基于PLS方法的風(fēng)險(xiǎn)決定因素與投資決策研究

鄭月陽(yáng)

摘要：提出了一個(gè)總體框架來(lái)幫助低估我國(guó)投資者對(duì)風(fēng)險(xiǎn)導(dǎo)向的傾向，其中風(fēng)險(xiǎn)屬性是投資的一個(gè)基本問(wèn)題?？疾炝宋覈?guó)投資者的各種金融風(fēng)險(xiǎn)耐受性和投資方向，并研究了人口統(tǒng)計(jì)因素是否影響了金融風(fēng)險(xiǎn)耐受性和投資方向。在我國(guó)金融市場(chǎng)進(jìn)行交易的個(gè)人投資者中選擇106名進(jìn)行統(tǒng)計(jì)分析。結(jié)果證實(shí)，高平均風(fēng)險(xiǎn)取向與高收入水平和高教育水平有關(guān)。

關(guān)鍵詞：風(fēng)險(xiǎn)屬性;財(cái)務(wù)決策;投資選擇;路徑分析;PLS方法

一、研究背景

我國(guó)已經(jīng)啟動(dòng)了一個(gè)包容性的總計(jì)劃，該計(jì)劃旨在開(kāi)始一種創(chuàng)新的發(fā)展模式，以突出我國(guó)作為世界知識(shí)、經(jīng)濟(jì)重要基地的地位。長(zhǎng)期以來(lái)，我國(guó)經(jīng)濟(jì)社會(huì)的主要特點(diǎn)是青年多、失業(yè)率高、婦女在勞動(dòng)力市場(chǎng)的參與率低。經(jīng)濟(jì)中的中小型企業(yè)占其投資的95%。這項(xiàng)研究旨在為政策制定者、金融業(yè)和投資機(jī)構(gòu)提供新的線索，了解女性進(jìn)入商業(yè)市場(chǎng)和尋求新投資機(jī)會(huì)的挑戰(zhàn)和要求。在任何情況下，做出投資決策都必須承擔(dān)風(fēng)險(xiǎn)，風(fēng)險(xiǎn)偏好對(duì)投資的成功具有重要意義。Horwitz（2004）和Lonita（2001）都認(rèn)為風(fēng)險(xiǎn)很可能造成損失，經(jīng)驗(yàn)和信息是識(shí)別風(fēng)險(xiǎn)的先決條件，應(yīng)該對(duì)風(fēng)險(xiǎn)發(fā)生的概率進(jìn)行評(píng)估[1]。張堯（2016）等人針對(duì)考慮背景風(fēng)險(xiǎn)的項(xiàng)目投資決策問(wèn)題，分析了風(fēng)險(xiǎn)之間的相關(guān)性及相關(guān)程度對(duì)投資決策的影響[2]。Droms（1987）指出，風(fēng)險(xiǎn)導(dǎo)向可能使投資者會(huì)找出投資組合中資產(chǎn)的確切權(quán)重[3]。然而Doubleday（2002）指出，投資選擇是通過(guò)原始投資者的有用性函數(shù)以及風(fēng)險(xiǎn)偏好來(lái)決定的。雖然風(fēng)險(xiǎn)投資在已經(jīng)有比較深厚的研究基礎(chǔ)，在風(fēng)險(xiǎn)導(dǎo)向決策方面仍然存在一些尚未解決的問(wèn)題。因此，了解決定風(fēng)險(xiǎn)態(tài)度的因素對(duì)于投資者的決策非常重要[3-5]。根據(jù)Rustichini等人（2005年）的研究，投資者在危險(xiǎn)、模糊和不確定情境中的行為也有心理因素的影響[6]。

個(gè)人的風(fēng)險(xiǎn)行為不能用概率值最大化來(lái)描述，但可以用預(yù)期效用最大化理論來(lái)描述。預(yù)期效用最大化理論描述的是行為呈現(xiàn)的是決策者的風(fēng)險(xiǎn)規(guī)避類(lèi)型。另一種學(xué)派認(rèn)為風(fēng)險(xiǎn)厭惡是對(duì)增加的風(fēng)險(xiǎn)的遞減偏好[7]。楊秀蘭（2005）指出風(fēng)險(xiǎn)投資面臨著技術(shù)風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、資金風(fēng)險(xiǎn)、管理風(fēng) 險(xiǎn)和環(huán)境風(fēng)險(xiǎn)等風(fēng)險(xiǎn)類(lèi)型，需要制訂規(guī)避投資風(fēng)險(xiǎn)的一系列策略[8]。

二、基于PLS的模型構(gòu)建

根據(jù)相關(guān)學(xué)者對(duì)該問(wèn)題的研究，本文建立了一個(gè)研究模型，包括風(fēng)險(xiǎn)屬性（風(fēng)險(xiǎn)厭惡、多樣化、家庭規(guī)模、配偶效應(yīng)、經(jīng)濟(jì)地位低下和思想觀念）和人口統(tǒng)計(jì)學(xué)變量（年齡、教育水平、性別、月收入和社會(huì)地位）兩個(gè)變量集合。

研究假設(shè)：H1：所有的風(fēng)險(xiǎn)都是顯著相關(guān)的，并且可以在其潛在的因素上得到解釋。H11：風(fēng)險(xiǎn)厭惡與風(fēng)險(xiǎn)屬性顯著相關(guān)，并可以在風(fēng)險(xiǎn)屬性上得到解釋。H12：多樣化與風(fēng)險(xiǎn)屬性顯著相關(guān)，并能得到解釋。H13：家庭規(guī)模與風(fēng)險(xiǎn)屬性顯著相關(guān)，并可以得到解釋。H14： 配偶效應(yīng)與風(fēng)險(xiǎn)屬性顯著相關(guān)，并可以得到解釋。H15：經(jīng)濟(jì)狀況不穩(wěn)定與風(fēng)險(xiǎn)屬性有顯著關(guān)系，并可以得到解釋 H16：簡(jiǎn)潔度與風(fēng)險(xiǎn)屬性有顯著關(guān)系，并可以得到解釋。H2：研究中的人口因素與風(fēng)險(xiǎn)屬性（性別、年齡、教育水平、社會(huì)地位和月收入）之間存在著顯著的關(guān)系。

利用SPSS對(duì)研究樣本進(jìn)行分析。性別作為一個(gè)絕對(duì)數(shù)字，是近似且似乎偏向于男性的（83：17）。占主導(dǎo)地位的年齡組是（30-35歲），約占研究樣本的一半。學(xué)士學(xué)位持有者是研究樣本中的主要群體，占樣本的66%以上。就社會(huì)地位而言，已婚類(lèi)別在樣本中占主導(dǎo)地位，占整個(gè)樣本的70%以上。詳細(xì)數(shù)據(jù)如表1中所示。

研究模型的可靠性通過(guò)克倫巴赫指數(shù)來(lái)測(cè)試。有效性可以運(yùn)用綜合可靠性和平均解釋方差（AVE）來(lái)描述。詳細(xì)數(shù)據(jù)如表2所示。

三、案例模型數(shù)據(jù)分析

1.正態(tài)性

正態(tài)性是一個(gè)基本概念，在開(kāi)始任何可信的數(shù)據(jù)調(diào)查之前需要對(duì)它進(jìn)行確定。要做到這一點(diǎn)，研究數(shù)據(jù)必須類(lèi)似于鐘形數(shù)據(jù)分布以作為正態(tài)分布的反映。該研究考察了一些衡量標(biāo)準(zhǔn)，如峰度、偏度和標(biāo)準(zhǔn)差，它們被認(rèn)為是數(shù)據(jù)的正常性指標(biāo)。對(duì)于偏度的測(cè)量，它指定了分布的均勻性，而Kurtosis值是指研究數(shù)據(jù)在鐘形正態(tài)分布方面的水平度和峰值，其值應(yīng)小于1，標(biāo)準(zhǔn)偏差不應(yīng)超過(guò)三個(gè)SD值（見(jiàn)表3）。

2.結(jié)構(gòu)模型和路徑分析

2.1 假設(shè)模型的分析：初始階段

在該階段中使用自舉測(cè)試技術(shù)，為測(cè)試程序創(chuàng)建了2000個(gè)樣本。T-Test的初步結(jié)果顯示，假設(shè)模型的兩邊都有一些變量沒(méi)有通過(guò)0.05顯著水平的1.96基準(zhǔn)線，這就要求重新考慮并可能放棄這些變量，并要求重新設(shè)計(jì)模型，只用可能接受的變量進(jìn)行重新測(cè)試。初步結(jié)果如表4和圖1中所示。基于樣本研究和初步結(jié)果，假設(shè)H13、H15和H16都被拒絕，因?yàn)樗鼈兌紱](méi)有通過(guò)T-Test措施的測(cè)試標(biāo)準(zhǔn)，不能代表與風(fēng)險(xiǎn)投資決策有關(guān)的人口因素。只有H11、H12和H14被采納，并在修改后的模型中重新考慮。至于假設(shè)的另一個(gè)子模型：風(fēng)險(xiǎn)導(dǎo)向的投資決策（ROID），只有兩個(gè)變量被接受重新納入修改后的模型中;必要的真實(shí)性（RA）和多樣化（DV），因?yàn)樗鼈兺ㄟ^(guò)了T-Test測(cè)試標(biāo)準(zhǔn)。

2.2 修改后（重新設(shè)計(jì)的）模型的分析：第二個(gè)階段

根據(jù)初始測(cè)試階段的結(jié)果對(duì)假設(shè)模型進(jìn)行調(diào)整，在假設(shè)的兩個(gè)子模型中只包括通過(guò)測(cè)試標(biāo)準(zhǔn)的變量，如圖3所示。再次使用了引導(dǎo)技術(shù)，并在原來(lái)106名受訪者的2000個(gè)樣本上進(jìn)行了測(cè)試。結(jié)果顯示，所有修改后的假設(shè)都被確認(rèn)和接受，正如第一次初步測(cè)試和第二次測(cè)試所示，見(jiàn)表5、6。

四、結(jié)論

本研究調(diào)查了我國(guó)對(duì)金融投資有特殊興趣的個(gè)人的投資行為，以風(fēng)險(xiǎn)態(tài)度作為他們的投資策略取向。研究結(jié)果顯示，人口因素中的性別和社會(huì)地位投資領(lǐng)域的識(shí)別變量沒(méi)有明顯的貢獻(xiàn)。結(jié)果顯示，研究中接受的人口統(tǒng)計(jì)學(xué)變量（年齡、教育和月收入）與前面提到的接受的風(fēng)險(xiǎn)變量之間存在明顯的有效關(guān)系。結(jié)果顯示了一種逆向（負(fù)）關(guān)系;隨著個(gè)人年齡的增長(zhǎng)，他們?cè)谕顿Y選擇方面的意識(shí)會(huì)越來(lái)越差。此外，教育水平表明，個(gè)人更有可能承擔(dān)風(fēng)險(xiǎn)，而忽略任何風(fēng)險(xiǎn)保留。最后，月收入越多的人比其他收入較少的人更有可能承擔(dān)更多的風(fēng)險(xiǎn)。就更有意義的變量而言，月收入排名第一，其次是年齡，而對(duì)風(fēng)險(xiǎn)態(tài)度的DF影響最小的是教育水平。

參考文獻(xiàn)：

[1]Horwitz， Richard （2004） Hedge fund risk fundamentals： solving the risk management and transparency challenge， Risk Fundamentals LLC， Bloomberg Press， Princeton， NJ， USA Jianakoplos， N. A. and Bernasek， A. （2006） Financial Risk Taking by Age and Birth Cohort， Southern Economic Journal. Vol 72（4）， 981-1001.

[2]張堯，關(guān)欣，孫楊，佐飛.考慮背景風(fēng)險(xiǎn)的項(xiàng)目投資決策[J].中國(guó)管理科學(xué)，2016，24（09）：71-80.

[3]Droms， W. G. （1987） Investment asset allocation for PFP clients. Journal of Accountancy， Vol 163， 114–118.

[4]Yang， J. and Qiu， W.， （2005） A measure of risk and a decision-making model based on expected utility and entropy， European Journal of Operational Research Vol 164， 792-799.

[5]Doubleday， W. G.， （2002） Expected utility and the cumulative consequences of repeated decisions： a tutorial， Risk， Decision and Policy Vol 7， 109-119.

[6]Rustichini， et al. （2005） Emotion and Reason in Making Decisions， Science Vol 310， pp. 1624-1625.

[7]Chew， S. H.， Karni， E. and Safra， Z.， （1987） Risk Aversion in the Theory of Expected Utility with Rank Dependent Probabilities， Journal of Economic Theory， Vol 42， 370–381.

[8]楊秀蘭.風(fēng)險(xiǎn)投資的風(fēng)險(xiǎn)分擔(dān)機(jī)制分析[J].經(jīng)濟(jì)經(jīng)緯，2005（01）：137-139.