我的笔记

Talwar_2021_RetailInvestors_Pandemic_HealthBelief

更新于 2026/7/5

Why Retail Investors Traded Equity During the Pandemic? An Application of Artificial Neural Networks to Examine Behavioral Biases

元数据

  • 作者: Shalini Talwar, Manish Talwar, Visa Tarjanne, Amandeep Dhir
  • 年份: 2021
  • 期刊: Psychology & Marketing, 1-22
  • DOI: 10.1002/mar.21550
  • 关键词: artificial neural network (ANN), behavioral biases, behavioral finance, heuristic simplification, retail investors

一句话总结

通过混合方法（ANN定量 + 定性论文）研究COVID-19疫情期间芬兰千禧一代男性散户的八种行为偏差对其股票交易活动与推荐意愿的影响，发现羊群效应、后见之明、过度自信是疫情期间散户参与股市的最强预测因子。

研究问题

  1. 在COVID-19全球健康危机背景下，哪些行为偏差（自我欺骗类、启发式简化类、社会互动类）显著影响千禧一代散户的股票交易活动？
  2. 哪些行为偏差影响散户向他人推荐股票投资的意愿？
  3. 这些偏差与交易/推荐结果之间是线性还是非线性关系？
  4. 疫情进入持续阶段后，这些偏差是仅由短期恐慌驱动还是持续存在？

核心贡献

  1. 首篇危机情境下系统检验八种行为偏差的研究: 在COVID-19这一独特健康危机背景下，验证Montier (2002) 三大类行为偏差框架对散户实际交易行为的解释力。
  2. 方法论创新: 采用人工神经网络（ANN）方法同时捕捉行为偏差与交易行为之间的线性与非线性关系，突破SEM对正态性、线性等假设的限制。
  3. 代际聚焦: 首次以千禧一代男性散户为独立研究对象，回应代际行为差异研究需求。
  4. 拓展结果变量: 首次引入"推荐意愿"作为行为偏差研究的因变量，将口碑传播纳入散户行为研究框架。
  5. 混合方法验证: 通过事后定性论文研究（19名Prolific Academic受试者）确认偏差在疫情持续阶段并非短期恐慌产物，而是投资者心理的固有部分。

维度1：实验设计分析

方法类型

混合方法研究（Mixed-method）：定量调查（Survey） + 事后定性研究（Post hoc qualitative study）

定量部分

  • 数据收集方式: 横截面问卷调查（Cross-sectional survey），2020年5月在芬兰进行，通过WhatsApp群组和Facebook股票投资页面分发在线问卷
  • 样本: 351名芬兰千禧一代男性散户投资者（出生于1981-1996年），均有股票交易经验
  • 筛选条件: (a) 1981-1996年出生；(b) 男性；(c) 有股票交易经验
  • 问卷量表来源: 过度自信与自我归因（Baker et al., 2019）、后见之明（Baker et al., 2019）、代表性偏差（Baker et al., 2019）、锚定（Baker et al., 2019）、心理账户（Baker et al., 2019）、羊群效应（Baker et al., 2019）、过度乐观（Barrafrem et al., 2020）、损失厌恶（Chun & Ming, 2009）、交易活动（Milgrom & Stokey, 1982; Barber & Odean, 2000）、推荐意愿（Riquelme et al., 2016）
  • 分析方法: 人工神经网络（ANN），使用Python sklearn的多层感知器（Multi-layer Perceptron），以及SPSS
    • 70%训练集 / 30%验证集的交叉验证
    • 模型结构：7个输入神经元、3个隐藏神经元、2个输出神经元
    • 使用Sigmoid激活函数
    • 通过RMSE评估预测精度
    • 通过敏感性分析（Sensitivity analysis）评估各偏差的相对重要性

定性部分

  • 方法: 开放式论文问答（Open-ended essays）
  • 样本: 19名男性千禧一代投资者，通过Prolific Academic招募
  • 目的: 评估疫情初期出现的行为偏差是否随疫情推进而持续存在
  • 分析方式: 矩阵编码（Matrix recording），多作者独立评估后汇总

信效度

  • 信度: Cronbach's alpha 0.71-0.82；组合信度（CR）0.72-0.83（均高于0.70阈值，过度乐观除外被排除）
  • 效度: 平均方差提取（AVE）均大于0.50，确认收敛效度；AVE平方根大于成对相关系数，确认判别效度
  • 共同方法偏差: Harman单因子检验显示单因子仅解释26.82%总方差（低于50%阈值），确认CMB不成问题

维度2：理论模型

核心理论

  • Montier (2002) 行为偏差分类体系: 将行为偏差分为三大类：
    1. 自我欺骗偏差（Self-deception biases）: 过度自信与自我归因、后见之明偏差、过度乐观
    2. 启发式简化偏差（Heuristic simplification）: 代表性偏差、锚定效应、损失厌恶、心理账户
    3. 社会互动偏差（Social interaction）: 羊群效应
  • 前景理论（Prospect Theory）: Kahneman & Tversky (1979)，为行为偏差的存在提供理论基础
  • 行为金融学框架: Hirshleifer (2001)、Pompian (2011)、Yalcin et al. (2016) 的偏差分类

概念模型

八种行为偏差作为外生变量，交易活动和推荐意愿作为两个内生（结果）变量。研究预期偏差与结果变量之间存在线性和非线性两种关联形式。

选择ANN而非SEM的理由

  • 数据不符合正态分布（K-S检验拒绝正态性假设）
  • 需要同时检测线性和非线性关系
  • ANN对样本量、异常值、正态性、多重共线性、线性和同方差性等数据假设更为宽松

维度3：核心发现

过度乐观被排除

过度乐观因信度未达标（低于0.70阈值）被从分析中剔除，最终分析7种偏差。

对交易活动的影响（Table 10）

偏差 标准化相对重要性 相关系数 关系类型
羊群效应 100% 0.70 非线性
后见之明 87% 0.70 线性
过度自信与自我归因 62% 0.68 线性
代表性偏差 48% 0.63 非线性
锚定效应 12% -0.34 非线性
损失厌恶 0% - 无影响
心理账户 0% - 无影响

对推荐意愿的影响（Table 11）

偏差 标准化相对重要性 相关系数 关系类型
羊群效应 100% 0.68 非线性
后见之明 25% 0.58 线性
过度自信与自我归因 17% 0.57 线性
代表性偏差 12% 0.47 非线性
心理账户 2% 0.02 线性
锚定效应 1% -0.22 非线性
损失厌恶 1% -0.04 线性

ANN模型精度

  • 交易活动：训练RMSE均值 = 0.1455，验证RMSE均值 = 0.1484
  • 推荐意愿：训练RMSE均值 = 0.1972，验证RMSE均值 = 0.2197

关键发现总结

  1. 羊群效应是最强预测因子：对交易活动和推荐意愿的标准化重要性均为100%，且关系均为非线性正向
  2. 后见之明和过度自信是第二、三重要的偏差，均与两个结果变量呈线性正向关系
  3. 损失厌恶和心理账户仅对推荐意愿有微弱影响，对交易活动无影响
  4. 锚定效应影响较小且方向为负
  5. 非线性关系存在于羊群效应、代表性偏差、锚定效应与两个结果变量之间；线性关系存在于后见之明、过度自信与两个结果变量之间
  6. 偏差对交易活动的预测力大于对推荐意愿的预测力

定性研究补充发现

  • 74%参与者确认羊群效应影响交易活动，47%确认影响推荐意愿
  • 偏差在疫情推进过程中持续存在，非仅由恐慌驱动，而是投资者心理的固有部分
  • 后见之明的影响随疫情推进有所减弱（仅47%确认对交易活动的影响）

维度6：与其他文献的关系

研究贡献

  1. 填补危机情境下偏差研究空白: 首次在COVID-19全球健康危机背景下系统检验八种行为偏差对散户交易行为和推荐意愿的影响
  2. 聚焦千禧一代: 首次将千禧一代投资者作为独立群体研究其行为偏差，回应了代际差异对投资行为影响的研究需求
  3. 引入推荐意愿: 首次实证检验行为偏差对股票推荐意愿的影响，弥补了交易活动研究中忽视口碑传播的不足
  4. 方法论创新: 采用ANN方法同时捕捉线性和非线性关系，克服了传统SEM方法的局限性
  5. 混合方法验证: 通过事后定性研究验证偏差在疫情推进中的持续性

与现有文献的关系

  • 扩展了Baker et al. (2019) 关于行为偏差与人口统计变量的研究
  • 回应了Bansal (2020) 关于以行为偏差视角分析COVID-19市场波动的呼吁
  • 与Shantha (2018, 2019) 关于羊群效应导致市场波动的发现一致
  • 与Ortmann et al. (2020) 关于疫情期间投资者行为的研究互补
  • 损失厌恶和心理账户不影响交易活动的发现与Otuteye & Siddiquee (2019)、Zahera & Bansal (2018) 的先前发现相矛盾

局限性

  1. 横截面设计，可能存在自选择偏差
  2. 仅限芬兰一个国家，限制了推广性
  3. 仅关注男性千禧一代，限制了对更广泛人群的推广

未来研究方向

  • 扩展到不同国家和文化背景
  • 纳入女性和其他年龄段投资者
  • 检验其他偏差（如认知失调、情绪偏差）
  • 纵向研究以追踪偏差随时间的变化

维度4：变量概览

自变量（八种行为偏差，李克特5点量表）

  • 自我欺骗类:
    • 过度自信与自我归因（Overconfidence and self-attribution）
    • 后见之明偏差（Hindsight bias）
    • 过度乐观（Over-optimism，因信度未达标被剔除）
  • 启发式简化类:
    • 代表性偏差（Representativeness）
    • 锚定效应（Anchoring）
    • 损失厌恶（Loss aversion）
    • 心理账户（Mental accounting）
  • 社会互动类:
    • 羊群效应（Herding）

因变量

  • 交易活动（Trading activity）: 改编自Milgrom & Stokey (1982)、Barber & Odean (2000)
  • 推荐意愿（Recommendation intentions）: 改编自Riquelme et al. (2016)

控制/筛选变量

  • 年龄（限定1981-1996出生）
  • 性别（限定男性）
  • 投资经验（限定有股票交易经验）
  • 国别（限定芬兰）

模型超参数

  • ANN结构: 7输入神经元 / 3隐藏神经元 / 2输出神经元
  • 训练/验证比例: 70/30
  • 激活函数: Sigmoid
  • 评估指标: RMSE + 敏感性分析

维度5：局限性

  1. 横截面设计: 无法识别因果关系，只能识别关联；可能存在自选择偏差（仅愿意填写问卷的投资者）。
  2. 样本国别单一: 仅芬兰一国，限制了跨文化推广性，无法区分文化效应与疫情效应。
  3. 性别与年龄受限: 仅男性千禧一代，结论对女性、X世代、婴儿潮一代不适用，且无法检验代际/性别异质性。
  4. 结果变量自报: 交易活动与推荐意愿均为自报数据，可能存在社会期望偏差，未对接实际券商交易记录。
  5. 过度乐观被剔除: 因信度问题未能完整检验Montier三大类框架。
  6. 平台抽样偏差: 通过WhatsApp与Facebook股票投资群分发，样本可能偏向社交媒体活跃且关注股市的投资者，进一步加剧了羊群效应的发现。
  7. 疫情情境特异性: 结论可能仅适用于健康危机情境，与金融危机（如2008年）或正常市场环境的偏差结构可能不同。

维度7：可拓展的研究方向

  1. 跨文化对比: 在亚洲（如中国、印度）、北美、欧洲多国同步收集数据，检验文化维度（个人主义/集体主义）是否调节羊群效应强度。
  2. 代际与性别异质性: 纳入女性、X世代、婴儿潮一代，比较行为偏差结构在不同人口群体中的差异，可与 Barber_Odean_BoysWillBeBoys_Gender_Overconfidence 的性别差异结论对话。
  3. 纵向追踪: 通过面板数据追踪同一投资者的偏差强度随疫情、复苏、新危机的动态演变，识别哪些偏差为状态依赖型，哪些为特质型。
  4. 接入实际交易数据: 与券商合作，将自报数据替换为实际交易记录（频率、换手率、持仓集中度），检验自报与行为的差距，呼应 Barber_Odean_1998_IndividualInvestors_Performance 的实际交易研究路径。
  5. 机制识别实验: 设计实验室实验（如信息瀑布范式）分离羊群效应中的信息型与规范型成分，识别危机情境下放大羊群的具体机制。
  6. 机器学习方法的拓展: 比较ANN与XGBoost、随机森林、深度神经网络等其他算法的预测精度，并使用SHAP值替代敏感性分析以提供可解释性。
  7. 与结构化模型对话: 将ANN识别出的偏差强度作为结构估计的输入，估计代表性投资者的偏差参数（与 Daniel_Hirshleifer_2015_Overconfident_Returns_Trading 的过度自信结构模型对话）。
  8. 媒体与情绪通道: 引入社交媒体情绪、新闻关注度作为中介变量，检验"信息环境 → 偏差激活 → 交易行为"的传导链条。

标签

#behavioral_finance #behavioral_biases #retail_investors #millennials #COVID19 #herding #hindsight_bias #overconfidence #representativeness #anchoring #loss_aversion #mental_accounting #ANN #neural_network #survey #mixed_methods #Finland #trading_activity #recommendation_intentions #heuristic_simplification

关键结论

  1. 羊群效应在危机情境下被放大为最重要的行为偏差: 对交易活动和推荐意愿的标准化相对重要性均为100%，且关系均为非线性正向，意味着当社交圈交易活跃度突破某阈值后，个人交易行为出现非线性激增。这与 Barber_Odean_BoysWillBeBoys_Gender_Overconfidence 中过度自信驱动男性交易的常态结论形成对比，说明危机情境下社会信息处理的权重显著上升。
  2. 三大类偏差中"启发式简化"对交易活动的解释力最弱: 损失厌恶和心理账户对交易活动的相对重要性为0%，与正常市场环境下的发现相反，提示危机情境下投资者更依赖社会信息和自我归因，而非细致的损益计算。
  3. 后见之明和过度自信是稳健的第二、三大预测因子: 与两个结果变量呈线性正向关系，表明"早就知道疫情会带来机会"的事后归因和过度自信驱动了散户在疫情期间入市。
  4. 行为偏差对交易行为的影响在疫情持续阶段并未消退: 定性研究确认74%受试者承认羊群效应持续影响其交易决策，说明这些偏差并非短期恐慌产物，而是投资者心理的稳定特征。
  5. 方法论结论: ANN的非线性建模能力揭示了传统SEM无法识别的羊群效应、代表性偏差与锚定效应的非线性结构，为行为金融学方法论提供了新工具。