Investor Memory of Past Performance Is Positively Biased and Predicts Overconfidence

元数据

作者: Daniel J. Walters (INSEAD), Philip M. Fernbach (University of Colorado Boulder)
期刊: PNAS, Vol. 118, No. 36
年份: 2021
DOI: https://doi.org/10.1073/pnas.2026680118
关键词: overconfidence, investor behavior, memory bias, trading frequency
数据可用性: Open Science Framework (https://10.17605/OSF.IO/N9DZF)

一句话总结

通过3项预注册研究（含真实投资者样本），首次证明投资者对过去回报的记忆存在系统性的正向偏差——既扭曲单笔交易的回报又选择性遗忘亏损交易——这种记忆偏差预测过度自信与过度交易，且简单的"查看真实报表"干预可显著减少两者。

研究问题

真实投资者对过去投资回报的记忆是否存在系统性正向偏差？
这种记忆偏差由"扭曲"（distortion，回报被记得更高）还是"选择性遗忘"（selective forgetting，亏损更易被遗忘）驱动，还是两者并存？
记忆偏差是否预测过度自信（overplacement）和交易频率？
让投资者查阅真实历史报表是否能降低过度自信与交易频率（去偏干预）？

核心贡献

理论贡献：在传统过度自信解释（确认偏差、动机推理、忽视未知）之外，提出记忆偏差作为过度自信的独立机制，并区分扭曲与选择性遗忘两种子机制——前者源于自我增强的回忆重构，后者源于动机性遗忘，两者均独立预测过度自信。
方法贡献：开发"记忆-验证"双阶段范式，让真实投资者先凭记忆汇报历史回报，再查阅财务报表，通过同一交易在两阶段的差异分离扭曲机制；通过报表中存在但记忆中缺失的交易识别选择性遗忘。
实证贡献：在3项研究、近1,000名真实投资者中一致证实记忆正向偏差及其与过度自信、交易频率的关联；Study 3采用激励兼容的真实交易频率测量（$488真金白银，3个月跟踪）。
政策与实践贡献：提出易于实施的去偏干预——让投资者在交易决策前查看实际历史回报，可显著降低过度自信（d=0.30）与交易频率（d=0.24）；为经纪商和监管机构改进信息披露设计提供直接证据。

维度1：实验设计分析

总体设计架构

本文包含三个递进式研究，均招募真实投资者（非学生样本），核心范式为"记忆-验证"设计：让投资者先凭记忆回忆过去的投资回报，再查阅财务报表获取实际回报，通过比较两者差异测量记忆偏差。

Study 1：基础相关性设计（N = 411）

被试: 通过Pollfish在线平台招募411名美国真实投资者（33.5%女性，M_age = 37.0），要求持有至少$1,000股票投资、2019年持有两只以上个股、可查阅交易记录。报酬$2.00。

任务流程（三个阶段，随机化呈现顺序）:

记忆阶段（Memory Phase）: 被试回忆2019年对其投资组合影响最大的两笔投资（盈亏均可），写下股票名称和年度回报率（百分比），输入范围-250%至250%。明确要求仅凭记忆，不查阅外部材料。
过度自信测量: 采用经典的overplacement范式——估计未来12个月自己投资组合跑赢标普500的百分点数。例如预期跑赢10%则填10，预期跑输10%则填-10。
交易频率测量: 6点量表（1=每天至少一次，6=每年不到一次），反向编码使高分代表更频繁交易。
验证阶段（Statement Phase）: 被试打开财务报表，报告同两笔投资的实际回报率。要求尽可能准确。为激励诚实报告，告知被试需说明愿意支付多少（最高$200）来提交匿名化报表供验证，并告知部分人的报表会被随机审核，只有报告精确到1个百分点才获得额外报酬。
诚实性检查: 询问是否查阅了财务报表。88.6%报告已查阅，73.0%同意分享报表供验证。

核心测量变量:

正向偏差（Positivity Bias）: 记忆回报均值 - 实际回报均值（个体层面）
过度自信（Overconfidence/Overplacement）: 预期跑赢标普500的百分点数
交易频率: 6点量表

Study 2：区分扭曲与选择性遗忘（N = 151 -> 144）

被试: 通过Prolific Academic招募151名合格投资者（经3,167人筛选），要求$1,000+投资、2020年10笔以上交易、可查阅交易记录。报酬4英镑。最终144人完成全部任务（26.4%女性，M_age = 36.2）。

任务流程:

记忆阶段: 回忆2020年上半年对组合影响最大的10笔交易（较Study 1增加至10笔）。可输入不到10笔（留空即可），平均输入7.0笔（SD=3.3）。改进：本研究要求报告百分比回报率（非年度回报），且限定已实现交易（买入并卖出）。每笔交易需提供买卖价格。
过度自信测量: 改进版——先估计标普500未来12个月回报，再估计自己组合回报。过度自信 = 自己组合预期回报 - 标普500预期回报。
交易频率测量: 10点量表（较Study 1更精细）。
验证阶段（Statement Phase）: 打开财务报表，报告2020年对组合影响最大的10笔交易。平均输入8.2笔（SD=2.8）。然后将记忆阶段的交易与报表中的交易进行匹配（通过下拉菜单按报表列出的交易匹配）。如果记忆阶段报告的某笔交易不在报表中，可标注。最后提供每笔交易的百分比回报、美元价值、起止日期。

关键设计优势: 通过收集同一交易在两个阶段的回报数据，可以分离两种记忆偏差：

扭曲（Distortion）: 同一交易在两个阶段的回报差异（记忆阶段报告更高 = 扭曲）
选择性遗忘（Selective Forgetting）: 报表阶段列出但记忆阶段未列出的交易，按盈亏分类。若亏损交易更容易被遗忘 = 选择性遗忘

Study 3：因果性实验（Between-subjects, N = 366）

被试: 通过10个大型在线投资论坛招募366名经验投资者（26.4%女性，M_age = 36.2）。要求$1,000+投资、2018年持有至少两只个股、可查阅交易记录。

激励兼容的交易频率测量: 被试获得$500虚拟资金，每月可进行最多100笔交易（每笔$1成本），通过滑块选择每月交易次数。被选入"大型研究"的被试实际获得$488（$500减去交易成本），在其选定平台上按该金额交易3个月，保留期末价值。这使交易频率测量具有真实经济后果。

实验操控（随机分配）:

处理组（Treatment）: 查阅财务报表，写下2018年对组合影响最大的两笔投资及其回报。
控制组（Control）: 查阅投资记录，写下2018年持仓比例最大的两个行业。

操纵检验: 处理组回忆的2018年回报（11.0%）显著低于控制组（15.8%），t(364)=2.39, P=0.017, d=0.25，说明查看实际回报确实降低了记忆中的正向偏差。

测量顺序: 写下投资信息 -> 过度自信测量（同Study 1）-> 激励兼容交易频率 -> 人口统计变量。过度自信和交易频率在同一页面呈现，顺序随机化。

跨研究的方法论特征

所有研究均预注册于 aspredicted.org
均通过INSEAD IRB审批
均招募真实投资者（非学生、非模拟）
分析和预测在数据收集前确定

维度2：理论模型

核心理论框架

本文提出一个基于记忆的过度自信机制：投资者的过度自信不仅源于传统的信息加工偏差（确认偏差、正面测试策略、动机推理等），还源于对过去投资表现的正向记忆偏差。

两种记忆偏差机制

扭曲（Distortion）: 回忆某笔交易的回报时，系统性地高估其收益。这是对单笔交易回报大小的记忆偏差。文献基础：高中/大学成绩的记忆扭曲（Bahrick et al., 1996, 2008）。
选择性遗忘（Selective Forgetting）: 更容易遗忘亏损交易而记住盈利交易。这是对交易集合的记忆偏差。文献基础：自我增强动机下的选择性记忆（D'Argembeau & Van der Linden, 2008; Sedikides & Green, 2004）。选择性遗忘随年龄增强（Mather, 2006），5岁儿童即已表现（Wilson et al., 2004）。

因果路径模型

正向记忆偏差 -> 过度自信（Overplacement） -> 交易频率

中介分析使用结构方程模型（SEM）+ Bootstrap（10,000次重抽样），检验过度自信是否中介记忆偏差与交易频率的关系。

理论贡献定位

与传统过度自信解释（确认偏差、正面测试策略、动机推理、未考虑未知因素）互补而非替代
提出记忆偏差可能比信息加工偏差更难去偏，因为传统去偏方法（考虑替代假设、采取外部视角、考虑未知因素）无法纠正被扭曲的记忆基础
提出了一个实用的干预方案：让投资者查看实际过去回报即可降低过度自信和交易频率

维度3：核心发现

Study 1 结果

记忆正向偏差:

投资1: M_memory = 44.1% (SD=64.5%) vs M_actual = 39.8% (SD=60.0%), t(410)=2.14, P=0.033, d=0.15
投资2: M_memory = 40.6% (SD=61.8%) vs M_actual = 33.5% (SD=56.0%), t(410)=3.43, P<0.001, d=0.24

过度自信水平: M = 13.0% (SD=24.3%), 显著大于0, t(410)=10.81, P<0.001, d=0.77

正向偏差预测过度自信: beta=0.197, P<0.01 (无控制变量); beta=0.200, P<0.001 (含控制变量)。Cohen's d = 0.71（正向偏差高1 SD时，预测过度自信为21.1% vs 均值13.0%）

正向偏差预测交易频率: beta=0.352, P<0.05 (无控制变量); beta=0.356, P<0.01 (含控制变量)。Cohen's d = 0.20

中介分析: 过度自信中介正向偏差对交易频率的效应，间接效应 b=0.268, bias-corrected 95% CI=[0.090, 0.503], P=0.011

Study 2 结果

总体正向偏差: M_memory = 29.6% (SD=28.2) vs M_statement = 21.6% (SD=41.2%), t(143)=3.54, P<0.001, d=0.30

扭曲效应: 同一交易在记忆阶段与报表阶段的回报差异，M=4.4% (SD=20.3%), t(143)=2.58, P=0.011。回归中 beta=-0.088 (memory vs statement), P<0.001 (Table 3, col 1)。记忆阶段回报 M=30.6% (SD=65.3%) vs 报表阶段同一交易 M=27.0% (SD=68.7%)

选择性遗忘: 1,161笔报表阶段交易中，784笔(67.5%)被记住，377笔(32.4%)被遗忘。被遗忘交易中亏损比例 M=39.7% vs 被记住交易中亏损比例 M=29.9%。选择性遗忘指标（记忆阶段vs报表阶段的亏损占比差异）M=4.3% (SD=12.9%), z=4.04, P<0.001

过度自信: M=8.8% (SD=27.9%), t(143)=3.80, P<0.001, d=0.32

扭曲和选择性遗忘分别预测过度自信 (Table 4):

扭曲: beta=0.434, P<0.01, Cohen's d = 0.67
选择性遗忘: beta=0.398, P<0.01, Cohen's d = 0.39
两者独立预测，含控制变量后仍显著

扭曲和选择性遗忘分别预测交易频率 (Table 4):

扭曲: beta=1.036, P<0.10 (边际显著), Cohen's d = 0.24
选择性遗忘: beta=3.150, P<0.05, Cohen's d = 0.46
含控制变量后两者均显著

中介分析: 选择性遗忘通过过度自信对交易频率的间接效应显著，b=0.70, 95% CI=[0.12, 1.45], P=0.042。扭曲通过过度自信的间接效应边际显著，b=0.76, 95% CI=[-0.02, 1.66], P=0.085

Study 3 结果（因果证据）

操纵检验: 处理组回忆回报 11.0% vs 控制组 15.8%, t(364)=2.39, P=0.017, d=0.25

过度自信: 处理组 M=5.8% (SD=11.2%) vs 控制组 M=9.2% (SD=10.6%), t(364)=2.91, P=0.004, d=0.30

交易频率（激励兼容）: 处理组 M=13.2笔/月 (SD=12.7) vs 控制组 M=16.4笔/月 (SD=14.2), t(364)=2.26, P=0.024, d=0.24

中介分析: 条件通过过度自信对交易频率的间接效应显著，b=1.75, 95% CI=[0.63, 3.05], P=0.004

效应量汇总

效应	Cohen's d	研究
记忆正向偏差 (投资1)	0.15	Study 1
记忆正向偏差 (投资2)	0.24	Study 1
记忆正向偏差 (10笔交易)	0.30	Study 2
过度自信水平	0.77	Study 1
过度自信水平	0.32	Study 2
正向偏差 -> 过度自信	0.71	Study 1
扭曲 -> 过度自信	0.67	Study 2
选择性遗忘 -> 过度自信	0.39	Study 2
干预降低过度自信	0.30	Study 3
干预降低交易频率	0.24	Study 3

维度6：与其他文献的关系

本文在文献中的位置

本文处于 记忆偏差、投资者过度自信 和 交易行为 三个文献交叉处，是首篇在真实投资者中系统记录记忆正向偏差并将其与过度自信和交易频率关联的实证研究。

与上游文献的关系

过度自信文献: 传统解释聚焦信息加工偏差——确认偏差 (Klayman 1995; Koriat et al. 1980)、正面测试策略 (Klayman et al. 1987)、动机推理 (Kunda 1990)、忽视未知 (Walters et al. 2017)。本文提出新机制：记忆偏差。
记忆偏差文献: 扭曲效应见于成绩回忆 (Bahrick et al. 1996, 2008)、健康信息回忆 (Croyle et al. 2006)；选择性遗忘见于绩效评估 (D'Argembeau & Van der Linden 2008)、自我防御 (Sedikides & Green 2004)。本文首次将两种机制应用于投资领域。
投资者过度自信与交易: Barber & Odean (2000) 证明过度自信投资者交易过多损害收益; Graham et al. (2009) 证明过度自信与交易频率和本地偏好相关; Merkle (2017) 开发了基于市场预期差的过度自信测量。

与平行文献的关系

Godker, Jiao & Smeets (2021, SSRN): 同期研究投资者记忆，互为独立发现
RoyChowdhury (2022): 自信心与动机性记忆丧失的理论模型
Fudenberg & Lanzani (2022): 选择性记忆均衡的理论模型

下游影响与政策启示

提出简单有效的去偏干预：让投资者查看实际历史回报即可降低过度自信和交易频率
建议经纪商在交易平台显示历史回报，政策制定者可要求金融机构定期提供回报信息
记忆去偏可能比传统认知去偏更有效，因为它直接纠正被扭曲的信息基础

方法论贡献

开创了招募真实投资者、结合记忆回忆与财务报表验证的研究范式
Study 2 的设计可以分离扭曲与选择性遗忘两种机制
Study 3 的激励兼容交易频率测量（真实资金、真实交易成本）在行为金融实验中较为罕见

维度4：变量概览

类别	变量	测量方式	研究
自变量（核心）	记忆正向偏差	记忆回报均值 - 实际回报均值	Study 1
自变量（核心）	扭曲（Distortion）	同一交易记忆回报 - 报表回报	Study 2
自变量（核心）	选择性遗忘	报表中亏损交易遗忘率 - 盈利交易遗忘率	Study 2
自变量（操纵）	是否查阅过去报表	处理 vs. 控制（被试间随机）	Study 3
中介变量	过度自信（Overplacement）	预期跑赢S&P 500的百分点	All Studies
因变量	自报交易频率	6点（S1）/10点（S2）量表	Study 1, 2
因变量	激励兼容交易频率	$488真实资金、$1/笔成本、3个月跟踪	Study 3
控制变量	投资经验、性别、年龄、教育、收入、组合规模	调查问项	All Studies
操纵检验	处理组回忆回报	t检验比较两组	Study 3
诚实性检查	是否查阅报表、愿付费验证金额	自报+激励	Study 1

维度5：局限性

样本来自在线平台：Pollfish、Prolific、投资论坛招募的被试虽是真实投资者，但仍可能与机构投资者、富裕个人投资者群体存在差异；样本以散户为主。
回忆时间窗口有限：Study 1-2回忆6-12个月内的交易，未检验更长时间跨度（如5-10年）下记忆偏差的累积效应。
自报数据：尽管设有报表验证激励，仍有约11%被试未查阅、27%未同意分享报表，潜在的不诚实可能稀释或扭曲效应估计。
过度自信的窄定义：仅测量overplacement（与S&P 500的相对预期），未涵盖overestimation（高估自身能力）或overprecision（高估预测精度）。
交易频率vs.投资业绩：研究显示干预降低交易频率，但未直接测量投资业绩改善——降低过度交易未必等价于改善长期收益。
机制解释有限：未深入区分记忆偏差的微观机制——是动机性自我增强、情绪记忆调控、还是认知重构？
跨市场情境：研究期间（2018-2020）部分覆盖牛市，结果在熊市/震荡市的稳健性需检验。
干预持续性：Study 3跟踪3个月，长期效果未知；可能存在习惯化或反弹效应。

维度7：可拓展的研究方向

机制研究：通过fMRI或眼动追踪，揭示扭曲与选择性遗忘的神经基础；区分编码失败（encoding failure）vs. 检索失败（retrieval failure）。
长期纵向研究：追踪个体投资者5-10年的真实交易记录与定期记忆测试，测量记忆偏差的时间累积效应及与组合表现的因果关系。
异质性研究：检验性别、年龄、文化、金融素养、自恋人格、抑郁症状如何调节记忆正向偏差；与Malmendier_Tate_Overconfidence_EarlyLife的早期经历效应对接。
市场环境调节：在熊市、高波动市场或加密货币市场中重复研究，检验记忆偏差是否对宏观情绪敏感。
去偏干预的优化：比较不同披露格式（绝对回报 vs. 相对基准 vs. 风险调整后回报）的去偏效果；测试推送频率、可视化方式（图表 vs. 数字）的影响。
与其他记忆偏差研究对接：连接到Heidhues_Koszegi_2023_MisinterpretingYourself的自我误读理论与Fan_InferenceForecastGap_BeliefUpdating的预测/推断分裂。
机构投资者验证：将范式扩展到专业基金经理、对冲基金交易员，检验记忆偏差是否在专业人士中存在。
行为机制建模：将记忆扭曲与选择性遗忘纳入信念形成模型（类Fudenberg & Lanzani 2022），刻画均衡过度自信水平。
政策实验：与监管机构合作，在真实经纪平台开展大规模A/B测试，评估强制披露历史回报对市场行为的总体影响。
跨决策领域推广：扩展到消费决策（购物记忆偏差→冲动消费）、健康行为（运动效果记忆→健身坚持）等其他领域，检验记忆偏差→过度自信→次优行为的通用机制。

关键结论

真实投资者的记忆系统性高估过去回报：记忆中的回报比实际报表中的回报平均高4-8个百分点（d=0.15-0.30），且这一偏差在三项研究、两种范式（自由回忆 vs. 配对回忆）中一致出现。
两种独立的记忆偏差机制并存：扭曲（同一交易回报被记得更高，d=0.67预测过度自信）与选择性遗忘（亏损交易遗忘率更高，d=0.39预测过度自信）均独立显著，证明记忆正向偏差是一个多机制现象。
过度自信中介记忆偏差→过度交易：结构方程+Bootstrap中介分析显示记忆偏差通过过度自信预测交易频率，间接效应显著（Study 1, 3）。这一中介路径构成行为金融的"记忆-认知-行为"三段链条。
简单的去偏干预有效：让投资者在决策前查阅财务报表，可降低过度自信30%、交易频率24%（Study 3），且采用激励兼容的真实交易测量（$488真金白银），证明效果具有真实经济意义。
理论与实践启示：记忆偏差可能比传统认知偏差（确认偏差等）更难通过教育去偏，因为它扭曲的是信息基础本身；但本研究提示直接展示真实数据这一简单方法可绕过认知去偏的失败，为fintech平台、经纪商和监管者提供具体操作建议。

Walters_Fernbach_2021_InvestorMemory_PositivityBias