我的笔记

Hoffmann_2016_InvestorConfidence_Trading

更新于 2026/7/5

How Does Investor Confidence Lead to Trading? Linking Investor Return Experiences, Confidence, and Investment Beliefs

元数据

  • 作者: Arvid O.I. Hoffmann, Thomas Post
  • 年份: 2016
  • 期刊: Journal of Behavioral and Experimental Finance, 12, 65-78
  • DOI: 10.1016/j.jbef.2016.09.003
  • 关键词: belief formation, individual investors, investor confidence, naive reinforcement learning, return experiences, trading
  • JEL分类: D14, D81, D83, D84, G02, G11

一句话总结

本文将2008-09年金融危机期间荷兰最大折扣券商1,376名个人投资者的逐月在线信心/预期/风险问卷与实际券商交易记录匹配，证明"高信心"投资者并不直接交易更多，而是通过"更强的朴素强化学习→更大幅度的收益预期更新→更高的换手率"中介链条交易，最终月度绩效低88个基点，从而打开了Barber & Odean (2001)等"过度自信→过度交易"链条的中间黑箱。

研究问题

  1. 投资者信心如何影响信念形成？高信心是否使投资者更依赖朴素强化学习（naive reinforcement learning）外推过去收益？
  2. 同等收益经验下，高信心投资者的预期更新幅度是否更大？
  3. 信念更新幅度是否进而驱动交易频率？整个"经验→信心调节→信念→交易"链条是否能在面板数据中识别？
  4. 高信心是否独立于风险感知与风险容忍度？是稳定的人格特质还是状态变量？
  5. 通过该机制链条，高信心是否最终损害投资绩效，且其负面效应是否被信念更新与换手率所中介？

核心贡献

  1. 机制贡献：将既有"过度自信→过度交易"简化关系细化为"过去收益经验→朴素强化学习（受信心调节）→收益预期更新幅度→交易"四步中介链条，首次在面板数据中实证识别完整机制。
  2. 理论贡献：将双加工理论（Stanovich & West 2000；Evans 2008）应用于金融决策，证明信心作为系统1（直觉）依赖度的代理变量，调节强化学习强度。
  3. 方法论贡献：将逐月在线问卷（收益预期、信心、风险感知、风险容忍度）与实际券商日度交易匹配，构造1,045名投资者×3,955个月度观测的高频面板，并配合月份/个体固定效应、IPW、Logit参与模型等稳健性检验。
  4. 回应Cochrane (2013)批评：本文不假设投资者具有信息处理优势（如Odean 1998），而是基于直觉外推机制，更贴近散户实际行为。
  5. 政策贡献：提出助推/智能默认设置（延长组合评估期、调整信息呈现）以缓解高信心投资者的过度交易倾向，明确将行为洞见转化为可操作建议。
  6. 实证刻画信心特性：信心月度自相关0.65、12月间隔0.58，截面差异大于个体内变化，证明信心更多是稳定人格特质而非短期状态。

维度1：数据来源与实证策略

研究设计

本研究采用面板数据的实证研究方法，将个人投资者的券商交易记录与月度调查数据进行匹配。这不是一项实验室实验，而是一项基于真实市场行为的田野研究（field study），结合了问卷调查的元素。

数据来源

  • 券商交易记录: 来自荷兰最大折扣券商（discount broker），涵盖2008年4月至2009年3月（金融危机期间，市场波动性较高）
  • 月度在线调查: 委托市场研究机构设计、预测试并执行，每月末向投资者收集收益预期、信心水平、风险感知和风险容忍度等数据
  • 荷兰统计局数据: 通过六位邮编匹配投资者的收入和房产价值

样本与参与者

  • 初始邀请20,000名随机选取的客户参与面板调查
  • 2008年4月首次调查787人完成（响应率3.9% = 787/20,000）
  • 整个样本期间1,376名投资者至少完成一次调查
  • 67%至少完成3次，31%至少6次，9%至少9次，3%完成全部12次
  • 1,045名投资者至少连续两个月完成调查，产生3,955个投资者-月度观测值
  • 样本在年龄、性别、组合规模和换手率方面与美国折扣券商样本（Barber and Odean, 2000, 2001）相似

变量测量

  • 收益预期: 5个题项，7点Likert量表（1=低/悲观，7=高/乐观），Cronbach's alpha 0.71-0.89
  • 投资者信心: 每个收益预期问题后追问"你对这个回答有多自信？"（1=完全不自信，7=非常自信），共5次测量后取平均
  • 风险感知: 4个题项，7点Likert量表
  • 风险容忍度: 4个题项，7点Likert量表
  • 换手率（Turnover）: 月内所有买卖绝对值之和 / 月初月末组合价值均值
  • 收益率（Return）: 日度组合相对价值变化的乘积，扣除交易成本并调整资金进出

实证方法

  • 线性面板回归模型，包含月份固定效应和/或个体固定效应
  • 标准误在投资者层面聚类
  • 主要分析分三步走：(1) 信心与朴素强化学习的关系；(2) 信心与信念变化幅度的关系；(3) 信念变化与交易的关系
  • 大量稳健性检验：逆概率加权估计（IPW）、Logit参与模型、排除极端Likert值、对数变换、替代信心/预期度量

维度2：理论框架

概念框架

本文提出了一个**"经验-信心-信念"（experience-confidence-belief）**中介链条的概念框架，连接投资者的过去收益经验、信心水平、信念更新和交易行为：

过去收益经验 --> [朴素强化学习 x 投资者信心] --> 信念变化（收益预期更新） --> 交易行为

核心理论基础

  1. 双加工理论（Dual Process Theory）（Stanovich and West, 2000; Evans, 2003, 2008）：

    • 系统1（直觉型）：快速、自动化、基于启发式
    • 系统2（分析型）：慢速、有意识、基于推理
    • 高信心投资者更多依赖系统1，因此更多使用朴素强化学习

  2. 朴素强化学习（Naive Reinforcement Learning）（Choi et al., 2009; Greenwood and Shleifer, 2014）：

    • 投资者将近期个人收益经验外推至未来预期
    • 好（坏）的过去收益导致乐观（悲观）的未来预期
    • 这不是基于基本面信息的理性推断

  3. 过度自信与交易文献（Barber and Odean, 2001; Glaser and Weber, 2007; Grinblatt and Keloharju, 2009）：

    • 已有文献建立了"自信 -> 交易"的直接关系
    • 但未打开"黑箱"（black box）揭示其中机制

三个核心假说

  • H1: 与低信心投资者相比，高信心投资者在更新收益预期时更多依赖朴素强化学习（更强的外推行为）
  • H2: 投资者信心与收益预期更新幅度正相关（同等收益经验下，高信心者信念变化更大）
  • H3: 信念变化更大的投资者交易更多（信念更新幅度与换手率正相关）

与现有模型的区别

  • Odean (1998) 模型假设投资者高估私人信号方差并过度权重这些信号 -- 但该模型假设投资者具有高级信息处理能力并关注基本面，这与现实不符
  • Cochrane (2013) 批评指出大多数交易者看的是价格模式而非基本面信息
  • 本文不假设投资者有信息优势，而是强调投资者通过直觉加工将过去经验外推为未来信念

维度3：核心发现

H1：高信心投资者更多依赖朴素强化学习

  • 过去收益与信心的交互项系数 = 0.159（p < 0.05），即高信心投资者更强地将过去收益外推为未来预期（Table 4, Column 3）
  • 高于均值信心的投资者，收益预期平均变化比低于均值信心的投资者高0.2个单位（1-7 Likert量表）

H2：高信心投资者信念变化幅度更大

  • 信心对收益预期绝对变化的系数 = 0.092（p < 0.01）（Table 5, Column 1）
  • 控制收益波动率后结果稳健：系数 = 0.092（p < 0.01）（Table 5, Column 2）
  • 说明信念变化幅度差异并非仅由高信心投资者经历更波动的收益所驱动

H3：信念变化更大的投资者交易更多

  • 滞后收益预期绝对变化对换手率的系数 = 0.071（p < 0.05）（Table 7, Column 1）
  • 使用对数换手率：系数 = 0.071（p < 0.01）（Table 7, Column 2）
  • 使用对数交易笔数：系数 = 0.188（p < 0.01）（Table 7, Column 3）

信心对交易和绩效的直接效应

  • 换手率差异: 高于均值信心的投资者月度换手率比低于均值者高8.6个百分点（p = 0.054）
  • 最高信心四分位的投资者换手率比其他投资者高10.3个百分点（p = 0.049）
  • 绩效差异: 高于均值信心的投资者月度收益比低于均值者低88个基点（p = 0.012）
  • 信心对投资收益的系数 = -0.007（p < 0.10），在控制信念形成和交易指标后（Table 9, Column 3）

信心作为稳定人格特征的证据

  • 信心月度自相关系数 = 0.65（p = 0.000）
  • 六个月间隔的相关系数 = 0.53（p = 0.000）
  • 十二个月间隔的相关系数 = 0.58（p = 0.000）
  • 截面标准差（0.99）大于个体内时间序列标准差（0.55），说明信心主要反映跨个体差异

信心与其他变量的独立性

  • 信心与收益预期的Pearson相关 = -0.010（p = 0.427），几乎无关
  • 信心与风险感知的Pearson相关 = -0.002（p = 0.831），几乎无关
  • 信心与风险容忍度的Pearson相关 = -0.032（p = 0.015），非常微弱

维度6：与其他文献的关系

本文在文献中的位置

本文处于行为金融学与投资者行为研究的交叉领域，具体贡献在于：

  1. 打开"黑箱": 将已有文献中"过度自信 -> 过度交易"的简化关系，细化为"经验 -> 强化学习(受信心调节) -> 信念更新 -> 交易"的完整机制链条
  2. 经验证据: 与以往仅假设机制的理论模型不同（如Odean 1998; Daniel et al. 1998），本文首次用匹配的交易-调查面板数据实证检验了机制

与相关文献的对话

文献 关系
Barber & Odean (2001); Glaser & Weber (2007) 建立了"信心->交易"的直接关系，本文揭示了中间机制
Grinblatt & Keloharju (2009) 发现过度自信者交易更多，本文解释了为什么
Greenwood & Shleifer (2014) 记录了投资者外推过去收益，本文增加了信心作为调节变量
Choi et al. (2009) 强化学习与投资行为，本文将信心与强化学习的依赖程度联系
Stanovich & West (2000); Evans (2008) 双加工理论，本文将其应用于金融决策的信心维度
Cochrane (2013) 批评传统过度自信模型假设不合理，本文回应了这一批评
Graham et al. (2009) 假设高信心者更愿依据个人信念行动，本文提供了经验支持
Malmendier (2020); Ehling et al. (2018) 投资者经验与市场动态，本文聚焦于经验-信心-信念的微观机制

研究局限

  • 样本仅来自荷兰一家折扣券商，外部效度有待检验
  • 样本期间恰逢2008-2009金融危机，市场波动性异常高
  • 无法直接测量投资者是否依赖直觉（仅有间接证据：2006年调查子样本中高信心者更多依赖直觉，但差异不显著，p = 0.205）
  • 调查响应率较低（3.9%），虽然与同类研究相当

政策启示

  • 高信心投资者通过更强的信念变化和更高的换手率损害自身绩效（月度表现差88个基点）
  • 建议通过智能默认设置（smart defaults）、框架效应或助推（nudges）来缓解高信心投资者的过度交易倾向
  • 例如：使组合评估期更长、信息呈现方式不同，可能减少直觉型决策导致的过度交易

维度4：关键变量概览

主要因变量

  • 收益预期变化 (Δ Return Expectation)：相邻月份5题Likert综合指标的差值；及其绝对值 |Δ| 用以测量信念更新幅度
  • 换手率 (Turnover)：(月内买入金额 + 卖出金额) / 月初月末组合价值平均；及其对数变换 log(Turnover+1)
  • 交易笔数 (Number of Trades)：月内买卖订单数；对数变换形式
  • 组合月收益 (Portfolio Return)：日度组合相对价值变化乘积，扣除交易成本与资金进出调整

主要自变量

  • 过去收益 (Lagged Return)：上一月组合实际收益
  • 投资者信心 (Confidence)：5题"对预期回答的自信度" 1-7点量表的均值；月度自相关0.65，截面差异占主导，作为稳定个体特质
  • 过去收益 × 信心 (Past Return × Confidence)：交互项，识别信心对朴素强化学习强度的调节作用 (H1)

控制变量

  • 风险感知 (Risk Perception)：4题Likert量表
  • 风险容忍度 (Risk Tolerance)：4题Likert量表
  • 投资者人口统计：年龄、性别、教育、组合规模、投资年限
  • 收益波动率：月内日收益标准差，控制经验差异
  • 市场指数收益与波动率
  • 荷兰统计局邮编匹配的收入与房产价值

固定效应与识别

  • 月份固定效应：吸收市场层面共同冲击 (尤其重要因样本期为金融危机)
  • 个体固定效应：吸收时间不变的个体异质性，识别来自个体内时变变化
  • 聚类标准误：在投资者层面聚类

操作化要点

  • 信心与收益预期、风险感知、风险容忍度的相关均接近零 (-0.010、-0.002、-0.032)，证明信心是独立维度
  • 量表 Cronbach's alpha 在 0.71-0.89，内部一致性良好
  • 稳健性：IPW 加权调整调查响应、Logit 参与模型、排除 Likert 端点极值、对数与替代度量

维度5：局限性

  1. 样本与时期局限：仅一家荷兰折扣券商客户，且样本期 2008.04-2009.03 恰逢全球金融危机，市场波动性异常高，外推到正常市场环境需谨慎。
  2. 调查响应率低：3.9% 的初次响应率，虽然作者用 IPW、Logit 参与模型缓解，但选择偏倚仍可能存在 (如愿意填问卷的人本身具有共同特征)。
  3. 无法直接测量直觉/分析加工：作者用"信心 = 系统1依赖度代理变量"作为机制解释，但仅 2006 年子样本提供间接证据 (高信心者更多自报"凭直觉决策"，差异 p = 0.205 不显著)，机制为间接推断。
  4. 未控制持仓异质性：投资者的具体持仓 (个股 vs. ETF、本国 vs. 国际) 可能同时影响过去收益经验与信心更新方式，未被精细控制。
  5. 信心的内生性：信心可能由近期成功交易经历内生形成，而非纯粹外生人格特质。尽管月度自相关 0.65 表明稳定性，但仍存在反向因果可能。
  6. 缺乏个体层面情绪/认知能力变量：未测量数学/金融素养、认知反应测试 (CRT)、情绪状态等可能与信心高度相关的混淆变量。
  7. 绩效测量未做风险调整：88 个基点的绩效差距以原始收益度量，未做 Sharpe ratio 或四因子风险调整，部分差异可能源于风险敞口不同。
  8. 信心 = trait or state 的边界：作者强调信心是稳定特质，但月度变化仍存在 (个体内 sd = 0.55)，何时信心变化反映特质 vs. 状态需进一步区分。

维度7：可拓展的研究方向

  1. 直接干预设计：将信心或加工方式作为实验操纵 (如让被试在认知负荷或时间压力下决策)，验证因果机制；与 Hernandez_2013_Disfluency_ConfirmationBias 的 disfluency 干预结合，检验是否能减少高信心者的过度交易。
  2. 动态学习模型估计：用结构估计方法 (如 DDC 模型) 拟合"经验 → 信心 → 信念 → 交易"链条，估计强化学习强度参数与信心的关系；与 Malmendier_2020_InvestorExperiences_MarketDynamics 的经验效应模型结合。
  3. 理性预期与朴素强化学习的相对权重：在贝叶斯学习模型中加入信心调节的强化学习权重，检验高信心者是否系统性过度依赖个人经验、忽视市场总体信息；与 Greenwood_Shleifer 的外推预期文献联系。
  4. 机器人顾问 / 智能默认的实验设计：实地实验比较"延长组合评估期"、"展示总体业绩 vs. 单笔业绩"等 nudges 对高信心投资者交易频率的因果效应；与 Bianchi_2026_HumanRobot_InvestmentDecisions 主题联系。
  5. 跨市场与跨文化扩展：将面板设计复制到中国、美国零售券商样本 (如 Robinhood 数据)，比较不同市场结构下"信心-交易"链条的强度。
  6. 信心与社交学习/网络效应：结合社交网络数据 (Stocktwits、雪球、Reddit) 检验高信心投资者是否在网络中更具影响力，是否触发群体过度交易。
  7. 信心与性别/年龄异质性：分组分析中介链条强度是否随性别 (与 Barber_Odean_BoysWillBeBoys_Gender_Overconfidence 联系)、年龄、投资经验显著变化。
  8. 危机 vs. 平静期对比：扩展到非危机时期数据，检验信心-强化学习链条是否在高波动期被放大 (与 Hoffmann_2010_BehavioralPortfolio_IndividualInvestors 比较)。
  9. 认知不确定性视角的整合：将信心与 cognitive uncertainty (Enke & Graeber 2023) 关联，检验"信心高 = 认知不确定性低 = 行动激进"的统一框架。
  10. 绩效的风险调整与长期效应：用因子模型与多年面板检验高信心投资者是否在风险调整后仍业绩较差，且差距是否随时间累积。

标签

#investor_confidence #naive_reinforcement_learning #belief_formation #overtrading #dual_process_theory #field_study #panel_data #individual_investors #return_expectations #behavioral_finance

关键结论

  1. 打开"过度自信→过度交易"黑箱：本文将 Barber & Odean (2001) 等已建立的简化关系细化为四步中介链条 — "过去收益经验 → 信心调节的朴素强化学习 → 收益预期更新幅度 → 换手率"，并在 1,045 名投资者×3,955 个月度面板中得到完整识别。
  2. 信心调节强化学习强度 (H1)：高于均值信心的投资者其收益预期对过去收益的外推系数显著更高 (交互项 0.159, p<0.05)，相应预期变化幅度比低信心者大 0.2 个 Likert 单位。
  3. 信心放大信念更新幅度 (H2)：信心系数 0.092 (p<0.01)，且控制收益波动率后稳健，证明效应来自信念形成机制本身而非高信心投资者所经历收益波动更大。
  4. 信念更新幅度推动交易 (H3)：滞后预期变化绝对值对换手率系数 0.071 (p<0.05)，对对数交易笔数系数 0.188 (p<0.01)。
  5. 绩效代价：高于均值信心投资者月度换手率高 8.6 个百分点，月度收益低 88 个基点 (p=0.012)；信心通过中介链条最终损害绩效。
  6. 信心是稳定个体特质：月度自相关 0.65、12 月间隔 0.58，截面差异 (sd=0.99) 远大于个体内时间序列差异 (sd=0.55)，且与收益预期、风险感知、风险容忍度近乎正交，是独立于风险态度的人格维度。
  7. 理论与政策含义：支持双加工理论 — 信心反映对系统1直觉的依赖度，挑战 Odean (1998) 假设投资者具有信息处理优势的传统模型；提出延长组合评估期、改变信息呈现等智能默认设置作为缓解过度交易的助推工具。

🔗 链接到这篇笔记