中国家庭金融调查回忆与感想

最近西南财经大学中国家庭金融调查与研究中心发布的《中国家庭金融调查报告》一出炉，引起了网上的一片哗然，网友纷纷大呼“被平均了”“拖了后腿”，骂声一片，无数财大学子躺着也中枪，呜呼哀哉！

每个人都肯定是站在自己的立场看待问题，这本身无可厚非，可是更多的时候，我们也不应该囿于自身狭隘的视角，还须从中脱离出来，站在一个更高的角度，批判性地看待问题。

这份报告以及随之而来的质疑声和责骂声（幸好后来还有认同的及客观中立的学者）不由得让我想起了去年夏天的经历。记得那是一年前，我们从美丽的西南财经大学柳林校区浩浩荡荡地奔赴全国各地（当然，在这之前都进行了系统的调查访问培训）。经过本人申请，我被选派到了浙江的金华永康，台州的临海和温岭，在全国还算是比较富的了，貌似永康还是百强县。

关于这项调查研究，可以肯定地说，在前期的策划与调研项目的设计上，质量是非常之高的。在调研的各个环节都进行了详细周密的考虑和各种应对措施与方案，在组织实施上也与中国人民银行合作，并且当地的居委会或村委会都给予了密切的配合与大力的支持（当然，还是有礼金意思意思的）；资金方面，单单学校就预算了上千万的资金，还不包括其他方面的资金。所以，鄙人认为调研的各项计划与筹备都不成问题的。

但是，在具体的实施过程中毫无疑问也是存在问题的，这些问题的出现肯定有些是与调查访问员有关的，调查启动的初期，中心就立刻发现了一些问题，譬如个别同学数据作假以及不给受访户礼金而将之占为己有，当然，这种人肯定是极少数的，且经过中心的即时跟踪与监督，采取了严厉的措施，很快得到了纠正与杜绝，这得益于调查研究项目前期的系统思考与设计。但调研中的问题更多的是由于研究课题本身所造成的，换言之，只要研究家庭金融这个课题，任何一项组织在具体的研究中都会遇到困难和问题。其中一个常见的就是拒访或者空户而导致更换样本的问题，这必然会影响到抽样调查的严谨性，影响到数据的质量。

但有些时候这些是不可避免的，因为家庭金融本身就是一个较为私密和敏感的话题，尤其是在中国这种特殊情形下，有些人就是不愿意参与调查，记得我遇到一个特牛气的家伙，刚开始是他家在上大学的小女孩在家里，答应第二天其父母接受访问，但第二天去时，其父母却拒绝访问，即使在居委会的人过去后也仍旧拒绝，居委会也没辙，后来鄙人再次去拜访他（看能否用我的诚意打动他，呵呵），不过再次悲剧了，这位大叔牛气冲天的说，即使我把市长叫来也没用。我勒个去，对于这种这么有“节操”的男人，兄弟是彻底服了，只好缴械投降，更换样本。幸好，他家女娃娃在旁一脸歉意，让我心理平衡了点。

关于受访者回答的真实性这一点也是争议之一。应该说，愿意接受访问的家庭回答的基本都比较真实。略举一例，其中有一对快退休的单独居住的夫妇，在我去他家时，由于天气炎热，满身大汗，他们赶紧把风扇打开（本来是开着空调的），并给我准备好水果和王老吉。我说中心规定不能吃喝受访户家里的东西，大叔一听不高兴了，你们中心有中心的规定，我有我的规矩，你不喝我就不接受访问！我当时一脸不好意思，口里说道：“真不好意思，那我就喝了，谢谢大叔”。其实心里早乐开了花，内心窃喜，中心不能怪我了，哈，工作需要嘛~。当然，内心还是多感动的，其实，人心换人心，别人好的一个首要前提就是必须首先自己要好。所以后来的回答就像朋友聊天一样，临走时，大叔还说以后去那里可以打他电话找他。所以，这种情况下的真实性就有一定保障了。当然，也有极品啊，刚听没兴趣，说道给礼金，就兴趣盎然，中途又遮遮掩掩，最后不太情愿，这种情况遇到一个，只好尽量添加备注，数据质量肯定不如那些发自内心愿意的。

那个夏天记忆深刻的事情真的很多，还记得一对夫妇，老党员！访问完后给他礼金，坚决不收，说你们小孩大老远跑来就不容易了，为国家做贡献（绝对不是官腔，当时那个汗颜啊），哪能拿你们的钱。我说不是我们的，是中心统一规定给的，夫妇也坚决不收，说自己

也不缺钱，叫我留着用，中心打电话的话他就说收下了。本来我还想可以考虑留下自己用，反正没人知道（内心不够纯洁啊，罪过！）。经过大爷这么一说，也不好意思了，人家修养那么好，我也总不能太龌龊吧，回去后还说交给督导了，不过提意见等结束后犒劳一下大伙，党性修养还是不如老党员。不过那一刻，我明白中国共 产 党为什么能在曾经如此艰困的年代取得胜利。凡事都有其存在的原因，中共能成为执政党必有其过人之处。只不过，到今时今日，如果不再进行党的监督和建设，肯定会陷入麻烦与困难。

关于中位数和平均数差别如此之大的问题，也确是发人深省。我不知道实际生活中二者的差距到底有多大，也不敢保证调查的数据就完全反映了真实的数据情况。（其实，任何一项调查研究都不可能获得完全符合实际的数据，何况还是抽样调查）。但是从中反映出的一个贫富差距的问题确是不争的事实。记得其中一对受访夫妇，家里就比较困难，他还特意提到一个房屋拆迁补偿的问题，披露当地村委在这方面的不当行为。我知道这种情况应该说在全国范围内都不鲜见。他们叫我向上头反映，当时心理听了有种难以名状的感觉，能做的只是把这件事情记在电脑的访问系统里头去，不过中心对这些事肯定是不会干涉的。这岂不也是学术机构和学者的悲哀，就像一位医生，你纵然知道患者的病症和病因，却对其病情无能为力、束手无策。对比一下队友访问的千万级富翁，请我们吃饭的宝马哥，这种强烈的反差就愈发明显了。

这是两个极端的例子，社会的总体贫富差距还不至于这么夸张，但差距的愈演愈烈确是无疑的，而且很多贫富差距不仅仅是能力差异导致的，而在于特殊利益集团的联盟与勾兑，形成了一个相对密封的圈子，圈外的人是难以进入其中分一杯羹的。贫富差距可以有，而且应当有，否则，也是不公平的，但是如果差距过大，尤其是因为关系、世袭等原因导致的差距过大，绝难以让人信服。

絮絮叨叨说了这么多，对于网上的质疑声和责骂，我觉得是可以理解的，何况大多数人都是被媒体的断章取义所蛊惑（记者也有苦衷的，要点击量、知名度，要加工资，甚至晋升，所以一定要弄点噱头才能实现目标。我们可以责怪记者，但如果这种环境和制度没有变化，这种情况是永远不会改变的，人和人在本质上是惊人的相似，换一个人也很难改变情况）。在这个喧嚣浮躁的年代，博人眼球是王道，譬如北京车展的各种出位模特（其实我估计也是少数，还是媒体放大了而已），对于各种非理性的言语，我们可以不予回应，可以理性辩驳，却不必对着骂。

关于这份报告，肯定不是学术造假、全无是处，但也绝非毫无不足与缺陷。（估计非财大的学生第一反应是前一种观点，财大学生有些则是认识不到或拒绝承认调研及报告的缺陷，也就是所谓的群体的自我服务偏见）政策的制定不能单凭这一份调查数据，但作为制定政策的参考之一，却是不失其功效的。

更大的可能是，事实上很少有人知道这份报告（研究学者除外），只是因为我身在财大，又恰巧参与了这项调查，所以会有所关注。我们都是活在自己的世界，我们每个人最关心的永远都是跟自己切身利益最为密切的东西。

谨以此文记之，中国家庭金融调查回忆与感想。

第二篇：住房投资与家庭金融资产选择：基于中国居民家庭调查的实证分析

第九届中国经济学年会投稿论文：金融学领域

住房投资与家庭金融资产选择：基于中国居民家庭调查的实证分析1

摘要： 本文采用中国家庭调查数据, 运用赫克曼样本选择修正模型，从实证的角度研究产权性住房对家庭资产选择的影响。研究结果表明: 控制其他变量的影响之后, 拥有住房会增加参与股市的可能性，并且住房投资占净财富比例越高, 股票投资比例越低。在此基础上深入分析住房投资与股票投资的关系, 本文发现在所有拥有住房的样本中，有住房抵押贷款的家庭, 在住房占财富净值上升时, 股票的投资比例降低；相反,没有住房抵押贷款的家庭, 在住房占财富净值上升时, 股票投资比例增加。本文同样发现，当投资住房后，年轻和净财富较低的家庭由于流动性约束，会降低风险资产的投资。最后本文将风险资产投资比例概念由狭义的股票转变为广义的风险资产, 得到的结论都和前面的研究一致。

关键词：家庭资产选择 住房 股票投资

JEL分类号： G11 D91 D14

Household Portfolio Choice in the Presence of Real Estate: Evidence

from the Survey of Chinese Household Portfolio

Abstract：This paper uses a unique data of Chinese household and a sample selection model similar to Heckman (1979), to examine the portfolio choice of households in the presence of real estate. This paper shows that investment in housing plays a crucial role in explaining the composition of wealth and the level of stockholdings observed in portfolio composition data. This study finds that after controlling for wealth, income, and other possible unobserved household characteristics, homeowners are more likely to participate in the stock market, and owning real estate reduces relative holdings of stocks and other risky financial assets. What is more, higher mortgage, which means large burden, is associated with decreased risky financial asset holdings. I also find that due to investment in housing, younger and poorer investors have limited financial wealth to invest in stocks, which reduces the benefits of equity market participation. Keywords：Household Portfolio Choice, Real Estate, Stock Allocation

JEL Classification： G11 D91 D14 1作者信息见尾页。

1

一、引言

近年来，随着我国经济发展和金融市场的逐渐开放，我国收入分配主体不断变化, 居民家庭金融资产的种类不断增加, 居民的资产选择行为变得越来越复杂。从20世纪90年代初期开始，居民人均储蓄量在不断增加，与此同时，伴随着证券、保险、国债、外汇、期货等金融产品的发展，家庭金融资产选择的空间逐渐扩大，导致了家庭金融资产的多样。家庭的储蓄已经不再是单纯的银行存款，在不同金融资产之间的选择行为日渐形成。

时至今日，随着家庭金融资产选择行为变得越来越复杂，产生了有关这一领域的一系列相关问题:家庭金融资产的形成有何特点, 家庭金融资产总量与结构的影响因素有哪些, 家庭金融资产结构是否合理,市场上的金融产品是否满足家庭金融投资的需求,国家税收、金融产业优惠等宏观经济政策通过家庭金融资产会对居民收入、消费产生怎样的影响等等。这些问题在宏观经济和微观经济中都已经变得愈发重要，而仅仅从储蓄消费的理论来理解家庭的金融资产状况已经显得非常局限了。

尤其最近几年全球房地产市场高涨, 中国自2003 年以来房地产价格不断攀升。高昂的房价以及预期房价进一步上涨, 使得居民将大量资金用于住房投资, 从而对金融资产投资产生了影响。而资本市场风险过大, 投资品种单一、投资收益不高等因素也导致了投资者选择更为安全的产品投资。因此, 在全球房地产市场高涨的今天, 研究住房投资对家庭金融资产选择显得非常重要。

很多研究均已指出，在完全市场以及标准偏好下，已有的资产选择模型往往不能很好地解释实际投资中资产分配的特征，例如“有限参与”之谜2。另外，完全市场以及固定投资机会下的简单资产选择模型也不能解释年龄效应。为了更好地解释现实与理论的差距，最近的理论分析引入了背景风险3。文献研究表明加入不可交易的背景风险会影响流动资产的最优水平及其构成。当同时加入交易费用后4，很有可能引起低财富家庭不参与股市。

房产是影响大多数家庭的其中一种背景风险。根据美国SCF调查报告显示，除了最富有的家庭，房产资产是家庭中最重要的一种资产,占其总财富的55%-60%。虽然买房被视为一种消费决策更甚于投资决策，一旦家庭决定买房，这一决策将会影响家庭未来的金融资产分配方案。正如Shiller(1999)年分析5，因为缺少分散房产风险的市场，房产可以被视为一种背景风险。然而房产投资不同于股票投资:它是少数几项被允许借款投资的资产之一;买卖房产的交易成本很高;投资相对多样化;房产既是消费品也是投资品；家庭可以选择买房或租房。这些特性都使这一领域的研究比较复杂。不言而喻，房产对于大多数家庭而言是最为重要的单项资产，但是房产拥有权会对投资者的金融资产需求造成什么样的影响？国内对于这一问题的研究还比较少。

本文对存在住房时我国家庭金融资产选择行为进行研究。具体分为以下几个部分：首先是文献综述（第2节）。根据产权性住房约束下家庭资产选择行为理论的演变，对相关理论作出了详细的文献整理，并指出理论和家庭资产组合现实的差距，从而找出进一步研究的发展方向。第三部分是对我国家庭金融资产选择的实证研究。这部分主要研究中国家庭资产分配2 “有限参与”之谜：即尽管存在着较高的股权溢价，大多数家庭并没有参与股市；而对于参与股市的投资者而言，理论上的最优风险资产持有份额远远高于实际数据。

3 未经分散化处理的风险性投资都有背景风险，如工资收入、自有企业收入、受限的养老金投资、集中持有的房地产等(参见Curcuru，Heaton等，2004)。

4交易成本包括：税收、证券市场固定或变动交易成本，也包括学习资本市场的时间或精神成本。

详见：Shiller, Robert J. and Allan N. Weiss, 1999, “Home Equity Insurance,” Journal of Real Estate Finance and Economics 19, 21-47.

25

的微观特征、住房对风险资产持有比例的影响分析、以及区分是否拥有住房抵押贷款的实证分析等，并且将得出的实证结果与国外其他国家的实证结果进行比较并简略分析。最后，根据实证的分析结果做出结论和政策建议。

二、文献综述

国际上家庭金融资产选择理论始于20世纪60年代后期，经济学家开始研究生命周期资产配置问题。放宽了资产组合理论的单期假设，同时产生了两个类似的模型。一个是多期离散时间模型，它考虑个人在某些固定的时点上做出消费和投资决策，而这些决策时点之间的间隔是任意选择的。个人总是在某些固定的时点才考虑修改决策，而不考虑这期间的变化。运用离散模型分析的经济学家有Samuelson(1969)、Hankansson（1970）、Fama（1970）、Long（1974）、Dieffenbach（1975），Kraus 、Litzenberger（1975），Lucas（1978）等。另外一个是由Merton（1969，1971）开创的连续时间下消费和资产组合选择的最优化问题。早期的资产选择理论是建立在完全市场之上的，主要让我们了解到风险厌恶如何影响到家庭风险金融资产选择行为。标准的资产选择理论预测个人愿意将财富投资于风险金融资产的数量取决于其风险厌恶程度。在两基金定理有效的情况下，因为所有的投资者面临的资产回报的分布都相同，所以个人资产组合构成的差异应该只反映其在风险厌恶程度的不同，风险态度是导致资产组合行为不同的唯一因素。

然而近期，很多研究均已指出，在完全市场以及标准偏好下，已有的资产选择模型不能很好地解释实际中资产分配的特征，例如“有限参与”之谜。即尽管存在着较高的股权溢价，大多数家庭并没有参与股市；而对于参与股市的投资者而言，理论上的最优风险资产持有份额远远高于实际数据(Bertaut 1998，Guiso 2002， Haliassos、Bertaut 1995，Vissing Jorgensen 2002)。另外，完全市场以及固定投资机会下的资产选择模型也不能解释不同年龄持股比例的差异。

为了更好地解释现实与理论的差距，最近的理论分析引入了不同市场结构和偏好。近期的理论模型大多关注微观结构，强调劳动收入风险、背景风险、借贷约束以及住房对最有资产分配的影响。大多数模型都采用标准偏好、CRRA效用函数。使用CRRA效用意味着财富对最优资产组合比例没有影响，并且因分离了资产配置决策和消费/储蓄决策而大大简化了资产组合问题的分析，但同时其跨期替代偏好结构却不太理想。新的理论研究有些采用Epstein-Zin的偏好结构，这一类型的模型在没有住房存在时，相对来说是较成功的。比如Gomes、Miehaelides(2003)采用他们的公式，将Cocoo等(2001)模型扩展至无限期。模型中经济人在投资股市前必须支付固定成本，他们可投资长期债券、现金和股票。通过将偏好异质性引入模型，他们得出了家庭组合的几个事实:即较能容忍风险的家庭并没有积累起资产，所以不投资于股票；较风险厌恶的家庭积累了资产，所以能够支付投资股票的固定成本。

很多研究发现，劳动收入风险对家庭最有资产选择的影响很大。家庭被假设 将其所有未来收入以近乎无风险利率的水平资本化，并视其为现有组合中无风险资产的一部分。这样会造成在年轻时持有大量风险资产，并且随年龄逐渐减少其比例。比如Koo(1995)，Bertaut、Haliassos(1995)，Gakidis(1997)，Vicerira(2001)均采用数量模拟方法发现：当加入特质劳动收入风险后，无限生存家庭会将所有金融财富投资于股票，甚至会负债投资。综合而看，劳动收入影响家庭对风险性金融资产投资的决策，有两个原因:未来工资收入流具有不确定性及不可保险的性质；家庭可能在未来改变其劳动力供给。除了人力资本外，还存在其他资产是不完全交易或不可交易的，并且也可影响资产选择行为，最重要的可能是房产及私有企业(Heaton、Lucas，2000)。

目前为止讨论的相当大一部分模型都没有把房产包括进家庭资产，但对大多数家庭而言，房产是很重要的一项资产，特别是对于年轻的家庭。现实中投资者最大份额的金融投资是产权性住房。住房投资的特点是：它是未分散风险并且不容易频繁调节的资产。住房的这 3

一特性使它能够潜在影响资产选择，即使投资者持有的股票份额减少。然而住房收益与股票的低相关性，又使其由于分散风险的考虑鼓励投资者更多地持有股票。

最近的实证研究揭示了家庭资产分配、住房及抵押贷款选择的一些特征。这些文献包括Heaton、Lucas(2000，Kullmann、Siagel(2003)，Cocco(2005)，Yao、Zhang(2005)等。这些文献总结出一些共同的特征：1、住房拥有比例与股票参与比例均在年龄轴上呈现驼峰状。房产拥有比例的顶点处于退休年龄处，而股票参与比例的峰点在50岁左右。2、如果家庭房产价值/净财富比例较低，或者住房抵押贷款/净财富比例较高，更易于参与股市。3、当家庭净财富的大部分被房产所占据时（有高额抵押贷款），分配于股票的权重越小（大）。4、当房产价值或抵押贷款作为净财富的一部分时，其作用于流动性金融资产的作用是很小的。

住房的影响以多种形式进入模型。一些学者在效用函数上将起与其他消费品分离。在另一些模型中，住房被作为存在调整费用的投资，由它造成的收入和消费在效用函数中都不被分离。将房产包括进模型的一个方法是将其作为风险资产（Bodie等1992)。Henderson、Ioannids(1983)引入约束，即住房投资至少要与住房消费一样多。在一个理论模型中，

Brueckner(1997)得出了相关结论是：当在模型中加入以上约束，那么住房与非住房资产都会产生变形，在均值—方差意义上的资产有效性将不复存在。Cocco(2000)研究了包含房产的资产配置决策，发现房产排挤了投资者持有股票，特别对于年轻的投资者，他们的房产几乎接近其总的金融财富。尽管该模型没有考虑房产租赁市场，但其对资产组合的预测较合乎现实:年轻的经济人借款买房，几乎将所有都投资于房产，随年龄增长，他们还完房贷，开始投资于股市，到退休时，大多数家庭都有某些股票投资，但绝大部分资产仍为房产。该模型通过允许一些偏好异质，可产生非常符合现实的资产积累模式。Flavin、Yamashita(2002)从劳动工资出发，认为对房屋的消费需求会造成杠杆头寸，特别是对年轻的家庭，这一风险资产的杠杆头寸会影响对股票市场的风险容忍度。他们将住房资产与其他投资的相关性引入模型。在研究框架中如果使用合理的风险参数，那么最优股票/净资产比率对于年轻人来说为9%，年老者则为60%。另外，对于所有家庭来说，在任何年龄下尽可能多地进行抵押贷款都是有利的。然而这一结果与实际经验是相悖的。Cucuru用20xx年的SCF数据发现，只有66%的家庭以及26.4%的年老家庭进行了抵押贷款。

Kullman、Siegel(2002) 指出，投资者可能并不把其他投资和房产投资作为一个组合进行合并考虑。这种投资行为非常类似于行为金融学的心理账户的概念。这样，投资者大量资金被占用之后，仅有少量的资金投入其他资产的投资。Cauley et.al(2003)在一个连续时间的框架下研究。他认为住房资产的非自有调节很大程度上改变了金融资产的目标持持有量。特别地，这一约束会导致住房价值与净财富比率高的家庭的股票持有量显著下降。Yao、Zhang(2005)近期的文章扩展了Cocco(2000)，将租赁市场和房屋购买市场都引入模型，其结论和Cocco(2000)有很大不同，他们没有发现房产排挤了股票持有。他们的结果显示，1984一20xx年美国家庭中户主小于35岁的家庭平均的住宅价值一净值比率约为2.2，即使对户主年龄高于75岁的家庭，平均的住宅价值仍然占家庭净值的65%以上。Campbell、Cocco(2003)，Hu(2003)等也对包含房产的资产选择进行了研究。Hu(2005)发现年轻和中年的家庭，不论是否拥有房产，持股量都比不包含房产的传统模型所预测的要少得多。另外，因为调整房产的高额交易费用降低了住房的收益这一特点也会影响资产的选择。Grossman、Laroque(1990)建立了一个包含单个非流动可折旧消费品的模型—此消费品在出售时存在高额交易费用。研究发现，只有当财富发生剧烈变动时，选择调整这种可折旧消费品才是最优的；并且在CRRA效用函数下，交易费用会降低最优风险资产投资的份额。

综合看来，这些文献除Yao、Zhang外，都证明房产排挤了风险性资产的持有，特别是对较年轻的经济人(仍在为买房储蓄)和较低财富家庭来讲是成立的，对于那些拥有房产但仍在偿还贷款的家庭也成立。同样存在住房的模型中，持股比例会随年龄及金融财富的增加而 4

增加。另外，固定交易费用也不用维持在一很高的水平，就可以使股市参与率保持在一个现实的水平。由于大多数包含房产的模型所预测的家庭参与股市的水平都接近实际现象，因此将房产加入组合选择模型增强了模型的预测力，这也证明了房产在个人组合中的重要性。然而这些模型所用的数据均来源于美国，如果运用到别的国家，也许会有其他的结果。

值得一提的是，以上文献综述还遗漏了一些问题。比如年轻投资者可能获得遗产；健康变化造成的影响；既在工作后期改变偏好造成的影响。税收也是被忽略的一点。这些因素会对投资、消费以及储蓄选择造成很大影响，是未来研究的突破点。另外，心里偏差导致的经济行为也是一个值得深入研究的课题。这一课题是对传统偏好经济模型的一种挑战。

国内研究家庭资产选择的文章比较少，而且大部分使用了国外的数据。比如何秀红、戴光辉（2007）采用SCF 数据, 运用TOBIT 模型从实证的角度研究收入风险和流动性约束对投资者资产选择的影响。陈学彬( 2006) 采用动态优化模拟方法对居民个人生命周期的消费投资行为进行动态优化模拟, 分析了居民个人生命周期消费投资行为的基本特征以及居民时间偏好和风险厌恶、劳动收入风险和股票投资风险、货币供应量和利率调整对其消费投资行为的影响。目前国内使用中国数据研究的文献尤其稀缺。于蓉（2006）采用我国的数据研究家庭金融资产选择问题，文章针对各国家庭资产组合中出现的间接参与股票市场的趋势，分析金融中介在促进家庭参与股票市场的作用。吴卫星、齐天翔（2007）做了中国投资者行为调查实证分析，研究了流动性、生命周期与投资组合相异性。傅曼莉（2007）依据马克维茨最优资产选择理论的均值-方差方法，建立家庭资产配置的效用函数，随后在约束条件中加入住房因素，利用动态规划方法求出最优解，得出住房消费能解释家庭各不相同的投资行为，住房会驱逐净资产中的股票投资份额。

二、数据样本、分析变量和实证方法

2.1 数据与变量的选取

2.1.1 数据的选取

本文采用北京奥尔多投资咨询中心发起的“投资者行为调查”项目20xx年的数据。“投资者行为调查”项目调查时间为20xx年7月至9月，对北京、上海、南宁、成都、兰州、海口、沈阳、珠海、武汉、天津10个城市针对18周岁以上的城市居民，以家庭为单位，对其家庭的投资行为进行了随机抽样调查。本次调查采用面访问卷调查的方式。删除异常值和明确为乱填的数据，修正后的数据为1416个。另外由于数据限制，本文的选取的是截面数据，而非面板数据。

2.1.2 变量的选取

本文采用的因变量为一个家庭持有的金融资产中股票的份额（s1）。另外在做稳定性检验时，因变量为一个家庭金融资产中风险资产的份额（s2）。

自变量包括两部分，一部分包括住宅性房产/净财富比例(house/networth)、住宅性房产/净财富比例的平方项(house2/networth2)(主要考虑可能存在的非线性关系)、抵押贷款/净财富比例(mortgage/networth)、商业投资/ 净财富(business/networth)，这一部分的变量代表了潜在的背景风险。其中净财富被定义为金融资产、房产、车辆资产与实体商业投资的总和，减去抵押贷款与其他负债。

另外一部分因变量包括了代表家庭特征的变量与时间虚变量，包括：

净财富（Networthit）、净财富的平方6(Networthit2)：财富量是决定股票投资量的一个

5

重要指标。财富较大的家庭的股票投资一般比较大, 这是由于他们的富余资金较多, 受的流动性约束小, 从而有更多的资金投入股票市场。另外，财富规模这个因素也决定了家庭对风险的承受能力, 从而间接地影响居民家庭金融资产偏好。所以在存在固定的参与信息费用的金融市场中，这两个变量的系数应该为正。

收入（Incomeit）、收入的平方(Incomeit2) ：在因变量中加入收入的理由类似于财富。一般而言，但其收入可以作为未来劳动收入的折价表示量，这意味着收入越多股票投资也应越大。所以其系数理论上也应为正。

年龄（Ageit）、年龄的平方(Ageit2) ：每个人都根据其一生的全部收入来安排消费、投资支出,居民家庭的消费受制于其整个生命期间内所获得的总收入。7一个家庭在其生命周期的不同阶段,对不同特性的金融资产的需求是不同的,因而不同年龄的人(家庭) 的金融资产组合样式不同。此外,由于处于不同生命周期的家庭的思想观念、投资宗旨不同,在安排金融资产结构时所考虑的重点不同,偏好也会因此不同。

婚姻状况（Marriedit）：婚姻状况是个虚变量，1代表已婚；2代表未婚；3代表离婚；4代表丧偶。 性别（Hmaleit）：代表家庭户主性别的虚变量。当户主性别为男性时为1；女性时为2。

户主受教育程度（Eduit）：受过良好教育的人会更快地了解和接受新型金融资产,从而在资产分散化上有更大的选择空间。户主受教育程度也是个虚变量，1代表本科及以上；2代表大专；3代表中专或高中；4代表初中；5代表小学。

职业（Careerit）：职业对家庭金融资产选择的影响比较明显。职业选择一方面反映了投资者的风险偏好, 喜好风险的人一般会进行自主创业和实业投资, 而风险规避的投资者则会选择为他人工作。另外, 不同职业的投资者的收入风险相差很大, 为他人工作的投资者的收入比较稳定, 自主创业的投资者的收入则随市场状况的变化而波动, 退休者的收入比较低, 但如果他们有退休金, 则收入可以看成是稳定的。本文中职业类型分为十类：1代表公务员；2代表老板或经理；3代表专业人员（教师、医、会计、工程师、编辑、技术人员）；4代表技术工（工人、厨师、司机）；5代表非技术工（物业、服务业、售货员、职员）；6代表退休人员；7代表学生；8代表下岗失业人员；9代表其它；10代表农民工

以上的所有变量是参与方程和分配方程所共有的变量。参与方程中还有一些其他的变量：代表产权性住房拥有权的二元虚变量（1代表拥有；0代表没有）、代表抵押贷款拥有权的二元虚变量（1代表拥有；0代表没有）、和代表商业性投资的二元虚按量（1代表拥有；0代表没有）。

2.2 计量方法

在这一部分，将讨论如何计量住房对持股比例的影响。为做到这一点，本文首先假设以下变量与股票存在一个简单的线性相关关系：产权性房产（house）/净财富比例(networth)、抵押贷款(mortgage)/净财富比例、其他家庭投资者特征、以及因变量的滞后项（视情况而定）。这一线性关系可以表示为：

? house mortgage bu sin ess ? （1） ′xit+uitsit=β1()+β2()+β3()+β4 networthnetworthnetworth??xsit其中代表家庭i在第t期持有的金融资产中分配于风险资产（或股票）的最优比例。it代表了一系列的家庭投资者特征变量，具体将在下文中介绍。根据上文的文献综述中的理论，7这种观点源自于美国经济学家莫迪利安尼布伦贝格和安东的生命周期假说。

6

理论上房产/净财富比例的系数β1应该为负；而抵押贷款/净财富比例的系数β2应该为正。

另外根据标准风险厌恶的要求，β4也应该为负。

然而这里存在一个自我选择(self-selection)问题。自我选择问题最先是由Roy(1951)提出

的，他指出个人在选择把打猎还是捕鱼作为自己的职业是基于对他来说两者相比较的好处

的。而最早把这一问题引入计量经济学的是Gronau(1974)、Lewis(1974)和Heckman(1974)。

自我选择问题来自于样本的非随机性，通常样本点(个人)是有意识地自我选择进入某个样本

组的，并且他们的选择又与我们需要估计的目标方程(通常是产出或收入方程)有关。在股市

?sit投资方面，现实市场中存在参与成本和信息搜集成本，因此最优风险资产投资比例可能

会和观察到的实际投资比例sit不同。如果是否选择参与股市的决定与愿意持有的风险资产

相关，那么当推断风险资产的分布时就要考虑，选择的样本传递的信息是否建立在这种参与

决定之上。举例而言，如果股市的参与包含了进入与信息费，我们观察到的数据仅仅来源于

决定参与股市的家庭数据，而由于进入门槛不参与股市的数据就会被忽视。基于这种样本得

出的结果是有偏差的。

为了解决这一问题，本文使用赫克曼（Heckman）19xx年的两步修正模型。在这个模型

中，是否参与股市的决定是独立于最优持有比例的决定模型。模型可以如下表示：

?sit=β′x+u it it （2） ) （3） d it =it + 1 ( δ t′ z ν it > 0

? ? s it if d it = 1 （4） sit=? otheteise0?

其中s代表家庭i在第t期持有的金融资产中分配于风险资产（或股票）的最优比例。这?

it

个变量的观测值潜在取决于指示变量dit∈{0,1}的结果。dit是一个二元指示变量，当家庭i

sxit决定在第t年参与股市时为1；其他情况为0。it是家庭i在第t期实际持有的风险在产比例。

和zit都包含了一系列上文提到的变量，比如房产/净财富比例、抵押贷款/净财富比例，下文

xit是zit的严格子集。uit和vit是为观测到的误差项。 实证部分会具体说明。另外

β=(β1β2为了得到（1）式中

的统计概率做出估计。只有当β3β4)′的一致性估计，需要对误差项和解释变量uit和vit与解释变量不相关并且彼此也不相关时才可以使用

cov(uit,vit)=0会被违反， OLS方OLS方法，使用持有正比例的风险资产的子样本数据估计其系数。如果参与股市的决定和最优风险资产持有份额由一些非观测变量共同决定，那么

法估计出的系数将不再具备一致性。8

8 参见Quester , A. , and W. Greene ,“A State Preference Approach to Wives Labor Supply ,”

Scial Science Quarterly ,63 ,1982 ,pp.16～27.

7

本文取（1）式中以

zit和dit=1的条件期望：

?Esitzit,dit=1=Esitzit,dit=1=β′xit+E[uitvit>?δt′zit,zit]

[][]

（5）

根据Heckman（1979）的理论，使用两步法来估计

uit

的未观测条件期望。将（5）式中

的条件期望进行合理的形势估计，然后将其作为样本选择项带入到（2）式的分配模型中，

β=(β1β2

并运用参与股市的子样本估计出

为了得出样本选择项的合理形式，需要对本文假设（3）式中的误差项本文假设

β3

β4)′的具体数值。

uit和vit的分布做出假设。

根据赫克曼的理论，

vit呈正态分布，xzuv并且it和it都分别由it和it预先决定。另外，

uit和vit间存在线性相关关系：

κ t E u it v it , z it = E it =u it vv it （6）

（7）

vit~N(0,Vt)

在（6）式的假设下，可以重新改写（5）式：

[][]

E[sitzit,dit=1]=β′xit+κtE[vitvit>?δt′zit]

当假定了（7）式中的正态分布后，

（8）

E[vitvit>?δt′zit]

等于逆米尔斯比率（inverse Mills

λit=

ratio）

Φ?。其中φ代表了标准正太随机变量的密度函数，而Φ代表了标准正太的累

φ(?)

计分布函数。通过每年的Probit回归可以得出每一年的逆米尔斯比率，最后带入（2）式中以控制样本选择偏差。利用OLS方法可以估计出β和

κt的数值：

?

sit=β′xit+κtλit+ηit （9）

其中

sit是家庭i在第t期实际持有的风险在产比例。λit是估计出的逆米尔斯比率，ηit是

?

零均值得误差项。可以根据检验

κt是否为零来检验是否存在样本选择问题。

三、实证分析

3.1 我国家庭金融资产的总体分布概况

金融资产是居民财产中最具有生命力的一部分。作为衡量社会经济发展水平的一个客观尺度，居民金融资产的增长与国民经济综合实力的提高高度相关。我国城市居民家庭金融资产主要由人民币和外币两部分组成。本文只研究了金融资产中的人民币资产部分。本文定义的家庭金融资产包括现金、银行存款、外汇、股票、债券、保险、住房公积金、理财产品、借出款。总资产等于金融资产和非金融资产(主要为房地产财富和其他实业投资)之和。净财

8

富，等于自有总资产扣除负债后的净额。我国20xx年的家庭金融资产分布情况见表3.1。

*****表3.1见文后*****

结果显示产权性住房是总资产中最重要的组成部分，其占比多达61.13%。由此可见住房投资会挤占其他投资，特别是金融性投资。根据国家外管局20xx年统计的数据，我国家庭平均金融资产占总资产34.9%，而房产占总资产47.9%。20xx年的数据显示金融资产投资比例基本不变，但房产占比明显上升9。在金融资产中，占比最大的是银行存款，占47.70%；其次是理财产品，占16.52%；第三位为股票投资，占比10.07%。我国的消费行为属于保守型，安全性资产占了主导地位。相较于20xx年的数据，我国储蓄资产占比明显下降（47.70%相较于69.4%），而股票投资比例则大致持平。理财产品占比则明显上升（16.52%相较于0.49%）。风险资产的占比有所上升说明近年来我国投资渠道逐渐多元化。

从家庭持有比例看，近83%的家庭持有现金和银行存款；74.51%的家庭持有房产；1/4的家庭购买了保险；而23.13%的家庭持有股票。

3.2 描述统计

表3.2显示了我们关心的计量模型各个变量的统计描述。在20xx年的样本中，平均有23%的家庭投资了股票，49%的家庭持有风险性金融资产。然而股票资产的价值占所有金融资产的平均比率，并不是很高，只有10.07%。

有75%的家庭拥有产权性住房，只有13%的家庭持有购房抵押贷款。在所有家庭中，房产占净财富的平均比例为70.96%。再次证明了因为房产占据了家庭净财富的大部分份额，导致了金融投资率的较低水平。

本文的样本中男女比例是合理的（因为均值较接近1.5），平均年龄为40.89岁， 家庭平均月总收入为4588.24元，家庭平均净财富为354259。

比较总体样本和参加股市的子样本，股票占金融资产的比率大幅上升，由10.07%变为33.45%。而同时这部分家庭的平均房产拥有率较高，房产/净财富比率相对较小，再一次说明当房产造成的流动性约束越小，股票持有率越高。另外子样本中的平均收入、净财富相对较高，合乎上文中所述财富、收入对家庭投资的影响。

*****表3.2见文后*****

表3.3比较了有、无房产的家庭投资情况。明显可以看出，没有房产的家庭平均月收入和净财富比较低，没有拥有房产的家庭代表的平均年龄明显比拥有房产的家庭代表年轻（37岁相对于42岁）。这些现象说明，若家庭购买住房的愿望很强烈，在人生早期阶段就不会进行金融投资，他们在买房时，不得不借一大笔房屋贷款，只有在偿还完巨额房贷并积累了相当的安全性资产以后，才投资于风险性资产。正如上文所述，我国股票投资比率的高峰出现在75岁以后。

在拥有房产的家庭中，房产占了净财富的95.24%，同时他们的股票投资率（8.17%）要高于没有房产的家庭（6.53%）。可见当拥有房产后，未来是否买房的不确定性减少，家庭比较愿意选择风险资产投资。

*****表3.3见文后*****

3.3 参与模型回归结果

表3.4显示了股市参与模型（Probit模型）的结果。此模型的因变量为一个二元虚变量：如果家庭参与了股市显示为1；家庭没有参与股市则为0。

结果显示，房屋拥有状况（homeowner）与是参与股票市场的决定是有较强关系的（其9 数据来源于国家统计局网站， 专题分析板块，《城市家庭财产调查》。

9

t检验的概率显著），拥有住房会增加7.53%参与股市的可能性。这个结果是合乎逻辑的，因为房产一般具有稳定增值性,拥有住房所有权的居民家庭必定会增加对风险资产的需求,靠租住他人房子度日的家庭,未来预期的不确定性更大,因而不敢过多地投资于风险资产。拥有住房抵押贷款和商业投资同样会对是否参与股市的决定产生影响。拥有抵押贷款增加了参与股市的可能性，但是这种影响是微乎其微的。而商业投资会减少5.63%的可能性。

虽然房产拥有者更可能参与股市投资，但是房产/净财富比例对参与股市的可能性有显著的负相关，但是这一变量的偏效应却是非常小的。抵押贷款/净财富比率对参与股市的可能性有显著的正相关，但同样其偏效应也可以忽略不计。

在家庭投资者的特征变量中，对家庭是否参与股市决策行为有正面显著影响的因素有收入（Income）、净财富（networth）；对其有显著负影响的有收入的平方（Income2）、净财富的平方（networth2）和职业。而年龄、婚姻状况、教育和性别对决策的影响则不显著。参与模型的结果显示，年龄并不是影响股市参与决策的因素之一，这与国际上众多文献认为的，生命周期内是否持有股票呈现驼峰形并不相同。这一相反的结果也许是因为本文只采取了一年的截面数据，而没有使用面板数据的缘故。

*****表3.4见文后*****

3.4 分配模型回归结果

表3.5是通过公式9估计出的结果。表中分别显示了加入了逆米尔斯比率以控制样本自我选择偏差的模型回归结果，以及用普通最小二乘法估计出的结果。如果按照上文所述的理论，房产以及其他背景风险占用的资金会减少对股票投资的需求，那么房产/净财富的系数应该为负，相反抵押贷款/净财富的系数应该为正。并且如果按照文中的假设投资者是标准风险厌恶的，那么商业投资/净财富的系数也应该为负。

在赫克曼两部模型的结果中，房产/净财富的比率显著为负，其平方项的系数显著为正，并且其绝对值小于前者。这说明去除其他变量的影响之后,房产占净财富的比率和股票占金融资产的率的关系是U 型的, 即随着房产所占份额的增加,股票份额先减小然后增加。因为房产的非流动性及风险性，使得投资者减少了对风险性流动资产的需求，而增加了对安全性较高的流动资产的需求。然而尽管房产/净财富比率系数是非常显著的，但是由于系数非常小，它对股票持有率的影响也是比较有限的。房产/净财富增加10%，股票占金融资产的份额仅仅会减少不到0.18%。

抵押贷款/净财富比率的系数为负，与前文所猜测的不符。但是因为其系数并不显著，并且系数值非常小，说明抵押贷款占净财富的份额对于股票投资份额的影响并不是很重要。商业投资/净财富比率的系数正如理论上一样为负，但是同样也不显著，说明在中国商业（实业）投资对于金融投资，尤其是股票投资的影响也不是很大。

按照传统理论，财富或收入较大的家庭的股票投资一般比较大, 这是由于他们的富余资金较多, 受的流动性约束小,所以这两个变量的系数应该为正。实证结果显示，高收入和净财富较多的家庭更倾向于进行股票投资，并且随着净财富和收入的增加，股票占金融资产的比率也会相应升高。

年龄以及年龄的平方均为正，说明随着年龄的增大，股票在金融资产中的比率也逐渐升高。这与之前的简单统计描述结果显示的结果一致，即我国家庭持有股票的比例在生命周期内不是平坦的，而是年龄的增函数。这一结果再次与国际上大多实证文献不符。年纪轻的投资者股票投资比较低, 原因可能是年轻的投资者住房投资占其净资产比例较高, 他们的承受的压力和风险较大, 为了降低总体风险暴露, 他们不得不持有收益和风险都较低的无风险资产。

户主学历也是一个显著的影响因素, 其系数为负，说明户主学历较高的家庭股票占金融 10

资产比重显著高于户主学历较低的家庭。婚姻状况的系数也显著为负，说明已婚的家庭代表更喜欢投资与股票市场。性别的系数显著为负，说明男性比女性对于股票投资更为积极。

逆米尔斯比率的数值为0.2288，并且比较显著，说明本文采用的数据确实存在样本选择偏差。比较表3.5中左、右两列的实证结果，仅仅使用最小二乘法的结果缩小了房产/净财富的影响效果，并且收入的系数为负。

*****表3.5见文后*****

3.5 区分有无住房抵押贷款的实证结果

为了从更深层次探讨房产和股票投资比例的关系, 本文做了一个附加的回归分析。在所有拥有住房的样本中将样本分成有住房抵押贷款和无住房抵押贷款, 然后按照模型( 9) 的设置进行回归。回归结果见附录中表3.6和表3.7。

附录中表3.6显示了区分抵押贷款的股市参与模型。可以看到，在所有有房产的家庭中，没有抵押贷款的家庭更加积极的参与股市，这些家庭比有抵押贷款的家庭参加股市的可能性高了8.45%。

附录中表3.7显示了区分有无住房抵押贷款的股市分配模型的回归结果。因为拥有抵押贷款的样本只有192个，不能采用赫克曼的两部修正模型，所以本文选取了OLS方法。比较表3.7中两个子样本的回归结果，有抵押款的样本回归结果中房产/净财富的系数估计值显著为负, 而无抵押款的的房产/净财富的系数估计值显著为正。这说明对于有住房抵押贷款的家庭,在住房占财富净值上升10%时, 股票投资比例降低0.19%, 相反, 没有住房抵押贷款的家庭, 在住房占资产净值上升10%时, 股票投资比例增加0.481%。这种结果产生的原因之一是: 有抵押贷款的家庭面临者偿还抵押贷款的压力和风险, 而且当住房占财富净值越多这种风险越大。一方面还贷占用了投资金融风险资产的资金；另一方面出于对风险控制的考虑因素，理性的风险规避者必然增加安全性较高的资产以降低他面临的总体风险，而不会选择或减少投资波动较剧烈、风险性较大的股票。而没有抵押贷款的家庭没有到期偿还抵押贷款的压力和风险, 他们只需根据自己的风险偏好在金融市场上选择最佳的资产组合。

*****表3.6和3.7见文后*****

3.6 稳健性检验

为了进一步验证模型的稳定性, 我们将风险资产的概念进行拓展, 定义广义的风险资产为股票、外汇、债券、期货、投资基金和其他理财产品。 那么, 因变量为广义的风险资产除以金融资产的百分比。表3.8显示了稳健性检验的结果，其中左边显示了股市参与模型的结果，右边显示了风险资产投资比例（分配）模型的结果。

对比表3.8和表3.4的结果。在参与模型中，对家庭是否投资风险资产决策行为有正面显著影响的因素有房屋拥有状况、抵押贷款持有状况、房产/ 净财富比例的平方、净财富；有显著负效应的变量有房产/ 净财富比例、财富的平方。拥有住房和住房抵押贷款的的家庭会分别增加11.6%加3.5%投资风险资产的可能性，与股市参与模型相比概率均有所上升（股票投资增加的可能性分别为7.53%和1.35%）。这说明拥有住房和抵押贷款不仅影响股市的参与决策，还会影响家庭整体的资产分配决策。当家庭拥有了固定的住房，未来的不确定性减小，投资的风险厌恶程度会有所降低，更愿意持有风险资产。

同样，在参与模型中虽然房产/净财富对于是否参与风险资产投资具有显著负效应，但是其偏效应近乎为了0。说明房屋占资产的比率并不会过大影响家庭的参与决策。这和股市参与模型一致。另外与股市参与模型略微不同的是，在决定是否投资与风险资产的时候，婚姻状况和职业同样具有显著影响。

在分配模型中，对风险资产投资比率有显著影响的变量有：房产/净财富比例、房产/净 11

财富比例的平方、净财富及其平方、婚姻状况。同样抵押贷款占净财富的比例以及年龄对投资比例的影响不大。房产/净财富比例对风险资产投资比例有显著负效应，房产占净财富的比例每增加10%，会减少4.98%的金融资产投资于风险资产。现比较表8中数据，房产比例增加10%会减少1.8%投资于股票，说明金融资产中的其他风险资产的投资比例减少了3.18%。房产不仅挤去了股市的投资资金，同样占用了其它的风险资产资金来源。

综上所述，风险资产和股票的参与模型和分配模型得出了相似的结果，并且在概念上是一致的，本文的模型具有一定的稳定性。

四、结论

本文着重研究了股票投资和住房投资的关系。本文运用我国20xx年家庭资产组合的微观调查数据对我国家庭金融资产选择行为进行实证研究。从家庭金融资产的结构看，我国家庭的资产配置比较保守。具体来说：

第一，我国家庭持有的存款占金融资产的比例在一半以上，并且拥有此类资产的家庭比例达到了在80%以上。相比较世界其他国家，美国家庭以存款账户形式持有的金融财富只有10%多，而欧洲略高于1/4，只有日本和我国类似。这和我们国家社会总体的消费习惯、社会保障体系的不健全、以及正在改革的市场制度是存在一定关系的。金融资产的比例较高，在总资产中的比例达到了33.91%。随着我国人均收入的上升，家庭的投资逐渐多元化，金融资产的重要性逐渐体现出来。美国金融资产占总产比例大约在40%左右，这说明虽然我国家庭的平均金融财富较欧美国家的平均水平都要低，但是金融资产所占比例已经不低了。

第二，从家庭参与股票市场的可能性看，持有公开上市股票的家庭比例为23.13%，但仍有75%以上的家庭不持有股票。家庭投资股票占金融资产的平均比例为10.07%。国际其他国家，欧美国国家的比例大约为20%左右，相对而言，我国不论是家庭参与比例还是股票占金融资产的比例都偏低。然而值得一提的是，在持有股票的家庭中,金融资产中股票比重高达33.45 %,其中更是有95个家庭金融资产的一半以上都是股票。

第三，房产在家庭财富中的作用强。我国房产占总资产的平均水平达到了60%以上。实证结果显示，住房投资会影响股票投资。拥有住房的家庭更积极参与股市，并且住房投资占净资产比例越高, 股票投资占金融资产比例就越小。另外有住房抵押贷款的家庭, 在住房占资产净值上升时, 股票投资比例降低, 相反, 没有住房抵押贷款的家庭, 在住房占资产净值上升时, 股票投资比例增加。这表明家庭在按揭贷款中己经承担了很大风险头寸，并且贷款占用了很大程度的流动性，导致了股票投资比率的降低。

从另一方面分析，与美国相比，美国房产占总资产的比例仅为30%左右，并且房产/年收入比仅为不到4倍10。世界银行认为，合理的住房价格的"房价收入比"为4至6倍。我国的房价收入比平均为7.4倍，上海、深圳等地甚至超过了15倍。这说明高额的房产价格与巨大的首付、沉重贷款负担是房产影响金融投资的主要原因。高价房屋也影响了我国家庭的其他金融资产投资，特别是对风险性金融资产(如股票)的需求。

另外，家庭的财富会对其股票参与行为产生影响。当财富增长时，股票和其他金融风险资产投资无论是家庭持有比例还是资产比例都增长了，这和大多数世界其他国家的数据相符合。年龄也是影响股票投资的一个重要因素。根据我国数据的实证数据，年龄对股市的参与决定影响不大。但一旦决定参与股市，年龄越大持有的股票比例越大。这和国际上，特别是美国的经验数据结论相悖。很多美国的研究报告显示生命周期内是否持有股票呈现驼峰形，而持有股票的比例在生命周期内是平坦的。美国家庭的持股比例在40岁后期到50岁到达顶10国际上通常用"房产/年收入比"来衡量居民家庭对住房的支付能力，比值越小，支付能力就越高。

12

点。我国的持股比例顶点在75岁以上区间，即生命周期的最后期。

参考文献

[1] 臧旭恒、张圣平、刘大可等，居民资产与消费选择行为分析[M] ，上海人民出版社，2001. 11。

[2] 吴晓求、冯巍、李志玲，我国居民收入资本化趋势的实证分析，金融研究[J ]， 1999. 1。

[3] 李建军、田光宁，我国居民金融资产结构及其变化趋势分析，金融论坛[J ]， 2001. 11。

[4] 樊伟斌，我国居民金融资产多元化的变化趋势，城市金融论坛[J ]，2000. 8。

[5] 陈学彬、杨凌、方松，货币政策效应的微观基础—我国居民消费储蓄行为实证研究《复旦大学学报》，

2005.1。

[6] 史代敏, 宋艳，居民家庭金融资产选择的实证研究, 《统计研究》, 2005 .10。

[7] 陈学彬、傅东升、葛成杰，我国居民生命周期消费投资行为动态优化模拟研究, 《金融研究》, 2006.2。

[8] 何秀红、戴赐娜、李仲飞，带破产风险控制的投资消费问题, 《南方经济》, 2006 .8。

[9] 王聪，关于家庭金融资产选择理论的演变，《经济学动态》，2006.3。

[10] 赵晓英，不确定性对我国城镇居民消费和投资组合选择的影响研究 [D]，湖南大学学报，2007。

[11] 金晓彤，西方主流经济学的消费行为理论述评，税务与经济，200.2。

[12] 邓可斌、何问陶，个体理性、风险偏好、社会地位与我国消费增长-基于跨期替代资产选择理论模型

的研究，财经研究，2005.05。

[13] 袁志刚、冯俊、罗长征，居民储蓄与投资选择：金融资产发展的含义，当代经济科学，200.6。

[14] 王立平，中国居民消费、习惯偏好与资产收益研究，中国财经政法大学学报. 2007.1。

[15] 于蓉，我国家庭金融资产选择行为研究，暨南大学博士生论文，2006。

[16] 傅曼莉，住房约束条件下中国家庭资产配置问题研究，北京航空航天大学硕士学位论文，2007。

[17] 刘楹，家庭金融祖产配置行为研究，社会科学文献出版社，2007.5。

[18] 吴卫星、齐天翔，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，经济研究，

2007.02。

[19] 薛斐，投资者情绪与投资者行为研究，上海财经大学出版社，2008.1。

[20] 李安民，房地产投资基金——融资与投资的新选择，中国经济出版社，2005.1。

[21] 威廉·格林，经济计量分析[M]， 中国社会科学出版社,1998. 3。

[22] Shiller, Robert J. and Allan N. Weiss, Home Equity Insurance, Journal of Real Estate Finance and

Economics.vol.19, pp21-47, 1999.

[23] Samuelson Paul, Lifetime Portfolio Selection by Dynamic Stochastic Programming, Review of Economics

and Statistics, vol.51 (3), pp239-246,1969.

[24] Merton R.C. , Lifetime portfolio selection under continuous - time case, Review of Economics and Statistics,

1969.

[25] Bertaut, C. ,Stockholding Behavior of U.S. Households: Evidence from the 1983-1989 Survey of Consumer

Finances, Review of Economics and Statistics 80(2) , pp.263-275, 1998.

[26] Guiso, Luigi, Michael Haliassos and Tullio Jappelli, Household Portfolios, Cambridge: MIT Press, 2002.

[27] Bertaut, C. and Haliassos, M., Why Do So Few Hold Stocks?, Economic Journal, vol. 105,

pp1110-1129 ,1995.

[28] Vissing-Jorgensen, Annette, Towards an Explanation of Household Portfolio Choice Heterogeneity:

Nonfinancial Income and Participation Cost Structures, NBER Working Paper 8884, 2002.

[29] Epstein, L. and Zin, S., Substitution, Risk Aversion and the Temporal Behavior of Consumption and Asset Returns:

A Theoretical Framework, Econometrica, vol.57, pp. 937-969, 1989.

[30] Gomes, F. and A. Michaelides, Optimal Life-cycle Asset Allocation: Understanding the Empirical Evidence, 13

Working paper, London School of Economics, 2003.

[31] Cocco, Jo?ao F., Francisco J Gomes and Pascal J Maenhout. ,Consumption and Portfolio Choice over the Life

Cycle, Working Paper, INSEAD, 2001.5.

[32] Koo, Hyeng- Keun, Consumption and portfolio selection with labor income: Evaluation of human capital,

University of Michigan, 1995.

[33] Gakidis, H., Stocks for the Old? Earnings Uncertainty and Life-Cycle Portfolio Choice, manuscript, MIT, 1997.

[34] Viceira, Luis M., Optimal portfolio choice for long-horizon investors with nontradable labor income, Journal

of Finance 56, pp433–470, 2001.

[35] Heaton, John, and Deborah Lucas, Portfolio choice and asset prices: The importance of entrepreneurial risk, Journal

of Finance 55, pp1163–1198, 2000.

[36] Kullmann Cornelia, Siegel Stephan, Real Estate and its Role in Household Portfolio Choice,Working paper,

University of British Columbia. 2003.

[37] Cocco, Jo?ao F., Portfolio choice in the presence of housing, Review of Financial Studies 18, pp535–567, 2005.

[38] Yao Rui, and Harold H. Zhang, Optimal consumption and portfolio choices with risky housing and borrowing

constraints, Review of Financial Studies 18, pp197–239, 2005.

[39] Bodie, Z., Merton, R. and Samuelson, W., Labor Supply Flexibility and Portfolio Choice in a Life-Cycle Model,

Journal of Economic Dynamics and Control, vol.15, pp427-450 ,1992.

[40] Henderson, J. V., and Y. M. Ioannides, A Model of Housing Tenure Choice, American Economic Review 73

(March), 98-113 ,1983.

[41] Brueckner, J. ,Consumption and Investment Motives and the Portfolio Choices of Homeowners, Journal of Real

Estate Finance and Economics ,vol.15, pp159-180, 1997.

[42] Flavin, M. and Yamashita, T., Owner-Occupied Housing and the Composition of the Household Portfolio Over the

Life Cycle, American Economic Review, vol.92(1), pp345-362, 2002.

[43] Cauley, Stephen Day, Andrey D. Pavlov and Eduardo S. Schwartz, Homeownership as a Constraint on Asset

Allocation, Working Paper, The Anderson School at UCLA, 2003.

[44] Hu, Xiaoqing, Portfolio Choices for Homeowners, Working Paper, University of Illinois at Chicago, Department of

Finance, 2003.

[45] Grossman, Sanford and Guy Laroque, Asset Pricing and Optimal Portfolio Choice in the Presence of Illiquid

Durable Consumption Goods, Econometrica 58 (1) pp25-51, 1990.

[46] Ameriks, John, and Stephen P. Zeldes, How do household portfolio shares vary with age?, Working paper,

Columbia University, 2004.

[47] Bertaut, Carol C. and Hazel Starr-McCluer. ,Household Portfolios in the United States, in Luigi Guiso, Michael

Haliassos and Tullio Japelli, eds. Household Portfolios, MIT Press, Cambridge, MA, 2002..

[48] Iwaisako, Takuo, Household Portfolios in Japan, Working Paper 9647, National Bureau of Economic Research,

Cambridge, MA, 2003.

[49] Gollier, Christian, The Economics of Risk and Time, Massachusetts Institute of Technology, 2001.

[50] King, M. and Leape, J., Asset Accumulation, Information, and the Life Cycle, NBER working paper, No. 2392,

1987.

[51] David McCarthy, Household Portfolio Allocation: A Review of the Literature. Journal of Economic

Literature

[52] Stephanie Curcurn, Jorn Heaton, Deborah Lucas, Damien Moore, Heterogeneity and Portfolio Choice, Handbook of

Financial Econometrics, 2004.

[53] Munk C. , Optimal consumption/ investment policies with undiversifiable income risk and liquidity

constraints, Journal of Economic Dynamics and Control, 2000.

14

[54] Lee Jang , Yoon Geum ,Mohamed. ,Financial assets and wealth of south Korean families , Consumer

Interests Annual ,Issue46, 2000.

[55] Miquel Faig and Pauline Shum, Portfolio Choice in the Presence of Personal illiquid projects, Journal of

Finance, vol.57, 2002.

[56] W.N. Goetzmann, the single family home in the investment portfolio, Journal of Real Estate Finance and

Economics, vol.6, pp201- 222, 1993.

[57] Sang-Wook Cho, Household Wealth Accumulation and Portfolio Choice in Korea, Discussion Papers from

School of Economics, The University of New South Wales, No.26, 2007.

[58] Pedro Silos, Housing, Portfolio Choice and the Macroeconomy, Journal of Economic Dynamic & Control,

vol.31, pp2774–2801,2007.

[59] William R.M. Perraudin, Bent E. Sorensen, The demand for risky assets: Sample selection and household

portfolios, Journal of Econometrics, vol.97, pp117-144, 2000.

[60] Heckman, James J., Sample Selection Bias as a Specification Error, Econometrica 47, 153-161.

15

表3.1 20xx年家庭金融资产分布图

均值 家庭持有比例 占总资产比例 占金融资产比例

7.84%

47.70%

1.82%

10.07%

1.89%

0.22%

2.05%

4.71%

3.60%

16.52%

3.59%

-

-

-

现金 10317.03 82.57% 2.66% 存款 62781.4 82.24% 16.17% 外汇 2401.889 7.67% 0.62% 股票 13260.3 23.13% 3.42% 债券 2485.387 8.19% 0.64% 期货 290.8912 1.05% 0.07% 基金 2692.779 8.78% 0.69% 住房公积金 6198.954 33.05% 1.60% 保险 4738.79 25.75% 1.22% 理财产品 21739.09 7.47% 5.60% 借出款 4719.16 14.55% 1.22% 商业投资 13495.085 10.03% 3.48% 收藏品 5782.8852 8.39% 1.49% 房产 237305.5 74.51% 61.13% 金融资产总计 131625.67 33.91% 总计 388209.14

注:数字为样本均值，单位:元。

数据来源:国家统计局网站，专题分析板块，《城市家庭财产调查》。

16

表3.2 回归变量的描述性统计分析结果

股票/金融资产（%）

风险资产/金融资产（%） 金融资产

住房拥有率（虚变量） 房产/ 净财富（%） 抵押贷款/净财富（%） 商业投资/净财富（%） 收入 净财富 年龄

性别（虚变量） 职业

全部家庭 均值 0.23 0.49 7.75 19.71 81988.03 126757.7 0.75 0.13 0.1 70.96 25.93 1.91 4588.24 354259 40.89 1.53 4.63

标准差 0.42 0.5 19.06 27.68 252827.2 415286.1 0.44 0.33 0.3 387.28 592.57 8.52 7111.58 627796 12.62 0.49 2.24

参加股市的家庭 均值

标准差

1.00 0.05 33.45 26.62 45.14 26.88 126438.00 356865.30 236801.20 510284.20 0.81 0.39 0.16 0.37 0.09 0.29 57.06 47.94 57.71 935.52 1.61 7.20 5608.47 7125.34 500392.50 747265.90 41.71 12.61 1.49 0.50 4.31 2.21

17

表3.3 有、无房产的样本统计描述

拥有房产的家庭 均值 标准差 没有房产的家庭 均值 标准差

0.38

0.48

18.92

26.82 股票市场参与率（虚变量） 0.25 0.43 0.17 风险资产持有率（虚变量） 0.54 0.50 0.35 股票/金融资产（%） 8.17 19.09 6.53 风险资产/金融资产（%） 20.18 27.83 14.43

无风险资产/金融资产（%） 87066.99 249770.60 67131.75 金融资产 138004.2 442573.70 93914.58 抵押贷款持有率（虚变量） 0.15 0.36 0.07

商业投资持有率（虚变量） 0.11 0.32 0.06

房产/ 净财富（%） 95.24 446.14 0.00

抵押贷款/净财富（%） 20.82 446.75 40.87

商业投资/净财富（%） 1.85 7.66 2.09

收入 4804.95 7773.83 3938.70 净财富 444249.3 682033.7 91228.47 年龄 42.15 12.48 37.24

性别（虚变量） 1.52 0.50 1.54

职业 4.64 2.25 4.63 0.25 0.24 0.00 891.89 10.66 12.35 0.50 2.22 18

表3.4 股票市场参与模型的回归结果 系数 显著性 标准误 偏效应

0.0001*** 0.1340 mortgage holder 0.2069 0.0941 0.1236 0.0134

business owner -0.4724 0.0082*** 0.17871 0.0563

0.000*** 0.0011 House2/networth2 -0.1347 0.002*** 0.0440 0.0000

0.000*** 0.0011 0.0000 0.369 0.0059 0.059* 1.37E-05 0.0713* 1.54E-10 0.000*** 1.88E-07 0.000*** 5.70E-14 0.6881 0.0213 0.5836 0.00023 0.4609 0.0996 0.2119 0.0409 0.0462** 0.0183 0.2796 0.0782 0.5454

LR chi2(16) 196.88

Prob > chi2 0.0000***

Pseudo R2 0.0969

注: 1. 显著性指t检验的概率，即P>|z|值。

***、**和*分别表示置信度>99%、)95%和)90%。

2．Pseudo R2=1-L1/L0,其中L1是我们所估计模型的似然值,而L0则是指所有系数都不显著情况下的似然值。其值愈大表示解释程度愈佳。

19

表3.5 股票市场分配模型的回归结果 S1

系数 赫克曼 标准误 显著性 系数 最小二乘 标准误 显著性

s1(-1) -0.0181 0.0089 -0.0113 0.0089 0.00012 9.74E-05 -0.0096 0.0011 0.927 -0.0101 0.0011 -2.3559 0.0572 0.681 -2.4101 5.74E-02 0.00018 -3.59E-05 1.74E-04 Income2 -1.73E-10 1.93E-09 0.929 -2.14E-10 1.92E-09 0.911 networth networth2 -2.62E-12 6.09E-13 -2.62E-12 6.12E-13 Age Age2 Married -1.9879 1.1481 -1.9907 1.1544 Edu -0.7725 0.5021 -0.7734 0.5049 Career -0.1805 0.2301 0.433 -0.1745 0.2274 Hmale -1.7899 0.9807 -1.7873 0.9861 _cons 14.7489 6.6042 14.7664 6.6402 1.6208 0.091*

Number of obs 1413

Wald chi2(24) 58.27

Prob > chi2 0.0001

注:显著性指t检验的概率，即P>|z|值。

***、**和*分别表示置信度>99%、)95%和)90%。

20

表3.6 区分有无住房抵押贷款的股市参与模型

系数 有抵押贷款 标准误 偏效应 系数 无抵押贷款 标准误 偏效应

home owner 0.5736 0.4086 0.0651 0.8658 0.3108 0.1496

***

business owner 0.9833 0.6877 0.3142 -0.5122 0.2166 0.0524

**

house/networth -0.0056 0.0025 -7.65E-06 -0.0039 0.0096 -3.85E-06

**

8.08E-10 -0.0108 0.0076 2.90E-05

0.0046 0.0015 5.17E-06

***

business/networth -0.0549 0.0352 7.42E-04 -0.0029 0.0077 2.11E-06

3.59E-05 1.72E-05 1.62E-05

Income2 -1.54E-10 4.02E-10 5.84E-21 -1.80E-10 1.96E-10 8.05E-21

4.51E-07 1.17E-06 2.31E-07 ***

wealth2 -5.02E-14 1.17E-13 6.22E-28 -3.30E-13 7.59E-14 2.70E-26

***

Age -0.1966 0.0741 0.0095 0.0131 0.0237 4.28E-05

***

Age2 0.0024 0.0009 1.39E-06 -9.78E-05 0.0003 2.37E-09

***

Married -0.1028 0.3037 0.0026 -0.0710 0.1121 0.0012

Edu -0.1180 0.1271 0.0034 -0.0259 0.0450 1.66E-04

Career -0.0347 0.0474 0.0003 -0.0305 0.0206 2.30E-04

Hmale -0.0887 0.2167 0.0019 -0.0586 0.0873 8.51E-04

_cons 3.6155 1.7090 -1.0715 0.6130

** **

Number of obs 189 1227

Prob > chi2 0.0111*** 0

Pseudo R2 0.1388 0.1235

21

表3.7 区分有无住房抵押贷款的股市分配模型 无抵押贷款 有抵押贷款

系数 标准误 显著性 系数 标准误 显著性 house/networth 0.0481 0.0157 -0.019 0.0205 0.026** house2/networth2 -0.0014 0.0036 0.702 6.75E-06 0.0001 0.961 business/networth -0.0680 0.0830 0.413 -0.2554 0.2314 0.271

0.000238 7.53E-04 4.93E-04 2.86E-09 5.20E-09 4.27E-09 2.78E-06 9.15E-06 6.26E-06 7.49E-13 -9.94E-13 1.77E-12 Age 0.0983 0.3144 0.075* 3.0569 1.1060 Age2 0.0015 0.0035 0.067* 0.0415 0.0133 Married -2.7940 1.4063 0.047** -2.4042 4.3857 0.584 Edu -0.3023 0.6134 0.622 -4.1310 1.8966 0.031** Career -0.0730 0.2826 0.796 -0.1885 0.7348 0.798 Hmale -1.5566 1.2153 0.201 0.7128 3.3208 0.830 _cons 16.9200 8.1024 0.037** 73.2203 25.4463 lambda -28.4480 23.0353 0.217

Number of obs

Wald chi2(23)

Prob > chi2 968 34.56 0.0575 Number of obs 192

注:显著性指t检验的概率，即P>|z|值。***、**和*分别表示置信度>99%、)95%和)90%。

22

表3.8 稳健性检验 参与模型

系数 标准误 分配模型 系数 偏效应 标准误 Home owner 0.7812 0.1334 0.1160 s2(-1) -0.0374 0.0252

[0.000] ***

Mortgage owner 0.5735 0.1204 0.0350 house/wealth -0.0498 0.0144

[0.000] *** Business owner 0.2248 0.1791 0.0064 House2wealth2 2.63E-04 1.21E-04

[0.209] [0.03]

house/wealth -0.0092 0.0013 1.22E-05 mortgage/wealth 0.0139 0.0194

[0.000] ***

House2/wealth2 business/wealth -0.0696 0.0839 [0.000] ***

mortgage/wealth -1.08E-04 1.37E-04 Income 4.94E-05 2.57E-04

[0.432]

business/wealth -0.0079 0.0067 8.95E-06 Income2 4.90E-11 2.83E-09

[0.239]

Income networth 2.76E-05 [0.167]

Income2 -1.49E-10 1.67E-10 networth 2 -5.72E-12 [0.374]

networth Age -0.0449 0.3834 [0.000] ***

networth 2 -3.54E-13 5.09E-14 1.80E-26 Age2 0.0003 0.0043

[0.000] *** Age -2.7415 [0.064] * Age2 -1.11E-04 2.20E-04 Edu -0.4790 [0.613] Married -0.2075 0.0896 0.0062 Career -0.0607 0.3525

[0.021] **

Edu -0.0285 0.0373 0.0001 Hmale -0.7199 1.4325

[0.445]

Career -0.0423 0.0167 2.57E-04 _cons 22.5876 9.6295

[0.011] ***

Hmale -0.0598 0.0720 5.14E-04 lambda -0.2494 2.9162

[0.406]

_cons 0.1445 0.4985

[0.772]

Number of obs 1416 Number of obs 1409

Log likelihood -855.39318 chi2(25) 112.39

Prob > chi2 0.0000*** Prob > chi2 0.0000***

23

作者信息：

吴卫星，教授，博士生导师，对外经济贸易大学应用金融研究中心重点研究基地主任。联系方式：对外经济贸易大学金融学院，100029， email: wxwu@，主要研究领域：资产定价、金融计量、金融数学。

钱锦晔，对外经济贸易大学金融学院，100029， email: qitianxiang@, 主要研究领域：资产定价、金融计量。

24