我的笔记

Durand_2013_Overconfidence_Overreaction_Personality

更新于 2026/7/5

Overconfidence, Overreaction and Personality

基本信息

  • 作者: Robert Durand, Rick Newby, Kevin Tant, Sirimon Trepongkaruna
  • 年份: 2013
  • 期刊: Review of Behavioral Finance, Vol. 5, No. 2, pp. 104-133
  • DOI: 10.1108/RBF-07-2012-0011
  • JEL分类: G02
  • 关键词: Behavioural finance, Jackson's personality inventory, Norman's "Big Five", Overreaction, Psychological gender
  • 论文类型: Research paper

一句话总结

通过 61 名学生在 13 周互动模拟外汇市场中实时交易，结合 Big Five (NEO-FFI) + Bem 心理性别 + Jackson 人格量表，证明过度自信 (用 bid-ask spread / 交易频率 / 大额交易代理) 与过度反应 (新闻 1 分钟内价格反应) 系统地与可测量的人格特质相关，为行为金融学提供"自下而上"的人格起源。

研究问题

  1. 个体人格特质能否预测外汇交易者的过度自信和过度反应行为？——而不是用价格异象反推心理机制
  2. 哪些人格维度 (Big Five + masculinity/femininity + risk-taking + innovation) 最稳定地驱动金融行为？
  3. 不同代理变量 (bid-ask spread / number of trades / large trades) 是否捕捉过度自信的同一构念，还是不同侧面？
  4. 好消息 vs 坏消息的过度反应是否由不同人格特质驱动？

核心贡献

  1. 方法论反转："自下而上"路径——先系统测量人格再观察其对交易的影响，与传统行为金融学"从价格反推心理"的"自上而下"路径互补
  2. 互动模拟外汇市场：61 名学生分三人组 (dealer/position keeper/risk manager)，13 周课程内实时双边报价 (bid/ask, AUD 10m 标准量)，新闻发布触发价格调整——介于纯实验和田野研究之间
  3. 多层次激励兼容：交易报告 25% + 银行盈利 5% 计入成绩，零头寸结算违反罚 300 基点
  4. 多维人格测量：NEO-FFI (60 题 Big Five) + Bem 量表 (30 题心理性别) + Jackson 量表 (innovation, risk-taking)，共 7 个核心维度
  5. 元分析框架：综合 Durand-Newby-Sanghani 系列三篇研究的 34 项分析，按显著次数排序得出后验人格-行为重要性图谱
  6. 关键实证发现：风险偏好 (17 次) > 消极情绪/外向性 (各 14 次) > 男性气质 (12 次) > 创新偏好/尽责性 (各 11 次)，作为后续假设生成的基础

维度1：实验设计分析

实验设计

  • 类型: 模拟外汇交易市场实验（interactive-simulated foreign exchange market）
  • 被试: 61名学生被试（来自澳大利亚一所Go8大学），注册13周外汇交易相关课程，2010年第二学期进行
  • 被试特征: 51%男性（30人），97%亚洲文化背景（59人）
  • 实验环境: 每位被试作为银行交易员（dealer），在三人团队中参与实时交易，团队包含交易员、头寸管理员（position keeper）和风险经理（risk manager）三个角色
  • 交易机制: 被试需在屏幕上始终显示买卖两个价格（bid/ask），标准交易量为AUD 10m；超过$10m的交易需协商；所有交易在"实时"价格发现过程中完成
  • 新闻刺激: 实验期间通过屏幕发布经济新闻事件，部分与汇率相关（经济数据），部分为干扰信息（体育、人文事件）
  • 激励机制: 交易报告占总成绩25%；银行盈利能力的5%计入被试评估；零头寸结算要求，否则罚300基点

人格测量工具

  1. NEO-FFI（Costa & McRae, 1992）：Norman (1963) "Big Five"人格量表的简版，测量negative emotion、extraversion、openness to experience、agreeableness、conscientiousness，60题（每维度12题），5点Likert量表
  2. Bem性别角色量表（Bem, 1994）：30题测量心理性别（masculinity和femininity）
  3. Jackson人格量表（Jackson, 1976）：测量preference for innovation和risk-taking propensity

因变量（过度自信代理指标）

  1. Bid-ask spread：每位交易者的平均买卖价差（越窄越自信）；均值=0.000980
  2. Number of transactions：交易次数；均值=73
  3. Transactions > $10m：超过$10m的交易次数；均值=17

因变量（过度反应指标）

  • 新闻发布后1分钟内观察被试价格反应，与市场均值（mean）或中位数（median）比较
  • 高于基准=过度反应（编码1），低于基准=反应不足（编码0）
  • 区分好消息和坏消息的过度反应倾向
  • 标准化为比率（x/n），取值0-1

回归方法

  • Tobit回归：用于bid-ask spread和transactions > $10m（因变量有截断）；使用quasi-maximum likelihood标准误（异方差稳健）
  • OLS回归：用于number of transactions；White异方差调整p值
  • 逐步回归（stepwise regression）：向后剔除法，保留p < 0.10的变量；通过AIC与次优模型比较确认最优模型
  • 加入session虚拟变量控制不同交易场景效应

维度2：理论模型

核心理论命题

本文的核心论点是：人格特质是投资者行为的根本驱动力（personality is the wellspring of investors' behavior）。不同于传统行为金融学从价格模式推断心理学机制的"自上而下"路径，本文采用"自下而上"的路径：先系统测量投资者的人格特质，再观察这些特质如何与交易行为（过度自信和过度反应）相关联。

理论脉络

  1. 行为金融学的局限：传统行为金融学聚焦于解释市场中的价格异象（如动量、处置效应），但对设定价格的个体关注不足。价格是个体决策的聚合结果，而个体的人格影响其决策。
  2. 人格与投资的关联（DNS/DNPS框架）：
    • Durand et al. (2008, DNS) 首次发现21位真实澳大利亚投资者的人格特质与投资决策和业绩相关
    • Durand et al. (2013, DNPS) 用115名学生被试复制并扩展了DNS的发现，确认人格与处置效应、可得性启发式相关
    • 本文进一步扩展至过度自信和过度反应领域
  3. "拍卖"解释（auction interpretation）：具有特定人格特质的投资者是具有这些特质的证券的边际定价者（marginal price setters），这比"了解客户更好"（Dear Abby解释）更为深刻
  4. 过度自信的操作化：遵循Barber & Odean (2001)，过度自信表现为过度交易（excessive trading），以三个代理变量捕捉
  5. 过度反应的理论基础：De Bondt & Thaler (1985)以来的过度/不足反应文献，Jegadeesh & Titman (2001)用过度反应解释动量

后验理论建构（A Posteriori Theories）

  • 文章明确指出，三项研究（DNS、DNPS和本文）均未事先提出关于具体人格特质如何影响投资的假设
  • 而是通过34项分析的元分析，归纳出后验理论框架
  • 人格特质按重要性排序：risk-taking propensity（17次显著）> negative emotion = extraversion（14次）> masculinity（12次）> preference for innovation（11次）> conscientiousness（11次）> agreeableness = femininity（7次）> openness to experience（5次）

维度3：核心发现

过度自信与人格（Table IV）

Bid-ask spread（Tobit回归）：

变量 系数 z统计量 p值 方向解读
Extraversion -0.000012 -1.69 0.0907 外向性越高 -> spread越窄 -> 越自信
Agreeableness +0.000014 1.78 0.0758 宜人性越高 -> spread越宽 -> 越不自信
Masculinity +0.000008 1.76 0.0790 男性气质越高 -> spread越宽 -> 越不自信

Number of transactions（OLS回归）：

变量 系数 t统计量 p值
Negative emotion 3.288859 2.87 0.0101
Conscientiousness 3.478960 2.64 0.0108
Preference for innovation -3.331258 -2.81 0.0070
Risk-taking propensity 2.392784 1.87 0.0662
  • R-squared = 0.3036, Adjusted R-squared = 0.2262

Transactions > $10m（Tobit回归）：

变量 系数 z统计量 p值
Agreeableness 1.167496 2.43 0.0153
Conscientiousness -1.449318 -2.43 0.0151
Masculinity 0.522408 1.78 0.0755
Preference for innovation 0.624332 1.90 0.0576

过度反应与人格（Table VI，Tobit回归）

Overall overreaction（基准=平均反应）：

变量 系数 z统计量 p值
Extraversion -0.005253 -1.91 0.0558
Agreeableness +0.005358 1.98 0.0473

Bad news overreaction（基准=平均反应）：

变量 系数 z统计量 p值
Risk-taking propensity -0.040847 -1.85 0.0641

Overall overreaction（基准=中位数反应）：

变量 系数 z统计量 p值
Extraversion -0.003537 -1.91 0.0559

Good news overreaction（基准=中位数反应）：

变量 系数 z统计量 p值
Openness to experience 0.012223 1.74 0.0825
Preference for innovation -0.012132 -1.83 0.0677

Bad news overreaction（基准=中位数反应）：

变量 系数 z统计量 p值
Risk-taking propensity -0.018332 -2.33 0.0196

关键发现总结

  1. 外向性与过度自信正相关：更外向的投资者设定更窄的bid-ask spread（系数为负），且更不容易过度反应
  2. 宜人性与过度自信负相关：宜人性更高 -> 更宽的spread（更不自信），但更可能过度反应（可能因为宜人性高的人倾向于顺从市场共识）
  3. 消极情绪与交易频率正相关：神经质投资者交易更频繁，可能通过交易缓解心理不适
  4. 尽责性促进交易频率但降低大额交易：可能反映实验设计中学生被试的特殊行为
  5. 创新偏好降低交易次数但增加大额交易：寻求信息、适应变化的能力与更理性的自我评估相关（即更少过度自信）
  6. 风险偏好降低对坏消息的过度反应：不愿承诺于可能导致成功或失败的决策的人更可能对坏消息过度反应

元分析结果（Table VII，跨DNS、DNPS和本文的34项分析）

  • 按显著出现次数排序的人格特质重要性：
    • Risk-taking propensity: 17次显著（最重要）
    • Negative emotion: 14次
    • Extraversion: 14次
    • Masculinity: 12次
    • Preference for innovation: 11次
    • Conscientiousness: 11次
    • Agreeableness: 7次
    • Femininity: 7次
    • Openness to experience: 5次

维度6：与其他文献的关系

在行为金融学中的位置

本文属于人格与金融决策这一新兴研究领域，是Durand及合作者系列研究的第三篇：

  1. Durand et al. (2008, DNS) -- 真实投资者，人格与投资决策/业绩
  2. Durand et al. (2013, DNPS) -- 学生被试，人格与处置效应/可得性启发式
  3. 本文 -- 学生被试，人格与过度自信/过度反应（实验市场）

核心贡献

  1. 方法论创新：不同于典型行为金融学论文"从价格模式推断心理"的路径，本文"从个体人格出发预测行为"，将行为金融学的焦点重新聚焦于设定价格的个体
  2. 扩展行为偏差的人格基础：首次将过度自信和过度反应与系统性人格特质测量联系起来
  3. 元分析框架：综合三项研究的34项分析，提供了人格特质与金融行为关联的后验理论基础
  4. 实验设计特色：使用互动式模拟外汇市场，介于纯实验和临床研究之间，价格由被试实时交互产生

与相关文献的对话

文献 关系
Barber & Odean (2001) 采用其"过度交易=过度自信"的操作化定义；关于masculinity与过度自信的发现部分一致
De Bondt & Thaler (1985) 过度反应假说的理论来源
Jegadeesh & Titman (2001) 过度反应解释动量的理论基础
Grinblatt & Han (2005) 处置效应与动量的联系，DNPS扩展至人格维度
Peterson (2010) 神经金融学中外向性与奖赏寻求、神经质与损失回避的发现
Costa & McRae (1992) Big Five人格测量工具来源

局限性

  1. 样本量小（n=61），限制了统计功效和亚组分析（如性别、文化背景）
  2. 样本同质性高：97%亚洲文化背景，限制了外部效度
  3. 学生被试：可能不代表真实市场参与者的行为
  4. 未提出先验假设：所有人格-行为关系均为后验发现，缺乏理论预测
  5. 过度自信的三个代理指标之间缺乏正相关，提示它们可能捕捉了不同的构念
  6. 逐步回归方法的统计问题（过拟合风险、多重比较）

维度4：变量概览

自变量 (人格特质)

维度 量表来源 题数 定义
Negative emotion (Neuroticism) NEO-FFI 12 焦虑、易怒、抑郁、自我意识
Extraversion NEO-FFI 12 社交性、活动水平、积极情绪
Openness to experience NEO-FFI 12 想象力、智识好奇
Agreeableness NEO-FFI 12 信任、利他、合作
Conscientiousness NEO-FFI 12 自律、责任、有序
Masculinity Bem (1994) 部分 心理性别中的工具性维度
Femininity Bem (1994) 部分 心理性别中的表达性维度
Risk-taking propensity Jackson (1976) – 偏好不确定结果
Preference for innovation Jackson (1976) – 偏好新奇 / 创新

因变量 - 过度自信代理

变量 测量 均值 解读
Bid-ask spread 平均买卖价差 0.000980 越窄越自信
Number of transactions 总交易笔数 73 越多越自信 (Barber-Odean 操作化)
Transactions > $10m 大额交易笔数 17 越多越自信

因变量 - 过度反应

  • 测量窗口：新闻发布后 1 分钟内的价格反应
  • 基准：与市场均值或中位数比较
  • 编码：高于基准 = 1 (过度反应)，低于 = 0 (反应不足)
  • 细分：好消息 / 坏消息 / 全部消息
  • 标准化：x/n 比率 ∈ [0,1]

控制变量

  • Session 虚拟变量 (不同交易场景)
  • 性别（51% 男性）、文化背景（97% 亚洲）

估计方法

  • Tobit 回归：bid-ask spread, transactions > $10m, 过度反应比率（截断因变量）
  • OLS + White 异方差：number of transactions
  • Stepwise backward：保留 p < 0.10 变量；AIC 比较验证最优模型
  • 元分析：跨 DNS、DNPS、本文 34 项分析，按显著次数排名

实验执行参数

  • N = 61，澳洲 Go8 大学，2010 年第二学期
  • 三人团队结构 (dealer / position keeper / risk manager)
  • 13 周外汇课程
  • AUD 10m 标准交易量
  • 实时新闻干预 (经济数据 + 体育/人文干扰信息)

维度5：局限性

  1. 样本量小 (n=61)：限制统计功效，亚组分析 (性别 × 文化) 不可行；逐步回归 + 多重比较显著性可能虚高
  2. 样本同质性极高 (97% 亚洲文化背景, 学生)：人格-行为关系可能不可外推到职业交易员、不同文化群体
  3. 学生被试：实验 stakes (课程成绩) 与真实交易员的财务激励差异巨大
  4. 未提出先验假设：所有人格-行为关系均为后验发现，本质是探索性研究——元分析虽给出排序，但无法控制 family-wise error rate
  5. 过度自信代理变量间相关性弱：bid-ask spread / transactions / large trades 三者未呈一致模式，提示它们可能测量不同构念
  6. 过度反应基准争议：使用市场均值/中位数为基准，受样本内组成内生影响
  7. 逐步回归方法学问题：变量选择不稳定、p 值偏小、过拟合风险
  8. 未测量信念：仅测人格 + 行为，未测被试对汇率的实际信念，无法分离"过度自信"vs"信息处理偏差"
  9. 新闻反应窗口短 (1 分钟)：可能仅捕捉初始反应，未覆盖 reversal 等长期模式
  10. 三人团队互动混淆个体效应：dealer 行为受同组队员影响，但分析未控制团队固定效应
  11. 人格测量的稳定性假设：在课程开始时一次性测量，假定人格在 13 周内稳定
  12. 未包含金融素养、智力等控制变量：可能与人格相关，造成共线性

维度7：可拓展的研究方向

  1. 更大样本 + 真实交易员：在职业 FX 交易员中重做，测试人格-行为关系的鲁棒性，连接 Hoffmann_2010_BehavioralPortfolio_IndividualInvestors
  2. 人格 × 信念测量结合：在交易实验中加入信念引出 (subjective probability of price moves)，分离人格→信念→行为的两步链条
  3. 预注册 + 假设驱动：用本文元分析得出的人格排序作为先验假设，在新样本上做预注册研究——风险偏好、消极情绪、外向性的预测力
  4. 实验市场扩展：将设计移植到股票、债券、加密资产市场，看人格效应是否资产类别独立
  5. 机器学习预测：用 NEO-FFI 完整 240 题预测交易行为，识别非线性 + 交互效应
  6. 过度自信构念分解：用因子分析整合 bid-ask spread / 交易频率 / 大额交易 + 信念校准误差，识别过度自信的潜在维度，连接 Bregu_2020_Overconfidence_Overtrading_Feedback、Hoffmann_2016_InvestorConfidence_Trading
  7. 跨文化比较：在欧美样本上重做，检验"亚洲文化背景 × 风险偏好"的交互效应
  8. 神经金融对接：fMRI 测量交易决策时的脑活动，验证 Peterson (2010) 关于外向性-奖赏寻求、神经质-损失回避的发现
  9. 人格-市场结果：聚合人格分布预测市场层面变量 (volatility, volume)，连接 Adam_Marcet_2016_StockMarketVolatility_Learning
  10. 学习效应：13 周课程内测量人格-行为关系是否随经验衰减，引入反馈干预
  11. 性别-人格交互：扩大样本测试 Barber-Odean (Barber_Odean_BoysWillBeBoys_Gender_Overconfidence) 的男性过度自信发现是由生理性别还是心理 masculinity 驱动
  12. 人格 × 情绪交互：将人格 (trait) 与即时情绪 (state) 结合，测试两者对过度反应的独立和交互效应，连接 Dickinson_2022_PoliticalIdeology_ConfirmationBias 中的情绪机制
  13. 结构估计：将人格作为参数放入投资者偏好/信念模型 (e.g., 风险厌恶 γ_i = f(personality_i))，估计人格的边际经济价值
  14. 干预实验：基于人格类型设计差异化的"去偏"训练，测试效果异质性
  15. 真实金融业绩对接：跟踪学生毕业后职业 FX 交易表现，验证实验测得的人格-行为关系预测长期 P&L
  16. 人格与算法交易交互：人类交易员的人格如何影响其与算法的协作决策，连接 EvenTov_Lourie_2025_AI_RetailInvestorBehavior、Bianchi_2026_HumanRobot_InvestmentDecisions

标签

#overconfidence #overreaction #personality #BigFive #experimental_market #foreign_exchange #behavioral_finance #meta_analysis #individual_differences #trading_behavior

关键结论

  1. 人格是投资者行为的"源头"：systematic 测量的 Big Five + 心理性别 + risk-taking + innovation 在 61 名学生 FX 交易实验中显著预测过度自信和过度反应代理
  2. 外向性 → 更窄 spread (更自信) + 更少过度反应：外向交易员设定更激进价差且对新闻反应更克制
  3. 宜人性 → 更宽 spread (更不自信) + 更可能过度反应：宜人性高者倾向于顺从市场共识
  4. 消极情绪 → 更频繁交易：神经质投资者通过交易缓解心理不适，与"用交易调节情绪"的心理机制一致
  5. 创新偏好 → 更少交易次数 + 更多大额交易：寻求信息、适应变化的能力与更理性的自我评估相关
  6. 风险偏好 → 降低对坏消息的过度反应：愿意承担风险者对负面信号反应更稳
  7. 元分析排序 (跨 34 项)：风险偏好 (17 次) > 消极情绪/外向性 (各 14 次) > 男性气质 (12 次) > 创新偏好/尽责性 (各 11 次) — 为后续 hypothesis-driven 研究提供路线图
  8. 方法论意义：把行为金融学焦点从"价格异象"重新拉回"设定价格的个体"，并示范 individual differences 路径在金融实验中的可行性
  9. 过度自信代理变量分歧：bid-ask spread / 交易频率 / 大额交易未呈一致人格关联，提示"过度自信"是多维构念
  10. 未提出先验假设是局限也是诚实：本文 + DNS + DNPS 三研究均为探索性，结果需在预注册研究中复制

🔗 链接到这篇笔记