2%的人群与80%的财富，小伙深夜崩溃的背后
一年一度的财报季又到了，所有上市公司都需要在1个月之内集中公布2018年年报。银行业年报每年都是一份值得细细品味的报告，其中的信息反映了不少当下社会被掩盖的弊病。
银行业年报中展示了当下国内财富差距的一个客观事实。（这么多年，我怎么就忽略了这么重要的一份资料呢）
根据招商银行2018年年报显示，在其12541.44万户零售客户中，50万元及以上零售客户数量为236.26万户，占总零售客户数的1.88%。同时，50万元及以上客户的总资产占零售客户总资产的80.98%。（1.2亿人口样本体量，相对于13.95亿人口而言，具有一定代表性）
这意味着，近2%的群体掌握了80%的财富。 根据中信银行2018年年报显示，在整个8831.76万户个人客户中，50万元及以上资产的中高端客户数量为73.5万户，占总零售客户数的0.8%。 由于中信银行年报中没有公布中高端客户的资产情况，所以，中高端客户持有资产比例不得而知。 而在最具代表性的工农中建四大行年报中均能窥得一斑。工商银行2018年年报显示，个人存款9.4万亿元，个人客户数量6.07亿，私人银行管理资产1.39万亿元，客户8.07万；农业银行2018年年报显示，个人存款近9.8万亿元，其零售业务覆盖1.4亿人群，私人银行管理资产1.1万亿元，客户10.6万；中国银行2018年年报显示，个人存款5万亿元，私人银行管理资产规模1.4万亿元，具体客户数量没有披露；建设银行2018年年报显示，个人存款7.7万亿元，客户数量未披露，私人银行管理资产规模1.3万亿元，客户12.7万余户。 银行数据的覆盖人群包括底层至中高层之间，高净值人群的财富管理方式以多元化为主，他们的大类资产分布包括地产、股权、黄金等各类不计入银行数据的资产。因此，真正最有钱的那批人数据并未进入银行数据库。如果考虑那批人的实际财富，以银行数据计算得出的基尼系数可能还是偏低的。 此外，中国证券投资者保护基金有限公司今年3月底发布的《全国股票市场投资者状况调查报告》显示，截至2018年8月31日，全国股票投资者数量达1.42亿，其中自然人投资者占比99.77%。近八成受调查投资者收入主要来源于工资、劳务报酬，超九成的年度税后收入在50万以下。 今年3月中旬，深交所组织开展2018年个人投资者状况调查显示，2018年，受访者投入到股票中的资产占家庭总流动资产的25.6%，证券账户平均资产量为44.5万元；从账户资产量分布看，50万元以下的投资者（中小投资者）占比80.0%，10万元以下的投资者占比40.9%。 结合两份报告数据简化计算得出（低于50万元，高于10万元的全部按30万元计算，低于10万元的全部按5万元计算。由于财富分配模型中原本就是金字塔模型，因此中位数必然高于平均数，这种算法原本就会低估财富差距），1.42亿投资者中，20%的大户掌握了近70%的资产。 当然，由于股民样本中不包含最底层的人群，基本多为城镇人口或较为富有的一批农民工，他们之间的财富差距本身就较近，这个样本群体的基尼系数肯定低于真实情况，况且这组数字原本就是保守计算得出的结果。但是，毫无疑问，股市调查数据提高了银行年报数据的可信度。 这些数据从侧面展示了当前全社会财富分布状况。中国的财富分配到底多么扭曲？这向来是一个敏感的问号，无论官方声音还是专家学者都不敢轻易在公开场合谈论这个话题。可问题是客观存在的，大家都只知道问题存在，但却因为信息不透明一直不知道问题究竟有多严重。 中国的基尼系数长期在0.4的国际标准以上徘徊。根据国际上标准，0.4是警戒线，高于0.4意味着危险；而0.6则是红线，高于0.6意味着社会将发生动乱。 根据基尼系数的计算公式是，收入分配绝对曲线面积减去实际收入分配曲线（洛伦兹曲线）面积再除以收入分配绝对曲线面积的系数。 如果对现有数据做乐观调整的话，假设按5%的人群掌握了70%财富计算，基尼系数的最佳情况是下图： 如果把累计收入百分比作为Y轴，累计人口百分比作为X轴的话，ΔY代表单位收入百分比。因为累积人口是按收入从低到高排序，所以存在ΔYii+1 因此，在折线情况下，所围面积才是最大。按此方法计算得出的基尼系数达到最小状态。（注：上述情况中的洛伦兹曲线的实际意义指，社会仅分为两个群体，这两个群体内的财富分配是绝对理想化均衡的，但实际上并不可能发生这种情况，上述假设是对于基尼系数最有利的假设） 根据上述方法，计算后得出的基尼系数为0.65。即使考虑样本误差影响，我国基尼系数也极有可能越过了0.6的国际红线。毕竟，即使按照股市数据计算得出的基尼系数最小都0.5了，真实基尼系数肯定在0.5至上。如果按2%的群体掌握80%财富数据计算的话，基尼系数真的不敢看了。 实际上，北京大学中国社会科学调查中心发布《中国民生发展报告2014》显示，2012年我国家庭净财产的基尼系数达到0.73。 财富分配是个永远理不清的问题。能者多劳、多劳多得，有能力的人可以通过自己的努力获得更多财富与资源，这一点应该没有异议。这世界上有能力的没有傻子，只求马儿跑得快又不愿多喂饲料是肯定不行的。但是，能者把蛋糕全吃光了，不给无能者留点也不行。 财富分配问题包含了公平与道德两杆称，仅靠一杆秤是无法端平这碗水，而两杆称一起用就会存在不可避免的矛盾区域。有能者靠自己能力多赚点很正常，在市场竞争的优胜劣汰中，弱者被强者淘汰属于自然；可在这种丛林法则下，底层群体连最基本的生存底线都无法保障显然又不符合基本的道德。这就形成了一种顾此失彼的困局，无论支持那一方的都有绝对正当理由，当正义与正义碰撞时是分不出胜负的。 虽然财富分配问题本身就是个难解的问号。但是，在现实社会中，实际导致财富分配扭曲的主要原因是特权、圈层、制度这些人为制造的问题。这就引发了社会矛盾，也是当下决策层不得不面对的棘手问题。 互联网与证券，都是工作压力非常大的行业，有时候这种压力积累到一定程度甚至能让一个成年人歇斯底里的崩溃，今天我们从另外一个比较新奇的角度来看待一下互联网企业的加班文化，也期望能从中带给券业人有意义的思考。 事件背景 *** 以前在广州做程序员，很多时候也需要加班到 11 点，工作压力非常大，甚至得了玫瑰糠疹（去中山三院检查，医生说是压力太大出的病，让做好压力调控）。 我感觉中国是成也人口红利，败也人口红利 拿我工作的互联网行业来说： 为什么中国人活得这么累？这么多 IT 公司都喜欢 996，甚至 8127？为什么那么多欧美 IT 公司，活干得漂亮，加班还少？ 很直接的两个原因： 1. 中国公司的需求响应多，压力很大； 2. 中国公司的内部效率实在是太低。 但归根结底，还是人太多了…… 以我之前前的程序员工作，以及和同行的交流来说，中国的程序员之所以这么累，很重要的一个原因，就是要响应大量需求，最后就是：表面是搞技术的，实际上干的是客服的活 这么多需求需要响应，当然有产品经理的锅，但整体来看，往往是因为公司迭代速度太快，逮着 demo 就用，面临的市场又很大很复杂，bug 层出不穷（真的是什么 bug 都有……），根本改不完。 改不完怎么办？那就加班呗。加班还没有加班费，跟谁说理去。 中国互联网公司，算得上是世界上反应最快的公司了 而互联网行业天然就是全国化 互联网公司往往是一家全国通吃。 这种竞争是非常残酷的，一上线目标就是全国 但这个问题不是没法解决，只要效率高，不一定需要 996。可中国很多互联网公司，效率实在是太低了 为啥效率这么低呢？一方面是因为 “游击队”，才能保证快，快了才能活。 另一方面，则是中国互联网公司往往并不专心于开发单个人的高价值，不注重单个人的特殊价值人多 而对单个人的价值开发越高，这个人就越容易嵌入到公司的体系之中，那交接的成本自然就会大幅上扬，划不来啊。 所以很多互联网公司，就喜欢招个人马上就可以开干，而不是需要很长时间来熟悉公司的 “特性”。 国外人少，所以很多公司非常重视一个人 “人力资源” 的放大 中国这边呢，没效率？那就加班咯，用时间换效率。 最后可以说是公司和工作者的双输，当然，工作者输得更惨。 当然还有各种大环境的因素： 缺乏监管，公司想怎么来就怎么来； 没有工会，资本家压榨你没商量； 一线城市的房价持续攀升，不管有没有买房的，压力都大； …… 现在，任何和互联网行业沾上边的工作，都卷入了它们的工作模式，都很累很累。 比如送外卖、网约车…… 这里面有个数据，说是外卖配送、打车等行业的平均工资，普遍要比本地同类工作的，高 10%-20%。 这个当然也只是听着好听。 换成单位时间收入，那就不好说了。 百度总裁李彦宏在美国的时候，感慨美国的互联网、物流行业实在是太不发达了，买了一盆花，等了两个星期都没送到。 看看中国，支付宝微信、滴滴打车、共享单车，一个手机就解决所有问题，哪怕是从南到北的淘宝快递，最多三四天也就到了，还很便宜！ 这其实不是互联网发达，而是基础设施强大 + 人口红利 中国的诸多互联网公司，其实也并不是技术驱动坐吃人口红利 一方面，是人多市场大，满足很小一撮人的需求，就有了面向数百万用户的盈利模式；另一方面，不行就换，劳动力市场完全是买家说了算，卖劳动的只求能混口饭吃。 这样一来，当代中国社会最终变成了啥样子呢？ 那就是： 每个人都在享受人口红利带来的廉价服务，每个人都因为自己的服务太廉价而痛苦。 -
