基于PLS方法的風險決定因素與投資決策研究

鄭月陽

摘要：提出了一個總體框架來幫助低估我國投資者對風險導向的傾向，其中風險屬性是投資的一個基本問題?？疾炝宋覈顿Y者的各種金融風險耐受性和投資方向，并研究了人口統計因素是否影響了金融風險耐受性和投資方向。在我國金融市場進行交易的個人投資者中選擇106名進行統計分析。結果證實，高平均風險取向與高收入水平和高教育水平有關。

關鍵詞：風險屬性;財務決策;投資選擇;路徑分析;PLS方法

一、研究背景

我國已經啟動了一個包容性的總計劃，該計劃旨在開始一種創新的發展模式，以突出我國作為世界知識、經濟重要基地的地位。長期以來，我國經濟社會的主要特點是青年多、失業率高、婦女在勞動力市場的參與率低。經濟中的中小型企業占其投資的95%。這項研究旨在為政策制定者、金融業和投資機構提供新的線索，了解女性進入商業市場和尋求新投資機會的挑戰和要求。在任何情況下，做出投資決策都必須承擔風險，風險偏好對投資的成功具有重要意義。Horwitz（2004）和Lonita（2001）都認為風險很可能造成損失，經驗和信息是識別風險的先決條件，應該對風險發生的概率進行評估[1]。張堯（2016）等人針對考慮背景風險的項目投資決策問題，分析了風險之間的相關性及相關程度對投資決策的影響[2]。Droms（1987）指出，風險導向可能使投資者會找出投資組合中資產的確切權重[3]。然而Doubleday（2002）指出，投資選擇是通過原始投資者的有用性函數以及風險偏好來決定的。雖然風險投資在已經有比較深厚的研究基礎，在風險導向決策方面仍然存在一些尚未解決的問題。因此，了解決定風險態度的因素對于投資者的決策非常重要[3-5]。根據Rustichini等人（2005年）的研究，投資者在危險、模糊和不確定情境中的行為也有心理因素的影響[6]。

個人的風險行為不能用概率值最大化來描述，但可以用預期效用最大化理論來描述。預期效用最大化理論描述的是行為呈現的是決策者的風險規避類型。另一種學派認為風險厭惡是對增加的風險的遞減偏好[7]。楊秀蘭（2005）指出風險投資面臨著技術風險、市場風險、資金風險、管理風 險和環境風險等風險類型，需要制訂規避投資風險的一系列策略[8]。

二、基于PLS的模型構建

根據相關學者對該問題的研究，本文建立了一個研究模型，包括風險屬性（風險厭惡、多樣化、家庭規模、配偶效應、經濟地位低下和思想觀念）和人口統計學變量（年齡、教育水平、性別、月收入和社會地位）兩個變量集合。

研究假設：H1：所有的風險都是顯著相關的，并且可以在其潛在的因素上得到解釋。H11：風險厭惡與風險屬性顯著相關，并可以在風險屬性上得到解釋。H12：多樣化與風險屬性顯著相關，并能得到解釋。H13：家庭規模與風險屬性顯著相關，并可以得到解釋。H14： 配偶效應與風險屬性顯著相關，并可以得到解釋。H15：經濟狀況不穩定與風險屬性有顯著關系，并可以得到解釋 H16：簡潔度與風險屬性有顯著關系，并可以得到解釋。H2：研究中的人口因素與風險屬性（性別、年齡、教育水平、社會地位和月收入）之間存在著顯著的關系。

利用SPSS對研究樣本進行分析。性別作為一個絕對數字，是近似且似乎偏向于男性的（83：17）。占主導地位的年齡組是（30-35歲），約占研究樣本的一半。學士學位持有者是研究樣本中的主要群體，占樣本的66%以上。就社會地位而言，已婚類別在樣本中占主導地位，占整個樣本的70%以上。詳細數據如表1中所示。

研究模型的可靠性通過克倫巴赫指數來測試。有效性可以運用綜合可靠性和平均解釋方差（AVE）來描述。詳細數據如表2所示。

三、案例模型數據分析

1.正態性

正態性是一個基本概念，在開始任何可信的數據調查之前需要對它進行確定。要做到這一點，研究數據必須類似于鐘形數據分布以作為正態分布的反映。該研究考察了一些衡量標準，如峰度、偏度和標準差，它們被認為是數據的正常性指標。對于偏度的測量，它指定了分布的均勻性，而Kurtosis值是指研究數據在鐘形正態分布方面的水平度和峰值，其值應小于1，標準偏差不應超過三個SD值（見表3）。

2.結構模型和路徑分析

2.1 假設模型的分析：初始階段

在該階段中使用自舉測試技術，為測試程序創建了2000個樣本。T-Test的初步結果顯示，假設模型的兩邊都有一些變量沒有通過0.05顯著水平的1.96基準線，這就要求重新考慮并可能放棄這些變量，并要求重新設計模型，只用可能接受的變量進行重新測試。初步結果如表4和圖1中所示?；跇颖狙芯亢统醪浇Y果，假設H13、H15和H16都被拒絕，因為它們都沒有通過T-Test措施的測試標準，不能代表與風險投資決策有關的人口因素。只有H11、H12和H14被采納，并在修改后的模型中重新考慮。至于假設的另一個子模型：風險導向的投資決策（ROID），只有兩個變量被接受重新納入修改后的模型中;必要的真實性（RA）和多樣化（DV），因為它們通過了T-Test測試標準。

2.2 修改后（重新設計的）模型的分析：第二個階段

根據初始測試階段的結果對假設模型進行調整，在假設的兩個子模型中只包括通過測試標準的變量，如圖3所示。再次使用了引導技術，并在原來106名受訪者的2000個樣本上進行了測試。結果顯示，所有修改后的假設都被確認和接受，正如第一次初步測試和第二次測試所示，見表5、6。

四、結論

本研究調查了我國對金融投資有特殊興趣的個人的投資行為，以風險態度作為他們的投資策略取向。研究結果顯示，人口因素中的性別和社會地位投資領域的識別變量沒有明顯的貢獻。結果顯示，研究中接受的人口統計學變量（年齡、教育和月收入）與前面提到的接受的風險變量之間存在明顯的有效關系。結果顯示了一種逆向（負）關系;隨著個人年齡的增長，他們在投資選擇方面的意識會越來越差。此外，教育水平表明，個人更有可能承擔風險，而忽略任何風險保留。最后，月收入越多的人比其他收入較少的人更有可能承擔更多的風險。就更有意義的變量而言，月收入排名第一，其次是年齡，而對風險態度的DF影響最小的是教育水平。

參考文獻：

[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，關欣，孫楊，佐飛.考慮背景風險的項目投資決策[J].中國管理科學，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.風險投資的風險分擔機制分析[J].經濟經緯，2005（01）：137-139.