王慧敏 薛啟航 魏建

(1.山東大學經(jīng)濟學院，山東 濟南 250100；2.山東大學《山東大學學報(哲學社會科學版)》編輯部，山東 濟南 250100)

一、引言

習近平總書記指出：“擴大中等收入群體比重，要增加居民金融資產(chǎn)等各類財產(chǎn)性收入(1)求是網(wǎng)，扎實推動共同富裕，http://www.qstheory.cn/dukan/qs/2021-10/15/c_1127959365.htm.”。家庭金融資產(chǎn)配置作為拓寬財產(chǎn)性收入渠道的重要方式之一，不僅能夠影響居民的生活水平，而且影響著我國宏觀經(jīng)濟的增長速度和發(fā)展質量[1]。近幾年，隨著中國金融市場的不斷發(fā)展以及金融產(chǎn)品的創(chuàng)新升級，家庭的金融資產(chǎn)選擇不再局限于銀行存款等傳統(tǒng)投資工具，還涉及到股票、基金、債券、金融衍生品以及其他新型投資工具。金融資產(chǎn)的多元化配置既有利于家庭提高風險防御能力以及獲得長期穩(wěn)健的收益，又能夠增加社會金融福利。但相關數(shù)據(jù)顯示，中國家庭金融資產(chǎn)占總資產(chǎn)的比重不到兩成(2)2019中國家庭金融調(diào)查數(shù)據(jù)庫，https://chfser.swufe.edu.cn/datas/Home/HomeIndex.，并且無風險資產(chǎn)(現(xiàn)金、活期存款、定期存款等)在金融資產(chǎn)中的占比高達88%(3)中國經(jīng)濟網(wǎng)，http://www.ce.cn/xwzx/gnsz/gdxw/201910/30/t20191030_33477567.shtml.，與歐美國家的家庭風險資產(chǎn)配置水平存在較大差距。加拿大家庭的風險資產(chǎn)配置比重早在2005年就已達25%，美國家庭2007年的風險資產(chǎn)配置占比接近33%[2]，德國家庭2014年的風險資產(chǎn)參與占比為23%[3]。可見，中國家庭資產(chǎn)結構單一、金融資產(chǎn)市場參與率低，且風險資產(chǎn)配置遠低于最優(yōu)份額[4-6]，導致中國家庭風險資產(chǎn)的 “有限配置”現(xiàn)象，給我國的居民財產(chǎn)性收入增長以及中等收入群體比重擴大帶來不利影響。在此背景下，探究中國家庭風險資產(chǎn)配置及其影響機制，對于微觀層面家庭財富的保值增值，以及宏觀層面國民經(jīng)濟的高質量運行都具有現(xiàn)實意義。

近年來，中國數(shù)字化進程持續(xù)加快，數(shù)字化建設受到廣泛關注和大力支持。2017年《政府工作報告》提到“促進數(shù)字經(jīng)濟加快成長”“擴大數(shù)字家庭”(4)中國政府網(wǎng)，《2017政府工作報告》，http://www.gov.cn/zhuanti/2017lhzfgzbg/index.htm.，這是“數(shù)字經(jīng)濟”“數(shù)字家庭”等首次出現(xiàn)在政府工作報告中。隨后幾年里，“數(shù)字中國(5)中國政府網(wǎng)，《2018政府工作報告》，http://www.gov.cn/zhuanti/2018lh/2018zfgzbg/2018zfbgdzs.htm#book7/page1.”“數(shù)字產(chǎn)業(yè)化(6)中國政府網(wǎng),《2021政府工作報告》，http://www.gov.cn/guowuyuan/2021zfgzbg.htm?ivk_sa=1024320u.”等先后出現(xiàn)在政府工作報告中，可見數(shù)字化發(fā)展是當前乃至未來很長一段時間的發(fā)展趨勢。目前，各個領域朝著數(shù)字化方向轉型升級，“數(shù)字化”不斷融入居民的日常生活?！吨袊ヂ?lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示(7)中國互聯(lián)網(wǎng)絡信息中心, 第49次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》, http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/.，中國網(wǎng)絡用戶規(guī)模達10.32億，其中手機網(wǎng)民占比高達99.7%，并且移動支付、在線辦公、互聯(lián)網(wǎng)醫(yī)療的用戶規(guī)模分別達9.04億、4.69億、2.98億。隨著網(wǎng)民規(guī)模的擴大、前沿信息技術的發(fā)展以及與傳統(tǒng)行業(yè)領域的融合，數(shù)字化逐步影響著家庭的風險資產(chǎn)配置。越來越多的學者開始關注數(shù)字化相關因素與家庭風險資產(chǎn)配置的關系。周廣肅和梁琪(2018)探究了互聯(lián)網(wǎng)的作用，發(fā)現(xiàn)互聯(lián)網(wǎng)使用能夠提高家庭投資股票等風險資產(chǎn)的概率[7]；赫國勝和耿麗平(2021)著重探討數(shù)字金融的影響，認為數(shù)字金融發(fā)展有利于促進家庭風險資產(chǎn)配置的增加[8]?？梢?，數(shù)字化發(fā)展對家庭風險資產(chǎn)配置具有重要影響。但已有研究大多從互聯(lián)網(wǎng)使用這一較為傳統(tǒng)的數(shù)字化角度或者數(shù)字金融的這一新型數(shù)字化角度出發(fā)，較少文獻將傳統(tǒng)數(shù)字化和新型數(shù)字化結合起來綜合探究數(shù)字化的影響。

同時，家庭風險資產(chǎn)配置問題實際上是家庭將其擁有的風險信息和資產(chǎn)收益信息進行最優(yōu)匹配，從而在風險控制的前提下實現(xiàn)收益最大化的過程，這一過程還涉及家庭風險認知的影響。經(jīng)典資產(chǎn)組合理論一般假設投資者在進行資產(chǎn)配置時只面臨資產(chǎn)組合風險[9]，這種風險可以通過多元化投資的方式實現(xiàn)風險分散[10]，需要家庭對投資金融產(chǎn)品的收益特征和風險特征具備一定的判斷能力，即資產(chǎn)組合風險認知。但現(xiàn)實中投資者也面臨諸如收入風險、健康相關的意外風險等背景風險[11]，這些風險不能通過資產(chǎn)組合進行分散，但能夠通過相應的管理方式提高風險容忍度[12]，需要家庭對背景風險具備一定的管理能力[13]，即背景風險認知。由此可見，家庭的風險認知會影響其風險資產(chǎn)配置。目前已有較多文獻從金融素養(yǎng)[14]、金融從業(yè)經(jīng)歷[6]等金融視角出發(fā)探討數(shù)字化因素對家庭風險資產(chǎn)配置的影響機制，但鮮有學者從風險認知的視角進行機制分析。

基于此，本文使用2017和2019年中國家庭金融調(diào)查(CHFS)數(shù)據(jù)，利用傳統(tǒng)計量的線性回歸模型和機器學習的因果森林模型對數(shù)字化與家庭風險資產(chǎn)配置的關系進行實證分析，并從風險認知的角度出發(fā)探究其機制路徑。本文試圖在以下幾方面有所創(chuàng)新：一是研究視角方面，與以往研究的視角不同，本文綜合考慮傳統(tǒng)數(shù)字化和新型數(shù)字化兩個層面，探討數(shù)字化對家庭風險資產(chǎn)配置的影響；二是機制分析方面，不同于既有文獻從金融視角探究作用路徑，本文從風險認知的角度出發(fā)考察數(shù)字化如何影響家庭的風險資產(chǎn)配置，結合資產(chǎn)組合理論和背景風險理論，將資產(chǎn)組合風險認知和背景風險認知納入統(tǒng)一分析框架并進行實證檢驗，能夠對家庭金融的相關研究進行有益補充；三是實證方法方面，本文使用機器學習的因果森林算法進行因果識別，既有利于緩解內(nèi)生性問題對研究結論造成的影響，又能夠減少結果可能存在的主觀干擾和局部性問題，確保結果的客觀性和穩(wěn)健性。

二、理論分析與研究假說

(一)數(shù)字化與家庭風險資產(chǎn)配置

資產(chǎn)組合理論認為，家庭配置的風險資產(chǎn)比例取決于其風險態(tài)度[9]，但現(xiàn)實中某些因素會導致風險資產(chǎn)配置和風險態(tài)度之間存在偏差[1]，從而使大多數(shù)家庭選擇配置低風險資產(chǎn)或不參與風險資產(chǎn)投資，即家庭風險資產(chǎn)的“有限配置”現(xiàn)象。在數(shù)字化發(fā)展趨勢下，從電腦等傳統(tǒng)數(shù)字化終端到智能手機、平板等移動數(shù)字化設備，數(shù)字化生活的門檻逐漸降低，提供給居民更多樣化的信息搜集渠道和學習渠道。進一步地，居民能夠獲取更多金融理財知識，了解更多金融資產(chǎn)的風險信息和收益信息，有利于促進家庭參與風險資產(chǎn)市場。同時，數(shù)字化技術與金融領域的不斷融合促進了金融產(chǎn)品和服務的創(chuàng)新升級，提高了家庭的投資理財效率，有利于加大家庭風險資產(chǎn)的配置比例。由此可見，數(shù)字化逐漸成為緩解家庭風險資產(chǎn)有限配置的重要影響因素。

從信息供給的角度出發(fā)，信息量的多寡能夠影響家庭的風險態(tài)度和決策，數(shù)字化使信息獲取更加便捷，居民能夠通過電腦、智能手機等各種互聯(lián)網(wǎng)終端獲取更加充分的信息，從而促進家庭的風險資產(chǎn)配置。一方面，風險態(tài)度是風險資產(chǎn)配置過程中的決定因素，并且個體的風險態(tài)度與其信息獲取能力密切相關[15]。信息量獲取的豐富程度會導致個體對同一事物具有不同的認知，從而導致其風險態(tài)度的異質性，信息缺乏容易使個體趨于風險規(guī)避態(tài)度[16]。在數(shù)字化的發(fā)展趨勢下，家庭能夠獲取更豐富的金融信息和理財知識，全方位地了解風險資產(chǎn)，有利于緩解因信息缺乏而持有風險規(guī)避態(tài)度的現(xiàn)象。另一方面，家庭風險資產(chǎn)配置本質上就是通過搜集和處理信息來降低信息不確定性，從而做出決策的過程[17]。這意味著家庭出于對風險因素的考慮，會減少對信息不完全產(chǎn)品的配置比例或者配置意愿。家庭基于各種互聯(lián)網(wǎng)或移動互聯(lián)網(wǎng)設備能夠隨時隨地進行數(shù)字化信息檢索，多方面盡可能獲取某一風險金融產(chǎn)品的完全信息，從而有利于增加對該類產(chǎn)品的接受意愿，并進一步作出相應決策。

從金融產(chǎn)品供給的角度，數(shù)字金融突破了傳統(tǒng)金融的時空約束，催生出多樣化的理財產(chǎn)品，有利于家庭高效便捷地進行多元化資產(chǎn)組合，從而促進了家庭的風險資產(chǎn)配置。首先，數(shù)字金融能夠擴大金融服務的范圍，降低家庭投資理財?shù)拈T檻。家庭獲取傳統(tǒng)金融服務受到線下網(wǎng)點位置的限制，而數(shù)字金融依托互聯(lián)網(wǎng)平臺能夠消除地域限制，使金融服務更容易獲得[18-20]，從而提高家庭接觸風險資產(chǎn)的概率。其次，數(shù)字金融有利于精準匹配家庭風險投資的需求與金融產(chǎn)品的供給，提升風險資產(chǎn)配置效率。傳統(tǒng)金融機構的投資咨詢服務通常費用較高，而依賴于大數(shù)據(jù)和人工智能的機器人顧問既有利于家庭低成本獲取咨詢服務，也能夠憑借信息和技術優(yōu)勢對投資者進行精準畫像，提高供需雙方的匹配度，有利于為家庭提供合適的理財產(chǎn)品[21]。最后，數(shù)字金融的發(fā)展催生了靈活性更強的互聯(lián)網(wǎng)理財產(chǎn)品，為家庭配置風險資產(chǎn)提供了更多元化的選擇。傳統(tǒng)投資理財產(chǎn)品較高的門檻使家庭容易暴露在極端的投資組合風險中[22]，而數(shù)字金融催生出基于支付寶、微信等平臺的一系列理財產(chǎn)品，因其高回報的承諾和贖回的靈活性，顯著降低了家庭承擔極端投資組合風險的可能性，對家庭的投資理財頗具吸引力?；谝陨戏治?，本文提出如下假設。

H1數(shù)字化有利于緩解家庭風險資產(chǎn)的有限配置。

(二)數(shù)字化、風險認知與家庭風險資產(chǎn)配置

認知是指個體對知識進行獲取或者應用，是一個信息加工的過程。具體到風險領域，風險認知表示風險主體對自身面臨的風險進行感知或者識別，將與風險有關的信息進行加工處理。在家庭配置風險資產(chǎn)過程中，風險認知是其中一個重要影響因素[13]，包括資產(chǎn)組合風險認知和背景風險認知兩個方面。

一方面，資產(chǎn)組合風險資產(chǎn)組合風險是指資產(chǎn)組合收益的波動，主要與資產(chǎn)多元化配置有關[10]，是家庭配置風險資產(chǎn)過程中自然存在的。資產(chǎn)組合風險認知能夠反映家庭對各類金融資產(chǎn)風險、收益等信息的了解程度和判斷能力，并通過影響風險資產(chǎn)收益的穩(wěn)定性作用于風險資產(chǎn)配置行為。從資產(chǎn)組合風險的角度，資產(chǎn)組合風險認知可以解釋為家庭以減少收益的波動性為目的來進行信息加工的過程，并且這一過程以信息獲取為前提。在資產(chǎn)組合理論的理性人、完全市場和標準偏好假設下，投資者總能獲取與風險資產(chǎn)有關的一切信息，從而總能夠實現(xiàn)風險資產(chǎn)和無風險資產(chǎn)的最優(yōu)組合。但現(xiàn)實中，信息的不確定性以及家庭信息處理能力的有限性會導致資產(chǎn)組合風險認知不足，從而使家庭難以保證風險資產(chǎn)收益的穩(wěn)定性，當家庭面臨未來風險資產(chǎn)收益的不確定性時便容易趨向于風險規(guī)避的態(tài)度，出現(xiàn)風險資產(chǎn)有限配置現(xiàn)象。因此，資產(chǎn)組合風險認知的提升有利于增強家庭對各種風險資產(chǎn)的了解，降低資產(chǎn)收益的不確定性，從而緩解家庭風險資產(chǎn)的有限配置。

另一方面，背景風險指的是風險資產(chǎn)配置過程存在的一個或多個不受個體控制、獨立于金融資產(chǎn)風險的其他風險因素[23]，這些風險因素的存在增加了家庭的預期不確定性，并且無法通過多元化資產(chǎn)配置分散，需要額外進行風險管理。從這一角度，背景風險認知可以解釋為家庭以減少背景風險帶來的不確定性為目的進行信息加工的過程，這一過程主要涉及到背景風險管理。背景風險理論認為個體面臨的多個獨立風險來源是相互作用而不是相互替代的關系，背景風險的加入會使個體提高對其他獨立風險的風險厭惡，從而導致更低風險水平的活動。這說明面臨背景風險的家庭不采取任何風險管理措施時，會通過降低風險資產(chǎn)的需求以減少背景風險帶來的不確定性，也就意味著背景風險認知不足會使家庭趨向于規(guī)避風險而非管理風險?？梢?，具備一定背景風險認知的家庭能夠利用恰當?shù)娘L險管理手段降低背景風險的影響，從而盡可能預防未來的不確定性。當預期風險得到保障，家庭當期風險偏好會增加，從而進行更多的風險資產(chǎn)配置。因此，背景風險認知的提升有利于家庭通過背景風險管理手段減少預期不確定性，緩解家庭風險資產(chǎn)的有限配置。

進一步，數(shù)字化對家庭風險認知也產(chǎn)生了重要影響，主要原因在于數(shù)字化為風險認知提供豐富的信息來源[28]。首先，資產(chǎn)組合風險認知與家庭理財信息密切相關，而各種數(shù)字化渠道能夠實時準確地提供風險資產(chǎn)相關信息。資產(chǎn)組合風險認知要求家庭不僅需要掌握金融資產(chǎn)的風險和收益，還需要了解影響金融資產(chǎn)價格波動的相關信息，尤其是股票等類型的產(chǎn)品要求家庭能夠更加及時準確地把握價格、政策、基本面等信息的變化。各類財經(jīng)新聞網(wǎng)站或APP等數(shù)字化平臺相比報紙、電視等傳統(tǒng)媒體，能夠實時地提供具有針對性的理財信息[29]，有利于家庭及時把握不同投資組合的風險和收益，促進家庭資產(chǎn)組合風險認知的提升。其次，背景風險認知與家庭風險管理能力關系密切，而數(shù)字化技術有利于解決家庭應用風險管理手段時面臨的信息不完全和不對稱問題，有效促進家庭利用保險進行風險管理。例如，當家庭采用保險的手段進行背景風險管理時，人工智能、大數(shù)據(jù)等數(shù)字化前沿技術有利于增加投保人和保險人之間的信息透明度[29]，推動家庭多方面了解保險產(chǎn)品信息，進一步實現(xiàn)有效的背景風險管理。最后，數(shù)字化發(fā)展降低了信息搜集成本，從而降低了家庭風險認知的成本。風險認知的成本可以看作是一種機會成本，當這種機會成本大于家庭配置風險資產(chǎn)帶來的收益時，家庭可能趨向于“有限參與”。風險認知以信息獲取為前提，數(shù)字化的搜索引擎提供了快速的信息獲取渠道，智能手機等移動互聯(lián)網(wǎng)設備的發(fā)展又降低了數(shù)字化信息檢索的門檻，從而大大縮小了家庭的信息搜集成本，進一步減少了家庭風險認知的成本。因此，數(shù)字化趨勢下信息透明度的提高以及信息成本的降低，使家庭能夠便捷獲取投資理財、風險管理等方面的相關信息，從而有利于家庭風險認知的提升。基于以上分析，本文提出以下假設。

H2a數(shù)字化能夠通過家庭資產(chǎn)組合風險認知的提升緩解風險資產(chǎn)的有限配置。

H2b數(shù)字化能夠通過家庭背景風險認知的提升緩解風險資產(chǎn)的有限配置。

三、研究設計

(一)基準模型設定

為探究數(shù)字化對風險資產(chǎn)配置的影響，首先利用傳統(tǒng)計量模型對其進行檢驗，并構建如下模型

riski=β0+β1digi+β2Xi+εi

(1)

其中，被解釋變量riski為個體i所在家庭的風險資產(chǎn)配置。當riski代表家庭風險資產(chǎn)市場的參與情況時，使用Logit模型；當riski代表家庭風險資產(chǎn)的配置程度時，使用線性回歸模型。解釋變量digi為數(shù)字化的代理變量。Xi是控制變量，選取地區(qū)特征(人均GDP、產(chǎn)業(yè)結構)、家庭特征(成員規(guī)模、老年人規(guī)模、總資產(chǎn))和個體特征(年齡、性別、婚姻、工作、教育、戶口、黨員)。εi表示隨機誤差項。核心解釋變量dig的系數(shù)β1表示數(shù)字化對家庭資產(chǎn)配置的邊際效應，根據(jù)研究假說，預期該系數(shù)顯著為正。

(二)廣義隨機森林的因果森林

因果森林(Causal Forest)是對隨機森林[31]的一種擴展，用于測量因果效應，能夠在考慮個體傾向得分的基礎上，計算個體平均處理效應的一致估計[32]。隨機森林是一種應用于分類和回歸樹(CART)的集成方法，它通過遞歸的方式將全樣本隨機劃分成子樣本，從而最大限度提高各個子樣本之間的異質性，并根據(jù)數(shù)據(jù)子樣本生成決策樹，遞歸生成的所有決策樹構建形成隨機森林。隨機森林大多作為非參數(shù)函數(shù)用于預測被解釋變量，Wager和Athey(2018)[33]提出“honest”方法將隨機森林用于預測處理效應，建立了處理效應的有效置信區(qū)間，以及估計結果的一致性和漸近正態(tài)性，從而實現(xiàn)了因果森林算法。

一般來說，傳統(tǒng)計量模型的回歸過程中可能存在遺漏變量、測量誤差、雙向因果等內(nèi)生性問題，內(nèi)生性的存在會使得參數(shù)估計不滿足一致性。緩解內(nèi)生性問題的常見方式是使用工具變量，但考慮到該方法一般僅作用于受到工具變量影響的那部分樣本，估計結果的外部有效性相對較弱[34]。而因果森林的構建是通過遞歸的方式隨機劃分子樣本的過程，能夠計算整個樣本觀測水平的處理效應，保證所有子樣本的估計結果是有效的，從而降低局部有效性的影響。并且因果森林允許數(shù)據(jù)驅動的特征選擇，被認為是一種自適應最近鄰方法，由數(shù)據(jù)決定特征的重要性并進一步確定計算處理效應時權重的大小，又可以盡可能避免對模型形式的人為設定和干擾。因此，因果森林的處理效應估計更具客觀性和有效性，本文使用這一方法進一步探究數(shù)字化的平均處理效應。

(2)

(3)

(4)

(三)變量說明

1．被解釋變量

本文被解釋變量是家庭風險資產(chǎn)配置，分為兩個層次衡量：第一個層次衡量家庭風險資產(chǎn)市場的參與情況(fengxian)，通過家庭是否擁有風險資產(chǎn)度量，為二值虛擬變量，擁有風險資產(chǎn)取值為1，否則為0；第二個層次衡量家庭風險資產(chǎn)的配置程度(fengxian1)，通過風險資產(chǎn)占家庭總資產(chǎn)的比重測度。參考尹志超等(2014)，家庭總資產(chǎn)包括風險資產(chǎn)和無風險資產(chǎn)，其中風險資產(chǎn)主要包括股票、基金、金融債券、企業(yè)債券、金融衍生產(chǎn)品、金融理財產(chǎn)品、黃金、外匯，無風險資產(chǎn)主要包括現(xiàn)金、股票賬戶現(xiàn)金、政府債券、活期存款、定期存款[14]。

2．解釋變量

本文的核心解釋變量是數(shù)字化(dig)，同樣分為兩個層次衡量：第一個層次衡量基于互聯(lián)網(wǎng)平臺的傳統(tǒng)數(shù)字化(int1)，通過是否使用互聯(lián)網(wǎng)衡量(8)問卷中相關問題和相應選項為：您使用過互聯(lián)網(wǎng)嗎？1.是；2.否。，為二值選擇變量，其中1表示使用，0表示不使用[7]；第二個層次衡量基于智能手機的移動數(shù)字化(phone)，通過是否使用智能手機衡量(9)問卷中相關問題和相應選項為：目前使用哪款手機？1.智能手機(可以網(wǎng)購、社交聊天等)；2.非智能手機；3.沒有手機。其中被調(diào)查者選擇“智能手機”賦值為1，選擇“非智能手機”或者“沒有手機”賦值為0。，也為二值選擇變量，其中1表示使用，0表示不使用[37]。

此外，由于2019年數(shù)據(jù)不涉及傳統(tǒng)數(shù)字化的指標，在后文的實證檢驗中，首先使用2017年的樣本檢驗傳統(tǒng)數(shù)字化和移動數(shù)字化的作用，盡可能控制時間效應以緩解偏誤。隨后主要使用2017年的樣本檢驗傳統(tǒng)數(shù)字化的影響，使用2019年的樣本檢驗移動數(shù)字化的影響。原因在于：第一，2017年“數(shù)字經(jīng)濟”首次被寫入《政府工作報告》，2019年是5G發(fā)展的元年，因此2017年互聯(lián)網(wǎng)使用和2019年智能手機使用對當年數(shù)字化進程分別具有一定的代表性；第二，數(shù)字化進程與互聯(lián)網(wǎng)發(fā)展是相輔相成、相互依賴的，因此傳統(tǒng)數(shù)字化與互聯(lián)網(wǎng)使用關系密切，而互聯(lián)網(wǎng)向移動端發(fā)展的趨勢，使數(shù)字化進程也逐漸體現(xiàn)出以智能手機為平臺的移動數(shù)字化特征；第三，智能手機的使用降低了居民上網(wǎng)的門檻，體現(xiàn)出家庭數(shù)字生活門檻隨著傳統(tǒng)數(shù)字化到移動數(shù)字化的發(fā)展趨勢而降低，有利于進一步分析不同層面數(shù)字化對家庭風險資產(chǎn)配置的處理效應異質性。同時，考慮到不同年份自身存在的影響，還對2019年樣本進行了調(diào)整。由于2017年樣本范圍為2017年的新受訪戶以及之前年份的追蹤受訪戶，將2019年樣本中家庭編號(hhid)為2019開頭的數(shù)據(jù)剔除，保留2017年及之前年份的追蹤樣本，從而減少2019年新受訪戶樣本對實證結果的干擾，盡可能統(tǒng)一樣本以保證連續(xù)性。

3．機制變量

機制變量為風險認知，分別從資產(chǎn)組合風險認知(liaojie)和背景風險認本文的機制變知(shangye)兩個角度衡量。對于資產(chǎn)組合風險認知，考慮到資產(chǎn)組合風險可以通過多元資產(chǎn)配置分散，說明資產(chǎn)組合風險認知涉及家庭對各種風險資產(chǎn)的了解程度[13]，因此通過家庭對資產(chǎn)的了解程度來衡量(10)問卷中相關問題和相應選項為：您對股票、債券、基金的整體了解程度如何？1.非常了解；2.比較了解；3.一般；4.比較不了解；5.完全不了解。對選項進行了重新賦值，1-5分別表示為：完全不了解、比較不了解、一般、比較了解、非常了解。，了解程度的取值范圍為1-5。對于背景風險認知，由于商業(yè)保險是管理背景風險的有效手段[23]，因此通過家庭是否購買商業(yè)保險衡量(11)問卷中相關問題和相應選項為：您家有下列哪些商業(yè)保險？1.商業(yè)人壽保險；2.商業(yè)健康保險；3.其他商業(yè)保險；4.都沒有。被調(diào)查者回答包含1或者2或者3則表示參與商業(yè)保險。，為二值選擇變量，購買商業(yè)保險取值為1，否則為0。

4．控制變量

參考現(xiàn)有文獻[38-39]，還控制了家庭風險資產(chǎn)配置的其他影響因素，包括家庭特征、個體特征和地區(qū)特征。家庭層面控制變量包括家庭規(guī)模(size)、老年人規(guī)模(12)65歲以上的家庭成員定義為老年人。(oldsum)以及家庭總資產(chǎn)(asset)。個體層面控制變量包括年齡(age)、性別(13)構建二值虛擬變量，男=1，女=0。(gender)、是否已婚(14)問卷中相關問題和相應選項為：目前，您的婚姻狀況是？1.未婚；2.已婚；3.同居；4.分居；5.離婚；6.喪偶；7.再婚。構建二值虛擬變量，其中被調(diào)查者回答為2或者7取值為1，其他回答為0。(marry)、是否在業(yè)(15)問卷中相關問題為：最近一周是否為取得收入而工作過 1 小時以上？構建二值虛擬變量，是=1，否=0。(work)、教育水平(16)參考楊碧云等(2019)，根據(jù)CHPF問卷中“文化程度”問題，對變量進行重新賦值：沒上過學賦值為0，小學為6，初中為9，高中、中專、職高為12，大學本科、大專、高職為16，碩士生為19，博士生為22。(edu)、是否農(nóng)業(yè)戶口(17)問卷中相關問題為：您的戶口類型是？構建二值虛擬變量，農(nóng)業(yè)=1，非農(nóng)業(yè)=0。(hukou)、是否黨員(18)問卷中相關問題為：是否是中共黨員或預備黨員？構建二值虛擬變量，是=1，否=0。(dangyuan)。地區(qū)層面控制了地區(qū)人均GDP(gdp)和產(chǎn)業(yè)結構(adv)。

(四)數(shù)據(jù)及描述性統(tǒng)計

本文使用的數(shù)據(jù)來自西南財經(jīng)大學中國家庭金融調(diào)查與研究中心組織管理的“中國家庭金融調(diào)查”項目(CHFS)[40]2017年和2019年的調(diào)查數(shù)據(jù)。2017年調(diào)查數(shù)據(jù)集覆蓋全國29個省(自治區(qū)、直轄市)，355個區(qū)縣，1 428個村(居)委會。2019年調(diào)查數(shù)據(jù)集覆蓋全國29個省(自治區(qū)、直轄市)，343個區(qū)縣，1 360個村(居)委會。數(shù)據(jù)涵蓋了家庭人口統(tǒng)計特征、資產(chǎn)與負債、保險與保障、支出與收入等方面的信息。2017年的數(shù)據(jù)通過剔除缺失值得到家庭樣本21 516，個體樣本35 524個，處理組樣本17 982，控制組樣本17 542。2019年的數(shù)據(jù)共得到家庭樣本14 674，個體樣本28 596，處理組樣本20 533，控制組樣本8 063。表1給出了變量的描述性統(tǒng)計。

表1 變量描述性統(tǒng)計

四、實證結果及分析

(一)基準回歸結果

表2報告了數(shù)字化對家庭風險資產(chǎn)配置的影響，列(1)-(6)展示了2017年樣本的回歸結果，列(7)(8)展示了2019年樣本的回歸結果。通過表2列(1)-(4)的回歸結果發(fā)現(xiàn)，基于互聯(lián)網(wǎng)平臺的傳統(tǒng)數(shù)字化(int1)的系數(shù)和基于智能手機的移動數(shù)字化(phone)的系數(shù)均在1%的水平上顯著為正，說明傳統(tǒng)數(shù)字化和移動數(shù)字化均能夠促進家庭參與風險資產(chǎn)市場和提高風險資產(chǎn)的配置程度。表2列(5)(6)的結果表明，當同時檢驗傳統(tǒng)數(shù)字化和移動數(shù)字化對家庭風險資產(chǎn)配置的影響時，雖然傳統(tǒng)數(shù)字化(int1)和移動數(shù)字化(phone)均有利于促進家庭參與風險資產(chǎn)市場(表2列(5))，但移動數(shù)字化(phone)對家庭風險資產(chǎn)配置程度的影響不顯著(表2列(6))，說明2017年主要是傳統(tǒng)數(shù)字化發(fā)揮緩解家庭風險資產(chǎn)有限配置的作用。進一步地，考慮到2019年5G的陸續(xù)試點使得數(shù)字化逐漸朝著移動端方向發(fā)展，利用2019年的樣本再次檢驗移動數(shù)字化的作用。通過表2列(7)(8)的回歸結果發(fā)現(xiàn)，基于智能手機的移動數(shù)字化(phone)的系數(shù)同樣在1%的水平上顯著為正，說明移動數(shù)字化促進家庭風險資產(chǎn)配置的顯著作用仍然存在。通過表2的回歸結果，可以發(fā)現(xiàn)2017年主要是傳統(tǒng)數(shù)字化發(fā)揮緩解家庭風險資產(chǎn)有限配置的作用，2019年移動數(shù)字化的影響日益凸顯。因此，后續(xù)研究中使用2017年的樣本探究傳統(tǒng)數(shù)字化的作用，使用2019年的樣本探究移動數(shù)字化的作用。由此可見，傳統(tǒng)數(shù)字化和移動數(shù)字化能夠顯著促進家庭參與風險資產(chǎn)市場以及提高風險資產(chǎn)配置程度，有利于顯著緩解家庭風險資產(chǎn)的有限配置現(xiàn)象，H1得證。

表2 數(shù)字化對家庭風險資產(chǎn)配置影響的基準回歸結果

控制變量估計系數(shù)的顯著性與符號也基本符合預期。其中家庭特征變量中家庭成員規(guī)模(size)的影響顯著為負，家庭總資產(chǎn)(asset)的影響顯著為正，老年人規(guī)模(oldsum)對家庭參與風險資產(chǎn)配置的影響顯著為正，但對家庭風險資產(chǎn)配置程度的影響不顯著。從個體特征變量看，教育水平(edu)與家庭參與風險資產(chǎn)市場顯著正相關，性別(gender)和戶口(hukou)對家庭參與風險資產(chǎn)配置及提高風險資產(chǎn)配置程度的影響顯著為負。從地區(qū)特征變量看，地區(qū)人均GDP(gdp)能夠顯著促進家庭風險資產(chǎn)配置。

(二)基于因果森林的回歸結果

通過前文基準回歸結果，可以發(fā)現(xiàn)數(shù)字化有利于緩解家庭風險資產(chǎn)的有限配置。但線性回歸模型可能還存在內(nèi)生性問題，為弱化這一影響，進一步使用因果森林進行檢驗。因果森林基于數(shù)據(jù)進行特征選擇，能夠避免回歸結果帶有主觀判斷，并且遞歸劃分子樣本可以同時保證因果識別結果的內(nèi)部有效性和外部有效性。本文構建的因果森林模型涉及的參數(shù)值均使用causal_forest()函數(shù)的默認值。表3展示了因果森林的回歸結果，其中Panel A展示了傳統(tǒng)數(shù)字化的平均處理效應，Panel B展示了移動數(shù)字化的平均處理效應，列(1)(3)是未進行家庭聚類的結果，列(2)(4)是按照家庭聚類的結果，聚類用于控制來自不同家庭的差異。根據(jù)Panel A的結果可以發(fā)現(xiàn)，int1對家庭參與風險資產(chǎn)市場的平均處理效應顯著為正，對家庭風險資產(chǎn)配置程度的平均處理效應同樣顯著為正，說明傳統(tǒng)數(shù)字化對家庭風險資產(chǎn)配置具有顯著促進作用。根據(jù)Panel B的結果可以發(fā)現(xiàn)，phone對家庭參與風險資產(chǎn)市場和風險資產(chǎn)配置程度的平均處理效應均顯著為正，說明移動數(shù)字化對家庭參與風險資產(chǎn)市場和風險資產(chǎn)配置程度的提高同樣具有顯著促進作用。因果森林的回歸結果顯示，在采用更加客觀的機器學習方法進行因果推斷以后，數(shù)字化緩解家庭風險資產(chǎn)的有限配置的作用仍然顯著，前文結論依然成立。

表3 因果森林結果

(三)穩(wěn)健性檢驗(19)穩(wěn)健性檢驗中只展示了被解釋變量為風險資產(chǎn)配置程度的結果，是否參與風險資產(chǎn)市場的結果與其相同，未具體展示。

1．更換被解釋變量

股票市場“有限參與”之謎是家庭資產(chǎn)選擇的核心問題[5]，并且股票也是大多家庭風險資產(chǎn)配置的選擇，因此本文將被解釋變量替換為是否參與股票市場(20)問卷中相關問題為：目前，您家是否有股票賬戶？構建二值選擇變量，有=1，沒有=0。。表4中，Panel A和Panel B列(1)展示了更換被解釋變量以后的回歸結果，可以發(fā)現(xiàn)int1和phone的系數(shù)仍然顯著為正，說明更換了被解釋變量以后前文結論仍然可靠。

2.Tobit模型

被解釋變量風險資產(chǎn)占比有受限變量的特征，因此，為進一步檢驗前文結論的可靠性，使用Tobit模型重新驗證基準回歸結論。結果如表4的Panel A和Panel B列(2)所示，可以發(fā)現(xiàn)使用Tobit模型以后，int1和phone的估計系數(shù)仍然在1%的水平上顯著為正，數(shù)字化緩解家庭風險資產(chǎn)有限配置的作用依然存在。

3．控制遺漏變量

雖然前文回歸中盡可能對相關影響因素進行了控制，但仍然可能存在一些遺漏變量。參考陳剛(2019)、盛智明和蔡婷婷(2021)，本文進一步對房價(21)采用該省當年商品房價格衡量房價對風險資產(chǎn)配置的影響。(house)、幸福感(22)問卷中相關問題和相應選項為：總的來說，您現(xiàn)在覺得幸福嗎？1.非常幸福；2.幸福；3.一般；4.不幸福；5.非常不幸福。本文根據(jù)選項對變量進行了重新賦值，1-5分別為：非常不幸福、不幸福、一般、幸福、非常幸福。(xingfu)、金融知識關注程度(23)問卷中相關問題和相應選項為：您平時對經(jīng)濟、金融方面的信息關注程度如何？1.非常關注；2.很關注；3.一般；4.很少關注；5.從不關注。本文根據(jù)選項對變量進行了重新賦值，1-5分別為：從不關注、很關注、一般、很少關注、非常關注。(eco_guanzhu)等變量進行了控制[6,41]。結果如表4的Panel A和Panel B列(3)所示，可以發(fā)現(xiàn)控制遺漏變量以后，傳統(tǒng)數(shù)字化(int1)和移動數(shù)字化(phone)仍然具有顯著的正向促進作用。

4．剔除直轄市樣本

一般來說，直轄市相比其他地區(qū)數(shù)字化進程更為迅速，數(shù)字化對直轄市家庭風險資產(chǎn)配置的影響可能更大，因此剔除直轄市樣本后重新進行回歸。結果如表4列(4)所示，可見剔除直轄市樣本后int1和phone的估計系數(shù)仍然顯著為正，證明了前文結論的穩(wěn)健性。

五、機制分析

前文實證研究證實了數(shù)字化對家庭風險資產(chǎn)配置的促進作用，接下來探討數(shù)字化緩解家庭風險資產(chǎn)有限配置的機制。本文以家庭風險認知為切入點，從資產(chǎn)組合風險認知和背景風險認知兩個角度對作用機制展開研究。

在數(shù)字化背景下，家庭可以低成本接觸到更多金融資產(chǎn)信息和專業(yè)理財信息，有利于家庭把握不同投資組合可能帶來的風險和收益，提高資產(chǎn)組合風險認知，并進一步降低收益的不確定性，從而促進家庭參與風險資產(chǎn)市場。同時，數(shù)字化使家庭不需要付出較高的信息搜集成本就可以獲得更多風險管理專業(yè)信息，有利于家庭有效管理背景風險，提高背景風險認知，從而降低預期風險的不確定性，進一步促進家庭配置風險資產(chǎn)。為了驗證數(shù)字化能夠通過提升家庭風險認知緩解風險資產(chǎn)的有限配置，從資產(chǎn)組合風險認知和背景風險認知兩個方面進行因果森林檢驗，并利用中介效應模型進一步檢驗風險認知的中介作用。

(一)基于因果森林的機制檢驗

首先利用因果森林算法檢驗風險認知的機制作用，使用家庭對風險資產(chǎn)了解程度(liaojie)作為資產(chǎn)組合風險認知的代理變量，使用家庭商業(yè)保險購買行為(shangye)作為背景風險認知的代理變量。因果森林的識別結果如表5所示，其中表5列(1)(2)展示了聚類前后數(shù)字化對資產(chǎn)組合風險認知的檢驗結果，表5列(3)(4)展示了聚類前后數(shù)字化對家庭背景風險認知的檢驗結果，Panel A和Panel B分別代表基于互聯(lián)網(wǎng)平臺的傳統(tǒng)數(shù)字化和基于智能手機的移動數(shù)字化的檢驗結果。

表5列(1)(2)結果表明，聚類前后傳統(tǒng)數(shù)字化和移動數(shù)字化的平均處理效應均顯著為正，說明二者均能夠顯著促進家庭風險資產(chǎn)了解程度。表5列(3)(4)結果表明，聚類前后傳統(tǒng)數(shù)字化和移動數(shù)字化的平均處理效應同樣顯著為正，說明二者也能夠顯著促進家庭商業(yè)保險購買行為?；谝蚬值姆治鼋Y果可知，數(shù)字化有利于提升家庭的資產(chǎn)組合風險認知和背景風險認知。

表5 因果森林機制檢驗結果

(二)風險認知的中介效應檢驗

為了進一步檢驗風險認知的作用渠道，參考李跟強等(2022)的做法[42]，本文還構建了中介效應模型進行考察(24)表6只展示了被解釋變量為家庭風險資產(chǎn)配置程度的回歸結果，被解釋變量為家庭風險市場參與的回歸結果類似，不影響最終結論。。

riski=β0+β1digi+β2Xi+εi

(5)

Mi=γ0+γ1digi+γ2Xi+θi

(6)

riski=ω0+ω1digi+ω2Mi+ω3Xi+δi

(7)

其中，式(5)為基準模型，riski為個體i所在家庭的風險資產(chǎn)配置，digi為數(shù)字化的代理變量；式(6)中的被解釋變量Mi表示中介變量，即資產(chǎn)組合風險認知和背景風險認知，解釋變量與式(5)相同；式(7)在式(5)的基礎上加入中介變量Mi，其余變量含義與式(5)相同。

根據(jù)中介效應模型，首先驗證數(shù)字化對家庭風險資產(chǎn)配置的影響(基準模型)，隨后檢驗數(shù)字化對風險認知這一中介變量的影響，最后檢驗數(shù)字化、風險認知對家庭風險資產(chǎn)配置的共同影響。回歸結果如表6所示，其中表6列(1)-(3)展示了傳統(tǒng)數(shù)字化的回歸結果，表6列(4)-(6)展示了移動數(shù)字化的回歸結果。

從表6列(1)-(3)的回歸結果可以發(fā)現(xiàn)，基準模型中傳統(tǒng)數(shù)字化(int1)對家庭風險資產(chǎn)配置具有顯著正向影響。當加入資產(chǎn)組合風險認知(liaojie)和背景風險認知(shangye)這兩個中介變量以后，傳統(tǒng)數(shù)字化(int1)對家庭風險資產(chǎn)配置仍然具有顯著正向影響，并且中介變量的系數(shù)同樣顯著為正。這一結果說明資產(chǎn)組合風險認知和背景風險認知屬于部分中介，傳統(tǒng)數(shù)字化對家庭風險資產(chǎn)配置的促進作用至少一部分是通過家庭風險認知的提升實現(xiàn)的。

從表6列(4)-(6)的回歸結果可以發(fā)現(xiàn)，基準模型中移動數(shù)字化(phone)對家庭風險資產(chǎn)配置具有顯著正向影響。當加入資產(chǎn)組合風險認知(liaojie)和背景風險認知(shangye)這兩個中介變量以后，移動數(shù)字化(phone)對家庭風險資產(chǎn)配置的影響不顯著，但中介變量的系數(shù)顯著為正。這一結果說明資產(chǎn)組合風險認知和背景風險認知屬于完全中介，移動數(shù)字化對家庭風險資產(chǎn)配置的促進作用可以通過家庭風險認知的提升來實現(xiàn)。

表6 中介效應模型回歸結果

通過以上實證結果可得，數(shù)字化能夠通過提升家庭的資產(chǎn)組合風險認知和背景風險認知，從而促進家庭參與風險資產(chǎn)市場和提高家庭風險資產(chǎn)的配置程度，緩解家庭風險資產(chǎn)的有限配置。基于此，H2a和H2b得證。

六、使用廣義隨機森林進一步分析處理效應的異質性

根據(jù)前文實證分析，可以發(fā)現(xiàn)數(shù)字化對于家庭風險資產(chǎn)配置具有正向的平均處理效應，并且中介效應模型的回歸結果表明，傳統(tǒng)數(shù)字化和移動數(shù)字化對家庭風險資產(chǎn)配置的作用渠道存在一定的差異，這種差異可能與傳統(tǒng)數(shù)字化和移動數(shù)字化的異質性平均處理效應有關。因此，下文利用廣義隨機森林進一步分析傳統(tǒng)數(shù)字化和移動數(shù)字化的異質性處理效應。處理效應異質性分析是因果森林又一較為廣泛的應用[43]。由于因果森林基于廣義隨機森林的框架實現(xiàn)，而廣義隨機森林實際上是在傳統(tǒng)隨機森林中引入了組間差異函數(shù)[32]，從而使得遞歸劃分樣本過程中能夠得到每一子樣本的平均處理效應，進一步反映出哪些群體受處理的影響更大[44]。圖1(a)和圖1(b)分別展示了傳統(tǒng)數(shù)字化和移動數(shù)字化對家庭參與風險資產(chǎn)市場的處理效應估計值分布(25)傳統(tǒng)數(shù)字化和移動數(shù)字化對家庭風險資產(chǎn)配置程度的個體處理效應估計值分布類似，沒有單獨展示。，其中橫坐標分別表示傳統(tǒng)數(shù)字化和移動數(shù)字化對家庭參與風險資產(chǎn)市場的處理效應估計值。通過圖1(a)可以發(fā)現(xiàn)，傳統(tǒng)數(shù)字化的處理效應的估計值范圍較大，取值范圍為0-0.33。可見對于不同的家庭，傳統(tǒng)數(shù)字化對其風險資產(chǎn)配置的影響仍然存在較大差異，說明傳統(tǒng)數(shù)字化對于不同子樣本的處理效應與樣本特征關系密切。通過圖1(b)可以發(fā)現(xiàn)，相比傳統(tǒng)數(shù)字化的處理效應分布，移動數(shù)字化的處理效應的估計值范圍有所縮小，取值范圍為0.01-0.14，但大多聚集在0.02附近?？梢娨苿訑?shù)字化對不同家庭風險資產(chǎn)配置的影響不存在較大的異質性，說明相比傳統(tǒng)數(shù)字化，移動數(shù)字化對家庭風險資產(chǎn)配置的處理效應分布更加集中，對不同特征子樣本的作用效果更加一致，進一步反映出移動數(shù)字化的普惠性和低門檻性。

(8)

最優(yōu)線性預測法的實現(xiàn)采用R語言grf包的test_calibration()函數(shù)，將構建的因果森林放入該函數(shù)就可以進行檢驗。結果如表7所示，其中mean的估計系數(shù)即為ρ1，differential的估計系數(shù)即為ρ2。其中列(1)(2)展示了傳統(tǒng)數(shù)字化的異質性檢驗結果，列(3)(4)展示了移動數(shù)字化的檢驗結果，異質性檢驗均進行了家庭層面聚類。通過列(1)(2)可以看出，differential的估計系數(shù)均顯著為正，說明傳統(tǒng)數(shù)字化對家庭參與風險資產(chǎn)市場以及風險資產(chǎn)配置程度的影響存在明顯的異質性。列(3)(4)結果顯示，列(3)differential的估計系數(shù)均顯著為正，但列(4)differential的估計系數(shù)不顯著，說明移動數(shù)字化對家庭參與風險資產(chǎn)市場的影響存在明顯的異質性，但對家庭風險資產(chǎn)的配置程度不存在異質性。由此可見，移動數(shù)字化相比傳統(tǒng)數(shù)字化對家庭風險資產(chǎn)配置程度的影響受家庭層面特征的干擾較弱，從而在各個群體中更具有普惠性，進一步說明了家庭數(shù)字生活的低門檻化更有利于數(shù)字化緩解風險資產(chǎn)的有限配置現(xiàn)象。

表7 處理效應異質性檢驗結果

七、結論與政策建議

在經(jīng)濟高質量發(fā)展的關鍵時期，實現(xiàn)微觀層面家庭財產(chǎn)性收入的增長具有重要意義，而緩解家庭風險資產(chǎn)有限配置對其財產(chǎn)性收入增長，以及共同富裕的實現(xiàn)也具有重要推動作用。本文基于中國家庭金融調(diào)查(CHFS)2017年和2019年的數(shù)據(jù)，從傳統(tǒng)數(shù)字化和移動數(shù)字化兩個層面實證分析了數(shù)字化對家庭風險資產(chǎn)配置的影響，并使用機器學習中的因果森林算法對二者進行因果識別，確保結論的可靠性。研究發(fā)現(xiàn)，第一，數(shù)字化能夠顯著緩解家庭風險資產(chǎn)的有限配置。具體而言，基于互聯(lián)網(wǎng)平臺的傳統(tǒng)數(shù)字化和基于智能手機的移動數(shù)字化均能夠顯著促進家庭參與風險資產(chǎn)市場和風險資產(chǎn)配置程度的提高。第二，風險認知是數(shù)字化緩解家庭風險資產(chǎn)有限配置的重要作用機制。數(shù)字化主要通過推動家庭資產(chǎn)組合風險認知和背景風險認知的提升，即增進家庭對風險資產(chǎn)的了解以及提高家庭管理背景風險的能力，從而促進家庭參與風險資產(chǎn)市場和風險資產(chǎn)配置程度的提高。第三，相比傳統(tǒng)數(shù)字化，移動數(shù)字化的影響更具普惠性。移動數(shù)字化對家庭風險資產(chǎn)配置的處理效應分布更加集中，受到群體特征的干擾較弱，對不同群體的作用效果差異較小。

基于以上研究結論，提出如下政策啟示。

首先，政府應持續(xù)推進數(shù)字化建設，既要提高數(shù)字化服務質量，也要提高居民的數(shù)字素養(yǎng)。政府要不斷完善數(shù)字化的基礎設施建設，提高數(shù)字化服務質量，吸引更廣泛的群體參與數(shù)字化生活，從而充分發(fā)揮數(shù)字化對家庭風險資產(chǎn)配置的正向促進作用。同時，政府還要著力提升居民的數(shù)字素養(yǎng)，包括居民的數(shù)字意識、數(shù)字技能等，降低數(shù)字鴻溝對家庭風險資產(chǎn)配置行為的影響。

其次，政府應當注重培養(yǎng)居民的風險認知，引導家庭風險認知的形成與更新。政府可以通過開展知識普及活動，積極引導居民利用互聯(lián)網(wǎng)、智能手機等平臺了解各類金融理財產(chǎn)品的風險、收益信息，推動家庭資產(chǎn)組合風險認知的提升，使家庭具備多元化資產(chǎn)配置的能力。同時，向居民普及各種風險管理手段的應用，引導居民進行有效的風險管理，降低背景風險對家庭未來不確定性的影響，使家庭能夠同時具備多元化投資、穩(wěn)定資產(chǎn)投資收入的能力，以及有效進行風險管理的能力。

最后，金融機構應積極向數(shù)字化方向轉型升級，利用數(shù)字化充分發(fā)揮金融的福利效應。金融機構可以充分結合大數(shù)據(jù)、人工智能等先進技術推動投資理財產(chǎn)品供需的精準匹配，積極探索基于互聯(lián)網(wǎng)端、智能手機端的產(chǎn)品創(chuàng)新，為居民提供數(shù)字化理財服務。此外，監(jiān)管機構也應加強對金融網(wǎng)站的監(jiān)管力度，確保各類風險金融資產(chǎn)相關信息的準確性，及時核實各類金融產(chǎn)品的真實性，避免不法分子利用數(shù)字化手段進行金融詐騙，影響家庭對正規(guī)風險資產(chǎn)的接受意愿。