馬麗敏

(河北省農(nóng)林科學(xué)院 農(nóng)業(yè)資源環(huán)境研究所,河北 石家莊 050051)

隨著金融危機爆發(fā)，保護投資者合法權(quán)益已成為全球金融市場監(jiān)管的首要問題。因此，對投資者適當(dāng)性管理是新規(guī)則和監(jiān)管的要求，例如美國的《金融行業(yè)監(jiān)管局規(guī)則》的 2111條或歐盟的《金融工具市場指令》。適當(dāng)性管理包含了財務(wù)顧問的義務(wù)，即只推薦適合客戶個人需求和情況的投資策略，從而避免不當(dāng)銷售。因此，財務(wù)顧問需要合理的信息來評估其適用性，例如財務(wù)狀況、投資目標(biāo)、投資的時間范圍以及客戶接受風(fēng)險的意愿(即風(fēng)險偏好)。因此，確定適當(dāng)性在很大程度上取決于評估投資者的能力，尤其是風(fēng)險偏好問題。有效和可靠地衡量風(fēng)險偏好是成功進行財務(wù)咨詢以提高客戶滿意度的關(guān)鍵因素。

本文目的在于測試一種工具，通過使用真實投資者的樣本，將調(diào)查數(shù)據(jù)與真實的投資組合聯(lián)系起來，從而滿足當(dāng)今的法規(guī)要求和科學(xué)標(biāo)準(zhǔn)。在本文的分析中，使用來自銀行客戶數(shù)據(jù)庫的不同投資組合風(fēng)險度量作為因變量，以測試工具的可靠性和有效性,并進一步分析其與投資者人員統(tǒng)計特征的關(guān)系。所獲得的結(jié)果主要針對投資資本超過2萬元的部分咨詢客戶。研究還包括客戶執(zhí)行，但他們在銀行的客戶數(shù)據(jù)庫中所占的比例卻不足，因此在樣本中所占的比例也較低。

一、研究方法

(一)問卷設(shè)計

為了選擇問卷，本文根據(jù)法規(guī)要求和科學(xué)標(biāo)準(zhǔn)采用了以下6條標(biāo)準(zhǔn)：(1)特別關(guān)注興趣的領(lǐng)域(投資)。(2)衡量風(fēng)險偏好，不要混淆不同的概念，例如投資目標(biāo)或風(fēng)險承受能力。(3)問題和答案選項的措詞必須清晰易懂。(4)不應(yīng)基于數(shù)量。排除了基于前景理論問題、賭博任務(wù)或彩票選擇的問卷。(5)問題不應(yīng)要求過于具體的投資知識。(6)問卷應(yīng)在有效性和可靠性方面達到高標(biāo)準(zhǔn)。

(二)受訪者

為了評估不同風(fēng)險偏好并分析其在實際投資組合層面的影響，我們對持有投資組合的某銀行的隨機樣本客戶進行調(diào)查。問卷是實名的。受試者被告知，他們的答案將與證券公司內(nèi)部數(shù)據(jù)相關(guān)聯(lián)，經(jīng)過梳理之后采用。本文隨機抽取了7,963個樣本(投資組合中的最低金額為2萬元)，并邀請他們參與在線或通過發(fā)郵件；1200個客戶做出了回應(yīng)，其中1，194個客戶回應(yīng)有效。

(三)因變量

為了測試問卷的有效性和預(yù)測實際投資行為的能力，我們從數(shù)據(jù)庫中提取了3個標(biāo)準(zhǔn)變量，以獲得每個受訪者其投資所承擔(dān)的風(fēng)險。在進行調(diào)查的同時對數(shù)據(jù)進行觀察。

1.投資組合中股票百分比

主要使用投資組合中股票的百分比作為因變量。假定股票占總資產(chǎn)的比例高反映了投資者對風(fēng)險的厭惡程度較低，反之亦然。為了支持我們的結(jié)果與其他研究的可比性，本文還研究了風(fēng)險偏好與客戶投資組合中股票比例之間的關(guān)系。與其他研究不同的是，因變量是基于實際的投資組合數(shù)據(jù)。對于包含多資產(chǎn)基金的投資組合(投資于不同資產(chǎn)類別的基金)，使用基金拆分數(shù)據(jù)來提取正確比例的股票。股票在投資組合中的比例計算如下：設(shè)E表示給定的n個工具集合對m個資產(chǎn)類別的矩陣，E=[eij]∈n×m，其中eij∈,i=1，…,n,j=1,…,m并且對所有i有投資組合的權(quán)重

關(guān)于m個資產(chǎn)類別，有

X=w′E=(x1,…,xm)∈m.

因此，從客戶投資組合中屬于n種工具的資產(chǎn)類別mstocks的總和可得到投資組合中股票的百分比。

2.投資組合波動性(3年)

為了將投資者的投資組合作為一個整體來考慮，將波動性作為衡量財務(wù)風(fēng)險的一個指標(biāo)。這里的投資組合波動率是從調(diào)查開始3年之內(nèi)算起的 (月回報率)。投資組合波動性定義為

其中rt=第t個月的客戶投資組合收益。

3.整體投資組合風(fēng)險指標(biāo)

最后，使用整體投資組合風(fēng)險指標(biāo)作為因變量。它基于調(diào)查時相關(guān)的風(fēng)險承擔(dān)分配(與投資組合的波動性相比，反映了三年內(nèi)承擔(dān)的風(fēng)險)。該指標(biāo)是基于投資者投資組合中的工具分配到8個風(fēng)險類別中的1個。這些類別的范圍從0(低風(fēng)險)到7(高風(fēng)險)，每個類別都由一個上下波動邊界來定義。將單個工具分配給其中一個類別是基于其長期歷史波動性，并通過獨立于本研究的投資專家的定性審查進行驗證?？蛻敉顿Y組合中的少量投資工具不屬于風(fēng)險類別，因此沒有被整體風(fēng)險指標(biāo)考慮在內(nèi)。平均而言，該指標(biāo)反映了投資組合中93.7%的資產(chǎn)。投資組合整體風(fēng)險指標(biāo)的權(quán)重為

每種工具的風(fēng)險分類

是通過整體投資組合風(fēng)險指標(biāo)(OPRI)=w′RC得出。

這樣的分類符合歐盟金融工具市場法規(guī)(MiFID)要求的適當(dāng)性測試的最佳實踐標(biāo)準(zhǔn)。我們的指標(biāo)是數(shù)量加權(quán)指標(biāo)(即投資者投資組合中的每種金融工具均按其百分比份額加權(quán)，得出一個單一的分數(shù))。因此，該措施忽略了根據(jù)現(xiàn)代投資組合理論的投資組合多元化原則。

二、調(diào)查研究

(一)衡量不同風(fēng)險偏好

對問卷中使用的項目進行了范圍和適用性的分析。通過因子分析確定股票投資意愿和不同風(fēng)險偏好兩個維度，并盡可能排除不相關(guān)的項目。KMO(Kaiser-Meyer-Olkin)抽樣充分性測度(=0.82)和巴特利特球形檢驗(p< 0.00)證實了項目足以進行因子分析。表1給出了使用主軸分解的最終旋轉(zhuǎn)因子矩陣。

表1 項目的因素和可靠性分析

這兩個維度都通過因子分析得到了證實，因子權(quán)重得分范圍為0.66至0.87。這兩個因素解釋了總方差70.0%(分別為35.9%和34.2%)。如果使用量表，這兩個維度都顯示出較高的克倫巴赫α水平，即股票投資意愿為0.87，不同風(fēng)險偏好為0.86。因此，股票投資意愿和不同風(fēng)險偏好這兩個維度可以分別用3個項目可靠地衡量。因此在Keller和Siegrist[3]的原始不同風(fēng)險偏好量表中加入該附加項目是正確的，因為它顯著提高了原始量表的克倫巴赫α值。

此外，用于比率表的所有項目的失誤值都非常低，(只有1.3～1.9%的參與者選擇了答案選項“我不知道”)(參見表2)。這表明，對于我們樣本中的所有投資者而言，這些項目都是可以理解的，并且似乎不需要深入的金融知識。

表2 所有項目的描述

為了達到設(shè)計一種實際使用工具的目的，我們還計算了一個不同風(fēng)險偏好指數(shù)，包括前面提到的兩個風(fēng)險等級。我們假設(shè)，股票投資意愿規(guī)模不僅反映了作為特定資產(chǎn)類別的股票投資意愿，而且總體上也反映了投資金融市場的意愿。換句話說，這個子量表可以用來衡量金融投資的風(fēng)險偏好。因此，應(yīng)該有可能將其與不同風(fēng)險偏好量表結(jié)合起來以形成不同風(fēng)險偏好指數(shù)。為了計算該指標(biāo)，對不同風(fēng)險偏好量表的項目進行了重新編碼。然后將指數(shù)計算為所有6個項目的總和，其中每個比例點都有相應(yīng)的點數(shù)。因此，指數(shù)從6點到30點不等。其均值為17.35，標(biāo)準(zhǔn)差為5.33。表3給出了不同風(fēng)險偏好指數(shù)的可靠性分析結(jié)果。不同風(fēng)險偏好指數(shù)的克倫巴赫α值為0.88。

表3 不同風(fēng)險偏好指數(shù)的可靠性分析(n=1153)

(二)風(fēng)險偏好測量的有效性

在確定了衡量投資者風(fēng)險偏好的可靠量表后，我們計算了回歸模型來評估這些測量的有效性。作為客戶實際投資組合風(fēng)險的指標(biāo)，使用了從銀行客戶數(shù)據(jù)庫中提取的因變量部分中描述的3個測量值：投資組合中的股票百分比、投資組合波動性(3年)和總體投資組合風(fēng)險指標(biāo)。

所有指標(biāo)均用作回歸模型中的因變量，作為實際投資行為的預(yù)測指標(biāo)來評估風(fēng)險偏好測量的有效性。

回歸模型表明，這兩個量表與實際投資行為之間存在非常密切的關(guān)系。

當(dāng)以投資組合中的股票比例作為因變量時，股票投資意愿和不同風(fēng)險偏好這兩個預(yù)測因子解釋了37%的方差(R=0.61，調(diào)整后R2=0.37)。股票投資意愿的相對影響(標(biāo)準(zhǔn)β值為0.44)明顯高于不同風(fēng)險偏好的影響(標(biāo)準(zhǔn)β值為0.24)。此外，兩個尺度解釋了24.0%的客戶的投資組合波動性(R=0.49，調(diào)整后R2=0.24)。

最后，總體投資組合風(fēng)險指標(biāo)模型顯示了最佳結(jié)果： 可以解釋風(fēng)險指標(biāo)方差41%(R=0.64，調(diào)整后的R2=0.41)。兩種量表的標(biāo)準(zhǔn)化β評分均有顯著性差異(p < 0.01)。表4中的結(jié)果表明，投資股票的意愿對投資組合風(fēng)險水平的影響要大于不同風(fēng)險偏好(分別為β=0.46和β=0.26)。這與使用投資組合中的股票百分比作為因變量的回歸模型的結(jié)果非常相似。

表4 投資組合中的股票百分比，投資組合波動率(3年)和總體投資組合風(fēng)險指標(biāo)的回歸模型

比較這三個模型，似乎總投資組合風(fēng)險指標(biāo)比投資組合中的股票百分比或投資組合波動性更能代表個人風(fēng)險偏好。使用我們的不同風(fēng)險偏好指數(shù)作為整體投資組合風(fēng)險的一個預(yù)測指標(biāo)，也會導(dǎo)致該指數(shù)與實際承擔(dān)的風(fēng)險之間的高相關(guān)性 R=0.63，這是通過整體投資組合風(fēng)險指標(biāo)來衡量的。風(fēng)險偏好指數(shù)解釋了投資組合風(fēng)險方差40%。

如表5所示，不同風(fēng)險偏好指數(shù)的回歸模型得出的結(jié)果與表5所示的結(jié)果非常相似：投資組合中股票的百分比(R=0.61，調(diào)整后的R2=0.37)和投資組合波動性(R=0.49，調(diào)整后的R2=0.24)的方差小于整體投資組合風(fēng)險指標(biāo)的方差。因此，不同風(fēng)險偏好指數(shù)將作為所有進一步分析的因變量。

表5 以不同風(fēng)險偏好指數(shù)作為實際行為預(yù)測指標(biāo)的回歸模型

(三)性別、年齡和財富

人口統(tǒng)計學(xué)特征已被廣泛用作風(fēng)險偏好分類的鑒別因素。為了深入了解該量表，我們將調(diào)查范圍擴展到了風(fēng)險偏好和人口統(tǒng)計之間的關(guān)系(例如，關(guān)于性別、年齡和財富)。大多數(shù)已發(fā)表的與財務(wù)決策相關(guān)的研究發(fā)現(xiàn)，男性的風(fēng)險偏好要高于女性。此外，不同風(fēng)險偏好隨著年齡的增長而降低。Rolison等人發(fā)現(xiàn)，男性的年齡呈二次趨勢，女性的呈線性趨勢，風(fēng)險偏好上的性別差異在年輕人中更為明顯，并且隨著年齡的增長而減小。最后，風(fēng)險偏好與財富呈正相關(guān)。

1.性別差異

男性在不同風(fēng)險偏好的所有衡量指標(biāo)上的得分都明顯高于女性，在實際投資方面的得分也明顯高于女性。如表6所示，男性比女性表現(xiàn)出明顯更高的股票投資意愿(M=3.61，SD=1.04，t=-7.03，p≤0.01)，以及較高的風(fēng)險偏好(M=2.58，SD=0.92，t=-10.44，p≤0.01)和不同風(fēng)險偏好指數(shù)(M=18.57，SD=5.20，t=-9.75，p≤0.01)。看看他們的實際投資行為，可以發(fā)現(xiàn)同樣的結(jié)果：根據(jù)從銀行內(nèi)部數(shù)據(jù)得出的總體投資組合風(fēng)險指標(biāo)，男性得分明顯更高(M=3.11，SD=1.30，t=-6.40，p≤0.01)，持有的股票明顯多于女性(t=-5.67，p≤ 0.01)，他們的投資組合在過去三年中表現(xiàn)出明顯更高的波動性(M=6.86%，t=-6.97，p≤0.01)。

表6 態(tài)度風(fēng)險指標(biāo)和風(fēng)險行為方面的性別差異

2.年齡

我們的不同風(fēng)險偏好指數(shù)所反映的風(fēng)險承擔(dān)意愿在投資者的生命周期中不斷變化。年齡與不同風(fēng)險偏好指數(shù)的相關(guān)關(guān)系明顯呈倒u型，男性在50歲左右達到頂峰，女性在55歲左右達到頂峰(R2=0.02，F(xiàn)=11.82, p≤0.01的二次函數(shù)模型相關(guān)性略優(yōu)于R2=0.01，F(xiàn)=17.25, p≤0.01的線性函數(shù))(見表7)。

表7 不同風(fēng)險偏好指數(shù)(因變量)與年齡(因變量)之間的相關(guān)性

這一觀察結(jié)果對男性和女性投資者均適用(見圖1)：盡管對于女性而言，線性模型顯示年齡與風(fēng)險偏好之間無顯著相關(guān)性(R2=0.01，F(xiàn)=2.37，p>0.05)，但二次函數(shù)確實存在相關(guān)性(R2=0.02，F(xiàn)=3.02，p≤0.05)。對于男性，兩種模型都可以使用，但二次函數(shù)顯示的相關(guān)性(R2=0.03，F(xiàn)=10.52，p≤0.01)比線性模型(R2=0.02，F(xiàn)=16.78，p≤0.01)略好。

圖1 生命周期中性別和年齡的風(fēng)險偏好差異

對于男性，這些結(jié)果與Rolison等人的發(fā)現(xiàn)相一致，但與他們關(guān)于女性的研究發(fā)現(xiàn)相矛盾，因為女性的線性趨勢不顯著，而二次函數(shù)明顯。

3.財富

隨著財富的增加(以包括銀行中存儲的現(xiàn)金在內(nèi)的資產(chǎn)總額衡量)，承擔(dān)風(fēng)險的意愿也隨之提高。我們發(fā)現(xiàn)風(fēng)險偏好指數(shù)與客戶財富之間存在r=0.22(p≤0.01，n=1,153)的適度相關(guān)性。從不同的財富值來看，風(fēng)險偏好指數(shù)存在明顯差異(見表8)。

表8 按財富值劃分的風(fēng)險偏好差異

為了評估對風(fēng)險行為的影響，我們在回歸模型中逐步引入了人口統(tǒng)計學(xué)變量。結(jié)果見表9。

表9 以不同風(fēng)險偏好指數(shù)和人口統(tǒng)計變量作為預(yù)測整體投資組合風(fēng)險指標(biāo)的回歸模型(n=1129)

盡管在我們的研究中，男性的投資組合平均風(fēng)險水平高于女性，但在個人層面上，他們似乎都是根據(jù)各自的風(fēng)險偏好進行投資的。性別作為實際風(fēng)險承擔(dān)的額外預(yù)測因素沒有顯著的解釋力，也不能解釋額外的方差(ΔF=0.18，p>0.05)。年齡也是如此：年齡不考慮回歸模型中的其他方差(ΔF=0.09，p>0.05)。因此，不同風(fēng)險偏好指數(shù)似乎已經(jīng)考慮到了性別和年齡差異。

另一方面，客戶的財富可以作為預(yù)測指標(biāo)，顯著但僅略微提高了模型的解釋能力(ΔF=20.99，p≤0.01)?？蛻舻呢敻辉蕉?，越有可能投資于風(fēng)險更高的投資組合。財富額外增加了1.0%的方差。

三、討論

本文對個人意愿及其風(fēng)險偏好的測算得出以下結(jié)論:它表明不同風(fēng)險偏好可以使用6個項目可靠地測量(不同風(fēng)險偏好指數(shù)的克倫巴赫值=0.88)。這些發(fā)現(xiàn)與Weber等人的研究一致，他們表明4-8個項目在可靠性方面是足夠的。

此外，我們的結(jié)果表明，以投資環(huán)境中的風(fēng)險偏好為重點的可理解的陳述可以用作投資者在金融市場投資時承擔(dān)的實際風(fēng)險的有效預(yù)測指標(biāo)。使用財務(wù)風(fēng)險指標(biāo)，可以解釋總投資組合風(fēng)險的方差40%，存款股票百分比37%和投資組合波動性22%。與風(fēng)險研究的其他發(fā)現(xiàn)相比，我們的指數(shù)似乎提供了有效的結(jié)果，并解釋了實際投資者行為的大量差異。