投资者交易过多吗？实验室实验

11b，其中包括14名受试者（见图10b），他们在第二轮中将交易量保持在最低水平，并将回报最大化。相反，图11a中的6号集群由2名交易员组成（见图10a），他们的平均交易活动非常高，因此最终财富较低。4.2风险态度和活动率为了测量受试者的风险厌恶，我们使用了霍尔特和劳里（2002）的配对彩票选择工具。霍尔特-劳里配对彩票选择任务是一项常用的个人决策实验，用于测量个人风险态度。第二个实验任务没有提前宣布；受试者被告知，如果他们愿意，他们可以参加第二个实验，该实验将持续额外的10-15分钟，他们可以获得额外的金钱报酬。所有受试者都同意参加第二个实验。在这项任务中，受试者在奖金差异较大的彩票（选项B）和差异较小的彩票（选项a）之间进行选择。正如Holt和Laury（2002）所述，我们使用B-选择（“风险”选择）的相对频率作为风险偏好的衡量标准。此外，为了使受试者在交易期间的平均收入与受试者面临的风险相当，并评估受试者的风险态度是否取决于所涉及的财富水平，我们引出了受试者对两种彩票的选择，相当于Holt和Laury（2002）在其基线治疗中的剂量的两倍（2×）和十倍（10×）。受试者事先被告知，他们将掷骰子，以确定这两种彩票中的哪一种将决定他们从这项额外实验任务中获得的报酬。附录C包括霍尔特-劳里配对彩票选择实验的说明。无花果。

12我们根据受试者的风险厌恶程度显示了受试者的分布，包括2倍和10倍彩票。蓝色垂直线显示了风险中性主体的位置，仅基于预期的薪酬差异。事实上，大多数受试者——76%的低薪彩票和89%的高薪彩票受试者——的“安全”a-选择数大于4，这表明，总体而言，我们实验的参与者是厌恶的。此外，如果我们比较红色和绿色这两条曲线，我们会发现，当彩票报酬较高时，受试者倾向于更安全的选择，这表明我们人群的风险厌恶不仅取决于报酬水平，而且随着报酬水平的增加而增加。韦尔奇双样本t检验证实了这一点，该检验表明，低薪酬和高薪酬的平均风险规避值在统计学上存在差异，P值为1.5 10-6.我们还估计了功率效用函数inEq的参数。（5） 使用我们的主题库中的彩票选项。正如Holt和Laury（2002）所述，我们发现了增加相对风险规避和减少绝对风险规避的证据，即对参数α和r的正估计。关于估计过程的详细信息从我们的数据集中删除了受试者在之前为较低的薪酬优势选择了风险选项后选择安全彩票的情况。●●●●●●●●●●●●●●●●●●●●0.000.250.500.751.000 1 2 3 4 6 7 8 9 10风险规避CDF●●低薪-高薪-图12：风险规避累积分布函数。x轴显示配对彩票中A选项（“安全选项”）的数量。这一水平越高，代理人越厌恶风险。

蓝色垂直线显示了风险中性主体的位置。结果见附录B。我们现在将二元彩票选择引发的个人风险态度与交易行为联系起来。先前关于引发的风险态度和总体市场行为之间关系的实验研究（Robin等人，2012年；Fellner和Maciejovsky，2007年）表明，风险厌恶程度越高，观察到的市场活动越低。另一方面，Michailova（2010）发现配对二元彩票中的安全选择数量对交易频率没有显著影响。图13显示了第一轮和第二轮中不同风险态度的平均活动率和最终财富水平。我们的结果清楚地表明，无论是在第一轮（红色和橙色）还是第二轮（绿色和蓝色），随着风险规避水平的提高，活动率降低，最终财富增加。换句话说，在我们的实验中，风险偏好是过度交易的一个重要决定因素。

我们的发现与经验证据一致，表明喜欢冒险、过度投资的个人更愿意投资股票（Keller和Siegrist，2006）和从事投机活动（Odean和Barber，2011；Camacho Cuena等人，2012）。●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●0.00.20.40.60 1 2 3 4 6 7 8 9 10风险规避活动率●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●501001502002500 1 2 3 4 5 6 7 8 10风险规避最终财富●●●●第一节课，高薪-第1次非抽签，低工资-第二节课时休息，高薪-第二节休息，低工资-非彩票（a）●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●0.00.20.40 1 2 3 4 5 6 7 8 9 10风险规避率●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●501001502002500 1 2 3 4 5 6 7 8 10风险规避最终财富●●●●第一节课，高薪-第1次非抽签，低工资-第二节课时休息，高薪-第二节休息，低工资-非彩票（b）图13：风险态度、交易活动和最终财富。图（a）显示了每个风险规避水平的平均活动率和最终财富。图（b）显示了平均活动率和最终财富对风险规避的95%置信区间的线性回归。显然，风险厌恶程度越高的人交易越少，最终拥有的财富也越高。4.3价格预测和交易行为受试者在整个实验过程中输入他们的价格预测，这一事实让我们得以了解他们的心境。事实上，交易只反映交易者在活跃时的心理状态（即价格预期）的顺序。但交易者（无论是在现实生活中还是在实验中）实际上大部分时间都不活跃。因此，单凭交易不太可能解释为什么贸易商不活跃。

由于我们既有交易，也有受试者的价格预期，因此我们能够给出价格预期导致的活动和不活动的一致画面。在这两个市场环节中，受试者在大约7%的时间内没有输入任何信息，因为价格预测不是一项强制性活动（尽管在金钱上受到激励）；在下文中，我们将分析局限于报告预测的受试者。讨论的重点是预测对数收益，即根据受试者i的价格预测bpi（t+1），我们计算所有受试者的预测对数收益bri（t+1）=log[bpi（t+1）/p（t）]。第一个市场时段的平均预测为-0.01和+0.02，即与平均回报率m=2%的交易不活跃完全一致。第一轮预测收益率为54%，第二轮为58%。图14显示了两次运行以及正负回报预期的完整经验累积分布函数-4-2 0 25e-05 5e-04 5e-03 5e-02 5e-01收益预测日志10（r 0.001）ecdf（r）运行图14：第一和第二阶段负（左）和正（右）预期价格收益的互惠经验累积分布函数（分别为黑线和红线）。基线收益率分布以虚线绘制。

r=0时的跳跃表示正预测和负预测的相应分数。每个正分布和负分布的起点代表正预期和负预期的分数，因此第二个交易日r=0时的较高跳跃反映了正预期收益分数的增加。然后，我们检查正预期收益和负预期收益的分布如何与基准收益分布相关，基准收益分布由学生噪声项sηt价格更新规则确定。基线收益率分布用虚线表示。14; 后者与预期收益的经验分布之间的比较提供了关于代理人使用的过去收益推断规则类型的第一条线索。借助中心极限定理，Student t分布变量（如噪声ηt）的渐近幂律尾在求和时不变。这意味着线性期望产生具有相同指数的幂律的期望分布。另一方面，恐慌或欣快感可能会导致非线性外推，因此可能会改变这些分布的尾部指数，甚至是尾部的性质。最明显的发现是，当两个序列的经验分布函数都高于基线信号时，试剂的作用增加了基线信号的波动性（虚线）。积极预期的噪声放大在两个序列中几乎相同，而消极预期的噪声放大在两个序列之间存在显著差异，因为在第一个序列中，消极预期的规模要大得多。

我们使用了稳健的幂律尾拟合（Clausette等人，2009年；Gillespie，2015年），并确定了幂律尾的最可能起点和指数α（见表1）。非常值得注意的是，正尾部和负尾部的参数在两次运行之间简单地交换：因此，不仅负面预期的规模发生了变化，而且最大正面和负面预期的性质也发生了变化。fitted tail index离3不远，这是学生噪声中的一个，再次表明没有不稳定的反馈回路。rminα运行1 r<0.21 3.5运行2 r>0.10 2.7运行1 r<0.13 2.6运行2 r>0.18 3.5表1：收益预期幂律部分的拟合；Rmin表示幂律的最可能起始点。受试者有重尾预测的事实表明，他们通过从过去的回报中学习来形成预测，因为学生的t分布噪声，这些回报确实包含重尾。因此，我们假设预期收益和过去收益之间存在某种关系。这符合关于真实投资者的最为公认的事实，即他们交易的反转性质：他们在给定时期内的净投资与过去的价格回报呈负相关（Jackson，2003年；Kaniel等人，2008年；Grinblatt and Keloharju，2000年；Challet and de Lachapelle，2013年）。此外，之前的实验（Hommes等人，2005年）已经证明，使用过去收益率的四类简单线性预测值通常足以重现观察到的价格动态。基于上述考虑因素，我们首先使用线性模型对每个主体的回报预测。br（t+1）=ω+ωr（t），（7）式中ω和ω∈ R.对每个交易者、每个交易日和每个可能的行动分别进行价格回报预测。我们同时计算ω和ω。秒。4.3.1讨论ω的结果，而秒。

4.3.2致力于ω。幂律的参数rmin和α不能与等式（5）中的幂函数的参数混淆。4.3.1平均预测（ω）为了给出交易者在市场上的运动情况，我们根据受试者的行为有条件地计算回报预期。有四种可能的行为：购买、出售、持有股票和持有现金。图15报告了两个时段价格回报预测的条件分布。0369-0.2-0.1 0.0 0 0.1 0.2ω0密度购买留用（保留股份）留用（保留现金）出售051015-0.2-0.1 0.0 0 0.1 0.2ω0密度买入留守（保留股票）不买入（保留现金）卖出图15：四种决策类型的第一阶段（左图）和第二阶段（右图）的交易员平均收益预测ω的密度。虚线表示2%的基线回报率。这两个市场序列的结果在质量上是相同的：条件分布明显分开，如表1所示。2以下；两次运行之间的主要区别在于，在第二次运行中，人群中预期的差异被大大减少。ω、 第二轮出售持有现金持有股份购买1.5 10-八十三点九一零-三十一点二一零-5.销售3.8 10-五十八点二一零-5持有现金1.5 10-1ω，第二轮出售持有现金持有股份购买2.1 10-七十一点五一零-四十一点零一零-7.销售6.1 10-七十五点九一零-5持有现金6.6 10-表2：测试两个给定动作的受试者之间ω分布的差异。该表报告了每个可能的作用对的Mann-Whitney检验的p值。让我们把每一个可能的行动的结果细分如下：1。当受试者持有资产时，他们的预期与2%的基线回报率一致。当受试者持有现金时，他们的期望值显著降低（基本上是低的）。

然而，当受试者进行交易时，他们对下一次回报的预期与他们的行为是反相关的，也就是说，他们在预期负性价格回报时购买，反之亦然。因此，受试者的行为与他们的预期完全一致：当他们认为不值得投资时，他们不进行投资，当他们对未来收益有积极预期时，他们会保留自己的份额。相反，交易主体的行为符合“低买高卖”的策略。事实上，知道交易将以下一阶段实现的价格执行，受试者在预期负回报时提交购买订单，在预期正回报时提交销售订单。4.3.2预测和过去的价格回报（ω）我们发现，系数ω的重要性非常弱，它编码了过去回报对未来回报的线性外推。图16报告了两次运行中过去收益的影响系数的条件分布，而表16显示了过去收益的影响系数。3报告了所有受试者所有状态对之间的系数ω之间的Mann-Whitney检验的P值。ω、 第一轮出售持有现金持有股份购买9.6 10-二十二点三一零-五十八点八一零-10卖出3.7 10-二十一点七一零-4现金周转2.9 10-2ω，第二轮出售持有现金持有股份购买6.2 10-十七点六一零-十四点一一零-2销售5.6 10-十八点六一零-2.持有现金2.9 10-4表3：受试者之间ω分布差异的测试，条件是两个给定动作。该表报告了每个可能的作用对的Mann-Whitney检验的p值。该图显示，在第一轮交易中，当代理行不采取行动时，该系数为负，当代理行进行交易时，该系数为零。

第二步是不同的：系数01234-0.2-0.1 0.0 0.1 0.2ω1密度买入（保留股份）不买入（保留现金）卖出01234-0.2-0.1 0.0 0 0.1 0.2ω1密度买入（保留股票）不买入（保留现金）卖出图16：四种决策类型的第一阶段（左图）和第二阶段（右图）中交易员条件回报预测ω的密度。虚线垂直线指的是2%的基准收益率。似乎不太依赖ZF，唯一明显的区别是持有现金和持有股份。当我们根据受试者的行为来衡量平均预测回报时，这一系数的缺乏影响就得到了证实，这使得结果非常接近ω。5结论我们给出了一个交易实验的结果，在该实验中，定价函数有利于风险资产的投资，而没有后期交易。在我们的实验市场中，如果受试者都在第一阶段购买股票并持有到实验结束，他们几乎肯定会获得600%以上的收益。然而，等式4中定义的市场影响实际上是一种交易成本，决定了交易者的收益。我们的受试者都很清楚这种机制。尽管如此，当他们第一次参与实验时，他们的交易活动非常活跃，以至于他们的平均利润几乎为零。然而，当他们重复这个实验时，他们的表现要好得多，因为他们的平均收入为92%——这仍然远低于上述简单的风险中性理性策略的表现。因此，我们发现，与Odean（Odean，1999；Odean and Barber，2011）相呼应，投资者交易过多，即使在交易明显有害的环境下，买入并持有几乎是必然的赢家策略（与真实市场不同，没有什么比保证每个周期2%的平均回报率更好的了）。