人口年龄结构对我国居民投资偏好的影响r——基于CHFS数据的实证研究

据的实证研究

车树林;王琼

【摘 要】本文使用2011年中国家庭金融调查(CHFS)数据,研究人口年龄结构对我国居民金融资产投资偏好的影响.总体上看,我国居民金融资产仍以储蓄存款等安全类资产为主,居民对股票等风险类金融资产的配置不多.人口年龄结构对居民金融资产配置产生重要影响,主要体现在三个方面:第一,居民参与安全类资产投资的概率与其年龄是正相关的,年龄越大的居民越偏好投资储蓄存款类金融资产;第二,居民参与风险类资产投资的概率随着年龄增长先增后减(倒U型分布),相比于年轻人和老年人,中年人更偏好投资股票类金融资产;第三,家庭内老龄化程度越高,居民投资行为越保守,对安全类的金融资产配置更加偏好.针对我国居民对股票类风险资产的投资参与度不高的现实状况,要从匹配好资本市场投资的收益与风险、缓解资本市场投资的信息不对称性、设计适合老龄居民参与的资本市场投资工具和健全社会养老保险机制等方面综合施策,以促进资本市场健康发展. 【期刊名称】《南方金融》 【年(卷),期】2016(000)009 【总页数】8页(P24-31)

【关键词】人口老龄化;家庭资产配置;生命周期理论;风险偏好;资本市场 【作 者】车树林;王琼

【作者单位】南京大学商学院,江苏 南京 210093;交通银行泰州分行,江苏 泰州 225310

【正文语种】中 文 【中图分类】F830.9 一、引言

近年来，许多国内外学者研究发现投资者个体的风险态度与其自身某些个体特征（如性别、年龄和受教育程度等）具有高度相关性。经典的资产组合理论认为，投资者在进行金融资产投资选择时，可以有效地分散自身资产组合中的各单个资产的个体风险，而那些不能被有效分散的系统性风险则需要市场为其承担，并针对这些系统性风险提供相应的风险补偿。但是上述与风险态度高度相关的个体特征却很难在金融市场上通过投资组合被有效地分散掉，所以这些个体特征一般被称为背景风险。由于偏好的稳定性，这些背景风险会使得个体在面临一些可以被有效规避的风险时持有相对保守的态度（Guiso和Paiella，2008）。

人口年龄结构是影响我国居民投资偏好的背景风险中一个非常重要的组成部分。生命周期理论认为，个体年龄的差异对人们在参与金融市场以及选择金融资产时的影响非常明显，人们对资产的选择和家庭资产的配置会伴随着人口年龄结构的变动而发生变化，这种长期的同质性变化势必会对我国金融市场的需求结构产生重要影响。按照国际标准，我国自2000年开始迈入老龄化社会，并呈现出老龄化程度不断加剧的趋势。自此，我国正在逐步进入老龄化和少子化并存的社会，原有的人口红利正在逐步消失，人口负债问题也开始逐步显现。在这样的大背景下，研究我国人口年龄结构变动对居民投资偏好的影响，对于我国资本市场的发展和制定长期的人口以及经济都具有重要的理论和现实意义。

二、文献综述

国外学术界关于人口年龄结构变动对居民投资偏好影响的研究最早可以追溯到上世纪50年代。Tobin（1958）、Merton（1969）等在理性人的假设基础之上，提出了年龄效应理论，认为个体的投资选择行为只受时间影响而与其年龄无关，并且影响效果会随着时间的延伸逐渐减弱。但年龄效应理论也存在很多不足之处，比如忽视了很多重要的可能对居民投资决策产生影响的因素。Yoo（1994）利用美国相关调查数据，通过实证分析发现在多方面经济条件约束下，年轻家庭投资风险资产的很少，伴随着经济条件的不断改善，参与资本市场的可能性才会逐渐增加；但居民会由年轻时的风险偏好逐渐转为年长时的风险厌恶，老龄化家庭会更加倾向于投资安全类资产（如国家债券、银行存款等）。McCarthy（2004）基于面板数据，实证考察了年龄对居民参与股市情况的影响，发现两者之间作用关系明显，并呈现出“驼峰状”的分布特征。

国外很多学者从个体背景特质的不同入手，分析风险态度、健康风险、收入预期等对居民金融投资决策行为的影响。Guiso等（2008）认为股票、基金等风险资产存在认知成本，居民对金融机构产品或服务的消费水平受到认知成本的影响，认知成本又受到居民受教育水平的影响，受教育水平越高，认知成本就越低，消费水平也就越高。Goldman和Maestas（2013）认为随着居民健康状况的恶化，居民的预防性储蓄需求会增加，以备额外的医疗支出，对风险资产的需求减少，更加偏好于投资安全稳定的资产。Jagannathan等（1996）从未来收入预期入手，他认为中青年居民的工作可以保证他们有不断的收入来源，而且收入会随着时间的推移呈现不断递增的趋势，这可以用来分担在投资决策过程中可能出现的损失；但是处于退休阶段的老年人由于退休工资相对固定，没有这种优势，致使其放弃风险资产投资。

国内学术界关于人口年龄结构变动对居民投资偏好影响的研究起步较晚，相关研究

成果也较少。周晓虹（2000）认为，相对于年长一代，年轻一代受教育水平普遍较高，认知能力强，在家庭事务中获得较多的发言权，在一定程度上挑战了家中长者的权威性。何兴强等（2009）利用中国数据，发现被调查家庭的主观健康水平评估不会对家庭是否参与股票市场的决定造成影响。夏淼和吴义根（2011）认为居民的资产配置随着年龄结构变动而不断变化，而且这种同质性变化会明显地影响金融机构所提供的金融工具的竞争力，促进了我国金融结构的优化升级。李威（2014）利用中国的省际动态面板数据，借助GMM估计方法来实证考察年龄结构变动给我国固定资产投资带来的影响，发现老年抚养比对投资有推动作用，而少儿抚养比对投资有抑制作用。王锋等（2016）则采用2009-2013年我国省域数据，运用空间计量模型研究我国居民储蓄率的空间效应，并在此基础上分析了人口结构（包括抚养比、性别比等）对居民储蓄率的影响。

综上所述，无论是国外的还是国内的文献，基本上都是使用宏观总量数据进行实证检验或者理论分析。使用宏观总量数据很难区分异质微观个体的投资行为，量化所得的相关个体行为变量，不能真实地反映居民的金融投资选择行为。鉴于样本选择偏误难免对结论的真实性和可靠性产生影响，本文使用西南财经大学中国家庭金融调查与研究中心2011年“中国家庭金融调查（CHFS）项目”所得数据，基于微观层面系统性研究年龄及年龄结构变动对我国居民金融资产投资偏好的影响。与传统文献相比，本文的主要贡献有：一是把居民投资偏好影响因素的研究范围延伸到人口年龄结构领域，基于年龄结构变动视角分析居民在各金融资本市场的投资行为；二是利用CHFS数据，系统性考察年龄及年龄结构变动对居民参与银行储蓄、债券类产品购买等安全性资产以及基金、股票等风险性资产投资行为的影响，对已有的研究成果起到了很好的补充作用；三是为更好地反映家庭老龄化状况，本文构造老年人口比和户主年龄两个解释变量，从不同角度分析年龄结构对居民投资偏好的影响，研究结论具有较强的现实意义。

三、数据描述和指标设计 （一）数据来源。

本文使用西南财经大学中国家庭金融调查与研究中心2011年“中国家庭金融调查项目（CHFS）”所得数据。此项调查覆盖了全国25个省市①不包含福建、宁夏、海南、内蒙古、、和港澳台地区。，调查采用PPS（Probability

Proportionate to Size Sampling）的抽样方法，因而所得数据具有较好的代表性。此项调查以家庭为基本单位，对样本内的中国家庭的人口特征、财富收入以及金融资产投资偏好等状况进行了详细的统计，最终实际得到了约29000个个体的相关信息。本文通过问卷中“你家是否持有股票账户？这些股票市值大概在哪个范围？”等类似问题的相关回答中获取居民投资偏好的相关信息。本文选择城市家庭数据作为研究样本，主要是考虑到城市家庭相较农村家庭在金融资产选择上更加趋于多元化，有利于研究年龄结构变动对居民投资偏好的影响。除此之外，本文还对相应的数据进行了进一步的清理，最终使用的样本为2340个。 （二）指标设计。

在CHFS项目中，居民的家庭金融资产被分为活期存款、定期存款、股票、基金、债券、金融衍生品、理财产品、外汇投资、黄金、现金、借出款等11类。借鉴刘潇等（2014）的研究成果，本文根据金融资产的风险大小，设计一组指标来衡量居民的资产投资偏好，即Bank_prob、Bond_prob、Fund_prob、Stock_prob。其中，Bank_prob表示居民是否参与银行储蓄，Bond_prob表示居民是否参与购买债券类产品，Fund_prob表示居民是否参与基金投资，Stock_prob表示居民是否参与股票市场投资，有则赋值为1，没有则赋值为0，以此来反映居民在各风险资产市场上的参与情况。

针对人口年龄结构变动对居民投资偏好的影响，本文采取其它文献的类似做法。一是借鉴Demery和Duck（2006）的做法，利用老年人口比反映家庭的年龄结构

对家庭居民金融资产投资选择的影响，本文对老年人口比的赋值是使用家庭中60周岁及以上人口占总人口的比重，记为Old60_rate。二是使用家庭户主年龄和年龄平方来度量，根据户主的实际年龄进行赋值，考虑到年龄和股票等风险资产投资之间可能存在非线性关系，故引入年龄平方项，分别记为Holder_age、Agesq。 借鉴前文所述文献的方法，本文也引入了若干变量作为控制变量，控制其他相关因素对居民金融资产投资偏好的影响，具体包括居民的家庭收入水平、受教育情况、家庭拥有金融财富水平、房产持有情况等。其中，居民的家庭收入除了包括工资收入以外，还包括家庭成员获得的各种补贴收入等，取家庭成员年收入均值，记为Income。家庭户主的受教育程度，具体可以分为未上过学、小学、初中、高中、中专、大专、本科、硕士、博士九个阶段，赋值分别从1至9，记为Education。金融财富用家庭所拥有的人均金融资产来反映居民的财富效应，记为Fi_assets。参考Cocco（2005）和曹扬（2015）的研究成果，考虑居民的房产状况可能是一个虚拟变量，记为Housing_prob，家庭若拥有房产则赋值为1，反之为0。本文对其他家庭特征变量也通过构造相应变量的形式加以考虑，包括地域背景、家庭规模、政治面貌等。针对家庭规模，本文以实际调查到的家庭人口数量赋值，记为Family_scale；而政治面貌则根据家庭中占家庭总人数的比例来度量，记为Party_rate；针对地域背景差异可能造成的影响，本文对地域差异采取控制措施，记为Province。 （三）描述性统计分析。

表1列出了本文中主要变量的描述性统计结果。在接受调查的居民家庭里，持有银行储蓄存款的占比80.12%，持有债券类产品的占比1.45%，持有基金的占比7.67%，持有股票的占比17.60%。可以看出，绝大多数的家庭都持有银行存款，持有基金和股票等风险金融资产的家庭占比相对较小。所以总的来说，居民是风险规避的。在2340个样本家庭中，居民家庭60岁以上老年人口占比9.45%，家庭

的老龄化程度与我国人口的整体老龄化程度基本一致，这也反映了CHFS项目调查所得数据的可靠性，以及本文所选择样本数据的合理性和真实性；家庭人均年收入为2.35万元，家庭户主的平均受教育程度为4.34，大致处于高中学历和中专学历之间，家庭人均金融资产为3.46万元，持有房产的家庭占总样本家庭比例为86.29%，每个家庭平均有2.93人，家庭中人口比均值为16.24%。 表1 主要变量描述性统计变量 变量说明 平均数 标准差 最小值 最大值Bank_prob 是否持有银行储蓄 0.8012 0.1860 0 1 Bond_prob 是否持有债券类产品 0.0145 0.2784 0 1 Fund_prob 是否持有基金 0.0767 0.23 0 1 Stock_prob 是否持有股票 0.1760 0.3726 0 1 Old60_rate 60岁以上老年人口比 0.0945 0.2320 0 1 Income 家庭人均年收入（万元） 2.3490 5.77 0.01 200 Education 受教育程度 4.3421 1.7924 1 9 Fi_assets 家庭人均金融财富（万元） 3.4600 11.2109 0.0085 300.3 Housing_prob 房产持有状况 0.8629 0.3400 0 1 Family_scale 家庭规模 2.9302 1.1782 1 12 Party_rate 人口比 0.1624 0.2623 0 1 表2给出了根据户主年龄分组的样本家庭金融资产构成状况。从表2中提供的数据来看，我国城市居民家庭拥有的金融资产均值为112060元。其中，定期存款占家庭金融资产的比重为27.%，活期存款占家庭金融资产的比重为26.23%，股票占家庭金融资产的比重为19.36%，借出款占家庭金融资产的比重为9.16%，这四者是当前我国城市居民家庭金融资产的主要组成部分；除此之外，现金占家庭金融资产的比重为6.21%，基金占家庭金融资产的比重为5.03%，这两者也是当前我国城市居民家庭金融资产的重要组成部分。

表2 按户主年龄分组的家庭金融资产持有情况 单位：元资产项目 35岁以下 35-50岁之间 50-60岁之间 60-65岁之间 65-75岁之间 75岁以上 所有人现金 9693 6967 3840 11063 3825 3048 6962活期存款 40605 321 15693 19490 15794 26712 29395定期存款 17262 24356 33177 40473 44912 45611

31255股票 23347 27395 17272 18345 04 2355 21694基金 4697 5818 67 4673 4811 110 5635债券 915 455 1468 1076 5288 1390 1443理财产品 3984 2997 2397 76 6039 0 3639借出款 7722 11265 7440 29510 1742 655 10263外汇 1981 991 295 3126 240 242 1152货币黄金 283 882 781 238 6 75 600衍生品 114 0 0 0 0 0 22

表3给出了根据户主年龄分组的样本家庭各金融市场参与率情况。按照家庭金融资产参与率的大小顺序排列依次为现金、活期存款、定期存款、股票、借出款、基金、外汇、理财产品、债券、货币黄金以及衍生品。其中，现金、活期存款、定期存款和股票是我国城市居民家庭金融资产的主要参与场所。

表3 不同年龄段户主参与各种家庭金融资产投资情况（参与度）资产项目 35岁以下 35-50岁之间 50-60岁之间 60-65岁之间 65-75岁之间 75岁以上 所有人现金 98.43% 97.94% 99.02% 98.08% 98.33% 97.44% 98.25%活期存款 81.47% 75.15% 73.78% 68.% 73.08% 71.96% 75.19%定期存款 21.04% 25.57% 36.11% 37.31% 45.84% 49.67% 31.15%股票 21.63% 21.93% 16.11% 17.21% 9.96% 4.44% 17.49%基金 11.68% 11.85% 9.31% 9.56% 6.63% 0.63% 7.88%债券 1.16% 0.83% 1.16% 1.43% 3.31% 3.81% 1.44%理财产品 3.30% 3.07% 1.16% 2.86% 2.32% 0.00% 2.48%借出款 22.61% 16.52% 8.73% 8.12% 7.96% 3.82% 13.91%外汇 3.% 2.60% 2.13% 1.90% 1.32% 2.% 2.56%货币黄金 1.55% 1.48% 0.38% 0.47% 0.32% 1.26% 1.09%衍生品 0.18% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%

从表2和表3中不难发现，与中青年居民相比，老龄居民（特别是65岁以上的老龄居民）的投资行为呈现出两个典型特征：一是投资渠道由多元化趋于单一化，银行存款逐渐成为其主要投资渠道；二是在进行资产选择时表现出风险厌恶，更加偏好于低风险的安全资产。造成这种现象的原因可能是：其一，伴随着年龄的增长，

居民会由中青年时的风险偏好转向老年时的风险厌恶，投资策略逐渐趋于保守；其二，由于老龄居民的健康状况恶化，不确定性支出增加，导致他们在资产分配上，更加注重便捷性和安全性；其三，认知成本的存在把老龄居民隔离在风险资本市场之外，老龄居民与中青年居民相比，受教育程度偏低，对高风险金融工具相对陌生、了解较少，参与风险资本市场面临的约束也就相对较多。 四、模型构建和实证检验 （一）模型设定。

为考察影响中国家庭金融市场参与情况的因素，且考虑到被解释变量是二值虚拟变量，本文选择使用Logit模型，并将计量模型设定如下：

其中，yk(k=1,2,3,4)为“0-1”二值虚拟变量，代表居民是否参与各金融市场，具体包括银行储蓄市场、债券类产品市场、基金市场、股票市场，参与取值为1，不参与则取值为0；P为概率，是居民参与各金融市场可能性的大小；G是一个反应函数，取值介于0和1之间。x1,x2…xi代表影响居民参与各金融市场的因素，具体包括：老年人口比、户主年龄、收入水平、受教育程度、金融财富水平、房产持有状况、家庭规模、人口比、地域背景等变量。β0为截距项β1,β2,…βi为各解释变量的系数，εk代表模型残差项。本文采用的计量软件为stata12.0。 （二）实证结果分析。

可以通过上文的Logit模型来研究年龄以及年龄结构对居民分别参与银行储蓄、债券类产品购买、基金市场和股票市场投资的可能性影响。需要注意的是，生命周期和人口年龄结构是有关联的，这意味着家庭的老年人口比与家庭户主的年龄具有高度相关性。一般来说，家庭户主的年龄越大，家庭拥有60岁以上老人的概率也就会越大，老年人口比也就会上升。考虑到可能存在多重共线性，为避免被干扰，保证回归检验结果的准确性，本文分别对生命周期效应和年龄结构效应进行检验，代

入各自的决策模型中，实证检验结果如表4中所示。

针对金融投资决策的生命周期假设，实证检验结果如表4中（2）、（4）、（6）、（8）列所示。从实证回归结果可以看出：居民参与银行储蓄的概率是随着户主年龄的增长而递增的，居民参与债券类产品投资生命周期效应不明显，而居民参与基金和股票市场投资的概率与户主年龄之间存在明显的驼峰关系。上述结果与居民个体投资决策的生命周期假设相一致：居民参与安全类资产投资的概率与居民年龄是呈正向变动的，随着年龄的递增而显著增强；可能由于受到居民自身认知能力和财富积累等因素的正向推动以及居民风险偏好的负向影响，居民参与风险类资产投资的概率随居民年龄增长呈倒U型分布。通过比较表4中基金和股票的回归系数以及显著性水平，可以发现年龄对基金的影响均小于股票，且基金的风险要低于股票，这进一步验证了结论的可靠性。

针对金融投资决策的年龄结构效应，实证检验结果如表4中（1）、（3）、（5）、（7）列所示。从实证回归结果可以看出：家庭老年人口比对居民参与银行储蓄的影响显著为正，对居民参与风险较低的债券类产品的影响不显著，而对居民参与风险较高的基金和股票市场的影响显著为负，这表示家庭老年人口比越高即家庭老龄化程度越严重，居民投资行为越保守，对安全类的资产配置也就更加偏好。 除此之外，在传统解释因素方面，检验结果稳健且较为显著的发现有：受教育程度、金融财富、房产持有情况、家庭规模与居民参与股票市场投资的可能性之间存在着显著的正向变动关系，这表明当居民受教育程度越高、拥有的金融财富越多、持有房产、家庭规模越大，居民参与股票市场投资的概率也就越大。而收入对居民参与股票市场投资的影响呈先增后减的“钟型”分布，可能是因为处于中间收入的人群的资产流动性更强，处在两头的高收入群体和低收入群体要么是资金量不足，要么是资金量充沛而转投实业或房地产。此外，若一个家庭拥有的受教育程度越高和金融财富越多，则参与的投资项目也就越多。至于基金市场的参与情况，与股票市场

类似，房产的持有与否对居民参与基金市场投资的概率影响显著。

表4 居民金融市场参与概率的Logit模型回归结果注：“*”、“**”、“***”分别表示在10%、5%、1%显著性水平下显著，括号内为z统计量。下同。变量 银行储蓄参与 债券类产品参与 基金参与 股票参与（1） （2） （3） （4） （5） （6） （7） （8）Old60_rate 0.59***（7.43）0.1976（1.29）-0.3042*（-2.）-0.45***（-4.23）Holder_age 0.0242*（2.10）0.0562***（4.03）Education 0.0621***（3.60）0.0155（0.77）0.05**（2.86）0.0726***（4.51）Agesq -0.0000（-0.38）-0.0002（-0.63）-0.0008**（-3.21）-0.0009***（-5.12）Income -0.0162（-1.46）-0.0162(-1.44）0.0314(1.63）0.0323(1.56）0.0279(1.78）0.0327*（2.14）0.0495***（3.56）0.0165**（2.78）Housing_prob 0.0435（0.51）0.1042***（5.56）0.1351***（4.61）0.1330***（4.22）0.1436***（6.34）0.1428***（5.45）0.1879***（9.70）0.1769***（8.25）Fi_assets 0.0144*（2.23）0.0148*（2.36）0.0106**（3.12）0.0105**（3.22）0.0110***（3.35）0.0106**（3.22）0.0168**（2.92）0.3152**（2.94）Family_scale 0.0039（0.14）0.0107（0.14）0.14（0.86）0.14（0.82）0.3072*（2.33）0.3134*（2.38）0.31**（2.96）0.0823**（3.09）Party_rate 0.0912（1.41）-0.0040（-0.16）0.0565（1.30）0.0460（1.12）0.0234（0.71）0.0094（0.27）0.0928***（3.56）0.0317（0.49）0.0358（0.34）0.07（0.49）0.1712（1.22）0.2338（0.71）0.26*（2.19）0.3207*（2.60）Province 控制 控制 控制 控制 控制 控制 控制 控制Constant -1.3660***（-9.58）-2.4505***（-7.34）-3.1086***（-11.10）-3.4506***（-6.41）-2.5051***（-12.83）-3.7298***（-7.05）-2.6797***（-15.60）-4.1430***（-9.32）Pseudo R2 0.0586 0.09 0.0826 0.05 0.0784 0.0832 0.1355 0.1471 Wald检验 135.70*** 167.46*** 65.90*** .*** 113.09***

112.*** 286.97*** 283.16***N 2340 2340 2340 2340 2340 2340 2340 2340

（三）稳健性检验。

为了验证实证结果的稳健性，本文还进行了多项检验：一是尝试使用不同的老年人口比指标，用家庭总人数中65周岁以上人口所占比重来替代上文中所使用的60周岁以上人口所占比重，对家庭老年人口比进行赋值，这比前文中采取的老年人口比指标更为严格，其他的控制变量不变，运用Logit模型重新回归，具体估计结果见表5。实证结果与理论预期一致，即家庭老年人口比对居民参与银行储蓄的影响显著为正，对居民参与风险较低的债券类产品的影响不显著，而对居民参与风险较高的基金和股票市场的影响显著为负，这表示家庭老年人口比越高即家庭老龄化程度越严重，居民投资行为则越保守，对银行储蓄、债券等安全类的资产配置更加偏好，对基金、股票等风险类的资产配置更加厌恶。这表明上文中的实证结果是稳健的。二是采取不断剔除或增加模型中一些控制变量的措施，来进一步验证本文中所设定模型的稳健性，避免模型设定偏误，但从最终的回归结果来看，本文的基本结论仍然成立。三是对家庭户主年龄和受教育程度分别采用“0-1”虚拟变量进行赋值，对家庭收入和金融财富采用总额而不是人均值进行赋值，这些做法同样支持表4中的基本结论。

表5 以65周岁以上人口占比代理家庭人口年龄结构指标的市场参与模型回归结果注：其他控制变量的回归结果此处予以省略。自变量因变量银行储蓄参与（Bank_prob）债券类产品参与（Bond_prob）基金参与（Fund_prob）股票参与（Stock_prob）Old65_rate 0.32***（7.51）-0.5268***（-3.57）0.18***（2.16）-0.6732***（-5.14）Pseudo R2 0.0522 0.0857 0.0814 0.1375 Wald检验 130.51*** .82*** 117.98*** 282.***N 2340 2340 2340 2340

五、结论与建议

本文使用2011年中国家庭金融调查（CHFS）项目所得数据，研究人口年龄结构对我国居民金融资产投资偏好的影响。总体上看，我国居民金融资产仍以储蓄存款等安全类资产为主，居民对股票等风险类金融资产的配置不多。实证研究表明，人口年龄对居民金融资产配置产生重要影响，主要体现在三个方面：第一，居民参与安全类资产投资的概率与其年龄是正相关的，年龄越大的居民越偏好投资储蓄存款类金融资产；第二，居民参与风险类资产投资的概率随居民年龄增长先增后减（倒U型分布），相比于年轻人和老年人，中年人更偏好投资股票类金融资产；第三，家庭内老龄化程度越高，居民投资行为越保守，对安全类的金融资产配置更加偏好。 目前，我国居民对股票类风险资产的投资参与度仍不高，资本市场发展有很大空间。但同时也要注意到，未来我国人口结构变动的一个主要趋势是老龄化，而不同年龄结构对家庭金融资产配置又会产生重要影响，尤其是老龄人口参与股票类投资的意愿不强。在此背景下，如何激发居民特别是老年人更多地参与资本市场投资，对于促进资本市场持续发展显得尤为重要。鉴于此，根据前文的研究结论，就如何引导居民参与资本市场投资提出以下建议：第一，规范资本市场发展，把资本市场的收益与风险匹配好，在督促上市公司向投资者持续分红的同时，还要提高资本市场投资的风险可控性，提升资本市场投资的吸引力。第二，健全资本市场信息披露制度，提高上市公司信息透明度，避免居民因为信息不对称造成的收益不确定性增加而只好选择银行储蓄。第三，当前，由于我国资本市场规模整体偏小、种类不够丰富、老龄居民认知成本偏高、加上投资渠道不够通畅等原因，资本市场上的被“有限参与”现象在中国家庭尤其是老龄化家庭普遍存在。因此，需要创新资本市场投资产品，比如大力发展固定收益类金融产品和优先股等，设计更多适合老龄居民参与的资本市场金融工具。第四，大力发展我国的养老保险事业，健全社会养老保险机制，降低老龄居民预期支出的不确定性，促进老龄居民提高对资本市场的参与度。

参考文献

【相关文献】

[1]Guiso L., Paiella M..Riskaversion and Background Risk[J].Journal of the European Economic Association, 2008,(6).

[2]Tobin J..Liquidity Preference as Behavior Toward Risk[J].Review of Economic Studies, 1958,(25).

[3]Merton Robert C..Lifetime Portfolio Selection under Uncertainty：The Continuous Time Case[J].Review of Economics and Statistics, 1969,(51).

[4]Yoo P.S..Age Dependent Portfolio Selection[J].Federal Reserve Bank of Saint Louis Working Paper,1994,(1).

[5]McCarthy D..Household Portfolio Allocation: A Review of the Literature[J].Imperial College Working Paper, 2004,(1).

[6]Guiso L., Sapienza P., Zingales L..Trusting the Stock Market[J].Journal of Finance, 2008,(63).

[7]Goldman D., N.Maestas.Medical Expenditure Risk and Household Portfolio Choice[J].Journal of Applied Econometrics, 2013,(4).

[8]Jagannathan Ravi, Kocherlakota N.R..Why Should Older People Invest Less in Stock than Younger People?[J].Quarterly Review：Federal Reserve Bank of Minneapolis, 1996,(1). [9]Demery D., Duck N.W..Savings Age Profiles in The UK[J].Journal of Population Economics,2006,(19).

[10]Cocco J.F., F.J.Gomes, P.J.Maenhout.Consumption and Portfolio Choice over the Life Cycle[J].Review of Financial Studies, 2005,(2).

[11]周晓虹.文化反哺：变迁社会中的亲子传承[J].社会学研究, 2000,(2).

[12]何兴强, 史卫, 周开国.背景风险与居民风险金融资产投资[J].经济研究, 2009,(12). [13]夏淼, 吴义根.人口老龄化与我国金融结构的变迁[J].西北人口, 2011,(2).

[14]李威.高投资背后的人口结构因素——基于升级动态面板数据模型的研究[J].人口与经济, 2014,(1).

[15]王锋, 秦豫徽, 李紧想.人口结构对居民储蓄率的影响——基于中国内地省域的空间计量模型[J].南方金融, 2016,(8).

[16]刘潇,程志强,张琼.居民健康与金融投资偏好[J].经济研究, 2014,(1). [17]曹扬.社会网络与家庭金融资产选择[J].南方金融, 2015,(11).