第8章：行为金融学
行为金融学在因子投资中扮演着关键角色，它提供了一个框架来理解和利用金融市场中系统性行为偏差和低效率。传统的金融模型（如CAPM）假设投资者是理性的，市场是有效的，意味着所有可得信息都完全反映在资产价格中。然而，实证证据表明事实并非总是如此，市场异象持续存在，而这些传统模型无法解释。
在因子投资的背景下，行为金融学在以下方面做出贡献：
-
因子识别：行为金融学有助于识别比传统模型更能解释和预测收益的因子。这些因子通常源于投资者行为的系统性模式，可能导致证券错误定价。例如，捕捉股票持续同向运行趋势的动量因子，可以部分由羊群行为和对新信息反应缓慢来解释。
-
解释市场异象：行为金融学为传统金融理论无法解释的市场异象提供了解释。例如低波动性效应（风险较低的股票被证明能产生更高的风险调整后回报），可以通过行为金融学的视角理解为投资者对高波动性股票中彩票型收益偏好的结果。
-
改进因子模型：通过承认和纳入真实人类的行为方式，行为金融学允许开发更全面的因子模型，更好地捕捉市场中的风险和预期收益。这可以导致创建更复杂的投资策略，适应行为偏差和低效率。
-
增强投资组合构建：理解行为偏差有助于构建旨在利用这些偏差的投资组合。例如，因子投资策略可能会超配因投资者对负面消息过度反应而被低估的股票，并低配因过度乐观而被高估的股票。
-
风险管理：行为金融学认识到投资者情绪和心理因素可能导致市场条件的快速变化。通过考虑这些因素，投资者可以更好地管理其投资组合中的风险，可能提高在市场压力时期的韧性。
-
表现与持续性：行为金融学可以提供关于因子溢价随时间持续性的见解。一些因子可能随着套利机会被利用而更倾向于消失，而另一些因子可能因根深蒂固且变化缓慢的心理偏差而持续存在。
总之，行为金融学通过揭示导致因子产生和持续存在的市场行为的心理基础，丰富了因子投资。它使投资者能够理解和利用这些行为偏差，以改善投资决策、提高回报并更有效地管理投资组合风险。
8.1 行为金融学的广泛本质
8.1.1 回顾传统金融
传统金融理论深深植根于投资者理性的假设。它认为投资者通过比较可用选择的预期效用值来做出投资决策（Bernoulli 1738/1954, von Neumann and Morgenstern 1944）。理性投资者最大化其预期效用，即效用值乘以其各自概率的加权和。与理性假设一起，Markowitz（1952）引入了最优投资组合构建，即在给定风险水平下最大化投资组合的预期收益，或在给定预期收益水平下最小化风险。所谓的马科维茨有效前沿为金融中最具影响力的资产定价模型——资本资产定价模型（CAPM）奠定了基础。
资产定价理论的进一步发展假设市场效率，这由Fama（1970）引入。有效市场假说（EMH）将信息分为三种类型，从而产生三种形式的市场效率：弱式、半强式和强式。在弱式下，历史价格和收益被视为旧信息，因此技术或趋势分析无法击败市场。在半强式下，任何公开可用信息都被定价，基本面分析也无法产生超额收益。在强式下，即使是内幕交易等非公开信息也无法提供超额收益，因为这些信息可能泄露并立即被纳入定价。
关键问题是：投资者真的理性吗？市场真的有效吗？我们能假设散户投资者能像华尔街的博士一样执行复杂的数学计算来构建有效前沿吗？我们可能会争辩说，尽管大多数散户投资者不是量化分析师，但他们可以通过机构投资者或基金经理进行投资，这些专业人士更老练，不太容易犯情绪错误，然而基金经理仍然面临赎回压力，如果客户情绪受到市场动荡的影响。因此，基金经理仍然需要关注金融的行为方面，因为他们的客户可能受到情绪等人类因素的影响。这就是影响量化投资的行为因子的来源。
8.1.2 行为金融学的起源
行为金融学经过半个多世纪的发展，代表了与传统金融的重大偏离，它专注于影响投资者和金融从业者行为的心理影响和偏差。这一学科的出现是对传统金融理论局限性的回应，特别是它们未能解释投机泡沫和投资者对新信息的非理性反应等市场异象（Shiller 1981）。与传统金融假设理性投资者行为和有效市场不同，行为金融学认为投资者表现出有限理性，导致资产错误定价和偏离市场效率。
罗伯特·J·希勒
罗伯特·J·希勒是美国经济学家、学者和诺贝尔奖得主，以其对行为经济学领域的贡献而闻名，特别是在行为金融学子领域。希勒的工作对于理解影响金融决策和市场动态的心理和文化因素起到了重要作用。以下是他在行为金融学方面贡献的一些关键方面。
- 挑战有效市场假说（EMH）：希勒最著名的或许是质疑EMH的工作，EMH认为资产价格反映所有可得信息，因此总是被正确定价。他的研究表明，股票价格往往表现出比仅用股息变化所能解释的更大的波动性，表明除基本面信息外的其他因素在市场运动中起作用。
- 股票价格的波动性：在他1981年的论文《股票价格是否波动过大而不能被后续股息变化所证明？》中，希勒采用方差界限检验表明，股票价格的波动超过了后续股息变化所能证明的程度，突显了投资者情绪和行为在股票价格变动中的作用。
- 经济学中的行为概念：希勒一直是倡导将心理学研究纳入经济理论的坚定支持者。他认为，传统经济理论常常忽视了可能显著影响经济决策和市场结果的人类心理学的重要方面。
- 狂热与市场泡沫：希勒的著作《非理性繁荣》使资产市场中的投机泡沫概念引起了广泛关注。该书在互联网泡沫高峰期出版，警告了由非理性投资者乐观情绪驱动的市场投机的危险。“非理性繁荣”一词本身已成为市场泡沫的代名词，并被时任美联储主席艾伦·格林斯潘著名地使用。
- 房地产经济学：希勒的工作扩展到房地产市场，他分析了房地产趋势和驱动房价的因素。他共同开发了S&P/Case-Shiller房价指数，该指数被广泛用作衡量美国房地产市场表现的基准。
2013年，希勒与尤金·法玛和拉斯·彼得·汉森共同获得诺贝尔经济学奖。该奖项认可了他们对资产价格的实证分析，突显了希勒在股票和债券价格可预测性方面的工作。
希勒在关于经济的公共讨论中一直是有影响力的声音，为政策、住房和金融市场监管的辩论做出了贡献。他的定期专栏和媒体露面使他成为学术界以外的知名人物。
罗伯特·希勒对行为金融学的贡献帮助塑造了这一领域，并对经济学家和投资者理解市场的方式产生了持久影响。他的工作强调了在经济模型中考虑人类行为的重要性，并促使人们更加认识到金融系统的复杂性。
行为金融学的一个基本论断是，受心理因素影响的投资者可能并不总是基于均值-方差优化做出决策，这表明除了单纯的风险之外，还有其他因素影响预期收益（Statman 2008）。这挑战了金融中长期持有的信念，即因子代表系统性风险，而是提供了另一种视角：这些因子可能捕捉到常见的错误定价来源，这些错误定价通常由广泛的投资者无法有效处理信息所驱动。
对该领域的重大贡献，如Sewell（2007）、Barberis和Thaler（2003）、Hirshleifer（2015）以及Barberis（2018）的研究，帮助绘制了行为金融学的演进图谱，系统概述了其原理和发现。这些工作强调了从将市场参与者视为完全理性到认识到心理学与市场动态复杂相互作用的转变。通过承认投资者的正常行为——以认知偏差和情绪反应为特征——行为金融学提供了对市场运动和投资者策略更细致的理解，弥合了理论金融与实际市场行为之间的差距。
大卫·赫什莱弗
大卫·赫什莱弗是行为金融学领域的杰出人物之一。他的贡献帮助弥合了传统金融（通常假设理性有效市场）与行为金融学（认识到心理因素显著影响投资者行为和市场结果）之间的差距。
大卫·赫什莱弗对行为金融学的一些关键贡献包括：
- 过度自信与自我归因：赫什莱弗研究了过度自信和自我归因等心理偏差如何影响交易行为和市场结果。他的研究表明，过度自信的投资者交易更激进，可能导致金融市场过度波动。
- 注意力与信息瀑布：他致力于理解有限注意力如何影响金融决策。此外，他还探讨了信息瀑布，即投资者不是基于自己的私人信息，而是基于其他投资者的行动和推断做出决策，这可能导致羊群行为和市场趋势，而这些趋势可能不反映基本面。
- 社会传播与行为偏差：赫什莱弗研究了社会互动和通过社交网络的信息传播如何影响金融决策。他探讨了偏差和启发式如何在人群中传播，影响投资选择和资产定价。
- 情绪与天气：他的研究还深入探讨了金融决策的更非传统决定因素，如天气和季节性情感障碍对交易员情绪的影响，从而对市场价格的影响。
- 公司金融：除了个人投资者行为，赫什莱弗还探讨了公司金融的行为方面，如管理层过度自信如何影响企业投资决策、融资和并购活动。
- 理论发展：他发展了将心理因素纳入金融市场分析的理论模型，帮助解释了传统金融理论无法解释的各种市场异象和现象。
大卫·赫什莱弗的工作通过展示系统性偏差和社会因素如何影响金融市场，显著推进了行为金融学领域。他的研究在展示心理因素对于理解和预测市场运动、投资者行为以及公司财务决策不可或缺方面具有影响力。
与传统金融的两个基本假设——理性预期和基于最大化预期效用的决策——相反，行为金融学挑战了这些观念。它通过突出与预期相关的偏差（如过度自信和锚定）来反对理性预期的想法。它还通过承认认知局限性（阻止大脑有效处理所有信息）来挑战及时信息处理的假设。此外，行为金融学通过说明不确定性下的决策常常偏离理性，来质疑理性风险偏好的概念，其中前景理论等理论比预期效用理论更好地解释了不确定性下的决策。
预期偏差、认知局限性和风险偏好细微差别的概念构成了行为金融学的心理基础。与套利限制的概念一起，这些构成了行为金融学赖以建立的两大支柱。每个支柱都由丰富的理论和概念支撑，共同概括了行为金融学的全部范围。这种综合方法不仅丰富了我们对市场动态的理解，而且提供了对投资者行为的更真实描绘，弥合了理论模型与实证数据之间的差距。
在本章中深入探讨行为金融学的全部内容将是一项雄心勃勃的努力。相反，我们将焦点缩小到为理解和开发受行为金融学原理影响的因子铺平道路的基本见解。带着这个目标，本章的结构经过精心规划。
我们从第8.2节开始探索启发式驱动的偏差，随后在第8.3节考察框架依赖的偏差，这两者都是理解行为金融学心理基础的关键。第8.4节过渡到风险偏好的复杂性，聚焦于前景理论——这是行为金融学领域的开创性贡献，重塑了人们对不确定性下投资者行为的理解。
随后的章节将讨论扩展到行为金融学在金融市场中的实际应用。第8.5节深入探讨情绪分析，这是衡量市场情绪和投资者态度的关键工具。第8.6节通过对行为因子的市场范围考察拓宽了视角，提供了关于集体投资者行为如何影响市场动态的见解。在第8.7节中，我们介绍行为金融学的一个最新发展——显著性理论，它为信息的显著特征如何影响投资者决策提供了新视角。
本章以第8.8节结束，综合讨论并强调行为金融学在金融领域的理论探索和实际应用中的重要性。这种结构化的方法旨在对关键的行为金融学概念进行全面而集中的探索，丰富读者对这一动态且有影响力的领域的理解。
8.2 启发式驱动的偏差
行为金融学的一个基础支柱植根于心理学，特别关注启发式驱动的偏差在金融决策中的普遍影响。启发式本质上是认知捷径或经验法则，在信息处理和不确定性下决策的方式中起着至关重要的作用。
本节讨论在行为金融学领域被认为重要的一些最突出的启发式，包括“代表性”——通过事件与刻板印象的相似性来判断其概率；“可得性”——决策受到例子想起的容易程度的影响；“锚定”——过度依赖遇到的第一条信息（“锚”）并从其调整不足的倾向；以及“过度自信”——个体高估自己的知识、能力和预测准确性的常见偏差。这些启发式及其对金融行为的影响为我们揭示了金融市场许多决策和行动背后的认知过程。
8.2.1 代表性偏差
代表性偏差是一种认知偏差，当人们根据事件与典型例子或刻板印象的相似程度来判断其可能性时发生（Tversky and Kahneman 1974）。这种偏差可能导致人们高估看起来代表某一类别或刻板印象的事件的概率，而低估看起来不具有代表性或非典型的事件的概率。
阿莫斯·特沃斯基与丹尼尔·卡尼曼
阿莫斯·特沃斯基和丹尼尔·卡尼曼是开创性的心理学家，他们的工作对行为金融学等多个领域产生了深远影响。他们的合作始于1960年代末，对影响人类判断和决策的认知偏差和启发式产生了开创性的见解。虽然特沃斯基于1996年英年早逝，未能分享卡尼曼在2002年获得的诺贝尔奖，但他们的共同贡献得到了广泛认可和赞誉。
特沃斯基和卡尼曼的工作挑战了经济学中盛行的理性主体模型，通过一系列实验和论文证明，人们并不总是以最佳财务利益行事，常常做出偏离传统经济理论预测的决策。他们的研究表明，人们依赖心理捷径——现在称为启发式——来使复杂决策更易于管理。虽然这些启发式是有用的，但它们也可能导致系统性错误或偏差。
他们最著名的贡献之一是识别了可得性启发式，即人们根据例子想起的容易程度来判断事件的频率或概率的倾向。这可能导致对风险的误解或对某些领域的过度自信，影响金融决策和市场行为。
他们引入的另一个关键概念是代表性启发式，人们通过将事件与头脑中现有的原型进行比较来评估其可能性。这可能导致对随机性的误解，并影响投资者评估证券的方式。
也许他们对行为金融学最有影响的工作是前景理论的发展，该理论在1979年的一篇开创性论文中提出。前景理论描述了人们在必须考虑风险和不确定性时如何做出选择。与假设个体基于最终结果最大化效用的预期效用理论相反，前景理论表明个体对相对于某个参考点（通常是现状）的变化更为敏感。它还引入了损失厌恶（损失的感觉比收益更强烈）和框架效应（选择的呈现方式能显著影响决策）等概念。
他们的工作揭示了人类心理学如何导致偏离标准经济预测的系统性模式，如过度交易、股权溢价谜题以及市场对新闻反应的异象。
特沃斯基和卡尼曼的见解不仅为行为经济学领域奠定了基础，而且对政策制定、商业和金融也产生了影响。它们影响了经济学家、金融家和政策制定者对人类如何做出决策的思考，特别是在面对不确定性时，并帮助开发了解决或减轻认知偏差在包括投资和金融市场监管在内的各个领域的影响的工具和策略。
代表性偏差的另一种表现是人们对样本大小的不敏感性，这是特沃斯基和卡尼曼（1971）所称的“小数定律”。他们强调了一种常见但错误的信念，即少量样本足以充分反映未知模型的所有特征。然而，统计学知识告诉我们，在数据点很少的情况下，计算变量的变化范围是不可靠的，这导致了所谓的小样本偏差。
这种偏差与代表性偏差一起，可能产生外推信念，即对未来的预测往往与当前数据正相关。在投资背景下，这包括对收益和基本面的外推。投资者在预测未来股票表现时，倾向于给最近的、高于零的回报赋予更大的权重，导致预期近期上涨的股票将继续上涨，反之亦然。例如，Dhar和Kumar（2001）证明了这种倾向，表明投资者经常购买最近有异常回报的股票，坚持认为过去的表现预示着未来的结果。基本面外推指的是假设公司未来的现金流变化将与近期趋势相关。如果现金流一直在增加，预期这种增长将持续，从而促使投资并推高价格。然而，如果未来的现金流增长未能满足这些外推的预期，失望可能导致资产抛售和价格下跌。
8.2.2 可得性偏差
可得性偏差是一种认知扭曲，个体根据事件回忆或记忆呈现的难易程度来评估其可能性或重要性（Tversky and Kahneman 1973）。这种偏差可能导致高估显著或难忘事件的可能性，而低估不太显著的事件。
Barber和Odean（2008）的研究表明，投资者倾向于关注最近引起他们注意的股票，例如在近期新闻中大量出现、表现出异常交易量或经历了显著单日回报的股票。这些股票产生强烈的印象，导致可得性偏差。这种现象不仅限于个人投资者；分析师在他们的预测中也受到近期经验的影响。Lee、O'Brien和Sivaramakrishnan（2008）发现，分析师对公司的长期盈利增长预测在经济扩张期间往往过于乐观，在经济收缩期间过于悲观，表明在他们的长期预测中过度强调了当前的经济状况。Kliger和Kudryavtsev（2010）进一步说明了可得性偏差，他们发现股票价格对建议修订的反应在与同期市场回报一致时更为显著。这种可得性偏差与市场运动之间的相互作用强调了偏差对投资决策的影响，突显了近期和易回忆信息对投资者行为的影响。这种偏差与显著性理论密切相关，该主题将在第8.7节探讨。
特伦斯·奥迪恩
特伦斯·奥迪恩是行为金融学领域著名的学术研究者，其工作专注于个人投资者的行为。作为加州大学伯克利分校哈斯商学院的金融学教授，奥迪恩广泛研究了心理偏差如何影响交易行为和投资决策。
奥迪恩的关键贡献之一是他关于过度自信对交易行为影响的研究。在一系列研究中，他证明个人投资者倾向于因对自己信息和判断的过度自信而过度交易。这种过度交易往往会降低他们的净回报，因为佣金和买卖价差等成本会侵蚀他们的收益。
与另一位行为金融学领先研究者布拉德·巴伯合作，奥迪恩探讨了处置效应，即投资者倾向于过早卖出盈利投资以锁定收益，并过长时间持有亏损投资以期回本。这种行为与理性决策模型的预测相反，在理性模型中，投资者应该更愿意实现亏损以抵消收益的税收，并且不太愿意卖出已经增值且可能产生资本利得税负的资产。
他们的研究还调查了投资行为中的性别差异，发现男性往往比女性交易更频繁，这可以部分归因于更高水平的过度自信。这种过度交易往往导致男性的净回报低于女性。
奥迪恩的研究还关注了注意力驱动的买入对股票价格的影响。他认为，个人投资者更有可能购买通过近期新闻引起他们注意的股票，而不是经过仔细分析的结果，这可能导致暂时的价格压力并加剧市场异象。
总的来说，特伦斯·奥迪恩的工作为个人投资者的实际交易实践提供了宝贵的见解，并强调了认知偏差在金融决策中的重要性。他的发现对理解市场行为、设计投资策略和监管金融市场具有重要意义。通过揭示个人投资者所犯的系统性错误，奥迪恩的研究帮助解释了金融市场中观察到的异象，并强调了行为金融学的实际相关性。
在开始学术生涯之前，特伦斯·奥迪恩曾在纽约市开过出租车。这段经历虽然看似与金融世界无关，但为他提供了丰富的人类行为和决策的素材。作为一名出租车司机，他遇到了各种各样的人，每个人都有自己的故事和偏见，这可以被看作是对人类心理的早期、非正式的研究。
8.2.3 锚定
锚定偏差发生在人们在做出后续判断或决策时过度依赖初始信息（锚）时。即使锚是不相关或任意的，这种偏差也会导致人们从锚出发所做的调整不足。例如，投资者可能基于股票的当前价格来评估其价值，尽管该价格可能受到市场情绪或短期波动等因素的影响。
Campbell和Sharpe（2009）调查了1991年至2006年期间分析师对月度经济数据预测中锚定的存在。他们发现，任何给定数据的预测都锚定于该数据最近月份的值。
锚定偏差的另一个例子可以在股票价格接近52周新高时投资者对公司好消息不敏感中看到。过去52周的最高价格是许多分析师和投资者的心理障碍。当股价接近52周新高时，投资者对任何好消息的反应会减弱。在这种背景下，当前价格与52周高点的比率已被用作一个流行因子，具有显著负号的信息系数。
8.2.4 过度自信
过度自信发生在人们高估自己的能力、知识或判断，并低估负面结果的可能性时。这种偏差可能导致人们承担过度的风险、做出次优决策，并且无法认识到自己的局限性。例如，投资者可能过度自信地认为自己有能力挑选获胜股票，并可能通过投资于单只股票或单个行业来承担过度风险。过度自信似乎在经历过高回报的投资者中增强，从而导致过度交易和更高的交易量。
Byun、Lim和Yun（2016）研究了基于带符号成交量的加权平均的持续过度反应对收益的可预测性。持续过度反应度量按以下两步计算。首先，股票 (i) 在月份 (t) 的带符号成交量通过将交易量乘以同期收益的符号得到： [ V_{i,t} = \begin{cases} VOL_{i,t} & \text{if } r_{i,t} > 0 \ 0 & \text{if } r_{i,t} = 0 \ -VOL_{i,t} & \text{if } r_{i,t} < 0 \end{cases} \quad (8.1) ] 其次，持续过度反应（CO）根据过去12个月内加权月度带符号成交量的总和来定义： [ CO_{i,t} = \frac{\text{sum}(w_J \cdot SV_{i,t-J}, \ldots, w_1 \cdot SV_{i,t-1})}{\text{mean}(VOL_{i,t-J}, \ldots, VOL_{i,t-1})} \quad (8.2) ] 其中 (SV_{i,t}) 是股票 (i) 在月份 (t) 的带符号成交量，(J) 是形成期的长度，(w_j) 是在月份 (t-j) 取值为 (J-j+1) 的权重（即 (w_J=1, w_{J-1}=2, \ldots, w_1=J)）。买入具有持续向上过度反应的股票和卖出具有持续向下过度反应的股票的策略产生显著的正收益。其背后的逻辑是，伴随着股价上涨的高交易量表明投资者对自身的正面私人信号过度自信，而伴随着股价下跌的高交易量表明投资者对自身的负面私人信号过度自信。研究发现，对负面信息的持续过度反应预示着较低的股票未来价格。
沿着判断错误的主题，我们遇到乐观主义和悲观主义偏差，它们同样扭曲了投资决策。乐观主义偏差发生在人们高估正面结果的可能性而低估负面结果的可能性时。这种偏差可能导致人们承担过度风险、做出过于乐观的投资决策，并忽视潜在风险或不利因素。另一方面，悲观主义偏差发生在人们高估负面结果的可能性而低估正面结果的可能性时。这种偏差可能导致人们过于谨慎或风险厌恶，并错失潜在机会。Shefrin和Statman（2011）发现，过度的乐观通过将证券价格推高至其内在价值之上来创造投机泡沫。
赫什·舍夫林与迈尔·斯塔特曼
赫什·舍夫林和迈尔·斯塔特曼是行为金融学领域两位有影响力的学者。他们因在推进理解心理因素如何影响金融市场和投资者行为方面做出的贡献而闻名。
他们的关键贡献之一是行为投资组合理论（BPT）的发展，该理论在2000年代初期提出。该理论是对传统现代投资组合理论（MPT）的扩展，后者假设投资者是理性的，总是做出最大化预期效用的决策，并且只关心其投资组合回报的均值和方差。
相比之下，舍夫林和斯塔特曼的行为投资组合理论为投资者仅受最大化投资组合价值驱动的假设提供了另一种视角。相反，它提出投资者具有不同的目标，并构建满足各种目标的投资组合。BPT认为，投资者使用心理核算框架，导致他们将投资组合构建为资产的分层金字塔。每一层对应于一个不同的目标或心理账户，例如当前收入或退休保障，不同的层次与不同水平的风险承受能力相关联。
舍夫林和斯塔特曼认为，投资者受到过度自信、后悔厌恶和处置效应等偏差和错误的影响。他们认为，这些偏差常常导致投资者做出次优决策，例如未能充分分散投资、追逐过去的表现或过度频繁交易。
他们的工作强调了情绪和认知错误在金融决策中的作用，挑战了市场有效且投资者始终理性的古典金融理论。舍夫林和斯塔特曼的研究拓宽了人们对心理学与经济学交叉点的理解，从而产生了更现实的市场行为模型，并为传统金融理论难以解释的异象提供了见解。
总的来说，舍夫林和斯塔特曼的贡献在使行为金融学成为一个关键研究领域方面发挥了重要作用，他们的理论对学术研究和实际投资策略都产生了深远影响。
8.3 框架依赖的偏差
虽然偏差可能由启发式驱动，但也可能由“框架”驱动。框架指的是信息呈现的背景或方式，它可以显著影响个体对该信息的解释和反应，往往与事实无关。常见的框架依赖偏差包括损失厌恶、窄框架、心理核算、处置效应、羊群行为和现状偏差。
8.3.1 损失厌恶
损失厌恶突出了一个心理现象：失去的痛苦比同等收益的快乐感受更强烈。这种避免损失的倾向可能导致从投资角度来看不一定最优的决策。例如，投资者可能紧紧抓住表现不佳的资产，希望收回初始投资，尽管缺乏支持潜在反转的证据。这种行为通常是由避免与实现损失相关的后悔的愿望驱动的，这一概念与“后悔理论”或“后悔恐惧”交织在一起。
损失厌恶的基本原理最初是在一个更广泛的理论框架中阐述的，将在第8.4节详细探讨。在这一点上，不深入探讨前景理论的细节，但值得注意的是，该理论引入了一个价值函数，其特征是对收益的凹性和对损失的凸性。这表明，损失的体验不仅会提高对进一步损失的敏感度，还可能改变个体的风险容忍度，可能从风险厌恶转向风险寻求行为，尤其是在面临重大损失的可能性时。关于这种对风险偏好的转变效应以及价值函数复杂机制的进一步见解，将在后面关于前景理论的讨论中提供。
基于后悔理论，可以通过计算以下指标来构建基于当日订单簿的因子：
-
高于收盘价的买单成交量（VBAC）：这是价格高于当日收盘价的买单成交量占总成交量的比例： [ VBAC = \frac{\sum_{i=1}^{N} \text{volume_buy}i \cdot \mathbf{1}{p_{\text{buy}}^i > \text{close}}}{\text{totalVolume}} \quad (8.3) ]
-
高于收盘价的平均买单价格（ABAC）：这是买单价格高于收盘价的买单的平均价格： [ ABAC = \frac{\sum_{i=1}^{N} \text{price_buy}i \cdot \mathbf{1}{p_{\text{buy}}^i > \text{close}}}{\text{close}} - 1 \quad (8.4) ]
-
低于收盘价的卖单成交量（VSBC）：这是价格低于当日收盘价的卖单成交量占总成交量的比例： [ VSBC = \frac{\sum_{i=1}^{N} \text{volume_sell}i \cdot \mathbf{1}{p_{\text{sell}}^i < \text{close}}}{\text{totalVolume}} \quad (8.5) ]
-
低于收盘价的平均卖单价格（ASBC）：这是卖单价格低于收盘价的卖单的平均价格： [ ASBC = \frac{\sum_{i=1}^{N} \text{price_sell}i \cdot \mathbf{1}{p_{\text{sell}}^i < \text{close}}}{\text{close}} - 1 \quad (8.6) ]
其中 (i=1,\ldots,N) 是当日的订单，(\mathbf{1}x) 是指示函数，若条件 (x) 满足则等于1。例如，如果买单 (i) 的价格大于当日收盘价，则 (\mathbf{1}{p_{\text{buy}}^i > \text{close}}=1)。
假设是，如果 VBAC 和 ABAC 都很高，表明投资者当天普遍看涨。由于损失厌恶，股票的卖压较低，因此预期未来回报较高。这两个因子的 IC 预期为正。相反，如果 VSBC 很高，可以推测投资者遭受了损失，并且由于后悔理论，即使价格上涨，他们也不倾向于买回股票。因此，股票的动量预计较弱，预期回报较低，即 IC 应为负号。ASBC 应为正号，因为 ASBC 越低，由于卖出价格远低于当日收盘价，后悔规避越强。
8.3.2 窄框架
窄框架意味着人们基于对可用选项或结果的有限或不完整的视角做出决策，而不考虑更广泛的背景或可能性范围。例如，投资者可能过于狭窄地关注单一投资机会，而不考虑其他潜在投资或更广泛的市场趋势。Barberis和Huang（2006）将其阐述为：当人们孤立地评估每一次新的赌博时，他们会将其与其他风险分开。换句话说，他们忽略了所有先前的选择，仅从当前风险中推导效用。
8.3.3 心理核算
由理查德·塞勒引入的心理核算发生在人们基于任意标准（如资金的来源或用途）对不同数量的金钱或金融资产区别对待时（Thaler 1999）。例如，投资者可能将奖金或意外之财视为“玩的钱”，并用于可自由支配的购买，而不是进行长期投资。根据Thaler（1999），心理核算是个体用来组织、评估和跟踪金融活动的一套认知操作。它包含三个组成部分。第一个部分捕捉结果如何被感知和体验，以及决策如何被制定和评估。第二个部分将活动分配到特定的账户。最后一个部分关注账户被评估的频率。
像窄框架一样，心理核算可以解释为什么投资者倾向于单独分析证券，而不是从它们对投资组合的风险贡献和其他证券表现的角度来思考。每个证券被视为一个单独的账户。此外，它可以在一定程度上解释为什么投资者会持有亏损股票并卖出盈利股票。这是因为亏损股票属于未实现损失的账户，而卖出盈利股票属于另一个已实现收益的账户。这个想法与讨论的损失厌恶以及我们将在下一节详细阐述的所谓处置效应有关。
理查德·H·塞勒
理查德·H·塞勒是美国经济学家，生于1945年9月12日，是行为经济学领域的核心人物，行为经济学是心理学与经济理论的结合。他尤其以行为金融学的工作而闻名，挑战了市场有效和市场参与者总是理性行动的传统经济假设。
塞勒的工作将心理学概念应用于经济分析，突显了人们的行为常常偏离古典经济学预测的理性决策模型。他研究了有限自我控制、缺乏意志力以及社会偏好对经济决策的影响等行为的影响。
塞勒对行为金融学的主要贡献之一是“心理核算”的概念，它描述了人们如何根据资金的来源、预期用途或他们设置的心理账户对金钱进行不同分类和处理。这个概念有助于解释为什么人们可能会，例如，不同对待赚来的一美元和赢来的一美元。
另一个重要贡献是他关于“助推”的工作，在与卡斯·R·桑斯坦合著的《助推：改善关于健康、财富与幸福的决定》一书中得到普及。塞勒提出，通过理解影响人类行为的偏差和启发式，政策制定者和组织可以设计出“助推”个体做出更好决策而不限制其选择自由的系统。这对从退休储蓄到医疗保健的广泛领域都有影响。
塞勒还探讨了“损失厌恶”的概念，即人们经历损失比经历收益更强烈，这会影响他们的投资决策和市场结果。这有助于解释诸如投资者不愿卖出亏损投资以避免面对实现损失的痛苦等现象。
为了表彰他对行为经济学的贡献，理查德·塞勒于2017年被授予诺贝尔经济学奖。他的工作对包括经济学、金融学和公共政策在内的各个领域产生了深远影响，并促使人们更深入地理解人类行为如何影响经济决策和市场动态。塞勒的研究有效地弥合了经济理论与现实世界人类行为之间的差距，为市场有时可能表现低效率的方式和原因提供了宝贵的见解。
8.3.4 处置效应
处置效应与损失厌恶密切相关（Shefrin and Statman 1985）。它是指投资者倾向于持有亏损投资（输家）并卖出盈利投资（赢家）。Wang、Yan和Yu（2017）发现，如果大多数投资者面临先前损失，则公司之间存在负风险-收益关系；但如果大多数投资者面临先前收益，则存在正风险-收益关系。因此，作者建议参考依赖偏好（RDP）在行为金融学中起着重要作用。RDP旨在确定大多数投资者是面临先前收益还是损失。从Grinblatt和Han（2005）的工作中发展出了一个新开发的度量，称为资本利得积压（CGO），计算为先前价格（(P_{t-1})）与参考价格（(RP_t)，即大多数持有股票的投资者购买的平均价格）之间的相对距离： [ CGO = \frac{P_{t-1} - RP_t}{P_{t-1}} \quad (8.7) ] 以及 [ RP_t = \frac{1}{k} \sum_{n=1}^{T} \left[ \left( \prod_{\tau=1}^{n-1} (1 - V_{t-\tau}) \right) V_{t-n} P_{t-n} \right] \quad (8.8) ] 其中 (P_t) 是时间 (t) 的股价，(V_t) 是时间 (t) 的换手率（定义为交易量除以流通股数），(T) 是滚动周期，(k) 是使过去价格权重之和为1的归一化常数。直观上，(P_{t-n}) 的权重反映了在 (t-n) 时刻购买的股份自那以后未被交易的概率。
参考依赖偏好也影响投资者对盈利消息的交易行为。Weisbrod（2019）研究了股东的未实现回报和市场对盈利报告的反应。研究发现，投资者的交易决策随其自购买以来的未实现回报而变化，他们倾向于卖出赢家并持有输家。卖出概率随着收益或损失幅度的增加而增加，收益侧的斜率比损失侧更陡。处于盈利头寸的股东在盈利消息增加时更可能卖出，而处于亏损头寸的股东在盈利消息增加时更不可能卖出。鉴于公告后股票价格继续朝着盈利消息的方向移动，投机交易者应随着盈利消息的增加而不太倾向于卖出。因此，观察到的行为仅与处于亏损头寸的股东投机交易动机一致。观察到的相互作用表明，在股票层面，处置效应更可能导致对好消息公告的收益反应不足，而不是坏消息公告。
作为参考依赖的扩展，An（2016）通过将CGO分为资本利得积压和资本损失积压来细化处置效应。研究发现，当投资者在证券上的收益或损失幅度增加时，他们更有可能卖出该证券。同时具有大未实现收益和大未实现损失的股票在下个月的表现优于其他股票。
8.3.5 羊群行为
羊群行为是一种行为金融学现象，投资者倾向于跟随他人的行动和决策，而不是基于自己的分析和判断做出独立决策。这种偏差可能导致市场低效率和资产泡沫，因为投资者可能基于他人的行动而非资产基本面来买卖资产。羊群偏差由社会影响和信息级联共同驱动。投资者可能跟随他人行动以避免落后或获得安全感。然而，这可能导致一个自我强化的循环，投资者继续跟随羊群，即使资产的基本面不能证明其价格或估值的合理性。
Lakonishok、Shleifer和Vishny（1991）研究了羊群行为的作用及其如何破坏股票价格的稳定。Christie和Huang（1995）使用单个资产收益的横截面标准差（CSSD）来识别市场中的羊群行为。CSSD是一种统计度量，用于评估在单个时间点的横截面数据集中，单个数据点围绕均值的离散程度。横截面数据涉及在同一时间点上多个主体（如个人、公司、国家等）的数据。
安德烈·施莱弗
安德烈·施莱弗是一位杰出的经济学家，他的研究对行为金融学、公司治理和制度经济学领域产生了重大影响。他于1961年2月20日出生于莫斯科，移居美国后追求学术生涯，1986年在哈佛大学获得博士学位。
施莱弗的研究对理解行为金融学产生了重大影响，特别是通过他对套利限制的探索。他的工作揭示了套利者面临的挑战，如风险和成本，这些挑战可能阻止他们纠正市场低效率并执行一价定律。与包括罗伯特·维什尼在内的合著者一起，施莱弗还深入探讨了投资者情绪和偏差等心理因素如何导致市场异象并影响资产价格。
施莱弗的学术成就因他在1990年代参与俄罗斯私有化项目的争议而蒙上阴影。在担任俄罗斯政府顾问期间，他被指控利用内幕知识在俄罗斯市场进行个人投资，这导致了一起利益冲突案。收到政府资金支持俄罗斯咨询工作的哈佛大学最终被美国政府起诉。该案庭外和解，哈佛向美国政府支付了2650万美元，施莱弗在不承认不当行为的情况下支付了200万美元的罚款。
尽管因争议受挫，施莱弗的学术成就通过各种认可得到了肯定，包括1999年的约翰·贝茨·克拉克奖章。该奖章是经济学中最负盛名的奖项之一，授予40岁以下对领域做出重大贡献的美国杰出经济学家。
在金融领域，CSSD 常被用来量化一组资产或证券在给定时间的投资回报的离散程度。例如，如果你正在分析某一天标普500指数中股票的表现，CSSD 会告诉你单个股票的收益与当天指数中所有股票平均收益的偏离程度。公式如下： [ CSSD = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (R_i - \bar{R})^2} \quad (8.9) ] 其中 (N) 是横截面中证券的数量，(R_i) 是证券 (i) 的收益，(\bar{R}) 是证券的平均收益。
在他们的研究中，CSSD 被用于衡量资产收益与已实现市场平均值的接近程度。他们发现，在市场极端时期存在羊群行为。在这些时期，投资者跟随整体市场运动而忽视自己的判断，单个资产收益与整体市场收益的差异不大，如 CSSD 值降低所示。
在因子构建的背景下，羊群行为的程度可以从秩相关的领先-滞后系数中反映出来。秩相关作为一种统计工具，用于评估两个不同排名序列之间的相似性。举例说明，考虑评估两个原始数据序列 (A_i) 和 (B_i)（各包含 (n) 个观测值）之间的秩相关任务。这个过程按三个有条理的步骤进行：
- 分配秩：首先，根据数值大小将序列中的每个值分配一个秩，最大值被指定为秩1，次大为秩2，依此类推，确保数据集内清晰的层次顺序。
- 计算秩差：随后，对于每个观测值 (i)，秩差记为 (d_i)，通过从 (A_i) 的秩中减去 (B_i) 的秩来计算。这一步突出了每个配对观测值在其各自序列中的相对位置。
- 斯皮尔曼秩相关系数：最后一步涉及计算斯皮尔曼秩相关系数，这是一种统计度量，用于捕获两个排名序列之间的关联程度： [ \rho_{\text{rank}} = 1 - \frac{6 \sum_{i=1}^{n} d_i^2}{n(n^2 - 1)} \quad (8.10) ] 该系数提供了序列之间方向一致性的稳健指标，从而揭示了市场中羊群行为的存在和强度。
由于羊群行为衡量投资者如何跟随他人的行动，一个明显的方法是衡量大订单和小订单之间的领先-滞后秩相关。例如，选择 (T) 个交易日和两个预先指定的阈值 (Thres1) 和 (Thres2)（(Thres1 > Thres2)），将每天（来自订单簿）的每个订单按净流入分类为大订单 (L_t)（如果净流入超过 (Thres1)）、中订单 (M_t)（如果净流入在 (Thres1) 和 (Thres2) 之间）和小订单 (S_t)（如果净流入低于 (Thres2)）。由于大订单通常是机构交易，而小订单是散户交易，羊群因子可以计算为 (L_t) 和 (S_{t+1}) 之间的秩相关，这衡量了小订单在下期受大订单影响的可能性。类似地，构建羊群因子的另一种方法是使用 (L_t) 和 (S_{t+1}) 之间的秩相关，即散户投资者跟随机构投资者的 N 日羊群效应。此外，我们也可以计算小订单之间的秩自相关 (S_t) 与 (S_{t+1})，作为小订单之间的羊群因子。
8.3.6 现状偏差
现状偏差发生在人们偏好当前状态并且抵制变化时。这种偏差可能导致人们维持现状，即使这不是最优的或存在更好的替代方案。例如，投资者可能长期持有一只表现不佳的股票，即使几乎没有证据表明它会复苏。Brown和Kagel（2009）在简化的股票市场上进行实验室实验，发现现状偏差在不同个体、不同时间以及独立于股票表现的情况下都很显著。此外，它在一个识别表现更好的股票成本非常低的环境中也普遍存在。他们解释说，这种偏差背后的驱动力是个体不愿意接收可能质疑自己能力的信息。因此，个体选择将其比较限制在现有选择上，而不是考虑其他选项。
8.4 前景理论
8.4.1 背景与模型
前景理论由Kahneman和Tversky（1979）提出，并由Tversky和Kahneman（1992）进一步精炼，被认为是行为金融学的支柱，通过引入对人类风险决策的细致洞察，挑战并扩展了传统的预期效用理论。该理论阐述了对传统模型的三个关键修正。
第一，人们有时表现出风险厌恶，有时表现出风险寻求，这取决于前景的性质。这种行为体现在前景理论的价值函数中，该函数对收益是凹的（意味着风险厌恶），对损失是凸的（意味着风险寻求）。
第二，投资者对损失可能是风险寻求的，因为他们经历损失的感受比收益更强烈。这种对收益和损失的不对称情绪反应可能导致投资者做出与最大化效用期望不一致的决策。例如，面对确定损失100美元和有50%机会损失200美元的选择时，投资者可能会选择冒险的赌博，即使预期损失相同。这是因为完全避免损失的可能性（即使有更大损失的风险）比接受确定的较小损失更有吸引力。
第三，损失的负面情绪影响通常大于同等规模收益的正面情绪影响。这意味着个体对财富减少比财富增加更敏感，这对金融决策有许多影响。例如，损失厌恶可以解释为什么投资者可能非理性地持有亏损股票，或者为什么即使保费超过预期损失，他们也可能购买保险以避免潜在损失。前景理论的这些见解阐明了为什么投资者可能从事偏离最优决策模型的行为，从而促成了各种市场异象的出现。
在传统效用理论中，不确定性前景的效用是结果效用的总和，每个结果按其概率加权。正如Tversky和Kahneman（1992）指出的，实证证据显示两个主要修正。第一，价值的载体是相对于某个参考点的收益和损失，而不是最终财富水平。第二，每个结果的值乘以决策权重，而不是可加概率。
为了理解前景理论如何工作，考虑一个具有以下结果的博弈： [ (x_{-m}, p_{-m}; \ldots; x_{-1}, p_{-1}; x_0, p_0; x_1, p_1; \ldots; x_n, p_n) ] 这意味着结果为 (x_i)，概率为 (p_i)。假设对于 (i < j) 有 (x_i < x_j)，且 (x_0 = 0)，这意味着 (x_{-m}, \ldots, x_{-1}) 是损失，(x_1, \ldots, x_n) 是收益，且 (\sum_{i=-m}^{n} p_i = 1)。
在具有效用函数 (U(\cdot)) 的预期效用框架中，博弈评估为： [ \sum_{i=-m}^{n} p_i U(W + x_i) \quad (8.11) ] 其中 (W) 是投资者的当前财富。然而，在前景理论中，投资者评估博弈的价值为： [ \sum_{i=-m}^{n} \pi_i v(x_i) \quad (8.12) ] 且 [ \pi_i = \begin{cases} w^+(p_i + \ldots + p_n) - w^+(p_{i+1} + \ldots + p_n) & \text{对于 } 0 \le i \le n \ w^-(p_{-m} + \ldots + p_i) - w^-(p_{-m} + \ldots + p_{i-1}) & \text{对于 } -m \le i < 0 \end{cases} \quad (8.13) ] 其中 (v(\cdot)) 被称为价值函数： [ v(x) = \begin{cases} x^\alpha & \text{对于 } x \ge 0 \ -\lambda (-x)^\alpha & \text{对于 } x < 0 \end{cases} \quad (8.14) ] (w^+(\cdot)) 和 (w^-(\cdot)) 是累积概率权重函数： [ w^+(P) = \frac{P^\gamma}{(P^\gamma + (1-P)^\gamma)^{1/\gamma}}, \quad w^-(P) = \frac{P^\delta}{(P^\delta + (1-P)^\delta)^{1/\delta}} \quad (8.15) ] 其中 (\alpha, \gamma, \delta \in (0,1)) 且 (\lambda > 1)。注意在上面的定义中，(w^+(P)) 和 (w^-(P)) 是累积概率函数，因此Tversky和Kahneman（1992）对原始前景理论的精炼也被称为累积前景理论。
具体来说，对于 (x_i \ge 0) 的结果，(\pi_i) 的计算如下：计算所有结果不差于 (x_i) 的概率之和（即 (p_i + \ldots + p_n)）和所有结果严格优于 (x_i) 的概率之和（即 (p_{i+1} + \ldots + p_n)）。然后将这些和代入 (w^+(\cdot)) 并取差值，即 (w^+(p_i + \ldots + p_n) - w^+(p_{i+1} + \ldots + p_n))，这样就得到了 (\pi_i)。类似地，对于 (x_i < 0) 的结果，(\pi_i) 的计算如下：计算所有结果不优于 (x_i) 的概率之和（即 (p_{-m} + \ldots + p_i)）和所有结果严格差于 (x_i) 的概率之和（即 (p_{-m} + \ldots + p_{i-1})）。然后将这些和代入 (w^-(\cdot)) 并取差值，即 (w^-(p_{-m} + \ldots + p_i) - w^-(p_{-m} + \ldots + p_{i-1}))，就得到了 (\pi_i)。在 (i = n) 或 (i = -m) 的特殊情况下，(\pi_i) 简化为 (\pi_n = w^+(p_n)) 或 (\pi_{-m} = w^-(p_{-m}))。图8.1展示了累积前景理论的价值函数和权重函数，参数为 (\lambda = 2.5, \alpha = 0.5, \gamma = 0.61, \delta = 0.69)。
在（累积）前景理论中，价值函数 (v(\cdot)) 有三个重要性质。第一，结果 (x)（无论是收益还是损失）是相对于给定参考点的，而不是最终财富水平，这与效用理论形成对比。第二，函数在原点处有扭结，这意味着投资者对同等幅度的损失比收益更敏感。损失厌恶代表了前景理论与效用理论之间的关键区别。第三，价值函数在收益或损失领域都表现出递减的敏感性。这意味着该函数对收益是凹的，表明边际效用递减，但对损失是凸的，反映边际负效用递增。
此外，投资者在评估赌博时并不使用客观概率，而是通过权重函数 (w^+) 和 (w^-) 从客观概率获得的转换概率。累积前景理论中的权重函数表现出一个重要特征：对于小概率结果，从 (w^+) 或 (w^-) 导出的权重大于实际发生概率。这意味着人们倾向于高估结果分布两端尾部事件的概率。为了说明这一点，让我们将极端收益结果 (x_n) 和极端损失结果 (x_{-m}) 的权重分别定义为 (w^+(p_n)) 和 (w^-(p_{-m}))。假设 (\gamma = \delta = 0.65)，并且 (x_n) 和 (x_{-m}) 发生的概率（即 (p_n) 和 (p_{-m})）均为 0.01，权重函数的公式显示 (w^+(p_n) = w^-(p_{-m}) = 0.047)，因此 (w^+(p_n) > p_n) 且 (w^-(p_{-m}) > p_{-m})。这个权重函数的特征旨在捕捉人类高估尾部事件概率的倾向。
8.4.2 在金融中的应用
为了将前景理论的工作扩展到金融领域，Barberis、Mukherjee和Wang（2016）表明，投资者在心理上通过过去收益的分布来表征一只股票，然后以前景理论描述的方式评估这个分布。使用过去60个月的月度收益数据，前景理论值被定义为 (TK)（以Tversky和Kahneman命名），它依赖于一个乘性衰减因子 (\theta \in (0,1))，该因子降低遥远过去收益的权重： [ TK(\theta) = \frac{1}{Z} \sum_{i=-m}^{-1} v(r_i) \left[ w^-\left( \frac{i+m+1}{60} \right) - w^-\left( \frac{i+m}{60} \right) \right] + \frac{1}{Z} \sum_{i=1}^{n} v(r_i) \left[ w^+\left( \frac{n-i+1}{60} \right) - w^+\left( \frac{n-i}{60} \right) \right] \quad (8.16) ] 其中 (Z = \theta + \ldots + \theta^{60})，(t(i)) 是收益 (r_i) 实现前的月份数；(\alpha = 0.88, \lambda = 2.25, \gamma = 0.61, \delta = 0.69)，为经验校准值；(m) 为负收益的数量，(n = 60 - m) 为正收益的数量。
该文章认为，(TK) 值与股票收益之间存在负相关关系。它认为具有较高 (TK) 值的股票更具吸引力，导致投资者涌入购买高 (TK) 值的股票并抛售低 (TK) 值的股票。这导致前者被超买，后者被超卖，因此股票的预期未来收益与其当前的 (TK) 值负相关。使用1931年至2010年的实证数据，作者检验了他们的假设，发现一个多空投资组合（做多最低 (TK) 十分位组中的股票，做空最高 (TK) 十分位组中的股票）产生的月度超额收益高达1.35%，t统计量为5.05。在控制了常见风险因子（如Fama-French因子）后，超额收益在统计上和经济上仍然显著。
如前所述，前景理论展现了人类在不确定性下决策的几个关键特性，包括参考依赖、损失厌恶、递减敏感性、非线性概率加权、框架效应、禀赋效应、后悔厌恶、现状偏差、心理核算、过度自信以及对尾部事件的高估。这些特性通过价值函数和权重函数的形状得以体现。通过改变这些函数的参数，可以关闭一个或多个上述特性，从而允许检查剩余特性与预期收益的关系。这种方法有助于识别前景理论的哪些特性对预测未来收益最关键。在这方面，Barberis、Mukherjee和Wang（2016）的进一步研究表明，起作用的核心特性是对尾部事件的高估。当这个特性被移除时，剩下的特性无论是单独使用还是组合使用，都无法产生显著的超额收益。
尼古拉斯·巴伯里斯
尼古拉斯·巴伯里斯是行为金融学领域的著名学者。他对理解心理因素对个人金融决策的影响以及这些决策对金融市场的影响做出了重大贡献。
巴伯里斯的一些关键贡献包括：
- 前景理论与资产价格：巴伯里斯进行了应用前景理论理解投资者如何在不确定性下做出决策以及这些决策如何影响资产价格的研究。他探讨了该理论如何帮助解释金融市场中的各种现象，如过度波动性和股权溢价谜题。
- 投资者情绪：巴伯里斯研究了投资者情绪在股票定价中的作用，认为投资者中乐观和悲观的浪潮可能推动股票价格偏离其基本价值。
- 投资策略中的偏差建模：巴伯里斯开发了包含各种认知偏差（如心理核算和保守主义）的模型。这些模型有助于解释某些投资行为，如处置效应（投资者倾向于过早卖出盈利投资而过长时间持有亏损投资）。
- 风格投资：他研究了风格投资，即投资者根据某些属性或“风格”（如成长与价值）分配资金的倾向。他的工作考察了风格投资如何影响股票收益和市场动态。
- 学习与信念形成：巴伯里斯的工作还关注投资者如何形成和更新对未来股票回报的信念，考虑了过去的经验和代表性偏差如何影响他们的预期。
巴伯里斯合著了许多有影响力的论文，这些论文推动了行为金融学领域的发展，并提供了对认知偏差如何影响投资者行为和市场结果的更深入理解。他的研究继续塑造经济学家和金融专业人士对金融决策中心理方面的思考。
在另一项研究中，Barberis、Jin和Wang（2021）通过将前景理论的见解与心理核算中的窄框架概念相结合，推进了该领域的发展，开发了一种新颖的投资者决策模型。该模型整合了前景理论价值函数和权重函数的全套特征，将股票收益波动性和偏度等参数作为输入，其最优解满足市场出清条件。他们模型的一个关键创新是其动态特性，它考虑了投资者在股票上的历史盈亏，从而更好地捕捉了投资者因应盈亏表现出的不同风险偏好。
利用这个模型，他们试图解释股票市场中观察到的22个重要异象。实证证据表明，该模型巧妙地解释了诸如动量、特质性波动率、特质性偏度、盈利动量以及盈利公告后漂移（PEAD）等异象。然而，它未能解释与市值、价值、反转、应计项目和投资相关的异象。尽管如此，这项研究不仅提供了对投资者行为更动态的表示，而且对金融决策中起作用的各种风险态度提供了细致的理解。
8.5 情绪驱动的错误定价
行为金融学中另一个流行的话题是情绪驱动的错误定价。Aboody等人（2018）研究了使用隔夜收益来衡量公司特定投资者情绪的适用性，通过分析它们是否具有情绪度量所期望的特征。该工作发现，隔夜收益的短期持续性与受情绪影响的投资者的股票需求一致，并且在基本面稳定的公司中更强。具有高（低）隔夜收益的股票在长期表现不佳（优异），与先前关于暂时性情绪驱动错误定价的证据一致。
Lou、Polk和Skouras（2019）的类似尝试发现，上个月隔夜收益相对较高的股票，在接下来的一个月平均而言具有相对较高的隔夜收益以及相对较低的日内收益。一个购买市值加权隔夜赢家十分位组并卖出市值加权隔夜输家十分位组的投资组合，其月度FF3 alpha为3.47%，t统计量为16.83，而FF3日内alpha为-3.02%每月。该工作表明隔夜和日内成分收益可能反映了特定的客户需求。
Lochstoer和Tetlock（2022）试图用无模型错误定价因子捕捉情绪驱动的错误定价。他们分析了封闭式基金（CEF）相对错误定价的因子结构，这些基金通常以相对于其投资组合持有资产净值的显著折价或溢价交易。相对错误定价的因子结构揭示了影响基金及其基础资产的系统性贴现率冲击，这些资产包括全球金融市场中的所有主要证券。
作者将封闭式基金溢价的分析扩展到包括位置和人口统计维度。位置方面受到全球股票市场中显著本土偏好的启发。作者评估了投资于非美国发达市场的CEF与投资于新兴市场的CEF之间的溢价区域差异，称为发达-新兴市场差异（DED）。DED因子旨在捕捉美国投资者与发达市场投资者之间的信念差异相对于美国投资者与新兴市场投资者之间的信念差异。关于人口统计维度，作者计算了主要由机构持有的CEF与由个人投资者持有的CEF之间的溢价差异，称为美国机构持股差异（UID），以反映不同的投资行为。
他们发现DED和UID都与美国估值正相关，并预测负的预期收益。作者提出的解释是基于美国投资者对未来全球增长新闻过度反应的偏差。美国投资者可能高估增长对发达经济体的影响（这些经济体他们熟悉），但对增长对新兴经济体的影响反应较小。UID的发现是一致的，因为过度反应对机构的客户最大，而不是对基金经理，即客户对机构的投资流驱动了机构的交易行为。
8.6 市场范围的行为因子
从行为金融学的角度来看，股票收益的共同变动通常归因于两个原因：（1）股票错误定价的共性；（2）投资者对股票基本面新信息错误反应的共性。前者表明不同的股票暴露于某些共同的风格风险，情绪冲击可能导致同一风格类别内股票收益的共同变动，导致同一风格股票之间高度相关的错误定价。后者表明，由于认知偏差，投资者难以对股票基本面的新信息做出及时和准确的反应，这也可能导致错误定价。由于错误定价可以预测未来回报，这意味着行为因子可用于构建多因子模型，以期更好地解释股票收益的横截面。
在这方面，Daniel、Hirshleifer和Sun（2020）提出了两个这样的行为因子。具体来说，他们观察到市场中绝大多数的异象可以根据时间尺度分为两大类：短期和长期。短期尺度的异象主要源于投资者的有限注意力，而长期尺度的异象主要源于投资者的过度自信。为此，作者提出了短期和长期行为因子。这两个行为因子旨在捕捉由过度自信和有限注意力引起的错误定价，从而解释先前在学术界识别的广泛选股异象。然后，作者用这两个行为因子增强CAPM，创建了一个三因子模型，在解释横截面方面优于传统的多因子模型。
短期因子基于盈利公告后漂移（PEAD）现象，该现象观察到具有正盈利惊喜的公司随后比具有负盈利惊喜的公司获得更高的回报。PEAD因子的构建是做多具有正盈利惊喜的公司，做空具有负惊喜的公司。PEAD基于按规模和盈利惊喜进行的2×3排序，使用市值加权投资组合。该因子按照Fama和French（1993）的风格构建。盈利惊喜按照Chan、Jegadeesh和Lakonishok（1996）的方法，衡量为最近季度盈利公告日期前后4天的累积异常回报。
约瑟夫·拉科尼肖克
约瑟夫·拉科尼肖克是金融领域著名人物，尤其以对行为金融学和实证资产定价的贡献而闻名。他的工作通过探索行为偏差和市场低效率，在挑战传统有效市场假说方面具有影响力。
拉科尼肖克在康奈尔大学获得金融学博士学位，并曾在多所大学担任学术职位。他曾是伊利诺伊大学厄巴纳-香槟分校的教授，在那里他对行为金融学和投资方面的学术文献做出了重大贡献。
拉科尼肖克对行为金融学的关键贡献之一是他关于投资者行为及其对证券价格影响的工作。他与合著者安德烈·施莱弗和罗伯特·维什尼一起撰写了有影响力的论文，探讨了古典理论无法解释的股市异象。
- 反向投资策略：在一篇题为“反向投资、外推与风险”（1994）的开创性论文中，拉科尼肖克、施莱弗和维什尼（LSV）反驳了购买增长预期高的“魅力股”和卖出预期较低的“价值股”将带来卓越回报的流行观点。他们表明，购买失宠的价值股并卖出青睐的魅力股的策略可以带来超额回报，这表明投资者对过去信息反应过度，价格并不总是反映内在价值。这项工作对学术金融和投资实践都产生了深远影响。
- 机构投资者的行为：拉科尼肖克还调查了机构投资者的交易行为，挑战了这些投资者总是理性和利润最大化的看法。他发现机构交易行为常常表现出羊群倾向，并可能导致市场过度反应和反应不足。
除了学术工作，约瑟夫·拉科尼肖克还将他的研究应用于投资行业。他是LSV资产管理公司的联合创始人，该公司采用基于其研究发现的信息量化价值策略。该公司专注于实施利用市场中发现的行为偏差的策略，寻求从证券错误定价中获益。
拉科尼肖克的研究广泛发表在顶级金融期刊上，他以其对股票回报的实证分析而受到认可。他的工作对行为金融学的学术理解和投资专业人士使用的实用方法都产生了重大影响。
总的来说，约瑟夫·拉科尼肖克对行为金融学的贡献在理解心理因素和系统性偏差如何导致市场低效率方面发挥了重要作用，为寻求利用错误定价证券的策略提供了基础。
长期因子称为融资因子（FIN），由Pontiff和Woodgate（2008）的一年期净股票发行（NSI）和Daniel和Titman（2006）的五年期综合股票发行（CSI）度量组成。FIN因子投资组合通过按规模和融资特征（NSI和CSI度量的50/50组合）对公司进行排序来构建。该投资组合做多两个市值加权低发行量投资组合，做空两个高发行量投资组合。Daniel和Titman的五年期CSI度量计算为公司市值五年增长减去对数五年股票回报。NSI度量类似于CSI，但排除了现金股息并使用了一年期的窗口。FIN因子主要捕捉长期（一年或更长）的错误定价和修正，不太可能捕捉短期的错误定价，因为与股票发行和回购相关的披露、法律、承销和其他成本限制了公司为利用极短期错误定价而发行股票。
8.7 显著性理论
显著性理论与可得性偏差相关，由Bordalo、Gennaioli和Shleifer（2012）首次提出。后来由Cosemans和Frehen（2021）进行了实证检验。该理论假设，对风险资产的需求受到其在不同状态世界下收益显著性的影响，投资者通过将每种资产的收益与可用替代品的收益进行比较来评估资产。这与有限注意力相一致，即投资者倾向于关注不同和不寻常的事物，这就是显著性的含义。显著性函数定义为： [ \sigma(r_{i,s}, \bar{r}s) = \frac{|r{i,s} - \bar{r}s|}{|r{i,s}| + |\bar{r}s| + \epsilon} \quad (8.17) ] 其中 (r{i,s}) 是股票 (i) 在状态 (s) 下的收益，(\epsilon > 0)，(\bar{r}s = \frac{1}{N} \sum{i=1}^{N} r_{i,s})，(N) 表示可比股票的数量。显著性函数满足三个条件：（1）有序性：状态 (s) 的显著性随着其收益与平均收益之间的距离增加而增加；（2）递减敏感性：当所有股票的绝对收益水平均匀上升时，显著性降低；（3）反射性：显著性仅取决于收益的大小，而非其符号。
给定显著性函数，显著性思考者对每只股票的收益进行排序，并用特定于彩票的决策权重替代客观状态概率，决策权重由下式给出： [ \tilde{\pi}{i,s} = \pi_s \cdot \omega{i,s} \quad (8.18) ] 其中 [ \omega_{i,s} = \frac{k_{i,s}^\phi}{\sum_{s=1}^S k_{i,s}^\phi}, \quad \phi \in (0,1] \quad (8.19) ] 且 (k_{i,s}) 是收益 (r_{i,s}) 的显著性排名，范围从1（最显著）到 (S)（最不显著）。(S) 表示状态集合，每个状态 (s) 以概率 (\pi_s) 发生，使得 (\sum_{s=1}^S \pi_s = 1)。在方程(8.18)中，参数 (\phi) 捕捉了显著性扭曲权重的程度，并代表决策者的认知能力。当 (\phi = 1) 时，没有显著性扭曲，决策权重等于客观概率。当 (\phi < 1) 时，决策者是显著性思考者，会高估显著状态（(\omega_{i,s} > \pi_s)）并低估非显著状态（(\omega_{i,s} < \pi_s)）。当 (\phi \to 0) 时，显著性思考者只考虑最显著的收益而忽略所有其他收益。
Cosemans和Frehen（2021）进一步引入了显著性理论（ST）因子。每只股票 (i) 的 ST 计算为： [ ST_i = \text{cov}(\omega_{i,s}, r_{i,s}) = \sum_{s=1}^S \pi_s \omega_{i,s} r_{i,s} - \sum_{s=1}^S \pi_s r_{i,s} = E^{ST}[r_{i,s}] - E[r_{i,s}] \quad (8.20) ] 其中 (\pi_s = 1/S)，(S) 等于一个时期内的状态（交易日）数量。ST表明，如果一只股票最高的（最低的）过去收益是显著的，投资者会提高（降低）对其未来回报的预期，并将其价格推高（低于）公允价值，从而降低（提高）未来的已实现回报。他们的实证结果为显著性模型在美国股票市场横截面中的预测提供了强有力的支持。特别地，单变量投资组合分析表明，在1931年至2015年的样本期间，最高和最低ST十分位组股票之间的收益差异在统计上显著且经济意义重大。买入高ST股票、卖出低ST股票的多空策略的月平均超额收益，对于等权重投资组合为1.28%，对于市值加权投资组合为0.60%。这些超额收益不能用常见的风险因子（如规模、价值和动量）来解释。
将焦点转移到美国股票市场之外，我们获得了更多的见解。例如，在中国A股市场每日价格涨跌幅限制机制的背景下，Sun、Wang和Zhu（2023）发现，在显著性函数中使用股票 (i) 的换手率替代其收益（方程(8.17)）能更好地解释股票收益的横截面变异性。显著性权重函数与方程(8.19)相同，其中 (k_{i,s}) 是股票 (i) 在状态 (s) 下换手率的显著性排名。显著性因子（方程(8.20)）可以相应地修改为特定时期内显著性权重与股票 (i) 换手率之间的协方差。
8.8 结论
几十年来，EMH一直是理解市场动态的学术基石。然而，无数的实证发现不断挑战EMH。行为金融学作为对传统金融理论在解释市场异象（如投机泡沫和动量效应）方面不足的回应而出现，它认识到投资者并不总是理性的。这一领域整合了心理因素，导致市场低效率，并探索了影响投资者行为的启发式驱动或框架依赖的偏差。
从行为金融学的角度来看，由于认知偏差和套利限制，市场似乎是低效的，但矛盾的是，它们似乎难以被击败，暗示着某种形式的效率。Statman（2018）通过“行为有效市场”的概念解决了这一悖论，该概念解开了EMH的双重含义：“价格反映所有可得信息”和“市场难以战胜”。在他1986年题为“噪声”的开创性演讲中，费希尔·布莱克雄辩地总结了这种二元性，他说：“噪声的存在使市场低效，但它也阻止了人们利用这种低效。”（Black 1986）这句话概括了行为有效市场的本质，承认虽然由于行为偏差和套利限制，市场可能偏离“价格等于价值”的概念，但正是这些不完美之处有助于市场抵御被剥削。
尽管如此，行为金融学领域并非没有局限性。虽然它告诉了我们股票市场错误定价的可能来源，但它没有提供任何如何战胜股票市场的技术。我们根据自己的经验和文献提供了一些如何从偏差中构建因子的例子。挑战依然存在，使得行为金融学依赖于传统理论。然而，随着该领域的快速发展，预计行为金融学理论在未来将变得更加稳健和占主导地位。无可争议的是，它已经动摇了主导文献数十年的根深蒂固的理性和预期效用概念。
附录
在本附录中，我们尝试提供一个关键区域的详尽列表，其中投资者心理学可能导致持续的市场低效率，而因子策略可以利用这些低效率。
认知偏差列表及其对市场低效率的影响是一个广泛的概述，在考虑时应谨记若干注意事项。认知偏差是复杂的，并且常常相互关联，有些偏差之间互相正向或负向影响，这增加了行为金融学的复杂性。例如，过度自信偏差可能加剧确认偏差，导致对投资决策的复合效应。
同样重要的是要注意，偏差的影响可能因环境（包括市场条件和个体特征）而有很大差异。虽然因子策略旨在利用这些偏差，但实际这样做充满了挑战。市场受这些偏差之外的众多因素影响，包括经济指标、监管变化和技术进步。
此外，一些偏差可能产生反馈循环，强化某些市场行为，并可能导致泡沫或崩盘。这说明了金融市场的动态本质，其中认知偏差的影响会随时间变化，需要持续的研究才能充分理解。
行为金融学的研究仍在发展中，虽然我们认识到偏差可能导致市场低效率，但利用这些低效率并不简单。成功地利用认知偏差需要对这些心理驱动因素有细致入微的理解，以及适应不断变化的市场环境的能力。因此，迫切需要持续的研究，以加深我们对这些偏差如何相互影响以及与更广泛的经济格局如何相互作用的理解，从而改善投资决策和市场效率。
以下是第8章“行为金融学”附录（Appendix）部分的完整详细中文翻译。该附录包含表A8.1（偏差与因子策略）以及后续的说明文字和参考文献。
附录
在本附录中，我们尝试提供一个关键领域的详尽列表，其中投资者心理学可能导致持续的市场低效率，而因子策略可以利用这些低效率。
认知偏差列表及其对市场低效率的影响是一个广泛的概述，在考虑时应谨记若干注意事项。认知偏差是复杂的，并且常常相互关联，有些偏差之间互相正向或负向影响，这增加了行为金融学的复杂性。例如，过度自信偏差可能加剧确认偏差，导致对投资决策的复合效应。
同样重要的是要注意，偏差的影响可能因环境（包括市场条件和个体特征）而有很大差异。虽然因子策略旨在利用这些偏差，但实际这样做充满了挑战。市场受这些偏差之外的众多因素影响，包括经济指标、监管变化和技术进步。
此外，一些偏差可能产生反馈循环，强化某些市场行为，并可能导致泡沫或崩盘。这说明了金融市场的动态本质，其中认知偏差的影响会随时间变化，需要持续的研究才能充分理解。
行为金融学的研究仍在发展中，虽然我们认识到偏差可能导致市场低效率，但利用这些低效率并不简单。成功地利用认知偏差需要对这些心理驱动因素有细致入微的理解，以及适应不断变化的市场环境的能力。因此，迫切需要持续的研究，以加深我们对这些偏差如何相互影响以及与更广泛的经济格局如何相互作用的理解，从而改善投资决策和市场效率。
表A8.1 偏差与因子策略
| 偏差 | 解释 |
|---|---|
| 情感启发式 | 决策受情绪影响，导致投资选择不一定与理性评估一致。因子策略可以通过关注因负面情绪而非基本面差而被低估的证券来利用这一点。 |
| 亲和偏差 | 倾向于偏爱投资者有亲近感的公司或行业。因子策略可以通过识别因集体亲和偏差而被高估的行业来利用这一点。 |
| 模糊厌恶 | 倾向于避免结果概率未知的选项。因子策略可以通过投资于被误解或复杂而被低估的证券来利用这一点。 |
| 锚定 | 投资者锚定于特定的参考点（如股票的初始购买价格），这可能阻止他们对新信息做出适当反应。因子策略可以通过识别和交易相对于近期基本面变化被错误定价的股票来利用这一点。 |
| 注意力偏差 | 投资者更关注情感上引人注目的事件，而忽视重要的非显著性信息。因子策略可以通过关注被忽视的、基本面强劲的投资来利用这一点。 |
| 可得性级联 | 一种自我强化的过程，在此过程中，集体信念通过在公共话语中不断增加重复而获得更多合理性。因子策略可以通过关注数据驱动的分析而非流行观点来利用这一点。 |
| 可得性启发式 | 投资者可能高估与难忘或近期事件相关的可能性，影响其投资决策。因子策略可以利用因近期缺乏关注而被低估或因近期炒作而被高估的证券。 |
| 羊群效应 | 因为许多人做（或相信）同样的事而做（或相信）的倾向。因子策略可以通过识别因跟风效应而被高估和因缺乏跟风而被低估的股票来利用这一点。 |
| 基率谬误 | 投资者可能忽略基率信息（一般信息）而关注特定信息，导致对概率的误判。因子策略可以通过坚持将基率纳入分析的基于概率的方法来利用这一点。 |
| 信念偏差 | 基于结论的可信度来评估论证强度的倾向。因子策略可以通过关注数据质量和投资模型的稳健性来利用这一点。 |
| 选择支持偏差 | 记住自己的选择比实际情况更好。这可能导致坚持表现不佳的投资。因子策略可以通过保持客观并定期重新评估投资选择来利用这一点。 |
| 聚类错觉 | 在随机事件中看到模式的倾向。这可能导致对趋势的错误信念，进而导致错误的交易。因子策略可以通过应用统计严谨性来区分真实趋势与随机性来利用这一点。 |
| 确认偏差 | 这种偏差导致投资者关注确认其先入为主信念的信息，而忽略否定证据。这可能导致价格向真实价值的调整缓慢，因子策略可以通过使用客观度量指导投资决策来利用这一点。 |
| 保守主义偏差 | 投资者对新证据更新信念过于缓慢。因子策略可以通过快速纳入新信息来调整估值，从而利用这一点。 |
| 控制偏差 | 高估自己控制事件的能力可能导致高估投资技能。因子策略可以通过保持有纪律的、流程驱动的投资方法利用这一点。 |
| 面额效应 | 当钱以小额（如硬币）而不是大额（如纸币）计价时，倾向于花更多的钱。因子策略可以通过关注投资的绝对价值而不是股价或面额来利用这一点。 |
| 处置效应 | 由于实现损失的痛苦，投资者倾向于卖出盈利投资并持有亏损投资。这可能导致对新信息的反应不足。因子策略可以购买因处置效应而被抛售、可能在修正后反弹的股票。 |
| 邓宁-克鲁格效应 | 不熟练的个体倾向于高估自己的能力，导致糟糕的投资决策。因子策略可以通过依赖客观的技能和表现度量来利用这一点。 |
| 禀赋效应 | 投资者对自己拥有的资产估价高于未拥有的资产，导致即使理性上应该卖出也不愿卖出。因子策略可以通过识别因大多数投资者未“拥有”而被低估的资产来利用这一点。 |
| 实验者偏差 | 确认偏差的一种形式，一个人可能无意中影响研究结果。在投资中，分析师可能寻求支持其论点的数据。因子策略可以在分析中使用单盲或双盲方法。 |
| 熟悉度偏差 | 倾向于投资熟悉的证券，如国内股票或知名公司，而不考虑其基本面。因子策略可以针对因熟悉度偏差而被忽视的被低估的外国或不太知名的股票。 |
| 功能固着 | 倾向于认为对象仅以特定方式工作。投资者可能以传统视角看待证券，错过创新用途或市场。因子策略可以通过寻找具有未被识别潜力的证券来利用这一点。 |
| 赌徒谬误 | 认为过去事件会改变未来概率，例如期望一种结果的连续出现会被其他结果在短期内平衡。因子策略可以通过投资于因近期“坏运气”而被非理性贬值的证券来利用这一点。 |
| 光环效应 | 让整体印象塑造具体判断的倾向，包括股票评估。因子策略可以通过客观、精细地分析公司基本面来利用这一点。 |
| 羊群行为 | 投资者常常模仿他人的行动而非依靠自己的分析，这可能导致泡沫或崩盘。反向因子策略可以在羊群不可避免地改变方向时利用随后的价格修正。 |
| 后见之明偏差 | 事件发生后，投资者倾向于认为它是可预测的，尽管没有客观的预测基础。这可能导致对预测能力的过度自信。因子策略可以通过关注客观的历史数据而非主观叙事来利用这一点。 |
| 本土偏差 | 偏好国内投资而非国外投资，常常导致投资组合集中于单一市场且缺乏分散化。全球因子策略可以通过跨国分散投资并利用本土偏差造成的估值差异来获益。 |
| 双曲贴现 | 倾向于偏好较小、即时的奖励而非较大、延迟的奖励。这可能导致对长期增长机会的投资不足。因子策略可以通过关注因短期投资者忽视而被低估的长期投资来利用这一点。 |
| 控制幻觉 | 相信自己能够影响客观上无法控制的结果。这可能导致交易和风险承担增加。因子策略可以通过采取不受这种幻觉影响的、有纪律的投资方法利用这一点。 |
| 真相幻觉效应 | 重复接触后倾向于相信信息是正确的。因子策略可以通过避免可能缺乏坚实基本面的流行、过度讨论的投资来利用这一点。 |
| 有效性幻觉 | 相信自己的判断是准确的，尤其是当可用信息一致时。因子策略可以通过挑战假设并寻求否定证据来利用这一点。 |
| 内群体偏差 | 偏爱自己群体的成员或熟悉的实体。这可能导致选股时偏向熟悉或国内公司。因子策略可以通过确保全球分散的投资组合来利用这一点。 |
| 信息偏差 | 寻求信息的倾向，即使它不影响行动。投资者可能根据与股票价值无实际关联的信息进行交易。因子策略可以通过关注真正影响公司内在价值的相关信息来利用这一点。 |
| 小数定律 | 错误地认为小样本与所来自的总体非常相似。因子策略可以通过使用更大、更具代表性的数据集来指导投资决策，从而利用这一点。 |
| 损失厌恶 | 投资者倾向于避免损失而非获取同等收益。这可能导致低波动性资产被高估、高波动性资产被低估。因子策略可以通过超配被低估的风险资产、低配被高估的低风险资产来利用这一点。 |
| 心理核算 | 投资者常因非理性原因将资金分割到不同的心理账户，这可能影响其交易行为。因子策略可以利用因大量投资者的心理核算而被错误定价的股票。 |
| 道德许可效应 | 在做了有助于建立积极自我形象的事情后，个体更可能做出可能被视为不道德或其他有问题的决定。因子策略可以通过在投资实践中保持一致的道德标准来利用这一点。 |
| 短视损失厌恶 | 倾向于关注避免短期损失而非实现长期收益。这可能导致过度强调降低波动性而牺牲回报。因子策略可以通过在其投资方法中采取更长远的视角来利用这一点。 |
| 叙事谬误 | 倾向于从不完整或随机的数据中创建故事或模式。这可能导致具有吸引人叙事但基本面差的“故事股”被高估。因子策略可以通过关注缺乏引人入胜叙事但基本面扎实、被低估的公司来利用这一点。 |
| 忽视概率 | 投资者常常忽视概率的大小，例如罕见事件的可能性。因子策略可以通过关注风险调整后的回报而非潜在的极端结果来利用这一点。 |
| 乐观主义偏差 | 认为正面结果比负面结果更可能发生。这可能导致因非理性繁荣而使股票被高估。因子策略可以通过做空被过度炒作的股票来利用这一点。 |
| 结果偏差 | 基于结果而非决策当时的质量来判断决策。因子策略可以通过关注过程而非结果来利用这一点。 |
| 过度自信 | 具有过度自信偏差的投资者倾向于高估自己的知识和预测市场走势的能力，导致过度交易和潜在的市场错误定价。因子策略可以通过对 prevailing 市场趋势采取反向头寸或投资于过度自信交易者忽视的证券来利用这一点。 |
| 过度反应 | 倾向于对新闻反应过于强烈，导致股票价格过度波动。因子策略可以在价格回归均值时利用随后的修正。 |
| 选择悖论 | 过多的选择可能导致焦虑和无法做出决定。因子策略可以通过提供简化、聚焦的投资方法来利用这一点。 |
| 规划谬误 | 低估未来行动的时间、成本和风险，高估收益。因子策略可以通过应用更现实的假设和预测来利用这一点。 |
| 购买后合理化 | 通过忽视所见到的任何缺陷来证明购买的合理性。这可能导致持有不良投资。因子策略可以通过对投资表现更加客观来利用这一点。 |
| 投射偏差 | 期望未来的偏好与当前的偏好一致，导致糟糕的长期投资决策。因子策略可以通过对不断变化的市场条件采取更动态的方法来利用这一点。 |
| 近因偏差 | 相比于历史数据，过度重视近期观察。因子策略可以通过保持长期视角并利用因近期表现不佳而被低估其价值的资产的错误定价来利用这一点。 |
| 后悔厌恶 | 害怕做出最终被证明错误的投资决策，可能导致投资者不采取必要行动。因子策略可以通过投资于因投资者过于谨慎而不敢投资、从而被低估的股票来利用这一点。 |
| 代表性启发式 | 通过寻找“可比的已知”事件并假设概率相似来判断事件的可能性。这可能导致模式识别错误。因子策略可以通过依赖全面的数据而非启发式捷径来利用这一点。 |
| 克制偏差 | 高估自己控制冲动行为的能力。因子策略可以通过实施严格的交易规则和纪律来利用这一点。 |
| 自我归因偏差 | 将成功归功于自己，而将失败归咎于外部因素。这可能导致对自身投资敏锐度的持续高估。因子策略可以通过实施自我批评和数据驱动的策略来利用这一点。 |
| 自利偏差 | 倾向于将成功归因于自己而非失败。因子策略可以通过对投资表现保持不偏不倚的视角来利用这一点。 |
| 情绪偏差 | 投资者倾向于根据人类情绪和感觉而非事实数据做出决策。因子策略可以通过使用情绪指标来识别潜在的错误定价证券。 |
| 聚光灯效应 | 高估他人注意到自己外表或行为的程度。在投资中，这可能转化为高估自己交易对市场的影响。因子策略可以通过认识到投资决策的真实市场影响来利用这一点。 |
| 现状偏差 | 偏好当前状态。将当前基线作为参考点，任何偏离基线的变化都被视为损失。因子策略可以通过识别和投资于因代表现状改变而被低估的股票来利用这一点。 |
| 沉没成本谬误 | 一旦在金钱、努力或时间上进行了投资，就倾向于继续该事业。因子策略可以通过基于当前和未来潜力而非过去成本做出决策来利用这一点。 |
| 幸存者偏差 | 倾向于关注幸存者而非非幸存者，导致过度乐观地认为成功比实际更常见。这可能影响选股和风险评估。因子策略可以考虑全面的证券范围，包括那些已失败或表现不佳的证券。 |
| 时间序列动量 | 投资者可能假设趋势会无限期持续。因子策略可以根据历史模式和均值回归，识别动量何时可能反转，从而利用这一点。 |
| 单位偏差 | 倾向于完成给定项目或任务的一个单位。投资者可能受暗示将持仓凑整。因子策略可以基于估值而非单位来关注最优投资规模。 |
| 零风险偏差 | 偏好将小风险降至零，而非更大幅度地降低大风险。因子策略可以通过识别和投资于因对小风险的非理性厌恶而被低估的资产来利用这一点。 |
参考文献
Aboody, D., O. Even-Tov, R. Lehavy, and B. Trueman (2018). 隔夜回报与公司特定投资者情绪. Journal of Financial and Quantitative Analysis 53(2), 485–505.
An, L. (2016). 交易者卖出极端赢家与输家时的资产定价. Review of Financial Studies 29(3), 823–861.
Barber, B. M. and T. Odean (2008). 一切闪光的东西：注意力和新闻对个人和机构投资者购买行为的影响. Review of Financial Studies 21(2), 785–818.
Barberis, N. (2018). 第2章 基于心理学的资产价格和交易量模型. 载于 B. D. Bernheim, S. DellaVigna, and D. Laibson (编), Handbook of Behavioral Economics – Foundations and Applications 1, 第1卷, 第79–175页. North-Holland.
Barberis, N. and M. Huang (2006). 损失厌恶/窄框架方法解决股权溢价谜题. NBER工作论文第12378号.
Barberis, N., L. J. Jin, and B. Wang (2021). 前景理论与股票市场异象. Journal of Finance 76(5), 2639–2687.
Barberis, N., A. Mukherjee, and B. Wang (2016). 前景理论与股票回报：一项实证检验. Review of Financial Studies 29(11), 3068–3107.
Barberis, N. and R. Thaler (2003). 第18章 行为金融学综述. 载于 Financial Markets and Asset Pricing, Handbook of the Economics of Finance 第1卷, 第1053–1128页. Elsevier.
Bernoulli, D. (1738/1954). 风险测量新理论阐述. Econometrica 22(1), 23–36.
Black, F. (1986). 噪声. Journal of Finance 41(3), 529–543.
Bordalo, P., N. Gennaioli, and A. Shleifer (2012). 风险下选择的显著性理论. The Quarterly Journal of Economics 127(3), 1243–1285.
Brown, A. L. and J. H. Kagel (2009). 简化股票市场中的行为：现状偏差、处置效应和鸵鸟效应. Annals of Finance 5(1), 1–14.
Byun, S. J., S. S. Lim, and S. H. Yun (2016). 持续过度反应与股票回报可预测性. Journal of Financial and Quantitative Analysis 51(6), 215–2046.
Campbell, S. D. and S. Sharpe (2009). 共识预测中的锚定偏差及其对市场价格的影响. Journal of Financial and Quantitative Analysis 44(2), 369–390.
Chan, L. K. C., N. Jegadeesh, and J. Lakonishok (1996). 动量策略. Journal of Finance 51(5), 1681–1713.
Christie, W. G. and R. D. Huang (1995). 跟随吹笛者：个人回报会在市场周围羊群行为吗？ Financial Analysts Journal 51(4), 31–37.
Cosemans, M., and R. Frehen (2021). 显著性理论与股票价格：实证证据. Journal of Financial Economics 140(2), 460–483.
Daniel, K. D., D. A. Hirshleifer, and L. Sun (2020). 短期与长期行为因子. Review of Financial Studies 33(4), 1673–1736.
Daniel, K. D. and S. Titman (2006). 市场对有形与无形信息的反应. Journal of Finance 61(4), 1605–1643.
Dhar, R. and A. Kumar (2001). 主街上的非随机漫步：价格趋势对个人投资者交易决策的影响（工作论文）. 耶鲁管理学院.
Fama, E. F. (1970). 有效资本市场：理论与实证工作综述. Journal of Finance 25(2), 383–417.
Fama, E. F. and K. R. French (1993). 股票与债券收益中的共同风险因子. Journal of Financial Economics 33(1), 3–56.
Grinblatt, M. and B. Han (2005). 前景理论、心理核算与动量. Journal of Financial Economics 78(2), 311–339.
Hirshleifer, D. (2015). 行为金融学. Annual Review of Financial Economics 7, 133–159.
Kahneman, D. and A. Tversky (1979). 前景理论：风险下决策分析. Econometrica 47(2), 263–292.
Kliger, D. and A. Kudryavtsev (2010). 可得性启发式与投资者对公司特定事件的反应. Journal of Behavioral Finance 11(1), 50–65.
Lakonishok, J., A. Shleifer, and R. W. Vishny (1991). 机构投资者会破坏股票价格稳定吗？关于羊群行为和反馈交易的证据. NBER工作论文第3846号.
Lee, B., J. O’Brien, and K. Sivaramakrishnan (2008). 金融分析师在长期增长预测中乐观情绪的分析. Journal of Behavioral Finance 9(3), 171–184.
Lochstoer, L. A. and P. C. Tetlock (2022). 无模型错误定价因子. 哥伦比亚商学院工作论文. 可查阅 SSRN: http://dx.doi.org/10.2139/ssrn.4113272.
Lou, D., C. Polk, and S. Skouras (2019). 拉锯战：隔夜预期收益与日内预期收益. Journal of Financial Economics 134(1), 192–213.
Markowitz, H. M. (1952). 投资组合选择. Journal of Finance 7(1), 77–91.
Pontiff, J. and A. Woodgate (2008). 股票发行与横截面回报. Journal of Finance 63(2), 921–945.
Sewell, M. (2007). 行为金融学. 工作论文.
Shefrin, H. and M. Statman (1985). 过早卖出赢家、过久持有输家的倾向：理论与证据. Journal of Finance 40(3), 777–790.
Shefrin, H. and M. Statman (2011). 金融危机中的行为金融学：市场效率、明斯基与凯恩斯（工作论文）. 圣克拉拉大学.
Shiller, R. J. (1981). 股票价格是否波动过大而不能被后续股息变化所证明？ American Economic Review 71(3), 421–436.
Statman, M. (2008). 什么是行为金融学？ 载于 Handbook of Finance (第II卷). 新泽西: John Wiley & Sons, Inc.
Statman, M. (2018). 行为有效市场. Journal of Portfolio Management 44(3), 76–87.
Sun, K., H. Wang, and Y. Zhu (2023). 价格与交易量中的显著性理论：来自中国的证据. Journal of Empirical Finance 70, 38–61.
Thaler, R. (1999). 心理核算的重要性. Journal of Behavioral Decision Making 12(3), 183–206.
Tversky, A. and D. Kahneman (1971). 对小数字定律的信念. Psychological Bulletin 76(2), 105–110.
Tversky, A. and D. Kahneman (1973). 可得性：判断频率和概率的启发式. Cognitive Psychology 5(2), 207–232.
Tversky, A. and D. Kahneman (1974). 不确定性下的判断：启发式与偏差. Science 185(4157), 1124–1131.
Tversky, A. and D. Kahneman (1992). 前景理论的进展：不确定性的累积表示. Journal of Risk and Uncertainty 5(4), 297–323.
von Neumann, J. and O. Morgenstern (1944). 博弈论与经济行为. 普林斯顿: 普林斯顿大学出版社.
Wang, H., J. Yan, and J. Yu (2017). 参考依赖偏好与风险-收益权衡. Journal of Financial Economics 123(2), 395–414.
Weisbrod, E. (2019). 股东的未实现回报与市场对财务披露的反应. Journal of Finance 74(2), 899–942.