Beliefs about Beta: Upside Participation and Downside Protection

基本信息

作者: Christoph Merkle, Michael Ungeheuer
年份: 2021 (February)
期刊/来源: Working Paper (Aarhus University BSS / Aalto University)
JEL分类: G11, G12, G41
关键词: Return expectations, risk expectations, beta, diversification, overconfidence
预注册: OSF (https://osf.io/hkbq3, 2019年9月15日注册)

一句话总结

通过 MTurk 实验（N=771）发现散户投资者系统性地低估其投资组合的 beta（平均约 0.68 vs. 真实值 ≈ 1），且 upside beta（0.75）显著高于 downside beta（0.61）——即认为自己的组合"上行充分参与、下行受到保护"，而这一不对称性在自主选股的 Selection 处理组中显著放大。

研究问题

散户投资者对其投资组合与市场之间关系（隐含 beta）的信念是怎样的？是否系统性偏离客观真实值？
主动选股相对于随机分配组合，是否会放大对系统性风险的低估，特别是 downside beta 的低估？
beta 信念是否在市场收益为零处呈现不对称（kink at zero）——即"上行参与+下行保护"的不对称模式？

核心贡献

新经验事实：发现投资者对组合 beta 的信念在零市场收益处存在拐点——upside beta 系统性高于 downside beta，构成"upside participation + downside protection"的不对称信念结构。
因果识别：通过 between-subject 设计（Selection vs. Assignment），首次实验性地区分"主动选择导致的 overconfidence 部分"与"任何投资者都存在的 cognitive bias 部分"，发现处理效应集中在 downside beta 上。
方法论创新：通过条件预期任务（assisted 与 unassisted 双格式）间接测量隐含 beta，避免直接询问 beta 这一专业术语带来的理解障碍。
理论意义：提出新的过度自信微观基础——散户对自选组合的"上行参与+下行保护"信念在纯股票组合中通常无法实现，这一信念偏差有助于解释证券市场线（SML）的平坦化、低风险溢价之谜以及散户主动选股的过度行为。
预注册研究：假设、排除标准、样本量均预先在 OSF 注册，提升结论的可信度。

维度1：实验设计分析

核心研究问题

投资者如何评估其投资组合与股票市场之间的关系（即隐含beta信念），以及主动选股是否会放大对beta的系统性低估？

实验平台与被试

平台: Amazon Mechanical Turk (MTurk)
时间: 2019年10月
样本: 目标N=800（基于power analysis），897人开始实验，最终有效样本N=771
排除标准（预注册）：完成时间<2分钟，或6道条件期望问题给出完全相同答案的参与者（排除29人）
被试特征: 平均年龄36岁（19-76），女性38%，57%目前持有风险资产，金融素养平均8/10正确
筛选标准: 95%以上approval rate，至少100个已完成任务，美国地理位置

处理组（Between-subject设计）

Selection Treatment（选择组）: 被试从道琼斯工业平均指数(DJIA)30只成分股中自主选择股票构建投资组合（至少选2只，最多30只），假设$40,000均匀分配于所选股票
Assignment Treatment（分配组）: 被试被随机分配一个由DJIA成分股组成的投资组合（随机为3、5、7或9只股票），假设$40,000均匀分配

实验任务详细流程（按顺序）

第一阶段：市场收益预期

欢迎页面介绍DJIA指数（衡量美国股市表现的指标）
75%的被试点击查看了DJIA成分股完整列表
被试填写对DJIA指数下一年的收益率预期（百分比）

第二阶段：投资组合构建/分配
4. 随机分入选择组或分配组

选择组：从30只DJIA股票中选择构建组合，按个人偏好选择
分配组：展示随机抽取的3/5/7/9只股票组合

被试被要求想象将$40,000投入该投资组合

第三阶段：无条件预期
6. 报告投资组合的预期收益率（百分比）
7. 报告组合中一只随机股票的预期收益率
8. 对市场（DJIA）、组合、个股进行风险评估（1-7量表，7=最高风险）

第四阶段：条件预期（核心任务）
9. 辅助格式（Assisted format）: 被试在下拉菜单中选择

"如果道琼斯指数上涨1%（或10%），你的投资组合会怎样？"
两步回答：(a) 组合涨/跌？(b) 幅度多大？（预设区间，如0.0-0.4%, 0.5-0.9%, about 1.0%, 1.1-1.5%, 1.6-2.0%, >2.0%）
同样问下跌1%（或10%）的情况
随机分配到1%或10%的市场收益情境

非辅助格式（Unassisted format）: 开放式回答
- 呈现6个随机市场收益率（范围[-19%, +19%]，排除0%, +/-1%, +/-10%）
- 三个正收益、三个负收益（两个一位数、一个两位数）
- 被试自由输入每个市场收益对应的组合预期收益率（百分比）

第五阶段：金融素养测试
11. 10道金融素养问题（来自Fernandes, Lynch, and Netemeyer, 2014）
12. 被试估计自己答对题数（overestimation测量）
13. 被试估计自己在100人中的排名（overplacement测量）
14. 固定报酬$2 + 答题正确奖励$0.20/题

第六阶段：人口统计
15. 年龄、性别、是否投资、风险承受度

关键设计特点

Between-subject: 选择 vs. 分配是被试间设计，避免需求效应
Within-subject: 条件期望中上涨/下跌市场是被试内比较
两种问题格式: 辅助（下拉菜单）和非辅助（自由输入）互为验证
激励兼容: 金融素养测试部分有金钱激励
预注册: 假设和排除标准均预先注册

维度2：理论模型

核心概念框架

隐含Beta的计算

从条件预期中提取的隐含beta：

辅助格式下，beta基于所选区间的中点计算：
$ $\beta_i^{implied} = \frac{E_i[r_p | r_m]}{r_m}$ $

例如：被试在市场上涨1%时选择[0.5%, 0.9%]区间，则隐含beta = 0.7

非辅助格式下，使用参与者级别的回归估计beta：
$ $E_i[r_{p,j}] = \alpha_i + \beta_i \cdot r_{m,j} + \epsilon_{i,j}$ $

其中 $j$ 索引6个不同市场收益情境。

Upside Beta与Downside Beta的分离

分段线性模型（piece-wise linear model）在市场收益为零处设置拐点：
$ $E_i[r_p | r_m] = \alpha_i + \beta_i^{up} \cdot r_m \cdot \mathbb{1}(r_m > 0) + \beta_i^{down} \cdot r_m \cdot \mathbb{1}(r_m \leq 0)$ $

回归框架（Table 4的混合效应模型）

基准模型（随机效应，个体层面）：
$ $E_i[r_p | r_m] = \alpha + \beta \cdot r_m + u_i + \epsilon_{i,j}$ $

完整模型（Column 4）包含三重交互项：
$ $E_i[r_p | r_m] = \alpha + \beta_1 \cdot r_m + \beta_2 \cdot r_m \cdot \mathbb{1}(r_m < 0) + \beta_3 \cdot r_m \cdot Selection_i + \beta_4 \cdot r_m \cdot \mathbb{1}(r_m < 0) \cdot Selection_i + \gamma \cdot Selection_i + u_i + \epsilon_{i,j}$ $

其中：

$\beta_1$ = upside beta（正市场收益时的斜率）
$\beta_1 + \beta_2$ = downside beta（负市场收益时的斜率）
$\beta_3$ = 选择组对upside beta的额外效应
$\beta_4$ = 选择组对downside beta的额外效应（三重交互）

研究假设

H1: 自选组合的投资者预期在收益和风险方面超越市场，而被分配随机组合的投资者不会
H2: 自选组合的投资者预期更多的下行保护（更低的系统性下行风险），相对于被分配随机组合的投资者

理论基准（Benchmark）

DJIA成分股随机组合的理论beta应接近1（因为组合是指数的子集）
历史数据验证：1929-2018年DJIA成分股年均beta = 1.02，downside beta = 1.01，upside beta = 1.03（均与1无显著差异）

维度3：核心发现

发现1：无条件预期——高收益+低风险

市场预期收益率: 全样本平均11.8%/年
组合预期收益率: 全样本平均13.7%/年，显著高于市场预期（t=5.06）
预期超额表现:
- 选择组：+3.5个百分点（t=6.03）
- 分配组：+0.4个百分点（不显著）
- 处理效应: 3.1个百分点差异（t=4.02）
风险评估（1-7量表）:
- 选择组：组合风险比市场低约0.7（t=8.87）
- 分配组：组合风险比市场低约0.2（t=2.18）
- 处理效应: 风险差异的组间差异显著（t=4.94）
个股 vs. 组合: 个股预期收益比组合低约2.6个百分点（不分处理组），风险评估高0.2点（t=3.16）

发现2：隐含Beta普遍低于1（核心发现）

辅助格式（Table 3, Panel A）全样本:

指标	均值	标准误
Upside Beta	0.75	~0.03
Downside Beta	0.61	~0.03
差异（Up - Down）	0.14	-

所有beta均显著低于1（p < 0.00001）

按处理组分（辅助格式）:

指标	选择组	分配组	差异
Upside Beta	0.76	0.74	0.02 (n.s.)
Downside Beta	0.53	0.70	0.16 (t=3.36)
Up-Down差异	0.23 (t=5.24)	0.04 (n.s.)	-

非辅助格式（Table 4回归，Column 2）:

Upside Beta: 0.75
Downside Beta: 0.59（= 0.75 - 0.16）
差异显著

个体层面Beta估计（非辅助格式，n=723）:

平均beta: 0.68（显著低于1）
分段模型：平均upside beta = 0.79，平均downside beta = 0.61（p < 0.001）
Beta分布众数在1，但低于1的估计值远多于高于1的
90%以上的beta估计值在0到2之间

发现3：Beta不对称性——上行参与+下行保护

选择组: upside beta (0.76) vs. downside beta (0.53)，差异0.23（t=5.24），在零处存在显著拐点
分配组: upside beta (0.74) vs. downside beta (0.70)，差异0.04（不显著），但方向一致
适度收益（+/-1%）vs. 极端收益（+/-10%）:
- 适度收益时的Up-Down差异：选择组0.32（t=4.75）
- 极端收益时的Up-Down差异：选择组0.13（t=2.44）
- 效应在接近零的市场收益处最强

发现4：三重交互效应（Table 4, Column 4）

$r_m$ （upside beta基准）: 0.75
$r_m \times \mathbb{1}(r_m<0)$ （downside额外效应）: -0.10（t=1.76，弱显著）
$r_m \times Selection$ （选择组对upside beta的效应）: 0.01（t=0.26，不显著）
$r_m \times \mathbb{1}(r_m<0) \times Selection$ （三重交互）: -0.13（显著为负）
核心含义: 处理效应完全集中在downside beta上，选择组的downside beta显著更低，upside beta无组间差异

发现5：历史数据不支持低Beta信念

历史beta（1929-2018）: 线性beta = 1.02，downside = 1.01，upside = 1.03（均与1无显著差异）
选择组被试所选股票的历史beta和downside beta反而更高（>1）
结论: 被试的低beta信念无法用历史数据合理化

发现6：机制探索

金融素养: 高素养者beta估计更高（更接近1），但不对称性仍存在于所有子样本
过度自信: 金融测试中的overestimation和overplacement与beta信念无强关联
分散化: 持有更少股票的被试展现更强的处理效应（期望超额表现5.1% vs. 1.4%）
历史beta: 高历史beta组合的持有者并不认为其组合更高风险

维度6：与其他文献的关系

所属研究领域

投资者预期与过度自信: 收益预期、风险预期、组合过度自信
相关性/依赖性评估: correlation neglect、条件预期偏差
市场模型与散户投资者: beta认知、CAPM的行为基础

与关键文献的关系

文献	关系	本文贡献
Eyster & Weizsacker (2016)	correlation neglect在金融决策中	从两资产推广到组合-市场关系，发现方向性不对称
Ungeheuer & Weber (2020)	依赖性感知影响投资决策	从一般依赖性推广到条件预期和隐含beta
Merkle (2018)	自选组合的条件预期暗示beta低估	增加随机分配对照组，分离过度自信vs.认知偏误
Reinholtz, Fernbach & De Langhe (2021)	人们不理解分散化的好处	互补：解释了为何个股预期收益低于组合
Chinco, Hartzmark & Sussman (2020)	风险因子的相关性是其相关性的必要条件	提供直接证据：投资者对beta的感知严重偏离真实值
Laudenbach, Weber & Wohlfart (2020)	条件市场预期（时间序列）	本文研究条件组合预期（截面依赖性）
Graham, Harvey & Huang (2009); Merkle (2017)	投资者过度自信（无条件预期）	拓展到条件预期，发现过度自信源于下行保护信念
Barber, Huang & Odean (2016); Berk & van Binsbergen (2016)	假设投资者能正确评估共同基金beta	本文质疑这一假设，发现beta被系统性低估

核心学术贡献

首次实验性区分主动选择vs.随机分配对beta信念的因果效应
发现新的程式化事实: beta信念在市场收益零处存在拐点（kink at zero），upside beta > downside beta
揭示过度自信的新来源: 投资者认为自选组合具有"上行参与+下行保护"特征，这是一种在纯股票组合中通常无法实现的收益分布
方法论: 通过条件预期间接测量beta信念，避免了直接询问beta的理解障碍

对后续研究的启示

投资者对系统性风险的误解可能解释证券市场线的平坦化（flat SML）
低估downside beta意味着投资者可能要求低于合理水平的风险溢价
认知偏误（即使在随机组合中也低估beta）与过度自信（选择组进一步放大）共同驱动信念偏差

维度4：变量概览

变量	测量方式	角色
Market Return Expectation	对 DJIA 下一年收益率（百分比）的估计	基准预期
Portfolio Return Expectation	对所持/被分配组合下一年收益率的估计	无条件预期
Stock Return Expectation	组合中随机选取一只股票的收益率预期	个股 vs. 组合对比
Risk Rating（市场/组合/个股）	1-7 量表	风险信念
Conditional Expectation（assisted）	在 r_m = +/-1% 或 +/-10% 情境下，从下拉菜单选择对应组合收益区间	计算隐含 beta
Conditional Expectation（unassisted）	6 个随机市场收益率（[-19%, +19%]）下自由输入组合收益	个体级 beta 回归
Implied Beta	E[r_p\|r_m] / r_m（assisted）或个体回归斜率（unassisted）	主因变量
Upside / Downside Beta	分段线性模型在 r_m = 0 处的拐点斜率	不对称性度量
Treatment	Selection（自选）vs. Assignment（随机分配 3/5/7/9 只股票）	处理变量
Financial Literacy	10 道 Fernandes-Lynch-Netemeyer (2014) 题目	异质性分析
Overestimation / Overplacement	自评答对题数 / 自评 100 人中的排名	过度自信度量
Demographics	年龄、性别、是否投资、风险承受度	控制变量

维度5：局限性

样本代表性：MTurk 样本以美国零售投资者为主，平均年龄 36 岁，可能与机构投资者或专业人士的信念结构不同。
假想任务（hypothetical）：投资任务无真实金钱激励（仅金融素养测试有少量奖金），可能影响认真程度；但作者通过预注册和排除规则部分缓解。
静态时点信念：仅测量某一时点对未来 1 年的预期，未追踪信念随时间或市场周期的演变。
DJIA 限定：股票池仅 DJIA 30 只成分股，结果是否推广到中小盘股、新兴市场股票尚未验证。
机制识别有限：虽发现处理效应集中在 downside beta，但 selection 引发 overconfidence 的具体心理机制（如 illusion of control、wishful thinking、selective attention to good news）未做精细区分。
横截面 vs. 时间序列预期：本文聚焦截面依赖性（组合 vs. 市场），未联系到时间序列预期偏差（如 extrapolation）。
真实交易行为联系：未将信念偏差与被试的真实组合配置行为相联系，外部效度边界未明确。

维度7：可拓展的研究方向

机构投资者样本：对专业基金经理或财务顾问做相同实验，检验过度自信效应是否仍存在。
真实交易关联：将隐含 beta 信念与真实经纪账户数据匹配，量化信念偏差对实际配置的影响。
debiasing 干预：检验提供历史 beta 信息、相关性可视化或决策辅助工具能否减弱 downside beta 低估。
跨资产推广：从股票推广到 ETF、共同基金、加密货币组合，检验"上行参与+下行保护"信念在不同资产类别中的普遍性。
时间序列扩展：在不同市场状态（牛市/熊市/高波动期）重复实验，检验信念是否周期性变化。
理论模型化：建立含 reference-dependent perception of dependence 的资产定价模型，推导对均衡风险溢价、SML 形态、share volume 的可检验预测。
与 correlation neglect 的关系：与 Enke_Zimmermann_2019_CorrelationNeglect_BeliefFormation、Hossain_2020_BeliefFormation_SignalCorrelation 等研究对比，检验组合层面 beta 偏差与一般 correlation neglect 的同源性。
跨文化与制度比较：在不同金融素养水平、不同市场参与文化的国家重复实验。

关键结论

散户投资者对其投资组合 beta 的信念存在两类系统性偏差：(a) 平均隐含 beta 显著低于 1（约 0.68，远低于 DJIA 子集的真实 beta ≈ 1）；(b) upside beta 系统性高于 downside beta（0.75 vs. 0.61），构成"上行参与+下行保护"的不对称信念结构。
主动选股放大了 downside 一侧的 beta 低估：Selection 处理组的 downside beta（0.53）显著低于 Assignment 组（0.70），而 upside beta 在两组间无差异——这意味着 overconfidence 完全集中在"我的组合在下跌时受到保护"的信念上，为理解证券市场线平坦化、低风险溢价之谜以及散户主动选股偏好提供了行为微观基础。

与本研究关联的文献（候选 wikilinks）

与 correlation neglect 研究脉络相关：Enke_Zimmermann_2019_CorrelationNeglect_BeliefFormation、Enke_2020_WYSIATI_CorrelationNeglect、Hossain_2020_BeliefFormation_SignalCorrelation。
与 CAPM 异质信念相关：Levy_2006_CAPM_HeterogeneousBeliefs、Negrea_Toma_2017_DynamicCAPM_Ambiguity。
与过度自信和散户行为相关：Barber_Odean_1998_IndividualInvestors_Performance、Barber_Odean_BoysWillBeBoys_Gender_Overconfidence、Odean_Volume_Overconfidence、Phan_Rieger_2018_Overtrading_Underdiversification。
与组合规模和 diversification 相关：Chance_2011_PortfolioSize_Diversification。
与时间序列条件预期相关：Laudenbach_Weber_CESifo。
与行为资产定价框架相关：Barberis_PsychologyBased_AssetPricing、Barberis_2015_XCAPM_Extrapolative。

Merkle_2021_BeliefsAboutBeta