Mind the Gap: Investor Beliefs vs. Trading Actions

基本信息

作者: Daniel Grosshans (University of Zurich; University of Basel) & Stefan Zeisberger (University of Zurich; Radboud University)
年份: 2025 (December 10, 2025)
期刊/状态: Working Paper
JEL: G11, G17, G41
关键词: use of beliefs, forecasting, trading behavior, behavioral finance, experimental finance
预注册: https://aspredicted.org/2V6_MVH

一句话总结

通过同时引出投资者的概率信念和交易决策，本文识别出一个独立于"信念形成偏差"和"风险偏好变化"的第三种行为渠道——信念使用不一致性（belief-use inconsistency）：投资者在卖出决策（尤其是面临账面亏损时）按自身信念行事的程度显著低于买入决策；客观贝叶斯条件证明这不是信念形成误差的副产物，而自动卖出干预则证明消除主动卖出决策可以恢复一致性并显著改善交易表现。

研究问题

现象层面：投资者的实际交易行为是否与其自身报告的信念一致？如果不一致，这种缺口在买入决策与卖出决策之间是否存在系统性非对称？
机制层面：如果存在信念-行为缺口，是源自(a) 有偏的信念形成（如亏损时的乐观偏差）、(b) 风险偏好的内生变化（如累计盈亏改变风险承受度）、还是(c) 一个独立的"信念使用一致性"渠道？
因果识别：能否设计干预直接因果地证明，主动卖出决策本身是导致信念-行为不一致的根源？
表现后果：信念使用不一致性对实际投资表现的损失有多大？相对于风险偏好变化的影响是更大还是更小？

核心贡献

方法论创新：在同一期内同时引出每个被试的概率信念和交易决策，开辟了在决策层面（而非组合层面）直接度量"信念-行为缺口"的范式；并使用基于 McFadden (1981) 和 Woodford (2020) 的概率选择框架将风险偏好（阈值 m）与信念使用一致性（斜率 β）严格分离，避免将偏好异质性误认为行为偏差。
识别新的行为渠道：信念使用不一致性是一个独立于有偏信念形成（被 Bayes 条件排除）和风险偏好动态变化（被个体固定效应和累计盈亏控制变量吸收）的第三种渠道，为处置效应、Akepanidtaworn et al. (2023) 的"卖得太快、买得太慢"等现象提供了补充性解释。
精确定位非对称性：在 587 名被试的预注册实验中证明——(a) 卖方信念一致性约为买方的一半；(b) 面临 paper loss 的卖方一致性进一步降低（10 ECU 亏损下降约25%）；(c) 76%被试个体级别确认这一模式；(d) 信念误差在买/卖、盈/亏间无显著差异，排除信念形成偏差解释。
干预的因果证据：AutoSell 条件证明，仅仅消除主动卖出决策，就能将信念使用一致性恢复到买方水平、消除买卖之间的利润差距、消除风险偏好对表现的负面影响——为投资决策架构（choice architecture）设计（如自动再平衡、目标日期基金、规则化平仓）提供了直接的因果证据。
量化表现损失：分解框架显示——买方表现损失约22%（全部归因于信念不一致）；亏损卖方损失约57%（信念不一致的影响约为其他所有决策类型之和的两倍）；信念不一致是投资业绩损失的主导渠道。

维度1：实验设计分析

实验任务详细流程

本文包含三个实验条件（between-subjects设计），587名被试随机分配至其中之一。所有条件同时进行，被试来自同一学术群体。

条件1：Baseline（基线条件，N=327）

第一阶段：指导语与理解测试

被试在线阅读详细书面指导语，了解自己扮演交易者角色，通过交易赚取真实报酬。
指导语详细解释：(1) 资产价格变动机制——资产处于"好状态"（good state）或"坏状态"（bad state），好状态下价格上涨概率75%、下跌概率25%，坏状态相反；(2) 状态转换机制——每期有15%概率切换状态，85%概率保持不变；(3) 价格变动幅度——确定涨跌方向后，变动幅度为2、4或6 ECU（等概率）；(4) 初始价格125 ECU，初始禀赋200 ECU。
被试必须正确回答5道理解测试题才能进入正式实验。测试题包括：状态转换概率（15%）、初始状态（等概率好/坏）、价格变动幅度比较（相同）、以及两道关于最佳概率估计方向的问题（好状态时50%-65%之间，坏状态时35%-50%之间）。

第二阶段：练习轮（5个trial periods）

被试进行5轮练习，熟悉交易环境。
练习轮展示价格走势图、现金账户、持仓盈亏信息。
练习轮不影响报酬。

第三阶段：正式交易（40个periods）

每一期，被试面对的界面（见Figure 10截图）包含以下信息：
- 顶部：当前期数（如"Period 20"）
- 资产当前价格（如"141 ECU"）
- 当前持仓盈亏状态（如"Your current position is at a gain: 4 ECU"）
- 现金余额（如"Cash: 65 ECU"）
- 若持有资产：显示"SELL"按钮；若未持有：显示"BUY"按钮
- 中部：资产价格历史走势图（Asset Price Development），横轴为period（0-40），纵轴为Price in ECU
- 下部：信念引出——一个滑动条（slider），问题为"What do you think is the probability that the asset price will increase from now to the next period?"，刻度范围35%-65%
- "Next"按钮（仅在提交概率估计后激活）
- 底部链接可重新查看指导语
每期操作流程：
1. 观察当前价格、盈亏、走势图
2. 做出交易决策：点击Buy/Sell按钮（按钮点击后变为深灰色表示激活；可再次点击取消）；也可选择不交易
3. 在滑动条上报告价格上涨概率估计（35%-65%范围）
4. 点击"Next"进入下一期
约束条件：最多持有1单位资产，不允许卖空；可以借贷（现金余额可为负）。
每位被试面对独立随机生成的价格路径，避免路径依赖效应。

第四阶段：实验结束与问卷

完成40期交易后，填写事后问卷：社会人口统计特征、风险偏好、金融与统计素养、对交易表现的满意度。
显示最终收益界面（见Figure 11截图）：交易游戏总收益（ECU转换为EUR）、随机抽取的预测奖励期、该期预测值与真实概率、预测误差及对应奖励、总收益。

条件2：Objective Bayesian / Bayes（客观贝叶斯条件，N=110）

与基线条件几乎完全相同，唯一区别：被试不需要自行估计价格上涨概率，而是在每期被直接告知客观贝叶斯概率。
指导语中相关页面替换为："There is always an objective, best estimate for the probability of a price increase. This objective, best estimate will be displayed to you in each trading period."
此条件的目的是消除信念形成中的误差，隔离信念使用一致性（belief-use consistency）。
被试仍需做出交易决策，但不再需要报告概率估计，因此无预测奖励。

条件3：Automated Selling / AutoSell（自动卖出条件，N=121）

与基线条件几乎完全相同，关键区别：每期开始时，被试的资产持仓被自动清算（如果上一期买了资产，本期开始自动卖出，盈亏计入现金）。
因此被试每期只需做出"买"或"不买"的决策，无需主动做卖出决策。
被试仍需报告价格上涨概率估计。
指导语额外说明："If you bought the asset in one period, it will be automatically sold after your gains or losses for this period are added or deducted from your cash. If you want to continue investing in the asset, you have to buy it again in each period."
此条件的目的是消除主动卖出决策的需要，检验是否是卖出行为本身导致了信念-行为不一致。

其他实验设计要素

实验类型：线上实验（online），被试在笔记本电脑上独立完成。

Treatment设计：3个between-subjects条件：(1) Baseline（基线）；(2) Bayes（客观概率）；(3) AutoSell（自动卖出）。被试随机分配。

随机化：

被试随机分配到三个条件之一
每位被试面对独立随机生成的价格路径（避免跨个体的路径依赖混淆）
初始状态（好/坏）等概率随机

观测变量：

因变量：投资决策 INV_{i,t}（二元变量：是否持有/买入资产）
核心自变量：BELIEF_{i,t}（主观价格上涨概率估计）
控制变量：INV_{i,t-1}（上期是否持有）、|GAININV+|和|GAININV-|（当前持仓累计盈/亏绝对值）、GAINTOT（总累计收益）、个体固定效应
关键交互项：BELIEF * INV_{t-1}（捕捉买/卖决策的信念一致性差异）、BELIEF * |GAININV-|（捕捉亏损时的信念一致性）

因果识别策略：

概率选择框架（logistic random utility model）区分风险偏好（location parameter m = -alpha/beta）与信念使用一致性（slope parameter beta）
个体固定效应吸收跨个体偏好异质性
时变控制变量（累计盈亏、总收益）吸收风险偏好随时间的变化
Bayes条件消除信念形成噪声
AutoSell条件消除主动卖出决策

样本量：

总共587人参与，排除每个条件中最快/最慢2.5%后，最终样本558人
Baseline: 327人（13,080观测值）
Bayes: 110人（4,400观测值）
AutoSell: 121人（4,840观测值）
个体水平分析子样本：176人（至少5次买方、5次盈利卖方、5次亏损卖方观测）

被试特征：荷兰一所大型公立研究型大学的高年级本科生（二年级及以上），经济学或商科背景，60.5%男性，中位年龄20岁。

激励机制：

两部分收益：(1) 交易游戏最终财富（200 ECU初始禀赋 + 交易盈亏）；(2) 概率估计准确性奖励（随机抽取1期，根据与贝叶斯基准的偏差：<1pp得EUR 3，1-3pp得EUR 2，3-5pp得EUR 1，5-10pp得EUR 0，>10pp扣EUR 1）
换算率：20 ECU = 1 EUR
实际收益范围：EUR 6.00 - EUR 16.80，平均EUR 10.62
等效时薪：EUR 28.76（约USD 33.65），约为实验研究典型报酬的两倍
中位完成时间：22分15秒
支付方式：实验后5天内银行转账

设计亮点：

同时引出信念和交易决策：在每一期内同时记录被试的概率估计和投资选择，允许在决策层面直接观察信念-行为缺口
概率选择框架：巧妙地将风险偏好（阈值位置m）与信念使用一致性（斜率beta）分离，避免将偏好异质性误认为行为偏差
三条件设计形成完整因果链：Bayes条件排除信念形成噪声，AutoSell条件排除卖出决策本身的影响
个体化价格路径：每个被试面对不同随机价格序列，消除共同冲击的混淆
预注册：假设和实验设计均预先注册

局限性：

被试为大学生（非真实投资者），外部效度受限
单一风险资产、无多资产组合选择
40期的短时间跨度，无法观察长期动态
在线实验环境可能与真实市场交易体验差异较大
资产回报过程的可预测性是人为设定的，真实市场不完全可比
AutoSell条件虽然消除了卖出决策，但也改变了决策框架（每期都是"买"决策），可能引入其他效应

维度2：理论模型

基准理论

标准资产组合选择理论：投资者基于(1)对未来回报的信念和(2)风险偏好做出交易决策。对于给定的信念和偏好，投资者应一致地将信念转化为行动——当信念超过某个由风险偏好决定的阈值时投资，否则不投资。

概率选择框架（Probabilistic Choice Framework）：

基于McFadden (1981)的线性可加随机效用模型和Woodford (2020)的感知噪声模型
投资概率建模为信念的logistic函数：

p(INV|BELIEF) = \frac{1}{1 + \exp(-(α + β \times BELIEF))}

阈值 m = -α/β：投资者无差异点（p(INV|m) = 0.5），反映风险偏好。风险中性意味着m = 0.5
斜率 β：信念使用一致性（belief-use consistency），β越大表示行为对信念越敏感。β→∞对应完全一致的确定性阈值规则

行为偏差的形式化

信念-行为缺口（Belief-Action Gap）：

定义：投资者的交易决策偏离其自身信念所隐含的最优行为
操作化：在概率选择框架中，β的下降表示信念使用一致性降低
核心发现的形式化：卖出决策（INV_{t-1}=1时）的β显著低于买入决策（INV_{t-1}=0时），且面临paper loss时β进一步下降

与处置效应的区分：

处置效应通常被归因于：前景理论偏好（Shefrin & Statman, 1985）、实现效用（Barberis & Xiong, 2012）、认知失调（Chang et al., 2016）
本文的信念使用不一致性是一个独立的行为渠道：在控制了风险偏好的动态变化和信念水平的偏差后，仍然存在投资者未能按自己信念行事的现象

关键假设

风险偏好可以是异质的且时变的，但其变化可通过累计盈亏等连续变量充分近似
信念水平的系统性偏差（如亏损时的乐观偏差）与风险偏好变化在模型中具有相同效果（移动阈值m），不影响对β的估计
信念引出是真实的（激励相容）
概率估计滑动条范围（35%-65%）足以覆盖贝叶斯更新者的合理范围

可检验预测（预注册假设）

H1：当投资者已持有资产时（sellers），投资决策与信念的一致性低于未持有资产时（buyers）
H2：一致性降低主要由面临paper loss的卖方驱动
隐含预测：信念使用不一致性导致交易表现下降，且该效应独立于风险偏好的影响
干预预测：消除主动卖出决策（AutoSell条件）将提高信念使用一致性和交易表现

维度3：核心发现

主要结论

发现1：信念-行为缺口的非对称性（Baseline条件）

线性模型（Table 1）：

Model I：BELIEF系数 = 2.256***，每1个百分点的信念增加对应2.2个百分点的投资概率增加
Model II：BELIEF * INV_{t-1}交互项 = -1.374***，表明卖方的信念一致性几乎只有买方的一半
Model III：BELIEF * |GAININV-|交互项 = -0.051***，面临10 ECU亏损的卖方，信念一致性比买方低约50%，比面临盈利的卖方低约25%

Logit模型（Table 2）：

Model III中BELIEF系数 = 21.214***，BELIEF * |GAININV-| = -0.550***
面临paper loss的卖方最大边际效应约3.8，而买方约5.3、盈利卖方约5.5，差距约30%

发现2：投资表现的分解（Figure 5）

风险中性一致交易者的期望利润基准：0.3279 ECU/期
买方：期望利润比基准低约22%，全部归因于信念不一致（非风险偏好）
卖方（总体）：期望利润比基准低更多，约2/3归因于信念不一致，约1/3归因于风险偏好
面临paper loss的卖方：期望利润比基准低约57%，信念不一致的负面影响几乎是其他所有决策类型之和的两倍

发现3：个体水平确认（Section 3.3）

176名被试的子样本分析
买方vs盈利卖方：约一半被试买方一致性更高，一半卖方更高（无系统差异）
买方或盈利卖方 vs 亏损卖方：四分之三的被试在亏损卖出决策时一致性更低
说明这不是聚合层面的假象，而是个体层面的系统性模式

发现4：Bayes条件的稳健性确认（Section 3.4）

110名被试，即使直接提供客观概率，BELIEF * |GAININV-|交互项仍然显著为负（Table 3: -0.039***）
投资表现的分解模式与基线条件定性一致（Figure 7）
结论：信念使用不一致性不是信念形成误差的副产物

发现5：自动卖出条件的改善效果（Section 3.5）

121名被试，信念一致性在所有模型中显著更高
Table 5 Model I：BELIEF系数 = 3.394***（基线为2.256），增幅约50%
Logit模型（Table 6）：BELIEF系数 = 28.740***（基线为20.388），增幅约41%
INV_{t-1}的交互效应在logit模型中不再显著
面临paper loss的投资者，投资概率曲线更陡峭（Figure 8），信念使用一致性接近买方水平
投资表现大幅改善（Figure 9）：买卖之间不再有显著利润差异，risk tolerance效应消失，仅残余少量信念不一致性（可视为自然下限）

稳健性检验

排除信念误差大的观测值：排除绝对信念误差>10pp的观测（约1/3），结果不变
早期vs晚期：将40期分为两半比较，无显著学习效应差异
信念准确性跨条件一致：Appendix B分析显示，信念误差分布在买方、卖方、盈利卖方、亏损卖方之间无显著差异（Figure 12）
信念误差的回归分析（Table 7）：面临paper loss时略偏乐观（+2.7pp），但绝对误差的差异极小，不足以解释信念一致性的大幅差异
预注册模型的确认（Appendix C, Table 8）：使用二元loss指标变量的预注册模型同样确认核心结果

与其他研究的比较

Akepanidtaworn et al. (2023, JF)：发现机构投资者"卖得太快买得太慢"，归因于注意力不对称。本文提供了互补的行为机制（信念使用不一致性），且发现注意力变化不能完全解释结果
Hartzmark (2015, RFS)：rank效应驱动的注意力不对称。本文不支持系统性注意力变化作为完整解释
处置效应文献（Shefrin & Statman 1985; Odean 1998; Weber & Camerer 1998）：本文的信念-行为缺口是处置效应的补充而非替代，提供了一个独立的行为渠道
Giglio et al. (2021, AER)：调查层面发现信念与投资组合的正相关。本文在决策层面提供了更精细的证据，揭示了这种关联的条件性不一致

维度6：与其他文献的关系

领域位置

本文处于行为金融学与实验金融学的交叉领域，聚焦投资者信念与交易行为的关系。在"信念形成偏差"（belief formation biases）和"偏好驱动异常"（preference-driven anomalies）这两大传统解释框架之外，开辟了第三条路径——信念使用一致性（belief-use consistency）。

核心对话论文

论文	关系
Shefrin & Statman (1985); Odean (1998)	处置效应经典文献，本文提出补充性行为渠道
Barberis & Xiong (2009, 2012)	前景理论/实现效用解释处置效应，本文区分偏好vs信念使用
Frydman et al. (2014); Frydman & Rangel (2014)	实验中用神经数据研究投资者行为，本文类似实验范式但关注信念使用
Akepanidtaworn et al. (2023)	机构投资者卖出表现差，归因于注意力。本文提供信念使用不一致性作为替代解释
Giglio et al. (2021)	调查数据中信念与组合的关联，本文在决策层面深化
Imas (2016)	已实现vs未实现亏损对风险承担的影响，本文区分偏好变化vs信念使用不一致
McFadden (1981); Woodford (2020)	概率选择/随机效用模型的理论基础
Hartzmark, Hirshman & Imas (2021)	所有权与信念，本文框架可吸收此类信念偏差
Grosshans & Zeisberger (2018)	价格路径对投资行为的影响，本文延续其方法论（个体化路径）

新贡献

首次系统度量信念使用一致性：在实验中同时引出信念和交易决策，在决策层面直接观察信念-行为缺口，而非从行动推断信念
识别新的行为渠道：信念使用不一致性独立于(a)有偏信念形成和(b)风险偏好变化，是理解投资者行为异常的第三条路径
非对称性的精确定位：卖出决策（尤其是亏损卖出）的信念使用一致性显著低于买入决策，且这种非对称性在控制偏好后仍然存在
表现后果的因果归因：通过分解框架将交易表现损失归因于风险偏好vs信念不一致性两个组成部分
干预机制的验证：自动卖出条件提供了因果证据，表明消除卖出决策可以恢复信念-行为一致性并改善投资表现，为决策架构（choice architecture）设计提供依据

维度4：变量概览

实验条件（Between-subjects treatment）：

Baseline (N=327)：被试自行报告信念并交易
Bayes (N=110)：直接显示客观贝叶斯概率，被试只交易
AutoSell (N=121)：每期自动卖出，被试只决定是否买入

核心因变量：

INV_{i,t}：是否持有/买入资产（二元）
期望利润（用于表现分解）

核心自变量：

BELIEF_{i,t}：每期报告的价格上涨概率（35%-65% 滑动条；Bayes 条件下为客观概率）

控制变量：

INV_{i,t-1}：上期是否持有（识别买/卖决策的不同效应）
|GAININV+|, |GAININV-|：当前持仓累计盈/亏的绝对值（识别 paper gains/losses 的影响）
GAINTOT：总累计收益（吸收风险偏好随财富的变化）
个体固定效应（吸收稳定的偏好异质性）

关键派生指标：

m = -α/β：投资者的"无差异阈值"，反映风险偏好（风险中性 m=0.5）
β：信念使用一致性斜率（β→∞ 表示完美阈值规则）
BELIEF * INV_{t-1}：捕捉买/卖决策的信念一致性差异
BELIEF * |GAININV-|：捕捉亏损时的信念一致性

真实参数化设置：

资产状态：好状态（涨概率75%）/ 坏状态（涨概率25%），每期15%概率切换
价格变动幅度：2、4、6 ECU 等概率
初始价格 125 ECU，初始禀赋 200 ECU，最多持 1 单位，可借贷
40 个正式交易期 + 5 期练习
换算率 20 ECU = 1 EUR；预测奖励：偏离贝叶斯基准 <1pp 得 EUR 3，依次递减至 >10pp 扣 EUR 1
实际报酬范围 EUR 6.00–16.80，平均 EUR 10.62（约 USD 33.65/小时）

样本特征：

总 N=587（排除最快/最慢 2.5% 后 N=558）
个体级分析子样本 N=176（至少 5 次买、5 次盈利卖、5 次亏损卖）
荷兰大型公立研究型大学高年级本科生，60.5% 男性，中位年龄 20 岁
经济/商科专业背景

维度5：局限性

学生样本与外部效度：被试为荷兰大学高年级本商科学生，并非真实零售投资者或机构交易者；尽管理解力较强，但风险承受、长期投资经验、市场知识与现实投资者仍存差异。
简化的资产环境：单一风险资产、隐式状态空间、不允许卖空、最多持 1 单位——剥离了真实市场的多资产组合选择、流动性约束、税收等重要维度。
40 期短时间跨度：无法识别长期信念形成（如 belief martingale violations、长期记忆效应）和长期信念使用模式的稳定性。
在线实验环境：被试在自家电脑上完成，注意力、情绪强度可能弱于实验室或真实交易场景；真实损失带来的痛苦可能被假想/小额报酬低估。
预测概率范围限制：滑动条限定在 35%-65% 区间，对偏离贝叶斯基准较远的极端信念无法捕捉，可能压缩了信念水平的方差。
AutoSell 条件的副作用：虽然消除了主动卖出决策，但也将每期决策框架统一为"买"决策，可能引入新的认知效应（如重复决策疲劳、按钮位置默认偏差），不能完全排除框架效应。
预测准确性激励的有限性：每位被试仅随机抽 1 期支付预测奖励，可能弱化每期信念报告的诚实激励；尽管已遵循 BSR 类机制，但相比交易决策的累积金钱后果仍较弱。
未识别个体异质性的来源：176 人个体级分析显示 76% 在亏损卖出时一致性更低，但未将这一差异与认知能力（CRT）、性格特质（损失厌恶）、风险偏好直接关联。
资产收益过程是人为设定的：可预测的状态切换过程明显不同于真实市场的复杂混合分布，可能影响外推性。
未考察社会/沟通因素：所有交易独立完成，未涵盖与他人讨论、社交网络信息等可能影响信念使用的现实因素。

维度7：可拓展的研究方向

真实市场数据验证：使用券商高频交易数据（含订单和持仓）+ 投资者预测调查（如 American Association of Individual Investors），在真实环境中复现信念-行为缺口的非对称性。
机构投资者样本：在专业基金经理或专业交易员中进行类似实验，检验信念使用不一致性是否在专业训练后减弱（与 Akepanidtaworn et al. 2023 对话）。
信念使用一致性的认知微观基础：联合实验同时测量 CRT、工作记忆容量、损失厌恶、模糊厌恶，识别哪些个体特质预测低一致性。
神经经济学整合：使用 fMRI 研究买入决策 vs. 卖出决策（尤其是亏损卖出）激活的脑区差异，检验是否对应不同的认知控制网络（如 dlPFC vs. ACC）。
不同决策架构的因果检验：在 AutoSell 之外比较其他干预——目标日期基金、机器人投顾、再平衡警示、强制冷静期——量化各自对信念使用一致性的改善幅度。
复杂资产环境的扩展：在多资产组合、可空头、含税收等更复杂环境中检验非对称性是否仍然存在；研究跨资产相关性、组合效应是否影响信念使用一致性。
动态学习与可塑性：研究反馈干预（向被试展示其信念-行为缺口）是否能持续改善一致性，还是仅产生短期效应。
跨文化复制：在亚洲、新兴市场被试中复制实验，检验信念-行为缺口的非对称性是否存在文化差异。
理论建模：发展一个内生化"信念使用一致性"的模型——可能基于注意力配置、心理账户、决策成本，使其能纳入现代行为资产定价框架（如 Barberis_2015_XCAPM_Extrapolative）。
资产价格含义：如果大量散户投资者在亏损时表现出信念使用不一致，是否在总量上影响价格效率？是否在熊市中产生可识别的"过度卖出"或"卖出迟滞"模式？
处置效应的统一框架：将本文的信念使用渠道、Barberis & Xiong (2012) 的实现效用、Imas (2016) 的已实现/未实现亏损区分整合到一个统一模型中，识别各渠道的相对贡献。
信念引出方法的改进：尝试不同的信念引出方式（口头报告 vs. 滑动条 vs. 押注 vs. 分布引出），检验本文结果是否对引出方法稳健。

维度8：与本项目内其他文献的双链

Grosshans_2018_AllsWell_ReturnsAchieved — 同作者前作，研究价格路径对满意度与行为的影响，本文延续其方法论
Hartzmark_Hirshman_2021_Ownership_Learning_Beliefs — 所有权与信念形成，与本文的"卖方一致性更低"形成补充
Jiao_2017_MeanReversion_DispositionEffect / Jiao_2013_Disposition_Effect_Closed_End — 处置效应文献，本文提供新的行为渠道
Barberis_PsychologyBased_AssetPricing / Barberis_2015_XCAPM_Extrapolative — 心理学基础的资产定价理论框架
Daniel_Hirshleifer_2015_Overconfident_Returns_Trading — 过度自信与交易，对信念使用一致性研究的呼应
Ben-David和Hirshleifer（English_Papers）— 投资者是否真的不愿意实现损失，与本文亏损卖方一致性最低的发现对话
Hartzmark_2015_The_Worst_The_Best_Rank_Effect（English_Papers）— rank 效应与注意力分配，本文不支持作为完整解释
Frydman_Rangel_2014（English_Papers）— 神经经济学投资者实验范式

方法论标签

#实验金融 #行为金融 #信念引出 #交易实验 #处置效应 #概率选择模型 #between-subjects #信念使用一致性 #决策架构

关键结论

存在显著的信念-行为缺口，且在卖出决策上更严重：投资者在卖出资产时，按自身信念行事的程度仅约为买入时的一半（β_sell ≈ β_buy / 2）；面临账面亏损时这一缺口进一步扩大。
缺口不是信念形成偏差的副产物：Bayes 条件直接给出客观概率后，缺口仍然显著存在（亏损卖方仍最不一致），证明问题在"使用信念"而非"形成信念"。
缺口不能被风险偏好变化完全解释：通过个体固定效应和动态累计盈亏控制变量吸收偏好异质性后，缺口仍存在；个体级 76% 被试展现该模式。
AutoSell 干预因果地恢复一致性：仅仅消除主动卖出决策，就将信念使用一致性提升约 41-50%、消除买卖间的利润差异、消除风险偏好对表现的负面影响——证明"主动卖出"行为本身是缺口的关键来源。
信念不一致是投资表现损失的主导渠道：在 baseline 条件下，买方表现损失（约 22%）全部来自信念不一致；亏损卖方损失（约 57%）中，信念不一致的影响约为其他渠道之和的两倍。
政策与设计含义：自动化、规则化、目标日期、再平衡等"剥离主动卖出"的决策架构能显著改善散户投资表现；为机器人投顾、默认配置、智能 401(k) 等政策设计提供了直接的实验依据。

Grosshans_Zeisberger_2025_InvestorBeliefs_TradingActions