值得注意的是，生命周期实际上和流动性是有联系的。随着年龄的增长，从统计意义上讲，经济人将逐渐积累更多的财富。而家庭人口增加等诸多因素，也会使得年龄较大的经济人会拥有较多的住房等不流动性资产，那么他们参与股票市场来对冲不流动性资产的风险的动机会更加强烈。另一方面就是前面提到的，未来收入流的减少，经济人应该减少风险资产的投资。这两种效应交织在一起，经济人的最优投资组合似乎就不是通常金融理财师所建议的随着年龄增加减少投资组合中风险资产比例这么简单了。本论文将用来自中国12个城市的调查数据来具体分析我国居民在构建投资组合方面的特征和影响因素。
本文余下部分这样安排：第二部分介绍了本文的数据样本、分析变量和实证方法；第三部分讨论了实证结果；最后一部分则总结了实证发现以及相应的政策涵义。
二、数据样本、分析变量和实证方法
本文的数据来自奥尔多投资咨询中心和中国青年政治学院的调查数据，变量的构造来自调查问卷的相关问题。该问卷调查的对象是北京、上海、南宁、成都、兰州、海口、沈阳、珠海、武汉、天津、温州、长沙等12个城市的1526名城市居民。这些居民最低年龄为18岁，最高年龄为83岁，其中719位为男士，798位为女士，9位居民没有得到性别数据。
首先，居民的股票市场参与和投资组合我们用三个指标来代表：STOCKINVEST、STOCKTOLIQUID和STOCKTOFINANCIAL三组指标，STOCKINVEST表示的量和李涛（2006a）的文章一样，表示居民是否拥有上市公司的股票，有则为1，反之则为0。这个指标的目的是反映居民参与市场的可能性。STOCKTOLIQUID和STOCKTOFINANCIAL两组指标和Cocco (2004)类似，分别表示居民投资组合中股票占其流动性资产的比例以及居民投资组合中股票占其所有金融资产的比例。这里我们也做了一个简单的设定，就是两个比例当分母和分子均为0的时候，比例的值设为0，这个设定是为了体现投资者没有参与股票市场。这里流动性资产和金融资产的概念和通常的分类有所不同，我们的分类更接近于Cocco (2004)。具体来说，流动性资产包含了现金、银行存款、外汇、股票、各种债券、期货、基金和理财产品；而金融资产则包括流动性资产以及借出款、做生意占用资金、住房公积金、保险金、收藏品和居民最大的不流动性资产自有房屋等。
为检验居民不流动性资产对其投资组合的影响，我们和Cocco (2004)一样，主要关心自有住房这一最重要的流动性资产所带来的对居民投资组合的影响。我们引入和Cocco (2004)类似的指标： RESTATEFINANCIAL。它表示投资者自有住房占其金融资产的比例。和前面一样，我们在分母和分子均为0的时候将比例值设为0。
针对生命周期假说，我们用两种方法来分析。一种是虚拟变量法；为比较的方便，我们也沿用Cocco (2004)的分类，按照年龄把投资者分成四类：35岁以下；35岁到50岁之间；50岁到65岁之间；65岁以上。为避免多重共线性，我们用三个虚拟变量来体现年龄的作用。这三个变量为age3550、age5065、age65, 分别当投资者年龄在35岁到50岁之间、50岁到65岁之间、65岁以上时取值为1，其它情况取值为0。这里之所以仅仅引入三个虚拟变量，也是为了预防多重共线性。另一种方法就是引入两个变量：age和age2，分别表示投资者年龄和年龄的平方。
借鉴Cocco (2004)、Kullman和Siegel(2003)、李涛（2006a）等人对投资组合影响因素的研究，我们选取影响居民投资选择的其他重要因素如下：
Financialasset，Financialasset2：这一指标指的是金融资产和金融资产的平方，由于我们前面的定义，这里的金融资产相当于很多文献中的总资产，实际上没有纳入这类的收益仅仅只是人力资本收入。如果交易、保持市场参与、获取相关信息等需要支付成本，那么可以想象的是金融资产越多，投资者更加可能参与到股票市场之中。但是，这个关系可能并非是线性的（Guiso等人（2004）），所以我们引入了金融资产的平方。
Income, Income2：这一指标是整个家庭的总收入以及总收入的平方。家庭收入实际上部分体现了人力资本的收益。而且，这部分收益实际上也反映了投资者家庭的未来现金流的大小。这个现金流实际上就象投资者已经持有了一部分无风险或者低风险资产，从而他可以投资更多的头寸于风险资产。
Houdebtasset, Cardebtrasset: 这个指标是投资者房产抵押贷款和汽车抵押贷款的金额分别占其金融资产的比例。
Married, Div，Pop：这三个变量表示投资者的婚姻情况和家庭情况，数据中投资者的婚姻状况有已婚、未婚、离婚、丧偶等四种，这里我们用Married=1，0分别表示投资者处于已婚和其它两种状况，用Div=1表示投资者处于离婚和丧偶状况，否则令Div=0。引入这两个指标是因为婚姻状况可能与一些影响投资者进行投资组合的社会经济现象相联系。如已婚家庭成员可以互相提供保险，从而降低了投资者的风险厌恶程度。Pop则是指家庭人口数量。
Gender: 这个指标是性别虚拟变量，当投资者为男性时取值为1，否则为0。投资者的性别不同，其风险厌恶程度等可能不同，进而影响投资者的投资组合选择。
Prime, Second, high, colle, ug: 这组指标描述的是投资者的教育程度，Prime, Second, high, colle, ug都是虚拟变量，分别在投资者为小学程度及以下、初中、高中或中专、大专、本科及以上等五种下取值为1，否则取值为0。教育程度至少与投资者参与投资的成本高低相联系。为避免多重共线性，我们仅仅使用这组变量中的四个。后面的变量类似。
Beijing, Shanghai, Nanning, Chengdu, Lanzhou, Haikou, Shenyang, Zhuhai, Wuhan, Tianjin, Wenzhou, Changsha: 这一组指标描述的是地理因素，不同地理位置，经济文化的不同也可能导致投资者做出不同的投资组合选择。Shanghai, Nanning, Chengdu, Lanzhou, Haikou, Shenyang, Zhuhai, Wuhan, Tianjin, Wenzhou, Changsha分别在投资者居住在北京、上海、南宁、成都、兰州、海口、沈阳、珠海、武汉、天津、温州、长沙时取值为1，否则取值为0。
另外，与Kullmann和Siegel(2003)一样，我们没有挑选反映投资者个人感受的指标，我们尽量选择可以观察的数据，而且这些可以观察的数据实际上某种程度上也可以作为个人感受的代理变量。但是，从个人感受和态度方面研究投资者组合是一个非常重要的话题，值得更进一步的研究。
点此下载附件流动性、生命周期与投资组合相异性—中国投资者行为调查实证分析.doc |
内容