[摘要]价值系数在企业价值评估中具有简单、省时和易于操作等优点，越来越受到人们的重视，运用愈益普及。本文构建了在价值评估中常用的价值系数框架体系，把常用的价值系数分成四类，即账面收益类、账面资产类、现金流量类和资产重置价值类，阐述了价值系数在价值评估中应用步骤以及应注意把握的操作要点与关键问题，并对各价值系数进行了比较，提出了其不同的适用情况。
[关键词]价值系数；价值评估；企业价值
价值系数是指企业价值或权益价值与企业账面总资产、账面净资产或税息前利润、净利润等财务指标的比值。价值系数法就是利用市场来担负一部分价值评估任务，分析被评估企业与参照企业之间差异因素，根据差异因素修正参照企业的价值系数，用修正后的价值系数作为被评估企业的价值系数，从而评估出被评估企业的价值。价值系数法只能在相同或类似企业之间进行比较分析，因为净利润或净资产相同的2家企业，其未来增长模式不同、资产盈利能力不同将导致两家企业价值相差很大。计算价值系数的数据一般直接来源于财务报表，评估企业价值简单明了。因此，价值系数法在企业价值评估中越来越受到重视。
一、价值系数的分类
价值系数有许多种类，常用的价值系数归纳起来可分为4大类，即账面收益类的价值系数、账面资产类的价值系数、现金流量类的价值系数和重置价值类的价值系数。
(一)账面收益类的价值系数
1.企业价值／税息前利润系数。企业价值／税息前利润系数是企业价值与税息前利润的比值。税息前利润为净利润加上所得税和利息支出，是企业总资产带来的报酬，也是企业股东和债权人所获得的账面收益。该价值系数的评估原理为折现总资产的报酬就是总资产价值(企业价值)，因此，总资产的报酬，即税息前利润的某个倍数就是企业总资产价值(企业价值)。
2.权益价值／净利润或每股价格／每股收益系数。权益价值／净利润或每股价格／每股收益系数是权益价值与净利润的比值，也称为市盈率。该价值系数的评估原理为权益价值是与净利润相关的，折现净利润是净资产价值(权益价值)。因此，企业净利润的某个倍数就是该企业的权益价值。
(二)账面资产类的价值系数
1.企业价值／账面总资产系数。企业价值／账面总资产系数是企业价值与账面总资产的比值。企业总资产带来税息前利润，因为税息前利润的某个倍数是企业价值，那么总资产的某个倍数也就是企业价值。
2.权益价值／账面净资产系数或每股价格／每股净资产系数。权益价值／账面净资产系数或每股价格／每股净资产系数是权益价值与账面净资产的比值，也称市净率。企业净资产带来净利润，因为净利润的某个倍数是权益价值，那么净资产的某个倍数也就是权益价值。
(三)现金流量类的价值系数
1.企业价值／企业自由现金流量系数。企业价值／企业自由现金流量系数是企业价值与企业自由现金流量的比值。企业自由现金流量是企业经营带来的满足企业再投资需要后尚未向股东和债权人支付现金前的剩余现金流量。企业自由现金流量相当于在现金收付制核算下的股东和债权人的总报酬，即营业利润。该价值系数的评估原理为，企业价值是企业自由现金流量的折现值。因此，企业价值与企业自由现金流量成某个倍数关系，该价值系数与企业价值／税息前利润系数类似。
2.权益价值／股东自由现金流量。权益价值／股东自由现金流量是权益价值与股东自由现金流量的比值。股东自由现金流量是企业给股东带来的，满足企业再投资需要后，可由股东自由处置的现金流量。股东自由现金流量相当于在现金收付制核算下的股东净利润。该价值系数的评估原理是，权益价值是股东自由现金流量的折现值。因此，权益价值与股东自由现金流量成某个倍数关系，该价值系数与权益价值／净利润系数类似。
(四)资产重置价值类的价值系数
资产重置价值类的价值系数也称托宾值，是资产价值与资产重置价值之间的关系。资产重置价值是指企业资产按现行价格、技术条件下重新构建相同或类似资产需付出的代价。资产的重置价值是资产的现时成本，即现时账面价值，而资产账面价值是历史成本，资产的历史成本、现时重置成本与价值都是相关的，是时间和风险因素对企业资产的度量。重置价值类的价值系数可分为企业价值／总资产重置价值系数和权益价值／净资产重置价值系数。
1.企业价值／总资产重置价值系数。企业价值／总资产重置价值系数是企业价值与总资产重置价值的比值。企业价值／总资产重置价值系数与企业价值／账面总资产系数本质上是一样的，因为账面总资产与总资产重置价值是相关的。但企业价值／总资产重置价值系数考虑的着重点不同，它依据资产的现时重建成本来推断资产价值。
2.权益价值／净资产重置价值系数。权益价值／净资产重置价值系数是权益价值与净资产重置价值的比值。权益价值是企业价值减去债务价值后属于所有者的权益价值。同样，净资产重置价值是总资产重置价值减去债务价值后属于净资产的重置价值。权益价值／净资产重置价值系数是从净资产重置价值来推断净资产价值即权益价值的。
二、价值系数法在企业价值评估中的应用步骤
价值系数法评估企业价值时应遵循4个步骤，同时注意把握每一步骤的操作要点以及关键问题：
1.选取参照企业。一般选取与被估价企业相类似的3个以上的参照企业，一般选取正常经营的上市公司作为参照企业。因为上市公司的股票在证券市场公开交易，存在活跃的交易价格，可以较容易确定参照企业的权益价值或企业价值。选取参照企业还必须注意两点：一是参照企业必须与被估价企业同处于一个产业，在产品种类、生产规模、工艺技术等技术方面相同或类似；二是在资本结构、资产盈利能力、增长阶段、增长速度等财务方面越相似越好。
2.计算参照企业的价值系数。选取了参照企业之后，接下来就是计算价值系数。首先是确定参照企业在评估基准日的权益价值或企业价值。因此，需要收集参照企业在评估基准日的证券市场交易价格，以此计算出参照企业的权益价值或企业价值。一般以评估基准日按交易量加权的股票平均价格作为计算参照企业的股票市值，股票市值一般就作为参照企业的权益价值。或者以评估基准日之前连续20个交易日按交易量加权的股票平均价格作为计算参照企业的股票市值。按交易量计算的加权平均交易价格计算方法是计算期股票交易总额除以股票交易总股数。参照企业的企业价值就是权益价值加上负债价值，负债价值一般以评估基准日的负债账面价值近似表示。其次，从会计资料中找出评估基准日参照企业的资产账面价值、净资产账面价值、税息前利润以及净利润、现金流量等会计数据，然后计算出参照企业的有关价值系数。 转贴于
3.比较分析差异因素，确定因素修正系数。尽管参照企业尽量与被估价企业相接近，但是，被估价企业与参照企业在产品品种、生产规模、品牌及营销等技术方面，在资产盈利能力、增长模式、资本结构及股本规模等财务方面总会存在一定的差异，在评估被估价企业价值时，必须对上述影响因素进行分析、比较，确定差异调整量。
被估价企业与参照企业的差异因素可归纳为3个方面，即交易情况、成长性和资产盈利能力，需对其进行修正。
(1)交易情况因素修正。如果参照企业的股票现行交易价格受到特殊因素影响而价格偏离正常价格时，需将其修正到正常价格。
(2)成长性因素修正。被估价企业与参照企业在市场竞争力、品牌、盈利能力及股本等因素差异最终体现在被估价企业与参照企业在成长性方面的差异上。这就要分析被估价企业与参照企业在税息前利润或净利润的增长率以及增长期限等因素，确定修正系数。如果参照企业的收益增长率比被估价企业高，那么计算出来的参照企业的价值系数就要比被估价企业的大。因此，要将参照企业的价值系数往小修正，以符合被估价企业的实际情况；反之，往大修正。同理，如果参照企业的收益增长期限比被估价企业的长，将参照企业的价值系数往小修正，以符合被估价企业的实际情况；反之，往大修正。
(3)资产盈利能力因素修正。资产盈利能力因素修正对涉及账面资产类的价值系数，如企业价值／账面总资产系数、权益价值／账面净资产系数是必需的。因为价值是未来收益的现值，未来收益大小取决于资产数量以及资产盈利能力。资产盈利能力因素修正主要比较超正常资产收益率大小，即资产收益率与其资本成本率的差额。如果参照企业的超正常资产收益率比被估价企业的高，那么计算出来的参照企业的价值系数就要比被估价企业的大。因此，要将参照企业的价值系数往小修正，以符合被估价企业的实际情况；反之，往大修正。
4.计算修正参照企业价值系数，评估被估价企业的价值。确定了差异因素修正系数后，各因素修正系数与参照企业的价值系数相乘计算出修正后的参照企业价值系数，以修正后的参照企业价值系数作为被估价企业的价值系数。在选取了多个参照企业的情况下，可以把修正后的参照企业价值系数简单或加权平均。被估价企业的评估价值就是修正后的价值系数乘以其对应的账面收益、账面资产或现金流量等会计指标，得到被估价企业相应的评估值。
三、价值系数之间的比较与选用
1.账面收益类和账面资产类的价值系数
账面收益类和账面资产类的价值系数都与财务报表相联系，收益和资产等相关数据来源于财务报表，计算相对简单。对于账面收益类的价值系数，需要关注企业未来收益的增长模式以及增长速度。对于账面资产类的价值系数除了关注企业未来资产增长模式以及增长速度外，还需要关注资产的盈利能力不同和变化。一般而言，企业收益的波动性一般比其资产波动性要大，如果被估价企业的账面收益如净利润或税息前利润波动较大，采用收益类的价值系数评估出来的企业价值的波动性也就大，这时选用账面价值类的价值系数能更稳妥些。如果被估价企业的账面收益波动不大或能较准确预测其未来增长情况，选用账面收益类的价值系数就更好，原因是账面收益类的价值系数不需要修正资产盈利能力差异因素，而账面资产类的价值系数则是必须修正的。
2.账面收益或资产类和现金流量类的价值系数
账面收益和账面资产可以从会计报表上直接获得，而现金流量如企业自由现金流量、股东自由现金流量一般不能直接从会计报表获得，测算相对繁琐些，如需要测算资本性支出和营运资本支出以及折旧、无形资产摊销额等。账面收益和现金流量都是反映企业经营活动和业绩的指标，不同的是，账面收益是以权责发生制为账务处理基础计算出来的经营成果，而现金流量是以收付实现制为基础计算出的经营成果。可以看出，现金流量比账面收益指标更直接、更客观，不受会计政策和会计估计的人为影响。另外，现金流量是企业价值最直接的推动因素。在参照企业和被估价企业之间会计政策差异较大时，账面收益和账面资产不具有可比性。因此现金流量类的价值系数更可取。
3.企业价值类和权益价值类的价值系数
企业价值类的价值系数估价的是企业价值，也就是企业总资产价值，其涉及账面总资产、税息前利润以及企业自由现金流量等财务指标。企业价值／税息前利润系数、企业价值／账面总资产系数和企业价值／企业自由现金流量系数等属于企业价值类的价值系数。
权益价值类的价值系数估价的是权益价值，也就是企业净资产价值，其涉及账面净资产、净利润以及股东自由现金流量等财务指标。权益价值／净利润或每股价格／每股收益系数、权益价值／账面净资产系数或每股价格／每股净资产系数和权益价值／股东自由现金流量系数等属于权益价值类的价值系数。
权益价值类的价值系数需要关注资本结构的不同。因为企业负债比率不同，即使企业规模相同、总资产规模相同、资产盈利能力一样，其净资产、净利润、股东自由现金流量也会不一样。而企业价值类的价值系数就无需考虑资本结构问题。当参照企业的资产负债比率与被估价企业的资产负债比率差异较大，或被估价企业的资本结构未来变化较大时，选用企业价值类的价值系数更为恰当，因为这些价值系数不必考虑资产负债比率对收益的影响，这样就免去了对参照企业资产负债比率的差异因素进行修正的麻烦。
4.会计指标类和资产重置价值类的价值系数
资产、利润和现金流量等都是会计指标，都直接来自企业财务会计数据，不需要进行资产评估或重新计量。账面资产类、账面收益类和现金流量类的价值系数都可归属于会计指标类的价值系数。资产重置价值类的价值系数需要评估企业资产的重置价值，这在实际操作中存在一定的难度，在实际价值评估中使用较少。资产重置价值类的价值系数主要应用于企业并购决策中，如在分析并购取得还是新建取得一家企业的互斥方案中具有很好的参考作用。当权益价值／净资产重置价值系数小于1时，并购取得企业要比新建企业合算。在这里，权益价值／净资产重置价值系数体现的是资本市场与实体资产市场的套利均衡思路。
参考文献
[1][美]弗雷德·维斯通，[韩]S·郑光.兼并、重组与公司控制[M].北京：经济科学出版社，1998.
一、引言
另类投资（AlternativeInvestments）有别于传统的股票、债券多头投资（long-onlyinvestments），其差异或者体现在投资方式上或者体现在投资对象上。从投资方式来看，另类投资主要投资于一些特定的工具，像对冲基金（HedgeFunds）、私募股权基金（PrivateEquityFunds）、交易所交易基金（ETFs）等；从投资对象来看，另类投资包括不动产（realestate）投资和商品（commodities）投资等。一般认为，另类投资具有流动性较差、需要较强专业知识、高风险高收益等特点。但更为重要的是，另类投资也被认为具有和传统投资低相关性的特点。根据马柯维茨的资产组合理论和夏普等人的资本资产定价模型（CAPM），投资组合中的风险资产相关系数越低其投资组合的标准差就越小，越有利于分散风险。因此，基金管理人在构建投资组合时也越来越经常地考虑另类投资。比如，著名的耶鲁大学捐赠基金和弗吉尼亚大学捐赠基金都配置了较大比例的另类投资，以2008年6月末为例，这两个大学捐赠基金的资产配置如表1所示。
需要注意的是，表1中两个学校的捐赠基金的现金头寸都是负数，这意味着在2008年6月末这两个基金都有净的资金借入或净贷款，但占整个投资组合价值的比例均不大。在这两个学校捐赠基金的资产配置中，另类投资都占到了极大的比重，原因之一可能在于2008年金融危机发生后，基金管理人更愿意将资产更多配置于和传统投资市场相关性较低的另类投资品种。商品投资作为另类投资的一种重要方式，虽然占整个投资市场的比例仍旧很小，但近年来已经获得长足的发展。商品投资的实现方式有现货交易和期货交易两种，而期货交易是最主要的一种。由于农产品的需求弹性较低，农业一直被认为是非周期性行业，农产品投资也是商品投资的主要对象之一。比如随着全球农产品价格在2011年一季度达到历史新高，和农产品相关的交易所交易基金（ETFs）的需求也随之增加。根据Pleven（2011），2011年1月和2月，美国投资者总共对农产品相关的交易所交易基金注入了10亿美元。基于以上思路，本文在另类投资相关研究背景下，主要研究我国农产品期货和传统证券市场的相关性问题，分析农产品期货对投资组合分散风险的作用，并提出相关的投资对策和建议。
二、文献回顾
（一）国外相关研究国外对于商品投资（包括农产品）对于分散投资组合风险的研究在近十年以来经历了两种观点的转变。国外较早的研究比如Gorton和Rouwenhorst（2006）以及Erb和Harvey（2006）均认为，商品投资以及农产品期货投资的收益率和股票市场的收益率相比具有低相关性的特点，因此商品投资能够加入股票投资组合以分散风险。再比如，Fleming、Kirby和Ostdiek（2006）认为农产品市场价格变动的方差显著低于股票市场，在极端假设下，农产品期货价格仅仅和天气有关，而和股票交易没有任何相关性。而最近的研究表明，对于不同种类的商品投资，在不同时间段和股票市场的相关性也是不同的。比如根据Inamura等（2011）以及Tang和Xiong（2010）的研究，进入21世纪初能源期货（主要是原油期货）、农产品期货和股票市场几乎表现出了零相关性，但2004年以后商品投资（尤其是农产品指数）和其他资产收益率的相关性日益增加。究其原因，他们认为这是由于近年来，商品投资交易所交易基金获得了巨大发展，包括农产品期货指数、能源期货指数和金属期货指数的构建，为投资者提供了商品投资的便捷途径，越来越多的基金将商品投资纳入投资组合，因此商品投资和其他资产收益率的相关性也就日益增加。Mayer（2009）的研究也表明指数交易者对于农产品投资的价格也有一定的影响。在农产品投资的实践上，国外学者Waggoner（2011）认为交易所交易基金是较好的选择。在现实中，国外投资者也主要通过交易所交易基金进行农产品投资：荷兰银行（DeutscheBank）在2007年1月5日设立的强力农产品基金（PowerSharesDBAgricultureFund）是现在最大的农产品交易所交易基金，2011年3月资金规模就已达到28亿美元；世界第二大的农产品交易所交易基金是由瑞典出口信贷公司（SwedishExportCreditCorporation，SEK）在2007年10月17日发行的农产品指数基金，2011年3月资金规模也已达到4亿美元。从国外已有文献来看，商品投资包括农产品投资在投资组合中的作用引起了较大的关注并被深入研究，在实践中各种类型的投资者越来越多地在资产组合中加入商品投资以分散风险。
（二）国内相关研究国内关于商品投资包括农产品投资分散投资组合风险的研究尚不多见，绝大多数关于农产品期货的研究主要集中于期货的价格发现功能。也有国内学者考察农产品期货和股票市场之间的关系，但着眼点还是在于农产品期货与相关农产品上市公司股票价格之间的关系，比如寇明婷、卢新生和陈凯华（2011）通过构建农产品期货综合价格指数与相关上市公司股票综合价格指数，运用由协整、Granger检验及向量自回归多元模型构成的递进式的计量分析框架，对2005—2010年间两类市场的互动关系进行了实证研究与深入分析。研究发现，农产品期货市场与相关股票市场之间关联度高，存在长期均衡的互动关系；农产品期货市场短期价格与均衡价格的偏离对相关股票价格有显著的引导拉动作用。此外，实证分析还表明两类市场存在由期货市场到股票市场单向的波动溢出效应。张喆和罗泽举（2011）以棉花交易品种为例，考察我国期货市场与股票市场之间的关系，利用格兰杰因果检验分析两个市场的相关影响关系。他们认为由于期货市场与股票市场上棉花产品收盘价格都是一阶单整序列，因而可以采用协整分析方法，建立了两者的长期均衡方程和短期误差修正模型，其着眼点其实还是在于期货价格发现功能。由于国内相关研究的缺乏，本文试图开阔我国农产品期货投资的研究领域，分析农产品期货与证券市场收益率的相关性，从投资组合的角度分析农产品期货分散风险的作用，从理论和实践两个方面做有益的探讨。
三、我国农产品期货与股票、债券的收益率和风险比较
为了研究农产品期货与传统投资市场的相关性，我们采用易盛农产品期货价格指数、上证综合指数和国债指数来衡量农产品期货与股票、债券的收益率，样本期间为2009—2013年共5年，以月度数据为样本。具体收益率按照金融领域一般计算方法，以本月价格除上月价格取对数作为本月收益率，即ri=LN（Pi/Pi-1）作为第i月收益率，本文称之为月度对数收益率。易盛农产品期货价格指数、上证综合指数和国债指数的月度对数收益率曲线如图1所示：在图1中，stock曲线表示上证综合指数收益率，bond曲线表示国债收益率，AFI曲线表示农产品期货价格指数收益率（100%保证金比例，多头）。从图1可以看到，我国股票市场的收益率和农产品期货价格指数收益率的波动明显较国债收益率大。根据最近五年的数据，我们也可以得到这三种投资收益率的均值和方差（表2）。表2中的收益率均值和标准差均是未经年化的月度值，表2表明近五年来股票（上证综指）的月度收益率为0.250%，国债为0.233%，农产品期货（保证金比例为100%，多头）为0.437%，这意味着农产品期货的收益率最高，股票次之，国债最低。但从风险角度而言，国债的标准差最低，仅为0.231%；股票的标准差最大，为7.161%。
这似乎意味着股票的风险高于农产品期货的风险，但期望收益率却比农产品期货要低，这与有效市场理论相违背。需要注意的是，期货交易采用保证金交易，而表2中的数据是根据指数或价格变动得到的，根据我国农产品期货交易规则，期货保证金比例会随最后交易日的临近而有所不同，越是临近最后交易日保证金比例越高，但总体在5%—35%之间。如果以中值20%作为保证金比例，那么价格波动1%，收益或亏损就将达到5%，标准差也将增长5倍，由此表2中农产品期货收益率的均值将达到2.2%左右，标准差就达到25%左右，农产品的期望收益率以及风险均是最高的。根据上文分析可以看出，在近五年来我国国债投资的风险以及期望收益率是最低的，股票投资的风险与期望收益率比债券都要高，而农产品期货的风险与期望收益率在这三种投资中均是最高的。
四、我国农产品期货与股票、债券的相关性和具体品种分析
（一）我国农产品期货与股票、债券的相关性分析由于在投资组合中，各资产类别的相关性越低，在其他条件相同下，投资组合的标准差将越小，风险也就越低。因此分析农产品期货和股票、债券（以国债为例）的相关性对研究投资组合的风险分散作用就显得尤为重要。以下从相关系数以及线性关系两个方面展开：1、相关系数分析根据2009—2013年5年的月度数据，农产品期货指数、上证综指和国债指数的相关系数如表3所示。从表3可以看到，农产品期货指数与上证综指、国债指数的相关系数分别为0.240和-0.196，相比较上证综指与国债指数的相关系数-0.443，这两个相关系数的绝对值还是比较低的。如果我们让这三个相关系数的原假设为0（即H0ρ=0），则农产品期货指数与上证综指、农产品期货指数与国债指数、上证综指与国债指数的p值分别为0.0642、0.1327和0.0004，所以在95%的置信水平下，前两个相关系数我们不能拒绝原假设，即可以认为农产品期货指数与上证综指、国债指数均是无关的，这就意味着在以股票和债券构成的传统投资组合中如果加入农产品期货可以扩大投资的可能性边界，能够有效分散投资风险。当然，我们也可以看到国债指数和股票指数相关系数的p值为0.0004，在95%的置信水平下应该拒绝原假设，国债指数和股票指数的变动存在一定的相关性，如果构建头寸不当，以股票和债券构成的传统投资组合会遭受相同的系统性风险。2、线性回归分析确定若干变量之间是否存在相关性，除了计算相关系数以外还可以通过线性回归进行分析。由于本文涉及的上证综指、国债指数与农产品期货价格指数均为时间序列，在进行线性回归前必须做平稳性检验或协整检验。根据Granger（1981）的研究，对于时间序列而言，有可能序列本身不平稳但仍旧存在稳定的线性组合，所以我们在做回归前先用ADF模型做单位根检验，如果序列本身平稳就无需做协整检验；如果序列本身不平稳，则必须做协整检验。我们直接对农产品期货指数、上证综指与国债指数的对数收益率做滞后0阶的ADF检验，结果如表4所示。从表4可以看到，由于ADF检验的p值均小于1%，因此我们应该拒绝原假设，这三个序列不存在单位根，可以认为农产品期货指数、上证综指与国债指数对数收益率本身就是稳定的。这个结论和一般的研究相符合，已有研究大都认为指数价格变化滞后1阶是平稳的，而本文的收益率是价格之比取对数得到的，其本身就是平稳序列。用上证综指、国债指数对数收益率对农产品期货指数对数收益率做线性回归得到以下方程：RA=0.0096452+0.1324884RS-2.40115RB（1）（p值0.186）（p值0.436）在（1）式中，RA表示农产品期货指数对数收益率，RS表示上证综指指数对数收益率，RB表示国债指数对数收益率。由于回归系数的p值为0.186和0.436，均远远大于0.05，因此不能拒绝这两个系数为0的原假设，也就是说股票价格和债券价格对于农产品期货价格不存在显著影响。这个结论和相关系数分析的结论一致，也意味着在以股票和债券构成的传统投资组合中如果加入农产品期货可以有效分散投资风险。
（二）农产品期货具体品种分析上文分析了农产品期货指数与股票、债券收益率之间的关系，而农产品期货的种类繁多，每个农产品期货与股票、债券之间的相关性不尽相同，以下我们从投资角度，以易盛农产品期货价格指数的二级指数为研究对象，分析具体农产品期货的投资价值。1、相关系数分析易盛农产品期货价格指数的二级指数主要包括农期强麦、农期谷物、农期软商、农期油脂、农期棉花、农期白糖和农期菜油等。各品种指数的月度对数收益率与上证综指、国债指数月度对数收益率的相关系数如表5所示。表5中每格均有两个数字，前一个为相关系数，括号内为p值。根据表5，所有的期货品种与国债指数均可以认为不相关（与国债的p值均大于0.05）。而不同的期货品种和股票市场表现出了不同的相关性，农期油脂、棉花、菜油的p值均小于0.05，和股票市场表现出很强的正相关性，农期白糖的p值为0.09，也表现出和股票市场一定的弱相关性；农期强麦、谷物、软商的p值均远大于0.05，可以认为和股票市场不存在相关性。究其原因，可能在于股票市场价格变化受经济周期的影响，油脂、棉花、菜油等可能需求弹性较大，也容易受到经济周期影响，因此和股票市场表现出较强的相关性；而强麦、谷物、软商等商品本身需求弹性较小，具有非周期性的特点，因此和股票市场的相关性较弱。综上分析，从投资角度而言，如果想要在传统投资组合中加入农产品期货以分散风险，为了尽可能降低系统风险的影响，应该在投资组合中加入农期强麦、农期谷物和农期软商等品种。2、夏普比率分析夏普比率是用来计算投资资产中每一单位风险所得到的超额补偿，其计算公式为：夏普比率=［E（Rp）－Rf］/σp（2）在（2）式中，E（Rp）表示投资组合或资产的期望收益率，Rf表示无风险收益率，σp表示投资组合或资产的标准差。一般认为夏普比率越高，每一单位风险得到的超额补偿就越高，在其他条件相同时，风险规避者会选择夏普比率高的项目进行投资。我们可以将国债指数的月平均收益率（0.233%）作为无风险收益率，以2009—2013年的月度数据计算各农产品期货的期望收益率和标准差以此得到各农产品期货的夏普比率，结果如表6所示。农期强麦和农期谷物由于在近五年来价格成下跌趋势，表6中的收益率为空头收益率，而农期油脂和农期菜油由于平均收益率较低但波动较大所以夏普比率为负数，这两个品种是不适合风险规避者投资的。结合表5和表6我们可以这样认为，如果想在以股票和债券为主的传统投资组合中加入农产品期货以降低系统性风险，农期软商和农期白糖将是不错的选择。农期软商价格的波动和股票市场几乎不相关，夏普比率也较高，达到了8.40%，风险得到了较高的补偿；农期白糖在95%的置信区间和股票市场表现出相关性，但在90%的置信区间和股票市场不相关，而农期白糖的夏普比率达到了9.67%，风险得到了最高的补偿。
五、结论与农产品期货作为投资组合的策略和建议
通过本文分析我们得出以下基本结论：近五年来我国国债投资的风险以及期望收益率是最低的，股票投资的风险与期望收益率比债券都要高，而农产品期货的风险与期望收益率在这三种投资中均是最高的；农产品期货作为整体和股票市场以及债券市场表现出了低相关性，在以股票和债券构成的传统投资组合中如果加入农产品期货可以扩大投资的可能性边界，能够有效分散投资风险；对于具体的农产品期货品种，农期强麦、谷物、软商均和股票市场不存在相关性，农期白糖和股票市场存在一定的弱相关性，农期油脂、棉花、菜油和股票市场表现出很强的正相关性，结合夏普比率，农期软商在最大化分散风险的同时可以得到较高的风险补偿，而农期白糖在风险得到最高补偿的同时也可以有效分散风险。在构建包含农产品期货的投资组合时有几点是需要注意的：
（一）准确测定投资者的风险态度和风险承受能力金融投资的风险和收益是相互对应的，常规的投资可以分为三大步骤：确定投资目标并制定投资计划，执行投资计划，跟踪反馈投资执行效果。对于基金经理而言，投资者的风险态度和风险承受能力是决定投资目标和计划的重要因素，如果要在投资组合中加入农产品期货，首先要做的就是准确测定投资者的风险态度和风险承受能力。我们可以通过设计专业的调查问卷来了解投资者的相关情况，由于农产品期货属于高风险投资，一般只适合高风险容忍度和高风险承受能力的投资者。需要注意的是，风险容忍度或风险态度与风险承受能力是不同的概念，风险容忍度是投资者对风险的主观意愿和态度，投资者越是追求高收益并愿意容忍更高的风险，风险容忍度就越高；而风险承受能力是一种客观的经济条件，投资者的收入越稳定，总财富的水平越高，风险承受能力就越强。我们认为，只有在测定投资者具有高风险容忍度和高风险承受能力时才能考虑农产品期货投资。
（二）合理确定农产品期货在投资组合中的权重、仓位以及品种如果投资者符合高风险容忍度和高风险承受能力，基金经理进行投资时还需要合理确定农产品期货在整个投资组合中的权重。这就需要考虑相关的法律法规（比如我国现有的公募基金在投资方面就有很多限制）以及基金自身的风格。一般而言，如果基金风格是稳健型的，即使涉及农产品期货投资，仓位也不宜过大；如果基金风格是进取型的，则可以根据投资者的情况合理确定农产品期货的仓位以达到投资目标；这就需要具体情况具体分析。一旦确定在投资组合中加入农产品期货，则应选择和传统证券市场相关性低、风险能够得到较好补偿的品种，比如根据本文的研究可以选择农期软商和农期白糖。
物流业在我国属于一个新兴行业，就整体而言，同国外物流企业相比差距较大，企业竞争力较低，信息程度差一直是我国物流企业的通病。据了解，规模整体较小而导运输力不足、效率低下，从业者素质良莠不齐，是我国物流企业面临的主要问题。因此，现在国内物流企业盲目规模扩张，但是，现阶段我国大多数物流企业仍然处于粗放式经营的层面，规模增加了但是效益增长并不理想。如果物流企业盲目扩张规模导致效益下降，则从长期看，无论物流企业的规模有多大，其发展都是不可持续的，因此研究物流企业规模与效益的关系成为了首要问题。本篇文章通过对多家物流公司数据进行分析，进而提出相关研究启示。
二、文献回顾及其评价
目前国内外关于企业规模与效益的实证研究有很多，但是专门针对物流企业进行详细研究的还比较少，不过相对整体来说，还是有很大的借鉴意义。对国内外关于企业规模与效益的研究进行了统计，综合来看，结果大体有以下观点：
（一）企业规模与效益正相关。喻勤娅[1]（2009）认为，规模和效益正相关，文章选用7年所有煤炭行业上市公司财务数据文章最后根据结论提出我国煤炭行业改进方向即：集团化、规模化经营是煤炭企业的必由之路。霍春辉、刘力钢、魏永德[2]（2009），文章指出，从长期数据来看，基本上规模越大的企业绩效指标的表现相对稳定而且越好，两者之间存在一定的正相关关系。
（二）企业规模与效益负相关。Dhawan[3]（2001）认为，规模和效益之间负相关，文章采用的是1970年～1989年间美国上市公司的数据，并运用面板数据模型进行了实证分析，结果显示随着企业规模的扩大，企业的效益在减少，也即企业规模与效率之间的负向关系。李绍星，冯艳丽[4]（2007），通过相关性分析得出中国保险业集中度与绩效负相关，保险业规模与绩效正相关的结论。
（三）企业规模与效益并不完全正相关或负相关。何元贵[5]（2009）认为，规模和效益不是完全正相关或者完全负相关，文章运用的是中国汽车生产企业的规模和效益的数据得出结论：大多数中国的汽车生产企业并没有处于规模有效的区间内，生产经营效率偏低。杜春丽，成金华，邹伟进[6]（2009）认为，钢铁行业的规模和效益的关系在我国不是特别明显，文章最后指出，要使规模和效益之间有正向的关系，可以通过3个途径：完善市场竞争机制、完善制度的建设和加强企业的管理三方面。华翠菊[7]（2012）等人认为：高校规模与效益不存在明显的相关性关系，但是通过模型指出了最佳的规模范围，能使效益达到较高水平。喻智[8]（2014）认为中国汽车产业规模和效益不存在明显的关系，主要为在于管理缺位和市场预期不足。
国内外这些研究表明，企业规模与效益之间存在正相关、负相关和不相关三种关系，这可能是由于各位学者选用的企业类型和样本数据的不同，同时实证所用的统计方法不用造成的。为了能更真实地了解我国物流企业的规模和效益的关系，本文选择我国27家上市物流公司2015年数据，在理论方面和实证方面重新进行研究。
三、研究设计
（一）规模和效益衡量标准
1、上市物流公司规模的衡量标准。目前在学术界，上市物流公司的规模主要使用以下指标衡量：第一种是总资产。总资产等于负债加所有者权益，反映上市物流公司的资产总量。二是销售收入。本文选取总资产作为衡量公司规模的标准，将总资产分为流动资产、长期资产、固定资产和无形资产四个部分，因为不同的资产类型也会对规模有不同的影响。
2、上市物流公司效益的衡量标准。衡量上市物流公司效益的指标主要有：一是总资产收益率，二是净利润。本文选取净利润作为衡量公司效益的标准，因为净利润作为利润状况的绝对值，能够准确反映出当年企业的效益。
（二）样本与样本区间选择。根据中国证监会2015年《上市公司行业分类指引》，本文所选多行业样本，涵盖上市物流公司涉及的仓储、公路运输、铁路运输、水上运输、航空运输、运输辅助等所有行业。因此，本文样本涵盖面广，有较强的代表性。
（三）研究假说与研究假设
1、研究假说。假说二：物流企业规模与效益在总体上不存在明显相关关系；假说三：物流企业不是规模越大，所获得的效益就越多；假说四：物流企业的不同资产的扩大，对于效益的影响不同。
2、研究假设：这些物流公司所披露的数据都是可靠的。
四、实证分析
（一）相关分析。由表1和表2表示企业长期资产和利润之间的pearson的相关系数为0.731，sig取值为0.00具有显著性而用spearman先关系数为1.00。sig取值为0.002同样具有显著性同属与净利润称正相关。根据判断相关性的方法可以看出流动资产的SIG取值为0.101大于0.05与净利润相关性不显著同时相关系数在1到0.7之间较为合适同样不符合。于是将长期资产剔除。其他几项都满足并且成正相关。
对企业资产的四个维度与净利润之间的相关性分析可以看出，长期资产与净利润之间的关系最明显。且这四种企业资产与净利润成正相关，经过分析我们可以得出结论如下，企业资产与企业净利润之间是正相关关系，另外不同维度的企业资产对净利润的正相关程度是有差异的。
（二）回归分析
相关分析初步说明了各因素之间存在相关性以及关系的紧密度和方向，而通过回归分析可以进一步指明关系的程度，可以探明因素之间是否存在因果关系。本节采用多元逐步回归模型，研究物流企业规模（总资产）与效益（净利润）之间的因果关系。
本文的回归分析中，采取逐步回归方式，将自变量逐一纳入回归方程，进入回归方程的变量系统的F统计量的概率采用SPSS默认的0.05的标准。而在此主要验证资产中的无形资产、固定资产、长期资产和流动资产与物流企业净利润的因果关系。
表5中可以看出，模型3比较符合有为标准化的回归系数可知，模型的拟合结果为：
净利润=2.56X1-0.039X2+0.161X3-17109.862，可以看出资产与利润之间不存在明显相关性，但无形资产、长期资产与利润之间存在正相关关系。
由表6中给出的数据看到，最终进入模型的无形资产，固定资产，长期资产是不存在线性问题。
五、结论
综合上述结果可知：第一，上市物流公司规模与效益之间不存在明显相关关系，但偏向于正相关，且二者之间有着显著的不平稳状态。第二，我国物流业仍处于高速发展期，现实中很多物流公司，更注重规模扩张，进行多元化经营，但没有考虑规模扩张对公司效益产生的负面影响。第三，上市物流公司规模与效益之间的关系并不明显，现有的上市物流公司不但未表现出规模效应，而且从实证结果来看，这一扩张模式带来的直接后果就是出现公司规模越大，公司效益越低这一不正常现象。
基于以上结论，为物流企业提出以下建议：第一，不要为了增加企业效益而盲目的扩大企业规模，盲目的的扩张只会适得其反，为企业带来不必要的负担。第二，要加强信息化的使用，适当的扩大增值服务，增强营运能力和盈利能力，提高技术进步和服务创新，而不是盲目的扩大资产规模。
关键词：投资者情绪 会计信息 相关分析 回归分析
一、引言
股票价格的变化与投资者的利益息息相关，投资者时刻关注着股价的变化以及与股票市场的相关信息。财务报告是上市公司向投资者传达公司信息的重要载体，投资者从财务报告中能获取公司的财务状况、经营成果、现金流量、营运能力等相关信息。在对上市公司的会计信息进行分析后，投资者能综合评价公司的盈利能力和经营风险，并对股票的内在价值作出评估，进而制订相应的投资决策。西方很多学者对会计信息与股价之间的关系做了研究，发现投资者高度重视会计信息，财务报告向股票市场传达了有用的信息，会计信息直接影响着股票定价。行为金融学研究表明，股价的波动幅度大大高于会计信息的解释能力。行为金融学认为现实中的人不可能做到完全理性，受制于认知能力、记忆力以及自身偏好的局限，投资者在判断市场上不同的信息时往往会有偏差，产生投资者情绪，因而投资者情绪是影响资产定价的重要因素。我国经济基本面对股价波动的解释能力有限。影响股票波动的另一个重要方面是投资者情绪。上市公司的财务信息是投资者判断股票内在价值的基础之一，研究会计信息与投资者情绪之间的关系对指导投资者进行正确的投资操作具有现实意义。
二、文献综述
（一）国外文献 Delong、Shleifer、Summers和Waldmann（1990）提出：市场中存在交易行为受自己主观认知偏差影响的投资者，他们在资产价格所反应的信息中融入了噪音，因而该类投资者被称为“噪音交易者”，其认知偏差则被称为“噪音交易者情绪”。由于投资者具有异质性且能够相互影响，因而面对同样的信息，不同的投资者会形成不同的认知从而做出差异性决策。在模仿和学习等社会互动机制作用下，投资者情绪和行为趋于一致，从而形成社会偏差，市场错误定价的现象也随之发生。基于此，DeLong（1990）等认为投资者情绪具有系统性和不可预测性，是影响资产定价的系统性风险。该研究引起了学术界的广泛关注，有关投资者情绪的相关研究成为行为金融理论的研究热点。到目前为止，对于投资者情绪的定义学术界尚无统一的标准。Zweig （1973）认为投资者情绪源于投资者对资产价值期望的偏差；Black （1986）则认为投资者情绪来源于资本市场中的噪声交易者。Lee等1991）将投资者情绪定义为投资者对资产未来收益的期望中那些无法被基本面所解释的部分。安德瑞・史莱佛（2003）认为，要利用行为模型进行相对准确的预测，就要给出投资者的非理性形式，即人们如何错误地应用贝叶斯法则或违反主观预期效用理论，而确定投资者的信念和价值的过程被称为投资者情绪。Baker和Stein （2004）指出投资者情绪是投资者对资产价值的错误判断，并采用投资者的价值判断与资产真实价值之差的形式定义投资者情绪。Baker，Wurgler（2006）认为投资者情绪是指投资者基于对资产未来现金流和投资风险的预期而形成的一种信念，但这一信念并不能完全反映当前已有的事实。通过以上分析可知大多数研究者认为投资者情绪是指投资者价值认知与真实价值的差异，该差异对资产价格有重大影响。投资者情绪研究的难点在于投资者情绪的测量问题。前人所构建的度量方法，主要有: Lee、Shleifer和Thaler（1991）封闭式基金折价法；Neal和Wheatley（1998）共同基金赎回法；Jones（2001）交易量法；Lowry和William（2002）IPO发行量及首日收益法；Qiu and Welch（2004）信心指数调查法；Brown和Cliff （2004 ）的消费者和投资者调查法、新股发行额法、技术指标法、基金资产中的现金比重法、基金持仓比例法；Baker和Stein（2004）市场流动性方法等。
（二）国内文献 在国内，目前应用最广泛的投资者情绪测量指标是央视看盘BSI指数。饶育蕾、刘达锋（2003）根据央视看盘的预测数据构造了BSI指标，并通过实证分析发现中证报机构看盘BSI以及央视看盘BSI与未来收益率之间的关系并不显著。王美今、孙建军（2004）同样根据央视看盘BSI进行实证分析指出：沪深两市投资者情绪变化能够显著影响收益，对收益具有显著的反向修正作用。韩泽县（2006）同样根据央视看盘BSI研究发现，个体投资者情绪变化不具备收益预测能力，而机构投资者情绪变化有一定收益预测能力。总结前人的研究成果，我们发现前人的研究侧重于投资者情绪对资产价格以及收益的影响，而对于是什么因素影响了投资者情绪则很少涉及。众所周知，会计信息与资产价格密切相关，会计信息的公布对资产价格有着巨大的影响，因而本文从会计信息的角度出发，旨在探讨会计信息与投资者情绪之间的相互关系。
三、研究设计
（一）研究假设 Ball和Brown（1968）对年度报告盈利数字与股票价格之间的关系进行了实证研究，一方面说明股票价格能够对公司的盈利信息做出反应，公司披露的盈利数字在股票定价中起了作用；另一方面也说明会计信息公布后，投资者会逐步调整股价使之接近股票的内在价值。Beaver（1968）发现在公司年报披露的当周，其股价的波动幅度和交易量均显著地高于其他交易周，说明投资者在交易时使用了公告的会计信息，但会计信息也使得股票价格在会计信息公布当周显著偏离股票价值，在其后数周股票价格才逐渐回归股票价值，这说明会计信息使得投资者产生了噪声交易，也就是说会计信息能触动投资者情绪使得股价偏离了其价值。Black（1986）研究认为股票价格不仅反映了会计信息，还反映了噪音交易者的噪音。Froot、Scharfstein和Stein（1992）等认为：证券市场中短期交易普遍存在，交易者可能聚集在某些信息甚至是与基础价值毫不相关的信息或谣言上进行交易。Ball（1995）研究发现由于噪音的存在，出现了许多诸如股票市场过度反应等异常现象，因而他认为股票市场可能没有像人们所假设的那么有效。前人的研究表明市场上非理易者大量存在，投资者能够对会计信息做出反应，但并不是每个人都能先验地判断哪些会计信息与价值有关、哪些信息与价值无关，且更难判断会计信息与价值的相关程度如何，从而会计信息能够使得投资者产生情绪。本文提出如下假设：
假设：会计信息（每股净资产、每股收益、总资产净利润率、营业收入净利润率等）能够显著影响投资者情绪
（二）变量定义 （1）被解释变量。投资者情绪研究的难点在于投资者情绪测量指标的构建。前人构建的投资者情绪的测量指标大多以整个市场为研究对象，能反映单一资产的投资者情绪测量指标，到目前为止只有流动性方法应用较为成熟。因而本文拟采用类似Watkins （2003）的设计，利用流动性指标换手率的增长率作为投资者情绪的测度，梁丽珍（2010）对这个指标与常见的基于高频买卖数据的投资者情绪测量指标进行过对比，发现两者之间具有显著相关性，这说明该指标的构建比较合理且具有稳定性。
SENTi，t=■
式中下标中i表示第i家上市公司，t表示会计信息公布的当周，这里的周是指会计信息公布后的连续5个交易日。换手率拟选取会计信息公布前一周（t-1）的换手率平均值与会计信息公布后一周的换手率的平均值。
（2）解释变量。上市公司披露的会计信息内容丰富，信息量巨大，而且并不是每个指标都与股票价值密切相关，因而需要选取具有代表性的指标作为自变量。综合前人的研究成果，本文选取了能综合反映上市公司盈利能力、营运能力、偿债能力、资本保值能力、和成长性等指标: 流动比率（LD）、每股收益（EPS）、市盈率（PE）、每股净资产（BV）、账面市值比（M/B）、每股留存收益（REP）、利息保障倍数（EBITI）、营业利润率（OPR）、资产报酬率（ROA）、总资产净利润率（TANIR）、净资产收益率（ROE）、应收账款周转率（ARR）、总资产周转率（TAR）。根据前人的研究成果，这些指标能在一定程度上影响资产的价格，进而影响资产的收益率，因而投资者非常关注这些会计信息，这些会计信息的变化能够显著影响投资者的决策。
（三）样本的选取 本文随机抽取了沪深两市300家上市公司作为研究对象，检验的样本区间为2009年度，其全部财务指标数据来自CSMAR数据库和上市公司的年报，投资者情绪等数据通过手工计算取得。个股收益率为经过除权分红，配股增发等调整后的收益率。对上述公司，做如下处理：为了避免新上市公司IPO效应的影响，剔除了2008年1月1日后上市的公司，另外，带ST或PT标志的股票较为特殊，故剔除。数据分析采用SPSS18.0统计软件。
四、实证结果分析
（一）描述性统计 表（1）是300家公司2009年会计信息描述性统计。从表（1）中可以看出，投资者情绪的极小值为-0.749，极大值为10.669，两者相差较大，这说明投资者不仅对会计信息有反应而且对不同的会计信息反应差别较大。大部分指标的标准差小于1，说明数据的离散程度不高，有利于分析的准确性。
（二）相关性分析 表（2）所进行的是会计信息相关指标与投资者情绪的相关分析。分析结果显示在置信度为95%的条件下通过双尾检验，具有统计意义的会计信息指标有每股收益（EPS）、每股净资产（BV）、每股留存收益（REP）、资产报酬率（ROA）、总资产净利润率（TANIR）、净资产收益率（ROE）。其中每股收益（EPS）与投资者情绪相关系数最高，其值达到了0.180，这说明投资者最关心的是股东获利能力，反映股东获利能力的会计指标最能触动投资者情绪。余下的通过统计检验的会计信息相关指标按照相关系数由大到小排序分别为每股留存收益（REP），其相关系数为0.154，净资产收益率（ROE），其相关系数为0.150，每股净资产（BV），其相关系数为0.148，总资产净利润率（TANIR），其相关系数为0.143，资产报酬率（ROA），其相关系数为0.135。这些通过统计检验的会计信息指标均是反映公司获利能力以及股东获利能力的指标且均与与投资者情绪呈正相关关系，这说明随着公司获利能力以及投股东获利能力的提升，投资者情绪倾向于乐观，投资者情绪的高涨，也就隐含了投资者对某一上市公司的看好。通过相关分析，也证实会计信息与投资者情绪之间具有显著的相关关系。
（三）回归分析 根据前面所做的会计信息与投资者情绪的相关性分析结果，本文选取与投资者情绪具有显著相关性的每股收益（EPS）、每股净资产（BV）、每股留存收益（REP）、资产报酬率（ROA）、总资产净利润率（TANIR）、净资产收益率（ROE）这几个会计指标与投资者情绪做多元线性回归分析。本文将采用如下模型来检验会计信息对投资者情绪的影响：
SENTi，t=?茁0+?茁1×BVi，t+?茁2×EPSi，t+?茁3×REPi，t+?茁4×ROAi，t+?茁5×TANIRi，t+?茁6×ROEi，t+?着
表（3）、表（4）、表（5）是根据上述模型所做的回归分析的结果，所采用的方法为逐步剔除法，这样避免了多重共线性。表（3）反映的是采用逐步剔除法时模型的拟合情况，相关系数R为0.180，可决系数为0.032，调整可决系数为0.029。从表（3）可以看出，采用逐步剔除法时只有每股收益（EPS）通过了显著性检验最终进入了方程。这说明虽然其他会计信息与投资者情绪之间具有显著的相关关系，但其具体关系可能不是线性关系，因而用线性模型不能够较好的拟合这些变量，也就是说投资者对这些会计指标的反应较为复杂。采用逐步剔除法时只有每股收益进入了方程，这也说明我国证券市场上一般投资者在进行投资决策时，往往单纯考虑每股收益的指标，但实际上每股收益指标并不能完全反映上市公司的财务状况、经营成果以及现金流量，仅仅依赖每股收益指标进行投资，片面、孤立地看待每股收益的变动，可能会对公司的盈利能力及成长性的判断产生偏差，从而做出错误的价值判断产生噪声交易。表（4）为该多元回归模型的方差分析，从该表中可以看出离差平方和为251.089，残差平方和为242.979，而回归平方和为8.110，回归方程的显著性检验中，统计量F=9.946，对应的置信水平为0. 002，远比常用的置信水平0. 05要小，因此可以认为方程是极显著的。表（5）是回归方程的系数以及对回归方程系数的检验结果，系数显著性检验采用t检验。回归方程的系数同时给出了标准化和未标准化结果。方程标准化以后，就没有常数项了。未标准化回归方程的常数项为0.239，自变量每股收益（EPS）系数为0.417。对回归方程系数的检验结果，常数项检验对应的置信水平为0.001，远比常用的0. 05小，因此可以认为常数项是显著的，不为0;自变量每股收益（EPS）系数检验对应的置信水平为0. 002，远比常用的置信水平0. 05小，因此该系数是显著的。
五、结论
本文随机抽取了沪深两市300家上市公司作为研究样本，采用2009年的年报数据对会计信息与投资者情绪关系进行了实证研究，得出以下结论:通过相关分析，本文证实了反映股东获利能力的每股收益（EPS）、每股净资产（BV）、每股留存收益（REP）以及反映公司盈利能力的资产报酬率（ROA）、总资产净利润率（TANIR）、净资产收益率（ROE）与投资者情绪之间存在显著的相关关系。其中每股收益（EPS）与投资者情绪相关系数最高，这说明投资者最关心的是股东的获利能力，反映股东获利能力的会计信息最能触动投资者情绪。在做线性回归分析时我们发现只有每股收益（EPS）通过了显著性检验，其他与投资者情绪存在相关性的会计指标均未通过显著性检验。这一方面说明了每股收益（EPS）对投资者情绪存在直接影响，与投资者情绪具有显著的线性关系；另一方面也说明了与投资者情绪存在显著相关关系的每股净资产（BV）、每股留存收益（REP）等会计指标与投资者情绪并非是简单的线性关系，投资者对这类会计信息的反应可能较为复杂，因而不能用简单的线性模型来描述它们之间的关系。其具体关系有待进一步研究。本文对会计信息与投资者情绪的相关性研究，仅从横截面进行了分析，未作纵向分析，纵向分析的缺失使得我们无法认识到会计信息与投资者情绪相关关系的长期趋势。如果能够变换时间窗口，同时考虑年报披露的信息影响区间，可能会得到更加贴切的结论。
参考文献：
［1］王美今、孙建军：《中国股市收益、收益波动与投资者情绪》，《经济研究》2004年第10期。
［2］易志高、茅宁、汪丽 ：《投资者情绪测量研究综述》，《金融评论》2010年第3期。
近两年来，国际经济发展严重受挫，我国政府及时采取了扩大内需、促进经济平稳较快发展的一揽子计划，其中，大规模扩大投资是最直接、最有力、最见效的措施，投资对于促进国民经济平稳较快发展的重要作用已越来越不容忽视。
新疆固定投资规模不断扩大，明显推动地方经济发展，固定资产投资，从1988年的68.41亿元增加到2009年的2827.2亿元，增长了33倍，GDP从1988年的193亿元，增加到2009年的4277.05亿元，增长了22倍。
固定资产投资率是反映投资对经济增长拉动的指标，它是指固定资产投资额在全部经济增长（通常用GDP增长）中所占的比重。其计算公式为:
固定资本投资率=固定资本投资额/GDP增加额＝（报告期固定资本投资额－基期固定资本投资额）/（报告期GDP-基期GDP）。
1988年~2009年，新疆固定资产投资增长率为19.9％，GDP增长率为16.1％。固定资产投资与GDP高度相关，相关系数为R＝0.997。可见固定资产投资在新疆经济发展中的重要作用。
根据图标分析，新疆固定资产投资率在20年中一路上升，投资率的平均水平由1988年的35.2%达到2008年的53.8%，投资率已远远超过国际公认的30%的合理水平，在经济起飞阶段，新疆的固定资产投资率在波动中有所上升，，对经济的发展较为有力利。
2000年~2008年新疆的固定资产投资率稳步上升，投资率保持在45％~53%之间，因为2008年的金融危机的冲击，2009年的投资率上升到603%，固定资产投资率较高，进一步说明了投资在新疆经济增长过程中的贡献。
二、新疆固定资产投资效益
1.经济效益。
（1）固定资产的经济效益系数。固定资产投资效益系数是指一定时期内国内生产总值增长额同相应的固定资产投资额的比值，用公式表示为：固定资产投资效益系数Et=GDP/I，其中，GDP表示某一时期国内生产总值的增加额，I表示相应时期固定资产的投资额，它表明单位固定资产投资额所能带来国内生产总值的增加额，因此，固定资产投资效益系数越高，单位固定资产投资获得的国内生产总值的增加值越多，投资的经济效益也就越大，固定资产投资效益系数是衡量固定资产投资经济效益的主要指标。但是应注意的是，当年的固定资产投资额对当年新增地区国内生产总值所起的作用，有可能由于投资项目种类、政策效应、经济结构调整等因素的存在，会产生所谓的“滞后效应”。
所以，在分析的过程中，必须考虑到新增的国内生产总值与滞后固定资产投资之间的关系。因此，考虑滞后因素的固定资产投资效果系数可以表示为：Et-i=GDP/It-i（i=1，2），式中：Et-i为滞后期为一年的固定资产投资效果系数，当i=1时，It-1为滞后期1年的固定资产投资额；GDP仍为第t年的国内生产总值增加额，本文主要研究Et，Et-1，Et-2。
1995年以来，新疆固定资产投资效益系数一般高于全国固定资产投资效益系数，表明新疆固定资产投资效率高于全国水平（除了2009年外）。但是，新疆固定资产投资经济效率总体上呈下降趋势，特别是，考虑“滞后效应”后固定资产投资投资经济效益还是总体上还是下降，2009年世界金融危机的影响全国和新疆投资经济效益系数都下降，表明固定资产投资对新疆地区生产总值的推动作用减弱。
从图2可以看出滞后期的固定资产投资效果系数与同期的波动趋势基本一致，但滞后期越长投资效果越好，投资效果的波动随着滞后期的延长，波动幅度逐渐增大。因此要特别注意对当前固定资产投资的有效引导，在加大投资力度的同时，更注意投资效益的有效发挥，最大限度地使用已投资的固定资产，避免重复和浪费投资现象，以保证经济的持续、健康发展。
（2）固定资产投资财政收入系数。固定资产投资财政收入系数指一定时期内政府财政收入增长额同相应时期的固定资产投资额的比值，反映的是单位固定资产投资对财政收入的拉动作用。其计算公式为：固定资产投资财政收入系数f=f/I，其中，f为当年财政收入增加数，I为当年全社会固定资产投资总数。固定资产投资财政收入系数越高，单位固定资产投资获得的财政收入增加额就愈多，固定资产投资的财政效益就愈高。
从图3中可以明显的看出，新疆固定资产投资财政收入系数2005年前下降，2005年后上升，总体呈上升趋势，1995年0.029上升到2008年的0.049，说明固定资产投资对财政收入的拉动作用不断增加。但是2009年固定资产投资对财政收入的拉动太小，金融危机的影响固定资产投资的相关效益下降。
2.社会效益。
（1）固定资产投资就业系数。固定资产投资就业系数指一定时期内就业人员增加数同相应时期的固定资产投资额的比值，反映的是单位固定资产投资对就业的带动作用。其计算公式为：固定资产投资就业系数J=J/I，其中J为当年就业人员增加数，I为相应固定资产投资总数。固定资产投资就业系数越高，固定资产投资扩大就业的效益就越高。
“民生”是新疆跨越式发展战略的亮点，就业是民生之本，一国或一地区的就业水平关系到当地居民生活水平的提高和社会的稳定。从图4可以看到，新疆固定资产投资的就业系数明显下降，从2001年~2004年的就业系数基本上一样，没有太大的变化，2005年的增长速度较快，2004年的0.02到2005年上升到0.035，2005年后下滑速度较快，2005年的0.035到了2009年变为0.007，说明固定资产投资对新疆经济社会没有创造更多的就业岗位，这可能跟固定资产投资的产业结构和使用结构有关系。2005年后，虽然投资总量增加但是对就业的贡献不断减少。
[关键词]资产管理系统；资产统计；系统设置
中图分类号：TP393 文献标识码：A 文章编号：1009-914X（2015）05-0218-01
1 引言
资产管理系统在设计时也遵从了模块化设计的原则，将数据库操作单独作为一个模块，其他部分需要对数据库进行操作时通过数据库操作模块完成。在系统开发过程中，对系统进行了需求分析、概要设计、数据库设计、模块设计等工作。通过对资产管理的工作流程功能的详细调查，大量资料的搜集，指导老师的帮助，从系统结构的组织，功能的实现，技术的要求以及可行性等多方面进行考虑，本系统的设计需采用软件工程的设计思想，目标是实现一个C/S体系结构的资产管理系统的分析、设计与实现。了解企业资产管理的相关知识及参考相关的资产管理软件，完成对资产管理系统操作的相关模块设计与实现，包括用户登录、用户管理、相关模块设计和实现等功能。
2 系统需求分析
作为资产管理系统，首先要能够记录企业的资产状况，并且通常一部定的部门使用的，开发的资产管理系统除了记录资产本身的一些属性之外，还需要记录该资产隶属哪一个部门信息。
（1）开发的资产管理系统除了记录资产本身的一些属性之外，还需要记录该资产隶属哪一个部门信息；
（2）提供对资产进行分类的功能，即对一项资产系统应该标识其类别；
（3）提供资产管理功能，管理功能应包含对录入资产的审核功能；
（4）资产在部门之间被转移的情况，对资产的变更也应当在系统功能中；
（5）同时，对于各项资产，可以进行折旧计算，这有利于统计当前该资产的价值；
（6）资产中的一些设备会出现一些故障，工作人员及时报修与维修情况都要有记录。
对于典型的数据库管理系统，尤其是对像资产管理系统这样的数据的流量特别比较大的管理系统，必须满足使用方便、操作灵活等设计需求。本系统在设计满足以下几个目标：采用人机对话框方式，信息查询灵活、方便、快捷、准确、数据存储安全可靠。系统准确的标识录入的每一项资产之后，系统提供资产管理功能。管理功能一方面应包含对录入资产的审核的功能。 实现资产管理功能。实现资产在不同部门被转移的情况。对用户输入的数据，系统进行严格的数据检查，尽可能排除认为的错误。系统最大限度的实现易维护性和操作性。对一些价值较高的资产，它们的成本并不是直接计入当前月份的。实现资产的折旧功能。通过对一些典型的资产管理系统的考察，要求本系统有以下的功能：资产管理，资产变更，资产折旧，资产维修和资产统计功能。
3 系统功能模块分析
资产管理系统在设计时采用模块化的设计原则，整个系统由四模块构成，即系统设置，用户登录，资产管理，资产统计。其主要模块用例图如下：
4 数据库设计
4.1 数据表的关联
根据需求分析，系统中存在是实体应当包含有企业的部门，资产的类别及资产本身，此外，还应有维修记录及系统用户。通过需求分析也很容易了解到这些实体所具有的属性及它们之间的联系，对于属性而言，资产是本系统的核心，所以在设计数据库时，资产被抽象出了许多属性，数据库中表之间也是以资产为核心展开的。
通过分析实体之间联系，我们知道：资产类型Type与资产Assets是一对多的关系；资产Assets与部门Departments是多对多的关系；资产维修信息Repair与资产Assets是多对多的关系。
4.2 数据表设计
对数据的有效组织和管理，是实现管理信息系统的中心环节。有效的数据取决于数据库的设计，而有效的数据管理则依赖于数据库管理系统（DBMS）的选择。在进行数据设计时要注意一下原则：
* 数据库系统在逻辑上应有层次结构，数据自下而上逐层归纳、汇总。
* 数据结构必须规范化，必须保证数据的正确性和完整性。
* 必须保证对数据的安全性，对故障应有预防能力、保护能力和恢复能力以及对数据的保密能力。
本系统的数据库为SQL2000，定义数据库名称为：“Assets”。根据需求分析将论坛分为五个基本的对象：用户，企业的部门，资产的类别及资产本身分别用五章表来表示基本的数据实体，然后进行一些功能的扩展和完善，产生数据库中的其他表。
总结
随着社会经济的不断发展，企业规模越来越大，企业资产维护变的越来越困难，是在手工管理方式下，企业的资产管理会变的越来越困难，所以开发资产管理系统是必要的，这对于企业对自己的资产可以及时进行管理统计，对企业的发展有很大的指引性。
参考文献
[1] 宋坤，邹天思.明日科技Delphi数据库系统开发完全手册[M].北京：人民邮电出版社.459-486.
【关键词】上市公司 资本结构 影响因素 相关性
一、研究背景
资本结构问题涉及到股东、管理者及债权人三方的利益和冲突，影响着 企业 的融投资行为、资源配置效率及其经营活动，研究影响企业资本结构的影响因素，对提升企业价值以及市场的资源配置效率具有重要的现实意义。本文就沪市2007年上市公司按不同行业分组， 计算 资本结构的有关统计指标。然后控制行业因素进行多元回归分析。以沪市2007年制造业a股上市公司中食品、饮料业的企业，共计36家为样本，利用eviews统计软件做实证分析。
二、研究方法与数据选取
1.研究假说假说1：行业因素对资本结构具有显著影响。假说2：获利能力与资本结构((长期)负债比率)负相关。假说3：企业规模与资本结构正相关。假说4：资产担保价值与资本结构正相关。假说5：成长性与资本结构正相关。
2.变量设定因变量：负债比率：y 1 =总负债/总资产(期末数)
长期负债比率：y 2 =长期负债/总资产(期末数)自变量：获利能力：x 3 =净利润/主营业务收入规模：lns=主营业务收入之 自然 对数(主营业务收入单位：万元)
资产担保价值：x 3 =(存货+固定资产)/总资产(期末数)
成长性(率)：x 4 =(期末总资产-期初总资产)/期初总资产
3.样本及数据资料的来源
数据资料主要取自上海证券交易所公布的上市公司年报，以沪市2007年制造业a股上市公司中食品、饮料业的企业，共计36家做为样本。
4.研究限制(1)受数据资料限制，对影响因素的考察限于四个，模型的解释能力受一定影响。(2)只就2007年的数据进行横截面数据分析，可能存在异方差现象。(3)由于数据资料的限制，控制行业因素时，只就食品、饮料业进行实证研究，研究结果不一定能推广至其他行业。
三、实证结果
1.基本的统计分析
根据上海证券交易所（2007）的行业分类，选取有10家企业以上的行业，进行基本的统计分析和计算得到表1：（沪市2007年不同行业之负债比率）
由表1，不同行业的资本结构有着明显的差异。在负债比率的“最大值”中，最高与最低相差11.5699；在负债比率的“最小值”中，最高与最低相差0.2490；在负债比率的“平均值”中，最高与最低相差0.9625。出现差异是由于不同行业的资产结构、营运周期、 发展 前景等各不相同。
2.食品饮料行业样本之相关系数分析
由相关系数分析可以发现：(1)各自变量之间的相关系数均不显著,不存在多重共线性的问题；(2)就负债比率y 1 来说，lns与y 1 正相关（与假说3符号相同），x 3 与y 1 呈负相关（与假说2符号相同），x 3 与y 1 负相关（与假说4符号相反），这三个变量与y 1 的相关系数小于0.3，相关性不很明显。同时, x 4 与y 1 正相关（与假说5符号相同），并且相关系数为0.4056，相关性比较明显；(3)就长期负债比率y 2 来说，x 3 与y 2 正相关（与假说2符号相反），lns与y 2 负相关（与假说3符号相反），x 3 与y 2 负相关（与假说4符号相反），x 4 与y 2 正相关（与假说5符号相符），这四个变量与y 2 的相关系数小于0.3，相关性均不很明显。
3.对y 1 之回归分析对y 1 进行回归分析得到
y 1 ＝-0.20-0.03x 3 +0.04lns+0.15x 3 +0.07x 4
(-0.51) (-0.49) (1.47) (0.99) (2.42)
r 2 =0.23, d.w.=1.87, f＝2.36
由回归发现：(1) lns、x 3 、x 3 与y 1 的估计系数均无法通过α=0.05显著水平下的t检验，故就2007年沪市食品、饮料业来说，规模、获利能力、资产担保价值对负债比率没有显著影响，这否定了假说2、假说3和假说4；(2) x 4 与y 1 的估计系数可以通过t检验，故进一步做回归分析得到：
y 1 =0.41+0.05x 4 (2.59)r 2 =0.16, d.w.=1.91, f=6.70
通过回归分析得知：在单独以x 4 对y 1 做回归时，其估计系数可以通过t检验，f检验的效果也比较理想，说明x 4 对y 1 有显著影响（正相关），证实了假说5。
4.对y 2 之回归分析对y 2 之回归分析得到：y 2 ＝0.20+0.001x 3 -0.01lns-0.06x 3 -0.02x 4
(1.34) (0.07) (-1.04) (-0.96) (-0.20)r 2 ＝0.07, d.w.＝2.13, f＝0.55
说明就长期负债比率y 2 来说，各自变量的估计系数均无法通过显著性水平为α=0.05的t检验，f检验的效果也不理想，各自变量与y 2 之间的相关性也并不显著，属于弱相关范围。
四、研究结论
1.不同行业的资本结构有着明显的差异，进行实证研究应该尽量控制行业因素。
2.就2007年沪市食品、饮料业上市公司来说(下同)，成长性对资本结构有显著影响。
3.获利能力、规模、资产担保价值、等因素对资本结构的影响不显著。
4.获利能力、规模、资产担保价值、成长性等四个因素对长期负债比率的影响不显著。
参考 文献 ：
[1]sheridan titman and roberto wessels.thedeterminants of capital structure choice.thejournal of finance,vol.xliii,no.1,march1988.
[2]黄庆堂,黄兰英.资本结构对 企业 合并绩效影响之研究[j]. 台湾 银行季刊,1997,46(4).
[3]陆正飞.企业适度负债的理论分析与实证研究[j]. 经济 研究,1996.
本文从北京市居民家庭金融资产投资的影响因素入手，对居民家庭的可支配收入、消费支出和风险这三个宏观影响因素进行了重点分析。通过回归分析，研究了收入和消费对金融资产投资的影响，并采用邹氏检验法确定了2002年前后北京市居民家庭收入、消费与金融资产投资之间的关系发生了结构性变化；同时通过计量模型研究了不同收入水平对金融资产投资的不同影响，并从平均倾向和边际倾向的角度分析了家庭消费和金融资产投资的关系；继而研究了金融资产投资的平均风险投资倾向和边际风险投资倾向；最后分析了家庭收入、消费增长率与金融资产投资增长率的关系。研究发现，家庭金融资产投资与收入正相关，与消费负相关，而且不同收入水平对家庭金融资产投资的影响差异也很大；而风险因素研究发现，北京市居民家庭金融资产投资比较保守，重安全轻收益的投资意识仍然较强，这导致了家庭投资效率低下。从增长率的角度来看，家庭收入的增长速度对金融资产投资的增长速度有促进作用，而消费的增长速度却有抑制作用。
关键词：金融资产投资可支配收入消费支出风险
一、引言
（一）研究背景
随着市场经济的不断深化，我国经济持续高速增长，经济货币化程度不断提高，同时金融市场迅猛发展，我国居民金融资产的总量急剧增加。而且随着人民生活水平的提高，居民家庭收入也越来越高，投资理财逐渐成为家庭的重要经济活动。如何使手中的资金得到保值和增值，日益受到人们的关注。近年来，我国居民家庭手持现金比重大幅下降，储蓄存款仍是我国居民家庭的主要投资手段。随着我国金融市场体系的不断完善，家庭投资从实物资产转向金融资产，居民家庭在收入不断提高，资产规模不断扩大的同时，必然要求更广阔的投资空间。当前，发达国家的金融创新和发展中国家的金融深化使金融资产的种类、形式日益庞杂，不同金融资产之间的界限越来越模糊，金融资产的流动性不断提高，并越来越表现出个性化、自由化和国际化的特征。金融资产和金融市场的这些发展对家庭产生了很强的投资吸引力，各种金融资产业已成为私人持有财富的主要形式。在世界金融业最为发达的美国，家庭金融资产比例呈逐年上升的趋势。
在我国，随着家庭收入水平提高、储蓄倾向的增强，以及金融市场的发展，家庭持有的各种金融资产比重也不断上升。目前，各商业银行和金融机构在此状况下相继推出了多种家庭投资产品，如人民币投资理财产品、外币投资理财产品、银行卡、基金、债券、股票、保险等，这些都是金融资产投资品种。
随着居民家庭理财投资的发展，居民家庭投资理财已经不仅仅是一个家庭问题，同时也是一个社会问题。家庭的金融资产投资行为越来越受到经济学研究的关注。与此同时，作为我国的首都，我国政治文化和国内国际交流的中心，北京掌握着中国经济发展的命脉，不仅是全中国第二大的工业基地，同时也是一个重要的金融中心。改革开放三十年间，北京市的经济发展不断跃上新台阶，无论是北京市居民家庭的生活还是居民家庭的投资，都经历了一个稳步发展的过程。因此，选取北京居民家庭分析具有典型性。
当前形势下，金融资产投资对家庭来说显得越来越重要，因此对家庭金融资产影响因素的研究越来越受到人们的关注。金融资产在家庭总资产的比重越来越大，家庭对其重视程度也越来越高，必然会考虑到其风险的影响，所以，研究金融资产投资的影响因素意义重大。
（二）研究意义
居民家庭投资理财不仅关系着家庭的经济收入，也影响着社会的经济发展。因此，重视和引导家庭投资理财是当今社会不可回避的问题。只有了解了影响居民家庭理财投资的因素，才可以更好的实现对居民家庭理财投资的引导。因此，本文重点对北京市居民家庭金融资产投资影响因素进行分析，从收入、支出以及风险这三者与金融资产投资的关系出发，分析了它们对居民家庭金融资产投资的影响，并利用北京市居民家庭典型调查数据，分别对北京市居民家庭金融资产投资与收入、消费关系的结构性进行检验，从而考察不同时期的投资特点。这为北京市居民家庭的投资选择以及政府的相关政治决策提供了相关依据，具有一定的实用性意义。
（三）国内外研究现状
国外学者对居民家庭金融资产投资的研究大都基于微观数据，这主要得益于国外多年详细且易获得的有关家庭资产调查的微观数据库。国外学者大都从金融资产风险的角度出发，研究风险及不确定性对家庭金融资产投资的影响，同时，探讨了性别、年龄、收入等其他影响因素。
Bertaut（2003），Aizcorbe（2003）根据SCF数据，认为90%的美国家庭进行不同类型的金融投资，25%的家庭拥有5种以上的不同金融资产，持有安全性资产和较安全资产的比重与以往相比没有多大变化，但风险资产占金融总资产的比例在上升，持有股票的趋势在不同年龄、收入、教育群体中都有表现。
Uhler，Cragg（1971）利用密歇根大学调查研究中心的抽样数据建立Logit模型发现，财富、年龄和家庭规模对家庭金融资产总量有显著影响，而收入对其影响却不显著，研究还发现，在考虑年龄、性别及收入的影响后，个人财富的增长与居民对风险资产的偏好呈正相关关系，家庭收入与家庭财富中金融资产的持有比重也呈正相关关系，受教育程度高的投资行业从业者更注重家庭金融资产的分散化管理。Shorrocks（1982）利用英国家庭数据研究发现，性别、年龄和拥有的总财富价值显著影响居民在各种资产上的财富分配。TokuoIwaisako，OliviaS.Mitchell，
JohnPiggott（2005）研究日本家庭一生的资产配置结构发现，老人更喜欢证券和房地产，年龄与所持有的非权益金融资产和社保基金量成正比，收入增加时，实物资产比证券更具吸引力，交易水平、妻子是否工作等因素也对家庭资产结构和总量产生影响。
Guiso（2002）认为美国居民家庭同样存在股票有限参与现象，据统计，2001年投资股票的美国家庭仅占总数的一半，美国普通家庭一般只持有三种金融资产：交易账户、储蓄账户和退休账户。Guiso（2002），Haliassos（2002）通过家庭金融资产概况的国际比较，发现美国家庭持有的风险资产比例明显高于欧洲各国，英国、荷兰是居民家庭持股量较多的国家，而德国和意大利的家庭则持有较多的安全性资产。
M.Friedman是在凯恩斯之后最早尝试对不确定性与消费者行为之间关系进行实证分析的学者，他从收入的非预期性下降与支出的非预期性增加的角度来理解不确定性。此后，HayneE.Leland（1968）发现，未来收入不确定程度的上升会提高未来消费的预期边际效用，从而吸引居民进行更多的储蓄，他的这一发现被人们称为预防性储蓄假说。Hall（1978）通过引入理性预期，将消费理论从确定性条件推进到不确定性条件，使得消费行为理论具有了现代形式，他提出了消费的随机过程理论，即随机游走假说。
与英美等国相比，我国学者对居民家庭金融资产投资状况的研究就没有这么优越的微观数据条件了，学者在这方面的研究数据，主要采用我国统计年鉴或中国人民银行的时间序列数据或截面数据。国内学者有的从金融资产多元化的角度，分析金融资产日益多元化的影响因素，还有的学者考虑风险意识的前提下，探讨了性别、年龄、职业、收入等因素对金融资产结构的影响。
陈玉光（1996）指出居民收入水平的提高是促成居民储蓄持续高增长的重要因素。李建军等（2001）认为收入水平、可供选择的金融资产的多少直接影响居民金融资产的多元化，未来几年我国居民金融资产结构将进一步优化。天津财经大学课题组（2007）在天津城市居民金融资产风险意识调研报告中指出，年龄、教育程度、职业的差异会导致户主不同的风险意识，但家庭人均收入水平对居民金融资产风险意识无显著影响，同时指出性别、年龄、学历、职业、收入对居民金融资产结构均会产生影响。柴曼莹（2003）认为当前家庭金融资产总量不断增长、结构日趋多元化，其决定因素主要是收入、实际经济和居民家庭金融资产增长倾向等，而收入分配的贡献率较小。吴霞（2005）提出影响居民金融资产选择的因素有三个：居民总体收入水平、居民的预期行为以及投资渠道的多少。
通过分析和借鉴国内外研究学者的研究情况，本文从消费、收入和风险三个宏观因素出发，采用回归分析、结构性检验等计量方法研究这些因素对金融资产投资的不同影响。
二、居民家庭金融资产投资影响因素的实证研究
鉴于收据的可搜集性和北京市作为首都的典型代表性，本文选取了北京市1978年-2007年的金融资产、可支配收入和消费支出数据，数据如下：
表1收入、消费和金融资产投资数据单位：元/人/年
年份可支配收入金融资产投资消费性支出
1978365.428.03359.86
197941530.21408.66
1980501.435.76490.44
1981514.129.05511.43
1982561.135.92534.82
1983590.543.85574.06
1984693.760.85666.75
1985907.788.43923.32
19861067.599.181067.38
19871181.9119.551147.6
19881437120.181455.55
19891597.1170.931520.41
19901787.1183.031646.05
19912040.4179.661860.17
19922363.7294.622134.65
19933296479.292939.6
19944731.2793.444134.12
19955868.4894.865019.76
19966885.51073.65729.45
19977813.1944.256531.81
199884721355.066970.83
19999182.81240.17498.48
200010349.714168494
200111577.819318923
200212463.9182110286
200313882.6377311124
200415637.8423312200
200517653508113244
200619978585414825
200721989834415330
资料来源：根据《北京市统计年鉴》相关年份数据摘录整理、计算而得。
首先对家庭的收入、消费和金融资产投资三项数据指标进行相关分析，观察指标间是否具有很强的相关性，从而进行下面的研究分析。分析结果如下：
表2三项指标的相关分析
金融资产投资可支配收入消费支出
金融资产投资10.9420.917
可支配收入0.94210.997
消费支出0.9170.9971
由表2金融资产投资与可支配收入、消费支出三项指标间的相关分析结果可以看出，三项指标间的相关程度很高。对居民家庭来说，收入是居民家庭资产积累的前提，不同收入的居民家庭，其金融资产的投资行为也是不同的。居民家庭首先将其可支配收入用于家庭的日常消费性支出以及家庭固定资产投资，其次才将剩余的可支配收入用于金融资产的投资。一般地我们有，居民家庭可支配收入与家庭金融资产之间存在正相关关系，也就是说，居民家庭可支配收入越多，则家庭金融资产投资量就越大。而消费与金融资产投资之间的关系和收入与金融资产投资之间的关系有所不同，后者是正相关关系，而前者则是此消彼长的负相关关系，即对每个家庭来说，用于消费的支出越高，则其金融资产投资额将会相应地有所减少。
除此以外，作为一项投资，金融资产在其投资过程中或多或少带有一定的风险，因此风险这一不确定性因素必然影响着居民家庭的金融资产投资行为。显然，较高的风险对应着较高的收益，因此，风险和收益的权衡决定了居民家庭所投资的金融产品种类和数额。
（一）收入与居民家庭金融资产投资
本节首先对收入与家庭金融资产投资进行了回归分析，然后对金融资产投资和收入的关系进行结构性检验，最后研究了不同收入水平对金融资产投资的影响。
1、居民家庭收入规模对金融资产投资的影响分析
本文居民家庭金融资产主要是指：居民家庭存入储蓄款、购买有价证券、购买、储蓄性保险支出和财产性支出等五项支出。搜集到的北京市居民家庭金融资产投资与可支配收入原始数据以及北京市居民消费价格指数等数据如表1所示。对应的可支配收入和金融资产投资折线图如图1所示。
从表1数据和图1可以看到，北京市居民家庭的金融资产投资额在逐年递增；并且其占可支配收入的比重也基本呈逐年增长的趋势，该比重从1978年的7.67%增长到了2007年的37.95%，已接近四成的比例。从图1容易看出，2003年北京市居民家庭金融资产投资的比重较2002年有了较大幅度的增长，事实上，该值从2002年的14.61%增加到了2003年的27.18%，并且此后每年都保持在一个较高的水平上。
图1北京市居民家庭可支配收入与金融资产投资示意图
以下建立计量经济学线性回归模型，考察北京市居民家庭金融资产投资与可支配收入之间的数量关系。由于金融资产、收入和消费都是时间序列数据，因此利用价格指数消除不同年份价格因素的影响；此外，为了消除异方差和趋势因素，所以收入和金融资产数据均采用对数形式，令表示消除了价格因素的金融资产投资，表示消除了价格因素的可支配收入，设定模型如下：
（1）
利用北京市居民家庭调查数据，对模型进行估计，估计结果如下：
表3模型估计结果
变量名参数估计值标准误t统计量相伴概率
常数项-7.2319220.349944-20.665910.0000
1.7441630.05026634.698840.0000
可决系数0.977273F统计量1204.009
DW值1.266400相伴概率0.000000
表4残差自相关检验
残差一阶自相关检验F统计量2.617327相伴概率0.117327
LM统计量2.651144相伴概率0.103475
残差二阶自相关检验F统计量1.430356相伴概率0.257432
LM统计量2.973639相伴概率0.226091
模型拟合结果如下：
由表3可以看出，截据项和斜率项t检验的相伴概率都小于0.05，说明在5%的显著性水平下都通过了检验。此外，F统计量的值为1204.009，相伴概率为0.000000，表明方程总体线性显著。可决系数为0.977273，表明可支配收入解释了金融资产投资中的97.7273%，且二者呈正相关（斜率项系数大于零），即金融资产投资与可支配收入同向变动。由表4可以看出，残差不存在一阶和高阶自相关，模型整体拟合效果很好。解释变量系数为1.744163，表明可支配收入每增加1％，家庭金融资产投资将增加1.744163％，这进一步体现了北京市居民家庭的金融资产投资热情是非常高涨的。
2、居民家庭金融资产投资和收入关系的结构性检验
我们建立模型时往往希望模型的参数是稳定的，即模型结构不变。一般情况下，当回归模型涉及时间序列数据时，被解释变量和解释变量之间可能会出现转折点，即它们之间的关系可能发生结构性变化。转折点出现的原因可能是由于社会制度、经济政策的变化或社会动荡等。而且通过考察1978年以来至今的金融资产投资与收入的关系，有时并不能很好的反应当前的关系，因此需要对居民家庭金融资产投资和收入关系进行结构性检验，找出转折点，分析近期家庭金融资产投资和收入的关系，以期更好的刻画近期家庭收入对金融资产的影响，从而预测未来的变化。
由图1容易看出，北京市居民家庭金融资产投资额在2002年前后有较明显的变化。为了考察家庭的金融资产投资与可支配收入关系在2002年前后是否发生变化，我们可以采用邹氏参数稳定性检验法来检验金融资产投资与收入之间关系的结构性变化。
首先简要介绍邹氏参数检验的基本原理。假设需要建立的模型为：
在两个连续的时间序列（）和（）中，相应的模型分别为
合并两个时间序列为（），则可以写出相应的无约束回归模型。如果，表示没有发生结构变化，因此可针对如下原假设进行检验：
在接受以上原假设的情况下，可以写出相应的受约束回归模型。检验的统计量为：
其中，和分别为对应于无约束模型与受约束模型的残差平方和。记和为前述两时间序列对应的回归模型在各自时间段上分别回归后所得的残差平方和。容易验证：
于是，统计量可写为：
上述参数稳定性检验要求，即第二个时间段中样本数不能小于待估参数的个数。如果出现，则往往进行邹氏预测检验，此时进行约束有效性检验的统计量为：
如果计算的值大于相应的临界值，即，则拒绝原假设，认为发生了结构变化，参数是非稳定的。
综上所述，邹氏参数稳定性检验主要分为三个步骤：首先，分别以两连续时间序列作为两个样本进行回归，得到相应的残差平方和和；其次，将两个序列并为一个大样本后进行回归，得到大样本下的残差平方和；最后计算统计量的值，与临界值进行比较。如果值大于临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。
我们将1978～2007年数据分成两段：1978～2001年和2003～2007年。利用分段数据对模型（1）式进行估计得：
1978～2001年：
2003～2007年：
用拉格朗日乘数法检验法进行序列相关性检验易知，两个估计结果均已不存在序列相关性；此外，容易检验得知该估计已通过了检验和检验。同样地，2003～2007年的估计也通过了检验和检验。
前文已得到1978～2007年：
根据前述公式计算统计量得：，查表得，从而有。因此拒绝原假设，即参数是非稳定的，可以认为2002年前后北京市居民家庭金融资产投资与收入之间的关系发生了结构性变化，表明收入对金融资产投资的影响程度在2002年前后有显著的差异。同时，由表5的邹氏断点检验输出结果也可以看出，在2002年前后收入对金融资产投资的影响程度发生了结构性变化。邹氏断点检验，检验结果如下：
表5邹氏断点检验结果
F统计量3.212939相伴概率0.056632
LR统计量6.625810相伴概率0.036410
通过以上分析及表5结果可以看出，北京市居民家庭金融资产投资和收入的回归方程在两个不同时期是显著不同的。在1978～2001年间，居民家庭收入每增加一个单位，金融资产增加1.636个单位；而在2003～2007年间，居民家庭收入每增加一个单位，金融资产则增加1.693个单位。可以看出，2002年之后，随着北京市居民家庭收入的增加，他们更加重视金融资产的投资，收入对其金融资产投资的影响更加显著，也就是说2002年后，随着收入的增加，居民家庭更愿意把资金花在金融资产投资上，投资热情更高涨。
3、居民家庭的不同收入水平对金融资产投资的影响分析
对于不同收入水平的家庭来说，其金融资产投资状况可能不同。我们首先按家庭可支配收入由低到高对受访家庭进行排序，再将排序后的样本户五等分为低收入户、中低收入户、中等收入户、中高收入户和高收入户五组，其中每组家庭数均占总样本数的20%。以下利用北京市居民家庭2002～2007年的数据考察不同收入水平家庭的金融资产投资状况。数据如下：
表6北京市居民家庭可支配收入和金融资产投资单位：元/人/年
年份样本量（户）低收入户20%中低收入户20%中等收入户20%中高收入户20%高收入户20%
可支配收入金融资产投资可支配收入金融资产投资可支配收入金融资产投资可支配收入金融资产投资可支配收入金融资产投资
200210006057.583.48941.2123.711315.8183.914210.7206.923349.3500.9
200310007314.191.510343.8103.812896.3194.116010.6499.224767.1101
200420007400.981.310960.8156.714245.1247.518454.5427.329634.61494
200520008580.9103.112485.236616062.8255.320812.9421.732967.7603.8
20062000979866144391711836929823095501366161090
2007300010435208156502551988334725353541406562860
资料来源：根据《北京市统计年鉴》2003～2008年数据摘录整理、计算而得。
根据表6数据及其对应示意图，从年份的角度看，五组居民家庭的可支配收入呈现逐年稳步增长的趋势，而金融资产投资则正负增长并存，没有明显的变化趋势。从分组的角度看，北京市居民家庭的可支配收入从低收入户到高收入户呈现比较规律的缓慢增长趋势；而在金融资产投资部分则表现出了较大的差距，除2005年外，高收入组的金融资产投资都占了总投资的很大一部分，其中2007年该组的金融资产投资则超过了总投资的一半，这表明，北京市金融资产大部分集中在高收入家庭中，这在一定程度上也体现出了我国贫富差距仍然很悬殊，不利于社会的稳定与发展。
对应表6的簇状柱形图如下：
图2北京市居民家庭可支配收入
图3北京市居民家庭金融资产投资
以下通过建立计量经济学线性回归模型，考察北京市不同收入水平家庭的金融资产投资与可支配收入之间的数量关系。这里我们主要考察斜率的变化情况，因此以乘法方式引入虚拟变量，设定模型如下：
其中，表示消除了价格因素的金融资产投资，表示消除了价格因素的可支配收入，且：
利用北京市居民家庭2002～2007年的微观调查数据拟合该模型得：
其中括号内为各参数估计对应的值。从值看，查表知模型整体线性显著，但各虚拟变量前的系数均未通过显著性检验。用拉格朗日乘数法对其进行序列相关性检验发现，该模型存在严重的2阶序列相关性，滞后2阶的拉格朗日乘数为，显然其值0.0012远小于0.05的显著性水平，说明模型存在2阶序列相关性。2阶广义差分的估计结果为：
其中，和前的参数值即为随机干扰项的1阶和2阶序列相关系数。容易验证，变换后的模型已不存在序列相关性，并且方程整体线性显著，各变量前的系数也都通过了显著性水平为0.05的检验，模型的拟合优度也有所提高。
根据拟合结果可以看出，从低收入户到高收入户，各组居民家庭可支配收入前的系数分别为1.079、1.1108、1.1109、1.138和1.173，即随着各组居民家庭可支配收入的增加，该系数逐次增加，也就是说，人均年可支配收入每增加1％，将会带动低收入户金融资产投资增加1.079％，带动高收入户金融资产投资增加1.173％。可见对于不同收入水平的北京市居民家庭来说，收入的增加对其金融资产投资增加的刺激作用有一定的差异，这种差异表现得并不明显。
（二）消费与居民家庭金融资产投资
消费与金融资产投资之间的关系和收入与金融资产投资之间的关系有所不同，后者是正相关关系，而前者则是此消彼长的负相关关系，即对每个家庭来说，用于消费的支出越高，则其金融资产投资额将会相应地有所减少。本节首先通过计算北京市居民家庭的平均消费倾向、平均投资倾向、边际消费倾向和边际投资倾向，找出消费对北京市居民家庭金融资产投资的影响；最后对金融资产投资与消费关系的结构性进行检验。
1、平均消费倾向与平均金融资产投资倾向
为了进一步研究消费与金融资产投资之间的关系，我们引出平均消费倾向、平均投资倾向的概念。
平均消费倾向（）用于描述居民家庭消费总量与收入总量间的关系，以表示，即平均消费倾向表示居民家庭的消费支出占家庭可支配收入的比重；同理，平均投资倾向表示居民家庭投资支出占家庭可支配收入的比重，用于描述居民家庭投资总量与收入总量之间的关系。由于居民家庭的消费额与投资额的总和等于家庭可支配收入，因此理论上有。本文所研究的金融资产投资只是家庭总投资当中的一部分。为了简化起见，以下令表示居民家庭的平均金融资产投资倾向，因此从理论上来说，应该有。但由于居民家庭金融资产投资中的储蓄存款除了当期储蓄金额，可能还包含滞后一期、二期甚至更早期居民家庭尚未取出的银行储蓄存款，因此在实际中可能存在的情况。
表8给出了北京市居民家庭1978～2007年的平均消费倾向、平均金融资产投资倾向数据。
表8平均（边际）消费倾向与平均（边际）金融资产投资倾向
年份平均消费倾向平均金融资产投资倾向边际消费倾向边际金融资产投资倾向
19780.980.08----
19790.980.070.980.04
19800.980.070.950.06
19810.990.061.65-0.53
19820.950.060.500.15
19830.970.071.330.27
19840.960.090.900.16
19851.020.101.200.13
19861.000.090.900.07
19870.970.100.700.18
19881.010.081.210.00
19890.950.110.410.32
19900.920.100.660.06
19910.910.090.85-0.01
19920.900.120.850.36
19930.890.150.860.20
19940.870.170.830.22
19950.860.150.780.09
19960.830.160.700.18
19970.840.120.86-0.14
19980.820.160.670.62
19990.820.140.74-0.16
20000.820.140.850.15
20010.770.170.350.42
20020.830.151.54-0.12
20030.800.270.591.38
20040.780.270.610.26
20050.750.290.520.42
20060.740.290.680.33
20070.700.380.251.24
数据来源：根据《北京市统计年鉴》1979～2008年数据摘录整理、计算而得。
根据表8中的平均消费倾向和平均金融资产投资倾向数据，做出百分比堆积圆柱图如下图4所示。
由表8数据和图4可以看出，与平均消费倾向比起来，平均金融资产投资倾向较低，由此可见，北京市居民家庭在金融资产投资方面尚处于起步阶段，在家庭支出中，消费支出仍然起着主导的作用，而且由表8可以看到，1985年、1986年和1988年的平均消费倾向大于1，表明在这三年里，北京市居民家庭出现了入不敷出的消费状况，用于消费的金额超出了家庭的可支配收入额；不过从三十年来的增长趋势看，北京市居民家庭的金融资产投资比重稳中有升，表明金融资产投资仍然存在一定的发展空间。
图4北京市居民家庭平均消费倾向、平均金融资产投资倾向百分比堆积圆柱图
2、边际消费倾向与边际金融资产投资倾向
在这一部分，我们进一步引出边际消费倾向和边际投资倾向的概念。
边际消费倾向（）用于描述居民家庭消费增量与收入增量之间的关系，以表示，即边际消费倾向等于居民家庭的消费增量与收入增量之比；边际投资倾向等于居民家庭投资增量与收入增量之比，即，用于描述居民家庭投资增量与收入增量之间的关系。
如前所述，由于居民家庭的消费额与投资额的总和等于家庭可支配收入，因此理论上有。此外，令表示居民家庭的边际金融资产投资倾向，则理论上应有，但实际中可能存在的情况。
表8给出了北京市居民家庭1979～2007年的边际消费倾向、边际金融资产投资倾向数据。根据表中数据做出堆积圆柱图如图5所示。
从表8数据和图5来看，北京市居民家庭的边际消费倾向始终为正，表明收入增量与消费增量是朝同一方向变动的，即收入的增加将带动消费的增加，不过增加的幅度有所不同。如1981年和2002年的边际消费倾向分别高达1.65和1.54，也就是说该年度北京市居民家庭人均年收入增量每增加1元，将带动人均年消费增量分别增加1.65元和1.54元，这表明1981年和2002年北京市家庭的消费热情较为高涨；而2007年的边际消费倾向仅为0.25，即该年度北京市居民家庭人均年收入增量每增加1元，将带动人均年消费增量增加0.25元，表明2007年北京市居民家庭对消费市场不太看好。从边际金融资产投资倾向来看，1981年、1991年、1997年、1999年和2002年为负值，表明收入的增加并没有对金融资产投资起到带动作用；其它年份的边际金融资产投资倾向均为正值，其中2003年和2007年的值分别为1.38和1.24，说明这两年人均年收入增量每增加1元，将分别带动金融资产投资增量人均年增加1.38元和1.25元。
图5北京市居民家庭边际消费倾向、边际金融资产投资倾向堆积圆柱图
纵观各年份情况，在2003年和2007年，收入增量的增加，分别使得金融资产投资增量增加了1.38元和1.25元，而消费增量仅增加了0.59和0.25元，说明在这两年对于北京市居民家庭来说，金融资产投资市场较为活跃，而消费市场则处于较为低迷的状态。这也在一定程度上体现了金融资产投资和消费之间此消彼长的关系。
3、居民家庭金融资产投资和消费关系的结构性检验
上一节中，我们对北京市居民家庭金融资产投资和收入关系的结构性进行了检验。发现2002年前后家庭金融资产投资与收入的关系发生了结构性的变化，而消费依托于收入，因此研究家庭金融资产投资与消费的关系，其是否发生结构性变化亦需要验证。
为了考察金融资产投资与消费之间的关系在2002年前后是否发生变化，我们依然采用邹氏参数稳定性检验法来检查其结构性变化，并将1978～2007年数据分为两段：1978～2001年以及2003～2007年。
类似地，建立计量经济学模型：（2）
其中，表示消除了价格因素的金融资产投资，表示消除了价格因素的消费性支出。利用表1数据对模型（2）进行估计得：
1978～2001年：
2003～2007年：
1978～2007年：
由拉格朗日乘数检验易知，三个估计结果均已不存在序列相关性；此外，容易验证，三者都通过了显著性水平为0.05的检验，而且除了2003～2007年估计的截据项之外，其余两个估计的截据项和斜率项都通过了显著性水平为0.05的检验，但检验发现，2003～2007年估计的截据项通过了显著性水平为0.1的检验。
同样地，我们计算统计量得：，查表得，从而有。因此拒绝原假设，即参数是非稳定的，可以认为2002年前后北京市居民家庭金融资产投资与消费之间的关系发生了结构性变化，表明消费性支出对金融资产投资的影响程度在2002年前后有显著的差异。同时，由表9邹氏断点检验结果也显示2002年前后发生了结构性的变化。也就是说，北京市居民家庭金融资产投资和消费的回归方程在两个不同时期是不同的。在1978～2001年之间，居民家庭每增加一个单位的消费性支出，金融资产投资就增加1.921个单位；而在2003～2007年间，居民家庭每增加一个单位的消费性支出，金融资产投资就增加2.342个单位。可以看出，2002年之后，随着北京市居民家庭消费性支出的增加，他们金融资产投资增加的幅度较2002年以前的增加幅度要大，且1978～2007年间，消费性支出与金融资产投资同向变化。
表9邹氏断点检验结果
F统计量3.798330相伴概率0.035711
LR统计量7.689906相伴概率0.021387
事实上，这一结论并非说明消费与金融资产投资是正相关关系，从前面的分析我们知道，二者是此消彼长的关系。在这里，二者关系的结构性检验得出的结论，体现了收入的增加所带来的消费和金融资产投资增加的时期差异性。很显然，收入增加直观上会同时带来消费和金融资产投资的增加，只不过金融资产投资的增加幅度较消费的增加幅度要大；这里的邹氏检验结果表明，2003～2007年二者增加幅度的差异较1978～2002年增加幅度的差异要大。这与前面的分析结果并不矛盾。
（三）风险与居民家庭金融资产投资
本文居民家庭金融资产投资包括存入储蓄款、购买有价证券、购买、储蓄性保险支出和财产性支出五项。表10给出了北京市居民家庭各项金融资产投资的数据。数据如下：
表10北京市居民家庭各项金融资产投资数据表单位：元/人/年
年份金融资产投资存入储蓄款购买有价证券购买储蓄性保险支出财产性支出
197828.0328.03--------
197930.2130.21--------
198035.7635.76--------
198129.0529.05--------
198235.9235.92--------
198343.8543.85--------
198460.8560.45--------
198588.4388.43--------
198699.1899.18--------
1987119.55119.55--------
1988120.18109.859.76--0.57--
1989170.93135.5934.56--0.78--
1990183.03168.8113.60--0.62--
1991179.66168.0510.13--1.48--
1992294.62256.4435.87--2.31--
1993479.29386.0786.03--7.19--
1994793.44675.54111.87--6.03--
1995894.86805.7470.60--18.52--
19961073.60988.6354.82--30.15--
1997944.25833.0784.34--26.84--
19981355.061138.79150.18--66.09--
19991240.101085.0538.86--116.19--
20001416.001185.0070.00--161.00--
20011931.001600.0089.00--242.00--
20021821.001592.0060.0015152.002
20033773.003386.00117.0012245.0013
20044233.003747.00161.0018293.0014
20055081.004710.00142.0015197.0017
20065854.005425.00142.0012265.0010
20078344.007487.00601.0026209.0021
资料来源：数据来源：根据《北京市统计年鉴》相关年份数据摘录整理、计算而得。
根据投资的风险程度可以将以上五项投资指标分为三类类。由于储蓄存款往往安全性较高，因此将其归为低风险金融资产；而由于受到价格波动等各方面的影响，购买有价证券、购买两项投资往往伴有很大的风险，因此将它们归为高风险金融资产投资；最后把储蓄性保险支出和财产性支出视为中等风险金融资产投资。
1、平均风险投资倾向和边际风险投资倾向
平均低风险投资倾向（）用于描述低风险金融资产投资量与金融资产投资总量之间的关系，用来表示，即平均低风险投资倾向表示居民家庭低风险金融资产投资量占金融资产投资总量的比重。同样地我们可以定义，平均中等风险投资倾向，表示中等风险金融资产投资量占金融资产投资总量的比重，用于描述中等风险金融资产投资与金融资产投资之间的关系；平均高风险投资倾向表示高风险金融资产投资量占金融资产投资总量的比重，用于描述高风险金融资产投资与金融资产投资之间的关系。
边际低风险投资倾向（）用于描述低风险金融资产的投资增量与金融资产投资总增量之间的关系，用来表示，即边际低风险投资倾向等于低风险金融资产投资增量与金融资产投资总增量之比。同样地，边际中等风险投资倾向等于中等风险金融资产投资增量与金融资产投资总增量之比，即，用于描述中等风险金融资产投资增量与金融资产投资总增量之间的关系；边际高风险投资倾向等于高风险金融资产投资增量与金融资产投资总增量之比，即，用于描述高风险金融资产投资增量与金融资产投资总增量之间的关系。
由于金融资产是由低风险金融资产、中等风险金融资产和高风险金融资产三部分构成，因此理论上有，。
2、居民家庭风险投资倾向分析
表11列出了北京市居民家庭1988～2007年的、、以及1989～2007年的、、数据。
表11北京市居民家庭平均（边际）风险投资倾向
年份平均低风险投资倾向
平均中等风险投资倾向
平均高风险投资倾向
边际低风险投资倾向
边际中等风险投资倾向
边际高风险投资倾向
19880.9140.0050.081------
19890.7930.0050.2020.5070.0040.489
19900.9220.0030.0742.745-0.013-1.732
19910.9350.0080.0560.226-0.2551.030
19920.8700.0080.1220.7690.0070.224
19930.8060.0150.1790.7020.0260.272
19940.8510.0080.1410.921-0.0040.082
19950.9000.0210.0791.2840.123-0.407
19960.9210.0280.0511.0230.065-0.088
19970.8820.0280.0891.2030.026-0.228
19980.8400.0490.1110.7440.0960.160
19990.8750.0940.0310.467-0.4360.968
20000.8370.1140.0490.5680.2550.177
20010.8290.1250.0460.8060.1570.037
20020.8740.0850.0410.0730.8000.127
20030.8970.0680.0340.9190.0530.028
20040.8850.0730.0420.7850.1070.109
20050.9270.0420.0311.136-0.110-0.026
20060.9270.0470.0260.9250.079-0.004
20070.8970.0280.0750.828-0.0180.190
数据来源：根据表10数据计算得到。
以下根据表11数据分别作平均投资倾向与边际投资倾向的堆积柱形图，如图6和图7所示。
由表11和图6可以看出，二十年来，北京市居民家庭的平均中等风险投资倾向和平均高风险投资倾向远远低于平均低风险投资倾向，这说明北京市居民家庭的金融资产投资仍然比较保守，大部分的资金用于储蓄存款这类安全系数较高的投资，其投资比例普遍在80%以上，最高的时候达到了93.5%，最低的时候也有79.3%。虽然低风险资产投资的安全系数远高于中高风险资产投资的安全系数，但是另一方面，低风险资产的投资收益则相对而言要低很多。由此可见，北京市居民家庭金融资产投资的效率是很低的，居民家庭中普遍存在重安全轻收益的投资意识。
图6北京市居民家庭平均金融资产投资倾向
图7北京市居民家庭边际金融资产投资倾向
从边际投资倾向看，由表11和图7可见，对各类资产来说，其各年的增量变化都有较大波动。1991年和1999年的边际高风险投资倾向分别为1.03和0.968，比同期边际低风险投资倾向（分别为0.226和0.467）要大，而对应的边际中等风险投资倾向则为负值，这表明1991年和1999年北京市居民家庭高风险金融资产投资增量的变化是金融资产投资总增量变化的主要原因，并且二者呈正相关关系。2002年边际中等风险投资倾向为0.8，远高于同期的边际低风险投资倾向（0.073）和高风险投资倾向（0.127），说明该年度北京市居民家庭金融资产投资增量的变化主要取决于中等风险金融资产投资增量的变化，而对应的储蓄增量变化则非常小。1990年、1995～1997年和2005年的边际低风险投资倾向都大于1，其中1990年的值更是达到了2.745，表明在这几年之中，家庭金融资产投资增量的变化主要是由于家庭大幅度地增加了储蓄存款金额，而相应地削减了其它安全系数较小资产的投资力度；可见在这几年里，北京市居民家庭的投资选择比其它年份更注重安全性。从二十年的整体变化来看，北京市居民家庭金融资产投资增量的变化仍然是以低风险资产投资增量的变化为主，且二者朝同一方向变动，即边际低风险投资倾向均为正值。
由以上风险与金融资产投资之间关系的分析可以看出，北京市居民家庭在金融资产投资过程中，仍然比较看重投资项目的安全性，他们规避投资风险的意识依然较强，这导致了其投资效率的低下。
（四）金融资产投资增长率与收入、消费增长率的关系
我们从家庭收入、消费和金融资产投资增长率的角度分析北京市居民家庭消费与金融资产投资的联系。以下表12给出了1979～2007年北京市居民家庭的可支配收入增长率、消费增长率、金融资产投资增长率数据。
表12北京市居民家庭收入、消费、金融资产投资年增长率表（单位：%）
年份可支配收入增长率消费增长率金融资产投资增长率
197913.5713.567.78
198020.8220.0118.37
19812.534.28-18.76
19829.144.5723.65
19835.247.3422.08
198417.4816.1538.77
198530.8538.4845.32
198617.615.612.16
198710.727.5220.54
198821.5826.830.53
198911.144.4642.23
199011.98.267.08
199114.1713.01-1.84
199215.8414.7663.99
199339.4437.7162.68
199443.5440.6465.54
199524.0421.4212.78
199617.3314.1419.97
199713.4714-12.05
19988.436.7243.51
19998.397.57-8.48
200012.7113.2814.18
200111.875.0536.37
20027.6515.28-5.7
200311.388.15107.19
200412.649.6812.19
200512.898.5620.03
200613.1711.9415.21
200710.073.4142.54
平均增长率15.514.2224.41
对应的折线图如下：
图8北京市居民家庭收入、消费、金融资产投资年增长率折线图
从表11中的统计数据来看，1979年以来，北京市居民家庭可支配收入的年平均增长率为15.50%；而消费的年平均增长率为14.22%，比收入年均增长率低了1.28个百分点，这为金融资产投资的增长提供了可能。金融资产投资的年均增长率为24.41%，远远高于收入与消费的年均增长率。从各年度的增长率情况来看，除少数几个年份的金融资产投资增长率为负值以外，大多数年份的增长率都为正数，但增长幅度各异，其中2003年达到了107.19%的大幅增长率，而同期消费增长率则相对较低，仅为8.15%。这在一定程度上体现出，与2002年相比，2003年北京市居民家庭对消费市场不大看好，而更愿意把资金放入投资市场。
而从对应的折线图8可以看出，1979年到2007年间，北京市居民家庭的可支配收入增长率和消费增长率都为正值，表明家庭可支配收入和消费都呈稳步增长的趋势；而金融资产投资的浮动则比较大，某些年份甚至还出现了负增长的情况。
以下通过建立回归模型，分析消费、收入增长率与金融资产投资增长率的关系，回归模型进行估计，结果如下：
变量名参数估计值标准误t统计量相伴概率
收入增长率4.1049901.1654113.5223540.0015
消费增长率-2.7773551.203085-2.3085280.0289
模型如下：
从模型估计结果可以看出，金融资产投资增长率与可支配收入增长率成正比，与消费支出增长率成反比，且可支配收入增长率每增长1%，金融资产投资增长4.105%，而消费支出增长率每增长1%，金融资产投资增长速度降低2.777%，也就是说可支配收入和金融资产投资是同向增长，但金融资产投资增长速度明显快于可支配收入增长速度，而消费支出和金融资产投资时逆向增长，而且金融资产投资的速度也快于可支配收入的速度。这与现实的实际情况非常吻合，收入的增加必然导致财富积累的增加，金融资产投资就是最有效的一种积累财富的方式，鉴于目前北京市的生活条件而言，收入增加的部分基本用于投资或储蓄，对物质生活方面的需求已经基本满足，支出的增加也就不是那么明显，因此金融资产投资增长的速度必然快于收入增长的速度。而消费支出的增加，必然导致金融资产投资的减少，因为总的收入是一定的。
四、结论
本文对北京市居民家庭金融资产投资进行研究，文中选取了收入、消费、风险三个宏观影响因素对家庭金融资产投资进行了定量分析。
家庭收入与金融资产投资的关系研究中发现金融资产投资随着收入的增加而增加，增长速度明显大于收入的增长速度，而且家庭金融资产投资与收入的关系在2002年发生了结构性的变化，同时发现不同收入水平对家庭金融资产投资的影响是有差异的，随着收入水平的提高，其对家庭金融资产投资的促进作用也就越大。
通过家庭金融资产投资与消费的关系研究，发现家庭金融资产投资与消费呈现负相关，当前金融资产市场比较活跃，而消费市场则相对低迷，这也体现了金融资产投资与消费此消彼长的关系。而家庭金融资产投资与消费的关系在2002年前后也发生了结构性的变化，同时发现家庭金融资产投资和消费都随着收入的增加而增加，但家庭金融资产投资的增长速度大于消费的增长速度。与此同时，金融资产的投资比重稳中有升，仍然存在一定的发展空间。
风险对金融资产投资的影响也不容忽视，研究发现北京市居民家庭的金融资产投资还比较保守，投资方式主要是安全系数较高的低风险投资，投资效率很低。这也说明了，北京市居民在金融资产投资方面规避风险的意识较强，比较注重投资的安全性。
国民理财是经济社会发展的必然趋势，现财的实质是投资，这一市场行为必然伴随着风险。要想促进和保障国民理财健康发展，并使它贡献于经济、造福于民生，从政府主管部门到金融理财机构再到相关社会团体，都有责任从国计民生和社会安定大局出发，加强对国民理财的正确导向和组织管理，引导国民科学理财、理智投资，规避风险、防止损失，以保障国民资产增值，维护民生和社会稳定。理智的投资者越多，国民理财就会越健康、有益，保持经济平稳快速发展。
从本文的研究可以发现，北京市居民家庭在金融资产投资上依然比较保守，主要偏向于安全系数较高的投资方式，如储蓄存款。事实上，这在一定程度上代表了我国城镇居民的投资模式，居民家庭依然有很高的规避风险倾向。造成这一局面的主要原因是我们缺乏“理智的投资者”。因此，政府及有关部门应重视发挥媒体和书籍的教化、引导作用。例如，不仅经济类专业报纸应开辟“理财专刊”并及时上市企业经营信息、金融市场动向和不动产行情，一般综合类报纸也应根据受众的特点和需求，考虑开辟“理财专版”和专栏，为理财者分析形势、指点迷津，以引导理性投资；电视台特别是经济频道更应充分发挥其受众面广、渗透力强的优势，以专家访谈、现身说法或各种寓教于乐的方式向大众传授投资理财之道，为家庭投资理财提供依据。强化对居民家庭投资理财的引导和服务，是有效防止和减少家庭盲目跟风、随意投资的最佳方式。各金融机构如商业银行，应积极设立家庭理财专口或专线，热情为客户答疑解难，提供周到的咨询服务，引导居民家庭根据自身的实际情况建立合理的投资组合。以使家庭的资金得到更好的保值和增值，达到家庭投资效益最大化的目的。
参考文献
[1][美]加里?斯坦利?贝克尔.家庭论.北京:商务印书馆.2007.
[2]刘扬等.中国居民收入分配问题研究.北京:首都经济贸易大学出版社.2007.
[3]李腊生.不确定性决策与金融资产投资.广东:广东人民出版社.2002.
[4]汪浩瀚.微观基础、不确定性与中国居民跨期消费研究.北京:经济科学出版社.2006.
[5]李子奈，潘文卿.计量经济学（第二版）.北京:高等教育出版社.2005.
[6]易丹辉.数据分析与Eviews应用.北京:中国统计出版社.2002.
[7]彭振武.中国家庭的投资理财模型.北京:机械工业出版社.2004.
[8]臧旭恒.居民资产与消费选择行为分析.上海人民出版社.2001.
[9]张辉，付广军.城镇居民家庭金融资产投资渠道选择模型研究.山东:山东经济.2008年01期.
[10]邹红、喻开志.家庭金融资产选择:文献述评与研究展望.金融理论与实践.2008年09期.
[11]陈玉光.我国居民高储蓄及其向投资转化机制研究.中国社会科学.1996年05期.
[12]韩国栋.我国居民储蓄存款变化成因分析.青海师范大学学报（自然科学版）.2007年01期.
[13]杨银海.当前我国居民储蓄存款下降的经济影响分析.经济研究参考.2007年61期.
[14]孙克任，谢俊士.居民储蓄、储蓄分流与金融资产发展.经济体制改革.2006年01期.
[15]赵早平.论居民金融资产多元化趋势预测模型.市场周刊（研究版）.2005年01期.
[16]柴曼莹.中国居民金融资产增长因素贡献率测算.华南立功大学学报（社会科学版）.2003年01期.
[17]熊鹏.银行体系“黑洞”与储蓄替代型证券的发展—对我国居民储蓄分流问题的新思考.成都理工大学学报（社会科学版).2005年01期.
[18]吴霞.我国居民金融资产多元化分析及政策建议.河北大学成人教育大学学报.2005年03期.
[19]袁志刚，冯俊.居民储蓄与投资选择:金融资产发展的含义.数量经济技术经济研究.2005年01期.
[20]胡进.预防性动机与居民金融资产选择偏好.理论月刊.2004年04期.
[21]McFaddenD.ConditionalLogitanalysisofqualitativechoicebehaviour.Berkeley.CA:UniversityofCaliforniaatBerkeley.1973.
[22]ManskiC.Thestructureofrandomutilitymodels.TheoryandDecision.1977.
