楊公齊，溫一平，金 瑩

（1.廣東金融學院 金融科技產(chǎn)業(yè)政策與發(fā)展研究院，廣東 廣州 510520；2.東北財經(jīng)大學 經(jīng)濟學院，遼寧 大連 116000）

根據(jù)第七次人口普查結(jié)果（2020 年）以及聯(lián)合國相關預測顯示，中國社會的老齡化程度已遠超國際判別標準，其老年人口增速也將五倍于全人口增長速度。從傳統(tǒng)來看，中國普遍的家庭養(yǎng)老方式要求個人或者家庭承擔絕大部分的養(yǎng)老開支。因此，當今社會中普遍存在的壽命延長現(xiàn)象將給家庭帶來大量的額外財務壓力。在工資水平相對固定的現(xiàn)狀下，通過增配風險資產(chǎn)來獲取額外收益，是家庭緩釋長壽風險，平滑各期收支的重要手段?；谠摫尘?，長壽風險問題將對中國社會的家庭金融參與產(chǎn)生一定程度的影響。因此，探索長壽風險如何通過壽命變化的方式對家庭風險資產(chǎn)配置行為產(chǎn)生影響將在不同主體充分認識長壽風險和完善金融市場發(fā)展方面具有重要的現(xiàn)實意義。

一、文獻綜述

長壽風險被普遍定義為人群未來的實際壽命高于預期壽命，并由此造成的財富短缺風險。國外關于此類問題的研究起步較早，體系也較為完備。MacMinn等人對長壽風險概念進行了細化，將其詳細區(qū)分為個體（individual）和聚合（aggregation）兩個層次［1］。其中個體性長壽風險為本文的關注目標，微觀主體可以通過科學的管理方法來緩釋該種風險的影響。

在長壽風險的度量指標方面，Lee 和Carter 二人最早通過對時間因子建立一維時間序列模型構建了可用于預測人群死亡率的Lee-Carter 模型，并提出可以通過測量人群在不同年齡區(qū)間的死亡率來衡量長壽風險的大?。?］。Cocco 和 Gomes 在探索收益確定型養(yǎng)老基金對沖長壽風險的最優(yōu)策略時，使用了人口平均預期壽命來作為長壽風險的度量指標［3］。但由于Lee-Carter 模型在數(shù)理上存在一定的使用局限，因此國內(nèi)學者在分析該類問題時，通常會基于本土數(shù)據(jù)的特性對指標進行改良，如楊繼軍將長壽風險表示為人群預期壽命的不確定性［4］。

關于壽命變化與個人或家庭資產(chǎn)變動的關系，學者們也進行了大量研究。楊芊芊假設代表性投資者以生命周期內(nèi)效用最大化為目標，構建了投資者的常數(shù)相對風險厭惡效用函數(shù)。通過求解該函數(shù)發(fā)現(xiàn)，當預期壽命延長時，風險資產(chǎn)占家庭總財富的占比也會隨之提升［5］。胡仕強和鮑淞琦在傳統(tǒng)生命周期模型中嵌入精算模型和現(xiàn)代金融計量方法，研究了長壽風險對個人消費和最優(yōu)風險投資比重的影響。結(jié)果發(fā)現(xiàn)，從生命周期的橫向來看，居民資產(chǎn)組合中投資于風險資產(chǎn)的比重呈上升趨勢［6］。朱文佩和林義通過實證研究也得出了近似結(jié)論，居民對主觀生存概率的較高預期將顯著增強其持有養(yǎng)老性金融資產(chǎn)的傾向和金額［7］。

通過梳理上述文獻發(fā)現(xiàn)，現(xiàn)有研究在分析長壽風險對家庭資產(chǎn)配置影響時，通常僅從單一壽命變化的角度進行闡釋。而基于高忠琴對我國長壽風險的現(xiàn)狀分析，認為群體壽命的延長只是長壽風險發(fā)生的一個重要因素，其中還應包含由人口結(jié)構變化引發(fā)的贍養(yǎng)比和社會勞動力供給等一系列問題［8］。因此，本文認為在以家庭為主體分析長壽風險影響時，除考慮壽命的直接作用外，還進一步將老年人口撫養(yǎng)率作為中介變量，對長壽風險如何影響家庭參與風險資產(chǎn)配置進行了路徑分析。旨在更加全面地刻畫長壽風險影響家庭資產(chǎn)配置的機制。

另一方面，大多數(shù)研究都習慣基于死亡率預測結(jié)果，使用人群平均預期壽命等相關指標來作為指代長壽風險的變量加入模型當中。這類指標在計算過程中，需進行大量的統(tǒng)計和精算分析，耗費大量時間和成本，且在實際使用過程中也存在明顯滯后性?？梢姡捎谟嬎惴绞降奶匦?，該類型變量更適合于政府和保險公司在估計大范圍基本養(yǎng)老保險和一定體量的年金保險計劃所含風險時使用，卻未必適合于分析家庭或個人這樣小單位主體的行為決策時作為影響因素被采用。據(jù)此，本文選擇利用區(qū)域平均壽命作為模型的核心變量，地區(qū)平均壽命相較于預期壽命不僅能夠更好地反映出區(qū)域整體人口壽命的當前水平，也能更直觀地被當?shù)鼐用窀惺懿⒓{入家庭資產(chǎn)配置的決策中去。

二、生命周期視角下壽命延長對家庭風險資產(chǎn)配置決策影響的機理分析

美國經(jīng)濟學家Modigliani 和Brumberg 提出的生命周期模型為分析長壽風險對家庭資產(chǎn)配置的影響提供了基礎理論框架。該模型假設所有個體都是理性的且傾向于一種穩(wěn)定的生活狀態(tài)和消費模式。他們將所有工資收入和財產(chǎn)性收入在生命周期內(nèi)進行平均分配，以期在不同生命階段享有等量的消費水平。同時個人生命周期內(nèi)的總效用僅與其消費水平和資產(chǎn)積累程度相關［9］。基于該理論，本文假設所有家庭擁有如式（1）所示相同形式的效用函數(shù)：

同時為闡明壽命—消費—收入之間的關系，本文進一步將原模型中關于個人消費決策的表達式進行了改寫，得到式（2）：

其中U 為家庭效用，C 為家庭平均消費水平，α 代表資產(chǎn)積累水平，L為個體壽命，y為家庭總工資收入。β則是0到1之間的任一常數(shù)。

在對禮儀基本理論和基本知識進行課堂講授時，強調(diào)在課堂教學中積極調(diào)動學生學習的積極性，開展課堂討論，培養(yǎng)學生的思維和分析問題的能力。例如，在“禮儀內(nèi)涵”的教學過程中，先利用一些禮儀知識自測題引導學生進行思考，學生給出自己的答案并進行討論，然后老師對錯誤觀點進行糾正，并讓學生自己通過對比講出其中緣由，能夠讓學生對知識點的印象更深刻。

由于我國法律限定了最遲退休年齡，因此家庭工資收入將相對壽命增長而保持穩(wěn)定。在不考慮α變動的條件下，由式（2）可知消費水平將與壽命呈顯著反相關關系。壽命的延長會降低家庭的平均消費水平。而當α 發(fā)生正向變動時，資產(chǎn)性收入增加將對消費水平起到一定程度的穩(wěn)定作用。

另一方面，Merton 基于重復動態(tài)的方法給出了家庭（個人）關于消費與投資的最優(yōu)配置解析式。該解析式指出，承擔更多風險產(chǎn)品，是家庭強化資產(chǎn)積累提高收入能力的有效途徑［10］。

綜合以上結(jié)論，本文對式（1）兩側(cè)同時取對數(shù)，并將其改寫為式（3）的線性形式：

式（3）等式表明，在人群壽命整體延長的趨勢下，通過金融市場配置更多風險資產(chǎn)，不僅可以從強化資產(chǎn)累積的角度有效彌補因消費水平下降而帶來的效用損失，還可以通過提升收入穩(wěn)定消費的方式，促進家庭達到更高的效用水平。因此，通過風險市場優(yōu)化資產(chǎn)管理方式將是家庭應對長壽風險的重要手段。

三、計量模型與變量選擇

（一）模型設定

1.基準回歸模型。本文將采用Probit模型，探討人口平均壽命與所選控制變量對家庭配置風險性金融資產(chǎn)可能性的情況。基準模型形式構建如式（4）：

其中，Control 為所有控制變量集合，殘差μ 服從μ～(0,σ2)的正態(tài)分布。

2.中介效應模型。為探尋人口平均壽命與家庭風險性金融資產(chǎn)配置可能性之間存在的完整機制，本文引入老年人口撫養(yǎng)比作為中介變量，進一步分析其可能影響路徑，并利用基準回歸模型構建出檢驗模型（5）、（6）：

（二）變量說明

1.被解釋變量。本文關注于家庭是否參與風險性金融活動，因此被解釋變量為家庭是否持有風險性金融資產(chǎn)（Risk），其可以被視為家庭是否配置了風險性金融資產(chǎn)。此為二值虛擬變量，本文將參與賦值為1，否則為0。其中，風險金融資產(chǎn)主要包括：股票、債券、基金、金融衍生品、外匯和黃金等。

2.核心解釋變量。居民普遍會依據(jù)現(xiàn)有條件而形成關于壽命的預期性決策。因此，地區(qū)平均壽命相較于全國性預期壽命不僅能夠更好地反映出當前區(qū)域的整體人口壽命水平，也能更好地被當?shù)鼐用窀惺艿讲⒓{入資產(chǎn)配置的決策中去。因此，本文選用各省人口平均壽命（LS）作為家庭決策中長壽風險的替代變量。

3.中介變量。本文基于生命周期理論與我國人口結(jié)構亟須改善的現(xiàn)狀，提出老年人口撫養(yǎng)比（Aged）可能為人口平均壽命對家庭配置風險性金融資產(chǎn)可能性的一個中介變量的假設。其中老年人口撫養(yǎng)比將由各省65歲以上人口數(shù)量占15-64歲勞動年齡人口數(shù)量之比來表示。

4.控制變量。參考相關文獻（盧亞娟和Calum G.Turvey［11］，李藝［12］，楊芊芊［5］，尹豪［13］，周曉娜［14］），本文選擇的控制變量如下：（1）家庭人口規(guī)模（FN），即被調(diào)查家庭的成員數(shù)。（2）家庭人均年收入（AI），即被調(diào)查家庭的總收入與家庭人口規(guī)模的比值，因此變量均為正數(shù)，本文均對此變量數(shù)值進行了對數(shù)處理。（3）家庭負債情況（Debt）。此變量為虛擬變量，若被調(diào)查時家庭有負債則賦值為1，否則為0。（4）戶口性質(zhì)（Res），即被調(diào)查家庭戶主的戶口性質(zhì)，采用農(nóng)村和城鎮(zhèn)劃分，若為農(nóng)村戶口則賦值為1，否則為0。（5）受教育年限（Edu）。此變量為有序變量，分為9 類，數(shù)值越大受教育水平越高。（6）戶主健康狀況（Hea）。其表示為與同齡人相比戶主的身體健康狀況，分為5類，數(shù)值越大表示身體健康狀況越差。（7）戶主社保參與情況（SS）。為有序變量，分為5類，其衡量的標準為被調(diào)查時戶主參與我國養(yǎng)老保險、醫(yī)療保險、失業(yè)保險和住房公積金的種類數(shù)。（8）風險偏好（RL）。其為有序分類變量，取1-6整數(shù)，數(shù)值越大表示戶主風險厭惡程度越高。

（三）數(shù)據(jù)來源、統(tǒng)計與分析

本文實證分析所用數(shù)據(jù)均來自國內(nèi)公開數(shù)據(jù)庫，其中被解釋變量與控制變量均來自西南財經(jīng)大學中國國家金融調(diào)查與研究中心CHFS 項目2019 年調(diào)查數(shù)據(jù)，樣本覆蓋了我國大陸地區(qū)（除西藏、新疆外）的29個省、市、自治區(qū)，343個區(qū)縣，1360個村（居）委會。經(jīng)清理后得到本文所需數(shù)據(jù)，并對缺失值采用該項變量均值進行替換。人口平均壽命與老年人口撫養(yǎng)比分別來自國家統(tǒng)計局與國泰安數(shù)據(jù)庫，為保持統(tǒng)計口徑的一致，人口平均壽命與老年人口撫養(yǎng)比均采用2019年我國大陸地區(qū)（除西藏、新疆外）的29個省、市、自治區(qū)的數(shù)據(jù)。本文各變量的描述性統(tǒng)計結(jié)果如表1所示。

表1 各變量數(shù)值的描述性統(tǒng)計

四、實證結(jié)果分析

（一）基準回歸結(jié)果

本部分將采用基準回歸模型對所選變量進行回歸，回歸的系數(shù)結(jié)果與各變量的邊際效應如表2。

表2 基準回歸結(jié)果

根據(jù)表2所示，Probit回歸結(jié)果可得如下結(jié)論：（1）人口平均壽命與家庭是否配置風險性金融資產(chǎn)之間存在顯著的正相關關系，即人口平均壽命每增加一個單位帶來的家庭配置風險性資產(chǎn)的概率將上升0.016 個單位。該結(jié)果充分反映了家庭會根據(jù)壽命的現(xiàn)實情況做出合理的預期性決策，壽命延長將激勵個體提高風險性金融活動參與率來提升養(yǎng)老保障的物質(zhì)積累。（2）在家庭特征變量中，除家庭負債這一變量外，其余變量均為顯著。具體而言，家庭人口規(guī)模的增長會直接導致家庭負擔加重并提升家庭參與風險市場的可能；同時，家庭人均年收入對家庭參與風險性金融活動的可能性存在正相關關系，符合理論邏輯即金融市場的活躍程度與經(jīng)濟水平有著密切關聯(lián)。（3）在戶主特征變量中，居民社保參與率和風險厭惡程度與因變量回歸結(jié)果的相關關系符合一般理論邏輯；同時，農(nóng)村戶口相比城市戶口來說參與風險性金融活動的可能性降低，且受教育年限與參與風險性金融活動的可能性顯著正相關，該結(jié)果將為后文提高家庭風險性金融活動參與度的政策意見提供事實依據(jù)；當戶主健康水平越差，其參與風險性金融活動的可能性就越低，這可能由于較差的健康狀況會對家庭儲蓄造成損耗，使其風險承受能力降低。

（二）穩(wěn)定性檢驗

為保證基準模型回歸結(jié)果的準確性與穩(wěn)定性，本文采用了替換模型的方法對基準回歸進行穩(wěn)健性檢驗，表3詳細給出了回歸結(jié)果。其中，第一列顯示的是將Probit 模型替換為Logit 模型后的輸出結(jié)果，除不基準回歸中顯著的負債外各變量的顯著性與對應的系數(shù)符號沒有明顯的改變，且其邊際效應的數(shù)值也未與基準回歸的邊際效應有明顯出入。

表3 穩(wěn)定性檢驗結(jié)果

（三）中介效應檢驗結(jié)果

基于我國人口結(jié)構的現(xiàn)狀與前文的分析假設，本部分利用中介效應模型即模型（5）與模型（6）擬探究老年人口撫養(yǎng)比是否是人口平均壽命作用在家庭配置風險性金融資產(chǎn)可能性的一個中介因子?；貧w結(jié)果如表4。

表4 中介效應檢驗結(jié)果

（四）異質(zhì)性分析

由中介效應分析證實了老年人口撫養(yǎng)比為人口平均壽命影響家庭配置風險性金融資產(chǎn)情況的一個中介因子，而我國地域遼闊，各地人口結(jié)構會因差異化的經(jīng)濟發(fā)展速度而表現(xiàn)出較強異質(zhì)性，因此本文將基于老年人口撫養(yǎng)比對人口平均壽命影響家庭配置風險性金融資產(chǎn)情況做進一步分析。

該部分將通過基準模型，依據(jù)2019年各省老年人口撫養(yǎng)比均值將各變量分為兩組。其中老年人口撫養(yǎng)比小于等于17.5的省份有廣東、青海、海南、內(nèi)蒙古、寧夏、福建、云南、江西、北京、山西、廣西、天津、甘肅、陜西、河南和貴州；老年人口撫養(yǎng)比大于17.5的省份有吉林、黑龍江、湖北、浙江、河北、湖南、安徽、江蘇、遼寧、上海、重慶、四川和山東。將對應的分組后數(shù)據(jù)代入基準模型進行回歸，得到結(jié)果如表5。

值得注意的是，該分類回歸結(jié)果顯示，地區(qū)老年人口撫養(yǎng)比的差異將導致控制變量系數(shù)值大小發(fā)生重要變化：（1）在家庭特征變量中，人口規(guī)模與人均年收入在老年人口撫養(yǎng)比較高的省市中對家庭配置風險性金融資產(chǎn)可能性的影響程度均有提升。其原因可能為處于老年人口撫養(yǎng)比較高省市的家庭，家中老年人口的比重和養(yǎng)老開支壓力可能相對老年人口撫養(yǎng)比稍低省市的家庭更大。因此，該地區(qū)居民的養(yǎng)老資產(chǎn)管理策略將變得更為敏感，家庭人口規(guī)模增加或是人均收入水平的提高會顯著增強居民參與風險性金融活動的動機。（2）在戶主特征變量中，老年人口撫養(yǎng)比較高省市的居民家庭，其戶口性質(zhì)對家庭配置風險性金融資產(chǎn)可能性的負面影響存在下降趨勢，表明隨著老齡化程度的加深，城市與農(nóng)村戶口對參與金融市場的影響差異將逐漸縮小；而在老年人口撫養(yǎng)率較高地區(qū)，居民接受教育的程度將對他們參與風險性金融活動起到更強的助推作用；社保參與率在老年人口撫養(yǎng)比較高的省市中，對家庭參與風險性金融活動的可能性存在更大的正向影響；然而較高的老年人口撫養(yǎng)比也將放大風險厭惡情緒對家庭參與配置風險性金融資產(chǎn)的阻礙作用。

五、主要結(jié)論及建議

本文通過省際截面數(shù)據(jù)分析了長壽風險影響家庭金融參與的機制，得到如下結(jié)論：第一，長壽風險會顯著提高家庭持有風險性金融資產(chǎn)的概率，其總體效應為0.086。第二，在該影響機制中，存在以老年人口撫養(yǎng)比為中介變量的間接效應0.0068，占總效應比重的7.9%。其作用路徑為：由壽命變化引起的勞動人口與非勞動人口比例失衡，造成社會中老年人口數(shù)量不斷提升，對每單位家庭的影響表現(xiàn)為老年人口撫養(yǎng)比顯著增加，支出壓力增大。在工資相對固定的情況下，會迫使家庭增加配置風險性資產(chǎn)以達到收支平衡。第三，按老年人口撫養(yǎng)比大小進行異質(zhì)性分析時，模型中參數(shù)方向和顯著性并不發(fā)生改變，但其對因變量的影響程度將發(fā)生顯著變化。

據(jù)此，本文提出下列建議：一是長壽風險將提高居民對風險資產(chǎn)的依賴，并對金融服務提出了更為復雜的要求。政府需把握相關趨勢，出臺相應優(yōu)惠政策，引導更多發(fā)行方進入市場并開展養(yǎng)老性金融產(chǎn)品的創(chuàng)新活動。在充分保障產(chǎn)品安全的前提下，增加市場產(chǎn)品供給的種類和數(shù)量，增強金融對養(yǎng)老的服務能力。二是決策層應全面考慮長壽風險為家庭帶來影響的每一環(huán)節(jié)，充分考慮其中人口結(jié)構的影響因素?？梢酝ㄟ^適當延遲退休年齡等方式，優(yōu)化補充社會勞動人口，從而減輕家庭撫養(yǎng)負擔。三是教育水平對家庭參與風險資產(chǎn)配置存在較強的推動作用。因此，提高教育質(zhì)量，普及金融基礎知識，不僅能夠間接幫助家庭提升財富積累水平，管理長壽風險，同時也能為中國金融市場發(fā)展培養(yǎng)更多的有效理性的參與者，有利于進一步增加中國金融市場中的投資主體并提升中國金融資源的配置效率。四是政府應當不斷優(yōu)化基礎社保的管理水平，可以根據(jù)地方實際情況調(diào)整社保的繳存比例，進一步釋放高撫養(yǎng)率地區(qū)家庭的資金流動性，有利于提高社會通過金融市場管理長壽風險的能力。五是風險厭惡因子在高撫養(yǎng)比地區(qū)會對家庭配置風險資產(chǎn)概率產(chǎn)生更強的負向作用。政府應當充分將這樣的行為模式和心理規(guī)律納入考量范疇，在管理地方金融市場時，應關注到潛在的由居民消極情緒集中爆發(fā)引起的系統(tǒng)性下跌風險。