网上金融交易理论展望

我们发现P（u）的sof赢家和输家也非常不同（见图4f）。胜利者的u-range spansover[10]-1, 300]; 而损失交易者的u区间由[5×10]给出-4, 300]. 为了你<u*= 2（平克林），输的交易者的P（u）显著高于赢的交易者；而对于u>u*,情况正好相反。对于u<0.06，几乎所有交易者都是亏损交易者。请注意，很大一部分交易者（85.2%）是最终净亏损的交易者。亏损交易者的r<1、s<1和u<1可以用前景理论中的“损失厌恶”现象和“反射效应”解释如下。对于正面仓位，交易者倾向于规避风险，会迅速平仓以获得小利润或小投资回报。对于损失头寸，交易者倾向于冒险，不愿意尽快平仓。相反，他们一直在等待，希望挽回损失。如果真的发生了这种情况，那么他们就会变得厌恶风险，倾向于迅速平仓，以获得较小的利润，并产生较小的投资回报率。如果不幸的是，这种情况没有发生，他们不仅浪费宝贵的时间，也浪费了大量的金钱，造成了巨大的负投资回报率。因此，亏损交易者不得不忍受他们的非理性交易行为，这可以用前景理论来描述。人们可能会天真地认为，获胜百分比类型的行为指标将有助于我们识别大师。在这里，我们表明情况并非如此。图4g显示了获胜百分比分布P（w），其在w=1/2左右不对称。（注意，P（w）在一些简单的有理数w=0、1/2、1/3、2/3。。。，1，这是由于进行了很多交易的交易员。）同样，我们发现赢家和输家的P（w）表现出显著不同的行为（见图4h）。

对于w<w*= 0.95，失败交易者的P（w）显著高于获胜交易者；而对于w>w*胜利者占主导地位。w的值*如此之高，以至于用它来挑选贸易领袖几乎是不可行的。我们还注意到，对于w<w*, 亏损的商人实际上在很大范围内占主导地位。然而，由于风险回报率r非常低，他们最终仍在赔钱。换句话说，他们以较小的正利润赢得了很多次，但一旦他们输了，他们就会损失很多。原则上，这些指标的大值并不意味着净利润。例如，TradersR>> 1可能仅仅是因为少数交易利润非常大，但许多交易损失非常小。然而，上述分析得出了三个特征值（r*= 4.s*= 100美元*= 2）这可以用来统计预测潜在的高概率赢家。我们承认，这些特征值可能略微取决于特定的数据集或交易平台。我们强调，使用新行为指标的特征值来识别潜在赢家的策略应该适用于一般的社交交易平台。此外，特征值（r*, s*, U*) 这些行为指标表明，控制人类情绪的重要性，以尽量减少反射效应和损失厌恶现象的影响，从而获得更好的交易绩效。讨论金融交易的动态由个人的决策决定，这意味着通过更好地理解潜在的人类行为，交易绩效可以显著提高。在这项工作中，我们系统地分析了81.3万名在线金融交易平台的交易员进行的超过2850万笔交易。

通过分析和比较社会和非社会交易、赢家和输家的表现，我们找到了反映效应和损失厌恶现象的明确证据，这在行为经济学的前景理论中是必不可少的。许多亏损交易者的风险回报率（r）、盈亏持续率（s）和盈亏投资回报率（u）非常小，这表明我们应该通过系统性地最小化反映效应和损失厌恶现象的影响来制定新的交易策略，例如，通过有意地控制s、u和/或r来纠正我们的人性和合理化交易行为。为了向交易者提供发现大师或行业领袖的许多偏好，社交交易平台根据许多不同的指标对交易者进行排名，例如人气（粉丝数量）、支持周数和根据修改后的迪茨公式计算的个人回报率等。这些不同的指标通常会产生不同的排名列表，这实际上使选择大师成为一件鼓舞人心的事或一个微妙的把戏。此外，交易者应该考虑这些大师所承担的风险，以获得他们所获得的回报。不幸的是，并不是所有的指标都是在风险调整的基础上对交易者的表现进行排名的。在这里，我们提出了三个全新的行为指标（风险回报率r、盈亏保持时间率s和盈亏投资回报率u），它们揭示了前景理论的本质，这是行为经济学中人们评估风险的最佳描述模型。这些指标是通过比较每个交易者在成功和失败交易中的典型行为来确定的，因此自然会进行风险调整。我们的分析表明，这些指标可以用于统计预测潜在的赢家，为进一步改善我们的社交交易体验提供务实的机会。参考文献1。

Kahneman，D.&Tversky，A.《前景理论：风险下的决策分析》。《计量经济学：计量经济学学会杂志》47263–291（1979）。Tversky，A.&Kahneman，D.《决策框架与选择心理学》。《科学》211453–458（1981）。《前景理论的进展：不确定性的累积表征》。《风险与不确定性杂志》5297-323（1992）。Wakker，P.和Tversky，A.累积前景理论的公理化。《风险与不确定性杂志》7147–75（1993）。施密特，U.，斯塔默，C.和萨格登，R.第三代前景理论。《风险与不确定性杂志》36203–223（2008）。6。《经济学展望理论三十年：回顾与评估》。《经济展望杂志》27173–196（2013）。7。美国施密特和美国特劳布的损失厌恶实验测试。《风险与不确定性杂志》25233–249（2002）。Schmidt，U.&Zank，H.累积前景理论中的风险规避。英国皇家经济学会2002年年会162，英国皇家经济学会（2002）。什么是损失厌恶？《风险与不确定性杂志》30，157–167（2005）。布鲁克斯，P.&赞克，H.损失厌恶行为。《风险与不确定性杂志》31301–325（2005）。11。Abdellaoui，M.，Bleichrodt，H.和Paraschiv，C.展望理论下的损失规避：无参数测量。《管理科学》531659–1674（2007）。Schmidt，U.&Zank，H.累积前景理论中的风险规避。管理科学54208–216（2008）。13。Camerer，C.F.《野外前景理论：来自野外的证据》。工作论文1037，加州理工学院人文和社会科学部（1998年）。Abdellaoui，M.效用和概率加权函数的无参数启发。《管理科学》461497–1512（2000）。15。吴，G.，张，J.和Abdellaoui，M。

使用概率权衡一致性测试前景理论。《风险与不确定性杂志》30107–131（2005）。16。张W.和塞姆勒W.股票市场前景理论：时间序列数据的经验证据。《经济行为与组织杂志》72835–849（2009）。17。Booij，A.，Praag，B.V.和Kuilen，G.V.d.前景理论对一般人群泛函的参数分析。《理论与决定》68115–148（2010）。18。Abdellaoui，M.，Bleichrodt，H.和Kammoun，H.金融专业人士的行为是否符合前景理论？一项实验研究。理论与决定74411–429（2011）。19。Pan，W.，Altshuler，Y.和Pentland，A.解读众筹金融交易网络的社会影响和智慧。SocialCom/PASSAT，203–209（IEEE，2012）。20。Lazer，D.等人。计算社会科学。《科学》323721–723（2009）。10.1126/科学。1167742.21. 南部巴蒂斯顿、南部普里加、右卡什克、塔斯卡、P.和卡尔达雷利、G.Debtrank：太中心而不能失败？金融网络、美联储和系统性风险。科学报告2（2012年）。10.1038/srep00541。22.Preis，T.，Moat，H.S.和Stanley，H.E.利用谷歌趋势量化金融市场的交易行为。科学报告3（2013）。23。邦德，R.M.等人，一项6100万人的社会影响和政治动员实验。《自然》杂志489295–298（2012）。24。《行为经济学及其应用》精装本（普林斯顿大学出版社，2007年）。25。Shefrin，H.&Statman，M.。过早出售赢家，让输家坐享其成的倾向。理论和证据。《金融杂志》40777-790（1985）。26。《证券交易中的处置效应：一项实验分析》。《经济行为与组织杂志》33167–184（1998）。27。北巴伯里斯和西熊。

是什么驱动了处置效应？对基于偏好的长期解释的分析。《金融杂志》64751–784（2009）。28。Costa，N.D.，Goulart，M.和Cupertino，C.处置效应和投资者体验。《银行与金融杂志》3716691675（2013）。29。Dietz，P.O.养老基金：衡量投资绩效（斯伯丁系列）（麦克米利安，2004）。作者贡献Y.-Y.L.J.N.和T.O.构思并执行了这项研究，并对该项目做出了同等贡献。M.M.和Y.A.提供了原始数据，并参与了有价值的讨论。Y-Y.L在J.N.，T.O.，M.M.的协助下编写了手稿。

和Y.A.竞争利益作者声明他们没有竞争性的财务利益。信件和材料请求应发送至杨玉柳（电子邮件：yyl@channing.harvard.edu).SingleCopyMirrorAlla-0.1-0.08-0.06-0.04-0.020.020.04 SingleCopyMirrorAllB0。1770.1780.1790.180.1810.1820.1830.184单色镜像全部C-0.9-0.8-0.7-0.6-0.5-0.4-0.3单色镜像全部DFIG。1-18-16-14-12-10-8-6τ（ms）所有交易在周一至周五进行正交易18-16-14-12-10-8-6τ（ms）非社会交易在周一至周五进行负交易正交易18-16-14-12-10-8-6τ（ms）复制交易在周一至周五进行负交易正交易18-16-14-12-10-8-6τ（ms）镜像交易在周一至周五进行正交易。2-8-6-4-2-2-2-2-4-6 SGN（p）*log（| p |）All trade a-8-6-4-2-4-6 SGN（p）*log（| p |）Non-social trade b-8-6-4-2-4 SGN（p）*log（| p |）Copy trade c-8-6-4-2-4-6 SGN（p）*log（| p |）镜像tradefig。4-2-4-4-6-4-4-6-6-6-6-6-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-2-2-2-2-2-2-2-2-2-4-6-6-6-6-6-6-6-6-6-6-6-6-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4-4投资回报率为0。010.020.030.040.050.060.070.080.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 W初始百分比G0。010.020.030.040.050.060.070.080.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 wwinning percentage 1/21/31/41/51/62/33/4 losing winning fig。4图1不同类型交易的绩效比较。（a） 正数的分数。镜像交易在正向交易中所占比例最高。（b） 平均投资回报率。镜像交易是唯一具有正hROIi的交易类型。这里的误差条表示平均值的标准误差（SEM）。（c） 积极交易的平均投资回报率。镜像交易的hROIi最低，为正交易。

（d） 负交易的平均投资回报率。镜像交易的负收益率最高。图2不同贸易类型的持续时间分布。对于每种交易类型，我们根据净利润进一步区分负交易和正交易。净利润为零的交易可以忽略不计。负交易和正交易的持续时间分布根据其相应的发生率进行标准化。（a） 各行各业。（b） 非社会阶层。（c） 抄袭交易。（d） 镜子交易。图3不同贸易类型的处置效应。这里，我们将不同贸易类型的净利润放入对数箱中。（如果p<0，我们使用| p |对其进行分类。）对于每个仓位中包含的交易，我们绘制了持续时间（τ）的方框图和胡须图，代表仓位中数据的最小值、第一个四分位、中间值、第三个四分位和最大值。（a） 各行各业。（b） 非社会行业。（c） 抄袭交易。（d） 镜子交易。图4根据历史交易行为描述赢家和输家。（a，b）风险报酬率分布（r:=hp+ih | p-|i） 。p+和p-分别是交易员的赢仓收益和亏仓收益。（c，d）温损等待时间比的分布（s:=hτ+ihτ）-i） 。这里是hτ+i和hτ-i分别是交易员的平均持仓时间和平均持仓时间。（e，f）盈亏比分布（u:=hROI+ih | ROI）-|i） 。ROI+和ROI-分别是交易员的赢头寸和输头寸的投资回报率。（g，h）中奖率分布（w:=N+N++N）-) 交易者。N+和N-是交易者的赢仓位和输仓位的数量。