈現(xiàn)出了加劇下降的趨勢(shì)。這主要是在受測(cè)者進(jìn)入老年段之后，出現(xiàn)的邊際數(shù)值量增加。

統(tǒng)計(jì)數(shù)據(jù)表

另外，通過(guò)對(duì)受教育程度的分析，可以確定高風(fēng)險(xiǎn)傾向與受教育水平的正比例關(guān)系。在模型邊際效應(yīng)的數(shù)值計(jì)算中，也再次佐證了這一數(shù)值的可行性狀態(tài)。而健康狀態(tài)，也是影響投資風(fēng)險(xiǎn)偏好的重要內(nèi)容，并與年齡狀態(tài)之間表現(xiàn)出密切的關(guān)系水平。具體的邊際數(shù)值中，受測(cè)對(duì)象上升一個(gè)等級(jí)，都會(huì)在健康狀態(tài)上發(fā)生相應(yīng)的變化。尤其在中、高風(fēng)險(xiǎn)偏好中，良好的健康狀態(tài)會(huì)起到積極的影響作用。

（五）影響條件拓展

我國(guó)實(shí)際社會(huì)環(huán)境中，社會(huì)人口主要分為城市人口與農(nóng)村人口這兩種類型。在經(jīng)濟(jì)狀態(tài)選擇的分析過(guò)程中，需要對(duì)這一社會(huì)特殊性的狀態(tài)作出評(píng)價(jià)與分析，并在分別定位社會(huì)人口條件的同時(shí)，確定其各自不同的老齡化投資傾向。由此，在補(bǔ)充模型分析內(nèi)容的過(guò)程中，保證分析的社會(huì)價(jià)值與指導(dǎo)意義。

方法上，可以將有序狀態(tài)的Logit回歸模型作為具體的應(yīng)用方法，在控制變量的條件下，保持與原有最佳模型的同步狀態(tài)。然后，再分別列舉回歸系數(shù)與邊際效應(yīng)的具體數(shù)值。由此得出農(nóng)村居民投資的風(fēng)險(xiǎn)偏好的最終情況。另外，通過(guò)新建立的城鄉(xiāng)差異化模型，可以在家庭成員總數(shù)的變量條件上，確定投資風(fēng)險(xiǎn)偏好的不顯著狀態(tài)，同時(shí)也確定健康狀態(tài)對(duì)于農(nóng)村居民投資影響的不顯著狀態(tài)。但是，在性別、教育程度的數(shù)據(jù)差異，會(huì)對(duì)農(nóng)村居民的風(fēng)險(xiǎn)偏好產(chǎn)生明顯的影響。而健康條件、家庭收入的內(nèi)容，則對(duì)城市居民的投資偏好程度有較為顯著的影響。

通過(guò)對(duì)農(nóng)村居民與城市居民的風(fēng)險(xiǎn)偏好邊際效應(yīng)異同分析，可以再次強(qiáng)調(diào)年齡與風(fēng)險(xiǎn)偏好的反比例關(guān)系，并具體地將70歲作為數(shù)值近似的比較控制點(diǎn)。在70歲以前，城鎮(zhèn)居民的邊際數(shù)值曲線相對(duì)農(nóng)村居民更加陡峭（如圖1所示）。而70歲這一節(jié)點(diǎn)之后，農(nóng)村與城鎮(zhèn)居民的邊際曲線都下降到了相對(duì)較低的位置，并沒有表現(xiàn)出較大的差異化狀態(tài)，呈現(xiàn)出了一定的數(shù)據(jù)趨同發(fā)展?fàn)顟B(tài)[4]。

不僅城鄉(xiāng)差異社會(huì)狀態(tài)會(huì)對(duì)其所屬居民的投資風(fēng)險(xiǎn)偏好造成影響，不同性別也會(huì)產(chǎn)生明顯的差異，而這也是居民家庭投資風(fēng)險(xiǎn)偏好，受老齡化影響的研究拓展內(nèi)容。在對(duì)數(shù)據(jù)調(diào)查信息進(jìn)行調(diào)整的同時(shí)，將性別作為主要分析對(duì)象，可以在形成邊際曲線的基礎(chǔ)上，得到具體的數(shù)據(jù)內(nèi)容。相較于男性的投資風(fēng)險(xiǎn)偏好，女性的風(fēng)險(xiǎn)偏好在全年齡段中，都要低于男性的邊際數(shù)值。并在隨著年齡的不斷增長(zhǎng)，兩個(gè)獨(dú)立的曲線數(shù)據(jù)（如圖2所示），逐漸表現(xiàn)出明顯的趨同性特征。

綜上，在對(duì)金融數(shù)據(jù)進(jìn)行調(diào)查與總結(jié)的過(guò)程中，結(jié)合我國(guó)當(dāng)前的人口老齡化現(xiàn)狀，分析這一社會(huì)條件對(duì)于居民投資偏好的影響作用。通過(guò)分析，不僅可以更加清晰的定位我國(guó)居民的金融選擇狀態(tài)，也能為金融行業(yè)的發(fā)展調(diào)整提供幫助。在制定新型金融工具的過(guò)程中，可以充分地發(fā)揮數(shù)據(jù)之大價(jià)值，引導(dǎo)居民參與理財(cái)?shù)耐瑫r(shí)，保證國(guó)民經(jīng)濟(jì)的穩(wěn)定發(fā)展?fàn)顟B(tài)，以此更好地適應(yīng)老齡化社會(huì)環(huán)境。

[參考文獻(xiàn)]

[1]周海珍，曹航瑋.延遲退休政策下養(yǎng)老保險(xiǎn)的收入再分配效應(yīng)研究[J].金融理論與實(shí)踐，2019（6）：94-100.

[2]徐佳，龔六堂.金融知識(shí)會(huì)影響家庭退休安排嗎？融知基于中國(guó)居民家庭微觀調(diào)查的分析[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2019，19（2）：126-137.

[3]鄒小秡，楊芊芊.主觀預(yù)期壽命對(duì)家庭資產(chǎn)配置的影響——基于CHARLS數(shù)據(jù)的經(jīng)驗(yàn)分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2019（2）：44-61.

[4]周曉波，周立群.人口結(jié)構(gòu)對(duì)股市參與率和參與程度的影響——根據(jù)深圳證券交易所數(shù)據(jù)的測(cè)算[J].證券市場(chǎng)導(dǎo)報(bào)，2017（6）：21-29.

[責(zé)任編輯：高萌]