前言：尋找寫作靈感？中文期刊網用心挑選的人口老齡化對居民家庭投資風險的影響，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
[摘要]以家庭投資風險偏好為研究對象，在人口老齡化的社會背景環境下，分析這一基本條件對于投資風險偏好的影響狀態。通過論述老齡化在風險投資中的應用地位，在建立基本偏好影響理論框架的同時，提取并建立完整的數據模型。經過對數據信息的深入推演，確定人口老齡化對于居民家庭投資風險偏好的影響狀態，供相關研究參閱討論。
[關鍵詞]人口老齡化；家庭投資；風險管理；投資偏好
人口老齡化是我國社會發展進程中不可避免的問題。在當前的社會環境中，人口老齡化問題的影響條件已經逐漸浮現，并對社會產生了明顯的影響。從金融行業的視角出發，這種社會性問題也會對我國居民家庭投資風險偏好造成一定程度的影響。而為了說明這一影響，則需要從老齡化的影響條件入手，引導后續分析模型建立與統計。
一、老齡化對風險資產配置的影響
家庭資產配置的理論系統中，生命周期理論對后續的研究活動產生了明顯的影響。假定理性消費者在整個生命周期中，都需要通過儲蓄實現資本的效用最大化管理。因此，在這一理論系統的影響條件下，社會人口的老齡化發展，就會增加社會群眾的消費傾向，并降低儲蓄總量與傾向。其他針對人口老齡化的研究，也將生命周期理論作為基礎，確定了中年人對于股票投資的傾向程度。在國內的相關研究中，養老金與社保是分析這一問題的關鍵。在我國的醫療養老保險體系下，年齡成為了影響金融資產結構的重要參數。
二、偏好影響研究的理論框架
年齡狀態對于投資風險的偏好狀態，主要建立在風險異質性特征與不同年齡的認知差異中。在這兩項影響條件的基礎上，家庭的投資風險偏好，也會產生不同程度的變化，并對整體人口老齡化環境中的家庭投資傾向造成影響，而為了更好地說明這一內容，需要以此為基礎，建立起完整的理論研究框架，以此保證偏好影響條件的狀態分析，確定影響研究的現實意義[1]。行為經濟學視角下，人們的偏好內容帶有一定的異質性特征，是一種微觀復雜性的表現，并重點體現在年齡差異條件上。從心理學的角度出發，人們進入老齡化階段后，隨著經濟收入的降低，對經濟狀態有更加強烈的敏感度。然而在財富渴望程度上升的同時，根據其自身生命周期的特征表現，又表現出對于風險本能的厭惡。老年階段，在身體精力下降、健康惡化的條件下，也會自然的降低其風險承受能力，以此表現出風險溢價的高標準要求狀態。不同年齡狀態的認知條件，也會影響人們的風險偏好狀態。在研究過程中發現，隨著年齡的增長，認知能力會表現出先增長再降低的發展曲線。通過社會追蹤性調查發現，風險偏好內容與人們的認知能力有明顯的關聯性。在認知能力較高的年齡段狀態下，更傾向于高風險的投資項目；而在認知水平降低后，人們對于低風險的投資項目則表現出明顯的傾向性。對應在年齡狀態下，處于老齡狀態的低認知能力，會影響其投資風險傾向，并更加側重于低風險的投資內容。由此，在全年齡段的投資風險偏好曲線中，呈現出了與認知能力同步的“倒U型”曲線結構。
三、數據信息基礎上的影響模型分析
(一)數據來源與變量模型
本文所采用的數據信息，源自于網絡，是各大金融機構與高校調研中心數據的匯總。在內容上，基本覆蓋了2018年以前，全國30各省級(直轄市、自治區)單位中，8650戶家庭的投資狀態。通過對其資本配置狀態的分析與評估，形成了完整的樣本數據6000例，以此作為變量模型的分析基礎，論述人口老齡化狀態對于家庭投資風險偏好的影響條件。在對問卷信息進行設定的過程中，設置了風險意向自我定位內容，并在后續的選擇項目中，從側面重新定位了風險偏好的評估條件，以此保證了整個高風險項目的偏好分析，維護數據信息來源的對應狀態。整體統計數據中，選擇高風險的測試者總數的13.83%，中度風險偏好家庭占25.73%。而其余60.43%，均為低風險偏好家庭[2]。從整體數據顯示來看，接受調查測試的老齡化家庭，在整體偏好選擇上，更加傾向于低風險狀態。
(二)數據描述分析
通過對基礎數據信息的統計，可以將年齡作為分析的線性變量數據。將十年作為一組，從20-29歲作為第一組分析數據，并在最終將80歲以上作為獨立小組，形成七組數據，以此完成數據內容中各項影響參數的帶入分析。從整體數據情況來看，將低風險偏好作為常量，數據變化程度尤為明顯。其中，第一組(20-29)的低風險偏好比例為22.15%，而第七組(80以上)的低風險偏好則為89.61%。另外，將高風險數據作為常量，第一組有39.24%的人選擇了高風險項目，而第七組對于高風險的選擇，僅為1.69%，遠遠的低于第一組的數據權重。統一基礎數據的支撐下，不同學歷水平，也會對風險的差異化偏好產生的影響。沒有上過學的人群中，僅有5.12%選擇高風險偏好，而在高學歷的博士人群中，則有55.56%的人選擇高風險項目。
(三)差異模型說明
依據數據基礎建立差異化模型的過程中，可以根據低風險、中風險、高風險這三種差異化的選擇，確定三種不同的風險態度。在模型建立中，可以選擇序狀態的Logit回歸模型作為分析基礎，通過多分類狀態的邏輯斯蒂回歸模型，完成整體的數據分析。建立模型的過程中，可以對因變量投資風險進行系統拆分，并在結合年齡實際分析對象狀態的前提下，形成對應的回歸數據。由此，在Logit回歸模型中，形成假設數據，借助自身的有序化優勢條件下，判斷發生風險比例變動的具體因素與相應的邊際因素。本文在對居民投資風險偏好進行分析的過程中，可以首先將年齡作為獨立的分析因素帶入到模型系統中做出假設分析，完成對應結論的歸納整理。同時，在得到相應的分析數據后，也可將這一年齡狀態下的數據作為基礎，向其中帶入其他的變量數據，以此形成新型的綜合數據，保證整體分析的指導價值，并細化分析研究的內容。另外，在這一模型數據的基礎上，也可帶入所有的變量參數，形成獨立模型。通過這一模型，可以與年齡模型信息進行合并，并形成新的模型數據。
(四)模型分析結果
在經過計算統計之后，可以分別對不同模型的應用條件作出評估，并整理出多種應用型結論內容。在對實際數據結果作出總結的同時達到整體數據分析的客觀需要。首先在不同的模型的結構中，確定了風險偏好提升等級過程中產生的可能性下降。在結論內容上，再次印證了年齡增加，投資風險偏好降低的關系狀態[3]。在對綜合模型計算結構進行分析的過程中，可以確定因變量分類中的回歸數值變化曲線。尤其是在投資風險偏好提高的過程中，可以確定高、中等風險傾向的降低趨勢。由此，也確定了整體數值的合理性狀態。七組模型數據(如下表所示)中，第一組(20-29)與第二組(30-39)這兩組數據的變化區間較大。而第二組(30-39)與第三組(40-49)之前的差異化狀態又明顯縮減。這一情況，說明了年齡提升條件下，風險偏好的相對平穩變化狀態。在進入60歲以后，這一風險偏好的數值狀態，又呈現出了加劇下降的趨勢。這主要是在受測者進入老年段之后，出現的邊際數值量增加。另外，通過對受教育程度的分析，可以確定高風險傾向與受教育水平的正比例關系。在模型邊際效應的數值計算中，也再次佐證了這一數值的可行性狀態。而健康狀態，也是影響投資風險偏好的重要內容，并與年齡狀態之間表現出密切的關系水平。具體的邊際數值中，受測對象上升一個等級，都會在健康狀態上發生相應的變化。尤其在中、高風險偏好中，良好的健康狀態會起到積極的影響作用。
(五)影響條件拓展
我國實際社會環境中，社會人口主要分為城市人口與農村人口這兩種類型。在經濟狀態選擇的分析過程中，需要對這一社會特殊性的狀態作出評價與分析，并在分別定位社會人口條件的同時，確定其各自不同的老齡化投資傾向。由此，在補充模型分析內容的過程中，保證分析的社會價值與指導意義。方法上，可以將有序狀態的Logit回歸模型作為具體的應用方法，在控制變量的條件下，保持與原有最佳模型的同步狀態。然后，再分別列舉回歸系數與邊際效應的具體數值。由此得出農村居民投資的風險偏好的最終情況。另外，通過新建立的城鄉差異化模型，可以在家庭成員總數的變量條件上，確定投資風險偏好的不顯著狀態，同時也確定健康狀態對于農村居民投資影響的不顯著狀態。但是，在性別、教育程度的數據差異，會對農村居民的風險偏好產生明顯的影響。而健康條件、家庭收入的內容，則對城市居民的投資偏好程度有較為顯著的影響。通過對農村居民與城市居民的風險偏好邊際效應異同分析，可以再次強調年齡與風險偏好的反比例關系，并具體地將70歲作為數值近似的比較控制點。在70歲以前，城鎮居民的邊際數值曲線相對農村居民更加陡峭(如圖1所示)。而70歲這一節點之后，農村與城鎮居民的邊際曲線都下降到了相對較低的位置，并沒有表現出較大的差異化狀態，呈現出了一定的數據趨同發展狀態。不僅城鄉差異社會狀態會對其所屬居民的投資風險偏好造成影響，不同性別也會產生明顯的差異，而這也是居民家庭投資風險偏好，受老齡化影響的研究拓展內容。在對數據調查信息進行調整的同時，將性別作為主要分析對象，可以在形成邊際曲線的基礎上，得到具體的數據內容。相較于男性的投資風險偏好，女性的風險偏好在全年齡段中，都要低于男性的邊際數值。并在隨著年齡的不斷增長，兩個獨立的曲線數據(如圖2所示)，逐漸表現出明顯的趨同性特征。綜上，在對金融數據進行調查與總結的過程中，結合我國當前的人口老齡化現狀，分析這一社會條件對于居民投資偏好的影響作用。通過分析，不僅可以更加清晰的定位我國居民的金融選擇狀態，也能為金融行業的發展調整提供幫助。在制定新型金融工具的過程中，可以充分地發揮數據之大價值，引導居民參與理財的同時，保證國民經濟的穩定發展狀態，以此更好地適應老齡化社會環境。
[參考文獻]
[1]周海珍,曹航瑋.延遲退休政策下養老保險的收入再分配效應研究[J].金融理論與實踐,2019(6):94-100.
[2]徐佳,龔六堂.金融知識會影響家庭退休安排嗎?融知基于中國居民家庭微觀調查的分析[J].中國地質大學學報(社會科學版),2019,19(2):126-137.
[3]鄒小秡,楊芊芊.主觀預期壽命對家庭資產配置的影響———基于CHARLS數據的經驗分析[J].經濟理論與經濟管理,2019(2):44-61.
[4]周曉波,周立群.人口結構對股市參與率和參與程度的影響———根據深圳證券交易所數據的測算[J].證券市場導報,2017(6):21-29.
作者:趙向華 單位:中北大學信息商務學院
