Psychology-based Models of Asset Prices and Trading Volume

Author: Nicholas Barberis
Affiliation: Yale School of Management
Date: June 2018
Type: 综述论文 (Survey / Review Article)
JEL: G11, G12, G40
Keywords: extrapolation, overconfidence, prospect theory, mispricing, bubbles, volume

一句话总结

本文是 Barberis 撰写的行为金融学综述（June 2018），系统梳理了过去 30 余年基于心理学的资产定价与交易量模型，将其组织为外推信念、过度自信、前景理论三大支柱，并展望"外推信念 + 前景理论偏好"作为未来统一模型的发展方向。

研究问题

哪些经验事实是行为金融学需要解释的核心目标？这些事实如何分类（总量资产类别、截面平均收益、泡沫）？
为何非理性投资者能够持续影响资产价格？"套利限制"框架如何回应"套利批判"？
在"信念偏差"维度上，外推、过度自信、粘性信念、稀有事件信念、情绪、羊群效应等机制各自如何运作？分别解释哪些经验事实？
在"偏好偏差"维度上，前景理论与模糊厌恶模型各自的核心要素与应用领域是什么？
在"认知局限"维度上，注意力不足与分类思维如何影响价格形成？
行为金融学领域是否会陷入 Fama (1998) 所警告的"30 个假设解释 30 个事实"的混乱？还是已经收敛于少数核心机制？
未来如何构建统一信念偏差与偏好偏差的整合模型？

核心贡献

统一的三支柱组织框架：将行为金融文献组织为信念（Beliefs）、偏好（Preferences）、认知局限（Cognitive Limits）三大维度，每一维度内进一步细分为具体机制（外推、过度自信、前景理论、模糊厌恶等），为读者提供清晰的领域地图
教学性收益外推模型（Section 4.1, 方程 1-5）：构建一个简洁的两类投资者均衡模型（外推者 + 基本面交易者），统一展示外推机制如何同时生成动量、长期反转、超额波动、泡沫等多个经验事实，是综述类文章中罕见的"理论统一性"展示
核心经验事实的系统梳理：列出行为金融需要解释的总量与截面经验事实清单（Section 2），为后续模型评估提供基准
机制 × 事实的解释分工矩阵：明确外推、过度自信、前景理论各自的核心解释领域，避免理论冗余、突出比较优势
对"统一模型"方向的明确展望：提出外推信念 + 前景理论偏好作为最有前景的统一框架方向，引导未来研究
回应 Fama (1998) 的批评：通过展示行为金融已收敛于少数核心机制（外推、过度自信、前景理论），论证"30 假设解释 30 事实"的混乱并未发生，捍卫领域的科学进展
跨子领域整合：将信念实验、调查数据、田野证据、神经科学等不同方法论的成果统一在一个框架下，强调多模态证据对行为金融假说的相互佐证

维度1：综述框架与组织结构

整体方法论框架

本文是一篇全面的文献综述，系统梳理了行为金融学中基于心理学的资产定价与交易量模型。文章不提出新模型或新实证结果，而是以统一的分析框架整合过去30年（约1980s--2018）的行为金融研究成果。

综述组织结构

文章围绕行为金融对传统模型的三个改进维度展开：

信念（Beliefs）：投资者不按贝叶斯法则完全理性地更新信念（Sections 4--6）
偏好（Preferences）：用前景理论等替代期望效用，更真实刻画风险评估方式（Sections 7--8）
认知局限（Cognitive Limits）：投资者无法及时处理所有相关信息（Section 9）

背景铺垫

经验事实梳理（Section 2）：总结资产定价需要解释的核心经验事实，分为总量资产类别事实、截面平均收益率事实、泡沫事实三大类
套利限制（Section 3）：解释为何非理性投资者能够持续影响资产价格，回应"套利批判"

综述方法论特点

在 Section 4.1 中构建了一个简洁的收益外推模型（方程 1--5）作为教学工具，统一展示外推如何生成动量、长期反转、超额波动、泡沫等现象
对每个理论框架，既介绍核心机制，也评估其解释力和局限性
在 Section 10 中展望"统一模型"的可能形式，提出外推信念 + 前景理论偏好的组合方向

维度2：核心内容梳理

一、信念模型：外推（Extrapolation, Section 4）

收益外推（Return Extrapolation）

核心假设：投资者对未来价格变化的预期是过去价格变化的加权平均，近期权重更高。

外推者信念：
$ $E_t^e(P_{t+1} - P_t) = X_t \equiv (1 - \theta) \sum_{k=1}^{t-1} \theta^{k-1}(P_{t-k} - P_{t-k-1}) + \theta^{t-1}X_1 \quad \text{(eq. 2)}$ $
其中 $\theta \in (0,1)$ 控制对近期 vs 远期过去收益的相对权重。

外推者需求（CARA效用下）：
$ $N_t^e = \frac{X_t}{\gamma \sigma_\varepsilon^2} \quad \text{(eq. 3)}$ $

基本面交易者需求：
$ $N_t^f = \frac{D_t - (T-t-1)\gamma\sigma_\varepsilon^2 Q - P_t}{\gamma\sigma_\varepsilon^2} \quad \text{(eq. 4)}$ $

均衡价格：
$ $\boxed{P_t = D_t + \frac{\mu^e}{\mu^f}X_t - \gamma\sigma_\varepsilon^2 Q(T-t-1+\frac{1}{\mu^f})} \quad \text{(eq. 5)}$ $

该简单模型统一解释：

(i) 截面异象：中期动量、长期反转、价值溢价
(ii) 总量异象：超额波动率、时间序列可预测性
(iii) 泡沫：价格急剧上升后下跌

现金流外推（Cash-flow Extrapolation, Section 4.2）

投资者对未来现金流增长率的预期是近期现金流增长率的正函数。同样可解释超额波动、收益可预测性、价值溢价等。

外推信念的心理学来源（Section 4.3）

代表性启发式（Representativeness heuristic）：导致基率忽视（base-rate neglect），高收益被视为高均值资产的"代表"，忽略此类资产的稀有性
诊断性预期（Diagnostic expectations）：Bordalo et al. (2014, 2017, 2018a) 的形式化框架，扭曲信念 $\hat{p}(t|G) = \frac{1}{Z}p(t|G)\left(\frac{p(t|G)}{p(t|-G)}\right)^\theta$
小数法则（Law of small numbers）：人们错误地认为小样本也能反映数据生成过程的特征，从而过度推断趋势
有限理性路径：Hong and Stein (1999) 的信息缓慢扩散模型；Fuster et al. (2010) 的"自然预期"；Glaeser and Nathanson (2017) 的竞争忽略

经验效应（Experience Effects, Section 4.4）

Malmendier and Nagel (2011) 提出投资者需求取决于其一生中亲身经历过的收益加权平均：
$ $\frac{1}{A}\sum_{k=1}^{\text{age}_{i,t}-1}(\text{age}_{i,t}-k)^\lambda R_{t-k} \quad \text{(eq. 15)}$ $
$\lambda > 0$ 时近期权重更高。估计 $\lambda \approx 1.5$ ，说明远期经历仍有重要影响。

二、信念模型：过度自信（Overconfidence, Section 5）

两种表现形式

过度精确（Overprecision）：高估自身判断精度，90%置信区间实际仅覆盖约50%的情况
过度定位（Overplacement）：高估自身相对能力

对交易量的解释

过度自信投资者高估自己信号的精度（或贬低他人信号的精度），导致：

观察到市场价格偏离自身估值时不充分更新信念
投资者之间产生持续分歧，驱动大量交易
实证支持：Grinblatt and Keloharju (2009) 用芬兰军队心理测试数据证实过度自信者交易更频繁；Barber and Odean (2001) 发现男性交易更多、收益更低

分歧 + 卖空约束（Section 5.1）

静态机制（Miller, 1977）：卖空约束下悲观者无法做空，价格仅反映乐观者预期，导致资产高估
动态机制（Harrison and Kreps, 1978）："转售期权"--存在分歧时，投资者愿意支付超出自身现金流估值的价格，因为未来可能卖给更乐观的人
Scheinkman and Xiong (2003)：将过度自信作为分歧来源，解释高估值与高交易量同时出现的现象

三、其他信念模型（Section 6）

粘性信念（Sticky Beliefs, Section 6.1）

投资者对新信息反应不足，导致盈余公告后漂移和动量。
Bouchaud et al. (2018) 模型： $F_t\pi_{t+1} = (1-\lambda)E_t\pi_{t+1} + \lambda F_{t-1}\pi_{t+1}$

解释了盈利能力异象：粘性信念越强的分析师覆盖的股票，盈利能力异象越显著

反应不足与过度反应统一模型（Section 6.2）

Barberis, Shleifer, Vishny (1998, BSV)：投资者误认为盈余存在"均值回复"和"趋势"两种状态
- 单一盈余冲击 --> 投资者认为处于均值回复状态 --> 反应不足 --> 动量
- 连续同向冲击 --> 投资者认为处于趋势状态 --> 过度反应 --> 长期反转
Rabin (2002)：基于小数法则，单一信号反应不足，同向序列过度反应

稀有事件信念（Section 6.3）

可得性启发式：近期有金融崩溃记忆时高估崩溃概率，长期无崩溃时低估概率
代表性启发式：好消息后低估尾部风险，坏消息后高估尾部风险

情绪与信念（Section 6.4）

情绪状态影响信念形成：好心情导致更乐观的判断。实证表现为世界杯失利后股市下跌、晴天股市表现更好等。

羊群行为与社会互动（Section 6.5）

Eyster and Rabin (2010)：非完全理性个体无法识别他人行为中的信息重复计算，导致无效率的羊群行为
Han et al. (2018)：投资者间口碑传播模型，解释波动性和正偏度资产的低平均收益

四、偏好模型：前景理论（Prospect Theory, Section 7）

四个核心要素

参考点依赖（Reference dependence）：效用来自相对于参考点的收益与损失，而非最终财富水平
损失厌恶（Loss aversion）：对损失的敏感度远高于同等幅度的收益， $\lambda \approx 2.25$
递减敏感性（Diminishing sensitivity）：价值函数在收益区凹、损失区凸， $\alpha \approx 0.88$ （或更低至 $\approx 0.7$ ）
概率加权（Probability weighting）：用决策权重替代客观概率，高估尾部概率

价值函数：
$ $v(x) = \begin{cases} x^\alpha & x \geq 0 \\ -\lambda(-x)^\alpha & x < 0 \end{cases} \quad \text{(eq. 24)}$ $

概率加权函数：
$ $w(P) = \frac{P^\delta}{(P^\delta + (1-P)^\delta)^{1/\delta}} \quad \text{(eq. 25)}$ $

截面应用：静态模型（Section 7.2）

Barberis and Huang (2008)：概率加权 --> 正偏度资产的预期收益低于风险自由利率
- 解释IPO股票、困境股、虚值期权等正偏度资产的低平均收益
- 解释高特质波动率股票的低收益（因其正偏度更大）
- 核心预测：资产自身的特质偏度（而非协偏度）被定价

截面应用：动态模型（Section 7.3）

处置效应（Disposition effect）：递减敏感性（非损失厌恶）导致投资者在盈利后更愿卖出、亏损后更愿持有
- Barberis and Xiong (2009) 发现损失厌恶实际推向反向效果；需要递减敏感性足够强才能生成处置效应
动量的前景理论解释：Grinblatt and Han (2005) -- 处置效应造成卖压延迟价格上涨，导致低估和后续高收益

总量市场应用（Section 7.4）

股权溢价之谜的解释：Benartzi and Thaler (1995) -- 损失厌恶 + 窄框架 + 年度评估频率 --> 股票的前景理论价值等于债券的前景理论价值，需要高股权溢价来补偿
Barberis, Huang, Santos (2001)：将前景理论嵌入均衡模型
$E\sum_{t=0}^{\infty}\left[\rho^t\frac{C_t^{1-\gamma}}{1-\gamma} + b_0\bar{C}_t^{-\gamma}\rho^{t+1}v(X_{t+1})\right] \quad \text{(eq. 26)}$
- 损失厌恶度 $\lambda$ 随过去收益动态变化： $\lambda(z_t) = \lambda + k(z_t - 1)$
- 经历收益后损失厌恶降低（"house money effect"），经历损失后损失厌恶增加
- 解释股权溢价、超额波动率和收益可预测性

五、偏好模型：模糊厌恶（Ambiguity Aversion, Section 8）

Ellsberg悖论：人们厌恶无法评估概率的情境（模糊），偏好概率已知的情境（风险）
多先验模型： $\max_{\text{action}} \min_{\text{models}} EU(X)$ ，行为类似于极端悲观
应用：解释股市非参与、投资组合欠多元化（本国偏好）、危机放大
局限：理论发展远超实证证据，因果关系尚不清晰

六、认知局限：有限理性（Bounded Rationality, Section 9）

注意力不足（Inattention, Section 9.1）

投资者无法及时处理所有信息 --> 价格对信息反应不足
实证：周五公布的盈余公告漂移更强（投资者注意力分散）；多家公司同日公告时漂移更强
投资者对间接相关信息（客户公司新闻、人口结构变化、10-K变动等）反应缓慢

分类思维（Categorization, Section 9.2）

Barberis and Shleifer (2003)：投资者将资产分类（如"价值股""成长股"），以类别为单位形成外推信念
预测：同类别资产回报率过度联动（excess comovement），超出基本面相关性所能解释的范围
实证支持：加入S&P 500后股票与指数联动增加

维度3：领域评估

需要解释的经验事实总结

总量资产类别

事实	描述
时间序列可预测性	P/E 或 P/D 比率负向预测未来超额收益
超额波动率	股价波动远超理性现金流预测变化所能解释的范围
股权溢价	美国股市年均超额收益 > 5%，简单理性模型难以解释

截面平均收益

预测变量	预测方向	名称
过去3-5年收益	(-)	长期反转
过去6-12个月收益	(+)	中期动量
过去1周/1月收益	(-)	短期反转
盈余意外	(+)	盈余公告后漂移
市值	(-)	规模效应
价格/基本面比率	(-)	价值溢价
股票发行	(-)	发行异象
系统性波动率 (beta)	(~0)	Beta异象
特质波动率	(-)	特质波动率异象
盈利能力	(+)	盈利能力异象

三大框架的解释分工

框架	主要解释的现象	核心机制
外推	超额波动率、时间序列可预测性、动量、长期反转、价值溢价、泡沫	投资者根据过去收益/基本面预测未来
过度自信	高交易量、高估值伴随高成交量、泡沫中的交易	投资者高估自身信号精度，产生分歧
前景理论	股权溢价、正偏度资产低收益、处置效应、动量	损失厌恶 + 概率加权 + 递减敏感性

关于"统一模型"的展望

目前尚无将信念与偏好假设统一的单一模型
Barberis 建议的统一方向：外推信念 + 前景理论偏好
- 投资者先基于过去收益外推未来收益/损失分布
- 再按前景理论评估该分布（强调尾部、损失厌恶）
- 这种组合有望解释关于平均收益率、波动率和可预测性的广泛事实

对领域的整体评价

行为金融已证明：少数简单的心理学假设可以解释大量经验事实并产生可检验的新预测
Fama (1998) 预言的"30个假设解释30个事实"的混乱局面未出现；领域的重心集中在外推、过度自信和前景理论三个框架
套利限制研究成功回应了"套利批判"，确立了非理性投资者可持续影响价格的理论基础
未来方向：整合决策神经科学、记忆心理学等更广泛的心理学分支

维度4：局限性

直接关联

外推信念是核心主题：本综述将外推信念视为行为金融三大支柱之一。信念实验项目若涉及投资者如何基于过去信息形成对未来的预期，本文提供了全面的理论背景
信念更新偏差的分类：文章系统整理了代表性启发式、保守主义、小数法则、可得性启发式等导致信念偏差的心理学机制，为实验设计提供了清晰的概念图谱
经验效应：Malmendier and Nagel (2011) 关于个人生命经历影响投资信念的框架，与实验中个体差异的来源直接相关

间接关联

反应不足 vs 过度反应：BSV (1998) 和 Rabin (2002) 模型区分了何时出现反应不足、何时出现过度反应，为信念实验提供了可检验的理论预测（单一信号 vs 同向序列）
诊断性预期：Bordalo et al. 的框架（eq. 12--14）提供了一个数学上精确的信念扭曲模型，可直接用于实验假设的推导
过度自信与交易：过度自信通过产生分歧驱动交易的逻辑链条，可以在实验中通过操纵信息精度来检验

方法论启示

调查数据与信念：文章强调近年来投资者调查数据（如 Greenwood and Shleifer, 2014）为直接观测信念提供了重要工具，调查显示投资者预期确实与过去收益正相关，但与未来实际收益负相关（即过度外推）
统一模型的需求：综述指出信念和偏好的统一模型是领域的重要空白，这为结合信念测量与风险偏好测量的实验提供了动机

关键引用网络

Barberis, Shleifer, Vishny (1998)：反应不足/过度反应模型
Barberis et al. (2015, 2018)：外推信念与泡沫中的交易量
Bordalo et al. (2017, 2018a)：诊断性预期
Malmendier and Nagel (2011, 2017)：经验效应
Greenwood and Shleifer (2014)：投资者调查中的外推证据
Scheinkman and Xiong (2003)：过度自信 + 卖空约束
Benartzi and Thaler (1995)：前景理论与股权溢价

维度5：与其他文献的关系

与外推理论文献群

Barberis_2015_XCAPM_Extrapolative：本综述展示的 X-CAPM 模型的原始论文
Liao_Peng_2022_ExtrapolativeBubbles_TradingVolume：外推泡沫与交易量的实证扩展
AssetPricing_2022_ReturnExtrapolation：外推机制的实证综述

与过度自信文献群

Odean_Volume_Overconfidence：过度自信与交易量的经典理论
Barber_Odean_1998_IndividualInvestors_Performance：散户过度交易的实证基础
Barber_Odean_BoysWillBeBoys_Gender_Overconfidence：以性别为代理的过度自信检验
Daniel_Hirshleifer_2015_Overconfident_Returns_Trading：理论综述
Michailova_2016_Overconfidence_Bubbles：实验市场中的过度自信与泡沫
Malmendier_Tate_Overconfidence_EarlyLife：CEO 过度自信
Harrison_BeliefDistributions_BayesianOverconfidence：贝叶斯框架下的过度自信

与前景理论文献群

与 Barberis-Huang-Santos (2001) 的"前景理论与资产价格"模型直接相关
Jiao_2013_Disposition_Effect_Closed_End / Jiao_2017_MeanReversion_DispositionEffect：处置效应实证
Phan_Rieger_2018_Overtrading_Underdiversification：过度交易与不充分分散化

维度6：可拓展的研究方向

外推 + 前景理论的统一模型：响应 Barberis 在 Section 10 提出的展望，构建外推信念形成预期分布、前景理论评估该分布的整合资产定价模型
诊断性预期与外推的关系：澄清 Bordalo-Gennaioli-Shleifer 的诊断性预期框架与价格外推、现金流外推之间的理论与实证关系
信念测量的标准化：发展一套同时引诱外推强度、过度自信程度、损失厌恶度、模糊厌恶度的多维度实验任务，用于跨研究比较
机器学习预测信念偏差：用大语言模型（LLM）模拟投资者对新闻、报告的反应，提取诊断性预期、外推、注意力不足等机制的相对贡献
神经科学基础：将本综述的三大支柱与决策神经科学、记忆心理学的最新发现结合，构建"机制层 → 神经层"的双向桥梁
跨资产类别的统一应用：将外推、过度自信、前景理论的同一组参数应用于股票、债券、加密货币、房地产等多资产类别，检验机制的普遍性
自动化交易与算法纠偏：研究算法交易、AI 投顾如何系统性地放大或抑制每一类心理偏差
政策与教育干预：基于本综述梳理的机制，设计针对性的金融素养教育课程、披露要求、默认选项设计，量化各类干预对偏差的纠正效果
跨文化比较：在不同文化背景（个人主义 vs. 集体主义）下检验三大机制的相对强度，识别文化敏感性
生命周期演化：随着投资者年龄增长，外推、过度自信、损失厌恶等偏差如何系统性演化？是否存在"经历驱动的纠偏"？

关键结论

行为金融已收敛于外推、过度自信、前景理论三大支柱：而非陷入 Fama (1998) 警告的"30 假设解释 30 事实"的混乱，领域呈现出明确的理论收敛与机制分工。
少数心理学假设可解释大量经验事实：通过简洁的收益外推模型即可统一解释动量、长期反转、超额波动率、价值溢价、泡沫等多个经典异象，证明行为金融并非"特设性的事后解释"。
未来的统一模型方向是外推信念 + 前景理论偏好：投资者基于过去信息外推未来分布，再用前景理论评估该分布，这一组合最有望同时解释关于平均收益率、波动率、可预测性、交易量的广泛事实。
调查数据与实验数据是行为金融的关键证据基础：投资者调查（如 Greenwood-Shleifer）和实验任务（信念引诱、风险偏好测量）的发展使行为假说不再仅依赖间接的价格证据，提升了领域的科学严谨性。

Barberis_PsychologyBased_AssetPricing