探索证券投资风险偏好

探索证券投资风险偏好（精选3篇）

探索证券投资风险偏好 篇1

一、引言

风险投资(Venture Capital,VC)是指由专业人士投入到新兴的迅速发展的、具有巨大竞争潜力企业中的一种权益资本,也可称为创业投资。中国风险投资始于20世纪80年代中叶,至今已有近三十年的历史,在这期间主要经历了酝酿产生期、兴起阶段、大发展和调整期四个阶段,我国已成为美国之后的全球第二大风险投资国家。回顾我国1993~2013年的风险投资事件可以发现,在2005年之后,我国风险投资步入了大发展阶段,其中,2011年较2005年几乎翻了20倍,然而2012年我国风险投资行业呈现低迷态势,投资金额与投资次数大幅下滑,随后进入调整期并在2013年有所回升。根据CVSource投中数据终端统计,2013年全年国内市场共披露风险投资事件683起,总投资金额47.34亿美元,同比分别增加了12.3%和11%。风险投资是连接科技创新和金融资本的桥梁和纽带,是促进经济结构调整和企业成长的重要推动力。在投资决策过程中,风险投资机构通常会遵循一定的策略或标准来筛选创业企业,从而在单独(联合)投资、行业、地区等方面体现出一定的投资偏好。风险投资的偏好性研究对投资机构的自我评价与自身策略调整、创业企业融资渠道选择及自身发展规划、政府合理引导风险投资方向以及完善投资环境都具有重要的现实意义。本文选取1993~2013年我国风险投资事件为样本,构建投资偏好指标,深入分析风险投资在单独(联合)投资、行业、地区等方面的偏好性,同时为了探究风险投资存在投资偏好的原因和机理,本文选取领投机构的资金来源、存续时间、声誉以及地区竞争度四个属性对投资偏好作进一步分析。

二、风险投资偏好的类型

风险投资对创业企业或投资项目通常会呈现出一定的偏好性,这种偏好性体现在其提前制定的投资策略中,但从事后观察可以更客观地评价风险投资的偏好性。因此,本文所指的投资偏好是基于投资事件层面,相对于中国风险投资行业的平均水平而言,个别投资事件所显示出的风险投资存在以下三个方面的偏好:

(一)单独(联合)投资偏好

单独(联合)投资偏好是指VC投资时,在选择单独投资还是联合投资所表现出来的偏好性,其中单独投资是指在投资事件发生时,涉及一家投资机构的情况,联合投资是指投资事件所涉及的投资机构大于一家的情况,此时通常有一个机构担任领投角色。VC进行联合投资的原因主要来自于风险分摊、项目源考虑以及企业战略考虑等方面(Hopp,2009)。而在联合投资成员选择上,杨敏利、党兴华(2012)认为若联合投资由高声誉的风险投资机构发起,那么联合投资中其他成员也多是同等声誉水平的,而这种影响在后期的投资中会逐渐减弱。

(二)行业偏好

风险投资的行业偏好是指VC投资时对融资企业的行业类别所表现出来的偏好性。VC是技术创新和金融创新良性互动的产物,对此,普遍认可的一点是VC更多地投资高新技术企业。不过,近几年VC却表现出对传统行业的热情,对科技型中小企业的支持力度不足。

(三)地区偏好

风险投资的地区偏好是指VC投资时对融资企业所在省区所表现出来的偏好性。VC作为一个高风险、高回报的行业,在世界范围都有一个共同的特点,那就是区域聚集,在我国VC已经初步形成了在北京、上海、深圳三地聚集的现象(李志萍,2012)。大学密度、科技成果密度、R&D人员、高新技术企业密度、网络距离、政府政策、联合投资等因素对区域聚集均发挥影响作用。

本文数据来源于投资中国数据库所披露的1993~2013年度的VC/PE性质的投资事件,并对领投机构总部位于中国、领、投机构性质为VC、PE、VC/PE的投资事件进行筛选,最终获得6145次投资事件作为研究样本,用以分析VC的单独(联合)投资偏好、行业偏好和地区偏好。

三、风险投资的单独(联合)投资偏好

(一)单独(联合)投资金额与次数分析

本文样本中每次投资事件涉及投资机构个数为1-13个不等,为方便量化分析建立单独(联合)投资系数作为基础指标,当只有一个投资机构时,投资系数为1,当有两个投资机构参投时投资系数为2,以此类推取值为1-13不等。

根据图1,从整体趋势可以看出,单独投资(即系数为1时)在投资金额、投资次数两项中均占有绝对优势,投资金额占比61.99%、投资次数占比72.81%,比其他12类单独(联合)投资系数所对应投资金额以及投资次数总额还要大,这也显示出我国风险投资行业对于单独投资的偏好性。

图2反应在不同系数类别下每个投资机构平均每次投资金额情况,可以看出金额随投资机构个数的增加在逐渐减少,单独投资时,投资机构出资最多,达到16832万元的平均水平,在投资机构个数为12时平均每个机构出资额最少,只有2113万元。这是由于在单独投资的情况下融资企业的融资需求只能由一个投资机构满足,而在联合投资的情况下会由参投机构共同提供资金以满足需求。由此可以看出,单独投资时投资机构会面临更大的资金压力与投资风险。

图3表明,年加权平均系数分布在[1,3.50)区间内,较之于单独(联合)投资系数1-13的取值范围,该分布是以系数为2上下波动,这是由于样本集中单独投资的投资次数与投资金额占比大,受此影响,整体平均水平偏向于1。

(二)单独投资偏好指标(SIB)

综合考虑投资金额及投资次数,我国风险投资在单独投资方面偏好明显,因此本文重点选取单独投资作进一步分析。本文对每次投资事件建立单独投资偏好指标(SIB),以衡量我国风险投资对于单独投资的偏好性:

SIB=(该年加权平均单独(联合)投资系数-该次单独(联合)投系资数)/该年加权平均单独(联合)投资系数

SIB取值范围为(-12,1),其值等于0时,与行业水平持平;大于0时,对于单独投资的偏好高于行业水平,且SIB越大表现出对单独投资的偏好越强;小于0时,对于单独投资的偏好低于行业水平,且SIB越小则越倾向于联合投资。图4和表1是对样本6145个投资事件的SIB统计分析。样本的SIB中位数、众数、平均值均大于零,且0.25-0.75区间内频数高达4462,占有绝对比重,说明此部分投资在行业平均基础上表现出对单独投资强烈的偏好性,小于0的部分占比较少,这也验证了上文描述性统计分析得出的行业对单独投资的普遍偏好的结论,因此,中国VC表现出了对单独投资的明显偏好。

注:本表平均SIB数列在1%的水平下通过与0的差异的显著性检验(t值为4.79)。

(三)单独投资偏好指标与领投机构属性的相关性分析

为了初步揭示单独投资偏好的影响因素,本文选取每个投资事件领投机构的资金来源、存续时间、声誉和地区竞争度四个属性(资金来源,即是否有外资背景,中资记为0,外资或合资记为1;存续时间,即时间=投资年份-领投VC创立年份+1;声誉,即领投VC至本次投资时累计领投次数;地区竞争度,即领投VC所在地区当年累计投资金额),检验SIB与领投机构属性的相关性。表2显示,SIB与资金来源在1%的水平显著负相关,即外资背景VC的单独投资偏好更低,这可能主要源自外资VC具有丰富的联合投资经验;单独投资偏好与VC存续时间显著负相关,这表明学习与经验积累对于VC开展联合投资具有重要影响;单独投资偏好与VC地区竞争度显著负相关,表明风险投资行业竞争越激烈,VC间越可能进行联合投资;但SIB与声誉的相关性不显著。

注:***表示的1%显著性水平。

四、风险投资的行业偏好

(一)投资行业金额与次数分析

根据国民经济行业分类(GB/T 4754-2011),我国VC的投资行业主要有以下18大类(括号内为投资金额占比):采矿业(11.86%);电力、热力、燃气及水生产和供应业(4.22%);房地产业(5.61%);建筑业(3.04%);交通运输、仓储和邮政业(1.6%);教育(0.63%);金融业(16.97%);居民服务、修理和其他服务业(0.06%);科学研究和技术服务业(0.35%);农、林、牧、渔业(1.55%);批发和零售业(5.29%);水利、环境和公共设施管理业(0.18%);卫生和社会工作(0.26%);文化、体育和娱乐业(0.98%);信息传输、软件和信息技术服务业(6.56%);制造业;住宿和餐饮业(0.55%);租赁和商务服务业(9.16%)。从我国1993~2013年度的投资事件金额分布来看,制造业的投资金额高达38352788万元,占比31.57%,是风险投资的第一大投资行业;其次是金融业,投资金额为20612724万元,占比16.97%;此外,采矿业占比11.86%、租赁和商务服务业占比9.16%、信息业占比6.56%。以上行业共占比76.12%,接近VC总投资额的4/5。图5展示了各个行业的投资次数及其占比,制造业仍稳居第一,紧跟其后的是信息业,而在投资金额上位居第二的金融业,在投资次数的排名后退几位。

(二)热门行业偏好指标(HIB)

前文分析表明中国VC对于制造业、信息业、金融业在投资金额及投资次数方面具有偏好性,因此本文将这三个行业作为热门行业,进行偏好指标分析。分别对样本中每次投资事件建立热门行业偏好指标(HIB),以衡量中国风险投资对于热门行业的投资偏好性:

HIB=(该次投资于热门行业的金额自然对数-该年每次投资金额自然对数的代数和平均值)/该年每次投资金额自然对数的代数和平均值

HIB取值范围为[-1,+∞),其值等于0时与行业水平持平;大于0时,对于热门行业的偏好高于行业水平,且HIB越大表现出对热门行业的偏好越强;小于0时,对于热门行业的偏好低于行业水平,且HIB越小则对热门行业的倾向性越小;等于-1时是不投资于热门行业的投资事件。图6和表3是对样本中6145个投资事件的HIB的统计分析。HIB的中位数与平均数均在1附近,大于0的共4498次,占样本的73%,其中在1到1.5的范围内包含1880次投资事件,占30%。本文认为中国VC表现出了对热门行业的明显偏好。

注:本表平均HIB数列在1%的水平下通过与0的差异的显著性检验(t值为6.10)。

(三)热门行业偏好指标(HIB)与领投机构属性的相关性分析

表4显示,HIB与VC存续时间和VC地区竞争度在1%的水平显著正相关,而与VC资金来源和VC声誉的相关性并不显著。热门行业偏好与VC存续时间显著正相关,表明VC成立时间越长,对于制造业、信息业以及金融业的投资偏好性越强,这可能源自竞争力的积累与培育。热门行业偏好与VC地区竞争度显著正相关,即VC竞争越激烈,越偏好于投资热门行业。一方面是因为在VC竞争大的地区,热门行业也比较发达,尤其是在VC聚集的北京、上海、广东三地;另一方面是因为地区竞争度大的VC可以从同行渠道获得更多融资企业的行业信息,同时也不排除地区竞争度大的VC在投资时会受到同地区VC影响,存在跟风投资的状况。

注:***表示显著性水平为1%。

五、风险投资的地区偏好

(一)投资地区金额与次数分析

将融资企业总部所在地划分为北京、上海、广东、江苏、浙江、山东、香港、四川、湖南、湖北、福建、河南、安徽、重庆、陕西、天津、辽宁、江西、河北、新疆、云南、黑龙江、广西、内蒙古、海南、吉林、山西、台湾、甘肃、贵州、青海、宁夏、西藏、海外等共34个地区。据笔者统计,从各地区的金额分布情况来看,除去海外市场,位列前六的依次是北京(融资33291268万元,占比27.40%)、上海(融资18443773万元,占比15.18%)、广东(融资9949155万元,占比8.19%)、香港(融资8261086万元,占比6.80%)、江苏(融资5272583万元,占比4.34%)、浙江(融资4558535万元,占比3.75%),前六地区的融资额之和占比65.57%。从投资次数角度来看(见图7),地区排名基本没有很大变化,前六依然是北京、上海、广东、江苏、浙江、香港。

(二)热门地区偏好指标(HPB)

上述分析表明中国VC的投资事件集中在北京、上海、广东、江苏、浙江、香港等六个地区,因此本文定义这六个地区为热门地区,进行偏好性分析。分别对样本中每次投资事件建立热门地区偏好指标(HPB),以衡量中国VC对于热门地区的投资偏好性,每次投资事件的HPB为:

HPB=(该次投资于热门地区的金额自然对数-该年每次投资金额自然对数的代数和平均值)/该年每次投资金额自然对数的代数和平均值

HPB取值范围为[-1,+∞),其值等于0时表示对热门地区的偏好与风投行业水平持平;大于0时,对于热门地区的偏好高于风投行业水平,且HPB越大表现出对热门地区的偏好越强;小于0时,对于热门地区的偏好低于风投行业水平,且HPB越小则对热门地区的偏好性越小;等于-1时是不投资于热门地区的投资事件。图8和表5是对样本中6145个投资事件的HPB的统计分析。HPB的中位数与平均数均在1附近,大于0的共4264次,占样本的69%,其中在1到2的范围内包含1915次投资事件,占样本的31%。这说明中国VC表现出了对热门地区的明显偏好。

注:本表平均HPB数列在1%的水平下通过与0的差异的显著性检验(t值为6.96)。

(三)热门地区偏好指标(HPB)与领投机构属性的相关性分析

表6显示,HPB与VC资金来源、VC存续时间、VC声誉和VC地区竞争度均在1%的水平显著正相关。这表明无论VC属性如何,均显示出对热门地区的偏好性,也展示了VC投资活动在我国经济较发达地区的集聚性。

注:***、**分别表示显著性水平为1%、5%。

六、结论与建议

(一)结论

本文以1993~2013年间的6145次投资事件为样本,分析我国VC在单独(联合)投资、行业、地区等方面的投资偏好,结果发现:(1)相比于联合投资,中国VC更偏好单独投资,单独投资偏好指标与VC资金来源、VC存续时间和VC地区竞争度在1%的水平显著负相关,而与VC声誉的相关性并不显著。(2)相比于其他行业,中国VC更偏好投资于制造业、信息传输、软件和信息技术服务业以及金融业等热门行业,热门行业偏好指标与VC存续时间和VC地区竞争度在1%的水平显著正相关,而与VC资金来源和VC声誉的相关性并不显著。(3)相比于其他地区,中国VC更偏好投资于热门地区,包括北京、上海、广东、江苏、浙江、香港,热门地区偏好指标与VC资金来源、VC存续时间、VC声誉和VC地区竞争度均在1%的水平显著正相关。

(二)建议

我国VC在投资时存在一定偏好性,而这些投资偏好会对风险投资机构、创业企业及地区经济运作产生影响。针对上述研究结论,笔者提出如下建议:首先,对于风险投资机构而言,鉴于中国风险投资的普遍投资偏好,首先要注意合理权衡单独投资与联合投资利弊,分散投资风险,兼顾短期与长期利益,同时留意风投行业对于投资行业与地区的显著偏好,尤其是经验丰富的VC可以在控制风险的同时考虑调整投资策略,开拓新的市场,减少竞争度,在带动非热门地区、行业企业发展的同时创造更多价值。其次,对于创业企业而言,风险投资是企业初创阶段融资的重要来源,把握投资机构的投资偏好、了解什么样的企业会更容易获得VC的青睐,对于创业企业匹配到合适的VC至关重要。而且,随着风险投资行业的发展与竞争加剧,应更加关注VC的投后管理与提供增值服务的能力。最后,对于政府而言,应客观对待VC的投资偏好,在私募投资领域通过加强监管营造公平、宽容的创新创业环境,逐步减少和取消行政干预;在产业政策方面,VC表现出一定的“迎合”行为,热门行业的投资偏好性对整体经济来说并不一定是有益的现象,在调结构的转型时期,政府的产业政策应具有长期性和引导性;热门地区的投资偏好性更多源自我国地区经济发展的不平衡性,在当前我国产业转移时期,政府可以从改革红利的视角吸引VC投资转移至欠发达地区。

参考文献

[1]杨敏利、党兴华:《主风险投资机构声誉、投资阶段与联合投资辛迪加构成》,《预测》2012年第6期。

[2]李志萍:《我国风险资本的地理分布及其对机构投资业绩的影响》,《商业时代》2012年第33期。

[3]罗国锋:《中国风险投资透视》,经济管理出版社2012年版。

探索证券投资风险偏好 篇2

自阿里巴巴联合天弘基金推出余额宝以来,理财话题和理财行为迅速在民间成为热点,随着各类宝宝类产品以及互联网金融的兴起,推动了老百姓主动理财的热情。为了解居民家庭的理财行为以及风险偏好和风险态度,我们进行了问卷调查。

一、风险与风险偏好理论回顾

Knigh.F在《风险、不确定性和利润》一书中指出风险是指那些涉及已知概率或可能性形式出现的随机问题,对于同一个具有不确定结果的事物,每个经济主体对待风险的态度是不一样的。所以风险态度是基于对偏离目标的正面或负面的不确定性所选择的一种心智状态以及所选择的回应方式。

风险偏好是彩票选择、资产评估、合约与保险等标准理论中的一个基本概念(Daniel Bernoulli,1738;Kenneth Arrow,1965)。风险偏好其实是个体对于未来不确定风险的容忍度大小以及对待风险的态度表现。解决风险决策问题的一个著名理论模型是“预期效用理论”。该模型由Von Neumann等(1944)和Savage(1954)等人,在继续18世纪数学家D.Bernoulli对“圣彼得堡悖论”(St.PetersburggParadox)的解答基础上并进行严格的公理化阐述而形成的。该模型的基础内涵是,在风险情境下的最终结果的效用水平是通过决策主体对各种可能出现的结果的加权估价后获得的,决策者谋求的是加权估价后所形成的预期效用的最大化。假设一个人面对一个有两种可能结果的彩票:p(0<p<1)概率获得财富x,(1-p)的概率获得财富y,那么,预期效用值记作:

这个模型建立在效用U对应着不同的财富的假设基础上,通过一些实证调查发现人们的效用函数是凹形的,即是风险规避行为。风险规避者需要得到很大的回报才愿意参与赌博。另外,也存在对风险中性或更偏好风险的人。据此,根据风险偏好程度的不同,可以将风险偏好分成三种类型。

一是风险厌恶,在面对损失、获利或是既不损失又不获利的可能结果时,人们对可能损失的规避程度。金融和经济学上将风险厌恶定义为投资者不愿意接受公平博弈,也就是在期望值相同的确定支付和不确定支付之间,他们更偏好确定性的收益。风险厌恶型的投资者,具有很强的损失规避性,内心会自动降低获利发生的可能性,而更加看重和惧怕损失发生的概率,尤其注重对风险的规避。

二是风险中性,对于投资者来说,风险无所谓高低。面对不确定性,他们对风险采取无所谓的态度,对风险不会产生特别的偏好或特别的厌恶,只按照预期收益率来投资,不对风险资产要求任何风险补偿。

三是风险偏好,在期望值相同的确定支付和不确定支付之间,投资者更偏好不确定性的收益。风险偏好型的投资者,往往会为了追逐投资的高回报,而主动去承担相应的风险。

Hall,Jones(1999)认为企业、个人在进行投资决策选择时,受到企业和个人风险偏好类型的影响。Cho(2011)发现越偏好风险的男性创业者和男性工资获得者收入越低,女性工资获得者收入越高,风险态度对女性创业者收入没有显著影响。个体越厌恶风险,要求的风险溢价水平越高(Hvide等,2014;Berkhout等,2010)。Hvide等(2014)利用股市参与和个人负债情况代理风险偏好,发现股市参与者相对非参与者更可能创办公司。陈其进(2015)认为风险偏好对个体收入有显著正向影响,且对城镇居民的影响大于农民工。

在风险偏好的影响因素上,Lisa(2010)发现,人的情感状态会影响风险感知和风险选择,处于愉悦情感状态的投资决策者倾向于追逐较大的风险,反之则规避风险选择(Cacioppo等,1999;Peters等,2000)。而女性比男性更厌恶风险基本达成共识(Palsson,1996;Bajtelsmit等,1996;Jianakoplos等,1998;李实等,2014)。在婚姻状况方面,Riley等(1992)根据SIPP的调查数据发现已婚妇女比单身女性更厌恶风险。但是,Bajtelsmit(1999)根据1994年HRS的调查数据却得出了相反的结论。在年龄方面,一般认为风险规避系数在生命周期内是递增的。一个人越年轻,具有更低的风险规避系数(Morin等,1983;Bajtelsmit,1999)。但Riley等(1992)和Bellante等(2004)则认为不同年龄段风险态度的表现是不一样的,退休前风险规避系数随年龄增大而递减,退休后则相反。在受教育程度方面,Jianakoplos等(1998)、简必希等(2013)认为受教育程度越低越厌恶风险。雷晓燕等(2010)、马莉莉等(2011)研究结果表明:投资者的财富水平、受教育程度、健康状况、收入水平和是否抚养小孩都是影响投资者风险偏好的重要因素。不同群体风险偏好的表现有差异。

二、问卷调查

本次研究主要采用问卷调查的方法。设计的问卷主要包括被调查对象的概况和居民理财行为两个部分。问卷发放的方式是采取随机发放的方式,选择某市四个区人流比较大的地方如购物广场、休闲场所、公园、广场、医院等地方进行随机调查。总共发放问卷350份,实际回收344份,有效问卷335份,问卷的发放和回收集中在2014年6月。我们主要通过excel对问卷信息进行录入、统计和处理,以描述某市居民家庭理财行为的概况。

通过统计分析,我们对某市居民家庭的理财行为进行了描述,得到了当前人们理财行为和风险偏好的数据。本报告将对居民投资理财行为的现状进行描述,反映人们理财态度和风险偏好,为投资者风险偏好水平提供自评,为金融机构发行理财产品提供参考,为监管机构完善投资理财产品信息披露制度和投资者教育政策提供基本依据。

三、某市居民家庭投资理财行为现状

(一)被调查者的基本信息

从被调查者的基本个人和家庭信息来看,被调查者有54%是来自城镇,46%来自农村。从被调查对象的学历来看,中小学及以下学历占2%,高中及以下学历占22%,大专大学学历占65%,研究生及以上学历占11%,被调查者学历偏高。

在所有的调查对象中,有79%的家庭没有金融行业从业者,绝大部分的理财行为没有专业渠道的指导。从收入水平来看,被调查者家庭的人均收入水平集中在2000-8000元,城镇居民家庭月平均收入绝大部分在五千以上,农村家庭月平均收入则普遍低于五千。在所有的调查对象中,17%的人从来没有阶段性理财行为,52%的人偶尔有阶段性理财行为,31%的人有阶段性理财行为。

从被调查者的个人和家庭基本信息,可以看出大部分家庭都有过理财行为。且学历越高,投资理财行为越多。

从表1可知,学历越高,有阶段性理财行为的家庭越多。具体数据如下:研究生学历的人群中,有阶段性投资理财行为的占到40%,大学大专的人群中,有阶段性理财行为的占到32%,但是高中及以下学历和小学及以下学历的人群中,有阶段性理财型的分别占到24%和14%。反之,无阶段性投资理财行为则随着学历的升高而减少。由此可见,知识对理财行为具有明显影响。

(二)居民家庭的投资理财行为

在对于各个家庭中投资理财产品的选择上,我们通过数据统计得出,各种投资理财产品在居民生活中的普及程度由高到低分别为:存款、保险、银行理财产品货币基金信托、股票、房地产、债券、黄金外汇和期货等金融衍生品(如图1)。存款是绝大多数人投资理财的首要选择,这主要是因为它风险最低,对于相关理财知识的要求不高,是投资理财产品中最基础的。其他各种理财产品的选择,随着风险的增大,被选择的概率就随之降低,这符合我国大多数人的比较保守的理财观念。在调查中我们还发现,大多数人都比较注重理财产品的组合,将投资资金分散于不同的理财产品上,但还是符合风险越大,投资越少的规律。

我们再对投资理财的资金投入规模进行了调查,近半数被调查者的投资理财规模占收入的10%—20%,而10%以下的和20%—50%的都占到总数的四分之一左右,将收入的50%用于投资理财的仅仅占了不到百分之三。这说明这主要受中国传统思想的影响,居民家庭的投资理财行为偏于持保守,以存款为主要的投资理财渠道。

然后,我们针对居民家庭投资理财的投资目的进行分析,由图2可以得出:有26%的人的投资目的是货币价值,主要想让货币保值增值;有44%的人的投资目的是为了子女教育,有15%的人投资目的是为了退休养老,有9%的人的投资目的是为了防止意外疾病,剩余6%的属于因为别的而投资。子女教育成为居民家庭投资理财的最主要目的,原因是子女教育的支出在家庭支出里面一般占住了重要地位,居民投资的动机主要为了满足子女教育支出的需要。

对于投资理财的回报率的情况可了解调查对象在投资理财方面对收益的态度,从图2可以看出:有6%的人期待的年回报率在2%-4%之间,有31%的人期待的年回报率在5%-8%之间,有36%的人期待的年回报率在8%-15%之间,有27%的人则期待年回报率在20%以上。

我们还分析了居民在投资理财的过程中遇到的主要问题,如图3,大部分是选择资金不够和缺乏投资理财的知识,还有少部分原因是因为没有好的投资渠道,因而造成有想法的家庭不敢去尝试投资理财。说明我市居民家庭的投资理财行为还是偏于保守,需要有足够多的资金,才会有较多的理财行为。

四、居民家庭投资理财的风险偏好

(一)风险偏好的基本统计

对于居民投资理财的风险偏好我们进行了以下的调查并进行统计分析:

我们对调查对象进行最大可能承担的损失风险调查,由以上的图表可以得出:最大可承担的损失超过50%的人数占3%,最大可承担的损失在25%-50%的人数占24%,而有36%的人数选择5%-25%,26%的人数选择了可承担的损失不超过5%,还有11%的人数选择难以承担任何损失。我们可以看出人们的风险承受能力呈厚右尾的正态分布,风险承受能力偏低的居多。

我们对不同风险设置不同收益,低概率匹配高收益,高概率匹配低收益。如图可以看出,有25%的人选择得到1000元现钞,有41%的人选择有50%的机会获得4000元,有20%的人选择有20%的机会获得10000元,有14%人选择有5%的机会获得100000元。绝大部分人选择了中等概率的收益,与前面的可接受的最大损失选择一致,说明被调查者的答题是认真的,进一步确认了被调查者投资理财的风险偏好的中性化趋势。

(二)年龄与风险偏好的关系

不同的年龄阶段,对风险的偏好和承受能力不一样。

从表2可知,能接受投资损失比例超过25%的人群以中青年人为主,该阶段人群,年轻,胆子大,接受新鲜理财工具的程度高,愿意承担较大的风险。但这部分人往往资金实力有限。

表3显示可以承受5-25%比例损失的人群多以中年人为主。该阶段人群,大部分是70后和80后,愿意承担的风险大小居中。这部分人群在社会上是中流砥柱,有繁重的工作压力和承担一家老小生活的压力,没有很多的时间投资理财,也不会接受较高风险的投资理财,讲究稳重。

图6综合显示了年龄和风险偏好之间的关系。能承受50%以上的损失的人群集中在年轻人,50岁以上的人无人选择这一项。20-29岁的年轻人35%以上能承受25%以上的损失,25%能承受5%-25%的损失。30-39岁的年轻人有60%能承受5%-50%的损失。40-49岁的中年人能有35%承受5-25%的损失,32%承受5%以下的损失。50-59岁的被调查者超过50%选择5%-25%的损失,32%的人选择5%以下的损失。60岁以上的被调查者人数少,他们主要选择5-25%的损失。可以看出随着年龄的增加,承担损失的比例变小。图2.5右边的图显示每个年龄阶段对承担损失的比例的分配,基本上都呈正态分布,选择5-25%的损失的人数最多,显示被调查者对损失比例的折中态度,愿意承担中等损失比例的人最多。20-29岁和30-39岁的年轻人的损失线偏左,更偏好风险。40-49和50-59的中年人损失线偏右,更愿意规避风险。

(三)学历与风险偏好的关系

图7显示了学历与风险偏好的关系,我们可以看出研究生学历的人群愿意承担高比例的损失,偏好高风险;小学及以下的人群只愿意承担较低比例的损失,偏好低风险;中等学历的人群偏好中等风险。

(四)家庭收入与风险偏好的关系

图8显示了家庭收入与风险偏好的关系,我们可以看出不同收入阶层都较多的选择了5-25%的损失比例,希望承担中等程度的风险。家庭月平均收入越低,越不愿承担较大比例的损失。家庭月平均收入高的家庭也是偏好中等及以下比例的投资损失。

(五)职业性质与风险偏好的关系

图9显示了职业性质与风险偏好的关系,我们可以看出不同职业人群的风险偏好。政府部门工作人员愿意承担较高损失的比例最多,离休人员愿意承担较低损失的比例最多。企事业单位以及待业人员愿意较多的愿意承担中等程度的风险,其他人员在风险偏好的各个层级上比例相当。总之,职业越稳定可靠,愿意承受的风险越大。

三、居民家庭投资理财的时间偏好

在考察被调查对象在收益上是否愿意等待的调查中,我们发现有38%的人选择不等待,这个月得到1700元,有62%的人则选择等待下个月得到1900元。说明大部分的人希望通过等待换取更高收益,偏好更长时间获得更高收益。

四、结论与建议

从以上调查结果,我们认为某市居民家庭投资理财行为较为保守,有阶段性投资理财行为的比例不高,风险偏好中性。由于受制于资金规模和保守的投资理财观念,目前的投资理财方式还是比较单一,对投资理财需求比较旺盛,愿意等待获得更多的收益。

从风险偏好的影响因素上看,学历、年龄、职业性质、家庭收入等对风险偏好都有不同程度的影响,学历越高、年龄越小、职业越稳定、家庭收入越大,家庭投资理财越偏好高风险。

从调查中我们发现,居民家庭投资理财遇到的主要困难是资金和投资理财知识的缺乏。一方面反映居民家庭的闲置资金不多,另一方面也反映了被调查者的投资理财态度,比较谨慎,害怕自己的信息和知识不够导致资金的损失。假如承诺一个较高收益率的投资理财项目,绝大部分人愿意投资等待。对于大部分的普通居民,他们并不是金融专业人士,对于风险的识别、衡量和评估存在很多缺陷,容易跟风,抱团取暖。这种盲目的羊群行为,使得无知的老百姓容易成为地下钱庄跑路、P2P平台倒闭等等最大的受害者。

居民家庭自身加强理论学习,转变投资观念居民家庭自身应加强投资理财相关知识的学习,转变盲目跟风、投机取巧的非理性投资观念,根据自身风险承受能力进行理性、科学的投资理财。

提供投资理财的金融机构和企业,应该对客户进行风险测度,细化理财咨询服务,可根据客户的收入、对金融产品的需求等情况,提供适合客户自身需要的组合理财产品投资渠道,满足客户个性化的投资理财需要。

政府相关主管机构应该根据投资者的不同特征进行相应的风险教育,了解不同年龄、性别、职业、收入、学历等特征的投资者对投资理财的需求和知识,针对性的进行风险教育和投资理财知识的传播,加大违法违规行为的惩罚和监管,为居民家庭营造良好的投资理财环境。

摘要：文章通过问卷调查的方式,研究了居民家庭投资理财行为的现状,并分析了居民家庭特征与风险偏好的关系。结论显示居民家庭投资理财行为较为保守,有阶段性投资理财行为的比例不高,风险偏好中性。学历越高、年龄越小、职业越稳定、家庭收入越高,居民家庭投资理财越偏好高风险。

探索证券投资风险偏好 篇3

风险偏好测度

1.Marcowitz模型下风险偏好公式的推导

基于证券市场环境下各个国家与地区风险偏好的度量, 采用Marcowitz均值—方差模型, 并根据Marcowitz的现代投资组合理论, 得到公式:

其中:E (rc) 是整个投资组合C的期望收益, E (rp) 和E (rf) 分别为风险资产P和无风险资产F的期望, rp和rf分别表示风险资产P与无风险资产F的收益率, σp和 σf分别表示风险资产P和无风险资产F的标准差, σpf表示风险资产P和无风险资产F之间的协方差, y和 (1- y) 分别表示投资者投资于风险资产P和无风险资产F的权重。根据无风险资产F的特性, 可得到:E (rf) =rf, σf=0, σpf=0。因此, 可将公式 (1) 简化为:σc2=y2σp2 (3)

投资者会根据收益风险情况, 为每个资产组合给出一个效用值分数, 分数越高, 说明这个资产组合越有吸引力。资产期望收益越高分数越高, 波动性越大分数越低。金融学和注册金融机构应用最多的一个效用函数是:

其中:U表示投资者的效用;E (r) 表示为投资组合的期望收益;A表示投资者的风险厌恶系数, 在其他情况不变的条件下, A越大表明投资者越厌恶风险, 投资者的效用也就越小;σ2表示投资组合的标准差, 在其他情况不变的条件下, σ2越大表明投资者的效用越小。

将公式 (1) 、 (3) 式带入公式 (4) , 在效用最大化的情况下, 可得到:

对公式 (5) 求导后稍作变换, 得到风险偏好系数A的求解公式:

2.18 个国家与地区的风险偏好测度

运用风险偏好求解公式, 对18 个国家与地区的风险偏好系数进行估测。由于条件限制, 假设令风险资产的投资比例y*=1, 即投资者把所有资金都投资于风险资产, 那么, 就可得到实际求解的风险偏好系数A的公式:其中, 预期收益率E (rp) 和方差 σp2采用的是各国 (地区) 股市中具有代表性的综合指数数值计算所得。

国家与地区的综合指数源自于同花顺ifind。18 个国家与地区1995 年、2000 年、2005 年、2010 年、2015 年五年的存款利率rf, 源自世界银行官网数据库。选取的18 个国家与地区为:阿根廷、澳大利亚、德国、俄罗斯、法国、菲律宾、韩国、荷兰、加拿大、马来西亚、美国、日本、瑞典、瑞士、中国香港、印度尼西亚、英国、中国。运用stata12.0 软件、公式 (7) 计算得到18 个国家与地区每5年的风险厌恶系数A (见表1) :

3.总体样本的风险偏好描述性统计

观察18 个国家与地区风险偏好系数的各数值后, 发现风险偏好系数A存在负值的情况, 由于风险偏好系数本没有负值, 可能的解释是:由公式 (7) 可知, A≤0 存在的情况只能是rp- rf≤0, 也就是说投资于风险资产的收益率比无风险资产的收益率要低。在模型设计时, 我们认为风险资产的收益率是大于等于无风险资产的收益率, 这也与现实相符合, 但是计算结果存在风险资产收益率小于无风险资产收益率的情况。可能的解释是, 计算风险资产收益率rp的股票综合指数变化, 并不能完全代表风险资产的收益率。因此, 计算结果会出现负数。现实中, 如果真的出现无风险资产收益率大于风险资产收益率时, 投资者肯定会把全部资产都投资于无风险资产, 即投资于风险资产的比重为零, 也就无法估算风险偏好系数了。

为了进一步了解18 个国家与地区之间的风险偏好情况, 在剔除负值后, 对数据进行了均值与样本标准差的计算, 并画出相应的分布图 (见图1) 。

由图1 可知, 瑞典的风险系数均值最大, 为15.5307, 其次为荷兰10.2138、瑞士9.5758, 说明瑞典、荷兰、瑞士的风险偏好水平较高, 这些国家更爱冒险。瑞典的标准差也最大, 为25.8822, 荷兰、瑞士的标准差分别为14.8552、14.0127, 说明瑞典、荷兰、瑞士的风险偏好水平的波动性较大, 且其均值代表性较差。瑞典、荷兰、瑞士等国家与地区的标准差值太大, 原因是受到了几个极端数值的影响。因此, 在剔除风险偏好系数大于20 的极端值以后, 再进行均值与样本标准差分析并画出相应的分布图 (见图2) 。

由图2 可知, 剔除极值后, 法国、澳大利亚的风险系数均值较大, 分别为6.2542、5.6332, 说明法国与澳大利亚的风险偏好水平高;其风险偏好系数的标准差也较大, 分别为6.4541、5.2854, 说明法国、澳大利亚的风险偏好水平波动性较大。

通过比较图1 与图2, 发现剔除极值后, 18 个国家与地区之间的风险偏好水平发生了变化。之前, 瑞典、荷兰的风险偏好水平高于其他国家与地区。剔除极值后, 风险偏好水平最高的国家变成了法国、澳大利亚。此变化说明, 极值对数据的影响较大, 因此, 剔除极值对各国 (地区) 之间的风险偏好水平分析是有利的。

4.欧洲与亚洲的风险偏好描述性统计

在剔除负值和极值之后, 分别计算出欧洲和亚洲国家 (地区) 的均值与样本标准差、总体均值与标准差, 得到表2、表3。

根据表2、表3, 画出相应的风险偏好系数分布图 (见图3、图4) 。

由图3 可知, 欧洲各样本国之间的风险偏好水平差异较大。其中, 法国的风险偏好系数均值最高, 为6.2542, 瑞典最低, 为0.5889, 说明法国比欧洲地区其他各国拥有更高的风险偏好水平。法国、德国的标准差较大, 分别为6.4541、5.3970, 说明法国、德国在不同年份间的风险偏好水平变化较大。

由图4 可知, 亚洲各国与地区之间的风险偏好水平差异较小。其中, 日本的风险偏好均值最高, 菲律宾次之, 分别为3.8601、2.5190, 说明日本比亚洲其他各国与地区的风险偏好水平更高。中国香港、菲律宾的标准差较大, 分别为3.0293、2.9155, 说明中国香港、菲律宾不同年份之间的风险偏好水平变化较大。

由表3、表4 可知, 欧洲整体的风险偏好系数均值大于亚洲整体, 说明欧洲整体上比亚洲地区拥有更高的风险偏好水平;欧洲的风险偏好系数标准差也大于亚洲整体, 说明亚洲各国与地区之间比欧洲各国之间的风险偏好水平较相近。

5.风险偏好测度小结

(1) 瑞典、瑞士、荷兰、加拿大等国近年来风险偏好水平过高, 出现极值情况。原因是2011—2015 年之间由股指计算得到的风险利率比往年较高, 说明这几年间这些国家的证券市场比较好;除了极值以外, 风险偏好系数也出现了负值。其原因是由于由股指计算出来代表风险偏好的利率小于无风险利率, 说明用股指变化率代替风险资产收益率具有一定偏差。

(2) 剔除负值与极值后, 比较欧洲各国的风险偏好水平, 发现法国与英国的风险偏好水平较欧洲其他国家更高, 欧洲地区各国间的风险偏好水平差异较大;日本与菲律宾的风险偏好水平较亚洲其他国家与地区更高, 亚洲地区各国与地区间的风险偏好水平差异较小;比较欧洲地区与亚洲地区, 欧洲地区整体比亚洲地区整体的风险偏好水平要高。

影响因素实证分析

1.影响因素识别

普遍的研究发现, 个体特征 (包括年龄、性别、性格等) 、财富水平、教育水平, 甚至文化对风险偏好有着高度相关性。Friend和B1ume的研究发现, 个人财富对风险偏好有着正相关的影响。随着个人财富逐渐增加, 个人财富中风险资产的比例也随之增加, 个体的风险偏好也会增加。陆建超等对Kahneman和Tverskey的实验进行改革, 在对30 名学生、30 名大公司老板进行实验后发现, 财富水平高的个体比财富水平低的个体更愿意冒险。王英茜对“90 后”大学生进行问卷调查的结果显示, 个体性格特征和文化传承对风险偏好具有一定的影响。出于时代背景, 我国“90 后”大学生的风险偏好大多集中于温和型。此外, 认知程度、外部环境 (包括自然灾害、竞争环境等) 对风险偏好均表现出一定程度的相关性。

基于学者对风险偏好影响因素的研究, 选取5 个因素进行分析:65 岁及以上的人口 (占总人口的比例) 、城镇人口 (占总人口比例) 、人均GDP (现价美元) 、入学率和高等院校 (占总人数的比例) 、总失业人数 (占劳动力总数的比例) (模拟劳工组织估计) 。选择1991—2015 年的时间纵剖面, 与不同国家构成面板数据作为分析样本。在计算变量时, 以5 年为一组进行计算, 即1991—1995 年、1996—2000 年、2001—2005 年、2006—2010 年、2011—2015 年5 个样本时间段。分析数据指标选择如表4 所示。

2.混合回归模型分析

根据研究需要, 选取混合回归模型进行相关性分析。建立混合回归模型:RISKit=a0+a1OLDit+a2CITYit+a3RGDPit+a4EDUit+a5UNEit+uit。其中, RISKit为被解释变量, a0表示截距项, OLDit、CITYit、RGDPit、EDUit、UNEit分别为具有i个横截面、t个纵剖面的解释变量, a1到a5分别为各个解释变量的回归系数, 为误差项。混合回归模型的特点是无论对任何个体截面, 截距项都相同。

通过stata12.0 进行回归分析, 为消除截面异方差影响, 采用稳健性标准差的调整。回归结果如表5 所示。

回归结果中, RGDP变量、UNE变量的估计系数t检验显著性概率小于0.05, 在5%水平能够拒绝原假设, 检验显著。CITY变量的估计系数t检验显著性概率小于0.10, 在10%水平检验显著。其他各个解释变量的估计系数显著性概率均大于0.05, 在5%水平检验不显著, R2为0.2983。说明解释变量解释被解释变量的程度为29.83%, F检验大于5%水平临界值小于10%水平临界值, 在10%检验水平勉强认为显著, 拒绝原假设。从而认为解释变量对被解释变量的共同影响作用显著。

结论与建议

1.结论

(1) 面板数据回归模型采用混合回归说明, 选择的样本国家 (地区) 在风险偏好方面不存在国家 (地区) 异质性, 没有差异截距项。从表2 的混合回归模型结果看, CITY变量的估计系数为-7.32473, 说明城镇人口占比与风险偏好呈现负相关。城镇人口占比每增加1 单位, 风险偏好会降低7.32473 单位;RGDP变量的估计系数为0.000276, 说明人均GDP与风险偏好呈现正相关。人均GDP每增加1单位, 风险偏好会增加0.000276 单位;UNE变量的估计系数为49.88807, 说明总失业人数与风险偏好呈现正相关。总失业人数每增加1 单位, 风险偏好会增加49.88807 单位。

(2) 实证分析的结果也进一步说明, 各国与地区风险偏好测度的结果是有效的, 运用效用函数法求风险偏好系数也是真实可靠的。

2.建议

(1) 提高居民的收入水平和财富水平, 扩大中等收入人群的比例。我国的贫富差距近年来更大了, 说明大部分财富都集中在少数人手里, 导致居民消费和投资的严重失衡, 影响了投资者在选择风险资产上的偏好。要解决这个问题, 一是要继续深化改革, 调整收入分配体系, 提高低收入阶层的收入水平, 扩大中等收入阶层的比重。二是提高居民收入在国民收入分配中的比重、劳动报酬在初次分配中的比重, 合理调整城乡居民收入差距问题, 三是提高居民收入的“含金量”。努力提高居民的收入水平, 真正提高居民的财富值, 这样才能促进个体对金融证券市场的参与度、对风险资产的持有比重, 促进我国金融证券市场稳定和国民经济持续发展。

(2) 降低金融市场的交易成本、降低税收。虽然这两点在本研究中并未直接讨论, 但降低交易成本和税收后, 可提高投资者的可支配收入和财富值, 能够使投资者增加对证券市场的参与度。之前有很多研究指出, 交易成本、税收等阻碍了投资者的股票持有, 使投资者不能频繁交易, 这就阻碍了投资者根据需要合理地调整无风险资产和风险资产占比的能力。

(3) 在设计金融产品时, 应针对不同对象设计出更符合投资者预期的产品。比如, 设计的产品是针对澳大利亚、德国、法国、加拿大等近年来风险偏好较高国家的投资者的话, 那么, 可设计一些高风险、高收益的金融产品。如果是针对俄罗斯、印度尼西亚、韩国等近几年国民风险偏好厌恶的国家, 则应设计出一些低风险的金融市场产品。这样才能更好地提高外来投资者对我国金融市场的参与度。

摘要：以18个国家与地区为研究对象, 采用Marcowit z模型计算其风险偏好系数, 通过对5个影响因素的识别和探究, 分析影响风险偏好的影响因素, 为我国制定相关政策提供依据, 具有较强的理论意义和实践意义。

关键词：风险偏好测度,影响因素,实证分析

参考文献

[1]Friend, Blume.The demand for risky assets[J].The American Economic Review, 1975:900-922.

[2]陆建超, 彭美玉.财富水平、风险偏好与租佃阶梯研究[J].农村经济, 2007 (7) :84-86.