互聯網保險活期理財收益率影響因素研究
——基于EEMD-QR模型

張衛國，庫 宇，邵貫賞

(華南理工大學 工商管理學院，廣東 廣州 510641)

一、引 言

自2013年6月余額寶引發互聯網理財熱潮后，國內各大電商和包括銀行、券商、保險等在內的傳統金融機構陸續通過互聯網渠道推出同類的理財產品，各種互聯網理財工具蓬勃發展。一些學者研究了互聯網理財產品收益率的影響因素。如楊毅等[1]與陸敬筠等[2]實證發現余額寶的收益受到上海同業拆借利率顯著的正向影響。林文生等發現產品規模、股債行情和銀行拆借利率都影響理財收益波動，且影響程度不同[3]。楊宇程發現其受到shibor滯后項、證券二級市場表現和貨幣供應量的影響，前兩個因素的影響均為正向，貨幣供應量的影響則是負向[4]。孫春燕等研究發現余額寶現金占凈比對其具有線性正效應，銀行間同業拆借利率和滬深300指數具有線性負效應，消費者價格指數對其具有波動非線性作用，人民幣兌美元匯率和狹義的貨幣供應量對其具有交互作用[5]。

隨著貨幣市場化進程的推進，依賴于貨幣基金的理財產品的收益率在不斷下滑。根據支付寶平臺的數據顯示，截至目前余額寶年化收益率已經低于2.5%。為尋求更高收益，由保險公司發行、承?；蚬芾?，接受銀保監會監管的保險理財產品逐步走入投資者的視野。同時，一些學者開展了互聯網保險理財方面的研究。如李克穆指出互聯網保險在互聯網金融領域的創新發展方面走在了前列，而由于歷史數據缺乏導致其可能存在產品定價風險[6]。王燕等分析了2016年之前如萬能險、投連險等產品業績好的原因，但其也因偏離保障受監管要求逐漸從互聯網理財渠道消失，隨后對未來的監管提出了相應建議[7]。張方波指出保險資管行業發展呈現穩步增長和配置多元化趨勢，資管新規的出臺帶來了機遇，同時在第三方業務等方面也面臨著挑戰[8]。

經驗模態分解(EMD)模型和集合經驗模態分解(EEMD)模型被一些學者廣泛應用于對股票[9-12]、房地產[13]、大宗商品[14-15]等的研究中，并都有較好的表現。Zhu等指出與傳統的單時間尺度模型相比，EEMD可以有效減少異質環境的影響，從而獲得更準確的整體風險的測度[16]。白潔等則用EMD發現余額寶收益率波動是由國內市場資金面決定的長期趨勢和金融行業重大事件共同導致的[17]。

區別于類似余額寶的互聯網理財產品，保險資管產品發展相對較晚，缺乏同類可比口徑的歷史投資業績，個人投資者短期難以對保險機構的投資管理能力進行客觀評價，學術界缺乏針對互聯網保險理財產品的理論和應用研究。本文具體研究互聯網保險活期理財產品收益率的影響因素，提出了分析互聯網保險活期理財產品收益率影響因素的EEMD-QR方法，并選取具有代表性的互聯網保險理財產品“國壽嘉年天天盈”進行實證分析。研究結果表明，互聯網保險活期理財產品收益率主要由代表產品內在發展趨勢的趨勢項和代表重大事件影響的低頻向量決定，而且趨勢項對收益率影響的程度和沖擊更高。銀行間同業拆借利率、債券市場行情、保險機構實力、匯率和證券二級市場是主要影響因素。

二、互聯網保險活期理財產品基本情況

對于互聯網保險理財產品來說，2015年之前保險理財市場以中短期的萬能險、投連險為主，但受監管要求，現在萬能險和投連險幾乎從互聯網理財渠道消失，取而代之的是個人養老保障管理產品。據融360調查發現，截至2018年7月末在主流的互聯網保險理財銷售渠道中，由保監會批準設立的養老保險公司發行的個人養老保障管理產品占到9成以上。

本文研究發現目前通過互聯網渠道發行的保險活期理財產品主要在騰訊理財通平臺上，并設置專門的理財專區進行銷售。理財通作為一個用戶數超1億人、總成交量超2萬億元的理財平臺，能夠為用戶提供多樣化的理財服務，主要包括貨幣基金類產品、保險理財等，投資者可以靈活理財，隨時存取。騰訊理財通平臺上的“國壽嘉年天天盈”等保險活期理財產品更是一直處于平臺暢銷榜中，因產品風險低，收益穩健，受到了廣大投資者的喜愛。目前，騰訊理財通平臺在售的理財通活期理財產品如表1所示。

表1 理財通保險活期產品情況(截至2018年11月末)

注：資料來源于騰訊理財通平臺。

總體來看，互聯網保險活期理財產品通過精選期限適中、風險較低、收益較高的項目，力求在滿足安全性、流動性需要的基礎上實現更高的收益率，具有“資金穩健、投資范圍廣、高流動性、低門檻性”的特點，比較適合穩健類投資者以及習慣在互聯網渠道購買理財產品的年輕人。

三、EEMD-QR模型構建

Huang等首次提出經驗模態分解(EMD)模型，結合時間域和頻率域來分析時間序列內在特征，是一種非參數、經驗性的分析非線性非平穩的時間序列的方法[18]。Wu等在EMD基礎上提出集合經驗模態分解(EEMD)模型[19]。EMD模型是將原始時間序列數據根據其內在特征進行多尺度分解提取，從而得到一組頻率特征不同的分量，即本征模函數(intrinsic mode function，imf)，適用于處理互聯網保險活期理財產品收益率這樣的非線性、非平穩數據，最終可以將互聯網保險活期理財產品收益率原始序列s(t)分解為imf函數和一個趨勢項rn(t)，即：

(1)

其中，t表示時間；s(t)表示時間序列。

EEMD具體分解步驟如下：

(1)在互聯網保險活期理財產品收益率原始序列s(t)中多次加入均值為0、標準差為常數的白噪聲，即：

si(t)=s(t)+wi(t)

(2)

其中，si(t)為第i次加入白噪聲后的序列；wi(t)為第i次加入的白噪聲。

(2)對新組成的時間序列si(t)分別進行EMD 分解，得到各自的imf，記為cij(t)，與一個余項式ri(t)，其中cij(t)為第i次加入白噪聲后分解得到的第j個imf。

(3)根據白噪聲足夠多次試驗可相互抵消的特性可知，將上述分解中對應的imf計算算術平均值就可得到經驗分解后的最終imf，即：

(3)

其中，N為加入白噪聲的次數，cj(t)為原始序列EEMD后得出的第j個imf。

然后，按照以下的步驟對各imf進行集成，生成高頻imf和低頻imf。

(1)計算本征模函數imf1(t)到imfn(t)的算術平均值。

(2)對本征模函數imfi(t)的平均值進行不等于0的t檢驗。

(3)將本征模函數imf1(t)，…，imfi-1(t)加總構成頻率較高的成分，即為高頻分量；將imf1(t)，…，imfn(t)加總構成頻率較低的成分，即為低頻分量。

互聯網保險活期理財產品收益率經過EEMD模型分解的各分量進行組合得到高頻/低頻imf分量以及趨勢項都具有自己獨特的屬性和比較強的經濟學意義。趨勢項的時間序列能夠看作代表原始序列中的內在運行軌跡，客觀準確地提取出趨勢項序列具有非常重要的經濟學意義和實際意義[18]。其沿著原始序列的長期均值緩慢變化，可視作互聯網保險活期理財產品收益率變化的潛在趨勢。低頻分量的突發性上升或者下降一般和一些重大事件相對應，代表著這些重大事件的影響。高頻分量一般振幅較小，主要代表著互聯網保險活期理財產品的隨機波動。進一步分析并量化互聯網保險活期理財產品收益率的影響因素，并通過相關分析來檢驗這些影響因素與對應分量之間是否存在顯著相關關系。

最后，通過分位數回歸(QR)模型來分析具有顯著影響的因素與互聯網保險活期理財收益率之間的關系。通過考察解釋變量對響應量在不同分位點處的異質影響，能夠挖掘到更加豐富的信息，進而得出收益率整個條件分布特征的描述。

四、收益率EEMD模式分解

(一)數據與描述

本文選取騰訊理財通平臺上“保險理財”產品中的國壽嘉年天天盈產品作為代表來研究互聯網保險理財產品的收益率。一方面是因為該產品處于理財通平臺保險活期理財板塊顯示的首位；另一方面，經理財通平臺披露，截至2018年11月末，國壽嘉年天天盈產品已累計成交6 021萬筆，其累計成交筆數遠遠超過平臺其他同類產品之和，因此具有比較高的代表性。同時選取國壽嘉年天天盈的萬份收益率來代表本產品的收益率。因理財通平臺只披露近兩個月的數據，通過本文研究期間對理財通平臺數據的跟蹤，選取從2017年7月31日到2019年2月28日的數據共578個。國壽嘉年天天盈收益率分布如圖1所示。

圖1 國壽嘉年天天盈的收益率分布

首先，對國壽嘉年天天盈收益率(GS)數據進行平穩性檢驗，檢驗結果如表2所示。由表2可知，p值大于10%，不能拒絕原假設，即認為國壽嘉年天天盈收益率序列是非平穩的；然后對其進行一階差分后進行平穩性檢驗，發現拒絕原假設，即一階數據是平穩的。所以選取EEMD模型可以很好地從多尺度分解分析其收益率的內涵特征。

表2 國壽嘉年天天盈的收益率(GS)及一階數據(DGS)ADF平穩性檢驗結果

(二)imf分量及其分析

在Matlab平臺上編程實現了EEMD模型分解，最終可以將研究期間共計578天的原始的國壽嘉年天天盈的收益率數據進行分解，得到7條具有不同特征的imf分量和1個趨勢項R，如圖2所示?？梢钥吹?，隨著所有被分解出的imf分量從高頻逐漸向低頻移動，其振幅基本上逐漸變大，且最后1項R(t)是一個單調的可以反映理財收益率的長期趨勢。

圖2 基于EEMD模型分解的imf分量和趨勢項圖

本文從imf的平均周期和原始序列的相關系數、方差占比這幾個指標來分析，EEMD模型分解后各分量特征如表3所示?？砂l現，與原始序列相關程度最高的是趨勢項，其系數為0.87，遠高于其他imf與原始序列的相關程度。通過EEMD分解后最高頻的imf分量的周期短，其波動與原始時間序列有一定的相似度，使其與原始序列的相關性較高。繼續分解后得到的處于中間水平頻率的imf分量的周期與相關系數也有很大的關系，這些imf分量的相關系數相對較低，可能是因為隨著imf分量頻率的逐漸降低，其波動相對而言會逐漸減緩，此時當原始的收益率序列仍按照一定的趨勢運轉時，這部分imf分量也會按照趨勢進行延展導致出現了一定的滯后反應，從而出現與原始序列相左的情況。而低頻的imf分量因為影響著互聯網保險活期理財產品的收益率的重大波動，與原始序列的相關程度較高。

表3 EEMD模型分解后各分量特征 (%)

注：**、***分別表示在5%和1%的水平下顯著。

通過方差分析發現，僅趨勢項占比40.88%，占模式分解后各分量方差之和的比例高達61.36%。imf 7占原始時間序列方差的比例為7.84%，占模式分解后方差的比例為11.77%，僅次于趨勢項對于原始序列的沖擊占比，說明當受到重大事件沖擊的時候，低頻imf分量和趨勢項對于國壽嘉年天天盈的收益率貢獻程度很大。同時，因為國壽嘉年天天盈的收益率的日間隨機波動比較大，它也對國壽嘉年天天盈的波動具有一定貢獻。

(三)結構特征分析

基于EEMD模型分解的各頻率判別圖如圖3所示。

圖3 基于EEMD模型分解的各頻率判別圖

對各imf進行集成，生成高頻imf和低頻imf。根據前述可得：imf 1—imf 5為高頻部分，加和作為高頻分量；imf 6—imf 7歸為低頻部分，加和作為低頻分量；趨勢項作為獨立的分量。通過EEMD模型分解互聯網保險活期理財產品得到的各分量進行組合后的高頻imf分量、低頻imf分量以及趨勢項的特征，如表4所示。

表4 高頻/低頻imf分量以及趨勢項特征 (%)

注：***表示在1%的水平下顯著。

1.趨勢項特征——內在發展趨勢

趨勢項和原始時間序列的相關系數達0.87，趨勢項占原始時間序列方差的40.88%，占EEMD模型分解后方差的58.30%。趨勢項與原始序列的相關系數與方差波動占比均比其他imf分量高，說明趨勢項是互聯網保險活期理財產品的重要組成部分，基本可以反映本互聯網保險活期理財產品的發展趨勢。

國壽嘉年天天盈的投資管理人分別是中國人壽養老保險股份有限公司和嘉實基金管理有限公司。中國人壽養老保險股份有限公司負責不動產類金融資產、其他金融資產的配置，嘉實基金管理有限公司負責資產配置和存款、債券等證券化金融產品管理，其投資比例比較高的主要是流動性資產以及固定收益資產，互聯網保險活期理財產品的收益率與投資管理人的投資能力及投資的較高流動性標的息息相關。這說明從長期來看，互聯網保險活期理財產品的收益率與國內同業市場資金面的松緊程度以及固定收益市場的收益情況相關。

2.低頻曲線特征——重大事件影響

趨勢項對于收益率的影響是緩慢的，且穩定在一定的水平上，因此國壽嘉年天天盈收益率的大幅波動是重大事件對于互聯網保險活期理財產品收益率的沖擊造成的。低頻分量與原始時間序列的相關系數為0.75，遠高于高頻曲線與原始序列對應的相關系數0.47。低頻分量占EEMD分解后方差的比例為15.02%，這也與一直以來互聯網保險活期理財產品的收益率因風險不高相關，整體上收益率波動沒有像其他常見的理財產品的波動那么大，受重大事件的影響但是敏感程度不高。國壽嘉年天天盈的收益率主要受資管新規、貨幣政策以及國內外金融市場環境的影響。

隨著資管新規的落地實施，打破剛兌的要求明顯沖擊了之前的理財市場。短期來看，互聯網保險活期理財產品面臨著一定的轉型和調整壓力，對投資標的的限制可能使產品收益率下降。而自從2018年3月發生錢荒以來，國內先后經歷了全國降準、定向降準、中期借貸便利大規模凈投放等多次降準舉措，實行穩健中性的貨幣政策，保持流動性的合理充裕，使得理財產品收益呈現下滑的趨勢。

同時，在中美貿易摩擦的影響下，整個國際金融市場處于極大的波動中，投資者對于金融資產的風險偏好降低，并傳導到國內金融市場，使得國內投資理財市場受到了很大的影響。由此造成的股市行情持續低迷會加劇投資者投資偏向低風險、高流動性的理財產品，引起互聯網理財產品市場收益率進一步下跌。

通過EEMD分解可以分析這些事件對互聯網保險活期理財產品的影響及結果，既可以幫助我們來評判重大事件帶來的影響程度，也可為以后的投資者進行決策提供參考。

3.高頻曲線特征——隨機波動影響

互聯網保險活期理財產品收益率除了受其潛在的趨勢因素和重大事件的影響外，其高頻曲線的變化特征主要代表著市場隨機波動帶來的影響。對國壽嘉年天天盈的收益率的影響主要體現在imf 1—imf 5組成的低頻分量上，高頻分量與原始序列的相關系數為0.47，相關程度最小。因為互聯網保險活期理財產品可投資標的品種和范圍較“寶寶類”產品相對較大，其日間波動也相對較大，這也是互聯網保險活期理財產品獨特的特點，其頻繁的波動會對理財收益率造成影響。對于短期的預測來說，高頻分量不可或缺，但是從較長期的角度來看，可以忽略高頻分量的影響。圖4為國壽嘉年天天盈收益率及各分量曲線圖。

圖4 國壽嘉年天天盈收益率及各分量曲線圖

綜上所述，趨勢項代表了理財收益率的內在趨勢，與管理人的投資能力與投資標的相關，可以基本反映收益率的發展走勢。低頻分量代表了重大事件的影響作用，重大事件的出現會對收益率造成較大的波動，觀測期內資管新規落地、各項降準舉措的實行以及中美貿易摩擦帶來的理財市場低迷，都引起了理財收益率的不斷下行。高頻分量的頻繁波動代表了產品本身隨機波動的影響，與收益率相關性最小。

五、基于QR模型實證分析

由前面分析可知，互聯網保險活期理財的趨勢項和低頻分量對于收益率的解釋性更強。因此研究二者的影響因素能夠幫助我們更好地認識和投資互聯網保險活期理財產品。根據這些因素的特點并結合我國金融市場發展的具體情況，進一步選擇出互聯網保險活期理財產品收益率影響因素的量化指標如下。

(一)趨勢項因素的量化指標

(1)銀行間同業拆借利率。在我國金融市場上，銀行的存款利率通常能夠反映出當前資金面的松緊水平。李東榮指出上海銀行間同業拆借利率隔夜利率(shibor)作為貨幣市場基準利率整體上能夠較好地反映資金成本、市場供求和貨幣政策預期的變化[20]。因此本文也選取shibor來作為判斷市場利率的基準，來表現資金面的需求關系。

(2)債券市場行情。國壽嘉年天天盈投資短期固定收益資產比例為0～190%，占比相當高，因此債券市場的行情也會影響互聯網保險活期理財產品的收益情況。參考閆紅蕾等的研究，國債的利率期限結構決定基準無風險利率[21]。本文選取一年期國債收益率來代表短期債市的市場行情。

(3)保險機構實力?；ヂ摼W保險活期理財產品的管理人主要是保險資管機構，而理財投資管理人的主動管理能力是關系投資風格及收益的一個關鍵因素，這也是互聯網保險活期理財區別于其他理財產品的一個重要的原因，因此研判保險機構的實力也十分重要。本文選取的Wind保險Ⅱ指數可以在一定程度上代表保險行業及機構的實力，以此來研究其對于收益率的影響。

(二)重大事件因素的量化指標

(1)匯率。隨著中國逐漸走向世界，國際環境的不確定性給中國的金融市場帶來了極大的沖擊，特別是2018年以來開啟的中美貿易戰更是一個黑天鵝事件，至2019年又逐漸緩和，國際趨勢的變化深刻地影響了國內外資的流通。正是人民幣匯率的波動沖擊著國內外資金的流動，然后影響著各種金融工具的價格，影響著我國金融市場的資金面，互聯網保險活期理財產品的收益自然也深受影響。王勝等實證描述了匯率的動態傳遞效應[22]。因此本文選取美元兌人民幣的中間價作為匯率數據，來研究匯率的變動對互聯網保險活期理財產品收益率的影響。

(2)證券二級市場行情。證券市場反映了理財市場人們對于風險資金的偏好程度，證券市場低迷會吸引大量資金投入非證券市場，互聯網保險活期理財也包括在內。參考趙雪謹和張衛國采用上證綜合指數和深證成份指數來構建和描述股票市場的資產收益率回報[23]，本文選取上證指數來研究證券二級市場對于收益率的影響。

考慮到數據的可得性與一致性，將國壽嘉年天天盈自2017年7月31日至2019年2月28日的收益率(GS)作為被解釋變量，然后選取對應時間的上海銀行間同業拆借利率隔夜利率(shibor)、一年期國債收益率(GZ)、Wind保險Ⅱ指數(BX)、匯率(LV)、上證指數(SZ)。以上數據均來自Wind經濟數據庫?？紤]到周末以及節假日等因素，部分數據存在缺失的狀況可能無法匹配，所以在以日為計算周期的基礎上，休息日的數據采用平均插值法計算得來。

(三)實證結果

首先，考慮到各影響因素之間可能存在相關性，因此本文通過Pearson相關系數法來計算各影響因素間的相關性，計算結果如表5所示。

表5 影響因素間的相關關系

從表5中可以看出，只有一年期國債收益率和上證指數之間存在高度相關性，其他影響因素之間的相關性都比較低。為了方便后面詳細分析各影響因素對收益率的影響，本文保留所有的5個影響因素，不作降重處理。

然后驗證各影響因素與對應分量之間的關系，影響因素與對應分量之間的關系如表6(a)、表6(b)所示?？梢园l現各影響因素與對應收益率分量是顯著相關的。

表6(a) 影響因素與趨勢項之間的關系

表6(b) 影響因素與低頻imf之間的關系

注：***表示在1%的水平下顯著。

其次，對所研究的變量取對數，使得其對應的時間序列保持平穩，同時減少共線性和異方差出現的概率。表7為變量的描述統計量?？梢园l現國壽嘉年天天盈產品收益率的波動水平比較高，這也與其日間頻繁的隨機波動有關。同時，國壽嘉年天天盈的收益率的偏度小于0、峰度小于3，表現出負偏平坦峰的分布形態。然后根據JB統計量的結果可以看出各變量的時序數據的分布特征都是顯著的非正態分布。因此，通過分位數回歸模型可以更全面地描述互聯網保險活期理財產品收益率及其影響因素之間的相關關系。

表7 描述統計量

注：***表示在1%的水平下顯著。

接著采用分位數回歸(QR)模型來研究分析在不同分布狀態下的國壽嘉年天天盈收益率與其影響因素的相關性。為了詳細觀察不同分位數下，國壽嘉年天天盈產品收益率的波動與各影響因素之間的相關性，本文選取τ=0.1至τ=0.9，研究共9個分位數下分位數回歸的情況，結果如表8所示。

表8 收益率與各影響因素的分位數回歸結果

續上表

注：*、**、***分別表示在10%、5%和1%的水平下顯著；括號中的值表示t統計量。

通過表8可以發現，在不同的分位數水平下各影響因素對于國壽嘉年天天盈收益率的影響方向及影響程度的變化。從回歸結果來看，上海銀行間同業拆借利率隔夜利率對國壽嘉年天天盈收益率的影響是反向的。在其他條件保持不變的情況下，上海銀行間同業拆借利率的增加會讓收益率隨之降低，而且當收益率處于較高水平的時候，其負向的影響更加顯著。這也說明在貨幣流動性放松的情況下，保險活期理財產品可投資標的范圍較大，收益率能保持比較穩健的水平。匯率對國壽嘉年天天盈收益率的影響同樣是反向的，在其他條件保持不變的情況下，匯率的增加會讓收益率隨之降低，特別是當收益率處于低分位的時候，匯率會對收益率造成更明顯的負向影響。這說明貿易戰等國際環境的不穩定引起的匯率波動會造成互聯網保險活期理財產品的收益率隨之下降。上證指數只有當互聯網保險活期理財產品收益率不處于極端水平(分位數水平為0.4～0.9)的時候，才對互聯網保險活期理財產品收益率具有顯著負向影響，且在中間分位對收益率的影響程度最為顯著。這說明互聯網保險活期理財產品的投資策略較為穩健，受極端值的影響較小。國債收益率對國壽嘉年天天盈收益率保持著顯著的正向影響，國債收益率的上漲會帶來互聯網保險活期理財收益率的上漲，而且一直都保持著穩定的正向影響程度。主要是因為其投資風險比較低、期限比較短的固定收益產品的比例非常高，這些固定收益的收益率波動會直接影響互聯網保險活期理財產品的收益率。保險指數對于國壽嘉年天天盈收益率的影響是正向的，這可能是因為保險指數從側面反映保險機構的發展投資水平以及當下市場對于保險機構的認可程度，保險指數上漲，其收益率也隨之上漲。

再次，進一步采用QR模型來研究分析在不同分布狀態下的國壽嘉年天天盈收益率經過EEMD分解后得到的趨勢項序列、低頻序列與各影響因素的相關性。同樣選取τ=0.1至τ=0.9，研究共9個分位數下分位數回歸的情況，結果如表9(a)、表9(b)所示。

表9(a) 收益率趨勢項與各影響因素的分位數回歸結果

注：*、**、***分別表示在10%、5%和1%的水平下顯著；括號中的值表示t統計量。

表9(b) 收益率低頻imf與各影響因素的分位數回歸結果

續上表

注：*、**、***分別表示在10%、5%和1%的水平下顯著；括號中的值表示t統計量。

通過表9(a)、表9(b)可以進一步發現，當分位數為0.1～0.6時，上海銀行間同業拆借利率對國壽嘉年天天盈收益率趨勢項的影響是正向的；而當分位數繼續增大時，這種影響變為反向；但是當分位數處于中間水平時，影響不顯著。這可能是由于當國壽嘉年天天盈收益率處于正常水平時，投資者對保險機構的發展投資水平等因素不敏感；上海銀行間同業拆借利率對國壽嘉年天天盈收益率低頻imf的影響呈“U”形，且始終是反向的。匯率對國壽嘉年天天盈收益率趨勢項和低頻imf的影響都是反向的，而且對趨勢項的影響更為顯著，因此可以得出匯率主要影響國壽嘉年天天盈收益率的趨勢項的結論。上證指數對國壽嘉年天天盈收益率趨勢項的影響在低分位數下為負向的，隨著分位數的增加，影響效果總體呈逐漸減弱的趨勢，當分位數為0.9時，影響變為正向的，逐漸增大；上證指數對國壽嘉年天天盈收益率低頻imf的影響恰好相反。國債收益率對國壽嘉年天天盈收益率趨勢項的影響隨著分位數的增加逐漸減弱，且一直為正向的；國債收益率對國壽嘉年天天盈收益率低頻imf的影響先反向后正向，且隨著分位數的增加影響先減弱后逐漸增強。同時，發現國債收益率對國壽嘉年天天盈收益率趨勢項的影響更為顯著，因此可以得出國債收益率主要影響國壽嘉年天天盈收益率的趨勢項的結論。保險指數對國壽嘉年天天盈收益率趨勢項的影響比較小，對低頻imf的影響更為顯著，且隨著分位數的增加逐漸增強。因此可以得出保險指數主要影響國壽嘉年天天盈收益率的低頻imf的結論。

最后，更進一步地，我們除了將國壽嘉年天天盈收益率進行EEMD分解，得到趨勢項序列和低頻序列(高頻序列可以忽略)，還將各影響因素也進行EEMD分解，得到趨勢項序列和低頻序列，并采用QR模型來研究分析收益率的趨勢項序列與各影響因素的趨勢項序列的相關性以及收益率的低頻序列與各影響因素的低頻序列的相關性。同樣選取τ=0.1至τ=0.9，研究共9個分位數下分位數回歸的情況，結果如表10(a)、表10(b)所示。

表10(a) 收益率趨勢項與各影響因素趨勢項的分位數回歸結果

續上表

注：*、**、***分別表示在10%、5%和1%的水平下顯著；括號中的值表示t統計量。

表10(b) 收益率低頻imf與各影響因素低頻imf的分位數回歸結果

續上表

注：*、**、***分別表示在10%、5%和1%的水平下顯著；括號中的值表示t統計量。

通過表10(a)、表10(b)可以看出，國壽嘉年天天盈收益率的趨勢項主要受到匯率趨勢項、保險指數趨勢項和上證指數趨勢項的影響，并且在不同的分位數下影響都比較穩定。匯率趨勢項和保險指數趨勢項對國壽嘉年天天盈收益率趨勢項的影響是反向的，上證指數趨勢項對國壽嘉年天天盈收益率趨勢項的影響是正向的。低頻imf幾乎受到全部5個影響因素低頻imf的影響，匯率低頻imf和上海銀行間同業拆借利率低頻imf對國壽嘉年天天盈收益率低頻imf的影響是反向的；上證指數低頻imf和保險指數低頻imf對國壽嘉年天天盈收益率低頻imf的影響是正向的。在低分位數下，國債收益率低頻imf對國壽嘉年天天盈收益率低頻imf的影響是反向的，隨著分位數的增加，這種影響變為正向的。

在此基礎上，通過分位數回歸來描述理財通平臺上目前在售保險活期理財產品及其影響因素之間的關系，如圖6所示。

(a)國壽嘉年天天盈 (b)平安養老富盈5號

(c)太平養老顧養天天圖6 各保險活期理財產品與其影響因素之間的關系

可以發現，其他保險活期理財產品與其影響因素之間的關系與國壽嘉年天天盈是一致的。上海銀行間同業拆借利率對收益率的影響繞均值波動，但總體上呈下降趨勢，在高分位的負向影響更大。國債收益率對于收益率的影響呈波動趨勢，但總體上保持在一個穩定的水平上。保險指數對于國壽嘉年天天盈收益率的影響則相反，呈現倒“U”形，但總體上繞均值波動，對收益率的影響因素呈現正向的趨勢。利率對收益率的影響呈現上升的趨勢，隨著分位數的增高，利率對于收益率的負向影響程度越來越弱。上證指數對于收益率的影響呈現“U”形，在達到最低點后逐漸上升。

六、結 論

本文通過EEMD對互聯網保險活期理財收益率進行多尺度分解得到一組具有不同頻率的分量，并分析各分量的特征，從定量和定性的角度分析出其主要影響因素。然后通過QR模型，分析各影響因素與收益率在不同分位數水平下動態關系。本文的主要結論如下：

第一，通過EEMD分解可知，互聯網保險活期理財產品收益率主要是由代表著產品內在發展趨勢的趨勢項和代表著重大事件影響的低頻向量決定的，而且趨勢項對收益率影響的程度和沖擊更高。然后量化并驗證相關因素，包括銀行間同業拆借利率、債券市場行情、保險機構實力、匯率以及證券二級市場行情5大因素。

第二，通過EEMD-QR實證分析模型分析在不同分布狀態下的國壽嘉年天天盈收益率與其影響因素的相關性，可以發現：①互聯網保險活期理財與各個指標在各分位數水平下基本上是顯著相關的，除了上證指數在低分位數水平下影響不顯著外，上海銀行間同業拆借利率隔夜利率(shibor)、匯率(LV)和上證指數(SZ)對于收益率具有負向的顯著影響作用。且當收益率處于較高的水平的時候，shibor下降會導致收益率更加顯著的上漲；收益率處于低分位的時候，LV則會對收益率造成更明顯的負向影響；SZ則是在收益率中間分位對收益率的影響程度最為顯著。一年期國債收益率(GZ)和Wind保險Ⅱ指數(BX)對于收益率具有正向的顯著影響作用。收益率在不同分位數水平下受到GZ的影響都比較穩健，保持著比較穩定的正向影響作用；BX對收益率的影響呈現倒“U”形，在中間分位數水平下對收益率具有更顯著的影響。②通過進一步分析在不同分布狀態下的國壽嘉年天天盈收益率經過EEMD分解后得到的趨勢項序列、低頻序列與各影響因素的相關性可以發現：國壽嘉年天天盈收益率趨勢項主要受匯率和一年期國債收益率的影響；低頻imf幾乎受到全部5個影響因素的影響，但受匯率的影響最大。③更進一步分析收益率的趨勢項序列與各影響因素的趨勢項序列的相關性以及收益率的低頻序列與各影響因素的低頻序列的相關性，發現國壽嘉年天天盈收益率的趨勢項主要受到匯率趨勢項、保險指數趨勢項和上證指數趨勢項的影響，并且在不同的分位數下影響都比較穩定，低頻imf幾乎受到全部5個影響因素低頻imf的影響。