投资者交易过多吗？实验室实验

我们倾向于认为，在真实市场中，对“基本价格”的锚定是非常脆弱的，并且只在非常长的时间尺度上相关（Bondt和Thaler，1985），因此，所做的假设对于理解金融市场具有相关性。见（Bouchaud等人，2008；Donier和Bouchaud，2015a）中的讨论。PET软件由布达佩斯的AITIA开发，可在http://pet.aitia.ai.ning在实验过程中，每个受试者在实验室随机分配一台计算机，物理障碍保证受试者在实验过程中没有交流。该实验共有201名受试者，分为9个实验市场，每个市场的参与者人数中位数为24名受试者。实验持续了大约两个小时，在开始实验之前，受试者必须回答一个最后的测验，以确保他们理解游戏规则（见附录C）。实验开始时，每个受试者都被赋予100法郎。每个周期持续20秒，在此期间，受试者必须决定在下一个周期是持有现金还是股票。如果受试者在20秒内没有做出任何决定，他们当前的市场地位将直接延续到下一阶段。如果他们在t期有现金，他们可以决定全部用于购买股票，或者在t+1期退出市场。相反，如果他们在t时期持有股份，他们必须在以现金出售所有股份或在t+1时期留在市场之间做出选择。分数订单是不允许的，因此每个玩家在任何时候都不是在市场上就是在市场外。为了避免可能的“需求影响”，即。

市场交易量与参与资产市场是主体唯一可用的活动这一事实有关（Lei等人，2001年），我们引入了一个预测游戏，要求主体预测资产价格，并根据其预测的精度进行奖励。受试者屏幕上显示的信息包括一个显示资产价格演变的图表，以及一个报告资产价格、回报、个人持有的现金和股票以及价格预测的时间序列的表格。附录a中的图18显示了该实验的屏幕截图。为了减少实验结束时的行为偏差，我们实施了一个不确定的范围（参见Crockett和Duffy（2013）在艺术资产市场中的例子）。在实验的每一个阶段都有一个已知的常数，最小的市场包括15名受试者，最大的市场包括29名受试者。出于实际原因，我们提前选择了指数分布的结束时间，以确保会话不会过早停止。在一次试点会议中，我们还实施了一些市场，在这些市场中，受试者被赋予价值100法郎的1股股票。这导致许多受试者在实验一开始就抛售股票，立即实现净亏损，随后参与交易活动，试图获得至少一些收益。虽然不同初始条件产生的差异本身很有趣，但我们将其留给未来的工作，并将重点放在初始现金捐赠的情况上。在一次试点会议中，我们实施了每个周期40秒的持续时间。然而，决策时间远低于20秒的阈值，因此我们缩短了每个时间步的持续时间。此外，我们注意到，实际上，在市场中积极或不积极的选择包括相同类型的行为，即。

点击相应的单选按钮（详见附录C）。也有大量实验文献实施了类似的程序来研究不可能性1-p=0.99。此外，每个受试者在一个简短的初始实践环节之后，都会参加两个连续的市场环节，以熟悉软件，从而研究学习机制。当市场时段结束时，受试者的最终财富定义如下：如果他们持有现金，他们的法郎金额将决定他们的财富；如果他们持有股份，他们的财富定义为其股份的市场价值，即他们的股份数量乘以序列末尾的市场价格。事实上，在市场序列结束时，股票按市场价格进行清算，没有任何价格影响。在实验结束时，受试者的净市场收益被计算为序列末余额减去初始捐赠。在实验结束时，每个受试者掷骰子，以确定两个市场时段中的哪一个将用于计算他的带回家的收益（其中还包括预测游戏的收益）。汇率是100法郎兑25欧元。最后，我们要求受试者参与第二个实验，涉及Holtand Laury（2002）配对彩票选择工具。第二个实验发生在资产市场实验结束后，并未提前宣布，以尽量减少对资产市场实验决策的影响。完整的实验说明可在附录C.3理论基准中找到。在本节中，我们关注本实验的理论理性基准，并在完全理性和理性常识的假设下推导博弈均衡。

值得一提的是，在这一点上，本实验实际上是一个无风险的机会，即如果受试者的净利润为正，则在实验结束时获得报酬，但如果净利润为负，则不欠任何报酬。3.1风险中性t代理人的财富在时间t时为wt。如果我们假设会话结束att=tF，则完全理性的代理人有两种可能的策略。第一个是远离实验室中重复的游戏，从Roth和Murnighan（1978）开始。为了最大限度地减少市场环境的变化，促进受试者的学习，我们在第一和第二次市场会议中使用相同的噪音感知。这样，在很多时期内，如果在交易开始时向代理人提供股票而不是现金，风险中性人群的平均最终财富将大致相同。t>1的市场，持有现金直到t=tF，这会产生预期的最终财富（wtF）=w。第二种策略是在t=1的市场上进行充分投资，持有股票直到t=tF。事实上，在每个时期，持有股票都是阶段性博弈的均衡，因为策略“持有”是对经纪人可能期望出售的任何数量的参与者的最佳反应。这种策略产生了E（wtF）≈ w·（1+m+s/2）tf，与初始条件无关。第一种策略的平均结果最好是零利润（记住，受试者只保留净利润），而第二种策略在实验持续很长时间时提供了大量预期利润。因此，在风险中性人群中，理性的基准是在t=1时进入市场，并持有股票直到实验结束。实验持续时间越长，预期收益越大。3.2短视的风险规避经验证据表明，风险态度影响交易行为。

在下文中，我们使用Holtand Laury（2002）U（w）=1提出的效用函数来考虑风险规避交易者的情况- 经验(-αw1-r） α，（5）其中α和r是正参数。基于效用函数inEq。（5） 如果是凹形的，人们可能会想，对于足够高的波动率，短视的理性交易者，即在做出决策时只向前看一步的交易者，会选择在财富达到一定水平时退出市场。然而，情况并非如此，因为如果他们决定出售，资产的价格不仅会受到他们通过影响因素It采取的行动的负面影响，还会受到噪音sηt的影响。这是因为在t时订购的交易是以t+1中实现的价格执行的，这意味着，决定在t时间退出市场的代理仍然受到价格波动的影响。因此，事实上，考虑到持有股份的代理人在＝{Hold，Sell}处可采取的一系列行动，“Hold”与“Sell”的行动将导致价格pHt+1=pt·exp（m- （n）- 1） /N+sηt）vs.pSt+1=pt·exp（m- n/n+sηt），pHt+1>pSt+1。然而，我们注意到，由于博弈的不确定性，我们不能根据福克定理排除其他均衡的存在。然而，在这种平衡中的协调需要一种对受试者要求极高的协调装置。考虑到游戏所处的实验室环境（更不用说定价过程中存在噪音），可以排除协调这些平衡的可能性。另见哈里森等人。

（2007）和Harrison and Rutstrom（2008）对实验室中的风险规避进行了概述。很明显，在给定的时间步长内，留在市场上，只受噪音因素的影响始终是一个更好的选择，而不是销售，同时受噪音因素和负面影响因素的影响。使用公式（5），我们还可以研究近视优化中的有限理性的一些情况。特别是，对于不同的财富水平，我们比较了公式（5）在以下预期情景中给出的预期效用：考虑到噪音项的波动性（I=0），所有参与者都持有自己的股份；考虑到噪音项的波动性（I=-1); 所有参与者在不考虑噪声项（I=-1非噪声）；一名参与者只出售其股票，不考虑噪音项的波动性（I=-0.01无噪音）。下面的图1对这些场景进行了比较。噪音的大小决定了大部分差异。图1给出了risk0 500 1000 15000 5 15 25 35W（t）E[U（t+1）]I=0I=-1.00I=-1.00无噪音=-0.01无噪声（a）RMS s=0.10500 1000 15000 1020 30W（t）E[U（t+1）]I=0I=-1.00I=-1.00无噪音=-0.01无噪音（b）RMS s=1.0图1：公式（5）中的预期效用，在有限理性、波动率s=0.1（左）和s=1.0（右）以及净财富水平W（t）变化的不同情况下。彩色区域对应于平均效用周围的1-σ。厌恶的玩家。通过比较实线，我们证实了上述直觉：这些实线从不相交，所有代理留在市场（绿色实线）总比集体退出（蓝色实线）好。

然而，当我们考虑有限理性和短视的风险规避交易者时，事实上，对于任意数量的参与者n，一个代理人可能会预期退出市场，在时间t对持有股票的代理人的“持有”与“出售”的行为将导致价格pHt+1=pt·exp（m- （n）- 1） /N+sηt）vs.pSt+1=pt·exp（m- n/n+sηt），pHt+1>pSt+1，表示E[U（持有）]=E[U（pHt+1）]>E[U（卖出）]=E[U（pSt+1）]。只有在实验开始时，代理人才能确定地获得一定数量的财富，即决定保留最初的捐赠，并在实验结束前退出市场。然而，由于受试者只能保持净利润，这种策略将导致零利润。图1是使用Holt和Laury（2002）中估计的powerexpo效用函数的参数值得出的，即α=0.029和r=0.269。使用受试者样本的随机选择（即α=0.106和r=0.345）获得的参数估计值，与霍尔特和劳里（2002）估计的值非常接近，见附录B。这两种估计值可能有所不同，尤其是在没有考虑影响每个时间步价格的市场随机波动时。例如，对于只有一个代理销售（红色虚线）和每个人销售（蓝色虚线）的情况，考虑在不考虑随机波动的情况下计算的效用，并将其与每个人都留在市场的情况（绿色实线）进行比较。在这些情况下，财富W（t）的价值高于此，在这些无限理性的代理人看来，出售他们持有的任何东西都是值得的。这一点取决于经纪人是否认为他将是唯一的卖家，或者每个人都会，以及随机波动或噪音的大小。

这些值是临界阈值，我们通过数值模拟将其表示为图2中s的函数。正如我们从效用函数的凹性中所期望的那样●●●●●●●●●●●0.0.5 1.0 1.5 2.03 4 5 6 7 8长途跋涉（W*）●●●●●●●●●●●●我=-0.01无噪音=-1.00无噪声图2：临界阈值W*, 作为s的一个函数，超过该函数，将触发单打出局（红色）和全场出局策略（黑色）（分别对应于图1中绿色/红色虚线和绿色/蓝色点线的交点）。在式（5）中，值W*超出这个范围，这种有界理性的代理人在考虑到所有人同时出售的可能性时，会随着时间的推移而减少。在本节中考虑的那种短视、有界理性的代理人存在的情况下，风险偏好的异质性将导致阈值策略，当财富增长超过临界值W*, 紧张起来，离开市场。然而，这种情况并没有考虑到阶段之间的可变性，这无疑会影响真实市场中观察到的事件，正如我们将在下文中看到的，影响我们实验中观察到的交易活动。4实验结果4。1交易活动在本节中，我们报告实验中观察到的交易活动。第4分节。1.1描述了与受试者财富相关的交易量结果。第4.1.2小节研究了受试者交易活动的同步性，而第4小节研究了受试者交易活动的同步性。1.3调查受试者交易行为中是否存在共同模式。4.1.1超额交易与财富很明显，如果所有主体在游戏结束前都采取购买和持有股票的策略，价格影响将为I（t）≡ 而市场序列结束时的实际价格很可能会导致财富增加640%。

相反，我们观察到的是，受试者不断在市场内外交易。事实上，在第一个市场交易日，交易活动非常活跃，以至于他们几乎收支平衡，平均收益只有0.75%。值得注意的是，所有群体都在一定程度上学会了知识，在第二个市场时段的交易量大大减少，导致平均收入高达92%。这些结果在一定程度上与实验性资产市场文献中的发现一致，这些文献表明，在特定环境下使用Anaset的丰富经验可以消除错误定价和泡沫的出现（Smithet al.，1988；King，1991；Van Boening et al.，1993；Dufwenberg et al.，2005；Haruvy et al.，2007；Lei和Vesely，2009）。事实上，我们观察到，作为学习的结果，第二个市场序列中的受试者的行为与第一个市场序列中的受试者的行为一致不同。韦尔奇两样本t检验应用于每个受试者在第一次和第二次实验中的最终财富和平均活动率，在统计学上证实了这种差异（p值≈ 2.-16). 因此，在下面的分析中，我们将所有FirstMarket会话合并到一个数据集中，并将所有第二个会话合并到另一个数据集中。这些聚集的数据集产生了图3所示的价格时间序列。我们注意到，由于时间范围不确定，会议的持续时间都有所不同。因此，在平均过程中使用的数据点的数量对于每个时间t不是相同的，而是t的递减阶跃函数（这在下面的图4中清楚地显示出来）。在实践中，由于参与者不会遭受损失，平均支出更高，因此负供款在实际平均支出中不起作用。相反，侯赛姆等人。

（2008年）和谢和张（2012年）发现，当市场经历流动性增加、股息不确定性增加或新主体进入的冲击时，泡沫可以重新点燃或持续。此外，在第一次实验性市场会议期间，我们遇到了三台计算机的网络问题。因此，在第一轮测试中，被纳入测试池的受试者人数为198人，而不是201.02004060802004000010000.2 0.40.6 0.8 1.0 1.2无交易实际价格影响的货币单位价格（a）第一轮测试：198名受试者的平均数量（最后一点为18人）。在没有交易的情况下，已实现的价格对数收益率和价格对数收益率之间的相关性为0.85.02004060802000080010000.2 0.4 0.6 0.8 1.0 1.2无交易实际价格影响的货币单位价格（b）第二个交易日；201名受试者的平均数量（最后一点为23）。在没有交易的情况下，已实现价格对数收益和价格对数收益之间的相关性为0.89。图3：第一和第二市场时段的平均价格时间序列。绿色的线条代表“裸”价格时间序列，即如果所有代理都采用买入并持有策略，市场中会发生的价格演变。与描绘已实现价格的红线进行比较后，立即发现交易通过影响因子（蓝线）显著削弱了价格上升趋势：平均斜率（即价格趋势）在第一个交易日除以约2的系数，在第二个交易日除以1.5的系数。图3中的已实现价格代表了主体在其集团内使用买入并持有策略时将获得的最大收益。