黃華繼,張軒昂
(安徽財經大學 金融學院,安徽 蚌埠 233030)
近年來,隨著我國社會經濟水平的不斷發展,家庭金融資產選擇由以前單一的銀行儲蓄逐漸向金融資產多元化趨勢發展.不同的家庭金融資產選擇又帶來了家庭財產性收入的多樣性,財產性收入出現了股息紅利收入、利息收入、保險收益和資本利得等多種類型.就宏觀層面來說,居民對家庭金融資產的選擇行為與股票市場、債券市場、基金市場和貨幣市場的起伏波動密切相關;就微觀層面來說,居民的財產性收入會隨著一些家庭金融資產的選擇而有所提高,進而提高居民的福利水平.
自十八屆三中全會提出“多渠道增加居民財產性收入”以來,更加多元化的居民財產性收入來源在我國出現的趨勢愈加明顯,財產性收入也一直保持較高的增長速度,其重要性也日益凸顯.此外,國家也出臺了很多相關的增加財產性收入的政策,并強調了在金融市場上獲得的財產性收入,鼓勵居民積極理性地參與金融市場.根據對金融市場的研究發現,居民持有金融資產的種類越來越多,金融資產結構越來越豐富,金融資產存量上有了較大增長,這也意味著居民財產性收入的總量及來源越來越豐富.在我國加快轉變經濟發展方式的新形勢下,研究分析金融資產的選擇及構成與居民財產性收入之間的相關性,有助于家庭合理選擇并且有效進行資產組合,進而帶來金融資產結構的升級,在居民財產性收入提高和更多共享經濟成長的成果層面上,具有較強的理論意義和現實意義.
國內外學者對金融資產的研究主要集中于家庭金融資產選擇的統計特征研究和影響因素研究方面.
基于豐富且較為詳盡的金融數據庫,如美國的消費者金融調查(SCF),日本的國民調查數據(JNSD)以及西班牙綜合經濟統計數據(IEA)等,在研究家庭金融資產時,國外學者大多選擇微觀數據來描述統計特征.Pryor[1]根據SCF數據研究得出結論:1975~2000年,美國家庭收入差距不斷擴大,主要原因在于城鄉財產性收入的差異,增加財產性收入已經被視為積累財富的主要方式.另一方面,在美國家庭中,風險資產比例不斷上升,而持有安全性較高的資產的情況與以往大致相同;此外,研究還發現在金融資產的種類層面,美國家庭的選擇更全面,并且具有很高的參與度.統計數據顯示90%的美國家庭會進行不同類型的金融投資且25%的家庭擁有5種以上的不同金融資產.Luis Pedauga[2]根據西班牙國家統計局(INE)提供的綜合經濟賬戶(IEA)的統計數據,并且基于財產收入矩陣,說明了在80%的情況下,自然資源的所有者將其交由其他機構單位支配時,財產性收入就會增加.
國內學者研究時更多選擇統計年鑒、國家統計局以及中國人民銀行的時間序列數據、橫截面數據等其他類型的混合數據來描述并比較統計特征.張學勇[3]基于職業性分析了國內居民金融資產的特征,其中黨政機關單位的收入與企業單位的平均收入相比要低,但其儲蓄類金融資產比例較高.甘犁[4]從城鄉兩個角度出發,根據中國家庭金融調查數據(CHFS)發現,農民收入的增長來源主要是營業收入和生產收入,其中有穩定貸款資金來源的僅占33.2%,因此其在家庭金融資產選擇方面會更多傾向于小額、微利;另外由城鄉財產性收入的大小比較,總結出我國家庭金融市場參與率較低的特點,并且描述了居民金融資產的結構及總量.李波[5]從消費者最優路徑的視角出發,就中國家庭金融調查數據(CHFS)得出家庭金融風險資產的風險效應為負,財富效應為正.
Nagel[6]提出家庭金融資產是一種長期的資產組合,不會隨著專業或是收入而輕易改變.Paiella[7]的研究表明,對風險厭惡者而言,其規避風險的意愿越強,那么其參與證券類金融資產的選擇可能就越低.Rooij[8]等利用荷蘭中央銀行家庭調査(DHS)數據研究發現,被調查者很多僅具備最基本的金融知識,而對專業性較強的知識認知度不高,使得家庭參與股票市場的概率大大降低.Chihiro Shimizu[9]以日本的失業人群和就業人群的財產性收入為出發點,由卡方檢驗結果得出失業人群的財產性收入占比較高的結論,說明了工作環境因素對居民的金融參與程度有直接性作用.
郭俊敏[10]認為家庭進行金融資產投資的水平與受教育程度正相關,在較為穩定的范圍內,投資者年齡越大,其投資欲望越強烈.周超[11]將個人因素、投資因素以及制度因素作為影響因素,研究和財產性收入之間的相關關系,得出個人因素在其中有很重要的意義.任碧云[12]就金融發展因素提出自己的看法,認為金融發展的結構和效率會在很大程度上抑制財產性收入的增加,而金融發展規模對財產性收入有正面的積極作用.
近年來,財產性收入這一研究方向越來越受到國內相關研究者的廣泛關注.目前,就研究的具體方向而言,主要集中在居民財產性收入的重要性、現狀及產生的貧富差距三個方面.
自十八大報告提出“多渠道增加居民財產性收入”之后,國內諸多專家學者對此政策提出見解.李建軍[13]提出隨著證券市場和貨幣市場的不斷發展,居民對現金類資產需求會明顯降低,通過金融資產結構的優化升級,居民財產性收入會有很多的增長動力;趙人偉[14]強調微觀家庭財產性收入等同于承認了居民家庭擁有個人財產的重要性;滿海紅[15]明確指出,城鄉居民總收入中的財產性收入占比很大程度上會成為反映國民經濟水平和國家市場化程度的標志;寧光杰[16]認為提高低收入家庭,特別是農村家庭的財產性收入水平,對于縮小財產性收入差距具有長遠意義.
(1)從宏觀數據層面對我國居民財產性收入現狀的研究.陳建東[17]就中國統計年鑒提供的數據分析得出,城鎮居民的財產性收入由1985年的人均3.74元上升到2006年的650元,得出財產性收入與工資性收入存在正相關關系,提出需要進一步提高居民工資性收入.何麗芬[18]對城鄉家庭財產性收入的二元特征進行了回歸分析,根據實證結果得出,城市家庭中地產發展對于財產性收入有正向影響,而對農村家庭而言,儲蓄存款與財產性收入成正相關關系.王姣[19]指出2009年我國居民財產性收入占比不到2.7%,另外其增長速度總體上較慢,主要原因在于社會保障體系不夠完備,相關的金融知識儲備不足等.
(2)對居民財產性收入所產生的貧富差距進行研究.余姝緯[20]對陜西省財產性收入現狀進行了詳細分析,發現總體財產性收入占比低于全國水平,股息與紅利對財產性收入的貢獻程度較低,整體財產性收入結構較為單一是造成這一現狀的最主要原因.王雄軍[21]由居民財富分布狀況分析得出,我國財產性收入差距主要原因在于:居民家庭財富的分布情況總體上不平衡;資本市場自身“馬太效應”的特性也會帶來財產性收入差距的進一步擴大;除此之外,投資能力和理財意識的差異也是造成財產性收入差距的原因.
向量自回歸模型,很多時候會用來處理具有聯系的時間序列數據,且對相關的隨機擾動對系統的沖擊進行分析,進而來解釋不同的經濟因素沖擊對于相關的變量的影響.一般表達式為:
Yt=A1Yt-1+A2Yt-2+…+ApYt-p+εt,
式中,Y一般表示N維的內生變量矢量;A為內生變量矢量所對應的系數矩陣;P為內生變量的滯后階數.
在進行VAR模型的實證研究時,需要進行格蘭杰因果檢驗、IRF脈沖響應分析以及方差分解等工作.其中,格蘭杰因果檢驗是用來檢驗某一變量的滯后項是否會對其他變量產生當期影響;脈沖響應函數用以全面表現各個變量之間的即時的動態變化和影響;方差分解是為了表現對內生變量的影響.
VAR模型在建立時,一般要求數據是平穩序列,若不是往往會造成模型不穩定,結果失真.因此,首先要對時間序列進行平穩性檢驗,文中采用ADF單位根檢驗.若出現不平穩的情況,需要對相應數據進行一階差分,若平穩可以進行保留,若不平穩需要繼續進行差分處理.在建立VAR模型前,往往需要確定最優滯后階數,這樣會減少不同滯后階數所帶來的誤差影響.建立模型后需要進行平穩性檢驗,以確保模型是穩定的.
研究選取了國內1993~2014年間的時間序列宏觀經濟數據,為了最大程度地保證數據的完整性和研究的準確性,特選取共計21個數據,選取的五類金融資產中,XJ為現金,CK為儲蓄存款,GZ為國債,GP為股票,BX為保險.財產性收入總量用CS來表示.居民各類金融資產總量對數表如表1所示.

表1 居民各類金融資產總量對數表
(1)相關數據的處理.先分別對相關數據進行對數化處理,然后再進行數據的平穩性檢驗.因為宏觀經濟數據基數過大,為避免出現異方差和數據的強烈波動,對數據進行對數化處理可以縮小數據之間的間距,便于處理差分問題,因此選擇將數據對數化處理.與此同時,由于時間序列數據自身的特點,需要保證數據的平穩性,如果選取的數據是非平穩的,則容易出現偽回歸問題.
(2)數據的檢驗——ADF單位根檢驗.分別對變量INCS,INBX,INGZ,INGP,INCK和INXJ進行ADF單位根檢驗,從而判斷數據的平穩性.為避免偽回歸問題,無法對非平穩數據直接回歸,需要采取差分處理,然后進行相應的差分序列的回歸,以達到消除不平穩性的目的.相關數據的ADF單位根檢驗及對非平穩數據差分后的結果如表2所示.由表2中ADF單位根檢驗結果可知,國債(LNGZ)為平穩時間序列數據,其余的變量數據都是非平穩的,現金(LNXJ)經過一階差分后變為平穩,儲蓄存款(LNCK)、股票(LNGP)、保險(LNBX)和財產性收入(LNCS)經過二階差分后平穩.由表2中ADF檢驗結果可知,整體來看,時間序列數據均滿足數據平穩性條件,符合構建VAR模型的要求.

表2 ADF檢驗結果
(1)VAR模型的平穩性檢驗.VAR模型平穩性檢驗結果如圖1所示.由圖1可知,VAR模型全部特征多項式的根的倒數都落在圓形區域范圍內,因此可說明該VAR過程是平穩的.

圖1 VAR模型平穩性檢驗結果
(2)格蘭杰因果關系檢驗.格蘭杰因果檢驗隨著滯后階數的增加,拒絕原假設的結論會成立.與此同時,檢驗時也需要考慮模型的序列相關性以及赤池信息準則(AIC),在檢驗中發現滯后階數為4的檢驗模型不具有一階自相關性,而且擁有較小的AIC值,因此最優的滯后階數為4.格蘭杰檢驗的原假設是否定的,目的是判斷一個變量是否是另一個變量的格蘭杰原因,需借助概率值的大小比較,當概率值p<0.5時,則拒絕原假設;當概率值p>0.5時,則接受原假設.格蘭杰因果檢驗關系表如表3所示.根據表3的檢驗結果及檢驗原則可以判斷,現金、股票、儲蓄存款和保險均是財產性收入的格蘭杰原因,財產性收入是存款、國債、保險和股票的格蘭杰原因.
(3)脈沖響應函數.就內生變量而言,其沖擊不僅會影響自身,而且會波及其他的內生變量.為了描述VAR模型的動態變化,描述一個內生變量如何擾動其他內生變量以及它擾動影響的軌跡如何刻畫,影響軌跡如圖2所示.從圖2a可以看出,將一個正向反應作用于保險存量,由市場將該反應傳導至財產性收入,則會將反向沖擊帶給財產性收入,且沖擊的影響力越來越大;圖2b中,存款存量的增加會給財產性收入帶來正向的沖擊,但隨著期數的增加,正向沖擊的作用會減小;圖2c顯示,股票存量的增加在第3期之后才對財產性收入帶來正向沖擊且沖擊越來越大,在前兩期時對財產性收入的沖擊力影響幾乎為0;在圖2d中,國債存量的變化對財產性收入有反向沖擊但沖擊力度逐漸減小,第8期之后,沖擊力幾乎為0;由圖2e可得到,現金存量的增加給財產性收入帶來正向沖擊,但沖擊力度較為平穩.

表3 格蘭杰因果檢驗關系表

圖2 廣義脈沖響應函數圖
(4)方差分解.方差分解的原理:將所有系統的內生變量(k個)的波動按照其成因分解為與各個方程信息相關聯的k個組成部分,借此獲取信息對模型內生變量的相對重要程度.通過方差度量分析內生變量變化中每一個部分的貢獻度,進而根據貢獻度大小評價不同沖擊的重要性.貢獻度越大,說明對內生變量的影響也越大.
財產性收入的方差分解結果如表4所示.在表4中,S.E.代表標準誤差,后面六列分別代表以INCS為因變量的方程信息對各預測誤差的貢獻度.由表4數據可知,前期財產性收入對自身的影響程度很大,貢獻率占絕對比率,但是后期大幅度減弱,直至基本保持穩定狀態.從長期來看,保險、股票和現金對財產性收入的影響最高,三者對財產性收入影響的貢獻率達到83%,具體看來,在第7期之后,保險、股票和現金對財產性收入影響的貢獻率基本保持穩定;從短期來看,國債對財產性收入的貢獻率僅在第1期影響較大,隨后影響快速減弱,后基本維持在較穩定狀態.通過綜合分析可知,保險、股票和現金三者對財產性收入的貢獻率最高.

表4 財產性收入的方差分解結果
根據以上分析可知,財產性收入和金融資產結構之間不存在協整關系,即長期的穩定平衡關系不可能.但由格蘭杰因果檢驗可得,互相之間有一定的格蘭杰因果關系,現金、股票、儲蓄存款和保險均是財產性收入的格蘭杰原因,同時財產性收入也是存款、國債、保險和股票的格蘭杰原因.在居民的金融資產結構中,各類金融資產對財產性收入的貢獻度也不盡相同,且貢獻度差距過大.在文中的實證結果中發現,從長期來看,保險、股票和現金對財產性收入的影響最大,這說明居民愿意將更多的資產配置在現金、保險和股票等金融資產中.在所有類別的金融資產中,現金具有最強的流動性;保險獲得的收入雖少,但安全系數極高,同時也給居民家庭在未來的不確定性中帶來了極大的保障,因此深受居民家庭歡迎;近年來,隨著我國證券市場的不斷完善和發展,高風險與高收益并存的股票類金融資產也被越來越多的家庭選擇持有,希望在承擔高風險的同時獲取高收益.從居民家庭整體資產配置的情況來看,居民會將一部分資產配置在安全系數高、流動性強的資產上以備不時之需,同時也會將一部分資產配置在風險類金融資產上期望獲取高收益.因此,增加金融資產的種類會促進居民財產性收入增加,即財產性收入可以借助居民投資渠道增加.
經過對我國居民家庭金融資產結構與財產性收入之間關系的實證分析,研究從實際出發并提出建議:完善金融市場制度,促進資本市場規范化多元化發展.不斷創新金融產品,擴大居民家庭理財的路徑和來源,給家庭提供更多的選擇,特別是從金融產品的質量、收益水平以及安全性的角度來進行突破,給予家庭投資者更多的信心;提高居民家庭理財意識,因人而異,由實際的風險承受能力和風險偏好程度情況選取金融產品并在資產投資路徑上尋求創新,從而有效配置家庭資產,實現資產的保值增值;針對特定類型的投資者,設計與之相匹配的金融產品,滿足其投資的需求;建立健全社會保障制度.在社會保障制度健全的情況下,更多的家庭尤其是中低等收入家庭也會積極參與到金融市場中來,投資各類金融產品,從而提高居民家庭的財產性收入;明確金融機構的監管職責,在金融安全性上加強管理,提升風險意識,保障投資者的資金安全,給予其一個較為合理有序的投資環境.