Zimpelmann_StockMarketBeliefs_PortfolioChoice
Stock Market Beliefs and Portfolio Choice in the General Population
一句话总结
利用荷兰 LISS 概率抽样面板的激励兼容信念引出数据与 CBS 行政税务资产数据的独特组合，作者证明家庭对股市回报的主观预期是投资组合风险承担的重要驱动因素，且通过"信念变化-投资组合变化"的一阶差分识别策略排除了时间不变混淆变量的干扰。
研究问题
- 家庭对股市回报的主观信念能否解释投资组合风险承担中超出风险厌恶、财富、参与成本等传统因素的剩余异质性？
- 信念分布的**期望值（μ₁）与标准差（σ₁）**对投资组合选择的相对作用如何？
- 信念-投资组合的横截面相关性是否由时间不变的第三变量（人格、家庭背景）驱动？
- 调查中引出的主观信念是否可靠——能否对应于真实的高赌注金融决策？
核心贡献
- 数据三重创新: 首次将（i）激励兼容的概率分布信念引出（100球分配，BSR 激励），（ii）荷兰统计局基于税务记录的行政资产数据，（iii）概率抽样的全人口家庭样本三者结合，克服了既有文献中自报资产噪声与样本不代表性两大问题（既有研究要么用自报数据如 Hurd-Rooij-Winter 2011、Kézdi-Willis 2011，要么用单一券商富裕投资者数据如 Merkle-Weber 2014、Giglio et al. 2020）
- 因果识别推进: 利用半年内两次信念引出的一阶差分设计，控制所有时间不变的混淆因素，比纯截面分析更接近因果推断
- 测量有效性回应: 证明调查测量的主观信念确实与真实税务记录中的高赌注投资行为相关，为对调查信念质量的批评（Cochrane, 2011）提供了直接的实证回应
- 理论与政策含义: 主流投资组合模型多假设客观回报分布，本文表明应纳入异质主观信念；信息干预与金融教育有可能通过改变预期来改善家庭投资决策
维度1：数据来源与实证策略
基本信息
- 作者: Christian Zimpelmann
- 机构: IZA Institute of Labor Economics, Bonn; Bonn Graduate School of Economics, University of Bonn; CRC Transregio 224
- 发表时间: January 2021
- 类型: Discussion Paper (CRC TR 224, No. 258)
- 关键词: 主观信念, 股票市场预期, 投资组合选择, 风险资产份额, 行政数据
一、核心研究问题与动机
研究问题
家庭对股市回报的主观信念是否能解释投资组合风险承担中的异质性？即：股票市场预期是否是投资组合选择的重要驱动因素？
研究动机
- 风险厌恶、财富水平、参与成本等传统因素仅能解释投资组合风险差异的一小部分
- 既有研究多使用截面数据和自报资产数据，面临遗漏变量偏误和测量误差两大问题
- 现有利用行政资产数据的研究仅限于单一券商的富裕投资者样本，不具人口代表性
- 需要验证：调查中测量的主观信念是否可靠、是否与实际高风险决策相关
二、研究方法与数据
数据来源（三大数据集的独特组合）
- 股市信念数据: 通过LISS面板（荷兰社会科学纵向互联网研究）采集，使用激励兼容的概率分布引出工具（100球分配至8个区间），两次引出（2013年8月、2014年3月），受试者预测AEX指数一年期表现
- 行政资产数据: 来自荷兰统计局（CBS）的税务记录，覆盖全荷兰家庭，包含安全资产与风险资产的分类信息，避免了自报数据的测量误差
- LISS面板调查数据: 风险厌恶（三种标准化风险测度的平均值）、金融素养、人口统计特征等
样本
- 最终横截面分析样本：1,720户家庭（金融资产>=1,000欧元）
- 信念动态分析样本：1,489户参与两次引出的家庭
- 概率抽样的荷兰成年人口家庭
关键变量
- 因变量: (1) 是否持有风险资产（广延边际）；(2) 风险资产占总金融资产比例（集约边际）
- 核心自变量: 信念分布的期望值（mu_1）和标准差（sigma_1），通过拟合对数正态分布估算
- 控制变量: 家庭构成、教育、年龄、总收入、财富、金融素养、风险厌恶
分析方法
- 横截面回归: 将投资组合风险对信念参数和控制变量进行OLS回归
- 一阶差分回归: 利用两次信念引出间的信念变化与投资组合风险变化进行回归，控制所有时间不变的混淆因素
三、核心发现
横截面结果
- 预期回报（mu_1）每增加一个标准差：
- 持有风险资产的概率提高3.5个百分点（约为因变量均值的12%）
- 风险资产份额增加1.5个百分点（约为因变量均值的15%）
- 该效应约为风险厌恶效应的50%（风险资产份额）至75%（广延边际）
- 加入金融素养和风险厌恶控制变量后结论稳健
- 信念分布的标准差（sigma_1）与投资组合选择无显著关系
时间动态结果（一阶差分分析）
- 预期回报变化每增加一个标准差，风险资产份额增加0.9个百分点
- 证明横截面相关性并非由时间不变的第三变量驱动
- 信念变化对广延边际（是否持有）无显著影响：半年内的预期变化不足以使非持有者开始购买风险资产
- 信念标准差变化同样无显著效应
信念更新特征
- 约45%的受试者未更新信念
- 预期回报平均上调0.64个百分点（与AEX半年+5%的正表现一致）
- 40%上调预期、16%下调预期
- 高收入家庭更倾向于正向更新
四、贡献、局限与启示
主要贡献
- 数据创新: 首次将激励兼容的信念引出、行政资产数据和概率抽样人口样本相结合，克服了既有文献中自报资产数据不可靠和样本不具代表性的双重问题
- 因果识别推进: 通过利用信念随时间的变化（一阶差分），排除了时间不变遗漏变量的干扰，比纯截面分析更接近因果推断
- 验证信念测量的有效性: 证明调查中测量的主观信念具有可靠性，且与实际高风险金融决策相关，回应了对调查信念数据质量的质疑（如Cochrane, 2011）
- 政策含义: 若主观预期驱动投资选择，则信息干预和金融教育可能改善家庭投资决策
局限性
- 无法完全排除因果关系（非实验设计）
- 信念标准差可能同时反映感知风险和模糊性，难以分离两种效应
- 信念引出存在测量误差，回归系数可能为下界估计
- 仅有两次信念引出，更多次测量有助于区分真实信念与噪声
- 半年时间窗口可能过短，不足以观察到广延边际的调整
与本项目的关联
- 提供了信念影响投资组合选择的清晰实证证据，支持信念在金融决策中的核心作用
- 使用的概率分布引出方法（100球分配法）可作为信念测量的参考工具
- 一阶差分策略为处理信念-行为关系中的内生性问题提供了方法论参考
- 信念标准差无显著效应的发现值得在实验设计中进一步探索（感知风险vs.模糊性）
关键数据速查
| 指标 | 数值 |
|---|---|
| mu_1 均值 | 2.51% |
| mu_1 标准差 | 4.9 |
| sigma_1 均值 | 6.24 |
| 持有风险资产比例 | 29% |
| 风险资产份额均值 | 10% |
| mu_1对持有风险资产的边际效应 | +3.5 pp/SD |
| mu_1对风险资产份额的边际效应 | +1.5 pp/SD |
| 一阶差分：mu变化对份额的效应 | +0.9 pp/SD |
| 样本平均年龄 | 58岁 |
来源: Zimpelmann, C. (2021). Stock Market Beliefs and Portfolio Choice in the General Population. Discussion Paper No. 258, CRC TR 224.
维度2：理论框架
标准投资组合选择模型
经典 Merton-Markowitz 投资组合选择框架下，家庭 i 的最优风险资产份额为：
\alpha_i^* = \frac{\mu_i - r_f}{\gamma_i \cdot \sigma_i^2}
其中：
- \mu_i: 家庭 i 主观预期的股市回报
- \sigma_i^2: 家庭 i 主观感知的回报方差
- \gamma_i: 风险厌恶系数
- r_f: 无风险利率
理论预测：
- \partial \alpha^* / \partial \mu > 0（预期回报越高，持有风险资产越多）
- \partial \alpha^* / \partial \sigma < 0（感知风险越高，持有风险资产越少）
- \partial \alpha^* / \partial \gamma < 0（风险厌恶越高，持有风险资产越少）
模糊性厌恶（Ambiguity Aversion）
信念分布的标准差 \sigma_1 可能反映两类不同概念：
- 感知风险（perceived risk）: 对回报分布本身分散度的预期
- 感知模糊性（perceived ambiguity）: 对自己信念的不确定性（如 Ben-David, Fermand, Kuhnen, Li, 2018）
两种解释下，对风险厌恶/模糊性厌恶的家庭，\sigma_1 与风险资产份额均应负相关。
实证模型
横截面回归:
$a_{2013,i} = \beta_0 + \beta_1 \mu_{1,i} + \beta_2 \sigma_{1,i} + \beta X_{2013,i} + \epsilon_i$
其中 a_{2013,i} 为投资组合风险度量（持有/份额），X 为家庭组成、教育、年龄、收入、财富、风险厌恶、金融素养。
一阶差分回归:
$\Delta a_i = \beta_0 + \beta_1 \Delta \mu_i + \beta_2 \Delta \sigma_i + \beta \Delta X_i + \Delta \epsilon_i$
通过差分消除所有时间不变的家庭固有特征（人格、风险偏好、家庭背景等）。
信念分布拟合
对每个家庭 i 的 100 球分配（8 个区间），拟合对数正态分布得到 \mu_i 与 \sigma_i。稳健性检验中使用基于 Bellemare et al. (2012) 的非参数样条估计。
维度3：核心发现
发现 1：横截面证据 — 主观预期显著驱动投资组合风险
广延边际（是否持有风险资产）:
- \mu_1 增加 1 SD → 持有概率增加 3.5 个百分点（p<0.01，控制风险厌恶+金融素养后）
- 相当于因变量均值的 12%
- 仅基本控制时系数为 4.5 pp
集约边际（风险资产份额）:
- \mu_1 增加 1 SD → 风险资产份额增加 1.5 个百分点（p<0.01）
- 相当于因变量均值的 15%
- 效应量为风险厌恶效应的 50%（份额）至 75%（广延边际）
\sigma_1 效应:
- \sigma_1 系数在所有规格中均不显著（系数接近 0，标准误较大）
- 与 Kézdi-Willis (2011) 和 Giglio et al. (2020) 的发现一致
分位数描述:
- 最悲观五分位：风险资产份额 < 4.8%
- 最乐观五分位：风险资产份额 14.5%
- 差异在 95% 水平显著
发现 2：一阶差分证据 — 排除时间不变混淆
集约边际（风险资产份额变化）:
- \Delta \mu 增加 1 SD → 风险资产份额变化 +0.9 个百分点
- 证明横截面相关性不是由时间不变的人格或家庭背景驱动
- 系数较横截面小（0.9 vs. 1.5 pp）—— 一致于"测量误差使一阶差分系数为下界"的解读
广延边际（半年内变化）:
- 信念变化对开始/停止持有风险资产无显著影响
- 解读：半年的预期变化不足以使非持有者跨越参与成本门槛
发现 3：信念更新行为特征
- 实际 AEX 半年表现：+5%（高于历史均值）
- 平均 \mu 上调 0.64 个百分点（与正面回报一致）
- 45% 的受试者完全不更新信念
- 40% 上调预期，16% 下调预期，其余不变
- \sigma 平均小幅下降 0.33 pp
- 不更新更常见于年轻、低教育、低数字素养群体
- 高收入家庭更倾向正向更新
- 信念存在均值回归：高 \mu_1 者更可能下调，反之亦然
发现 4：稳健性
- 放宽外侧 80% 概率质量的样本限制：结论稳健
- 使用非参数样条估计 \mu_1, \sigma_1：结论稳健
- 控制金融素养与风险厌恶后系数仅小幅缩减
维度4：关键变量概览
主要因变量
| 变量 | 定义 | 数据源 | 度量 |
|---|---|---|---|
| 是否持有风险资产 | 股票/基金/债券持有 = 1 | CBS 行政税务记录 | 二值 |
| 风险资产份额 | 风险资产 / 总金融资产 | CBS | 比例 (0-1) |
| 风险资产份额变化 | a_{2014} - a_{2013} | CBS | 百分点 |
主要自变量
| 变量 | 定义 | 数据源 | 均值/标准差 |
|---|---|---|---|
| \mu_1 | 第一次信念分布的期望值 | LISS 100球+对数正态拟合 | 2.51% / 4.9 |
| \sigma_1 | 第一次信念分布的标准差 | LISS | 6.24 / 3.27 |
| \Delta \mu | \mu_2 - \mu_1（半年内变化） | LISS | 平均 +0.64 pp |
| \Delta \sigma | \sigma_2 - \sigma_1 | LISS | 平均 -0.33 pp |
控制变量
| 变量 | 数据源 |
|---|---|
| 风险厌恶 | LISS（3 个 Falk et al. 2016 测度的标准化均值） |
| 金融素养 | LISS（van Rooij et al. 2011 题组） |
| 年龄 | CBS |
| 性别 | CBS |
| 家庭组成、是否结婚、是否有子女 | CBS |
| 教育程度 | LISS（CBS 数据缺失率高） |
| 总收入（等价化） | CBS |
| 财富（等价化） | CBS |
样本规模演化
| 阶段 | n |
|---|---|
| 完成第一次信念引出 | 2,311 |
| 可链接行政数据 | 1,890 |
| 行政收入数据完整 | 1,884 |
| 外侧两区间 ≤ 80% 概率 | 1,856 |
| 金融资产 ≥ 1,000 欧元（横截面分析） | 1,720 |
| 完成第二次引出（一阶差分分析） | 1,489 |
激励参数
- 每 10 名参与者中 1 人最高获 100 欧元
- 基于二值化评分规则（Binarized Scoring Rule, Hossain & Okui 2013）
- 一年后根据 AEX 实际表现支付
维度5：局限性
- 非实验设计的因果限制: 即使一阶差分排除时间不变混淆，仍无法排除时间变化的遗漏变量（如同期发生的财富冲击、家庭事件、健康变化）同时驱动信念更新与投资组合调整
- \sigma_1 的双重解读未被分离: 信念标准差既可能反映感知风险，也可能反映模糊性，本文未能分离两种通道；这也使得 \sigma_1 系数不显著的发现难以确切解读
- 信念测量误差使系数为下界: 100 球工具尽管激励兼容，仍含可观噪声；Drerup et al. (2017) 指出可达 ~50% 的测量误差成分
- 半年时间窗口有限: 信念变化对广延边际无影响可能是因为半年时间不足以触发参与成本调整；更长追踪期可能发现不同模式
- 仅两次信念引出: 多次重复引出有助于区分真实信念变动与瞬时噪声
- 荷兰特异性: AEX 是高度集中的小型股指（仅约 25 支股票），荷兰家庭股市参与率（29%）和样本特征（平均年龄 58 岁）可能限制对其他国家或人群的外推
- 行政数据不含跨境/未申报资产: 海外账户、加密资产等在 CBS 数据中可能缺失
- 链接非同意偏差: 约 22% 的样本无法链接行政数据，可能存在选择性偏差（虽然作者引用 Sakshaug-Kreuter 2012 论证该偏差较小）
- 未直接检验异质性: 信念-投资组合关系是否随金融素养、年龄、财富等显著异质，本文仅做了平均效应估计
维度6：与其他文献的关系
同领域核心对话文献
| 文献 | 关系 |
|---|---|
| Drerup_Enke_2017_SubjectiveDataPrecision | 同样使用 LISS 信念数据；本文使用其精炼后的信念测度，并扩展至行政资产数据 |
| Giglio_2021_FiveFacts_BeliefsPortfolios | Giglio-Maggiori-Stroebel-Utkus 利用 Vanguard 富裕投资者数据；本文将类似分析推广至全人口样本，并使用税务行政数据 |
| Merkle_2021_BeliefsAboutBeta | Merkle-Weber 用券商投资者数据建立信念-投资组合关联；本文克服其样本不代表性问题 |
| Adam_Marcet_2016_StockMarketVolatility_Learning | 主观信念在均衡资产定价中的理论框架；本文为微观个体层面的信念-持有关系提供经验证据 |
| Laudenbach_Weber_CESifo | Laudenbach-Weber-Wohlfart 用信息干预外生变动信念；本文用自然信念变化做一阶差分识别 |
| Malmendier_ExperienceEffects_Finance | Malmendier-Nagel 经验效应理论；本文的信念变化部分可与经验冲击的传导机制关联 |
| Gennaioli_Shleifer_2018_CrisisOfBeliefs | 主观信念与宏观波动；本文从微观调查信念与微观持有量的角度互补 |
方法论先驱
- 信念引出工具: Delavande & Rohwedder (2008) 设计的100球迭代分配法
- 激励机制: Hossain & Okui (2013) 二值化评分规则
- 风险厌恶量表: Falk, Becker, Dohmen, Huffman, Sunde (2016)
- 金融素养量表: van Rooij, Lusardi, Alessie (2011)
- 行政与调查数据链接: Sakshaug & Kreuter (2012) 关于链接非同意偏差的方法论
理论基础
- 投资组合选择: Markowitz (1952), Merton (1969), Campbell (2006)
- 风险厌恶不足以解释参与: Barberis & Huang (2008), Guiso & Sodini (2013)
- 参与成本: Gomes, Haliassos, Ramadorai (2020)
维度7：可拓展的研究方向
- 信念形成的机制: 哪些信息源（媒体、社交网络、过去经历、专家预测）驱动了 \Delta \mu 的异质性？可与 Gennaioli_2015_NeglectedRisks_FinancialCrises 或 Malmendier_2020_InvestorExperiences_MarketDynamics 的经验效应理论结合
- 分离感知风险与模糊性: 设计独立题目分别引出回报方差感知与信念置信度，检验两者对投资组合的差异化效应
- 更长面板与多波信念引出: 利用 LISS 后续年份的多次信念引出，检验信念冲击的持久性与动态调整速度
- 信息干预实验: 在调查中随机提供历史回报、专业预测或情景信息，外生变动信念，估计信念-投资组合的因果弹性
- 异质性分析: 信念效应是否在低金融素养、低财富、年长群体中放大？识别脆弱投资者群体
- 跨国比较: 在德国 SOEP、美国 SCE、英国 NMG 等概率样本中复制，检验制度（养老金、税收、参与门槛）调节作用
- 结构估计: 在 Markowitz 框架下结构估计风险厌恶、模糊性厌恶、感知风险参数，量化信念偏差的福利成本
- 加密资产/ESG 偏好: 扩展至非传统风险资产（加密、ESG、住房），检验信念测量的泛化能力
- 行为偏差的整合: 将动机性信念（如本组中 Zimmermann_2020_DynamicsOfMotivatedBeliefs 的选择性遗忘）、过度自信、回报外推等机制整合进信念形成模型
- 金融科技干预: 检验机器人投顾或 AI 助手提供"客观信念基准"是否能改善家庭投资决策
关键结论
- 主观信念是投资组合选择的实质性驱动因素: 在控制风险厌恶、金融素养、财富与人口特征后，预期股市回报 \mu_1 上升 1 SD 仍使持有风险资产的概率提高 3.5 pp、风险资产份额提高 1.5 pp（约为风险厌恶效应的 50%-75%）
- 一阶差分识别支持因果解读: 半年内 \Delta \mu 上升 1 SD 对应风险资产份额变化 +0.9 pp，证明横截面相关性不能完全归因于时间不变的人格或偏好混淆
- 信念分布的标准差作用有限: \sigma_1 在所有规格中均不显著，可能因测量噪声大且其同时反映感知风险与感知模糊性两种概念
- 信念调整集中于集约边际而非广延边际: 半年内的信念变化不足以触发非持有者跨越参与成本进入市场，提示参与成本是与信念相对独立的二阶决策门槛
- 政策与方法论含义: 调查中测量的主观信念确实对应真实高赌注决策，回应了 Cochrane (2011) 等对调查信念质量的质疑；信息干预与金融教育有可能通过改变预期来改善家庭投资决策