商業(yè)銀行理財(cái)產(chǎn)品實(shí)際年化收益的影響研究

張兆鵬

摘?要：個(gè)人投資者是金融市場(chǎng)的社會(huì)自然人，更是理財(cái)產(chǎn)品最廣泛的投資主體。積極擴(kuò)大個(gè)體投資，有助于促進(jìn)經(jīng)濟(jì)平穩(wěn)健康發(fā)展。現(xiàn)實(shí)中，商業(yè)銀行理財(cái)產(chǎn)品的實(shí)際收益率往往低于預(yù)期收益率，這對(duì)中高風(fēng)險(xiǎn)投資者造成大量損失，也重挫市場(chǎng)信心。運(yùn)用商業(yè)銀行理財(cái)產(chǎn)品的截面數(shù)據(jù)，建立主成分回歸和Lasso模型，對(duì)實(shí)際年化收益的影響因素進(jìn)行實(shí)證分析，以期精準(zhǔn)度量實(shí)際收益率，為投資者鑒定優(yōu)劣產(chǎn)品提供參考標(biāo)準(zhǔn)。研究發(fā)現(xiàn)，商業(yè)理財(cái)產(chǎn)品實(shí)際年化收益率與委托期和遞增單位呈正相關(guān)，與發(fā)行主體的資信規(guī)模、預(yù)期年化收益率呈顯著負(fù)相關(guān)；而投資者普遍認(rèn)為重要的收益類(lèi)型起到的作用卻很小。在新發(fā)展階段，建議建立理財(cái)產(chǎn)品的全流程風(fēng)險(xiǎn)控制，可以保持產(chǎn)品收益穩(wěn)定，改善理財(cái)產(chǎn)品需求側(cè)與供給側(cè)的協(xié)調(diào)能力，提升理財(cái)產(chǎn)品的營(yíng)銷(xiāo)和服務(wù)能力，激發(fā)理財(cái)產(chǎn)品的創(chuàng)新活力。

關(guān)鍵詞：商業(yè)銀行理財(cái)產(chǎn)品；實(shí)際年化收益；主成分回歸；Lasso

一、引言

在新發(fā)展階段，中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展，人民的物質(zhì)生活和精神生活水平大幅提升。在滿(mǎn)足購(gòu)買(mǎi)必需消費(fèi)品的情況下，人們擁有大量的積蓄享受生活，并進(jìn)行理財(cái)投資，以實(shí)現(xiàn)財(cái)富保值。自2018年4月起，中國(guó)人民銀行、中國(guó)銀保監(jiān)會(huì)、中國(guó)證監(jiān)會(huì)發(fā)布了50多條金融業(yè)對(duì)外開(kāi)放措施，鼓勵(lì)外資法人金融機(jī)構(gòu)進(jìn)駐中國(guó)市場(chǎng)，促使中國(guó)金融機(jī)構(gòu)加速學(xué)習(xí)國(guó)外先進(jìn)經(jīng)驗(yàn)，促進(jìn)國(guó)內(nèi)金融市場(chǎng)健康可持續(xù)發(fā)展。2018年以來(lái)，我國(guó)商業(yè)銀行理財(cái)產(chǎn)品的市場(chǎng)規(guī)模急劇增加，成為銀行利潤(rùn)收益的新增長(zhǎng)點(diǎn)，并吸引了投資者的廣泛關(guān)注。根據(jù)《中國(guó)銀行業(yè)理財(cái)市場(chǎng)年度報(bào)告（2023年）》相關(guān)數(shù)據(jù)，截至2023年年底，銀行理財(cái)市場(chǎng)存續(xù)規(guī)模為2680萬(wàn)億元，持有理財(cái)產(chǎn)品的投資者數(shù)量高達(dá)114億元，同比增長(zhǎng)1784%，累計(jì)為投資者創(chuàng)造收益6981億元。理財(cái)市場(chǎng)投資者主要以個(gè)人投資者為主，并且規(guī)模持續(xù)擴(kuò)大。2022年個(gè)人理財(cái)投資者為957532萬(wàn)人，占比9901%；機(jī)構(gòu)投資者數(shù)量為9595萬(wàn)個(gè)，占比099%。2023年個(gè)人投資者數(shù)量新增168629萬(wàn)人，機(jī)構(gòu)投資者數(shù)量新增3865萬(wàn)個(gè)?？梢钥闯?，個(gè)人投資者對(duì)商業(yè)銀行理財(cái)產(chǎn)品業(yè)務(wù)發(fā)展十分重要。因此，探究商業(yè)銀行個(gè)人理財(cái)產(chǎn)品的發(fā)展具有重要意義。

理財(cái)產(chǎn)品是商業(yè)銀行個(gè)人理財(cái)業(yè)務(wù)的重要組成。《商業(yè)銀行個(gè)人理財(cái)業(yè)務(wù)管理暫行辦法》指出，個(gè)人理財(cái)業(yè)務(wù)是指商業(yè)銀行為個(gè)人客戶(hù)提供的財(cái)務(wù)分析、財(cái)務(wù)規(guī)劃、投資顧問(wèn)、資產(chǎn)管理等專(zhuān)業(yè)化服務(wù)活動(dòng)。理財(cái)產(chǎn)品是由商業(yè)銀行或金融機(jī)構(gòu)設(shè)計(jì)發(fā)行的產(chǎn)品，并依據(jù)市場(chǎng)行情、客戶(hù)風(fēng)險(xiǎn)偏好和產(chǎn)品合同約定，將募集的市場(chǎng)資金投入相關(guān)金融市場(chǎng)或購(gòu)買(mǎi)相關(guān)金融產(chǎn)品，并將獲得的投資收益分配給投資人的產(chǎn)品。商業(yè)銀行理財(cái)產(chǎn)品可以按照掛鉤標(biāo)的劃分為債券型、信托型、掛鉤型及QDII型等，也可以按照收益類(lèi)型劃分為保本理財(cái)產(chǎn)品、非保本理財(cái)產(chǎn)品、浮動(dòng)收益理財(cái)產(chǎn)品、固定收益理財(cái)產(chǎn)品等。然而，當(dāng)前商業(yè)銀行理財(cái)產(chǎn)品的年化收益率聲稱(chēng)超過(guò)4%的大都不保本金，更不用提利息的穩(wěn)定性了。從數(shù)據(jù)觀察上得知，投資者最終得到的實(shí)際年化收益率與預(yù)期年化收益率大都不相等。加之投資者對(duì)理財(cái)產(chǎn)品的認(rèn)知不到位，大部分信息都來(lái)源于產(chǎn)品說(shuō)明書(shū)或者理財(cái)經(jīng)理的介紹。信息不對(duì)稱(chēng)也會(huì)導(dǎo)致投資者對(duì)理財(cái)產(chǎn)品的收益評(píng)估與風(fēng)險(xiǎn)評(píng)估結(jié)果不準(zhǔn)確，盲目追求高收益，忽視高風(fēng)險(xiǎn)，造成不可估量的投資損失，從而產(chǎn)生財(cái)務(wù)糾紛，這對(duì)理財(cái)產(chǎn)品的發(fā)行方與投資方都是潛在隱患。

近年來(lái)，我國(guó)在理財(cái)產(chǎn)品的研究上不斷推進(jìn)，試圖為投資者提供更優(yōu)的理財(cái)產(chǎn)品。理財(cái)產(chǎn)品的收益率是理財(cái)產(chǎn)品設(shè)計(jì)組合的結(jié)果，也是市場(chǎng)因素共同作用的結(jié)果。理財(cái)產(chǎn)品最早成熟于美國(guó)，Markowitz（1952）利用均值—方差分析法和投資組合邊界效應(yīng)模型提出了有效投資組合理論。Carlin（2009）研究發(fā)現(xiàn)，理財(cái)產(chǎn)品的定價(jià)與產(chǎn)品復(fù)雜性有很大關(guān)系，復(fù)雜性越強(qiáng)，定價(jià)越易被高估。田暉（2013）提出商業(yè)銀行常會(huì)在合約規(guī)定上對(duì)自己有利、但客戶(hù)未知的條例，即賣(mài)方擁有極強(qiáng)的優(yōu)勢(shì)。王千紅等（2016）研究指出個(gè)人理財(cái)產(chǎn)品的收益率與投資幣種、委托起始金額顯著正相關(guān)，與遞增單位呈負(fù)相關(guān)。沈潤(rùn)濤（2016）指出我國(guó)商業(yè)銀行應(yīng)提高理財(cái)產(chǎn)品價(jià)格的市場(chǎng)化程度，特別是填補(bǔ)理財(cái)風(fēng)險(xiǎn)定價(jià)能力的上升空間。杜波（2018）運(yùn)用Logitic模型研究發(fā)現(xiàn)影響個(gè)人理財(cái)需求的因素，包括居民個(gè)人特征、收入特征、銀行特征、產(chǎn)品特征等方面。李娜（2019）指出產(chǎn)品期限和市場(chǎng)利率是理財(cái)產(chǎn)品收益率的決定因素，監(jiān)管政策也會(huì)產(chǎn)生短期的抑制效應(yīng)。朱宏泉和王蕭（2019）發(fā)現(xiàn)，理財(cái)產(chǎn)品的實(shí)際收益呈現(xiàn)外錨效應(yīng)，并且產(chǎn)品經(jīng)理的學(xué)識(shí)認(rèn)知和工作經(jīng)驗(yàn)對(duì)外錨效應(yīng)具有負(fù)向調(diào)節(jié)作用。孫赫等（2019）指出主觀感受中的價(jià)格感知和風(fēng)險(xiǎn)感知對(duì)個(gè)人互聯(lián)網(wǎng)理財(cái)有顯著影響。林曉（2020）研究發(fā)現(xiàn)，銀行信用級(jí)別是影響理財(cái)產(chǎn)品預(yù)期收益率的關(guān)鍵內(nèi)部因素，市場(chǎng)利率、委托期限、起購(gòu)金額等也對(duì)預(yù)期收益率具有正向影響。劉銀平（2020）發(fā)現(xiàn)降低存款準(zhǔn)備金會(huì)導(dǎo)致固定收益類(lèi)產(chǎn)品收益率下降。牛子晗（2021）認(rèn)為應(yīng)將個(gè)人投資者納入金融消費(fèi)者的保護(hù)范圍，并對(duì)銀行等金融機(jī)構(gòu)規(guī)定更嚴(yán)格的審核、告知、信息披露等義務(wù)，使金融市場(chǎng)健康發(fā)展。才國(guó)偉等（2022）指出理財(cái)產(chǎn)品市場(chǎng)能夠有效正面促進(jìn)實(shí)體經(jīng)濟(jì)的蓬勃發(fā)展。黃曉旭和董翠華（2022）指出封閉式理財(cái)產(chǎn)品的收益兌付情況良好，開(kāi)放式產(chǎn)品收益下降明顯，與投資者的大規(guī)模、非理性贖回密切相關(guān)?？禈颍?022）研究發(fā)現(xiàn)，理財(cái)產(chǎn)品風(fēng)險(xiǎn)等級(jí)和理財(cái)產(chǎn)品類(lèi)型是影響到期收益率的重要因素。卜振興等（2023）指出理財(cái)產(chǎn)品“破凈”的主要原因包括產(chǎn)品凈值化轉(zhuǎn)型、基本面及預(yù)期變化、貨幣政策調(diào)整及市場(chǎng)情緒等。龍林茂等（2024）指出銀行理財(cái)產(chǎn)品投資者承擔(dān)的風(fēng)險(xiǎn)主要來(lái)源于銀行的投資管理，加強(qiáng)銀行投資管理能力，才能有效降低投資風(fēng)險(xiǎn)。由此可見(jiàn)，消除收益不穩(wěn)定性、提升理財(cái)產(chǎn)品可信度的研究顯得格外重要，應(yīng)拓寬研發(fā)理財(cái)產(chǎn)品預(yù)測(cè)收益率準(zhǔn)確性的新途徑。

鑒于此，本文借鑒參考以上學(xué)者的研究成果，建立線性回歸模型，發(fā)現(xiàn)指標(biāo)間存在嚴(yán)重的多重共線性，因此選擇綜合運(yùn)用主成分回歸與Lasso來(lái)解決此問(wèn)題，以定量的手段深度挖掘個(gè)人理財(cái)產(chǎn)品實(shí)際收益率與哪些因素有關(guān)，進(jìn)而判斷理財(cái)產(chǎn)品的預(yù)期收益率是否真實(shí)可靠。運(yùn)用上述方法有助于實(shí)現(xiàn)分析維度多樣化、深度化，便于投資者從定量的角度評(píng)判投資產(chǎn)品的優(yōu)劣，增大投資回報(bào)率，以期對(duì)銀行提供的理財(cái)產(chǎn)品做出初步的評(píng)價(jià)準(zhǔn)則。本文將研究重心放在實(shí)際年化收益率的預(yù)測(cè)上，即為投資者服務(wù)，使投資者能具有獨(dú)立思考、根據(jù)宏觀經(jīng)濟(jì)環(huán)境等自行預(yù)估產(chǎn)品好壞的能力。

二、理論基礎(chǔ)

（一）?多重共線性的診斷與判定

多重共線性是指回歸模型中解釋變量之間存在明顯的相關(guān)關(guān)系，導(dǎo)致模型估計(jì)失真，結(jié)果出現(xiàn)偏差。用R診斷多重共線性有兩種方法，分別是方差膨脹因子和條件數(shù)。

方差膨脹因子的表達(dá)式為VIFi=11－R2i，Ri為變量Xi與其他解釋變量間的復(fù)相關(guān)系數(shù)。當(dāng)VIF大于10時(shí)，我們認(rèn)為模型存在多重共線性。假設(shè)有p個(gè)變量，若方差膨脹因子VIF=1p∑pi=1VIFi遠(yuǎn)小于1，也可認(rèn)為模型中存在嚴(yán)重的多重共線性。

條件數(shù)是將變量標(biāo)準(zhǔn)化后組成設(shè)計(jì)矩陣X，求出矩陣XTX的最大特征值λmax與最小特征值λmin，求出條件數(shù)k=λmax/λmin。條件數(shù)描述了矩陣XTX的特征值差異程度，當(dāng)k<100時(shí)，認(rèn)為幾乎不存在多重共線性；當(dāng)1001000時(shí)，認(rèn)為存在嚴(yán)重多重共線性。

（二）主成分回歸

主成分回歸（PCR）分為兩個(gè)步驟：主成分分析和多元線性回歸。主成分分析即在損失少量信息的前提下，將解釋變量的信息通過(guò)正交旋轉(zhuǎn)變換的方式，提取出m個(gè)互不相關(guān)的主成分（綜合性指標(biāo)）z1，z2，…，zm（m

多元線性回歸是指將m個(gè)主成分與被解釋變量y用最小二乘法擬合構(gòu)建多元回歸模型，得到式（1）。再將載荷矩陣中zi（i=1，2，…，m）與x1，x2，…，xp的m個(gè)關(guān)系式代入擬合好的回歸關(guān)系式（1），便可得到消除多重共線性的模型，即最終模型。換言之，假設(shè)變量x1，x2，…，xp所顯示的最大變化方向是與Y相關(guān)的方向。

（三）?Lasso

Lasso相對(duì)于最小二乘法，是使用約束的方式進(jìn)行系數(shù)估計(jì)。利用將回歸系數(shù)壓縮到0的手段，達(dá)到執(zhí)行變量篩選的效果。這種收縮具有減小方差的效果，但會(huì)帶來(lái)略大的偏差。

回顧最小二乘擬合過(guò)程，它是使殘差RSS=∑ni=1（yi－β0－∑pj=1βjxij）2最小時(shí)，計(jì)算得到的估計(jì)值β1，β2，…，βp。Lasso與最小二乘法非常相似，都是通過(guò)使RSS變小來(lái)尋找適合數(shù)據(jù)的系數(shù)估計(jì)；只不過(guò)Lasso的回歸系數(shù)β^Lλ是通過(guò)最小化一個(gè)稍微不同的量來(lái)進(jìn)行估計(jì)的，即滿(mǎn)足算式∑ni=1（yi－β0－∑pj=1βjxij）2+λ∑pj=1βj=RSS+λ∑pj=1βj取得最小值。其中λ≥0是一個(gè)調(diào)諧參數(shù)，λ∑pj=1βj稱(chēng)為收縮懲罰。

調(diào)諧參數(shù)λ用于控制RSS和λ∑pj=1βj這兩項(xiàng)對(duì)回歸系數(shù)估計(jì)的相對(duì)影響。當(dāng)λ=0時(shí)，懲罰項(xiàng)λ∑pj=1βj不起作用，Lasso得到的就是最小二乘估計(jì)；隨著λ的增加，當(dāng)λ→∞時(shí)，收縮懲罰的影響越來(lái)越大，Lasso系數(shù)估計(jì)將接近0，即導(dǎo)致解釋能力弱的系數(shù)估計(jì)值為0，實(shí)現(xiàn)最佳變量集的篩選。

三、研究設(shè)計(jì)

（一）模型設(shè)定

本文在試圖構(gòu)建多元線性回歸模型時(shí)，發(fā)現(xiàn)模型中含有嚴(yán)重的多重共線性，故所選數(shù)據(jù)不滿(mǎn)足構(gòu)建多元線性回歸模型的基本假設(shè)條件，即矩陣X′X不滿(mǎn)秩，其矩陣的逆自然也不存在，則系數(shù)估計(jì)β^=（X′X）－1X′Y的解不存在。為解決以上問(wèn)題，本文應(yīng)用Lasso和主成分回歸模型消除多重共線性。本文構(gòu)建的實(shí)際年化收益率的數(shù)學(xué)模型假定如式（1）所示：

Y=β0+β1X1+β2X2+…+β9X9+β10X10+ε（1）

其中，Y是響應(yīng)變量，X1，X2，…，X10分別代表各解釋變量，ε表示隨機(jī)誤差。通過(guò)建立數(shù)學(xué)模型來(lái)檢驗(yàn)顯著性和假設(shè)的正確性，并分別得到各影響因素與實(shí)際年化收益率的影響作用大小的數(shù)量關(guān)系，供投資者作為參考指標(biāo)。

（二）變量選取與研究假設(shè)

1響應(yīng)變量

本文設(shè)定響應(yīng)變量Y為實(shí)際年化收益率，表現(xiàn)為數(shù)值型。它是理財(cái)產(chǎn)品到期時(shí)投資者實(shí)際拿到的投資回報(bào)率，不同于產(chǎn)品發(fā)行前宣傳的預(yù)期年化收益率。該變量可作為投資者衡量投資產(chǎn)品好壞的重要評(píng)判指標(biāo)。

2分類(lèi)型變量

①發(fā)行主體（X1）：信用級(jí)別越高的銀行，發(fā)行產(chǎn)品的保障性越好，吸引的投資者自然也就越多，收益率則會(huì)相對(duì)較低；相反，信用級(jí)別較低的中小型銀行，為了吸引更多客戶(hù)，則會(huì)給出更高的投資回報(bào)。

②投資幣種（X2）：個(gè)人理財(cái)產(chǎn)品在國(guó)外有了一定研究發(fā)展后，才被引入中國(guó)市場(chǎng)。因此，國(guó)外理財(cái)產(chǎn)品的設(shè)計(jì)更加成熟，外資產(chǎn)品具有相對(duì)收益高、風(fēng)險(xiǎn)低的特點(diǎn)。

③收益類(lèi)型（X3）：隨著收益類(lèi)型的穩(wěn)定性越來(lái)越差，風(fēng)險(xiǎn)程度逐漸增大，收益也會(huì)逐步增高。

④掛鉤標(biāo)的（X4）：相關(guān)資產(chǎn)的風(fēng)險(xiǎn)越高，個(gè)人理財(cái)產(chǎn)品的回報(bào)率就越高。

3連續(xù)變量

①委托期（X5）：投資理財(cái)產(chǎn)品的固定期限。委托期長(zhǎng)短不同，有的不足1個(gè)月，有的長(zhǎng)達(dá)1年。當(dāng)投資期限較短時(shí)，雙方違約的可能性越低，風(fēng)險(xiǎn)程度也就越低；若投資期限很長(zhǎng)，時(shí)間價(jià)值會(huì)很高，風(fēng)險(xiǎn)程度也會(huì)提升。

②委托最低金額（X6）：所選理財(cái)產(chǎn)品的最低投資額。小型客戶(hù)手上資金有限，一般只能選擇低投資額的產(chǎn)品；大型客戶(hù)則有更多的資金理財(cái)投資，正因如此，其選擇更多，投資范圍更廣，能夠得到更優(yōu)質(zhì)的服務(wù)與產(chǎn)品。

③委托金額遞增單位（X7）：在委托最低金額的基礎(chǔ)上，增加金額的最低單位。產(chǎn)品最低額度越高，遞增單位也就越大。

④預(yù)期年化收益率（X8，X9）：與實(shí)際年化收益率相對(duì)，它是由開(kāi)發(fā)者根據(jù)算法推測(cè)出來(lái)的結(jié)果，其數(shù)值高低在吸引投資者的目光時(shí)起到了重要作用。個(gè)人理財(cái)產(chǎn)品的預(yù)期收益率是包含上限和下限的區(qū)間，即封頂收益率（X8）和封底收益率（X9）。不僅如此，預(yù)期收益率中還包含未考慮到的其他影響實(shí)際收益率的信息，因此是很重要的變量。

⑤保本比例（X10）：投資產(chǎn)品對(duì)本金的保護(hù)程度。保本比例越高，投資風(fēng)險(xiǎn)越低，與之對(duì)應(yīng)的實(shí)際年化收益率就越低。

（三）數(shù)據(jù)說(shuō)明

本文選取指標(biāo)的原始數(shù)據(jù)全部來(lái)源于Choice數(shù)據(jù)庫(kù)。囿于2018年4月起，中國(guó)人民銀行、中國(guó)銀保監(jiān)會(huì)、中國(guó)證監(jiān)會(huì)發(fā)布了50多條金融業(yè)對(duì)外開(kāi)放措施，鼓勵(lì)外資法人金融機(jī)構(gòu)進(jìn)駐中國(guó)市場(chǎng)，是促進(jìn)中國(guó)金融市場(chǎng)健康可持續(xù)發(fā)展的良好開(kāi)端。同時(shí)，2018年商業(yè)銀行理財(cái)產(chǎn)品的發(fā)行規(guī)模遠(yuǎn)大于近兩年，如2018年中國(guó)銀行業(yè)金融機(jī)構(gòu)累計(jì)發(fā)行了2567萬(wàn)只理財(cái)產(chǎn)品，遠(yuǎn)大于2023年新發(fā)行理財(cái)產(chǎn)品的311萬(wàn)只；2018年新增發(fā)行非保本型理財(cái)產(chǎn)品的募集資金累計(jì)11810萬(wàn)億元，是2023年新發(fā)行理財(cái)產(chǎn)品累計(jì)募集資金5708萬(wàn)億元的兩倍多。因此，選取2018年商業(yè)銀行理財(cái)產(chǎn)品數(shù)據(jù)展開(kāi)研究更具代表性。本文選出2018年的商業(yè)銀行理財(cái)產(chǎn)品數(shù)據(jù)作為截面數(shù)據(jù)，并對(duì)原始數(shù)據(jù)做以下處理：①剔除沒(méi)有實(shí)際收益率和預(yù)期收益率上限的數(shù)據(jù)；②設(shè)置預(yù)期收益率下限和保本比例的缺失值均為0；③剔除所有包含缺失值的行數(shù)據(jù)，最終得到樣本觀測(cè)值716個(gè)，實(shí)際年化收益率的樣本區(qū)間為［006，657］。

四、實(shí)證分析

（一）檢驗(yàn)相關(guān)影響因素的多重共線性

對(duì)全部選中的數(shù)據(jù)做方差膨脹因子VIF檢驗(yàn)，結(jié)果如表2所示。所有變量的方差膨脹因子VIF雖均小于10，但變量X3和X10的方差膨脹因子分別為87271和93483，均趨近于10，且二者與其他變量的方差膨脹因子的差距較大，說(shuō)明數(shù)據(jù)中可能存在多重共線性。同時(shí)方差膨脹因子平均數(shù)VIF=31228，遠(yuǎn)大于1，這說(shuō)明模型存在嚴(yán)重的多重共線性。為進(jìn)一步證實(shí)多重共線性是否存在，選用條件數(shù)再進(jìn)行計(jì)算，結(jié)果為k=4615068，遠(yuǎn)大于1000，故可證實(shí)數(shù)據(jù)中存在嚴(yán)重的多重共線性。為消除其影響，引入Lasso和主成分回歸予以解決。

（二）應(yīng)用主成分回歸討論相關(guān)影響因素

運(yùn)用主成分分析提取出來(lái)的因子，方差貢獻(xiàn)率越大，說(shuō)明該因子包含的初始信息越多。為選取最有效的主成分，如表3所示，計(jì)算了各主成分的特征值、方差貢獻(xiàn)率與累計(jì)方差貢獻(xiàn)率。其中前5個(gè)特征值≥1（第5個(gè)特征值近似于1），分別為17143，12540，11522，10963，09962，對(duì)應(yīng)的方差貢獻(xiàn)率分別為2939%，1573%，1328%，1202%，992%；一般情況下，累計(jì)方差貢獻(xiàn)率大于80%，就可認(rèn)為所選主成分可代表大量原始數(shù)據(jù)信息，前5個(gè)主成分累計(jì)方差貢獻(xiàn)率達(dá)到80335%。從這兩方面看均滿(mǎn)足選擇5個(gè)主成分來(lái)衡量實(shí)際年化收益率的條件。

同時(shí)，本文計(jì)算得到前5個(gè)主成分的載荷矩陣，即將每個(gè)主成分變量用已知10個(gè)變量線性化表示。這可以展示各主成分變量與原解釋變量的函數(shù)關(guān)系，令提取的5個(gè)主成分為Z1，Z2，Z3，Z4，Z5，則對(duì)應(yīng)關(guān)系式如式（2）所示：

為了更明確解釋各個(gè)主成分的含義，本文采用方差最大化因子旋轉(zhuǎn)的方法凸顯，即將載荷大的因子變得更大，載荷小的因子變得更小。本文將旋轉(zhuǎn)后載荷矩陣中的因子（用RC表示）與原始變量相關(guān)關(guān)系大的因素提取出來(lái)，并將相關(guān)系數(shù)四舍五入，繪制與標(biāo)記在圖1中。

由圖1可知，第一主成分大的對(duì)應(yīng)于收益類(lèi)型風(fēng)險(xiǎn)程度高的理財(cái)產(chǎn)品，第一主成分?。ㄘ?fù)值）的對(duì)應(yīng)于保本比例高的理財(cái)產(chǎn)品。第二主成分大的對(duì)應(yīng)于發(fā)行主體更具有規(guī)模更穩(wěn)定的銀行、預(yù)期收益率上限高的產(chǎn)品，第二主成分小的（負(fù)值）對(duì)應(yīng)于遞增單位大的產(chǎn)品。第三主成分大的對(duì)應(yīng)于掛鉤標(biāo)的風(fēng)險(xiǎn)程度高、委托期時(shí)間長(zhǎng)的產(chǎn)品。第四主成分大的對(duì)應(yīng)于投資幣種為本幣的、預(yù)期收益率下限高的產(chǎn)品。第五主成分大的對(duì)應(yīng)于委托最低投資金額高的產(chǎn)品。然后，以實(shí)際年化收益率為被解釋變量，5個(gè)主成分為解釋變量，構(gòu)建主成分回歸模型：

Y=β0+β1Z1+β2Z2+β3Z3+β4Z4+β5Z5（3）

運(yùn)用R語(yǔ)言的回歸程序計(jì)算該模型的方差分析結(jié)果、回歸系數(shù)t檢驗(yàn)結(jié)果，如表4所示。方差分析結(jié)果的F值為828，相伴P值遠(yuǎn)小于005，表明在α=005的水平下拒絕原假設(shè)H0，即認(rèn)為至少有一對(duì)主成分不完全相同，故本文接下來(lái)所做的回歸分析有實(shí)際意義。

從表4可以看出，所有回歸系數(shù)的P值均小于005，說(shuō)明在α=005的水平下拒絕原假設(shè)H0，接受備擇假設(shè)H1，即認(rèn)為所求回歸系數(shù)均有效，可認(rèn)為被解釋變量Y與5個(gè)主成分之間呈顯著線性關(guān)系，被解釋變量Y與5個(gè)主成分的回歸關(guān)系式如式（4）所示：

Y=408198-023211Z1-029418Z2-010349Z3-024298Z4-007244Z5（4）

最后，將5個(gè)主成分與原始變量的線性關(guān)系式（1）代入式（2）中，可得被解釋變量與解釋變量的回歸結(jié)果，如式（5）所示：

Y=35764-02534X1+14999X2+00324X3-00115X4-00011X5?-00003X6?????+00051X7-00169X8-00987X9-00008X10（5）

通過(guò)上述主成分回歸模型的結(jié)果，可以得出以下結(jié)論：①變量X2、X4、X5、X6的結(jié)果違背原假設(shè)，這可能是由于主成分回歸擬合效果不好。從主成分的方差貢獻(xiàn)性上看，各個(gè)主成分起到的貢獻(xiàn)作用并不特別明顯，即便第一主成分也僅起到29389%的貢獻(xiàn)度，這與主成分分析的初衷差距較大（一般情況下，第一主成分會(huì)包含50%以上的貢獻(xiàn)率）。這可能由于多重共線性過(guò)于嚴(yán)重，造成信息重疊與丟失，才使主成分回歸結(jié)果與原假設(shè)出入巨大。②主成分回歸只可做到降維，卻無(wú)法實(shí)現(xiàn)變量子集篩選的功能。因此，主成分回歸結(jié)果中可能會(huì)存在較小的系數(shù)估計(jì)值。其實(shí)當(dāng)系數(shù)很小時(shí)，所對(duì)應(yīng)的變量起到的作用很小。就像式（3），從系數(shù)估計(jì)的絕對(duì)值上看，X6和X10均小于0001。這兩個(gè)變量對(duì)被解釋變量的影響程度非常小，可近乎視為0。當(dāng)這樣的變量存在時(shí)，會(huì)干擾其他變量發(fā)揮功效，并降低結(jié)果的準(zhǔn)確性，此處認(rèn)為應(yīng)剔除變量X6和X10。

為了進(jìn)一步消除多重共線性的影響，本文又采用收縮的手段，即引入Lasso。在進(jìn)行參數(shù)估計(jì)的同時(shí)進(jìn)行變量選擇，篩選出最優(yōu)子集，以消除由于數(shù)據(jù)細(xì)微變化造成模型不穩(wěn)定、不宜解釋、過(guò)分大的系數(shù)估計(jì)的影響，來(lái)達(dá)到準(zhǔn)確的預(yù)測(cè)。

（三）采用Lasso回歸分析實(shí)際年化收益率影響因素

本文在運(yùn)用Lasso時(shí)調(diào)用了程序包lars，得到了Lasso的系數(shù)解路徑圖和統(tǒng)計(jì)量Cp變化過(guò)程。如圖2所示，路徑選擇過(guò)程一共進(jìn)行了10步，每一步都進(jìn)行一次增加變量或刪減變量，當(dāng)?shù)降?步時(shí)，有最小統(tǒng)計(jì)量Cp=92524，再結(jié)合變量實(shí)際增減情況，最終篩選出9個(gè)變量的最優(yōu)子集，并給出了該情況下的系數(shù)估計(jì)值，如表5所示。

通過(guò)Lasso回歸模型，本文從上述結(jié)果中可以得出以下結(jié)論：①模型中剔除了變量X6，這是為什么呢？經(jīng)過(guò)查驗(yàn)，X6與Y的相關(guān)系數(shù)為-0017，因?yàn)橄嚓P(guān)系數(shù)已經(jīng)很小，可認(rèn)為二者不相關(guān)，故當(dāng)作無(wú)關(guān)變量被剔除。②變量X10的系數(shù)估計(jì)絕對(duì)值小于001，相比于其他回歸系數(shù)已經(jīng)非常小，在模型中對(duì)解釋變量起到的作用微乎其微，故同時(shí)剔除變量X10。③除了變量X2、X4，Lasso的結(jié)果與原假設(shè)相符。這說(shuō)明Lasso擬合效果較主成分回歸好一些。但是變量X2、X4仍不同的原因?qū)⒂弥鞒煞只貧w與Lasso結(jié)果對(duì)比論述。

（四）主成分回歸與Lasso結(jié)果對(duì)比分析

本文將原假設(shè)、主成分回歸與Lasso模型得出的相關(guān)性結(jié)論整理在表6中?？芍庇^看到，Lasso與原假設(shè)相悖的所有變量，主成分回歸均有涉及，這肯定了原假設(shè)的誤區(qū)，下面進(jìn)行逐項(xiàng)分析：①投資幣種X2：反觀所選數(shù)據(jù)，內(nèi)部所含外幣產(chǎn)品均由國(guó)內(nèi)銀行發(fā)行，外資銀行發(fā)行的產(chǎn)品均是人民幣幣種。即便數(shù)據(jù)中包含了外幣產(chǎn)品，但運(yùn)營(yíng)模式還是在本土固有環(huán)境下，沒(méi)有體現(xiàn)國(guó)外金融機(jī)構(gòu)在個(gè)人理財(cái)上的經(jīng)驗(yàn)，其實(shí)這樣診斷出的相關(guān)性是缺少實(shí)際意義的，所以會(huì)造成與假設(shè)不符的錯(cuò)覺(jué)。②掛鉤標(biāo)的X4：為了消除時(shí)間對(duì)模型造成的影響，數(shù)據(jù)全部來(lái)源于2018年。此年貿(mào)易摩擦不斷，是中國(guó)經(jīng)濟(jì)衰退、股市大幅下跌、房地產(chǎn)泡沫破碎的一年，必然會(huì)對(duì)高風(fēng)險(xiǎn)程度的理財(cái)產(chǎn)品造成嚴(yán)重的打擊，自然掛鉤標(biāo)的風(fēng)險(xiǎn)程度大的產(chǎn)品實(shí)際年化收益會(huì)大幅下降，甚至呈現(xiàn)負(fù)相關(guān)的狀態(tài)。

除此以外，主成分回歸中變量X5仍與原假設(shè)有沖突，為解釋這一問(wèn)題，先計(jì)算了X5與Y的相關(guān)系數(shù)為00374，為正相關(guān)。因原假設(shè)與相關(guān)性、Lasso的解釋均為正相關(guān)，故可認(rèn)為主成分回歸在對(duì)信息處理時(shí)過(guò)分調(diào)整，造成信息損失，因而引起變量關(guān)系出現(xiàn)錯(cuò)誤。同時(shí)可認(rèn)為在此模型中主成分回歸擬合效果不穩(wěn)定，Lasso擬合效果更好。

（五）基于多元線性回歸推斷影響因素

根據(jù)Lasso中剔除了變量X6、?X10的方法，此處再對(duì)剔除了這兩個(gè)變量后的數(shù)據(jù)重新構(gòu)建多元線性回歸模型，得到的結(jié)果如表7所示?；貧w關(guān)系式如式（6）所示：

Y=43272-04416X1+21673X2+01156X3-02607X4+00022X5+00014X7?-01349X8?-00670X9?（6）

該模型的擬合優(yōu)度調(diào)整R2=04303，表明在實(shí)際年化收益率Y的總變差下，可由解釋變量X1、X2、X3、X4、X5、X7、X8、X9所解釋的部分占4303%，在經(jīng)濟(jì)學(xué)模型中這種數(shù)值表明擬合效果較好。然后由F檢驗(yàn)的P值約等于0，說(shuō)明方程中至少有一個(gè)解釋變量與Y顯著相關(guān)，且回歸模型整體高度顯著。從各回歸系數(shù)的t檢驗(yàn)可以看出，模型中解釋變量均可通過(guò)顯著性檢驗(yàn)，回歸系數(shù)擬合較好。

另外，從式（6）看出該模型相關(guān)關(guān)系的正負(fù)性仍列入表8中，便于觀察與比較。并且，在入選模型的8個(gè)相關(guān)因素中，發(fā)行主體對(duì)實(shí)際年化收益的影響程度最大，其次是掛鉤標(biāo)的產(chǎn)生的影響較為顯著；然而，投資者認(rèn)為影響更重要的變量收益類(lèi)型卻在數(shù)值上沒(méi)有起到關(guān)鍵作用，反而是影響最小的變量。

最后，將式（5）、表7和表9的系數(shù)估計(jì)絕對(duì)值放在表8中發(fā)現(xiàn)，分類(lèi)型變量的系數(shù)估計(jì)絕對(duì)值，尤其是變量X1、X2、X4，幾乎均大于數(shù)值型變量的系數(shù)估計(jì)絕對(duì)值，這說(shuō)明非數(shù)值化的分類(lèi)型數(shù)據(jù)更加重要，作為評(píng)估標(biāo)準(zhǔn)具有舉足輕重的作用，需引起重視。

（六）實(shí)際年化收益率預(yù)測(cè)

利用上文所得的多元線性回歸模型式（6），對(duì)2018年理財(cái)產(chǎn)品的實(shí)際年化收益率進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)值與實(shí)際值對(duì)比觀察，結(jié)果如表9所示。其中，模型預(yù)測(cè)值為回歸關(guān)系式計(jì)算出來(lái)的預(yù)測(cè)年化收益率，官方預(yù)測(cè)值為該產(chǎn)品被宣傳時(shí)的預(yù)期年化收益率，在此將兩者概念作區(qū)分，避免混淆。

表9中各統(tǒng)計(jì)量值均從表11中計(jì)算得出，其中相對(duì)誤差1為315626%，大于20%，這說(shuō)明預(yù)測(cè)誤差較大，預(yù)測(cè)結(jié)果較差。又比較表11中的相對(duì)誤差1&2，可粗略看出相對(duì)誤差1小于相對(duì)誤差2。再通過(guò)比較兩組數(shù)據(jù)的平均值，發(fā)現(xiàn)相對(duì)平均誤差1為315626%，遠(yuǎn)小于相對(duì)平均誤差2（784434%），這說(shuō)明擬合后的預(yù)測(cè)值更加準(zhǔn)確有效。

另外，察覺(jué)到數(shù)據(jù)中有極端值的存在，發(fā)生在第577和第578組；第578組中的相對(duì)誤差1為83130073%，小于相對(duì)誤差為288833333%，但因誤差過(guò)大，考慮剔除此組值；第577組類(lèi)似，故同時(shí)剔除，再重新計(jì)算相對(duì)平均誤差。剔除后的相對(duì)平均誤差1為157178%，相比于剔除前減少了一半，這說(shuō)明受到極端值的影響很?chē)?yán)重；此時(shí)，相對(duì)平均誤差2為617309%，更大于相對(duì)平均誤差2，故仍可認(rèn)為模型起到的效果好；另外，此時(shí)的相對(duì)平均誤差在15%左右，可認(rèn)為預(yù)測(cè)誤差適當(dāng)，預(yù)測(cè)結(jié)果較為有效，可以作為實(shí)際年化收益率的可靠參考值。

最后，根據(jù)上述描述性推測(cè)構(gòu)建單邊假設(shè)檢驗(yàn)，即H0：?相對(duì)誤差1≥相對(duì)誤差2與H1：相對(duì)誤差1<相對(duì)誤差2。經(jīng)過(guò)t檢驗(yàn)得到統(tǒng)計(jì)量t=-25835，相伴P值為0004954<001，故拒絕原假設(shè)，接受備擇假設(shè)H1，認(rèn)為相比于官方的預(yù)期年化收益而言，實(shí)際年化收益率的模型預(yù)測(cè)結(jié)果更接近實(shí)際年化收益率。因此該模型預(yù)測(cè)結(jié)果更精確，更具有參考意義。

五、研究結(jié)論與對(duì)策建議

（一）研究結(jié)論

全球貿(mào)易摩擦頻繁升級(jí)，對(duì)我國(guó)金融產(chǎn)品造成了巨大負(fù)面沖擊，也給個(gè)人理財(cái)產(chǎn)品帶來(lái)更多不確定性。中國(guó)政府采用一系列積極的財(cái)政政策和貨幣政策，也未能有效控制個(gè)人理財(cái)產(chǎn)品向下波動(dòng)的趨勢(shì)。本文清晰地從性質(zhì)和數(shù)量上說(shuō)明了影響實(shí)際年化收益率的相關(guān)因素，綜合分析三種模型的實(shí)證結(jié)果，發(fā)現(xiàn)在經(jīng)濟(jì)環(huán)境不佳時(shí)，股票、基金類(lèi)掛鉤標(biāo)的收益要小于債券利率類(lèi)掛鉤標(biāo)的產(chǎn)品；收益類(lèi)型為浮動(dòng)型的產(chǎn)品收益較高于固定型的產(chǎn)品收益；實(shí)際年化收益率也與委托期和委托產(chǎn)品遞增單位成正相關(guān)；但是受全球貿(mào)易摩擦的影響，發(fā)行主體自身的資信水平對(duì)實(shí)際年化收益率有顯著負(fù)面影響。研究具有較高的經(jīng)濟(jì)價(jià)值與社會(huì)價(jià)值，可以激勵(lì)廣大投資者理性投資，既保障投資者權(quán)益，又具備可持續(xù)優(yōu)化的無(wú)限潛力。研究為投資者衡量理財(cái)產(chǎn)品優(yōu)劣提供了一種保護(hù)形式，同時(shí)促進(jìn)中國(guó)理財(cái)產(chǎn)品在貿(mào)易摩擦中持續(xù)發(fā)展。

（二）對(duì)策建議

在經(jīng)濟(jì)前進(jìn)動(dòng)力不足的背景下，中國(guó)應(yīng)該采取更多寬松措施激勵(lì)金融市場(chǎng)，堅(jiān)守住系統(tǒng)性風(fēng)險(xiǎn)的底線。本文的研究結(jié)論有以下政策啟示：

一是建立理財(cái)產(chǎn)品的全流程風(fēng)險(xiǎn)控制。風(fēng)險(xiǎn)控制是保障個(gè)人理財(cái)產(chǎn)品健康運(yùn)營(yíng)的前提保障，更是商業(yè)銀行業(yè)務(wù)健康發(fā)展的最后防線。在全球貿(mào)易摩擦背景下，個(gè)人理財(cái)產(chǎn)品發(fā)行機(jī)構(gòu)應(yīng)該把風(fēng)險(xiǎn)控制與風(fēng)險(xiǎn)管理工作放在首位，建立全理財(cái)業(yè)務(wù)風(fēng)險(xiǎn)管理體系，提前做好突發(fā)事件的防控預(yù)案，保障中國(guó)個(gè)人理財(cái)產(chǎn)品的可持續(xù)發(fā)展。

二是改善理財(cái)產(chǎn)品的需求側(cè)與供給側(cè)的協(xié)調(diào)能力。全球貿(mào)易摩擦造成個(gè)人理財(cái)產(chǎn)品的市場(chǎng)敏感度大幅提升，抑制了投資者的積極性。這就需要供給側(cè)商業(yè)銀行提高市場(chǎng)綜合把控能力，合理拆分與組合各類(lèi)影響實(shí)際收益率的因素，從理財(cái)產(chǎn)品掛鉤標(biāo)的比例、委托期、資信水平等關(guān)鍵因素出發(fā)達(dá)成更多購(gòu)買(mǎi)決策，并運(yùn)用好委托產(chǎn)品遞增單位的要求，實(shí)現(xiàn)有效規(guī)避風(fēng)險(xiǎn)的多樣化目標(biāo)，開(kāi)發(fā)出更多滿(mǎn)足市場(chǎng)需求的個(gè)人理財(cái)產(chǎn)品。

三是提升理財(cái)產(chǎn)品的營(yíng)銷(xiāo)和服務(wù)能力。建立生命周期的客戶(hù)管理系統(tǒng)，智能挖掘個(gè)體在人生不同階段的理財(cái)需求狀況，實(shí)現(xiàn)個(gè)性化管理。運(yùn)用數(shù)字化賦能個(gè)人理財(cái)產(chǎn)品，促進(jìn)理財(cái)產(chǎn)品的宣傳能力，增強(qiáng)個(gè)體投資者的理財(cái)意識(shí)，實(shí)現(xiàn)客戶(hù)與銀行互動(dòng)溝通，提升個(gè)人理財(cái)產(chǎn)品的需求。

四是激發(fā)理財(cái)產(chǎn)品的創(chuàng)新活力。金融機(jī)構(gòu)促進(jìn)客戶(hù)群體細(xì)分，開(kāi)發(fā)設(shè)計(jì)分層理財(cái)產(chǎn)品。以市場(chǎng)為導(dǎo)向，綜合考慮金融機(jī)構(gòu)的市場(chǎng)競(jìng)爭(zhēng)能力、產(chǎn)品定位、客戶(hù)群定位制定個(gè)人理財(cái)產(chǎn)品的基本層面；以客戶(hù)為中心，挖掘投資者偏好，充分考慮理財(cái)產(chǎn)品的委托期限、產(chǎn)品類(lèi)型、掛鉤標(biāo)的資產(chǎn)等多元化且更具有吸引力的理財(cái)產(chǎn)品，以滿(mǎn)足不同偏好的投資者需求。

參考文獻(xiàn)

［1］MARKOWITZ?HPortfolio?Selection［J］The?Journal?of?Finance，1952，7（1）：77-91

［2］CARLIN?B?IStrategic?price?complexity?in?retail?financial?markets［J］Journal?of?Financial?Economics，2009，91（3）：278-287

［3］田暉商業(yè)銀行個(gè)人理財(cái)產(chǎn)品影響因素分析［D］成都：西南財(cái)經(jīng)大學(xué)，2013

［4］王千紅，何林立，宋宛霖商業(yè)銀行個(gè)人理財(cái)產(chǎn)品收益率及其影響因素研究［J］價(jià)格理論與實(shí)踐，2016（1）：129-132

［5］沈潤(rùn)濤銀行理財(cái)業(yè)務(wù)轉(zhuǎn)型發(fā)展的關(guān)鍵問(wèn)題研究［J］農(nóng)村金融研究，2016（7）：37-41

［6］杜波居民對(duì)商業(yè)銀行個(gè)人理財(cái)業(yè)務(wù)的認(rèn)知及需求研究——以呼和浩特市為例［D］杭州：浙江大學(xué)，2018

［7］李娜商業(yè)銀行理財(cái)產(chǎn)品收益率影響因素研究——基于監(jiān)管政策變遷視角［J］經(jīng)濟(jì)經(jīng)緯，2019，36（2）：149-157

［8］朱宏泉，王蕭目標(biāo)決定成?。俊谏虡I(yè)銀行理財(cái)產(chǎn)品收益的錨定效應(yīng)分析［J］系統(tǒng)科學(xué)與數(shù)學(xué)，2019，39（10）：1684-1700

［9］孫赫，任金政，王貝貝基于風(fēng)險(xiǎn)感知—價(jià)值感知雙準(zhǔn)則的個(gè)人互聯(lián)網(wǎng)理財(cái)行為研究［J］經(jīng)濟(jì)經(jīng)緯，2019，36（5）：151-157

［10］林曉我國(guó)商業(yè)銀行個(gè)人理財(cái)產(chǎn)品收益率影響因素研究［D］南昌：華東交通大學(xué)，2020

［11］劉銀平降準(zhǔn)將導(dǎo)致固收產(chǎn)品收益下跌［J］理財(cái)，2020（2）：62

［12］牛子晗銀行理財(cái)領(lǐng)域金融消費(fèi)者的認(rèn)定與保護(hù)［J］首都師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021（3）：68-76

［13］才國(guó)偉，朱雅典，周彤理財(cái)產(chǎn)品市場(chǎng)服務(wù)了實(shí)體經(jīng)濟(jì)嗎？——基于投資收益稅改政策的準(zhǔn)自然實(shí)驗(yàn)［J］統(tǒng)計(jì)研究，2022，39（6）：86-100

［14］黃曉旭，董翠華理性看待債券市場(chǎng)波動(dòng)對(duì)銀行理財(cái)?shù)挠绊懀跩］中國(guó)外匯，2022（24）：67-69

［15］康橋“資管新規(guī)”下個(gè)人理財(cái)收益率影響因素分析——以“工銀理財(cái)”和“光大理財(cái)”數(shù)據(jù)為例［J］投資與創(chuàng)業(yè)，2022，33（21）：14-17

［16］卜振興，郝培，高凱銀行理財(cái)產(chǎn)品凈值波動(dòng)回顧［J］中國(guó)外匯，2023（2）：65-67

［17］龍林茂，鄭琦，田亞軍金融市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品收益的效應(yīng)研究［J］財(cái)經(jīng)理論研究，2024（1）：12-25

A?Study?on?the?Impact?of?Actual?Annualized?Returns?of?Wealth?Management?Products?in?Commercial?Banks

——Empirical?Analysis?Based?on?Lasso?and?Principal?Component?Regression

ZHANG?Zhao?Peng1，2

（1School?of?Economics，University?of?Chinese?Academy?of?Social?Sciences，Beijing?100048；2Institute?of?Economics，Chinese?Academy?of?Social?Sciences，Beijing?100836）

Abstract：Individual?investors?are?social?and?natural?persons?in?the?financial?market，and?are?also?the?most?widely?used?investment?subjects?in?wealth?management?productsActively?expanding?individual?investment?can?help?promote?stable?and?healthy?economic?developmentIn?reality，the?actual?return?on?investment?products?of?commercial?banks?is?often?lower?than?the?expected?return，which?causes?significant?losses?to?medium?and?high-risk?investors?and?also?severely?undermines?market?confidenceUsing?cross-sectional?data?from?commercial?bank?wealth?management?products，establish?principal?component?regression?and?Lasso?model?to?empirically?analyze?the?influencing?factors?of?actual?annualized?returns，in?order?to?accurately?measure?actual?returns?and?provide?reference?standards?for?investors?to?identify?good?and?bad?productsResearch?has?found?that?the?actual?annualized?yield?of?commercial?wealth?management?products?is?positively?correlated?with?the?commission?period?and?increasing?unit，and?significantly?negatively?correlated?with?the?credit?scale?and?expected?annualized?yield?of?the?issuing?entity；However，investors?generally?believe?that?important?types?of?returns?play?a?small?roleIn?the?new?development?stage，it?is?recommended?to?establish?a?full?process?risk?control?for?wealth?management?products?to?maintain?stable?product?returns，improve?the?coordination?ability?between?the?demand?and?supply?sides?of?wealth?management?products，enhance?the?marketing?and?service?capabilities?of?wealth?management?products，and?stimulate?the?innovative?vitality?of?wealth?management?products

Keywords：Commercial?Bank?Wealth?Management?Products；Actual?Annualized?Income；Principal?Component?Regression；Lasso