市场模仿和盈亏转换策略的出现是无意的

我们观察到，在咨询专家后，遵循任何策略的概率为0.582，比参考值（6.47 SD单位）低0.053。事实上，粗粒度分析的简单性使得进行队列分析成为可能。表四。其中3项补充信息显示，所有队列组都遵循这些直觉策略，概率在0.6到0.7之间，因此在该发现中提供了更多的普遍性。然而，有两个例外。首先，与男性相比，女性更容易遵循这些直觉策略，这与她们没有时间做决定，咨询的信息（包括专家建议）更少这一事实是一致的。其次，0至15岁（相当于小学）的儿童倾向于遵循直觉策略，其强度高于其他组。和女性群体一样，这也与孩子们做出更快、更不明智的决定的事实相一致。讨论面对高度不确定性的环境对人类来说是一项非常复杂的任务[20]。我们在处理随机性时有严重困难，我们倾向于在根本不存在的情况下看到模式[46]。此外，决策过程涉及多个因素，这些因素可能远不是理性行为，比如压力和恐慌。p=0.714 p=0.286 p=0.469 p=0.531咨询专家咨询。637 0.363 0.486 0.515条件概率与t轮t+1p（|）p（|）p（|）p（|）0.30.40.50.60.70.80 5 10 15 20 25 30概率时间0.40.50.60.70.80 1 2 3 4 5 6 7概率信息mmmmmmmm-0.077+0.017-0.017图。3.以市场为条件的决策：市场模仿新兴战略。猜测市场涨跌的经验条件概率与上一轮的市场行为正相关。

参与者注意模仿市场运动，这种行为在市场上涨时尤为重要（p(↑ | ↑M） =0.714±0.005）。然而，当受试者参考专家的建议（0.637）时，这种影响会敏感地减弱。（左下）当参与者猜测市场将“上涨”（绿色）时，与参与者猜测市场将“下跌”（红色）时相比，做出决策所花费的时间起着重要作用。（右下）检查其他类型的信息也会降低条件概率，但当参与者参考更多信息时，参与者会再次模拟市场走势。底部图中的水平线提供聚合结果，并将其阴影显示在错误条上。误差条代表二项分布的标准偏差。因此，只背离理性和自利的模型也可以包含与人类如何应对不确定环境有关的概念[8]。在这个实验中，我们在弹出式实验框架[36]内进行了实验，我们让一组志愿者在这种不确定的环境下进行非专家融资。我们要求参与者预测某一指数的一系列真实历史价格的逐日演变，允许他们在记录每一个动作时查阅一些信息[20,29]。283名受试者做出的18436项决定远非随机。从数据来看，最重要的是，我们通过一致的行动发现了两种行为偏差：一种是倾向于猜测市场将朝着与前一天相同的方向发展，另一种是倾向于重复之前正确的决定。我们将市场模仿和WinStay Lose-Shift策略确定为此类偏见的机制。

这些策略也出现在其他conp（|）=0.682 p（|）=0.318 p（|）=0.421 p（|）=0.579咨询专家建议中。610 0.390 0.458 0.542条件概率与t轮t+1p（|）p（|）p（|）p（|）0.30.40.50.60.70.80 5 10 20 25 30概率时间0.40.50.60.70 1 2 3 4 6 7概率信息-0.072+0.072+0.037-0.037图。4.以绩效为条件的决策：双赢-留-输转换新兴战略。重复先前猜测的经验条件概率与先前猜测的成功与失败正相关。最高概率对应于在正确的情况下重复之前的猜测（0.682）。专家的建议部分抵消了影响（0.610）。（左下）当参与者花更多时间在两种情况下做出决定时，条件概率会降低：在上一轮中是“正确”（绿色）还是“错误”（红色）。（右下）条件概率最初会减小，但当参与者参考更多信息时，在这两种情况下，条件概率都会围绕平均值波动：在上一轮中是“正确”（绿色）还是“错误”（红色）。底部图中的水平线提供聚合结果，并对其错误条进行阴影处理。误差条代表二项分布的标准偏差。文本[49,51]。

粗粒度方法使我们能够直观地识别这些策略，因为有三个原因：（1）做决定的时间越短，遵循这些策略的可能性就越大，（2） 当只参考了价格表时，遵循任何策略的概率明显更高，（3）咨询专家（作为明确的外生信号）显著降低了遵循该策略的可能性。我们样本中广泛的人口统计数据也让我们认识到，女性和儿童更直观，更容易遵循这些策略，因为平均而言，她们比其他人做决定更快，咨询的信息更少。此外，我们在一次有不同人口统计数据的会议上重复了相同的实验，并确认了我们发现的稳健性。我们还研究了前两个步骤的影响，我们发现，尽管互信息值不再相关，但人们仍然可以找到一些行为偏差的痕迹。有关最后两个结果的更多详细信息，请参见补充信息。0.729毫米。680 0.585 0.480毫米英里W-S L-S0。714 0.714 0.531 0.531 0.682 0.579 0.682 0.579决策轮对决策轮t+1市场条件概率图。5.两步马尔可夫链观察市场模仿是主导的新兴战略。选择“上升”或“下降”概率的三种可能性取决于两个条件：上一轮的市场方向和上一轮用户的表现（成功与否）。该树包括市场模仿和盈亏转移新兴策略的条件概率，以观察哪种策略是主导策略。

我们观察到，市场模仿条件概率更接近于事件“遵循和策略”对应的聚合条件概率，而非赢留损失转移新兴策略。这项研究的直接影响指向市场政策、交易者和市场建模。如今，令人眩晕的市场节奏，尤其是高频交易的假装优势受到质疑[58]。在非专家个人的规模中，有时他们可能会决定管理自己的投资组合，我们已经看到，快速统一的决策往往是与理性和深思熟虑的决策相反的、具有指导性和预先确定的行为。然而，应该调查这种直觉行为是否也发生在真实市场中，但已有研究在交易员和基金经理的行为中发现了一些证据[20,28]。无论如何，我们的发现都支持降低市场令人眩晕的速度，以获得理性和信息过滤的想法。从另一个角度来看，我们的结果有助于更好地处理客户对交易公司的期望，避免财务分析师决策中的行为异常，并改善交易数字界面，在其中记录信息。最后，应仔细分析所提供的信息，以及如何对其进行分级，以在多种意义上改善市场[28]。从更一般的角度来看，我们的结果也有助于开发新的基于代理的模型或随机价格动态，以更好地理解金融泡沫或不对称风险感知对价格下跌的影响[20,30,56,57,59]。

对新兴策略产生的不同行为偏差的研究可以对金融泡沫（市场模仿，特别是上升趋势）以及价格下跌如何增加市场波动性（温斯泰损失转移，在“错误”后改变之前的决策，从而增加市场不确定性）提供一些解释。个人，作为决策者，生活在一个充斥着不可能评估和不断更新的突发事件的社会中，我们不得不做出未知的决策，他们必须意识到这些直觉策略是可以避免的谬误或帮助我们在不确定的海洋中航行的灯塔。0.500.550.600.650.700.750概率信息。400.450.500.550.600.650.700 5 10 15 20 25 30概率时间0.500.550.600.650.700.75专家建议概率图。6.聚合策略：依赖时间、信息和专家建议。（左）根据做出决策所花费的时间，遵循上述任何策略的概率。0到30秒的范围被划分为5秒的箱子。（中）根据咨询的不同信息小组的数量，遵循上述任何策略的概率。（右）左边的条表示遵循任何描述策略的可能性，而右边的条表示相同的可能性，但条件是点击了专家的建议面板。黑色实线表示总概率，而阴影区域和误差条的极限表示标准偏差。支持信息1文件支持信息文件。在S1文件（PDF）中，我们提供了有关实验、统计测试和其他信息的更多细节。（PDF）致谢我们要感谢283名匿名志愿者，他们使这项研究成为可能。

我们感谢由I Garriga领导的巴塞罗那市议会文化研究所的创意和创新方向推动的公民科学基金会的巴塞罗那实验室项目，感谢他们在法布拉一世科茨的巴塞罗纳艺术节上对实验的帮助和支持。我们特别想感谢I Bonhoure、N Fern’andez和P Lorente的所有科学家，让实验成为可能，感谢O Comas（DAU主任）给我们这个机会。特别是，我们要感谢萨维德拉，他为游戏的原始想法做出了巨大贡献，并帮助我们进行了非常有用的讨论和评论。我们还感谢J Vicents在CAPS2015帮助我们进行实验，并感谢A S’anchez仔细阅读了手稿。这项工作得到了MINECO（西班牙）通过拨款FIS201347532-C3-1-P（JD）、FIS2013-47532-C3-2-P（JP）的部分支持；由加泰罗尼亚（西班牙）总领事通过巴塞罗那（合同号：2014 SGR 608，JP和MGR）和英国皇家大学秘书处（合同号：2013 DI 49，JD）签署；通过巴塞罗那实验室项目的BarcelonaCitizen Science of ce项目，由Espa nola para laCiencia y la Tecnologia基金会（FECYT）资助；并由欧盟通过FET（合同编号317532，JD）提交。作者贡献JP、JD和MGR构思了实验的原始想法，并为最终的实验设置做出了贡献；JD为实验编写了软件界面；JP、JD和MGR进行了实验；经理和CSR分析了数据；JP、JD、CS和经理讨论了分析结果；JP、JD、CS和MGR撰写了这篇论文。确认Direcci根据合同FIS2009-09689提供的财务支持。[1] 《金融市场中的计量经济学》。普林斯顿大学出版社，普林斯顿。

1997年。[2]学士L.Thorie de la spculation。巴黎高蒂尔别墅。1900。[3]萨缪尔森宾夕法尼亚州。关于效用测量的注释。对经济研究的看法。1933;4(2):155.[4] Samuelson PA.证明合理预期的价格随机波动。工业管理评论。1965;6:41.[5] 农夫JD，噢。金融前沿：发展和高效市场。Proc Natl Acad Sci U S.1999；6:41.[6] Biondo AE、Pluchino A、Rapisarda A、Helbing D.随机策略比技术策略更成功吗？。公共科学图书馆一号。2013;8（7）：e68344。[7] 农夫JD，帕特利P，佐夫科二世。金融市场中零智能的预测能力。Proc Natl Acad SciU S.2005；96:9991.[8] 拉宾·M·心理学与经济学。经济文献杂志。1998;1:11-46.[9] Lillo F，Michich S，Tumminello M，Piilo J，MantegnaRN。新闻如何影响金融市场中不同类别投资者的交易行为。定量金融。2015;15:213.[10] Alanyali M，Moat HS，Preis T.量化金融新闻与股市之间的关系。科学报告。2013;3:03578.[11] Curme C，Preis T，Stanley HE，护城河HS。量化股市波动前搜索行为的含义。Proc Natl Acad Sci U S.2014；111:11600.[12] 普雷斯特，护城河，何士丹利。使用谷歌趋势量化金融市场的交易行为。科学报告。2013;3:1684.[13] Bordino I、Battiston S、Caldarelli G、Cristelli M、Ukkonen A、Weber I.网络搜索查询可以预测股市交易量。公共科学图书馆一号。2012;7（7）：e40014。[14] Moat HS、Curme CS、Avakian A、Kenett DY、StanleyHE、Preis T.量化金融新闻与股市之间的关系。科学报告。2013;3:03578.[15] Ranco G，Aleksovski D，Caldarelli G，Mozetiˇc I.调查Twitter情绪与股价之间的关系。arXiv:1506.02431v1。[16] Zhedulev I，Smith R，Aste T。

社交媒体何时能引领金融市场？。科学报告。2014;4:4213.[17] Piˇskorec M，Antulov Fantulin N，Novak PK，Mozetiˇc I，Grˇcar M，Vodenska I，ˇSmuc T.金融新闻的凝聚力及其与市场波动性的关系。科学报告。2014;4:50383.[18] Ranco G、Bordino I、Bormetti G、Caldarelli G、Lillo F、Treccani M.将新闻情绪与网络浏览数据相结合，可以改善日内价格动态的预测。公共科学图书馆一号。2016; 11（1）：e0146576。[19] 西蒙·哈。有限理性模型：经验全面经济理性（第3卷）。麻省理工学院出版社。1982。[20]霍姆斯，C.复杂经济系统中的行为理性和异质预期。剑桥大学出版社，2013年。[21]Kahneman D，Tversky A.前景理论：风险决策分析。计量经济学。1979;47(2):263.[22]Tversky A，Kahneman D.理性选择和决策框架。商业杂志。1986;59:S251。[23]Tversky A，Kahneman D.决策框架与选择心理。科学1981;211:453.[24]Tversky A，Kahneman D.不确定性下的判断：启发式和偏见。科学1974;185:1124.[25]德马蒂诺B，奥多尔蒂JP，雷D，博萨尔茨P，卡默尔C.在市场的头脑中：在金融泡沫期间，思维理论会影响价值计算。神经元2013;79(6):1222.[26]Frydman C、Barberis N、Camerer C、Bossaerts P、RangelA。使用神经数据测试投资者行为理论：实现效用的应用。金融杂志。2014;69:907.[27]莫罗·E、维森特·J、莫亚诺公司、法默·JD、瓦格利卡·G、利洛·F、曼特尼亚·RN。股票市场中大型交易订单的市场影响和交易业绩。《物理评论》E.2009；80:066102.[28]Bouchaud JP，Ciliberti S，Landier A，Simon G，Thessard。“优质”股票的超额回报：一种行为异常。arXiv:1601.04478[29]霍姆斯C、索尼曼J、图因斯特拉J、范德维尔登。

在蛛网实验中学习。宏观经济动态，2007年；11（S1）：8-33。[30]Hommes C，Lux T.学习预测实验的个体期望和聚集行为。宏观经济动态。2013;17:373.[31]Bland AR，Schaefer A.意外的不确定性、波动性和决策。神经科学前沿。2012;6:00085.[32]Payzan LeNestour E、Dunne S、Bossaerts P、ODohertyJP。基于价值的决策过程中意外不确定性的神经表示。神经元2013;79(1):191-201.[33]Platt M，Huettel S.风险企业：不确定性下决策的神经经济学。自然神经科学。2008;11:398.[34]Drugowitsch J，Moreno Bote R，Pouget A.知觉决策中信念和表现之间的关系。公共科学图书馆一号。2014;9（5）：e96511。[35]科瓦切维奇N、里特P、泰W、莫雷诺S、麦金托什AR《我的虚拟梦》：沉浸式艺术环境中的集体神经反馈。公共科学图书馆一号。2015;10（7）：e0130129。[36]Sagarra O，Gutirrez Roig M，Bonhoure I，Perell J.计算社会科学研究的公民科学实践：弹出式实验的概念化。正面菲斯。2015;3:93.[37]Tversky A，Kahneman D.相信小数定律。心理通报。1971;76(2):105.[38]法国S.根据别人的意见更新信仰。J R Stat Soc Ser A Stat Soc。1980;143(1):43.[39]恩格曼JB，卡普拉CM，努塞尔C，伯尔尼GS。专家财务建议，神经生物学，风险下的财务决策。公共科学图书馆一号。2009;4（3）：e4957。[40]佐治亚州沃马克。经纪业分析师的建议会降低投资价值吗？。《金融杂志》1996:137167。[41]Koestner R、Gingras I、Abutaa R、Losier GF、DiDio L、Gagn M.在做出决策时遵循专家建议：对反应性与反思性自主性进行检查。人格杂志。1999;67(5):851.[42]安德森P，埃德曼J，埃克曼M。