在其他条件相同的情况下，如果某种金融资产的收益率较高，则说明该金融资产的配置比其他金融资产更有效，家庭就会增加对该金融资产的投资。金融市场也将随着新增资金的增加而扩大，其在国民经济中的地位也会相应提高。反之，当某种金融资产所在的金融市场规模变大、市场深度变深时，国民经济运行对其的依赖性就会增强，从而增强人们对金融市场的投资信心和金额。的投资将会增加。自然会有稳定的增长，当有大量的资金作为融资来源时，可以预期金融产品和金融体系的创新会更快，金融效率会进一步提高。对于家庭金融，学者们的研究视角可分为宏观和微观两个维度。微观视角以家庭作为社会经济活动的基本单位为研究对象，通过精心设计的问卷和全国大样本调查，获取调查数据，探究家庭的金融资产配置行为。虽然微观数据的运用会更接近大多数人的认知，更符合人们的直观感受，但由于其样本来源只能依靠调查，难度较大，需要大量的人力物力，因此往往是交叉的。 -截面。数据方面，很难获得连续的时间序列数据，因此在分析家庭金融资产配置问题时，无法观察到居民金融资产配置行为的年度变化趋势。宏观数据不同。它是全国范围内家庭部门的汇总数据。每年由有关统计部门披露。来源更可靠、更完整。

基于此，从宏观角度探讨家庭金融资产配置效率与金融发展的关系是本文的研究任务。 -，我国家庭金融资产配置效率。衡量家庭金融资产配置效率，即家庭配置金融资产的有效性，是一个非常难衡量的指标。严格来说，投资回报率应该是其最准确的衡量标准，但由于统计数据的限制，无法计算出一个家庭准确的投资回报率。我们试图在这里找到一种合适的标准来衡量家庭金融资产组合的优点，希望该标准具有明确的经济意义并且易于使用。参考吴卫星等人的研究。 （201）中，夏普比率是可以同时综合考虑收益和风险的三个经典指标之一（另外两个可以用来衡量风险调整收益的指标是Treynor指数和Jensen指数）。 ），常用于金融领域评价基金业绩，其计算公式如下： R-ρone RE-oneoa RρL PA ra'h QU （1）收稿日期：2016年6月7日 作者简介：1.王跃胜泉州经贸大学副教授，经济学学士。研究方向：财务管理。泉州362000。2.杜朝云，厦门大学经济学院教授、博士生导师。研究方向：家庭。金融。厦门, 361005, 3.丁楚，厦门市金融办，博士

研究方向：金融体系与金融组织。厦门，361001。35《亚太经济》）2016年第5期 其中，E(R,,)为投资组合的预期收益率，Rf为无风险利率，crp为标准利率投资组合的偏差。夏普比率研究的对象都是风险资产，如下所示，我们纳入的资产不仅包括股票，还包括存款和国债，我们也将这两种资产视为风险资产。因此，本文类比夏普比率的定义，用零代表元风险利率，用方程（2）作为各种金融资产配置效率的代理变量Efficiencyp = Rp /σ(2)。 ）其中，Rp是某种金融资产的收益率，σp是其标准差，由于金融资产的风险一般用其标准差来衡量，因此该公式代表对某种金融资产的投资。这次的回报率每个承担的风险单位所获得的值可以代表家庭配置金融资产的效率。基于此，接下来要解决的就是确定中国家庭的金融资产，并计算不同金融资产的收益率和标准差。居民部门持有的金融资产主要包括货币、存款、股票、国债和保险准备金五类。这些数据可以从每年《中国金融年鉴》中住户部门的金融资金流量表中获得。由于我国股票市场真正开始交易是在1992年，因此本文数据以1992年为起点，以年为时间跨度单位。

考虑到通货膨胀的影响，本文各数据均以1992年为基期，并参考CPI进行数据处理。不同的金融资产有不同的回报衡量标准。 (1) 押金。选择一年期存款基准利率衡量其收益率。若一年内多次调整，则按期间加权平均作为当年收益率值（2）股票。首先，分别计算上海证券交易所和深圳证券交易所的股票市场收益率。上海证券交易所取上证A股指数的每日收益，按年相加，得到年收益。深交所将深交所成分指数日收益逐年相加，得到年收益。率，然后根据上海证券交易所和深圳证券交易所年交易量的加权平均，得到我国股票市场的年收益率（3）国债。当年国债利率选择3年期利率。一年内多次发行的凭证式、记账式和非记账式国债，采用加权平均法计算国债年收益率。 （四）币种。由于这部分资产主要是指家庭为满足日常需要而持有的现金，不仅不创造收入，而且存在机会成本，因此收益率（5）保险准备金不计算。这部分资产占居民总资产的比重并不大，且由于补偿问题的存在，其回报率不易衡量。为了简化问题，本文不计算其收益率。关于存款风险和国债风险指标的计算，本文借鉴孔丹峰和吉野直之(2010)的做法，采用三年期收益率标准差公式，如式(3)所示。

例如，1992年的存款风险指标是1990年至1992年三年期存款利率与其36年平均利率的标准差。关于股价风险指标的计算，由于其波动频率较高，我们可以先取上证A股指数年化日收益率的标准差，然后再取上证A股指数年化日收益率的标准差。深证成指年收益率。采用两市年成交量的权重来计算股市的年标准差。 /n L, x2 - (L, 三种金融产品和国债的配置效率与金融市场发展的关系。基于上述指标计量方法，得到收益率、风险和收益的数据序列各类金融资产的配置效率分别计算如表1。如表2、表3所示。 居民金融资产中各类金融资产的收益率 年存款 国债股票 1992年 % % % 1993年% % 11. 55 % 1994 % % 1995 % % % 1996 % % 1997 % % 1998 % % 1999 % % % 2000 % % % 2001 % % - % 2002 % % % 2003 1. 98% % 13. 18% 2004 % % - 2005 % % % 2006 % % % 2007 % % 77. 55 % 2008 % % % 2009 % % % 2010 % % % 2011 % % % 2012 % % % 2013 % % % 2014 % % % 2015 % 21. 62 % 表2 居民各类金融资产标准差 金融资产 年存款 国债和股票 1992 1. 223 O. 758 1993 1. 074 1994 1. 717 1995 1996 年 167 岁1. 104 1997 1. 980 O. 370 19981999 O. 306 2000 1. 432 O. 2322001 196 奥。 225 2002 O.143 o. 248 2003 年150 欧。 365 度183 2004 年。

.0342005 o。 141 奥。 502 2006 年160 O.310 20072008 1. 186 2009 O.949 2010 o. 873 1. 046 2011 O.989 O.188 2012 O.536 2013 O.873 1. 046 2011 O.989 O.188 2012 O.536 2013 154 O. 190 2014 O. 146 O. 176 2015 表3 各类金融资产在居民金融资产中的配置效率 年度存款 国债 股票 1992 1. 561 19931994 O. 185 1995 O. 132. .851 - 19961997 1 0 1 。 752 2001 O.147 -1。 o。 1322004 O.668 2005 O.1602006 O.148.. 104 2007 2. 2. 125 2010 • 2011 1. 261 20122013 O. 195 O. 193 • O. 306 20142015 1. 065 2.我国金融市场发展状况的衡量 对于金融市场的发展状况，衡量方法往往是因选择角度不同而呈现多样化。本文采用大多数研究文献的方法，以金融市场规模作为金融发展的主要参考依据，即用各金融市场规模与金融市场规模的比率来衡量金融市场的发展水平。国内生产总值。该指标可以反映一国国民经济发展对一定金融市场的依赖程度。

1992年至2015年各金融市场资产规模和GDP年度序列数据如表4所示。所有数据均以1992年为基期、2016年亚太经济第五次期货通胀率进行调整。那一年。根据表4的数据，可以计算出各金融市场的发展深度指标，其中，存款市场深度=金融机构存款量/GDP，国债发行深度=国债发行量/GDP，证券化率=股票市场流通市值/GDP，金融市场整体深度=存款市场深度+国债发行深度+证券化率。各金融市场发展深度指标如表5所示。 表4 金融市场总资产与GDP值（扣除价格影响后） 单位：亿元 年度金融机构 国债股市流量 按市值计算的GDP存款发行量1992 27068.30 1993 30971.57 1994 798.97 1995 906.36 559.11 3667 1.72 1996 3799 1.65 1023.39 1997 44392.69 2804.20 1998 2068.59 4610 1.30 1999 221 1.87 4525.10 2000 67921. 232001 2661. 05 2002 6857. 15 66460. 38 2003 112920. 072004 83953. 70 2005 5455. 01 95391. 79 2006 4490. 692007 1116 1. 71 4489 1. 86 2008 144286. 55 22. 122014 8534. 26 123861. 67 2015 表5 金融市场深度指标 年度存款市场 国债发行证券化率 金融市场整体深度 发展深度19921993 O.854 19941995 O.8811996 O. 958 1. 024 1997 1. 037 1. 133 1998 1. 127 1. 240 1999 1. 206 1. 342 2000 1. 241 161 1. 449 2001 1. 302 o。 131 1. 478 2002 1. 413 o。 103 1. 565 2003 1. 523 1. 666 37 《亚太经类似，即由于前几年国债市场收益率相对稳定，调整幅度并不明显，因此标准差为因此，与其他年份相比，国债的配置效率相对较高。

除个别年份外，国债配置效率数据与国债发行数据进行比较时，总体趋势基本一致。 2004 L 497 L 612 2005 1. 545 O.038 1. 640 2006 L 541 1. 697 2007 L 453 1. 886 2008 L 472 O.143 1. 642 2009 L 7292010 L 7562011 L 6722012 L 718 O. 340 2013 L 775. .034 O. 339 2014 L 7912015 2. 005. Ye E 哼着“'fear，-”'j 产品，“-=-'，gg gs 自从 sssgg g ggss §ggg ag ggg... .吨... ... 窦F唱... ..φ我们燕都燕也燕，'N燕都燕我们燕，一燕，.，哈萨克歌，，4燕，.，明，， 》唱——债券配置效率——←国债发行。图2 家庭国债配置效率与国债发行量对比。图3为居民家庭股票投资配置效率与证券化率的对比。与上图l类似，为了更直观地看到股票配置效率与证券化率之间的关系，我们将证券化率曲线放大10倍绘制在图中。

可以看出，股票配置效率波动较大，没有表现出明显的规律，与证券化率的关系并不明确。这可能是由于我国股市尚处于发展完善过程中，股市波动较大。 76543210121d 这里需要说明的是，除了这里列出的存款市场、国债市场、证券市场之外，整个金融市场还有货币市场、保险市场。但由于后一类市场规模较小，且货币市场的主要参与者是银行，因此，为了把握核心并便于研究，本文主要研究前三个金融市场，并以它们作为货币市场的代理。居民参与各金融市场的总规模。前三个金融市场规模之和与国内生产总值进行比较。价值比重衡量金融市场发展的整体深度。三、数据说明 图1为居民存款配置效率与存款市场发展深度的对比。为了便于比较，我们将存款市场的深度缩小了10倍并绘制在图中。可以看出，除个别年份有所下降外，代表存款市场发展水平的存款市场深度曲线大部分年份都在稳步上升，表明银行等传统金融机构仍占据着存款市场的主导地位。在整个金融市场中占据主导地位，这对我国来说意义重大。它在国民经济运行中发挥着不可或缺的作用。从存款配置效率曲线来看，呈现出周期性波动的特征。 2004年存款配置效率数值异常高。这是由于前三年存款收益率未发生重大调整，与其他年份相比没有显着差异。因此，衡量存款投资风险的标准差较小，存款配置效率高于其他年份。

--股票配置效率 图3 家庭股票配置效率与证券化率对比 图4 实证分析 上面通过描绘家庭金融资产的配置效率与各金融资产发展深度的曲线，直观地观察到了相应变量之间的关系。金融市场。但对比图并不能清楚地显示两者之间的关系，需要借助统计分析方法来更准确地分析。借鉴石代民等人的研究。 (2012)，这部分我们采用实证分析的方法来检验家庭金融资产配置效率与金融市场发展的相关性。 (1)定量研究方法包括8N个儿童SH相互存在的证券化率。 .7. 0 .5 0 .3 图1 居民存款配置效率与存款市场深度对比 图2 居民户国债配置效率与国债市场发行量对比。可以看到，1995年和2014年的户数都是38户，我国的证券市场真正建立起来是在1992年，虽然目前很火爆，但距今也只有20多年的时间。另外，由于数据限制，我们只能收集年度数据，因此截至2015年，总共有24年的数据。与当今的大样本计量经济分析方法相比，这只是一个小样本研究。因此，我们需要寻找适合小样本情况的实证分析方法。

在分析时间序列时，首先要检验数据的平稳性，DF统计量和ADF统计量是常用的统计量来检验序列中是否存在单位根。张小曲和童(1999)在研究小样本数据DF统计分布特征的基础上，通过模拟给出了小样本情况下DF统计的临界值。考虑以下三种模型条件下小样本DF统计量的分布特征： +ßXj-J +u， (6) 假设上式中， 对于式(4)，当样本量T→∞时，DF统计量对应于 R 服从以下维纳过程函数的分布。 (1/2) ( (W (1) 2 - 1)DF 桶 (7)( f 6 (W (i)) 2 di) 1/2 其中，W(i) 为标准维纳过程，对于由式（5）和式（6）可知，当样本量T→∞时，DF统计量也服从维纳过程函数的分布。往往会从与式（5）和（6）相比，式（4）下的 DF 检验功效最高，因此，在实际小样本单位根检验中，应尽量不包含趋势项。和漂移项。

基于此，在宏观数据的处理中，由于数据序列数量并不多，因此我们采用小样本DF统计量对其进行单位根检验。此外，目前准确刻画宏观经济变量之间相关性的研究方法是格兰杰因果检验。但到目前为止，所有格兰杰因果关系的检测方法都有一个隐含的共同前提，那就是研究对象都是大样本数据。如前所述，我们收集的样本数据只有24年的序列数据，属于小样本数据。在这种情况下，如果采用因果检验中常用的AIC准则来确定模型的最优滞后长度，就会存在较大的估计偏差。为了克服这个缺点，Hurvich 等人。 (1990)基于AIC准则提出了一种专门适用于小样本预测方程滞后长度的估计方法，简称AICC准则。应用该准则，通过蒙特卡罗模拟验证，可以大大提高小样本情况下真实滞后长度的选择概率。张明宇(1999)在Hurvich等人研究的基础上，将AICC准则推广到自回归移动平均模型(AR《亚太经济》2016年MA第5期)，建立了适合小样本的最优预测模型。与一般的ARMA模型相比，该方法可以消除所有不显着的回归自变量，得到最优的预测模型。

具体建立步骤如下： 假设一般情况下，自回归移动平均模型ARMA表示为： Y, =61Y'-1 +62Y,-2+... +6p Y,-p +V, +T1 V, -1 + T2 V'-2 ten...+TqV,-q (8) (1) 假设p和q的最大值为m； (2) 对于所有自变量 Y'-I' Y'-2' ..., Y ,-p' V'-I' V'-2' ..., V, -q' 首先计算 AICC，当仅存在一个自变量，记录最小值为AICC1；然后计算任意两个自变量存在时的AICC，将最小值记为AICC2；以此类推，直到计算出所有自变量都存在时的AICC2m； (3) 选择AICC1、AICC2、…、AICC2m中的最小值AICCmin，AICCmin对应的模型是基于适合小样本的ARMA模型的最优预测模型。利用上面建立的最优预测模型，小样本因果关系检测的步骤如下： 假设X和Yt是任意两个随机变量。如果要检测X是否是1的原因，那么z(1)检测X，Y，是否是稳定的随机过程。对于不稳定的随机过程，需要进行微分处理，直至成为稳定的随机过程； (2)对于稳定的随机过程，需要进行零均值处理，使随机变量样本值的平均值为零； (3) 选择最大滞后长度m。一般可取m=T/5，T为样本总数； (4) 取Y,←l'Y,-Z'​​...Y,-m'V'-I'V'-2'...,V'-m为候选自变量。利用最小AICC准则，根据上述提出的方法，建立约1的最优预测模型。假设最优预测模型对应的AICC为AICCu； (5) 以X为独立输入，创建X'-1，V'-m为候选自变量。利用最小AICC准则和上面提出的方法，建立以X为Y作为输入的最优预测模型。假设该最优预测模型对应的AICC为AICCm。

根据因果关系定义的理解，一个变量能否对另一个变量起到因果作用，取决于加入这个变量后，原模型中原变量的预测能力是否得到提高。这里AICC计算值的大小不仅考虑了预测方程的估计误差，还考虑了其​​模型误差，可以理想地反映预测能力的强弱。值越小，模型的预测能力越强。如果添加一个变量可以使原模型中另一个变量的AICC值变小39《亚太经济))2016年第5期，则说明添加的这个变量增加了另一个变量的预测能力。为此，张明宇(1999)定义了一个因果关系强度系数CE作为反映因果关系强度的指标，其公式为：CE=AICCu!AICCm (9) 当CE>l时，表示加入。 X增加Y。，预测能力，因此，X构成Y的原因，CE值越大，这种因果关系越明显；

读书已经结束了。如果需要下载到电脑上，请使用积分（如何获得积分）