Risk Attitude, Beliefs Updating and the Information Content of Trades: An Experiment

元数据

• 作者: Christophe Bisiere, Jean-Paul Decamps, Stefano Lovo
• 年份: 2009 (Working Paper, May 2009)
• 机构: Toulouse School of Economics (IDEI); HEC School of Management, Paris
• 关键词: risk attitude, belief updating, information content, order flow, confirmation bias, underconfidence, market efficiency, herding, contrarian behavior
• JEL分类: (未明确标注)

一句话总结

通过设计"市场实验+彩票实验"的双格式范式，分离风险态度与非贝叶斯信念更新偏差对订单流信息含量的各自贡献，发现几乎不存在风险中性被试，且在强先验下出现确认偏差、弱先验下出现低度自信，二者共同决定了市场的信息效率。

研究问题

在序贯交易型金融市场中：(1) 投资者的风险态度（CARA/CRR、风险厌恶/中性/偏好）如何影响其使用私有信息的意愿，进而决定订单流的信息含量？(2) 投资者是否进行贝叶斯信念更新？若否，偏差（确认偏差、低度自信、过度自信）出现在哪些先验区域？(3) 在排除被试间互动与共同知识缺失的情况下，风险态度和信念更新偏差对市场信息效率的相对贡献如何？(4) 不可学习的内在不确定性 \tilde{\epsilon} 是否进一步抑制信息汇总？

核心贡献

1. 方法论创新：首创LE+ME双格式实验，LE消除了贝叶斯更新的认知负担（概率直接给出），ME保留完整决策环境。理性贝叶斯被试在两者中应做出相同选择；行为差异即为非贝叶斯更新的证据。这一设计使风险态度与信念更新偏差的识别得以分离。
2. 推翻风险中性假设：在227名被试中，0%可被分类为风险中性；63.85%符合CARA/CRR效用函数。这对Anderson and Holt (1997) 以来普遍假设风险中性的信息级联与市场效率实验文献提出根本性挑战。
3. 区分两类更新偏差的发生区域：确认偏差出现在强先验区，低度自信出现在弱先验区——为Rabin and Schrag (1999) 等理论模型提供了细粒度的实证验证。
4. 对市场效率的二义性结论：非贝叶斯更新在强先验下反而提升信息效率（修正风险厌恶导致的"沉默"），在弱先验下降低效率；不可学习风险成分 \tilde{\epsilon} 显著加剧信息阻滞。

维度1：实验设计分析

研究问题

投资者的风险态度和信念更新规则如何影响其对私有信息的使用，进而影响订单流的信息含量和市场信息效率？

实验任务详细流程

总体框架

实验采用两种等价但格式不同的形式进行，每位被试参与两种格式：

1. 市场实验 (Market Experiment, ME)

• 每轮被试面对一个风险资产，需决定买入、卖出或不交易
• 资产基本价值 \tilde{v}_\tau = \tilde{V}_\tau + \tilde{\epsilon}，其中 \tilde{V}_\tau \in \{4, 12\}，\tilde{\epsilon} \in \{-4, 4\}
• 交易价格固定为 P_\tau = \pi_\tau \cdot 12 + (1-\pi_\tau) \cdot 4（即条件期望值）
• 被试被告知先验概率 \pi_\tau（资产为"高"的概率）和交易价格 P_\tau
• 每位被试收到一个精度为 p=0.65 的私有信号 \tilde{s} \in \{h, l\}
• 策略方法 (Strategy Method)：被试在被告知信号之前，需为信号 h 和信号 l 分别声明交易决策
• 共17轮，对应17种不同的先验概率（信号失衡 g 从 -8 到 +8）

2. 彩票实验 (Lottery Experiment, LE)

• 与ME等价，但以彩票选择形式呈现
• 每轮被试面对两个菜单（对应信号 l 和 h），每个菜单包含三个选项：
  • Riskless Payment A：确定性支付12.0（对应"不交易"）
  • Lottery B：对应"卖出"的收益分布
  • Lottery C：对应"买入"的收益分布
• 三个选项的概率和收益明确给出，无需被试自行进行贝叶斯更新
• 共17轮（与ME相同的17种先验），每轮两个菜单，共34个选择
• 设计目的：理性贝叶斯被试在LE和ME中应做出完全相同的选择

3. 控制处理

• 简化市场实验 (SME)：与ME框架相同，但直接提供贝叶斯后验概率（而非先验+信号精度），用以检验框架效应
• 无不可学习风险处理 (NUR)：\epsilon = 0，移除不可学习的风险成分，用以检验内在不确定性的影响

参数设置

实施细节

• 地点：HEC Paris 和 Toulouse University
• 被试：227名本科金融课学生，无金融市场实验经验
• 每场人数：10-43人
• 场次：主处理5组(134人)，NUR 2组(42人)，SME 3组(50人)
• 流程：
  1. 实验员朗读书面指令
  2. 两次练习子场次（各含3个资产的交易）
  3. 问卷测试对规则的理解（14题，错误>3题的被试被排除）
  4. 正式实验（LE和ME的顺序在不同组间交替）
• 时长：约1.5小时
• 报酬：平均19.87欧元 + 课程加分；报酬基于随机选取的一轮结果（LE和ME各一轮）
• 有效观测：主处理4,132个，NUR 1,428个，SME 850个（排除5名被试后）
• 被试间无互动：被试之间不交流，不能观察彼此屏幕

关键设计特征

1. 双格式对比：LE消除了信念更新的影响（概率直接给出），ME需要被试自行整合信息，两者对比可分离风险态度和非贝叶斯更新的各自效应
2. 策略方法：收集所有信号实现下的条件决策，可直接观察信息含量
3. 包含不可学习风险成分 \tilde{\epsilon}：模拟现实中即使所有私有信息被汇总也无法消除的不确定性
4. 无被试间交互：排除对他人理性的共同知识缺乏作为偏离理论预测的解释

维度2：理论模型

基础模型

基于 Glosten and Milgrom (1985) 的离散时间序贯交易模型，扩展自 Decamps and Lovo (2006a)。

资产价值

• \tilde{V} \in \{\underline{V}, \overline{V}\}，\mathbb{P}(\tilde{V} = \overline{V}) = \frac{1}{2}
• \tilde{\epsilon} \in \{-\epsilon, +\epsilon\}，\mathbb{P}(\tilde{\epsilon} = \epsilon) = \frac{1}{2}
• \tilde{V} 和 \tilde{\epsilon} 独立分布

信号结构

交易者需求（关键公式）

其中 u 为效用函数（u' > 0，对 u'' 无限制，允许风险中性/厌恶/偏好）。

做市商定价

实验中简化为：P(Q) = \mathbb{E}[\tilde{v}|H_t]（买卖同价）。

公共信念

效用函数族

• CARA: U(x) = -\gamma e^{-\gamma x}
• CRR (常相对风险厌恶): U(x) = \frac{x^{(1+\alpha)}}{(1+\alpha)}

核心理论预测

Implication 1: 期望效用最大化者的条件交易策略关于 |g| 对称。

Implication 2: 通过观察不同先验水平下的条件交易策略，可以估计交易者的风险态度。风险中性者在所有先验水平下都选择 S-B 策略（跟随信号）。

Implication 3: 在由贝叶斯期望效用最大化者组成的经济中，公共信念越强，非信息性订单的比例越高，订单流信息含量越低。

Implication 4: 在贝叶斯交易者中，逆向行为 (contrarian) 与风险偏好相关，而羊群行为 (herding) 在 CARA/CRR 框架下不应出现。

Implication 5: 贝叶斯期望效用最大化者在ME和LE中的行为应完全相同。

非贝叶斯信念更新的检测方法

• 从LE中拟合被试的效用函数（CARA或CRR）和风险厌恶参数
• 利用该效用函数，反推ME中被试行为所隐含的后验信念 \hat{\pi}_i(g,s)
• 将 \hat{\pi}_i(g,s) 与贝叶斯后验比较，差异即为信念更新偏差
• Bayesian-score：34个后验信念中等于贝叶斯后验的比例（<0.75 定义为非贝叶斯）

维度3：核心发现

3.1 风险态度（LE结果）

关键发现：没有任何被试接近风险中性行为，这与信息级联文献中普遍假设风险中性形成尖锐对比。

• 对称性分数中位数 = 0.81（75%被试 > 0.57），基本符合理性对称性
• 63.85%的被试行为可由CARA或CRR效用函数解释至少75%的选择（匹配分中位数0.97）

3.2 信息性订单的比例

LE中信息性订单比例随先验强度呈U型：

Effect size：先验从中性到强正时，LE中信息性订单从52.31%骤降至20.54%（下降约61%）。

3.3 ME vs LE 行为差异

• 被试在LE和ME中仅42.64%的观测给出相同答案
• 仅27.69%的被试在至少75%的问题上给出相同回答
• Bhapkar边际同质性检验在所有 g 水平上均在1%水平拒绝格式无影响的假设
• ME中非贝叶斯更新的特征：
  • 强先验时：确认偏差 (confirmation bias)，高估与先验一致的信号
  • 弱先验时：低度自信 (underconfidence)，低估私有信号的信息量

3.4 羊群与逆向行为

• LE中逆向卖出 (S-S, 正先验下)：从中性先验的7.69%升至强正先验的20.31%
• LE中逆向买入 (B-B, 负先验下)：从中性先验的2.31%升至强负先验的14.96%
• 少量羊群行为：卖出羊群(S-S, 强负先验) 6.03%，买入羊群(B-B, 强正先验) 8.04%
• ME中羊群行为增加，逆向行为减少

3.5 市场信息效率（模拟结果）

• 模拟约5,000条虚拟交易历史，每条最多20轮
• 20轮后平均定价误差：
  • 主处理LE：30%（中位数25.14%）
  • 主处理ME：34%（中位数34.6%）
  • NUR处理LE：24.4%（中位数14.57%）
  • NUR处理ME：22%（中位数16.92%）
• 约8-15%的交易历史出现"错误方向"的信息级联（定价误差 > 70%）
• 非贝叶斯更新的效应具有二义性：弱先验时降低效率，强先验时提高效率
• 不可学习风险成分 \tilde{\epsilon} 的存在进一步降低信息效率

3.6 内在不确定性的影响（NUR vs 主处理）

• 移除 \tilde{\epsilon} 后，强先验下的信息性订单比例显著上升：
  • 强负先验LE：16.29% -> 34.52%（+18个百分点）
  • 强正先验LE：20.54% -> 36.31%（+16个百分点）
• NUR处理中羊群行为更为频繁

维度6：与其他文献的关系

所属领域

实验金融/市场微观结构与行为金融的交叉领域

理论基础

• Glosten and Milgrom (1985)：序贯交易模型的经典框架
• Decamps and Lovo (2006a,b)：风险厌恶下信息级联与市场效率的理论分析，本文实验的直接理论基础
• Avery and Zemsky (1998)：多维不确定性与金融市场羊群行为

与相关文献的比较

核心贡献

1. 方法论创新：设计双格式实验（LE+ME）以分离风险态度和信念更新偏差对交易行为的各自影响
2. 实证发现：推翻了风险中性假设在实验中的有效性（0%风险中性被试）
3. 确认偏差和低度自信的区分：发现确认偏差出现在强先验条件下，低度自信出现在弱先验条件下
4. 对市场效率的含义：风险厌恶和非贝叶斯更新共同降低订单流信息含量，但二者的交互效应复杂（非贝叶斯更新在强先验时可能反而提升效率）

局限性

• 被试为本科金融学生，外部有效性有限
• 无真实市场交互（策略方法下的个体决策）
• 模拟交易历史非真实序贯交易数据
• 约36%被试无法归类为CARA或CRR效用函数

后续研究方向

• 在真实市场设置中检验风险态度与信念更新偏差的交互
• 扩展到连续交易量选择（而非离散的买/卖/不交易）
• 与认知不确定性 (cognitive uncertainty) 文献的连接

维度4：变量概览

实验外生变量

关键被试层个体变量

因变量（行为层）

• 决策：买/卖/不交易 Q \in \{-1, 0, +1\}
• 条件策略：(信号l时决策, 信号h时决策) ∈ {SS, SN, SB, NN, NB, BB, ...} 9种
• 信息性订单比例：Q^*(\cdot, h) \neq Q^*(\cdot, l) 的比例

因变量（市场效率层，模拟）

• 20轮后定价误差 |P_{20} - \tilde{V}|/(\overline{V}-\underline{V})
• 出现"错误方向级联"的比例（定价误差 > 70%）

维度5：局限性

1. 被试群体：227名本科金融学生，缺乏真实交易经验，外部有效性受限——专业交易员可能表现出更强的贝叶斯更新或更接近风险中性的行为。
2. 无真实序贯交互：所有结果均通过策略方法收集个体在17种先验下的条件决策，再通过Monte Carlo模拟生成虚拟交易历史。真实序贯市场中可能存在情绪传染、注意力溢出等本实验无法捕捉的机制。
3. 效用函数族限制：仅拟合CARA和CRR两类，约36.15%被试无法归类。可能存在前景理论、参考点依赖等更复杂的偏好结构未被识别。
4. 先验\pi_t以17档离散给出：未能覆盖连续的先验空间；极端先验（接近0或1）的样本量有限。
5. 价格机制简化：买卖同价 P(Q) = \mathbb{E}[\tilde{v}|H_t]，未反映真实做市商的买卖价差与库存调整。
6. 二元离散决策：仅"买1单位/卖1单位/不交易"，未刻画连续交易量选择，可能遮蔽风险厌恶在量上的渐进调整。
7. 信号精度固定：p=0.65 单一水平，未检验信号精度变化对偏差的调节作用。
8. LE→ME的效用函数外推：从LE拟合的效用反推ME中的隐含信念，假设了风险偏好在两个格式中稳定，但被试可能因格式不同而调用不同的决策模式（system 1/2）。

维度6：与其他文献的关系（双链补充）

信念更新与确认偏差

• Charness_2017_ConfirmationBias_MotivatedBeliefs：动机性信念视角下的确认偏差，与本文的强先验确认偏差形成互补
• Klayman_1987_ConfirmationDisconfirmation：确认偏差的认知心理学基础
• Palminteri_2022_ConfirmationBias_ReinforcementLearning：强化学习框架下的确认偏差
• Rollwage_2020_Confidence_NeuralConfirmationBias：自信与确认偏差的神经基础
• Holt_2009_BayesianUpdating：贝叶斯更新的实验经济学综述

信息级联与市场微观结构

• Guarino_CommonPriors_EndogenousUncertainty：内生不确定性下的信念形成，与本文的不可学习风险讨论相关
• Hwang_2004_MarketStress_Herding：市场压力下的羊群行为
• Zheng_Tang_2021_Gender_Herding：羊群行为的个体异质性

自信与战略行为

• Fehr_Huck_2016_StrategicAwareness_CognitiveAbility：策略意识与认知能力，与本文的策略方法-非贝叶斯更新连接
• Huck_Szech_2017_MoreEffort_LessPay_OptimisticBeliefs：乐观信念的实验研究

维度7：可拓展的研究方向

1. 真实市场中的风险态度异质性：将本文方法迁移到真实交易员/散户样本（如使用经纪商数据 + 风险态度问卷），检验0%风险中性的发现是否在专业人群中成立。
2. 连续交易量决策：将Q从\{-1,0,+1\}扩展到连续区间，刻画风险厌恶与信念偏差在交易量边际上的相互作用。
3. 学习与时间动态：本文每轮独立，未涉及时间序列上的学习。可设计多期实验，让被试经历资产价值的反复揭示，观察确认偏差/低度自信的演化。
4. 认知不确定性 (cognitive uncertainty) 中介：Enke-Graeber框架下，被试可能在LE和ME中感知到不同程度的认知不确定性，进而调用不同的启发式。可加入主观置信度测量。
5. 神经基础：结合fMRI或眼动追踪，检验确认偏差/低度自信是否对应于不同的神经活动模式（与Rollwage 2020对接）。
6. 机器学习与算法交易者的对照：在同一虚拟市场中加入贝叶斯算法对手，观察人类被试是否能学习并校正自身偏差。
7. 政策含义：监管层在"市场状态指标"披露上的设计——若强先验确认偏差稳健存在，过强的舆论引导可能加剧信息阻滞。
8. 跨文化比较：本文样本来自法国，确认偏差/低度自信的强度可能因文化不同而异（与中国散户为主的市场对比）。

标签

#实验金融 #风险态度 #信念更新 #确认偏差 #低度自信 #信息级联 #市场效率 #羊群行为 #逆向行为 #策略方法 #贝叶斯更新

关键结论

1. 风险中性假设在实验金融中失效：227名被试中无任何人接近风险中性，63.85%可被CARA或CRR效用函数解释。这一事实直接质疑了Anderson and Holt (1997) 以来信息级联实验文献的理论根基。
2. 风险态度本身降低订单流信息含量：在LE中（不存在信念更新负担），信息性订单比例从中性先验的52.31%骤降至强正先验的20.54%，证明仅风险态度即可显著阻碍信息汇总。
3. 非贝叶斯更新的双向偏差及其先验依赖：强先验区出现确认偏差（高估同向信号），弱先验区出现低度自信（低估私有信号）；二者的边界由先验强度内生决定。
4. 市场效率的非单调影响：非贝叶斯更新在弱先验时降低效率（被试不充分使用信息），在强先验时反而提升效率（确认偏差抵消风险厌恶导致的"沉默"），20轮模拟交易后的平均定价误差为30%-34%。
5. 不可学习风险显著恶化信息汇总：移除 \tilde{\epsilon} 后强先验下信息性订单比例上升约16-18个百分点；现实中无法消除的内在不确定性是信息阻滞的关键放大器。