Asset Prices and Trading Volume in a Beauty Contest

一句话总结

本文建立了一个不依赖共同先验假设、仅以"共同知识的信念形成规则"为基础的资产交易博弈模型，将 Keynes 的"选美比赛"隐喻形式化，证明只有在投资者真正存在意见分歧（而非仅信息不对称）时才会出现"争议性交易"，并识别了"交易量-波动率/报价变化关系"作为区分共同先验与分歧的关键统计量。

研究问题

1. 在投资者对资产具有不同私人估值、且对他人估值分布存在不确定性的市场中，信念层级结构（hierarchy of beliefs）如何影响资产价格与交易量？
2. 在不依赖 Harsanyi (1967) 共同先验假设、且不陷入无限信念层级的递归泥潭的前提下，能否构建一个分析可处理的投机性交易模型？
3. 是否存在可观察的统计量，能够从市场数据（报价、收益、交易量）中区分"真正的意见分歧"与"共同先验下的信息不对称"？

核心贡献

1. 方法论创新：提出"共同知识的信念形成规则"（common knowledge beliefs formation rule）和"平均意见规则"（average opinion rule, E_i(\mu_j|\mu_i) = \mu_i），在不要求先验共同知识的更弱条件下简化无限信念层级，使分歧模型保持分析可处理性。
2. 形式化 Keynes 选美比赛：在严格博弈论框架下分析投机、信念层级与资产定价的关系，将凯恩斯的隐喻转化为可分析的数学模型。
3. 定义"争议性交易"（controversial trades）：识别一类仅在分歧情形下出现的交易模式——低估值投资者因高估转售期权价值而从高估值者手中买入资产，这在共同先验/共同知识下永远不会发生。
4. 提出可经验检验的区分统计量：揭示交易量与报价变化/波动率之间的关系（共同先验下正相关，分歧下非单调或不显著）作为区分两种信念体制的关键经验标准。
5. 理论基础：证明保留价值的递推公式、保留价值下界（投机/转售期权价值）、最优报价的鞅性质（仅从持有者主观测度）以及共同先验下保留价值的下鞅性质。
6. 回应不可能性结果：对 Milgrom & Stokey (1981) 和 Tirole (1982) 关于理性预期下投机不可能性的结果，展示了在先验分歧下投机如何自然产生。

维度1：实验设计分析

基本信息

• 作者: Bruno Biais, Peter Bossaerts
• 年份: 1998
• 期刊: Review of Economic Studies, 65, 307-340
• 关键词: beauty contest, beliefs hierarchy, speculative trading, controversial trades, common prior, disagreement, trading volume, asset pricing

---

一、研究目的与问题 (Research Question)

核心问题

在投资者对资产具有不同私人估值、且对他人估值分布存在不确定性的市场中，信念层级结构 (beliefs hierarchy) 如何影响资产价格和交易量？

研究动机

• Keynes (1958) 的"选美比赛"隐喻描述了投机市场中信念层级的核心作用：投资者不仅需要判断资产的基本价值，还需预期他人的信念、他人对他人信念的信念，形成无限递归的信念层级。
• Harsanyi (1967) 的共同先验假设 (common prior assumption) 虽然简化了分析，但存在重大缺陷——它排除了真正的意见分歧 (genuine disagreement)，导致在 Aumann (1976) 框架下理性主体无法"同意不同意"，从而无法产生风险分担以外的交易。
• 然而，实证证据（如 Shiller 1995 对日美投资者的调查）显示，投机性市场中确实存在被广泛认知的意见分歧。

具体目标

1. 提出一种不依赖共同先验假设即可保持分析可处理性的方法论——"共同知识的信念形成规则" (common knowledge beliefs formation rule)。
2. 在一个程式化的资产交易博弈中，分析三种信念规范下的投机行为差异。
3. 找到可从可观察数据（报价、收益、交易量）中计算的统计量，以区分真正的意见分歧与 Harsanyi 式共同先验。

---

二、理论框架与研究设计 (Theoretical Framework & Design)

信念层级的简化方法

• 核心创新："平均意见规则" (average opinion rule)。假设每个投资者在观察他人之前，认为自己的私人估值是平均水平的，即 E_i(\mu_j | \mu_i) = \mu_i。这一规则是共同知识。
• 在此规则下，投资者只需利用自身的信念形成规则 \phi_i 和对他人信念形成规则 \phi_j 的共同知识，即可从一阶信念推导出整个信念层级，避免了无限维度问题。
• 这比 Harsanyi 的共同先验假设更弱：先验 \pi^i 和 \pi^j 可以不同，只要信念形成规则是共同知识。

三种信念规范

规范	描述	关键特征
共同知识 (\theta^* is CK)	所有投资者知道私人估值分布的参数 \theta^*	无学习、无分歧、标准理性预期
共同先验 (Common Prior)	\theta 未知但所有人共享同一先验	有学习但无真正分歧 (Aumann 1976)
意见分歧 (Disagreement)	投资者对 \theta 有不同先验	真正的意见分歧，产生"争议性交易"

交易博弈设计

• 资产: 单一不可分割资产，到期 (T+1) 时持有者获得等于其私人估值的红利。
• 交易机制: 每轮有两位具有相同私人估值 \mu_t 的投资者以 Bertrand 竞争方式竞标，出价等于其保留价值。持有者决定是否出售。
• 时间结构: T+1 轮交易，投资者风险中性、无限耐心、无折现。
• 参数化设定: 指数-逆 Gamma 分布族。私人估值 \mu_j | \theta \sim \text{Exp}(\theta)，先验 \theta | \mu_i \sim \text{Inverse Gamma}。

关键概念："争议性交易" (Controversial Trades)

• 在共同先验下，交易仅在新进入者私人估值高于持有者时发生（Corollary 3: r_i > r_j \Leftrightarrow \mu_i > \mu_j）。
• 在分歧情形下，低私人估值的投资者可能因高估转售期权价值而从高估值者手中买入资产——这种在共同先验/共同知识下不会发生的交易即为"争议性交易"。

---

三、核心发现与结果 (Key Findings)

理论结果

1. 保留价值递推公式 (Proposition 1): r_i^t = E_i(\max[r_i^{t+1}, r_{(t+1)^*}^{t+1}] | H_t)，即当前保留价值等于下一期自身保留价值与新进入者保留价值之最大值的条件期望。
2. 保留价值下界 (Proposition 2): r_i^t \geq \mu_i，保留价值至少等于私人估值，差额 W_i^t = r_i^t - \mu_i \geq 0 即为投机/转售期权价值。
3. 最优报价的鞅性质 (Proposition 3): 从持有者视角，最优报价 b_t 是鞅：b_t = E_{t^*}(b_{t+1} | H_t)。但这仅从持有者主观概率测度成立，客观测度下不一定成立。
4. 共同先验下保留价值递减 (Corollary 6): r_i^t 从市场参与者视角是下鞅 (r_i^t \geq E(r_i^{t+1} | H_t))，反映投机价值随到期临近而递减。
5. 共同先验下交易单调 (Corollary 3): 交易当且仅当新进入者估值高于持有者时发生，不存在争议性交易。

模拟结果

通过 1000 次模拟 (20 轮交易，\theta^* = 0.6, 0.8, 1.0)，得到以下关键发现：

统计量	共同知识 (\theta^* CK)	共同先验	分歧	区分能力
持有者平均私人估值	严格递增	严格递增	早期较低、后期追赶	中等
交易量	--	--	后期略高	弱 (仅 \theta^*=0.6 显著)
平均收益	常数	时变	时变	弱 (无法区分后两者)
收益波动率	常数	递减	递减	弱 (仅看波动率本身)
交易量 vs 最优报价变化	正相关	正相关	非单调 (倒U形)	强
交易量 vs 波动率	正相关	正相关	无显著关系	强

核心发现总结

• 仅凭价格或收益本身难以区分共同先验与分歧情形：两者都表现出时变收益和递减波动率。
• 交易量与报价/波动率的关系是关键区分统计量：
  • 共同先验/共同知识下，高交易量伴随最优报价正向变化和高波动率（因为交易由高估值投资者入市驱动）。
  • 分歧情形下，高交易量也可能伴随低报价变化（争议性交易者抛售头寸导致高交易量但低报价），产生非单调关系。
• 交易量与波动率的回归 (Table 2)：分歧情形下斜率系数接近零且不显著 (t-stat 约 1.0-2.1)，而共同先验/共同知识下斜率显著为正 (t-stat 约 4.0-10.8)。

---

四、贡献与局限 (Contribution & Limitations)

理论贡献

1. 方法论创新: 提出"共同知识的信念形成规则"框架，在不假设共同先验的条件下简化无限信念层级，使分歧模型具有分析可处理性。这比 Harsanyi 学说的要求更弱——无需先验的共同知识，只需信念形成规则的共同知识。
2. 将 Keynes 选美比赛隐喻形式化: 在明确的博弈论框架下分析投机、信念层级与资产定价的关系。
3. 识别争议性交易: 定义并分析了一类仅在分歧情形下出现的交易模式，为实证研究提供了可检验的预测。
4. 区分性统计量: 揭示了交易量与报价变化/波动率之间的关系作为区分共同先验与分歧的经验标准。

与相关文献的关系

• 扩展了 Harrison & Kreps (1978) 关于异质信念下投机的分析，提供了信念形成的微观基础。
• 回应了 Milgrom & Stokey (1981) 和 Tirole (1982) 关于理性预期下投机不可能性的结果，展示了在先验分歧下投机如何产生。
• 与 Harris & Raviv (1993) 关于意见分歧产生交易量的研究互补，但从信念层级而非直接假设分歧出发。

局限性

1. 参数化依赖: 结果依赖于指数-逆 Gamma 参数化设定，虽然作者认为定性结论对参数化选择稳健，但未能提供一般性证明。
2. 模型简化程度高: Bertrand 竞争、相同估值的投资者对、单一不可分割资产等假设大幅简化了分析，但限制了现实适用性。
3. 分歧情形的设定偏倚: 模型设定中高私人估值的投资者有更精确的一阶信念，这使得低估值投资者的转售期权相对更高，人为增加了争议性交易的频率。
4. 缺乏实证检验: 论文仅提供理论和模拟结果，未用真实市场数据检验。作者建议可通过实验室实验进行验证。
5. 未考虑卖空约束、交易成本等现实摩擦。

对实验设计的启示

• 论文明确提出其交易博弈适合在实验室环境中实施，以检验 Harsanyi 共同先验假设的经验相关性。
• 关键实验设计要素：观察交易者是否在卖出资产后希望回购（分歧情形的标志），以及交易量与报价变化的关系模式。

维度2：理论模型

模型设定

• 资产：单一不可分割资产，到期 T+1 时持有者获得等于其私人估值 \mu_i 的红利
• 投资者：风险中性、无限耐心、无折现
• 交易机制：每轮两位具有相同私人估值 \mu_t 的新进入者以 Bertrand 竞争方式竞标，出价等于其保留价值 r_{t^*}；持有者决定是否接受出售
• 私人估值分布：\mu_j | \theta \sim \text{Exp}(\theta)（指数分布，参数 \theta 为分布参数）
• 先验：\theta | \mu_i \sim \text{Inverse Gamma}（投资者 i 对 \theta 的主观先验，可能因投资者而异）

三种信念规范

1. 共同知识体制（\theta^* is CK）：所有投资者知道私人估值分布参数 \theta^*，无学习、无分歧
2. 共同先验体制（Common Prior）：\theta 未知但所有人共享同一先验 \pi(\theta)，有学习但无真正分歧（Aumann 1976）
3. 意见分歧体制（Disagreement）：投资者对 \theta 持有不同先验 \pi^i, \pi^j，存在真正的意见分歧

核心公式

保留价值递推（Proposition 1）：

保留价值下界（Proposition 2）：

其中 W_i^t 即为投机/转售期权价值（speculative/resale option value）。

最优报价的鞅性质（Proposition 3，仅从持有者主观测度）：

共同先验下保留价值递减（Corollary 6，从市场参与者视角）：

关键概念

• 争议性交易（Controversial Trades）：低私人估值的投资者因高估转售期权价值而从高估值者手中买入——仅在分歧情形下发生
• 共同先验下交易单调性（Corollary 3）：r_i > r_j \Leftrightarrow \mu_i > \mu_j，即交易当且仅当新进入者估值高于持有者时发生

维度3：核心发现

模拟设置

• 1000 次蒙特卡洛模拟
• 20 轮交易
• 测试 \theta^* = 0.6, 0.8, 1.0 三个参数值

主要统计量比较

统计量	共同知识	共同先验	分歧	区分能力
持有者平均私人估值	严格递增	严格递增	早期较低、后期追赶	中等
交易量	--	--	后期略高	弱（仅 \theta^*=0.6 显著）
平均收益	常数	时变	时变	弱
收益波动率	常数	递减	递减	弱
交易量 vs 最优报价变化	正相关	正相关	非单调（倒U形）	强
交易量 vs 波动率	正相关	正相关	无显著关系	强

关键回归（Table 2）

交易量对收益波动率的回归斜率：

• 共同先验/共同知识：t-stat 约 4.0–10.8（显著为正）
• 分歧情形：t-stat 约 1.0–2.1（接近零，不显著）

核心经济含义

1. 价格/收益本身无法区分两种信念体制：共同先验与分歧情形都产生时变收益与递减波动率
2. 交易量-波动率/报价关系是关键判别工具：分歧体制下争议性交易者的抛售导致高交易量但低报价变化，破坏了共同先验下的正相关性
3. 投机价值 W_i^t 随到期临近而递减：与 Harrison & Kreps (1978) 的转售期权理论一致

维度4：变量概览

Outcome变量

变量	定义	测量方式
持有者私人估值	当前持有资产的投资者私人估值 \mu_t	模拟生成
交易量	每轮发生交易的频率	二元变量聚合
报价 b_t	新进入者的 Bertrand 竞价	等于其保留价值
收益	b_{t+1} - b_t 或对数收益	报价差分
收益波动率	跨模拟的收益方差	横截面方差
争议性交易频率	低估值者从高估值者买入的频率	二元事件计数

Treatment变量（信念体制）

体制	描述
共同知识	\theta^* 已知，无学习
共同先验	\theta 未知但先验共享
分歧	先验异质

Control变量

• 私人估值分布参数 \theta^*（取 0.6, 0.8, 1.0）
• 交易轮数 T+1
• 风险中性 + 无折现
• Bertrand 竞争 + 相同估值的投资者对

Heterogeneity变量

• 投资者的先验分布参数（分歧体制下）
• 私人估值的随机抽取
• 信念形成规则 \phi_i（共同知识，但先验可异质）

维度5：局限性

1. 参数化依赖：结果依赖指数-逆 Gamma 参数化设定，作者认为定性结论稳健但未提供一般性证明
2. 模型简化程度高：Bertrand 竞争、相同估值的投资者对、单一不可分割资产、风险中性等假设大幅简化了分析
3. 分歧情形的设定偏倚：模型设定中高私人估值的投资者有更精确的一阶信念，使低估值投资者的转售期权相对更高，可能人为增加了争议性交易频率
4. 缺乏实证检验：仅提供理论与模拟结果，未用真实市场数据验证；作者建议通过实验室实验进行
5. 未考虑现实摩擦：未建模卖空约束、交易成本、信息成本、流动性提供等
6. 平均意见规则的认识论地位：E_i(\mu_j|\mu_i) = \mu_i 的假设虽然便于分析，但其行为基础（人们是否真的认为自己平均）有待心理学/实验验证
7. 二元投资者对的限制：每轮仅两位新进入者参与竞价，无法处理多元报价/做市商等更复杂的市场微观结构
8. 未微观化信念分歧来源：分歧体制下的异质先验为外生假设，未与过度自信、信号解读差异等行为机制连接

维度6：与其他文献的关系

直接对话文献

文献	对话关系
Keynes (1958) "选美比赛"	本文将其形式化为博弈论模型
Harsanyi (1967) "共同先验假设"	本文提出更弱的"共同知识信念规则"作为替代
Aumann (1976) "Agreeing to Disagree"	本文展示在先验分歧下如何产生交易
Harrison & Kreps (1978)	本文为异质信念下投机模型提供了信念形成的微观基础
Milgrom & Stokey (1981); Tirole (1982)	本文回应了"投机不可能性"结果，展示先验分歧下投机如何产生
Harris & Raviv (1993)	本文从信念层级而非直接假设分歧出发，得出类似的交易量产生机制
Shiller (1995)	引用其日美投资者调查作为分歧存在的经验证据

与 Xinwiki 内已有相关笔记的连接

• Martin_Papadimitriou_2022_Sentiment_Speculation_HeterogeneousBeliefs：异质信念下的投机机制
• Brunnermeier_2007_OptimalBeliefs_SkewedReturns：信念形成的微观基础

创新贡献

1. 方法论：弱化共同先验假设，使分歧模型保持可处理性
2. 概念：定义"争议性交易"作为分歧的可观测标志
3. 实证：提出交易量-波动率/报价关系作为区分共同先验与分歧的统计量
4. 理论：建立保留价值的鞅/下鞅性质与投机价值递减的理论基础

维度7：可拓展的研究方向

1. 实验室验证：在 SSW 类型的资产市场实验中操纵被试的信念体制（共同知识 vs 共同先验 vs 分歧），检验"交易量-波动率关系"作为判别工具的有效性
2. 真实市场数据检验：用高频市场数据（如美股、外汇、加密货币）估计交易量-报价/波动率回归，识别哪些资产、哪些时期更接近"分歧体制"
3. 争议性交易识别：开发基于订单簿/逐笔交易数据的"争议性交易"识别算法，研究其与市场异常（泡沫、崩盘）的关系
4. 微观化信念分歧：用过度自信（Scheinkman & Xiong 2003）、记忆偏差（Bordalo et al.）、信号解读异质性等行为机制内生化分歧来源
5. 风险厌恶扩展：将风险中性扩展为风险厌恶，研究投机价值与风险溢价的相互作用（如 Bernales et al. 2020 在艺术品市场中的处理）
6. 市场微观结构整合：嵌入连续双边拍卖、做市商、限价订单簿等更现实的交易机制
7. 多资产组合：从单一资产扩展为多资产，研究信念分歧如何影响相关性、组合权重与跨资产价格联动
8. 机器学习预测：用机器学习从交易量-报价模式中识别市场情绪/信念体制变化，构建实时投机指标
9. 危机/泡沫情境：在历史泡沫事件（如互联网泡沫、加密货币泡沫）中检验本文预测的争议性交易特征
10. 跨国比较：用 Shiller (1995) 风格的跨国调查 + 市场数据，检验不同金融市场分歧程度与本文预测统计量的对应关系

关键结论

1. 方法论新工具：通过"共同知识的信念形成规则"和"平均意见规则"，可在不假设共同先验的条件下处理无限信念层级，使分歧模型保持分析可处理性。
2. 保留价值的递推与下界：保留价值满足 r_i^t = E_i(\max[r_i^{t+1}, r_{(t+1)^*}^{t+1}] | H_t) \geq \mu_i，差额 W_i^t = r_i^t - \mu_i \geq 0 即为投机/转售期权价值。
3. 争议性交易的存在性：在分歧情形下，低估值投资者可能因高估转售期权价值而从高估值者手中买入资产；这在共同先验/共同知识下不会发生，是分歧体制的独有特征。
4. 价格/收益不可区分：仅凭价格水平、收益均值或波动率本身，无法区分共同先验与分歧体制——两者均产生时变收益与递减波动率。
5. 关键判别统计量：交易量与最优报价变化在共同先验下正相关、在分歧下呈倒 U 形；交易量与波动率在共同先验下显著正相关、在分歧下不显著。Table 2 的回归 t 统计量提供清晰的经验区分。
6. 理论意义：为 Keynes 选美比赛的投机机制提供形式化基础，回应 Milgrom-Stokey-Tirole 的不可能性结果，为后续异质信念资产定价研究奠定了方法论基础。