Guler_Lugovskyy_2025_TradingInstitutions_ExperimentalAssetMarkets

一句话总结

在SSW实验资产市场范式下，比较Double Auction、Call Market、Tâtonnement三种集中式交易制度对价格泡沫的影响，发现统一价格制度（CM、TT）显著抑制泡沫，并通过异质性交易者结构模型揭示其机制——DA允许期内多次价格更新放大了myopic交易者的正向偏差。

研究问题

集中式交易制度的设计如何影响实验资产市场中的泡沫形成与价格发现？具体而言：(1) 不同交易制度（DA vs. 统一价格的CM和TT）下泡沫规模是否存在系统性差异？(2) 这种差异背后的微观机制是什么——异质性信念、交易者认知能力、还是制度本身的价格更新频率？(3) 交易制度是否影响财富分配——尤其是高/低认知能力交易者间的收入差异？

核心贡献

方法论贡献：首次将Tâtonnement引入SSW实验资产市场，在统一框架下系统比较三种集中式交易制度对泡沫的影响（既有文献多聚焦单一制度）。
实证发现：提供因果证据表明统一价格制度（CM、TT）相对DA可显著降低泡沫规模（RAD降低40-51%），并首次记录交易制度对收入不平等的影响（DA中Gini系数显著更高）。
理论模型：构建异质性交易者（fundamental vs. myopic）模型，仅用5个参数（基于TT、CM数据估计）成功复制三种制度下的泡沫-崩溃模式，并样本外预测DA数据，揭示"期内价格更新频率放大锚定偏差"是DA泡沫更大的核心机制。
政策含义：政策制定者虽难以改变交易者认知水平，但可通过设计交易制度（采用统一价格机制）保护低认知能力交易者并降低系统性风险。

维度1：实验设计分析

实验设计

总体设计

实验在2011年10月至2013年3月期间进行，地点为 Indiana University in Bloomington（美国）和 University of Canterbury in Christchurch（新西兰）。每个地点各进行5个session，共15个market（session）。其中12个market有9名交易者，3个market有8名交易者，总计132名被试。被试为本科生，通过ORSEE系统招募，此前可能参加过经济学实验但均无资产市场实验经验，且每人只参加一个session。实验使用z-Tree软件编程。每个session持续约90-120分钟，平均收入设定为每人$18。Double Auction和Call Market的session在Indiana University进行，Tâtonnement的session在University of Canterbury进行。

唯一的处理变量是交易制度：Double Auction (DA)、Call Market (CM)、或 Tâtonnement (TT)。每种制度各5个session。

被试经历的完整时间线

第一步：认知反射测试 (CRT)

被试到达实验室后，首先完成Frederick (2005)的3道认知反射测试题。具体题目为：

一个球棒和一个球一共$1.10，球棒比球贵$1.00，球多少钱？
如果5台机器用5分钟生产5个零件，100台机器生产100个零件需要多久？
湖里有一片睡莲，每天面积翻倍，48天铺满整个湖，铺满半个湖需要多久？

每答对一题获得$2。此阶段不告知被试任何关于后续实验收入的信息，被试在session结束时才得知总收入。

第二步：阅读实验说明

完成CRT后，被试有约15分钟时间独立阅读市场实验说明书。

第三步：实验者讲解与练习

实验者口头总结说明书内容，展示并解释交易界面（bidding screen），被试回答有关市场规则的测试问题。实验者私下解答被试的疑问，然后启动市场。

第四步：资产市场交易（15个period）

被试交易一种具有随机分红的资产，共进行15个period。

资产结构：

每个period结束时，每单位资产独立随机获得分红，分红从{0, 8, 28, 60} francs中等概率抽取（4点分布）
每period平均分红 = 24 francs
资产无终端清算价值（no terminal buyout value）
假设风险中性，任何时刻资产基本面价值 = 24 francs × 剩余period数
基本面价值从period 1的360 francs线性下降至period 15的24 francs

初始禀赋：

每位被试获得10单位资产和10,000 francs现金
现金-资产比 = 10,000 / (10 × 360) = 2.78

交易约束（所有制度相同）：

必须有足够现金才能买入，必须持有足够资产才能卖出
禁止自我交易（self-trade）
每个period每人最多购买10单位资产（购买限制）
无交易费用，现金持有无利息

价格预测任务：
每个period开始时，被试需提交对该period交易价格的预测：

在DA制度下：预测该period的平均交易价格
在CM和TT制度下：预测统一市场出清价格
预测准确性有报酬：实际价格±10%以内得50 francs，±25%以内得20 francs，±50%以内得10 francs
预测收入单独累积，不影响交易用现金和资产

三种交易制度的具体机制

制度一：Double Auction (DA)

采用连续双边拍卖、公开订单簿的形式：

每个period市场开放3分钟
买方/卖方可随时提交限价单，以指定价格买入/卖出一单位资产（每次只能交易一单位）
当前最高买价和最低卖价公开显示
当一方接受对方报价时，以该报价成交
一个period内可以有多笔交易，在不同价格成交
交易双边进行、顺序发生

制度二：Call Market (CM)

采用封闭式集合竞价：

每个period中，所有交易者同时提交买入报价和卖出报价
买入报价包含：最大购买数量和每单位最高愿付价格
卖出报价包含：最大卖出数量和每单位最低接受价格
可以选择不报价（数量填0）
计算机将所有报价汇总为需求曲线和供给曲线，计算统一市场出清价格（最低使市场出清的价格）
所有出清价格以上的买单和出清价格以下的卖单成交
最后一单位的买/卖随机匹配解决平局
为禁止自我交易，要求卖出报价不低于买入报价
每个period所有交易在同一价格成交

制度三：Tâtonnement (TT)

采用迭代价格调整的瓦尔拉斯式拍卖：

每个period开始时，以被试预测价格的中位数作为初始价格
在当前价格下，每位交易者提交买入或卖出的数量（通过bids和asks）
计算机汇总总需求量(q_d)和总供给量(q_s)
如果q_d = q_s，市场出清，交易以该价格完成
如果q_d ≠ q_s，价格按比例调整规则更新：
- 规则一（供需差大于1时）：p_t = p_{t-1} + θ_t(q_{d,t-1} - q_{s,t-1})，其中θ_t为调整因子，初始值为2，取值集合{2, 1, 0.75, 0.5, 0.25, 0.05}
- 调整因子在连续两次出现同方向超额供给/需求时减半，否则维持不变（除非供需差符号翻转则加1）
- 规则二（供需差≤1时）：价格以±1的步幅微调
每轮迭代后，交易者看到当前价格下的总需求和总供给信息
交易者可以在新价格下自由重新提交bids和asks，不受之前提交的约束
一个period在满足以下任一条件时结束：(1) 超额供给和超额需求之差≤2单位；或 (2) 价格在3 franc范围内连续3轮迭代不变
所有交易以最终出清价格统一成交

第五步：支付

交易使用实验货币"francs"
最终现金持有额按预先公布的固定汇率折算为新西兰元或美元
预测收入从单独账户支付
CRT答对每题获$2
被试私下领取报酬

理论模型

基准框架

模型构建于Smith et al. (1988)的SSW范式之上。经济体由具有异质信念的个体组成，核心结构如下：

需求函数： 所有制度下统一的需求函数为：
$ $q_t^i = \gamma\left(\frac{V_t^i - p_t^i}{FV_t}\right) + \epsilon_t^i$ $
其中 $\gamma$ 为需求参数， $V_t^i$ 为交易者 $i$ 在 $t$ 期的资产估值， $p_t^i$ 为预期交易价格， $FV_t$ 为基本面价值， $\epsilon_t^i \sim N(0, \sigma_\epsilon)$ 为需求噪声项。

行为模型：两类交易者

Fundamental traders（基本面交易者）： 估值等于资产基本面价值 $V_t^i = FV_t$ 。

Myopic traders（短视交易者）： 将估值锚定于前期价格，具有正向偏差：
$ $V_t^i = \bar{p}_t^i(1+\beta)$ $
其中 $\bar{p}_t^i$ 为锚定价格（前期均价减去平均分红）， $\beta > 0$ 为上行偏差参数，捕捉 anchoring bias。

关键假设

类型演化： 初始所有交易者均为myopic类型。随时间推移，myopic交易者逐渐转变为fundamental交易者，比例为 $\delta_t^* = 1 - e^{-\delta\left(\frac{15-t}{t-1}\right)}$ ，其中 $\delta$ 控制收敛速度。这捕捉了交易者逐渐"觉醒"到基本面价值的过程。
跨制度的关键差异在于价格预期更新频率：
- TT：期内无价格更新（出清价格即为理论价格，期内信念更新不影响结果）
- CM：期内仅一个出清价格，无期内更新
- DA：期内发生多笔交易，myopic交易者可在期内更新价格预期（以概率 $\alpha^*$ 观察期内交易价格后更新锚定价格），放大了正向偏差对价格的影响
TT和CM的市场出清价格有解析解：
$ $p_t^* = (1+\beta)\delta_t(p_{t-1}^* - d) + (1-\delta_t)FV_t$ $

可检验预测

由于DA允许期内多次交易和价格更新，myopic交易者的正向偏差被放大，DA中泡沫应大于CM和TT
TT和CM应产生相似大小的泡沫
DA中收入不平等应更高（高CRT交易者可在DA中利用低CRT交易者）

参数估计

使用TT和CM数据通过GMM估计（不使用DA数据），得到5个结构参数：

$\beta = 0.045$ （myopic traders的上行偏差4.5%）
$\delta = 2.32$ （类型转换速度）
$\gamma = 1.93$ （需求参数）
$\sigma_\epsilon = 1.25$ （需求噪声标准差）
$\sigma_\eta = 0.25$ （出清价格噪声标准差）

DA额外校准参数： $\alpha^* = 0.03$ （期内更新概率）， $J = 27$ （期内最大交易次数）。

核心发现

结果一：DA中错误定价显著更高

交易价格相对于基本面价值的绝对比例偏差（RAD）在DA中比统一价格制度（CM和TT）高出40-51%。回归分析中DA虚拟变量系数为0.46（p<0.05），CM和TT之间无显著差异。

结果二：DA中泡沫指标显著更大

五个泡沫度量指标（Turnover、ND、RND、RPAD、RPD）的中位数在DA中均显著高于CM和TT（Mann-Whitney检验）：

Turnover：DA = 0.27 vs. CM = 0.08, TT = 0.11
ND：DA = 23.89 vs. CM = 4.11, TT = 6.66
RND：DA = 0.2 vs. CM = 0.03, TT = 0.03
RPAD：DA = 0.82 vs. CM = 0.35, TT = 0.28

CM和TT之间多数指标无显著差异。

结果三：DA导致更高的收入不平等

DA中Gini系数 = 0.083，显著高于CM和TT合并的0.048（p<0.05）。变异系数同样：DA = 0.164 vs. CM&TT = 0.098（p<0.05）。

结果四：CRT与收入的交互效应

在DA中，高CRT被试（答对2-3题）平均收入14,430 francs，显著高于低CRT被试（答对0-1题）的13,040 francs（p=0.06，10%水平显著）。而在CM和TT中，高低CRT被试收入无显著差异（13,480 vs. 13,840, p=0.36）。这说明DA制度放大了交易者能力差异对收入的影响。

结果五：价格预测的异质性

在前11个period中，高CRT和低CRT被试的标准化预测值相似（1.33 vs. 1.38, p=0.346）。但在最后4个period（12-15），低CRT被试的标准化预测值（2.42）显著高于高CRT被试（1.63），高出79个百分点（p=0.016）。这与模型中myopic交易者晚期才转变为fundamental交易者的假设一致。

模型验证

模型使用仅5个参数（从TT和CM数据估计），成功复制了三种制度下泡沫-崩溃的价格模式
模型正确预测DA产生最大泡沫、TT和CM产生相似且较小泡沫
样本外验证：用TT和CM估计的参数模拟DA，模型预测与DA实验数据吻合良好
模型也复制了DA中更高的收入不平等和CRT效应

与其他文献的关系

SSW实验范式奠基： 本文采用 Smith et al. (1988) 的经典SSW范式（有限期资产、递减基本面价值、随机分红），这是实验资产市场研究泡沫的标准框架。Bossaerts_2004_AssetPricing_LargeScaleExperiment 采用了不同的资产定价实验设计。

交易制度与泡沫： Biais_1998_BeautyContest_TradingVolume 研究了不同交易制度下的价格发现过程。本文首次将 Tâtonnement 引入SSW资产市场实验，并系统比较了三种集中式交易制度对泡沫的影响。

信念异质性与泡沫形成： 本文的核心机制是heterogeneous agents（myopic vs. fundamental traders）的信念差异如何在不同交易制度下被放大或抑制。这与 Carle et al. (2019) 关于实验资产市场中信念和交易策略异质性的研究直接相关。

供给约束与泡沫： Bernales_2020_SpeculativeBubbles_SupplyConstraints 研究了供给约束对投机性泡沫的影响。本文中购买限制（每period最多10单位）也是一种供给侧约束，但本文聚焦于交易制度而非供给约束本身。

认知能力与市场表现： 本文发现CRT得分与DA中的收入正相关但在CM/TT中不相关，呼应了 Camerer_2003_Thinking_Learning_Teaching 关于思维与学习在博弈中作用的讨论。高认知能力的交易者在分散化交易（DA）中更能利用低能力交易者，但在统一价格制度中这种优势被制度设计所抑制。

传染与制度设计： Brown_2016_BankRun_Contagion 探讨了金融传染问题。本文的发现暗示制度设计（统一价格 vs. 分散交易）对于金融稳定性具有重要意义——统一价格制度可能通过减少噪声交易者的影响来降低系统性风险。

其他关键相关文献： Haruvy and Noussair (2006) 和 Duffy and Unver (2006) 分别研究了DA中的泡沫形成机制，本文在此基础上扩展到三种制度的统一比较框架。Deck et al. (2020) 研究了不同拍卖制度对泡沫消除的效果，与本文互补。

维度2：理论模型

详见上文"理论模型"部分。模型核心为heterogeneous-agents框架，包含两类交易者（fundamental traders估值等于FV；myopic traders锚定前期价格并带正向偏差β）；类型按 $\delta_t^* = 1 - e^{-\delta((15-t)/(t-1))}$ 由myopic向fundamental转化；制度差异通过期内价格更新频率α*体现，DA允许多次更新放大锚定偏差。

维度3：核心发现

详见上文"核心发现"部分。五大主要结果：

DA中RAD（相对绝对偏差）比CM/TT高40-51%
五项泡沫指标（Turnover、ND、RND、RPAD、RPD）在DA中显著大于CM/TT
DA中Gini=0.083显著高于CM/TT合并的0.048
高低CRT交易者收入差异在DA中显著（10.7%差距），但在CM/TT中不显著
模型样本外预测：用TT/CM参数模拟DA，结果与实验数据吻合

维度4：变量概览

处理变量（自变量）：

交易制度（trading institution）：DA / CM / TT （between-subjects，5 sessions × 3 = 15 markets）

结果变量（因变量）：

错误定价：RAD (relative absolute deviation)、价格水平
泡沫指标：Turnover、ND (Normalized Deviation)、RND、RPAD、RPD
收入分配：Gini系数、变异系数（CV）
个体收入：final earnings (period 15)
价格预测：每period预测值及标准化预测值

控制/中介变量：

CRT得分（0-3）：测量交易者认知反射能力，作为sophistication代理
Period（1-15）：用于固定效应控制泡沫动态
现金/资产比 = 2.78（固定）
基本面价值 $FV_t = 24 \times (16-t)$ francs

结构模型参数：

$\beta = 0.045$ （myopic上行偏差）
$\delta = 2.32$ （类型转换速度）
$\gamma = 1.93$ （需求参数）
$\sigma_\epsilon = 1.25$ 、 $\sigma_\eta = 0.25$ （噪声）
$\alpha^* = 0.03$ （DA期内更新概率）

维度5：局限性

样本规模有限：每种制度仅5个session，session级观察值少（共15个），统计功效较低，部分泡沫指标差异未达显著。
跨地点处理不平衡：DA和CM在Indiana University进行，TT在University of Canterbury进行，存在被试人群差异的潜在混淆（作者引用 Ding et al. 2025证明两地交易者在DA中无显著差异以缓解此问题）。
被试均为缺乏经验的本科生：结果对专业交易者或经验丰富的市场参与者的外部效度未知。
DA的特定实现方式：本研究采用单单位限价单的DA形式，未涵盖允许多单位订单的DA变体。
TT在现实金融市场应用有限：TT虽用于Tokyo Grain Exchange及部分pre-opening price discovery，但与现代连续交易市场差异较大，政策含义需谨慎推广。
购买限制人为引入：每period最多买10单位的限制是为TT的价格调整机制设计，可能影响DA和CM的自然交易动态。
理论模型的简化：仅区分两类交易者，未考虑策略性交易者、套利者、噪声交易者等更丰富的异质性结构；模型假设myopic→fundamental的单向转化，未考虑反向迁移。
未涉及信息聚合与效率：作者明确表示将信息聚合、配置效率等问题留给未来研究。

维度6：与其他文献的关系

SSW实验资产市场范式： 本文采用 Bossaerts_2004_AssetPricing_LargeScaleExperiment 之外的另一类经典实验资产定价框架——Smith et al. (1988)的SSW范式（有限期、递减FV、随机分红），是研究泡沫的标准实验环境。

交易制度与价格发现： Biais_1998_BeautyContest_TradingVolume 研究了不同交易制度下选美博弈中的价格形成，本文将比较扩展到三种集中式制度对泡沫的影响。

供给约束与泡沫： Bernales_2020_SpeculativeBubbles_SupplyConstraints 研究供给约束对投机性泡沫的影响。本文中的购买限制（每period最多10单位）也是一种供给侧干预，但本文聚焦于交易制度本身。

认知能力与市场表现： 本文发现CRT得分仅在DA中与收入正相关，呼应 Camerer_2003_Thinking_Learning_Teaching 关于认知能力在博弈中作用的讨论，并补充了"制度可调节认知差异影响"的新机制。

金融传染与制度设计： Brown_2016_BankRun_Contagion 探讨金融传染问题。本文暗示统一价格制度通过抑制噪声交易者影响可能降低系统性风险。

异质性信念与泡沫： 本文核心机制（fundamental vs. myopic）与 Brock_Hommes_1998_HeterogeneousBeliefs_Chaos 的heterogeneous beliefs框架在精神上一致——异质性预期是泡沫的核心驱动力。

锚定与外推性预期： myopic交易者锚定前期价格的设定与 Liao_Peng_2022_ExtrapolativeBubbles_TradingVolume 关于extrapolative bubbles的研究互补，提供了交易制度层面的新视角。

实验金融综述： 本文方法论上属于 Huber_Kirchler_2022_ExperimentsInFinance_Survey 综述的实验金融范畴，是该综述涵盖的SSW范式扩展工作。

其他直接相关文献： Haruvy and Noussair (2006) 与 Duffy and Ünver (2006) 分别研究DA中的泡沫机制（前者用TT建模，后者用零智能DA），本文在此基础上首次提供三制度统一比较框架。Deck et al. (2020) 研究Double/English Dutch等新型统一价格制度的泡沫抑制效果，与本文互补。Pouget (2007) 比较TT与CM在信息聚合上的差异。

维度7：可拓展的研究方向

更广泛的交易制度比较：将OTC（场外）市场、Frequent Batch Auction、做市商制度纳入比较框架，研究分散化 vs. 集中化交易的权衡。
交易者经验与制度的交互：用经验丰富的被试或专业交易者重做实验，检验"制度保护低能力交易者"效应是否随经验积累而消失。
信息异质性与制度：在私有信息或非对称信息环境下重做实验，研究不同制度的信息聚合效率。
多单位订单的DA：检验允许多单位限价单的DA是否仍产生比CM/TT更大的泡沫，或制度差异是否被多单位订单中和。
结构模型的丰富化：引入更多类型交易者（如套利者、动量交易者、噪声交易者），并允许类型间双向转化、学习更新。
与高频交易/算法交易交互：在DA中加入算法交易者（参考 Hashimoto_Takayanagi_2026_LLMAgents_HumanBias_MarketDynamics 等LLM agent研究），观察制度选择是否改变人机交互结果。
政策实验：测试结合DA与定期call auction（如NYSE pre-opening）的混合制度能否在保留DA流动性优点的同时抑制泡沫。
应用到加密资产、NFT等新兴市场：将三制度比较应用到散户主导、信息不对称严重的新兴市场。
分布效应的深入研究：研究交易制度对不同类别交易者（年龄、收入、金融素养）的差异化影响，为零售投资者保护政策提供实验证据。

关键结论

交易制度因果地影响泡沫规模：在SSW实验资产市场中，统一价格制度（Call Market、Tâtonnement）显著降低泡沫——RAD比Double Auction低40-51%，五项泡沫指标中位数也显著小于DA。这一差异是由制度设计本身（而非交易者类型）造成的。
机制为"期内价格更新频率"：DA允许期内多笔交易在不同价格成交，使锚定前期价格的myopic交易者可在期内重复更新预期，放大正向偏差对价格的累积影响。统一价格制度只有一个期内价格，切断了这一放大通道。仅5个结构参数（基于TT和CM数据估计）的模型即可成功样本外预测DA行为，验证了该机制。
交易制度具有分配效应：DA中Gini系数（0.083）显著高于CM/TT合并（0.048），且高CRT交易者在DA中比低CRT者多赚10.7%（CM/TT中无此差异）。这表明分散化交易（DA）放大了认知能力差异对收入的影响，而统一价格制度通过制度设计保护了低能力交易者，对零售投资者保护政策具有重要含义。