避險資產對家庭風險資產的影響研究

■艾蔚 劉璐

一、引言

各國經驗表明，當國民收入超過1萬美元時，家庭資產配置將出現顯著的結構性調整。2019 年我國人均GNI 首次超過1 萬美元[1]，在此背景下，中國家庭資產結構是否也在悄然發生變化？《中國家庭財富指數調研報告》季度數據顯示，2021 年住房資產對中國家庭財富增加貢獻度從2020年初的68.1%下降到60.4%，金融資產對財富增加的貢獻度則從23.7%上升到30.2%[2]。隨著房地產市場“降溫”、產業結構升級，金融資產正在成為家庭財富增加的關鍵驅動力量。在金融資產占比提升過程中，優化家庭資產結構已成為居民及家庭規劃當期與未來消費、儲蓄與投資決策的重要路徑。

家庭金融資產可分為避險資產與風險資產。家庭通常會同時擁有避險資產與風險資產，避險資產與風險資產的持有比例能夠反映居民的風險態度。數據顯示，2019 年城鎮家庭避險資產持有率高達99.6%，而風險資產持有率為59.6%[3]。實際上，避險資產作為大多數家庭金融資產配置的首選，是否會抑制風險資產的持有尚不能確定。避險資產對風險資產投資有兩個方面的影響：一方面，避險資產會促進家庭增加風險資產投資。這是因為，現金、存款、保險等避險資產可以規避家庭支出的不確定性，保險還可以提高居民的風險應對能力，進而可能促使家庭增加風險資產投資。另一方面，避險資產會對風險資產配置產生替代效應。如保險、定期存款等避險資產相對固定地占據家庭可支配財富，也會抑制家庭參與風險金融市場。促進效應和替代效應孰大孰小，尚不明確。

2021年，我國居民持有最多的是銀行存款類資產；持有的公募基金占比居第二位，達到44%；股票占比為17%[4]。隨著互聯網金融的興起、居民收入的持續提高，家庭在保持持有避險資產的同時，對風險資產投資的需求也在穩步增長。除風險態度外，金融資產配置還與經濟發展水平、金融市場發達程度以及居民金融素養等因素有關。明確避險資產與風險資產兩者之間的關系是理解家庭投資邏輯的重要環節。在此基礎上，本文以預防性、低風險、低收益為特征的避險資產和以高風險、高收益為特征的風險資產之間的關系作為研究重點。

二、文獻綜述和研究假設

（一）避險資產和風險資產的劃分

避險資產和無風險資產呈現包含或重疊的關系。許多文獻在研究中更關注無風險資產，將商業養老保險、商業醫療保險納入研究的文獻不多。避險資產包括現金、存款、債券和保險等，其中現金、存款、國債屬于無風險資產。在不存在嚴重通貨膨脹的情況下，無風險資產具有良好的避險功能，是居民偏好的避險資產[5]。保險也是良好的避險資產[6]。保險分為社會保險和商業保險：社會保險多具有強制性特征；商業保險是典型的避險資產，具有風險對沖、隔離的功能[7]。本文認為避險資產是指當金融市場遭受沖擊發生大幅波動時，價值依然能夠保持相對穩定或者升值的金融資產。在投資者抗風險能力較弱或因意外遭受損失時，避險資產可以對損失進行補償，從而減小風險沖擊。由于現金、存款、保險具有相似的避險功能，本文將上述資產一同歸為避險資產。為了更好地呈現家庭避險資產配置決策，本文將避險資產分為兩類：A類包括年金、商業養老保險、商業醫療保險；B類包括現金和各類存款。

風險資產是指可以在金融市場上進行交易、以收益為目的、具有不同風險程度的金融產品，主要包括股票、基金、理財產品、債券、金融衍生品和非人民幣資產等金融資產。在風險資產研究中，學者的研究范疇不盡相同，但基本上涵蓋股票、債券、基金和衍生品、理財產品（銀行理財產品和其他理財產品）、外匯[8—10]等。對于黃金的劃分不太明確，有學者在研究中將黃金納入了風險資產[11]，也有學者認為盡管黃金的避險能力波動較大，但仍然是全球主流避險資產之一[12]。外匯也是如此，短期內美元、瑞士法郎、日元的避險能力甚至高于黃金。綜上，股票、基金、債券、理財產品是被普遍認可的風險資產。因此，后文將這四類產品視為風險資產，用于判斷家庭是否參與風險投資。若家庭擁有一類或多類資產，則被認為參與了風險投資。

（二）風險資產配置的影響因素

影響風險資產配置的因素主要分為三類：個人特征、家庭特征、經濟環境。個人特征中，金融知識[13]、金融從業經歷[14]、健康狀況[15]影響家庭風險資產投資，而受教育程度、健康狀況和投資經驗對農村家庭金融資產選擇具有重要影響[16]。還有學者從保險參與的視角，證明擁有社會基本養老保險能明顯提升居民持有風險資產的可能性和比重[17]，購買商業保險對城鄉中老年居民家庭參與風險資產投資更是有顯著的影響[18]。家庭特征包括是否擁有房產、家庭收入等，其中房產持有對5%以下的風險資產持有有顯著的促進作用，超過這個臨界值則會產生明顯的抑制作用[19]。家庭收入期望差距與風險金融市場參與顯著正相關[20]?，F有研究都關注到了人口特征和家庭特征對風險資產配置的影響，但根據消費理論，收入決定預算約束線的位置，且金融資產配置較高的國家往往是經濟水平較為發達的國家，因而經濟因素對不同家庭金融資產配置的影響也存在差異。

（三）避險資產與風險資產投資的關系

中國家庭的資產規模雖然總體在增加，但投資偏好仍然比較單一，我國家庭更加偏向投資避險資產作為養老保障[21]。《全球偏好調查》表明：我國居民的風險偏好程度在全球居于中等水平，與德國、法國、韓國等國家居民的風險偏好程度相當，低于加拿大、美國、英國、挪威、瑞典等國，高于俄羅斯、日本、印度、馬來西亞等國[22]。與我國風險偏好程度相當的法國，金融資產占比高于我國25 個百分點[23]，而日本盡管風險偏好程度低于我國，但金融資產占比卻高于我國49 個百分點。這反映出我國居民風險資產投資少并非是因為更偏好避險資產，而可能是由于整體上金融資產占比不高。在居民可支配收入增多并投向金融資產時，很有可能隨著避險資產的增加，風險資產也同方向增加，這是因為避險資產有助于提高家庭抗風險的能力，進而增強風險資產投資的動機。

避險資產不僅能提高家庭的風險應對能力，還能影響家庭投資決策者的風險態度。避險資產的持有可能使家庭決策者更偏好風險資產投資，從而選擇或增加風險資產投資。根據理性人經濟學假設，為了實現效用最大化，投資決策者會根據家庭現有的資產狀況及時調整配置策略。比如，當家庭避險資產較少時，決策者的風險態度可能更加趨于保守，傾向于增持避險資產；而當決策者主觀認為避險資產足夠應對未來可能發生的風險時，其風險態度可能會轉向風險偏好，進而選擇增加風險資產的配置。

總結以上分析，本文提出三個研究假設：

假設1：避險資產投資決策會促使家庭增加風險資產投資。

假設2：風險資產投資會隨著家庭避險資產的增加而增加。

假設3：持有避險資產會通過改變風險態度影響家庭風險資產配置。

三、數據介紹和模型設定

（一）數據來源和變量解釋

1.數據來源

本文數據主要來源于2017 年中國家庭金融調查（簡稱CHFS數據庫）。CHFS2017共收集了40011戶家庭的信息，覆蓋區域廣泛、人口眾多，較為全面地刻畫了家庭的金融行為，為探討家庭避險資產對風險資產投資的影響提供了有力支持。本文使用CHFS 插值處理后的數據進行分析。經過篩選，最終選取7368個家庭樣本。

2.變量選取

本文的被解釋變量為風險資產投資情況，從三方面測度。一是風險資產投資決策（risk_if）。若家庭擁有股票、債券、基金、理財產品中的任一類或多類，取值為1，否則為0。二是風險資產投資規模（lnrisk）。由于數據存在截斷特征，并且為了避免非線性影響，對風險資產投資規模取對數。具體方法為：將股票、債券、基金、理財產品價值相加取對數，用于衡量風險資產投資規模。三是風險資產投資深度（risk_pp）。具體方法為：風險資產投資規模與家庭持有的總金融資產的比值，以此作為風險資產相對規模的衡量指標。

解釋變量為避險資產投資決策。由于絕大多數家庭都持有一定的現金或存款，因此對避險資產投資決策（free_if）只考慮A類避險資產，即年金個人賬戶、商業養老保險、商業醫療保險參與情況。有其中一種購買行為則取值為1，否則為0。

選擇的協變量主要包括三個方面：個人特征、家庭因素及經濟環境因素。個人特征包括風險態度、性別、戶主文化程度、戶主自評健康、戶主年齡及平方、戶主婚姻狀況。家庭因素包括家庭總收入、戶主父母受教育程度、家庭規模。經濟環境因素包括城鄉歸屬和地域。以上三類變量的具體定義及計算方式見表1。

表1 變量定義

（二）計量模型設定及描述性統計

衡量家庭風險資產投資決策行為時，使用Probit模型，模型為：

其中，啞變量risk_ifi表示第i個家庭是否參與風險資產投資，參與則取值為1，否則為0；αi為變量系數；Xi為協變量；εi為服從正態分布的隨機誤差項。

在分析家庭風險資產投資規模和投資深度時，選用Tobit模型。由于有一部分家庭是不投資風險資產的，這樣數據就會出現0值相對集中的現象，用Tobit模型更為合適。以投資規模為例，模型設置為：lnriski=ln(riski)，其中riski=max{0,riski*}，riski*為潛變量。

其中，riski*表示第i個家庭的風險資產投資額riski大于0；βi為變量系數；Zi為協變量；δi為服從正態分布的隨機誤差項。

表2為變量的描述性統計。由表2可知，風險資產投資決策均值較低，說明我國仍有許多家庭尚未投資風險資產，整體積極性不高。這可能與我國居民更偏好持有現金、存款等無風險資產有關。風險資產絕對量、相對量以及家庭總收入極差較大，說明我國家庭存在財富差異。避險資產投資決策均值較低，說明家庭選擇購買商業保險、參加年金計劃人數仍然較少。風險態度顯示我國家庭以風險中性、風險規避態度居多。戶主文化程度平均為高中學歷，戶主父母一方最高的受教育程度大多為小學和初中。戶主年齡平均為中年，已婚占大多數，這可能是因為樣本是以家庭為單位。

表2 描述性統計

另外，主要變量間的相關系數絕對值都較低，在0到0.3之間，且對風險資產投資兩個指標的方差膨脹因子檢驗結果在1.04 到1.63 之間，認為其不存在嚴重的多重共線性，可以進行多元回歸分析。

四、實證分析

（一）全樣本回歸結果

由于風險資產投資決策是二分類變量，而風險資產投資規模和投資深度是連續變量且具有左截斷特征，因此本文選擇Probit模型和Tobit模型分別對其進行回歸（下同），回歸結果①見表3。

表3 的實證結果顯示，A 類避險資產的持有對風險資產投資決策、投資規模和投資深度都有顯著影響。表3（1）列是僅加入個人特征變量時持有A類避險資產對風險資產投資決策的Probit回歸結果，兩者顯著正相關，即避險資產的持有會顯著增加對風險資產的投資意愿。在（2）列和（3）列分別加入家庭因素和經濟環境因素變量后，這種影響依然顯著成立。表3（4）列是僅加入個人特征變量時避險資產對風險資產投資規模的Tobit回歸結果，結果顯示持有避險資產對風險資產投資規模有顯著的正向影響，即持有避險資產的家庭傾向于加大對風險資產的投資力度。（5）和（6）列為逐步增加家庭因素和經濟環境因素變量后的回歸結果，變量系數均顯著為正。為排除類似收入和資產增加導致兩類資產同步增加的情況，（7）列為控制各類變量后，A 類避險資產對風險資產投資深度的邊際影響。顯然，持有A 類避險資產的家庭其風險資產投資比重也更高。這說明假設1成立。避險資產的持有不僅會促使家庭參與風險資產投資，而且會提高風險資產投資占比。同時在結果中可以發現，兩種模型的解釋變量系數在加入控制變量后均有所下降，說明本文選取的控制變量能較好地反映部分因素對風險資產配置的影響。

表3 實證回歸結果

由全樣本的實證結果還發現：個人特征中，年齡對風險資產投資決策有正向影響，即年齡越大越有可能進行風險資產投資。但是年齡對風險資產投資規模和投資深度有負向影響，年齡越大投資規模越小。這可能是因為隨著年齡增加，戶主生活壓力有所增加，家庭成本上升，相應擠壓了風險資產投資規模和比重。風險態度對風險資產投資有顯著的正向影響，即風險偏好程度越高，越傾向于投資風險資產，投資規模和投資深度也越大。性別方面，女性更有可能進行風險資產投資。婚姻狀況對風險資產投資的影響在逐漸加入控制變量后不再顯著，這可能是因為本文樣本以家庭作為研究單位。

家庭因素中，家庭規模對風險資產投資有顯著的負向影響。盡管家庭成員間能起到互助作用，但由于樣本中戶主年齡均值在45歲左右，這可能表示此時家庭成員間的互助作用較小，家庭成員數量越多，需要贍養的老人和撫養的子女越多，占用資金也更多。戶主文化程度、戶主父母受教育程度都對風險資產投資有顯著影響，即受教育程度越高越有可能進行風險資產投資，且投資規模和投資比重也越大。這可能是因為受教育程度與金融素養正相關，并且文化程度越高收入水平更好，風險資產持有規模也越高。而家庭總收入作為一個家庭資產配置的硬性約束對風險資產配置有顯著的影響。

經濟環境因素中，城鄉對風險資產投資的影響是顯著的，城鎮家庭比農村家庭更傾向于投資風險資產。地域也對風險資產投資有正向影響，東部地區較中西部地區更有可能參與和增加風險資產投資。這可能與東部地區經濟發展水平和金融發達程度較高有關系。

（二）內生性討論

考慮到基準模型可能存在遺漏重要變量、反向因果及自選擇性而產生內生性問題，為使分析結果更加準確可信，除在基本回歸中盡可能多地控制了協變量外，本文還采用了兩種方法控制內生性偏誤。

1.傾向得分匹配法（PSM）。家庭決策者做出金融資產配置決策并非是隨機分配的結果，比較容易產生選擇偏誤問題，而自選擇偏誤往往使用傾向得分匹配（Propensity Score Matching，PSM）方法來解決。本文通過劃分持有和未持有A類避險資產的家庭來比較其風險資產投資狀態，二者之間的差別能很好地說明持有避險資產對風險資產投資的影響。實驗組定義為“持有A 類避險資產”的家庭，控制組為“尚未持有A 類避險資產”的家庭，經過處理后得到實驗組833 個樣本，控制組5519 個樣本。為保證結果的穩定性，采用三種匹配方法（最近鄰匹配、半徑匹配、核匹配）來進行驗證。平衡性檢驗②顯示，兩組樣本基本上不存在顯著差異，且滿足共同支撐假定。表4 報告了在不同匹配方法下，平均處理效應ATT的結果。匹配前雖略微高估持有A類避險資產對風險資產投資的影響作用，但符號、顯著性并未發生變化，且匹配后的結果差異不大，說明了研究結果的穩健性和一致性。

表4 不同匹配方式下持有避險資產對于風險資產投資的效應分析

2.工具變量法（IV）。盡管在模型中已經控制了重要的可觀測變量，但仍不能排除反向因果和遺漏的不可觀測因素帶來的內生性問題，且Wald檢驗結果也表明模型存在內生性，本文嘗試選擇合適的工具變量解決這一問題。在遵循工具變量和內生變量相關，但與模型誤差項不相關的前提下，選取家庭所在地域的避險資產平均持有率作為工具變量。這一工具變量與解釋變量相關，但并不會直接影響某個家庭的風險資產配置，因此這一工具變量的選取是合理的。一階段的F 統計量在1%的水平上拒絕了原假設，說明工具變量的選取有效。進一步地，分別對風險資產投資三個指標進行二階段的IV-probit和IV-Tobit回歸，結果如表5 所示。通過對比表5給出的估計結果可知，Probit和Tobit模型低估了持有避險資產對風險資產投資的影響，采用二階段回歸并控制相同的協變量后，風險資產投資三個指標的回歸系數明顯有所提高，均在1%的水平上顯著，兩階段回歸結果一致表明持有避險資產能夠促進家庭進行風險資產投資，研究結果是穩健的。

表5 二階段回歸結果

（三）穩健性檢驗

為驗證研究結果的穩健性，替換解釋變量為B類避險資產規模（lnfree）。具體是將現金和各類存款的金額總和取對數作為避險資產規模的衡量指標。由于年金參與較低，購買商業保險有限，但持有現金、存款等避險資產的人較多，作為更寬條件的替代變量是合理的。為進一步測試穩健性，本文將替換后的解釋變量對風險資產投資三個指標進行全樣本Probit、Tobit回歸，并且測試了引入城鄉啞變量后的回歸結果。為提高模型精度，減小不可觀測因素對預測的影響，在全樣本回歸中直接引入rural，Probit和Tobit模型分別為方程（3）和（4）：

以此更為準確地考察各因素，尤其是避險資產和城鄉的交互效應對風險資產投資的影響。

表6（1）、（2）、（3）列報告了全樣本下避險資產規模對風險資產投資的影響，各變量的影響方向和顯著性都與基本回歸結果大致相同。（4）、（5）、（6）列報告了替換啞變量引入方式后的回歸結果，回歸系數的方向、大小以及顯著性基本沒有發生太大改變。從B 類避險資產和城鄉的交互效應來看，對兩個指標的回歸系數均為負數，說明在持有B 類避險資產的情況下，城市家庭對風險資產投資決策、投資規模及投資深度的敏感性要弱于農村家庭。綜上所述，無論是全樣本還是控制城鄉啞變量后，避險資產都對風險資產投資三個指標有顯著的正向影響。這驗證了假設2，即風險資產配置會隨著避險資產的增加而增加。

表6 穩健性回歸結果

（四）中介效應

驗證風險態度是否在避險資產對風險資產投資的影響機制中發揮中介作用。首先，采用逐步回歸法檢驗系數。以risk_if為例，表7（1）列為未加入中介變量時避險資產投資決策對該指標的影響；（2）列為避險資產投資決策對中介變量即風險態度的影響；（3）列為加入風險態度后，避險資產投資決策對該指標的影響。加入風險態度這一變量后，避險資產投資決策的影響系數變小，初步表明風險態度可能在這一影響機制中起到中介作用。進一步地，（1）列模型表明總效應顯著；（2）和（3）列中，解釋變量對中介變量、中介變量對被解釋變量的影響均顯著，即中介效應顯著成立；（3）列模型中，解釋變量的影響系數仍然顯著，說明風險態度起到了部分中介作用。假設3 得到支持，即持有避險資產會通過改變風險態度影響家庭風險資產配置。為進一步確認中介作用影響的穩健性，補充sobel中介因子效應模型及綜合分樣本方法做進一步分析后，均得到與表7一致的結果。

表7 風險態度中介效應檢驗

基本回歸結果顯示，城鎮、東部地區的家庭更傾向于投資風險資產。因此，除了替換檢驗方法外，在表8中分別進行了全樣本、城鎮、東部地區分樣本的中介效應檢驗。通過對比被解釋變量的三個指標發現，風險態度的中介效應占比從全樣本到城鎮和東部地區的分樣本中都明顯增加。這進一步驗證了假設3。并且發現，在經濟較發達的地域，風險態度能夠在這一影響機制中發揮更大的效用。

表8 風險態度中介效應穩健性檢驗

（五）異質性分析

1.區域異質性分析

由于我國地域遼闊，地理位置、經濟發展水平、對外開放程度、人口集中度、金融發展水平存在著較大差異，將調查數據中29 個省劃分為：東部、中部、西部③。那么，不同區域家庭的避險資產投資決策對風險資產投資的影響是否存在差異？本文對不同的區域分別進行了回歸分析。

結果如表9 所示：在東部、中部地區，避險資產投資決策對風險資產投資的影響依然顯著。在西部地區，避險資產投資決策對風險資產投資決策盡管仍然有正向影響，但顯著水平有所下降；而對風險資產投資規模及投資深度的影響，在統計上不顯著，并且在風險態度對風險資產投資的異質性檢驗中也出現了類似情況。一方面，可能是由于受樣本所限；另一方面，可能與西部地區金融發展水平相對較低有關。值得注意的是，中部地區在對風險資產投資規模和投資深度的回歸中，邊際效應大于東部地區。這可能是因為東部地區經濟金融相對發達，選擇風險資產投資的人較多，所以中部地區經濟個體的敏感性要高于東部地區。家庭規模對東部和西部地區的家庭風險資產投資起到了明顯的負向作用，即在東、西部地區，家庭規模越大，投資風險資產的可能性和規模就越小。這可能是由于東部地區經濟發達，家庭成員數量較多，持有風險資產的家庭成員多，因此邊際效應小。而西部地區同樣由于經濟原因，勞動力流出較大，非勞動成員數量越多則所需要的經濟支持越高，風險資產投資的可能性和投資規模也就越小。中部地區介于二者之間。盡管中部地區家庭規模對風險資產投資有正向的促進作用，但這種影響并不明顯。

表9 分地域的回歸結果

2.年齡異質性分析

在進行穩健性分析時，年齡和年齡平方的系數符號與全樣本回歸結果相同，即年齡增加對風險資產投資決策有正向影響，而對風險資產投資規模有負向影響。年齡平方在Probit回歸結果中顯示為負，可能是由于被解釋變量并非連續變量所致。為了進一步研究年齡在家庭金融資產配置中顯示出來的差異，本文將樣本分為7組，執行年齡啞變量分組回歸并觀察邊際效應的變化。具體來說，由于投資決策作為離散型變量無法很好地表現出隨著年齡增長的連續性變化，所以探討不同年齡段群體持有避險資產對風險資產投資的影響異質性時，解釋變量和被解釋變量均使用連續性的數額指標，即解釋變量為B 類避險資產規模，被解釋變量為風險資產投資規模，可以觀察投資者避險資產規模增加對風險資產投資規模的影響在不同年齡階段的效應變化。

本文參照《中長期青年發展規劃（2016—2025年）》的標準，將16～35 歲人群劃為一組；將60 歲以上人群劃為一組。解決了兩端分組問題后，為了更加具體地觀察到不同年齡段的區別，采取5 歲作為中間年齡段的分段間距。具體回歸結果見表10。

表10 不同年齡段避險資產規模對風險資產投資規模的回歸結果

圖1顯示除臨近退休期及退休后的50歲以上人群的邊際效應基本保持穩定外，50歲以下年齡段的邊際效應具有一定差異，其中35～40 歲人群敏感度最高。在經歷了青年時期的財富積累階段后，35～40歲家庭投資決策者的父母正處于退休時期，具有一定的經濟能力，也可以提供隔代照料，此時家庭贍養老人、撫養子女的壓力都相對較低，因此會更加傾向于增加風險資產配置。而50 歲以上人群正處于即將退休或退休的階段，此時的家庭財富積累較高，為保證退休后的生活水平，有足夠的資金儲備和增值意愿，也傾向于投資風險資產。并且，此時家庭投資決策者贍養老人的壓力可能非常小，而子女基本已經長大成人，所以臨近退休期和退休后的敏感性也較高。

圖1 不同年齡段避險資產規模對風險資產投資規模的邊際效應

3.收入異質性分析

考慮到不同收入人群對家庭金融資產配置的不同，本文將家庭總收入按照四分位法分為四等分的數據。由于風險資產投資規模具有截斷特征，因此按照前文分析年齡異質性的方法采用Tobit回歸，結果見表11。

表11 不同收入段對風險資產投資規模的回歸結果

五、結論與政策建議

本文采用中國家庭金融調查（CHFS2017）數據，探討了持有避險資產對風險資產投資的影響。除西部地區外，避險資產投資決策和避險資產規模對風險資產投資決策、投資規模及投資深度有顯著的正向影響。經檢驗后，分析結果仍然穩健。另外，風險資產投資決策與風險態度、戶主年齡、戶主文化程度、戶主父母受教育程度、家庭規模、家庭總收入均顯著正相關，城市、女性、東部地區更偏好風險資產投資。并且，在考慮不同地域、各年齡層、不同收入人群異質性的基礎上，實證驗證并探討了金融資產配置效應在不同群體間出現異質性的深層原因。在避險資產對風險資產配置的影響機制中，風險態度起到中介作用，并且經中介效應穩健性檢驗結果發現，在經濟相對更發達、金融發展更完善的地區，風險態度可以發揮更大的效用。

綜上所述，本文提出以下政策建議：第一，隨著中國家庭日益富裕，應鼓勵各類金融機構開發多樣化的風險產品，為家庭資產投資提供充足的選項。為了優化居民的資產配置，資本市場要做好充分準備，政府在其中可引導銀行、保險、證券、基金等金融機構開發優質產品，填補市場缺口，吸引長尾客戶；反過來也能刺激居民對風險產品的投資，促進資本市場良性發展。第二，積極順應金融數字化轉型，通過市場細分，更好地服務于不同客群。例如，東中部地區、36～40 歲人群、高收入家庭的敏感性更高，各個金融機構可以利用大數據、云計算等技術，精準定位目標，推出合適的產品，擴大銷售人群，占據市場優勢。第三，借助金融科技，提升消費者的金融素養，為潛在投資需求轉換提供支撐。普及金融知識教育，提高民眾的風險認知，幫助民眾正確對待金融風險，樹立理性的投資觀念。

由于CHFS 中心2021 年數據尚未公布，本文只能借助最近的截面數據分析，但未來可使用最新的數據結合此次結果及往年數據庫展開面板數據研究。且由于居民對每一類金融資產的風險忍受度并不相同，未來可以進一步關注避險資產對不同風險資產的影響是否存在差異。■

注 釋

①回歸結果報告了更具有經濟學含義的平均邊際效應（Margins Effect），它表示自變量每變動一單位，因變量隨之變化的概率（Probit）和變動量（Tobit）。報告系數的原回歸結果不予列示，可向作者索取。

②限于篇幅，三種匹配辦法下的核密度圖、平衡性檢驗、共同支撐檢驗結果不予列示，可向作者索取。

③采用統計局網站上的其中一種劃分標準，將我國劃分為東部、中部和西部三大經濟地區。其中東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12 個省、自治區、直轄市；中部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9 個省、自治區；西部地區包括重慶、四川、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆10個省、自治區。