网上金融交易理论展望

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Prospect Theory for Online Financial Trading》
---
作者：
Yang-Yu Liu, Jose C. Nacher, Tomoshiro Ochiai, Mauro Martino, Yaniv
  Altshuler
---
最新提交年份：
2014
---
英文摘要：
  Prospect theory is widely viewed as the best available descriptive model of how people evaluate risk in experimental settings. According to prospect theory, people are risk-averse with respect to gains and risk-seeking with respect to losses, a phenomenon called \"loss aversion\". Despite of the fact that prospect theory has been well developed in behavioral economics at the theoretical level, there exist very few large-scale empirical studies and most of them have been undertaken with micro-panel data. Here we analyze over 28.5 million trades made by 81.3 thousand traders of an online financial trading community over 28 months, aiming to explore the large-scale empirical aspect of prospect theory. By analyzing and comparing the behavior of winning and losing trades and traders, we find clear evidence of the loss aversion phenomenon, an essence in prospect theory. This work hence demonstrates an unprecedented large-scale empirical evidence of prospect theory, which has immediate implication in financial trading, e.g., developing new trading strategies by minimizing the effect of loss aversion. Moreover, we introduce three risk-adjusted metrics inspired by prospect theory to differentiate winning and losing traders based on their historical trading behavior. This offers us potential opportunities to augment online social trading, where traders are allowed to watch and follow the trading activities of others, by predicting potential winners statistically based on their historical trading behavior rather than their trading performance at any given point in time.
---
中文摘要：
前景理论被广泛认为是人们在实验环境中评估风险的最佳描述模型。根据前景理论，人们对收益厌恶风险，对损失寻求风险，这种现象被称为“损失厌恶”。尽管前景理论在行为经济学的理论层面上得到了很好的发展，但大规模的实证研究很少，而且大多数都是用微观面板数据进行的。在这里，我们分析了一个在线金融交易社区的8.13万名交易员在28个月内进行的2850万笔交易，旨在探索前景理论的大规模实证方面。通过分析和比较盈亏交易和交易者的行为，我们找到了损失厌恶现象的明确证据，这是前景理论的本质。因此，这项工作展示了一个前所未有的前景理论的大规模实证证据，它对金融交易有直接的影响，例如，通过最小化损失厌恶的影响来开发新的交易策略。此外，我们还引入了三个受前景理论启发的风险调整指标，以根据历史交易行为区分胜负交易者。这为我们提供了扩大在线社交交易的潜在机会，在这种交易中，交易者可以根据其历史交易行为，而不是任何给定时间点的交易表现，通过统计预测潜在的赢家，从而观察和跟踪他人的交易活动。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
PDF下载：
--> Prospect_Theory_for_Online_Financial_Trading.pdf (176.34 KB)

2022-5-5 20:18:38 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：金融交易 上金融 Quantitative Experimental Large-Scale

网络金融交易前景理论杨玉柳，*, Jose C.Nacher2，*, Ochiai3智士郎，*, 毛罗·马蒂诺，亚尼夫·阿尔舒勒2018年7月30日* 这些作者对这项工作做出了同样的贡献。美国马萨诸塞州波士顿哈佛医学院布里格姆女子医院网络医学Channing分部，邮编：02115，日本千叶市府桥市宫山2-2-1，东河大学科学院信息科学系，邮编：274-8510。大冢女子大学社会信息研究系，日本东京，田纳西卡拉基达2-7-1号，206-8540。视觉分析创新中心，沃森研究中心，IBM，马萨诸塞州坎布里奇02142，美国。麻省理工学院媒体实验室，马萨诸塞州坎布里奇02139，美国。前景理论被广泛认为是人们在实验设置中如何评估风险的最佳可用描述模型1–6。根据前景理论，人们通常对收益规避风险，对损失寻求风险，称为“反射效应”。人们通常对损失比同等程度的收益更敏感，这种现象被称为“损失厌恶”7-12。尽管前景理论在行为经济学的理论层面上得到了很好的发展，但大规模的实证研究很少，而且大多数都是利用微观面板数据11、13–18进行的。在这里，我们分析了在线金融交易社区的8.13万名交易员在28个月内进行的2850万笔交易，旨在探索前景理论的大规模实证方面。通过分析和比较胜负交易者和交易者的行为，我们找到了反射效应和损失厌恶现象的明确证据，这在前景理论中是必不可少的。

因此，这项工作展示了前景理论前所未有的大规模实证证据，它对金融交易有直接影响，例如，通过最小化反射效应和损失规避现象的影响，开发新的交易策略。此外，我们还介绍了三种新的行为指标，以根据历史交易行为区分胜负交易者。基于在线交易的潜在交易行为，而不是预测其他人的潜在交易行为。我们生活在“大数据”时代。我们的许多日常活动，如查看电子邮件、打手机、在社交媒体上发布博客、使用信用卡购物和在线金融交易，都会留下各种各样的数字痕迹，这些痕迹可以被汇编成我们行为的综合图片。数据的突然涌入正在以前所未有的速度改变社会科学20-22。事实上，几年后，研究人员正在从通过制作调查问卷来处理几十人的采访，转向使用社交媒体进行涉及数百万受试者的实验。海量数字数据的可用性也促使我们重新思考复杂人类行为的一些基本观点。在这项工作中，我们关注风险下的经济决策，这是行为经济学的一个关键主题。成功的行为经济学理论承认人类经济行为的复杂性，并引入了以心理学研究为基础的模型。例如，前景理论被视为人们如何评估风险的最佳描述模型1-3。

前景理论指出，人们根据损失和收益的潜在价值做出决策，而不是最终结果，并且人们使用某些启发式方法来评估这些损失和收益。尽管前景理论提供了许多显著的见解，并且已经研究了30多年，但大规模的实证研究很少，前景理论在经济学和金融领域的知名和广泛接受的应用相对较少。在线社交交易平台的出现和个人金融交易数据的激增，帮助我们以前所未有的规模探索前景理论的实证方面。此外，从个人层面分析交易行为为发展前景理论的实用金融应用提供了极好的机会。通过利用人群的智慧为我们造福，社会交易已经成为金融市场投资的革命性方式。多亏了各种Web 2.0应用程序，如今在线交易者可以依靠交易者生成的金融内容作为做出金融交易决策的主要信息源。这场“数据洪流”引发了一些新问题，这些问题的答案可能会进一步加深我们对人类经济行为复杂性的理解，并改善我们的社会交易体验。例如，许多社交交易平台让我们跟随顶级交易者，被称为大师或贸易领袖，并像他们一样直接投资。接下来的问题是如何识别那些顶级交易者。分析他们的历史贸易行为将是一个自然的起点。本研究中使用的金融交易数据来自外汇和商品交易的在线社交交易平台。

这个交易平台允许交易者做多做空，最低出价几美元，杠杆率高达400倍。社交交易平台最重要的特点是，每个交易者都会自动将所有交易加载到该平台，在该平台上，交易可以通过多种统计方式显示，比如通过交易金额。然后，交易者可以设置他们的账户，复制任何其他交易者制作的一个或多个交易，在这种情况下，社交交易平台将自动执行这些交易。因此，有三种类型的贸易：（1）单一（或非社会）贸易：TraderA自己进行正常贸易；（2） 复制交易：交易者A放置的交易与交易者B的单一交易完全相同；（3） 镜像交易：交易者A自动执行交易者B的多次交易，即交易者A准确地跟踪交易者B的交易活动。（2）和（3）在下文中都被称为社会交易。这个在线社交交易平台大约有300万注册账户。其中一些是实践账户，即使用虚拟货币进行交易。我们的数据包括2010年6月至2012年10月期间81.3万名交易员进行的超过2850万笔交易。单笔交易占31.8%，复制交易占0.6%，镜像交易占67.6%。显然，在我们数据的时间窗口内，社交交易在这个交易平台上占据主导地位。学习如何选择最优秀的交易者是很有必要的，这样我们就可以进一步改善我们的社会交易体验——这是我们当前工作的一个务实动机。

在行为经济学的框架内对交易者的交易活动进行定量分析自然可以实现这一目标。最终，我们希望能够根据他们的历史交易行为预测潜在的赢家，以便我们能够充分利用社会交易范式。我们首先需要证明社会交易是否真的有用。在图1中，我们比较了三种不同交易类型的成功交易（N+/N）和利息回报率（ROI（%）：=净利润/投资×100）。我们发现，所有三种贸易类型都有50%以上的机会产生积极的净利润（见图1a）。其中，镜像交易的可能性最高(≈ 83%），远高于单一或复制贸易。这表明，在一般的社交交易（尤其是镜像交易）中，交易者确实比非社交交易更容易获胜。有趣的是，并非所有交易类型的平均投资回报率都为正（见图1b）。事实上，只有镜像交易有积极的投资回报率(≈ 0.03%），也就是说，它产生了利润，与之前的结果一致。就投资回报率而言，社会性交易并不一定比非社会性交易表现更好。我们注意到，抄袭交易的负投资回报率甚至高于非社交交易，这仅仅意味着抄袭基于过去业绩的人可能是危险的。总体而言，镜像交易的表现优于单一交易和复制交易。然而，镜像交易表现更好的代价是其成功交易的ROI要低得多(≈ 0.177%）高于复制和单一交易（见图1c）；虽然其亏损交易的负面收益显著较高(≈ -0.9%）高于复制和单一交易（见图1d）。换言之，镜像交易通常不会为赢得的头寸产生高利润，但会为失去的头寸产生高损失。由于镜像交易有很高的获胜机会，镜像交易的平均投资回报率为正。

这意味着我们仍有很大的空间来改善我们的社会贸易体验。为了进一步了解社会和非社会贸易类型之间的差异，我们计算了它们的持续时间分布P（τ）（见图2）。在这里，交易或头寸的持续时间τ被定义为其持有时间（以毫秒为单位），即τ：=tclosed- topenedwhere topene和tclosedare分别显示打开和关闭位置的时间。有趣的是，对于所有不同的贸易类型，P（τ）显示出相似的厚尾分布。只有极少数职位的任职时间很长（超过一个月）。大多数职位的任职时间不到半小时。我们还注意到，对于失去的位置，许多位置保持不到1秒，而对于赢得的位置，它们最有可能保持超过1秒。这可能是由于所谓的ID-ask传播。在每个时间点，我们可以出售（出价）和购买（要价）的价格是不同的。交易者几乎不可能通过在线金融交易平台在极短的持有时间间隔（例如，一秒钟）内克服价差。对于τ∈ [10,10]我们发现，对于所有不同的交易类型，正交易的P（τ）远低于负交易的P（τ），即在这个特定的持有时间窗口中，获胜概率远小于50%。尽管不同贸易类型的持续时间分布具有许多相似的特征，但我们确实观察到τ>10的区域存在显著差异，即超过一分钟。我们发现，对于τ>10的非社会交易，正交易的P（τ）与负交易的P（τ）大致相同。换言之，如果非社会性交易的举行时间超过一分钟，获胜几率约为50%。对于τ的复制交易∈ （10,10），正交易的P（τ）略高于负交易的P（τ）。

对于带τ的镜像交易∈ [10,10]，正交易的P（τ）显著高于负交易的P（τ）。换言之，如果mirrortrade的持有时间超过一分钟而不到一周，那么它的获胜几率要比50%高得多。我们还根据不同贸易类型的净利润计算了贸易持续时间（见图3）。我们绘制了净利润（p）按对数组合的交易持续时间（τ）的盒须图。（对于p<0的负交易，我们使用| p |进行分类。）我们将持续时间的中值表示为τm。我们发现，对于所有交易类型，τm表现出不对称行为：τmof亏损头寸和亏损头寸-p通常高于有利润p的赢家头寸。这反映了所谓的“处置效应”：投资者倾向于出售价格上涨的金融资产，同时保留价值下跌的资产25–27。换句话说，投资者不太愿意承认损失，但更愿意承认收益。这是一种典型的非理性行为，部分可以用前景理论中的“损失厌恶”现象和“反射效应”来解释。我们还注意到镜子贸易和其他两种贸易类型之间的明显区别。对于非社会交易和复制交易，τm通常随着|p |的正向或负向增加而增加，而τmof亏损交易随着|p |的增加而比τmof获胜交易随着p的增加而增加快得多。而对于镜像交易，τ的增加非常缓慢，而对于正头寸，p的增加非常缓慢。对于负p的镜像交易，τ最初随着|p |的增加而增加，但很快达到稳定。换句话说，在镜像交易中，处置效应减弱。研究表明，经验丰富的投资者受处置效应的影响较小。

这或许可以解释镜子贸易的良好表现。为了描述交易者的交易行为并识别潜在的交易领导者，我们引入了四个行为指标：（1）风险回报率r:=hp+ih | p-|i、 其中，hp±i代表每个交易者进行的正/负交易的平均收益。r>1意味着正交易中平均收益的交易者多于负交易中的损失。（2） 盈亏保持时间比s:=hτ+ihτ-i、 式中，hτ±i表示每个交易者正/负交易的平均持有时间。s>1意味着处于平均水平的交易者持有正仓位的时间比持有负仓位的时间长。（3） Winloss ROI比率u：=hROI+ih | ROI-|i、 式中，hROI±i代表每个交易者进行的正/负交易的平均投资回报率。u>1意味着正交易中的交易者平均绝对投资回报率高于负交易。（4） 获胜百分比w:=N+N++N-, 其中N±表示每个交易者进行的正/负交易数量。w>1/2仅仅意味着平均水平上的交易者赢的几率大于输的几率。我们注意到，如果没有任何对称的人类情绪分布，那么我们将分别交易所有的人类情绪。然而，在现实中，交易者的行为与随机的完全不同（见图4）。我们发现风险报酬分布P（r）在r=1附近表现出强烈的不对称行为（图4a中的黑色虚线）。对于r>1，P（r）在近30年内遵循幂律，这意味着很难找到r非常大的交易者；而对于r≤ 1，P（r）几乎是一个常数，这意味着交易者有r≤ 1.几乎均匀分布。

通过将交易者分为两组：赢交易者和输交易者（即最终净利润或净亏损的交易者），并根据赢交易者和输交易者的分数（分别为14.7%和85.2%）进行适当的标准化计算其P（r），我们发现这两组交易者的行为方式截然不同（见图4b）。获胜交易者的r区间超过[10]-2, 10]; 而损失交易者的r范围由[10]给出-4, 10]. r<1的统一P（r）主要是由于失败者；而r>10时P（r）的幂律完全是由获胜的交易者决定的。我们还注意到，对于r<r*= 4（粉色线），输的交易者的P（r）显著高于赢的交易者；而forr>r*, 情况正好相反。我们发现，盈亏持续时间比分布P（s）在s=1附近也表现出强烈的不对称行为（图4c中的黑色虚线）。对于s>1，P（s）在50年内几乎遵循幂律，这意味着很难找到s非常大的交易者；而对于s≤ 1，P（s）随着s的减少衰减得非常慢，这意味着交易者使用s≤ 1.几乎是均匀分布的。这表明大多数交易者持有亏损头寸的时间比持有赢家头寸的时间更长，这是一种典型的处置效应。比较胜负交易者的P（s）也很有趣（见图4d）。虽然它们的s范围几乎相同，但我们注意到对于s<s*= 10 0（粉色线），输家的P（s）显著高于赢家；而对于s>s*, 这是在相反的情况下。盈亏投资回报率分布P（u）显示了u=0.2附近的强峰值和u=1附近的强对称行为（图4e中的黑色虚线）。对于u>0.2，P（u）在30年内遵循幂律，这意味着很难找到u非常大的交易者≤ 0.2，P（u）在近20年中也遵循幂律。