財富水平、資產(chǎn)配置與金融市場關系的實證分析

咬 亮

（西南財經(jīng)大學 中國金融研究中心，成都 611130）

0 引言

資產(chǎn)管理是金融業(yè)的核心業(yè)務，未來的資管時代將在監(jiān)管趨緊與規(guī)模井噴中需求新發(fā)展。那么，作為資管機構(gòu)主力和金融業(yè)主導的銀行，將如何在激烈的金融市場中保持江湖地位和續(xù)航能力？又如何應對規(guī)模龐大而又財富差異的客戶群，在時變的金融市場中做好資產(chǎn)配置呢？

目前學術界和實務界關于財富水平、金融市場和資產(chǎn)配置的主流文獻，從宏觀上看，主要基于金融市場環(huán)境變化對銀行大類資產(chǎn)配置結(jié)構(gòu)影響做研究，提出應對性的決策思路和建議。從微觀上講，是基于家庭問卷調(diào)查形式獲得金融及非金融資產(chǎn)配置結(jié)構(gòu)及趨勢，提出影響家庭（個人）資產(chǎn)配置的主要因素。例如人口數(shù)量、收入、教育程度、風險偏好等，其中，對銀行客戶的資產(chǎn)配置尚可納入此類研究。然而，其一，較少研究能從財富水平分層的角度就各類客戶真實的資產(chǎn)配置情況做比較分析。其二，較少文獻能就金融市場變動與資產(chǎn)配置的角度做計量分析。其三，大多分析也僅基于調(diào)查問卷檢驗假設，從問卷的設計、對象及收回質(zhì)量、信度等方面考量結(jié)果，結(jié)論可能帶有先驗性?；诖?，本文以零售貢獻占比70%的商業(yè)銀行為樣本，就2012年7月至2017年6月的不同財富水平客戶的真實資產(chǎn)配置結(jié)構(gòu)變化為研究對象，通過VAR模型及格蘭杰因果性檢驗、脈沖響應、方差分析等，初步分析金融市場時變對配置結(jié)構(gòu)的影響情況。

1 模型構(gòu)建、變量選取和數(shù)據(jù)說明

1.1 模型構(gòu)建

本文采用VAR(Vector Auto-regression Mode)矢量自回歸模型。其一般表達式為：

其中，At是k*k維系數(shù)矩陣，Br是k*d維系數(shù)矩陣，都是待估計的參數(shù)矩陣；εt是由k維隨機誤差項構(gòu)成的向量，其元素相互之間可以同期相關，但不能與各自的滯后項相關及不能與模型右邊的變量相關。本文VAR模型的設定主要有考慮3個問題：①變量的平穩(wěn)性。本文就短期互動關系分析，因此，選擇平穩(wěn)變量；②變量的選擇。選取與資產(chǎn)密切相關的金融市場指標做分析；③滯后階數(shù)p的選擇。以赤池信息準則AIC最小為標準。

1.2 變量選取

本文以工商銀行某分行為研究對象，這是一家年均撥備前利潤10億元的銀行，零售貢獻占比近70%，具有典型的零售銀行特征。在分析財富水平、資產(chǎn)配置與金融市場三者動態(tài)關系時，變量選取主要包括：

（1）財富水平：即個人客戶在銀行的資產(chǎn)規(guī)模。本文將財富水平劃分為6個區(qū)間：a為資產(chǎn)800萬以上；b為資產(chǎn)100～800萬；c為資產(chǎn)20～100萬；d為5～20萬；e為0.5～5萬；f為0.5萬以下。

（2）資產(chǎn)配置：即各類財富水平的客戶其銀行資產(chǎn)結(jié)構(gòu)。主要包括存款、國債、理財、基金、保險、三方存管及黃金，其在總資產(chǎn)的比重定義為資產(chǎn)配置。

（3）金融市場：即影響各類資產(chǎn)配置的市場。本文選取一種指標來代表其金融市場變化情況，也是人們在資產(chǎn)配置時主要觀察的市場指標：儲蓄存款——1年期定期利率（md）；國債——中證國債1年期即期收益率（mn）；理財——6個月期銀行理財平均收益率（mb）；基金——上證綜指（mf）；保險——保費收入（北京）（mi）；三方存管——A股成交額（ms）；黃金——工商銀行實物黃金現(xiàn)價（mg）。

1.3 數(shù)據(jù)說明

本文數(shù)據(jù)來源于工商銀行CS2002報表系統(tǒng)。時間跨度是2012年7月至2017年6月，連續(xù)5年，按月統(tǒng)計①本文暫不將時間跨度內(nèi)行長輪換、經(jīng)理輪崗及薪酬激勵等因素加入分析中。；對當月客戶各類資產(chǎn)余額占比進行算數(shù)平均統(tǒng)計。分析前提：一是為簡化分析，假定某類資產(chǎn)的配置主要受一種相關的金融市場指標影響；二是銀行與客戶在資產(chǎn)配置時，分析框架相似，排除逆向操作與薪酬激勵帶來的影響；三是本文僅從VAR模型看整體結(jié)果，暫不討論各方程參數(shù)估計、協(xié)整及ECM模型等。

從歷史數(shù)據(jù)看（見表1），一是隨著財富水平減少，客戶規(guī)模在快速增加，a、b以外的客戶稱為“長尾”；二是隨著財富水平減少，存款占比遞增，理財、基金遞減；三是從不同財富客戶總體資產(chǎn)規(guī)?？?，呈現(xiàn)“偏正態(tài)分布”型，c類總資產(chǎn)達到222億元。其余特征不再贅述。

表1 不同財富水平客戶金融資產(chǎn)的基本情況

2 實證分析

本文對六類財富水平客戶的7種資產(chǎn)配置與相關的金融市場指標建立VAR模型，并借助Granger因果檢驗、脈沖響應函數(shù)及方差分析等工具，進行實證分析。

2.1 描述性統(tǒng)計

對不同財富水平資產(chǎn)配置及金融市場指標的均值和標準差進行了統(tǒng)計描述（見表2）。

表2 不同財富水平資產(chǎn)配置描述統(tǒng)計量

a、b、c、d、e、f代表不同財富水平客戶，d、n、b、f、i、s、g依次代表各類資產(chǎn)，字母間的組合代表某類財富水平客戶的某類資產(chǎn)配置，如AD代表a類客戶的儲蓄存款，等等。md、mn、mb、mf、mi、ms、mg代表金融市場指標。

2.2 以財富水平a為例的實證

在對不同財富水平客戶進行批量分析前，以財富水平a類客戶為例進行存款資產(chǎn)與1年期定期利率的VAR模型分析，其余財富水平的VAR模型分析框架一致。

2.2.1 建立模型

建立標準的VAR模型。其中，At是k*k維系數(shù)矩陣；p為滯后階數(shù)；Yt為不同財富水平客戶的資產(chǎn)配置與金融市場（指標）的組合。每個VAR模型都由這兩個變量構(gòu)成，因此就有兩個回歸方程構(gòu)成了VAR整體模型。式（2）為本文的基本模型，在研究分析中，共需要建立42個VAR模型，篇幅所限，僅以財富水平a為例，對存款（ad）與1年期定期利率（md）建立VAR模型，如式（3）所示。其中，最優(yōu)滯后階數(shù)為p=2，共需要估計參數(shù)p*n2=2*22=8，n為變量數(shù)。

2.2.2 數(shù)據(jù)的標準化處理

在VAR模型前，以95%的置信區(qū)間為檢驗標準，所有變量進行序列的ADF平穩(wěn)性檢驗，均為不平穩(wěn)；然后，對變量進行對數(shù)處理后再做一階差分，變量均通過平穩(wěn)性檢驗。

以財富水平a為例，在對序列平穩(wěn)性處理后進行VAR模型估計，聯(lián)立式（4）及整體檢驗結(jié)果（見表3），表示存款（ad）及1年期定期利率（md）的上一期及二期變化（一階差分，可以認為是變量間的彈性關系）程度分別對各自的影響估計，模型整體估計檢驗效果較好。

表3 財富水平800萬以上客戶儲蓄存款與1年期定期利率的VAR模型整體檢驗效果

2.2.3 VAR模型的平穩(wěn)性、脈沖響應及方差分析

對lnad-lnmd（財富水平800萬以上客戶儲蓄存款與1年期定期利率）的VAR模型的平穩(wěn)性進行檢驗，AR特征多項式應有p*n=2*2=4個根，且都在單位圓內(nèi)（見圖1），因此，模型是穩(wěn)定的。

圖1 模型的平穩(wěn)性檢驗結(jié)果

VAR模型是一種非理論性的模型，它無需對變量做任何先驗性約束。所以，一般并不分析一個變量的變化對另一個變量的影響如何，而是分析當一個誤差項發(fā)生變化時，或者說模型受到某種沖擊時對系統(tǒng)的動態(tài)影響。本文是兩變量VAR(2)模型，采用常用的Cholesky分解，且不存在變量次序選擇問題。此后，在借助脈沖響應（觀察期選定60個月）及方差分析工具（見圖2），波動較大的線（LNAD）代表財富水平a的存款，波動較小的線（LNMD）代表1年期定期利率。由圖1可以看出，lnad對其lnmd的一個標準差新息在第1期就做出了反應，但這種響應大約只有0.01，之后沖擊的影響更小。同時，ad對自身一個標準差信息的沖擊立即做出了響應，并在第1期達到最大影響，約在0.13左右，高于來自lnmd的，并在此后對新息沖擊的擾動在波動中減緩，最終在第18期左右穩(wěn)定地趨于0。

圖2 模型的脈沖響應結(jié)果

除此，在Cholesky因子分解過程中（見圖3，上線代表LNAD,下線代表LNMD），第1期lnad的預測方差全部是由自身擾動引起的，而在此后受到lnmd擾動的影響程度逐漸增大，最終在26期穩(wěn)定。lnad對自身的預測方差的影響程度大約在94%，lnmd對ad的預測方差的影響程度大約在6%。

圖3 模型的方差分析結(jié)果

2.2.4 格蘭杰因果性檢驗

VAR模型的重要應用就是分析經(jīng)濟時間序列變量之間的因果關系，Granger解決了兩變量知否互相引起的問題。也就是說，現(xiàn)在財富水平的客戶，其當前的資產(chǎn)配置水平變化能夠在多大程度上被過去的金融市場指標變化解釋，加入指標的滯后值是否使得解釋程度提高，如果不能，則是等價于市場指標的變化外生于資產(chǎn)配置水平，VAR中的Granger檢驗服從x2(n)分布。

表4 財富水平800萬以上客戶儲蓄存款與1年期定期利率的VAR格蘭杰因果性檢驗

從表4看出，p值很大，遠大于5%，可以認為lnmd與lnad在短期內(nèi)（2期）互不構(gòu)成格蘭杰因果關系，也就是兩個變量過去兩期的環(huán)比變化并未對彼此形成統(tǒng)計意義上的因果關系。再從實際情況看，財富水平a的客戶屬于銀監(jiān)會認定的私人銀行客戶，是資產(chǎn)量相當大的客戶群，其儲蓄存款占比一般很低，僅有30%左右。風險承受能力強，風險偏好較為激進，投資愿望強烈，銀行資產(chǎn)證券化傾向高，對儲蓄存款利率的彈性在儲蓄存款資產(chǎn)的變化上相對較弱，但對因基準利率變化而引起的資本市場變化較為敏感，因此，結(jié)果符合金融實務。但也應注意到，Granger檢驗對變量的滯后期選擇較為敏感，本文是以AIC信息準則最小滯后階數(shù)情況下的VAR模型框架中做的Granger檢驗（見表5）。若將lnad與lnmd在多期滯后情況下做Granger檢驗，選取3～18期，發(fā)現(xiàn)8、9、10、12期時，lnmd對lnad存在單向的Granger因果關系。可以認為，財富水平a的客戶（私人銀行）對基準利率的在較長期限內(nèi)的變化存在敏感性。換言之，此類客戶雖然屬于投資活躍性人群，但對金融市場的觀察期較長，從行為金融學角度看，非理性的“羊群行為”很弱，較高的金融知識或投資經(jīng)驗影響其資產(chǎn)配置決策。吳雨、彭常燕和尹志超（2016）有所論證。

表5 多期滯后下的格蘭杰因果性檢驗

2.3 不同財富水平客戶的實證結(jié)果及分析

依次對全部財富水平客戶進行VAR模型分析，在通過模型的平穩(wěn)性檢驗后，借助Granger因果檢驗、脈沖響應函數(shù)及方差分析等工具做實證分析，其主要結(jié)論①篇幅所限，略去了每類客戶的資產(chǎn)配置與金融市場指標的模型整體檢驗效果（結(jié)果）。如下：

（1）儲蓄存款與1年期定期利率。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在2～4期內(nèi)就平穩(wěn)有效，整體檢驗效果較好；在對應的滯后期內(nèi)，1年期定期利率僅對財富水平f的客戶有Granger因果關系。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，1年期定期利率對財富水平a類客戶在滯后8、9、10、12期，b類客戶在滯后6期，c類客戶在13、14、15期，d類客戶在5、6期，有Granger因果關系；脈沖響應方面，隨著財富水平遞減，基準利率受到一個標準差新息沖擊后，影響期限呈現(xiàn)遞減趨勢，最少也有3個季度。a類客戶的影響期限最長，達到26期；殘差分析方面，基準利率的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻整體不高，呈現(xiàn)“偏正態(tài)分布”特征。對d類客戶影響程度貢獻最大，達到11.89%。

（2）國債資產(chǎn)與中證國債1年期即期利率。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在1～2期內(nèi)就平穩(wěn)有效，整體檢驗效果較好；在對應的滯后期內(nèi)，國債利率對各類財富水平的客戶均無Granger因果關系。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，國債利率對財富水平a類客戶在滯后9、10、12期，d類客戶在6、9、18期，e類客戶在4、5期，有Granger因果關系；脈沖響應方面，國債利率受到一個標準差新息沖擊后，影響期限在2～5個季度。其中，b類、c類客戶的影響期限最長，與其國債資產(chǎn)占比高（bn=7%、cn=6%）息息相關；殘差分析方面，國債利率的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻整體較小，e類客戶影響程度貢獻最大，達到6.5%。

（3）理財資產(chǎn)與6個月期銀行理財平均收益率。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在1～3期內(nèi)就平穩(wěn)有效，整體檢驗效果較好；在對應的滯后期內(nèi)，理財收益率對財富水平a類、b類、c類的客戶均有Granger因果關系，且非常顯著。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，理財收益率對財富水平d類客戶在滯后6、7期，e類客戶在4、5、8期，有Granger因果關系；脈沖響應方面，理財收益率受到一個標準差新息沖擊后，影響期限在2～7個季度。其中，a類、d類客戶的影響期限最長；殘差分析方面，理財收益率的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻基本與理財資產(chǎn)占比梯次正相關，且較存款VAR分析結(jié)果較高。b類客戶影響程度貢獻最大，達到17.41%。

（4）基金資產(chǎn)與上證綜指。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在1～2期內(nèi)就平穩(wěn)有效，整體檢驗效果較好；在對應的滯后期內(nèi)，上證綜指僅對財富水平e類的客戶有Granger因果關系，且非常顯著。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，上證綜指對財富水平a類客戶在滯后18期，b類客戶在5期，c類客戶在5、6期，f類客戶在12、13、14、15期有Granger因果關系；脈沖響應方面，上證綜指在受到一個標準差新息沖擊后，影響期限在1～9個季度，基本隨著財富水平的降低而增加。其中，e類客戶的影響期限最長，達到2年以上；殘差分析方面，上證綜指的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻基本與基金資產(chǎn)占比（風險承受能力）梯次負相關。f類客戶影響程度貢獻最大，達到17%。

（5）保險資產(chǎn)與保費收入（北京）。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在1～5期內(nèi)就平穩(wěn)有效，整體檢驗效果相對較好；在對應的滯后期內(nèi)，保費收入對財富水平a、e、f類的客戶有Granger因果關系，且非常顯著。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，保費收入對財富水平c類客戶在滯后13期，d類客戶在11、12、13、14期，e類客戶在3、9期，f類客戶在10、11期有Granger因果關系；脈沖響應方面，保費收入在受到一個標準差新息沖擊后，影響期限在3～10個季度，與保險資產(chǎn)占比呈現(xiàn)相反趨勢，即保險資產(chǎn)占比高，其影響期限反而短。其中，a類客戶的影響期限最長，達到2年半以上；殘差分析方面，保費收入的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻基本與保險資產(chǎn)占比負相關。即保險資產(chǎn)占比高的客戶反而受到市場的影響小，a類客戶影響程度貢獻最大，達到18.5%。

（6）三方存管資產(chǎn)與A股交易額。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在2～5期內(nèi)就平穩(wěn)有效，整體檢驗效果一般；在對應的滯后期內(nèi)，A股交易額僅對財富水平f類的客戶有Granger因果關系，且非常顯著。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，A股交易額僅對財富水平a類客戶在滯后7、8、9、11、12、13、18期有Granger因果關系；脈沖響應方面，A股交易額在受到一個標準差新息沖擊后，影響期限在7～12個季度，與三方存管資產(chǎn)占比呈現(xiàn)相反趨勢。即三方存管資產(chǎn)占比越低，其影響期限反而越長。其中，c類客戶的影響期限最長，達到3年；殘差分析方面，A股交易額的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻基本與三方存管資產(chǎn)占比正相關。即三方存管資產(chǎn)占比高的客戶受到市場的影響大，f類客戶影響程度貢獻最大，達到27%。

（7）黃金資產(chǎn)與工商銀行實物黃金現(xiàn)價。對不同財富水平的客戶，根據(jù)AIC信息準則最小選擇標準，VAR模型的滯后期多在1～3期內(nèi)就平穩(wěn)有效，整體檢驗效果較好；在對應的滯后期內(nèi)，黃金價格對各類財富水平的客戶均無Granger因果關系。若將變量在多期滯后情況下做Granger檢驗，選取18期以下，黃金價格對財富水平a類客戶在滯后10、11、16期，b類客戶在4、5期，c類客戶在3期，f類客戶在5期，有Granger因果關系；脈沖響應方面，黃金價格在受到一個標準差新息沖擊后，影響期限在2～7個季度，與黃金資產(chǎn)占比呈現(xiàn)正相關趨勢。即黃金資產(chǎn)占比越高，其影響期限也越長。其中，a類客戶的影響期限最長，達到近2年；殘差分析方面，黃金價格的這種標準差信息沖擊對不同財富水平客戶的影響程度貢獻隨著財富水平的遞減反而遞增，即財富水平越高的客戶受到市場沖擊的影響越小，f類客戶影響程度貢獻最大，達到3.54%。此類國債產(chǎn)品，在3～5年后，利率市場都會在調(diào)整周期內(nèi)發(fā)生較大的改變。因此，國債利率的變化對國債資產(chǎn)配置的影響期限較長。

3 結(jié)束語

綜上所述，在結(jié)合VAR模型分析后，可以得出：財富水平越高的客戶，資產(chǎn)配置越多元化，金融市場受到系統(tǒng)沖擊影響的期限越長，但影響程度越小。因此，銀行可以對財富水平高的客戶增加配置旗下自有基金或遴選市場地位高的券商、基金公司產(chǎn)品，夯實銀行與客戶整體抗系統(tǒng)性風險沖擊能力；在產(chǎn)品設計上應拉長周期，減少市場波動帶來的短期沖擊。如黃金買入應采取定投方式長期追加；應進一步分析不同財富水平客戶的銀行貢獻度，結(jié)合各類產(chǎn)品間的期限錯配，提高銀行與客戶的契約價值。

[1]Markowitz H.Portfolio Selection[J].Journal of Finance,1952,7(1).

[2]Samuelson P A.Lifetime Portfolio Selection by Dynamic Stochastic Programming[J].Review of Economics and Statistics,1969,51(3).

[3]Merton R C.Lifetime Portfolio Selection Under Uncertainty:The Continuous-Time Case[J].Review of Economics and Statistics,1969,51(3).

[4]Tversky A,Kahneman D.Judgment Under Uncertainty:Heuristics and Biases[J].Science,1974,(185).

[5]Bertaut C C,Starr-McCluer M.Household Portfolios in the United States[A].Guiso L.,Haliassos.

[6]Guiso L,Haliassos M,Jappelli T.Household Portfolios:An International Comparison[R].CSEF Working Papers,2002.

[7]Campbell J Y.Household Finance[J].Journal of Finance,2006,61(4).

[8]Carroll C.Portfolios of the Rich,Household Portfolios[M].Massachuse-tts MIT Press,2002.

[9]吳雨,彭常燕,尹志超.金融知識、財富積累和家庭資產(chǎn)結(jié)構(gòu)[J].當代經(jīng)濟科學,2016,(4).

[10]易綱,宋旺.中國金融資產(chǎn)結(jié)構(gòu)演進:1991—2007[J].經(jīng)濟研究,2008,(8).

[11]王小平,瞿寶忠.商業(yè)銀行高端個人客戶資產(chǎn)配置特征分析[J].金融論壇,2012,(8).

[12]王光宇.銀行理財?shù)馁Y產(chǎn)配置：邏輯與趨勢[J].銀行家,2016,(7).

[13]杜春越,韓立巖.家庭資產(chǎn)配置的國際比較研究[J].國際金融研究,2013,(6).

[14]陳蕾.基于金融約束視角的中國家庭資產(chǎn)配置研究[J].福建論壇:人文社會科學版,2015,(11).

[15]咬亮.金融新常態(tài)下基層零售銀行儲蓄存款發(fā)展情況研究——以工商銀行W分行為例[J].甘肅金融,2017,(1).

[16]咬亮.基于客戶分層視角的零售銀行資產(chǎn)配置與零售貢獻研究[J].西南金融,2016,(11).

[17]徐佳,譚婭.中國家庭金融資產(chǎn)配置及動態(tài)調(diào)整[J].金融研究,2016,(12).