家庭资产组合多样化是如何随金融知识和金融建议改变的分解精.docx
- 文档编号:25935603
- 上传时间:2023-06-16
- 格式:DOCX
- 页数:18
- 大小:160.55KB
家庭资产组合多样化是如何随金融知识和金融建议改变的分解精.docx
《家庭资产组合多样化是如何随金融知识和金融建议改变的分解精.docx》由会员分享,可在线阅读,更多相关《家庭资产组合多样化是如何随金融知识和金融建议改变的分解精.docx(18页珍藏版)》请在冰豆网上搜索。
家庭资产组合多样化是如何随金融知识和金融建议改变的分解精
家庭资产组合多样化如何随金融知识
和金融建议变化
摘要:
家庭投资失误是研究者同样也是政策制定者的一个重大的担忧。
在那些潜在的代价最大的失误中,投资欠分散化名列最高。
然而,它的根源以及实证的重要性知之甚少。
我定量估计有意义的多样化的统计数据并且考察了它们与关键变量的关系。
理财素养高的或者依靠专业的或者私人往来的建议的家庭几乎都实现了合理的的投资结果。
比起其它组,那些相信他们自己做决策的能力的中低等理财素养的家庭平均损失了预期的50bps。
经济理论预言家庭将会以一种良好的多样化投资组合的形式持有他们的风险资产。
这一预言成立的范围对于金融消费产品的调整、退休储蓄计划的设计以及总体消费福利的分布有重要的意义。
了解欠分散化的模式是非常有意义的。
只要那些特别了解金融问题的家庭将他们的退休金投资在少数几个相关的股票上,大多数的政策制定者将会得出这个结论,即:
这是一种理性的选择驱动,例如,通过信息优势(vanNieuwerburghandVeldkamp(2010))。
然而,要是那些金融知识最欠缺的家庭做了同样的事情,政策制定者可能会得出:
这些家庭只是简单的在做出失误的决策。
与此类似,监管者的策略同样取决于是否欠分散化的家庭依赖专业的金融建议者或者自主做出他们的投资策略。
几乎没有指导来自于实证研究,这种研究大致分成两种。
一种使用来自斯堪的纳维亚国家(Calvet,Campbell,andSodini(2007,2009),Grinblatt,Keloharju,andLinnainmaa(2011)的管理数据来研究详细的多样化的财产。
这些研究表明大多数家庭达到理想的的投资结果(当一种投资占到了处于股票投资组合顶端的共同基金的一部分),但是考虑到有些家庭承受大量的风险,他们可能会期待非常低的投资回报率。
然而,金融知识的欠缺和金融建议会阻碍一个考虑到上述所提出的问题的家庭超过无条件分布的多样化损失。
第二种研究运用简单的多样化投资组合措施从家庭调查中得出(Bilias,Georgarakos,andHaliassos(2009),Graham,Harvey,andHuang(2009),GuisoandJappelli(2009),KimballandShumway(2010))。
在这些研究中,数据问题被颠倒:
当协变量充分时,多样化的特性不允许定量分析。
在这篇文章中,我结合两种方法的优势并且大量计算有意义的多样化策略结合起来以应对荷兰的家庭调查。
除了背景变量的丰富外,这个调查还包含关于金融知识和最重要的金融建议的资源的详细信息。
在我的分析中,我运用回报损失(Calvet,Campbell,andSodini(2007))作为多样化策略。
在给定的标准误差以及对一个特别的投资组合的实际的的期望回报上,回报损失与最大的可获得的期望回报不同。
无条件的分布的年度损失表明它仅限于半个百分点或者更加低于中等偏上户。
在高收入户中,平均是1.8个百分点,这个结果是很大的并且比得上以前的结果。
我主要的分析没有包含金融知识和金融建议在做决策的过程中两者的重要的相互作用,那些要么寻求私人圈的建议要么寻求专业建议的家庭的回报损失在拥有金融知识的条件下没有差异。
在做出自主决策的家庭之中,只要他们被赋予最高水平的金融知识,他们的回报损失看起来非常相似。
在这组中,一个家庭的金融知识的标准差的下降与回报损失平均上升0.7个百分点有关。
利用分位数回归我说明了这些影响完全来自于回报损失最顶端的巨大影响。
依靠专业金融建议的家庭投资回报与那些依靠他们私人圈的建议的家庭的投资回报是如此的相似,基于对这一事实的好奇,我进一步调查了这两组家庭之间的区别。
利用专业金融建议的家庭的投资组合的支付费用上升0.3个百分点。
然而,高费用并不意味回报损失要更高。
这篇文章的结构如下。
第一部分,我描述了数据集以及家庭投资组合包括回报损失在内的平均标准差的特征。
第二部分,我探索了欠分散化的来源并且仔细观察了专业建议的影响。
接着我谈论了结果。
第三部分是总结。
Ⅰ、家庭投资组合的性质
我们对家庭投资组合的经验特征的理解是基于三个不同的数据来源:
(1)来自斯堪的纳维亚国家的税收登记。
(2)网上经纪人的数据库。
(3)家庭调查。
每一种来源的数据都有它们自身的优点和缺点。
前两组数据会得出特别详细的投资组合数据,但是他们这样做的国家和个体集的高度选择性以及确定的协变量的可用性是一个问题。
调查的情形是相反的:
虽然有大量的背景资料的代表性样本的信息在全世界是可获得的,但是家庭投资组合的信息相当杂乱的。
在这种研究中,通过构建详细的投资组合结合各种方法的一些优势来应对荷兰中央银行的家庭调查(DHS)。
将单个的投资组合与以往的回报系列关联,使我计算出用有意义的经济数据测量的多样化统计数据,基于行政登记或者贴现经纪人的数据的镜像研究。
在这部分,我建立了这种方法的实用性。
在第二部分,通过研究利用DHS数据呈现的背景特征我超越了先前的研究。
A.家庭投资组合的DHS数据
我使用的数据来自CentERpanel,一种通过网络管理的荷兰家庭调查问卷。
为了避免由于缺乏网络途径的选择性问题,没有电脑的调查对象给他们的电视机配有一个机顶盒(没有电视机的给配有一台电视机),调查对象使用互联网的费用都给报销。
CentERpanel是荷兰人口可观察到的特征的代表。
它代表DHS,其中包含了财务事项尤其详细的信息。
由于这个原因,这些数据已被广泛用于描述家庭的投资组合选择行为。
Alessie,Hochg¨urtel,和vanSoest(2002,2004,2006),Dimmock和Kouwenberg(2010),以及KorniotisandKumar(2011)是杰出的例子。
CentERpanel是美国生命面板研究与发展公司的典型模型,这已成为在家庭领域的另一个主力财务决策(LusardiandMitchell(2007),Hung,Parker,andYoong(2009),HungandYoong(2010)).
我分析的是横截面,但是增加样本容量我使用双波(2005和2006)并且调整用标准方法聚类内的家庭的所有标准误差。
经过分析,我排除金融资产少于1000欧元的家庭(8.6%的样本),这将产生一个1604户的初始样本。
约三分之一的持有风险的金融资产,定义为股份,各类资金,债券,和期权。
更多详情见附录。
数据集的一个独特的特点是,个体不仅要求报告他们持有的股票和共同基金的数量,也要报告每一个项目名称和持有数量。
我应用了和Calvet,Campbell,以及Sodini(2007,2009)相同的策略并将每一个项目与他从Datastream或者Morningstar.所获得的回报的时间序列相关联。
这使我能够从数据中直接的评估家庭投资组合的风险回报特征。
重要的是,我不需要去引用任何关于资产类别属性的假设。
此外,我可以适当考虑不同项目的收益之间的协方差。
虽然大多数家庭似乎很详细的报告他们的投资组合的成分,但是因为不完整的报告我失去了大约四分之一的风险金融资产持有者。
幸运的是,当去掉这部分家庭时我检测不出任何偏差。
详情见网上附录。
我最终的家庭样本包括381个观测样本。
样本中的家庭持有269个不同的资产,包含99个股份和170个基金。
我观察这些资产平均超过11年。
这些收益回报系列的时间长度非常不同,从低于六年的百分之五到接近20年的百分之95不等。
我每月都进行了分析,但年度报告结果与文献更加具有可比性。
在170个基金中有106个股权基金。
主权债券,公司债券,房地产投资十几只基金,斌企鹅28只基金使用了混合策略。
我也获得了这些基金的费用数据。
平均费用是130bps,百分之五是33bps,百分之九十九是187bps。
网上附录描述了投资组合成分的详细信息
B.家庭投资组合的均值方差特征
我引用Calvet,Campbell和Sodini(2007)的文献假定这些资产是根据国际资本资产定价模型来定价的。
因为一些资产的短期回报的历史和时间序列覆盖不同的时间跨度,直接估计每个家庭的预期回报将会有问题。
我使用MSCI欧洲指数代表有效市场投资组合,这是对欧元区成员的自然选择。
利用AEX或者MSCI指数代替时结果都是稳健的。
所有的回报都可以作为无风险利率下的回报,这个利率近似于月度的欧元银行同业拆借利率。
在使用资本资产定价模型之前,减掉他们共同基金的费用,并减掉基准指数回报30bps。
这近似于指数基金重复普通基准收取的费用。
净费用,MSCI欧洲指数在1983年一月到2009年七月期间年度超额回报率μb=5.77%。
加上标准差σb=16.7%,这表明夏普比率Sb=μb是35%。
利用资本资产定价模型导出了多所有资产a的回归方程,a∈{1,2,...,269}:
a,t=βa·rb,t+εa,t.[1]
考虑到βs是每一个家庭的所有资产和投资组合的权重,直接计算了每一个家庭的投资组合的预期回报μh。
为了更好地理解家庭投资组合的基本特征,在平均标准差面板中绘制它们是有用的。
图一的面板A描绘了纯股票投资组合的平均标准差,从图可以看出它是非常欠分散化的,这一结果与瑞典的Calvet,Campbell,Sodini(2007)以及美国的GoetzmannandKumar(2008)做出的结果非常相似。
家庭投资组合的共同基金成分似乎分散化更好;这可以从面板B中看出,他的绝大部分线性分布在有效边缘。
然而,一个相当大的部分共同基金投资组合的表现显著差于在任何风险水平的市场组合。
面板C包含了股票和共同基金的集合,表明很多家庭通过额外的投资共同基金降低了股票投资组合的风险(在所有风险资产持有者中,55%仅持有共同基金,18%仅持有股票,26%两者都持有)面板C表明被迫集中在股票投资组合上的研究(例如,Grinblatt,Keloharju,andLinnainmaa(2012),GoetzmannandKumar(2008))遗漏了图片中的一部分重要内容。
在面板D中,当安全资产被考虑在内时,离有效边界的距离会减少很多。
然而,一些严重损失的极端值保持在高风险水平上。
在相对较低的风险水平上,一些家庭持有的投资组合比有效边界低1到2个百分点。
当随着生命周期的积累这种规模的多元化损失将会非常巨大(Calvet,Campbell,andSodini(2007),Tangetal.(2010))。
关于样本中共同基金的描述以及基金和股份的其他特征见网上附录。
C.欠多元化的预期成本
一些可用的措施减少图1的二维图的单一统计的多元化损失。
最全面的标准的收益损失,被Calvet,Campbell,和Sodini(2007)定义为一个家庭没有选择与有效边界投资组合相同水平的风险的损失的预期收益。
在图形上,收益损失是有效边界与图一面板D里的家庭投资组合的位置之间的垂直距离。
表1的第一栏是每一组分布的平均收益损失。
收益损失仅为每年的半个百分点达到了中等偏上户。
在最高收入组,收益损失率达到了1.8个百分点。
正如以前所提到的,这样的数字表明随着生命周期的积累财富大量减少。
为了得到是什么导致了收益损失,把它作为市场投资组合的预期超额收益的结果,这是有用的(不随家庭而变化),ωh,βh,代表风险资产和有效市场组合与农户投资组合的夏普比率相对差:
[2]
高值的ωh和βh可能标志着风险承担的有效性;
值是测量非分散化的损失。
表1的其余列包含根据各个家庭不同而不同三个条款。
当然,不同的部分加起来也不是由于詹森的不平等,因此这说明不符合作为分解。
然而,所得到的一个粗略的想法仍然是很有用的。
风险资产份额增长迅速,直到回收损失分布的中后,它适当地增加了。
该β系数超过五分之一人口几乎呈线性上升,所以效率低下,高效的风险承担至少要达到平均水平。
多样化损失是在较低的五分位数相当恒定并且在最高分位大大增加。
它是RLH的三个组成部分,它是第四和第五分RLh的在10%的水平(p值0.01)之间显著不同的唯一一个。
相比较低的分位,后面最高的回收损益的主要驱动力从而似乎是无偿风险承担。
值得注意的是,金融投资组合的平均尺寸是最高的顶部五分之二的回收损益分布,即,损失,不集中在小规模的投资者是很重要的。
上述结果表明,考维,坎贝尔,和Sodini(2007)的描述性结果可以很大程度上被复制为另一个国家,更重要的是,一种类型的数据集即是相当容易的收集的任何地方。
而国土安全部的数据的最大的优势,存在于其他地方:
第一次,它允许详细多样化措施是相关的文献中认为最重要的协变量。
例如,卡尔维,坎贝尔和Sodini(2007年,2009年)的瑞典管理数据包含财富,收入,就业,年龄,家庭规模,教育及移民身份的措施。
他们的一个主要发现是,越来越多富裕家庭的投资既更积极,更有效。
数据不能辨别这是否是一个富裕家庭购买更好的建议,或者是否能够更好地做出自己的财务决策。
政策结论将有很大的不同。
在前者的情况下,人们会目标的投资建议的供给。
如果投资者成熟度是关键,金融教育项目可能会有所帮助(Tang等人(2010))。
结果在下一节帮助更好地理解这样的信道.
Ⅱ欠多样化的来源
为了澄清概念,它是在投资过程中的一个简单的生产功能方面非常有用。
输出量是有效投资的度量,例如,考虑前一节中的回收损益。
在文献中确定的重要投入的不完全名单包括金融知识,认知能力和教育,财务咨询,财富,年龄,风险厌恶情绪的来源,和其他几个人如下所述。
我用近似线性方程的生产函数:
Y=Xtb+u.[3]
投资结果(Y)的观测和相关的家庭作为一个整体,但许多意见在关注个体。
对于后者,我用的是一个家庭的财务决策者的答案。
首先,这是谁,回答了有关金融知识的问题的人。
其次,史密斯,麦卡德尔和威利斯(2010)提供的证据表明这一做法是明智的,他们分别分析认知能力和各种经济产出之间的相关性为老年住户每一个合作伙伴,并表明该金融被调查对象的健康和退休的算术研究数据是迄今为止最重要的相关。
我的分析确定谁在观察劣质投资结果的风险增加的人口群。
它不遵循没有进一步的假设,改变协变量将导致Y中的变化对应于我的B的估计。
观察上一节中,多样化损失接近忽略不计其分布的大部分;损失只是在上尾变高。
出于这个原因,我估计公式(3)不仅用OLS,而且通过分位数回归的方式。
位数回归方法的另一个好处是,它提供了一种直接的方法,其中包含未参加者,由于回收损益
(2)被很好地定义:
:
ωh=0或Sb−Sh=0意味着RLh=0.4余估计(3)使用各种集协变量。
我首选的规范包括金融识数,财务咨询,教育,年龄,和金融资产的量的最重要来源。
对于这种选择协变量的详细动机可能在互联网的附录,其中我也精确地描述所有变量中找到。
在这里,我简要讨论财务计算和财务咨询的最重要来源。
tableⅡ对风险资产持有人通过财务计算和财务咨询的主要来源,平均回收损益
观察数是274。
回波损耗测量,每年的预期回报率(百分点)由未投资于高效的投资组合与一个家庭的投资组合同一斯坦-准差而放弃。
见第一.C它的定义。
资料来源:
CentERpanel,Datastream的,Euroinvestor,自己的小算盘。
使用2005年至2006年的投资数据的原因之一是那时的详细的金融知识可得到。
这些措施形成了vanRooij,Lusardi,andAlessie(2011)的基础。
其作者友善的提供给我数据和代码,我的金融计算分数是以4个简单的类似于数学问题为基础的,以金融术语为框架的小测验和货币时间价值为基础。
使用因子分析法,我提取一个连续的指数并且对其进行标准化使其在0处有意义和一个在全体样本中的变量。
金融计算能力指数是用来衡量个人是否拥有在金融财务方面处理简单数值计算的必要的能力,这对作出金融决策是很重要的。
通过代理问题和潜在成本可以看出,意识到缺乏投资技巧的理性的家庭会寻求外界的帮助。
在DHS数据中,大约有四分之一的调查对象向专业的顾问寻求帮助,而另外四分之一依赖于家人和朋友的建议,剩下的一半依靠他们自己的金融判断。
A,金融知识,金融建议和它们的相互作用
表2包含了来自金融建议主源和金融计算中分位法的平均回报损失,第一部分包括自主作出决定,金融计算能力十分低下的个。
与投资相同风险水平的,有效率的证券投资组合相比较,这一类人每年的期望回报亏损近一个百分点,这种的价值是剩下的其他种类的两倍,并且它是惟一的比其他平均水平要高得多的条目。
这种相互作用的重要性适用于在这部分更正式的分析。
表3的第一列反映了对从参与者样本中优选的一系列协变量的回报损失作OLS回归分析的结果。
金融计算能力对寻求专业建议的人群并没有影响:
第一列的系数为0(每年仅一个基点)并且被准确的估计(95%的置信区间在-8bps—9bps)。
对于那些依赖于家人和朋友的建议的人群来说也没有很大的不同:
虚拟的和金融计算的相互作用项都很小并且没有意义。
尽管标准差都稍微有些高。
一些虚拟变量即人们的决定取决于自身的关于选择的信息发挥了积极的作用:
那些金融计算分数为0,仅靠自己的判断的人群的损失比依靠专业建议的人群的损失高53bps,这种反向的关系表明如果金融计算能力在0以下,这种影响会更糟糕,它几乎取消了那些达到最高金融计算分数0.64的人群(注意到分布是左偏的)。
与那些向专业人士,家人或朋友寻求建议,金融计算分数为0的人群相比较,据估计这些家庭将会产生较小的额外损失,平均在9bps。
所有其他的协变量的系数是不显著并且更小的,与那些金融计算能力强和寻求建议的人相比而言。
分位数回归的结果在表3的剩余列中显示表明平均水平完全被回报损失分布在前三名的影响所控制。
没有百分位数随着寻求专业建议的人们的金融计算水平变化很大,而且,这些结果和向家人和朋友寻求建议的人们很相似。
出了对顶部回损分布的点估计外,这些有趣的结果再次聚焦到那些依赖自身金融判断的人们身上。
同样的,如果他们的金融计算能力指标为0,他们第90个百分位的回报损失会高出145bps,而且,这个影响对那些否定金融计算能力指标的人们更糟糕,对拥有最高金融计算分数的人们减少至50bps,同样的模式适用于实质上更小的量级的第70个百分位。
变量系数很重要因为它表明a,除去他们的特征,大多数家庭获得合理的投资回报。
b,糟糕的投资结果往往集中于那些寻求任何形式的私人建议也在资金运用方面高水平的计算技巧的人群。
表3中所报道的估量也适用于在资产市场上的样本参与者,但他们与普通群体有所不同,对整体样本进行分位数回归表明对于那些寻求别人建议的人来说,金融计算能力似乎并没有太大的影响,而且,对于寻求外界帮助的两组并没有很大的不同。
在这些家庭中与金融计算能力似乎并没有太大的联系。
那些金融计算分数为0并且自主做决定的人们在每一个观察的分位点会产生持续更高的回报损失。
在第95个分位点达到72,通过所考虑的前四个分位点可看出相互作用很小且大部分是非显著的,对于第95个分位点,之前的解释继续适用。
根据分布可得到更多的金融财富和更高的回报损失联系在一起,这些样本参与者与金融计算分数为0的人群形成对比。
然而这些不同并没有太大的意义,他们很好的阐述了在两个样本中变化的解释。
表3的点估计表明,参与且拥有较多金融财富的家庭会产生相似的回报损失,在全体样本中,另外一种影响占支配地位:
在富人中参与者更加普遍,因此他们会有更高的回报损失。
这些结果对于其他一些选择来说是稳健的,我在网盘中有提及。
最重要的是,在回报损失和金融知识之间似乎并不存在一种很强的联系。
包括后者作为回归量并没有改变我的结果的大小和意义,这也适用于其他协变量。
当考虑到其他的多样化的损失,相同的基本模式出现了,尽管他们并不是经常有意义。
B,专业金融建议的详细分析
在过去几年中金融建议的影响受到了很多的关注,Inderst和Ottaviani提供了关于市场调节和理论框架的概述,近期权威期刊关于金融建议者的行为阐明了一系列的行为模式,似乎可以得出的普遍结论是建议者对传统的激励结构做出的反映是以预期的方式推荐高费用的产品。
关于这样是怎么导致投资结果的证据很少。
我的数据提供一个独特的机会来补充上述研究,通过调查是否相同的模式适用普遍人群和是否他们随金融知识的变化。
在转向这些问题之前,我考虑了寻求专业建议的决定,例如,Collins认为金融建议和金融知识是相互补充的,因为在他的数据中显示更多的受过教育的人们更倾向于接受专业的建议。
我回归分析了金融计算能力对作出向专业金融顾问寻求建议的决定的影响并且控制变量和表三中一样。
金融财富的数量是唯一的经济上和统计上显著的变量,特别地,金融计算能力的影响是很小且不显著的。
根据描述的数据来看这并不奇怪,其显示表明金融计算能力对向家人和朋友寻求建议的人们影响最小,对依赖于自身判断的人们影响最大。
从Collins(2012)意义上说,在我的数据中专业金融建议和金融计算能力既不是相互补充也不是相互替代的,此外,图片更加复杂,因为不寻求专业建议的组群是由两种差别很大的亚群组成的。
下一步,我将对占整个投资组合百分比的费用对金融数学,财务建议,以及这二者的交叉项,金融知识和许多控制变量做回归。
我将整个结果集提交到了网盘上,但可以非常容易的总结为:
平均费用支付约为70bps每年,依赖职业金融建议的在此之上没人每年多支付约30bps。
这是唯一一个统计显著的效应。
金融数学和金融知识都没有发挥任何作用。
当我们分析职业金融建议和期望投资产出的关系时,因为职业顾问的典型的激励机制的原因,我们对待共同基金的收费的处理要特别的关注。
迄今为止,我的分析中费后汇报遵循CAPM结构。
正如卡尔韦,坎贝尔和sodini(2007)中的主成分分析所得,人们当然可以完全忽略这些计算过程。
事实上,收费并不依赖回报意味着:
上述两种计算程序会得到相似的结果(9)两种计算程序都符合活跃基金管理的这一观点。
相反的观点是由许多经济学家持有的——就期望回报而言击败有效市场是不可能的——在实施CAPM中忽略费用,并把这些费用添加到事后的回报损失中。
当重新运行表2的分析时——源于财务建议和金融数学的平均回报损失交叉表——在后面的方法中,在第一格的数字由35bps的速度上升到1.35个百分点,而别的数字在0.8个百分点左右(10)在表IV中,我们将收费增加到回报损失中,重复了来自表3的分析。
我先前得到的结果基本上没有发生变化,如果有什么变化的话,那就是在两种不同的外部建议造成的细小差别——出现在低金融知识的水平的中等回报损失分布在低金融知识的水平层面。
因此,虽然职业顾问明确建议的投资组合会收取更高的平均费用,但是,产生的投资组合特征的效应比起投资欠分散化是很小的。
C讨论
我的结果表面最大的损失源于投资组合欠分散化,而其是由那些既不寻求关于他们投资的外部帮助又没有良好的数学运算基础和基本的数学概念基础的投资者引致的。
也许最两人信服的关于这种模式的解释是投资者的过于自信:
那些相信他们自我能力的个体比起别的人会招致最高的回报损失的风险——人们似乎更容易高估前者。
与这种解释相一致的是,在低于中等金融数学水平的个体中,自我评定金融知识水平的人是依赖他们自我金融判断能力中比例最高的一部分。
回到在第1部分最后的激励机制的问题,金融富豪们较低的回报损失也许可以解释为:
在这些只有较低的金融知识的家庭中不太流行只唯一的依赖他们自我的判断(12)
这些结果可以帮助回答由美联储和库马尔(2013)提出的问题:
投资扭曲是否反应了资讯优势或是心里偏见。
VanNieuwerburgh和Veldkamp(2010)最近为前者提供了一个理论基础,在这个理论中,如
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 家庭 资产 组合 多样化 如何 金融 知识 建议 改变 分解