居民公募基金投資意愿與選擇的影響因素分析

陳然

摘? ?要：通過文獻(xiàn)分析，選出若干因子并分為四大類，分別是基金性質(zhì)、基金績效、投資能力、人際環(huán)境，基于此設(shè)計(jì)問卷。通過頻數(shù)分析、信效度分析、lightGBM模型的擬合、SHAP算法的特征重要性分析發(fā)現(xiàn)，投資能力對于投資者選擇投資公募基金至關(guān)重要。對于基金性質(zhì)與基金業(yè)績方面，投資者看重基金的穩(wěn)健性及流動(dòng)性等，同時(shí)希望基金經(jīng)理的經(jīng)驗(yàn)及能力越高越好。而人際環(huán)境方面的影響不大。正所謂認(rèn)知影響行為，居民投資能力很大程度上決定了其投資意愿。因此，對于基金管理公司、基金代銷公司和監(jiān)管機(jī)構(gòu)而言，可重點(diǎn)做好投資者教育，加大金融教育的力度。

關(guān)鍵詞：公募基金；居民投資意愿；影響因素；lightGBM模型的擬合；SHAP算法的特征重要性分析

中圖分類號：F823.9? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：1673-291X（2023）21-0096-04

一、研究背景

隨著我國經(jīng)濟(jì)與社會(huì)的飛速發(fā)展，居民的家庭財(cái)富逐漸增加，因此如何管理財(cái)富，進(jìn)行投資，實(shí)現(xiàn)資產(chǎn)的保值與增值，成為了許多居民越來越關(guān)注的重點(diǎn)。一方面，居民的財(cái)富由儲蓄向投資轉(zhuǎn)化；另一方面，居民投資者也逐漸成為資本要素市場里不可忽視的角色。居民的投資渠道除了房地產(chǎn)、股票、期貨以外，公募基金也成為了不少居民投資者的選擇，說明我國居民投資渠道正向多元化發(fā)展。

通過閱讀、梳理相關(guān)文獻(xiàn)，發(fā)現(xiàn)我國學(xué)者對于居民投資方面的調(diào)查研究已經(jīng)頗有成果，也與時(shí)俱進(jìn)地提出了新觀點(diǎn)；對于公募基金市場方面的研究多從宏觀市場運(yùn)行的角度來展開，較少研究居民在公募基金市場上投資選擇的影響因素。通過問卷調(diào)查的方法收集不同城市、收入、學(xué)歷等個(gè)人背景因素的投資者，或者潛在投資者對公募基金的投資意愿與影響因素，可以深入了解公募基金市場中居民投資者的行為選擇，引導(dǎo)居民理性投資，并幫助國內(nèi)的基金投顧機(jī)構(gòu)針對居民投資的影響因素有方向性地制定管理和營銷服務(wù)策略，促進(jìn)我國金融理財(cái)行業(yè)的健康、可持續(xù)發(fā)展。

二、文獻(xiàn)綜述

（一）我國居民投資狀況

隨著家庭財(cái)富的增加，境外投資、銀行理財(cái)產(chǎn)品、資本市場產(chǎn)品的投資額比重提高了比較大的幅度。與外國相比，我國的居民投資分配依然有著“一邊倒”的態(tài)勢。根據(jù)《2018 年中國城市家庭財(cái)富健康報(bào)告》顯示，我國居民投資最大的選擇渠道是房地產(chǎn)市場，其比重甚至大大超過了金融資產(chǎn)、工商業(yè)等其他渠道的總和。而相比之下美國居民在投資選擇上就顯得更加多元化，且金融資產(chǎn)是最受歡迎的渠道。綜合多位學(xué)者的觀點(diǎn)，我國居民投資的主要意向有銀行儲蓄、國債、股市、基金、保險(xiǎn)、貴重金屬等（王敏，2016）。在證監(jiān)會(huì)推動(dòng)居民由儲蓄向投資轉(zhuǎn)化的今天，有必要加強(qiáng)關(guān)于居民在公募基金市場投資行為的調(diào)查與研究。

（二）我國居民投資的影響因素

外部環(huán)境因素如金融市場宏觀態(tài)勢會(huì)影響居民投資選擇行為（任心宇，2019）?；ヂ?lián)網(wǎng)技術(shù)飛速發(fā)展，居民可以獲得更多的投資信息與知識，使得居民的投資更加趨向多元化。在人口老齡化問題加劇的形勢下，有學(xué)者發(fā)現(xiàn)年輕群體更加追求高收益的投資渠道比如股票和期貨，而年齡較大的群體更趨向于投資收益穩(wěn)定的渠道（趙向華，2020）。在房地產(chǎn)市場“泡沫”膨脹的背景下，有學(xué)者基于問卷調(diào)查發(fā)現(xiàn)有購房意愿的居民相較于沒有購房意愿的居民，其購債的幾率明顯要高。然而正在償還房貸的居民的購債意愿顯著要低。這也是緣于家庭財(cái)富配置狀況的影響（申琳，2019）。另外，在經(jīng)濟(jì)走向高質(zhì)量發(fā)展的宏觀環(huán)境下，有學(xué)者通過建立多元模型，發(fā)現(xiàn)產(chǎn)業(yè)偏好也會(huì)影響其投資選擇（騰玉華，2020）。比如，有節(jié)能意識的居民對新能源產(chǎn)業(yè)的投資意愿更大。在新時(shí)代，學(xué)者們越來越關(guān)注居民群體的健康狀況。劉瀟等人發(fā)現(xiàn)處于健康狀態(tài)的居民更傾向于投資風(fēng)險(xiǎn)程度較高的金融產(chǎn)品（劉瀟、程志強(qiáng)、張瓊，2014）。

我國學(xué)者在研究居民投資影響因素上已經(jīng)頗有成果，不僅包含了經(jīng)典的影響因素如財(cái)富等的研究，還結(jié)合時(shí)代發(fā)展背景，得出了具有時(shí)代意義的新成果。但對居民在公募基金投資上的行為選擇相關(guān)研究較少。

三、研究設(shè)計(jì)與方法

問卷設(shè)計(jì)分為四部分。第一部分為人口統(tǒng)計(jì)學(xué)題目，分別調(diào)查被調(diào)查者的年齡、性別、所在城市、學(xué)歷。第二部分調(diào)查被調(diào)查者家庭收入，通過家庭年收入、家庭負(fù)債、家庭住房套數(shù)等指標(biāo)進(jìn)行調(diào)查。第三部分為基金性質(zhì)、基金效益、人際環(huán)境、投資能力這四個(gè)方面對于居民基金投資選擇的影響。

公募基金性質(zhì)（Mature of Fund， NOF），主要參考王博（2015）、梁雯等（2016）的研究進(jìn)行設(shè)計(jì)和調(diào)整，包含六個(gè)題項(xiàng)。一般來看，相對于其余的譬如股票、期貨、期權(quán)等金融產(chǎn)品，基金具有投資風(fēng)險(xiǎn)更低、收益更穩(wěn)定、申購方便快捷、交易門檻低，流動(dòng)性較好等性質(zhì)。

公募基金業(yè)績（Fund Performance），簡寫成FP，主要參考蔡磊（2013）和梁雯（2016）的研究，進(jìn)行調(diào)整為五個(gè)題項(xiàng)，分為基金經(jīng)理的從業(yè)年限、過往業(yè)績、管理基金規(guī)模大小、基金的過往業(yè)績、規(guī)模、基金公司排名等多個(gè)維度測度居民的公募基金投資選擇偏好。

人際環(huán)境（Interpersonal Environment，IE）基于Smite Verma 等研究中涉及的量表的基礎(chǔ)上，針對公募基金投資決策進(jìn)行調(diào)整得到3個(gè)題項(xiàng)。

投資能力（Investment Ability，IA）量表在Peter Kamau Njuguna（2017）量表的基礎(chǔ)上，參照王壘等（2003）的研究進(jìn)行調(diào)整形成五個(gè)題項(xiàng)。調(diào)查居民相關(guān)的知識和能力基礎(chǔ)支撐。

第四部分是公募基金投資調(diào)查（Fund Investment），用以測量投資者對公募基金的投資意愿。對于已經(jīng)購買公募基金的人群，我們調(diào)查了其投資公募基金在總投資中所占的比重以及其投資公募基金的頻率。而對于未投資公募基金的人群，我們則提問其未來對于公募基金的的投資意愿。

在問卷設(shè)計(jì)中，我們主要采用的是李克特七級量表，1 分代表完全不同意，7 分代表完全同意，分?jǐn)?shù)越高表示同意程度越高。同時(shí)也設(shè)計(jì)了單項(xiàng)以及多項(xiàng)選擇題，用于人口統(tǒng)計(jì)學(xué)特征測量以及不購買公募基金原因測量。

四、數(shù)據(jù)分析與結(jié)果

（一）信度分析

基金性質(zhì)部分題組信度系數(shù)值為0.929，基金業(yè)績題組的信度系數(shù)值為0.938，投資能力部分題組信度系數(shù)值為0.910，均大于0.9，因而說明研究數(shù)據(jù)信度質(zhì)量很高。針對“項(xiàng)已刪除的α系數(shù)”，任意題項(xiàng)被刪除后，信度系數(shù)并不會(huì)有明顯的上升，因此說明題項(xiàng)不應(yīng)該被刪除處理。同時(shí)，分析項(xiàng)的CITC 值均大于0.4，說明分析項(xiàng)之間具有良好的相關(guān)關(guān)系，同時(shí)也說明信度水平良好。綜上所述，研究數(shù)據(jù)信度系數(shù)值高于0.9，綜合說明數(shù)據(jù)信度質(zhì)量高，可用于進(jìn)一步分析。

（二）量表效度分析

所有研究項(xiàng)對應(yīng)的共同度值均高于0.4，說明可以有效地提取研究項(xiàng)信息。另外，KMO 值為0.961，大于0.6，說明數(shù)據(jù)具有效度。另外，3 個(gè)因子的方差解釋率值分別是30.806%、26.256%、20.424%，旋轉(zhuǎn)后累積方差解釋率為77.485%>50%。則研究項(xiàng)的信息量可以有效地提取出來。

（三）lightGBM模型的擬合

為了探究相關(guān)因素對基金購買意愿影響的高低，本文先使用lightGBM 模型（Light Gradient Boosting Machine）對問卷數(shù)據(jù)進(jìn)行擬合，建立了一個(gè)解釋各種相關(guān)因素對基金購買意愿影響的模型。lightGBM 模型以GBDT 算法和直方圖算法為基礎(chǔ)，具有擬合效果好、支持原始分類數(shù)據(jù)、易于比較特征重要性的優(yōu)點(diǎn)。

模型的因變量為基金購買意愿（其中將已購基金的調(diào)查者的購買意愿設(shè)為愿意購買基金），其余相關(guān)因素展示如下頁表1。

對模型進(jìn)行擬合后得到模型在訓(xùn)練集和測試集上的MAE 損失函數(shù)的值分別為0.172272 和0.21802，說明模型具有不錯(cuò)的擬合效果，即模型對相關(guān)因素對基金購買意愿的影響能起到較好的解釋。

（四）基于模型自身信息增益的特征重要性分析

在此模型中的構(gòu)建過程中，各因素帶來的信息增益對模型的構(gòu)建起決定性的作用，所以各特征的信息增益代表了因素對模型的貢獻(xiàn)，所以我們使用各因素在模型中的累計(jì)信息增益作為特征重要性的衡量，按貢獻(xiàn)程度排序結(jié)果，如表2。

由表2可知，對因變量影響最大的九個(gè)因素依次為：特征24、8、22、23、18、13、15、10、3。

（五）基于SHAP算法的特征重要性分析

由于在lightgbm模型的建立中存在一定的隨機(jī)性，所以使用與模型無關(guān)的解釋算法SHAP對各因素的重要性進(jìn)行計(jì)算，與由模型自身的信息增益得到的因素重要性進(jìn)行相互的驗(yàn)證。

SHAP value模型對于每個(gè)預(yù)測樣本，都產(chǎn)生一個(gè)預(yù)測值，SHAP value 就是該樣本中每個(gè)特征所分配到的數(shù)值。假設(shè)第i個(gè)樣本為xi，第i個(gè)樣本的第j個(gè)特征為xi，j，模型對第i個(gè)樣本的預(yù)測值為yi，整個(gè)模型的基線（通常是所有樣本的目標(biāo)變量的均值）為ybase，那么SHAP value 服從以下等式。

yi=ybase+（xi，1）+f（xi，2）+...+ f（xi，k）

其中f（xi，1）為xi，j的SHAP 值。直觀上看，f（xi，1）就是第i個(gè)樣本中第1個(gè)特征對最終預(yù)測值yi的貢獻(xiàn)值，當(dāng)f（xi，1）>0，說明該特征提升了預(yù)測值，有正向作用；反之，說明該特征使得預(yù)測值降低，有反作用。詳細(xì)數(shù)據(jù)見表3：

表3? 各特征的貢獻(xiàn)值

從計(jì)算結(jié)果可知，對因變量影響最大的九個(gè)因素依次為：特征24、22、8、23、18、15、3、13、10。

五、結(jié)論和建議

研究發(fā)現(xiàn)對財(cái)經(jīng)資訊的關(guān)注程度、投資公募基金的相關(guān)能力強(qiáng)弱、對公募基金收益相對穩(wěn)健的認(rèn)同程度、對某一行業(yè)板塊具有一定的了解和偏好程度、基金經(jīng)理從業(yè)時(shí)長、基金經(jīng)理歷史業(yè)績、公募基金手續(xù)費(fèi)、所學(xué)專業(yè)、公募基金流動(dòng)性是影響居民選擇投資公募基金的重要因素。

由上述結(jié)論我們可以得知，正所謂認(rèn)知影響行為，居民投資能力很大程度上決定了其投資意愿。對此，對于基金管理公司、基金代銷公司和監(jiān)管機(jī)構(gòu)而言，可重點(diǎn)做好投資者教育，加大金融教育的投入。

其次，對于投資者更看重基金的穩(wěn)健性和流動(dòng)性這一點(diǎn)，對投資理財(cái)公司的啟發(fā)是多開發(fā)風(fēng)格穩(wěn)健型的理財(cái)產(chǎn)品，注重基金中高風(fēng)險(xiǎn)資產(chǎn)如股票、期權(quán)，以及低風(fēng)險(xiǎn)資產(chǎn)如債券的配置比例，使產(chǎn)品總體的風(fēng)險(xiǎn)趨于平衡。而對于流動(dòng)性這一點(diǎn)，理財(cái)公司的產(chǎn)品鎖定期限可以靈活設(shè)置。此外，對于每個(gè)持有期限內(nèi)的產(chǎn)品贖回費(fèi)率進(jìn)行調(diào)整，在保證基金充足的情況下，調(diào)低短時(shí)間贖回費(fèi)率，加強(qiáng)流動(dòng)性。通過與金融服務(wù)互聯(lián)網(wǎng)平臺合作，進(jìn)行基金的管理與銷售，提高基金投資的便利性，同時(shí)能夠及時(shí)獲取用戶相關(guān)反饋。

參考文獻(xiàn)：

[1]? ?王敏，劉榮莉.居民投資方式和策略的探討[J].中國集體經(jīng)濟(jì)，2016（15）：24-25.

[2]? ?任心宇，鄧詩雅，王施懿，等.城鎮(zhèn)居民家庭投資理財(cái)?shù)挠绊懸蛩靥轿觯阂蚤L沙市為例[J].山西農(nóng)經(jīng)，2019（11）：132-133.

[3]? ?趙向華.人口老齡化對居民家庭投資風(fēng)險(xiǎn)偏好的影響研究[J].商業(yè)經(jīng)濟(jì)，2020（2）：62-64.

[4]? ?申琳.居民儲蓄國債投資決策的影響因素分析：基于上海市3398份投資者調(diào)查問卷的實(shí)證研究[J].上海金融，2019（12）：71-78.

[5]? ?滕玉華，任鈺親.農(nóng)村居民能效投資意愿與行為偏差研究[J].無錫商業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2020，20（6）：33-39.

[6]? ?劉瀟，程志強(qiáng)，張瓊.居民健康與金融投資偏好[J].經(jīng)濟(jì)研究，2014，49（S1）：77-88.

[7]? ?王博.中國開放式基金凈申購影響因素研究[D].廣州：暨南大學(xué)，2011.

[8]? ?梁雯，廖宜靜.我國股票型開放式基金申購贖回影響因素實(shí)證研究[J].安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，25（2）：43-47.

[9]? ?蔡磊.開放式基金資金流入影響因素的研究[D].成都：西南財(cái)經(jīng)大學(xué)，2013.

[10]? ?王壘，鄭小平，施俊琦，等.中國證券投資者的投資行為與個(gè)性特征[J].心理科學(xué)，2003（1）：19-22.

Investigation on Influencing Factors of Residents Investment Intention and Choice of Public Fund

Chen Ran

（School of Economics and Management， South China Normal University， Guangzhou 510006， China）

Abstract： Through literature analysis， several factors are selected， which are divided into four categories： fund nature， fund performance， investment ability and interpersonal environment design questionnaire. Through frequency analysis， reliability and validity analysis， fitting of lightGBM model， and characteristic importance analysis of SHAP algorithm， we finally find that investment ability is crucial for investors to choose to invest in public funds. Secondly， in terms of fund nature and fund performance， investors value the robustness and liquidity of funds. At the same time， the higher the fund managers experience and ability， the better. Interpersonal environment had little effect.

Key words： public funds; residents willingness to invest; influencing factors; fitting of the lightGBM model; analysis of feature importance in SHAP Algorithm

[責(zé)任編輯? ?白? ?雪]