行为金融(八):羊群行为
文章目录
- 羊群行为
- 羊群行为的含义与类型
- 羊群行为的含义
- 羊群行为的分类
- 无意的羊群行为
- 有意的羊群行为
- 对于羊群行为的心理学解释
- 羊群行为背后的心理学根基
- 群体心理学分析
- 对羊群行为的实证检验
- LSV法
- PCM法
- CSAD方法
- 羊群行为对证券市场的影响
羊群行为
羊群行为的含义与类型
羊群行为的含义
与大多数人一样思考、感觉、行动,与大多数人保持一致。
这个概念被金融学家借用来描述金融市场中的一种行为,指投资者趋向于忽略自己有价值的私有信息,而跟从市场中大多数人的决策方式。 羊群行为表现为在某个时期,大量投资者采取相同的投资策略或者对于特定的资产产生相同的偏好。
在金融市场中,个人投资者和机构投资者均有羊群行为,大量数据表明,参与羊群行为对于主体不利,积极参与羊群行为的投资个体在市场中获得的收益率比较低。
同时,羊群行为程度和股票价格波动之间形成一种正反馈机制。负反馈机制能使系统达到平衡,而正反馈不能。
在金融市场上,正反馈机制就是,最初的价格上涨导致了更高的价格水平的出现,因为通过投资者需求的增加,最初价格上涨的结果又反馈到了更高的价格中,以此类推。但当价格泡沫破裂时,反馈会向下发生,最初的价格下滑导致价格的进一步下跌,以此类推,正反馈机制会使市场价格失衡。
羊群行为的分类
羊群行为可以分为 “无意的羊群行为”(unintentional herding) 和 “有意的羊群行为”(intentional herding)。
无意的羊群行为
无意的羊群行为相对来说比较简单。在信息流动异常迅速的时代,交易者可以很方便的获取一些公共信息,从而导致他们容易产生相似的心理或采取类似的决策,最终形成无意的羊群行为。在现实中,投资者俱乐部、新闻媒体的新闻报道、分析师的投资建议等都促成了交易者无意识的羊群行为。
有意的羊群行为
有意的羊群行为实质上是一种常见的从众行为(模仿行为)。这种模仿行为可能是理性的,如果先行动者的行动影响了:
- 收益结构,譬如模仿行为导致了一种更高的收益(收益外部性)
- 关于环境状态的概率估计(信息外部性)
(一)基于收益外部性的羊群行为:在几乎所有的博弈中,一个参与者的收益结构是受到其他参与者行动的影响的。这种收益外部性经常由这个博弈的收益结构所外生的决定,但也可能内生的产生。
如果参与者的战略是 “战略互补”(strategic complementarity),那么每个人以某种确定的方式行动的动力就会增加,即随着一个人的战略优化,其他参与者的边际效用也增加了,在这样的情况下,参与者有相似行动的激励。(如银行挤兑潮)
(二)基于信息外部性的羊群行为:后行动者会尽量去从其他先行者的行动中推理出他们的信息,只要这些先行者是基于他们的信息而行动并且这些决策有共同的价值成分。这种正的信息外部性可能会强烈到使后继者忽略他的个人信息(或者是没有给予它适合的权重)。如果一个行动者模仿他的先行者的行为,即使他的个人信息支持他选择不同的行动,那么就发生了基于信息外部性的羊群效应。
基于信息外部性的羊群行为可以分为两类:
- 基于信息外部性的羊群行为Ⅰ是个体考虑到私人信息之后仍然做出相同的决策
- 基于信息外部性的羊群行为Ⅱ是个体完全忽视了私人信息,直接选择与先前行动者相同的行动,其实质与信息瀑布(information cascade)完全一致。
信息瀑布(信息层叠、信息串联、information cascade):当人们不论其私人信息如何,都做出一致的决策时就形成了“信息瀑布”。
信息瀑布是一种典型的由信念维系的从众行为,它能解释序贯决策时分散的个体行为如何左右大众信念,从而导致群体行为系统性地偏离Fama意义上的“理性”现象。这种信念的相互依赖以及此时大众的心理特征被凯恩斯称为“动物精神”。
或者说“信息瀑布”是指 “当某个人在观察到他之前许多人的行为后,不管自身的信息如何而追随那些人的行为、且这种追随是最优选择的时候,就意味着出现了信息瀑布,也叫信息层叠”。
贝叶斯规则:
Pr(A∣n,m)=Pr(n,m∣A)Pr(A)Pr(n,m∣A)Pr(A)+Pr(n,m∣B)Pr(B)Pr(A|n,m)=\frac{Pr(n,m|A)Pr(A)}{Pr(n,m|A)Pr(A)+Pr(n,m|B)Pr(B)} Pr(A∣n,m)=Pr(n,m∣A)Pr(A)+Pr(n,m∣B)Pr(B)Pr(n,m∣A)Pr(A)
进一步思考:
- 信息层叠形成的预测可能是正确的,也可能是错误的
- 信息层叠可能会被打破
信息瀑布的非贝叶斯原因:
群体压力:当一个人得到的私人信息表明其做出的决策和之前其他人的决策不同时,会出现所谓的“信息困境”。
启发式:信息瀑布中,人们的预期是用贝叶斯规则得到的。贝叶斯规则是指人们根据新的信息从先验概率(prior probability)得到后验概率(posterior probability)的方法,假定了个体理性在不确定条件下的动态特征,即持续调整与学习过程。可是个体的有限理性导致的认知偏差使得人们对概率进行调整所依据的信息并不是一个有效的新信息,而是一个无效的重复信息(噪声)。
信息瀑布模型中一个重要的假设前提就是个人将其他人的行为发出的信号等同于他们的私有信息,这就是运用启发法进行判断的结果。 由于时间紧迫、环境复杂等因素的影响,人们之间无法形成有效的双向沟通,后面的人只能观察到前面人的行为而无法知道他们的私有信息。事实上,在危机中的信息瀑布里,绝大多数人(噪声制造者)的决策并不是根据自身私有信息做出的,他们的行为发出的信息与自身私有信息是不一致的,不会为群体提供新的信息。
信息瀑布的发生机理:给定一个先验概率分布,其中集中于某一状态的概率很大。依据私人信息进行的概率更新就与先验概率差别不大。如果参与人只有有限的行动选择,他就无法精确根据概率的微小变化来调整行动。结果,他的行动选择将与先前的没有什么不同。
信息瀑布的解释——学习和知识:贝叶斯学习过程是个体通过观察先前行动者而修正自己的主观概率并选择相应行动。值得注意的是,个体运用贝叶斯学习的行为是一种理性行为,但是个体的理性却可能会导致结果的非理性——错误的羊群行为。
从市场中的个体来看,假设都是理性人,将基于有效知识或信息而做出选择。一个人的决策所面临的机会集是他或她拥有的知识(或信息)的函数。知识和信息在决策中是有价值的,拥有更多和更准确的信息,当然比不拥有信息可以做出更有效的选择。获取知识和信息的代价是极其昂贵的。如果获取信息的成本大于信息带来的价值,这个信息就是无效信息。
社会心理学的可控实验证实,当“客观现实”很模糊时,大众的行为就成为信息源,或者说大众的行为提供了一个人应如何行动的信息。 在某一种环境(或者一组约束条件)下,大众行为所传递的如何行动的信息是各种可获信息中的有效信息,成为人们决策所依据的信息,因此就出现了各种从众现象。
在证券市场上,股票投资选择至少有四类可获信息:
- 从行情记录中获取如何行动的信息(技术分析);
- 从上市公司的财务记录中获取如何行动的信息(基本面分析);
- 依据历史资料估算 β\betaβ 值,获取如何行动的信息(CAPM);
- 大众行动传递的如何行动的信息。
(三)基于声誉机制或报酬机制的羊群行为:在声誉效应羊群模型中,第一个行动的代理人的行动不仅影响了第二个代理人关于环境状态的判断(信息外部性),而且也影响了他的收益结构(收益外部性)。
假设一个风险厌恶的经理人,他的薪酬取决于与基准经理人的表现:当表现优于基准时,薪酬增加;当表现比基准差时,薪酬下降。所有人包括基准经理人都拥有关于股票收益的不完美的私人信息。假定基准经理人先做决定,其他经理人在观察到基准经理人的决策结果后再作决定。因而,在相对业绩激励机制下,经理人有动力去模仿基准经理人,因为他们的最优投资组合就是与基准投资组合保持一致。
代理人的收益仅仅依赖于委托人的评价,就是委托人对于代理人类型的判断。因而,代理人不是关注于选择的行动本身,而是关注行动在多大程度上会影响委托人的评价。在这种情况下,代理人倾向于与其他代理人采取同样的行动。
股票市场的羊群行为可能主要是由机构投资者的交易所驱动。 机构投资者会一致性地聚集于非常少的一部分股票上,并推动这些股票的价格和收益率上升,从某种程度上讲,机构投资者顺应了市场趋势,并寻找那些已经处于上涨阶段的股票。
对于羊群行为的心理学解释
羊群行为背后的心理学根基
在经济中活动的个体绝非是一个纯粹的理性机器,而是具有多种多样复杂的心理活动,这些心理活动本身可能就构成了羊群行为的最深层次的根基。
模仿:模仿是有意或无意地对某种刺激做出类似反应的行为方式。
感染:感染是人们相互影响的一种互动方式,是个体对某种心理状态的无意识的、不自主的屈从。
感染实质上是情绪的传递交流。在大型开放人群中,一个人的情绪往往可以引起他人相对应的情绪的发生,而他人的情绪又反过来加剧了这个人原有的情绪,反复振荡,甚至激起强烈的情绪爆发,导致某种非理智的行为发生。
除了面对面的感染,在现代社会中,传媒对大众的感染影响力可能更甚,网络、博客、微信(微信群、公众号)。
群体压力:群体中大多数成员的意见会产生一种无形的力量,它使群体内每一个成员自觉或不自觉的保持着与大多数人的一致性。从心理学角度来看,有意的羊群行为(从众)是个体在社会群体压力下,放弃自己的意见,转变原有的态度,采取与大多数人一致的行为。
群体心理学分析
群体心理理论的研究对象并不是人类的“客观群体”,而是人类的“心理群体”:客观群体是指人群在某一时间和空间上的集合体,心理群体则是指具有相同心理活动特征的人群的集合体。
勒庞:人群个体在形成“心理群体”的过程中,通常需要三个主要外因的刺激:
- 情绪激发:人群中的个体由某一情绪所激发并最终被情绪所控制。
- 情绪传递:人群中的个体情绪由激发进而相互传递(相互感染并最终控制整个群体)。
- 建议接受:当人群被某一情绪控制后,人群便易受到外部建议的控制并受其指挥而参与某一激烈的行动。
当心理群体形成后,它作为一个整体的心理状态具有以下三项基本特征:
- 冲动性:指心理群体的集体行为可以在外界某一强刺激因素的激发下迅速启动,并且这种行为也可以在另一强刺激因素的作用下迅速向相反方向逆转。因此,心理群体情绪的高度不稳定性必然导致其行动方向的极度不确定性。
- 服从性:指心理群体具有自愿服从外来指挥的心理特征。由于在心理群体中,所有成员的情感与观念都被统一到一个方向,理性化的个性成分也都被消除,因此它们具有自愿服从他人意愿的强烈倾向。
- 极端性:指心理群体的实际行动常常超过必要的限度,因此往往导致过激的后果。
当人群一旦形成一个心理群体时,该群体作为一个整体在决策和行为时所表现出来的智能水平将远远低于该群体成员在作为单个个体决策和行动时所能表现出来的智能水平。这就是著名的勒旁“心理群体整体智能低下定理”。
对羊群行为的实证检验
LSV法
将羊群行为定义为投资者同时买卖某些特定股票的平均趋势,这一指标实际上测度的是交易者对于某种特定股票交易模式的共同趋势以及趋同的程度。
以 B(i,t)、S(i,t)B(i,t)、S(i,t)B(i,t)、S(i,t) 表示在 ttt 时间段内对股票 iii 买、卖的投资者数量,H(i,t)H(i,t)H(i,t) 为羊群行为的测度值,我们有
H(i,t)=∣p(i,t)−p(t)∣−AF(i,t)其中:p(i,t)=B(i,t)/[B(i,t)+S(i,t)]p(t)为p(i,t)对股票i的均值AF(i,t)=E[∣p(i,t)−p(t)∣]H(i,t)=|p(i,t)-p(t)|-AF(i,t)\\其中:p(i,t)=B(i,t)/[B(i,t)+S(i,t)]\\p(t) 为 p(i,t)对股票i的均值\\AF(i,t)=E[|p(i,t)-p(t)|] H(i,t)=∣p(i,t)−p(t)∣−AF(i,t)其中:p(i,t)=B(i,t)/[B(i,t)+S(i,t)]p(t)为p(i,t)对股票i的均值AF(i,t)=E[∣p(i,t)−p(t)∣]
如果 H(i,t)H(i,t)H(i,t) 显著不为0,则表示羊群行为存在。
缺陷:
- 仅用买卖双方数量来衡量羊群行为,忽略了交易量的问题。
- 仅能判断某只股票的买卖是否有羊群效应,但没有考虑是哪些因素导致趋同行为的产生。
PCM法
运用组合变动度量方法,来测量管理投资组合交易在方向和力度上的羊群行为,适用于判断各类投资基金间是否存在羊群行为。
对于投资组合 III 和 JJJ,时间延迟为 τ\tauτ 的横截面,羊群行为的度量指标为:
ρ^t,τI,J=(1Nt)∑n=1Nt(Δω~n,tI)(Δω~n,t−τJ)s^I,J(τ)\hat\rho_{t,\tau}^{I,J}=\frac{(\frac{1}{N_t})\sum_{n=1}^{N_t}(\Delta\tilde\omega_{n,t}^I)(\Delta\tilde\omega_{n,t-\tau}^J)}{\hat s^{I,J}(\tau)} ρ^t,τI,J=s^I,J(τ)(Nt1)∑n=1Nt(Δω~n,tI)(Δω~n,t−τJ)
其中 Δω~n,tI\Delta\tilde\omega_{n,t}^IΔω~n,tI 为时间间隔 [t−1,t][t-1,t][t−1,t] 内投资组合 III 中股票 nnn 的持有比重变动;Δω~n,t−τJ\Delta\tilde\omega_{n,t-\tau}^JΔω~n,t−τJ 为 [t−τ−1,t−τ][t-\tau-1,t-\tau][t−τ−1,t−τ] 内投资组合 JJJ 中股票 nnn 的持有比重变化;NtN_tNt 为组合 III 和组合 JJJ 在期间 [t−1,t][t-1,t][t−1,t] 中的可交易证券集的交集。
不足:
- PCM法下资金量越大的基金管理人被赋予的比重越大;
- PCM法可能衡量到虚假羊群行为;
- 没有确认在PCM法中用以计算股票比重的净资产值的计算方法。
CSAD方法
CASD(cross-sectional absolute deviation of returns)指的是在某一时间横截面上,市场上各只股票收益与市场组合收益的绝对差。用这一指标来衡量市场整体的羊群行为的原理在于,当市场上多数投资者对于许多股票都表现出强烈的羊群行为时,股票的收益率都会出现趋同。
CSADt=1N∑i=1N∣Ri,t−Rm,t∣CSAD_t=\frac{1}{N}\sum_{i=1}^N|R_{i,t}-R_{m,t}| CSADt=N1i=1∑N∣Ri,t−Rm,t∣
其中,NNN 为投资组合的股票数量,Ri,tR_{i,t}Ri,t 为股票 iii 在交易日 ttt 的收益率,Rm,tR_{m,t}Rm,t 为市场组合收益率。
羊群行为对证券市场的影响
投资者短期行为导致的不良后果主要有:
- 投资者搜集短期信息行为不能达到社会最优分配,从而市场是非信息有效的。投资者的羊群行为导致市场在信息获取阶段的无效从而最终的市场信息无效。进一步,这种市场信息无效意味着价格扭曲,从而导致整个社会资源配置发生扭曲。
- 投资者短视下的羊群行为导致市场过度波动,危及市场稳定。
- 短期交易行为使得成交量相差大。牛市时期过度投机使成交量不断放大,而熊市时期难以投机使成交量极度萎缩。
- 证券价格波动更为频繁,伤害了市场的稳定性,进而又将危及市场的流动性。
- 投资者行为短视下的羊群行为影响企业经理阶层的行为产生短期化倾向。
羊群行为——理性还是非理性:
市场中交易者的确表现出理性和非理性两个方面,并且时时刻刻交织在一起,令人难以分辨。
面对一次羊群行为,我们很难说它的发生机理是基于个体理性抑或个体非理性,我们只能说它是个体理性和非理性的共同产物。
以证券价格连续上涨为例:从理性角度出发,交易者可能由此推测出上涨背后有某种自己还未获知的利好消息,他根据贝叶斯法则修正对该资产的价格预期,可能就会在预期价格大于现实价格时买入,出现了基于信息外部性的羊群行为。从非理性角度出发,价格上涨使得市场气氛活跃,交易者情绪变得乐观起来,他会认为上涨的趋势还将继续下去,因此就迅速买入。
行为金融(八):羊群行为相关推荐
- 百度想成为伟大的金融科技公司?太迟了
前不久刚从光大银行离职.入职百度的百度公司副总裁张旭阳在一次演讲中表示,伟大的金融科技公司应该是一个有温度的公司.百度愿意,也在为成为一个伟大的金融科技公司而努力.他在演讲中提到的百度应用的金融科技主 ...
- 数美科技 | 数美科技成为无锡锡商银行首批战略合作伙伴,探索AI技术怎么样赋能普惠金融
日前,江苏第二家民营银行无锡锡商银行(全称为"无锡锡商银行股份有限公司")正式开业,数美科技作为首批战略合作伙伴出席开业仪式为其送去开业祝福.活动现场,无锡锡商银行与数美科技.红豆 ...
- 系统集成项目管理工程师考点重点-信息与信息系统
系统集成项目管理工程师,适合在项目管理,系统管理,做企业信息化等岗位以及准备软考的人学习. 系统集成项目管理工程师是软考中级考试的一门,简称中项,每年考试2次,分别为5月和11月. 此证书可以以考代评 ...
- 八部委联合发文:规范供应链金融,支持使用电子签章
9月18日,中国人民银行等八部门联合发布<关于规范发展供应链金融 支持供应链产业链稳定循环和优化升级的意见>(以下简称<意见>).其中,在探索提升供应链融资结算线上化和数字化水 ...
- 机器学习、数据科学与金融行业 系列八:金融科技(FinTech)下 --- 趋势分析
机器学习.数据科学与金融行业 系列八:金融科技(FinTech)下 - 趋势分析 续- 在上篇中,我们主要介绍了金融科技的关键技术和应用,以及两个重要地领域RegTech和SupTech.在本 ...
- 央行等八部门发文:规范发展供应链金融,运用区块链等防范风险
为深入贯彻落实党中央.国务院决策部署,做好金融支持稳企业保就业工作,精准服务供应链产业链完整稳定,促进经济良性循环和优化布局,近日人民银行会同工业和信息化部.司法部.商务部.国资委.市场监管总局.银保 ...
- DockOne微信分享( 八十九):恒生金融交易系统的Docker化实践
本文讲的是DockOne微信分享( 八十九):恒生金融交易系统的Docker化实践[编者的话]Docker可以显著改善企业软件研发流程.提升企业DevOps效率.借助Docker,企业可以对现有IT系 ...
- 中亦科技将二度上会:八成收入来自金融,研发、销售投入有待平衡
近日,创业板披露的信息显示,北京中亦安图科技股份有限公司(下称"中亦科技")将于11月19日接受创业板上市委的现场审议.在此之前,中亦科技曾在8月18日被暂缓审议. 根据介绍,中亦 ...
- 【问链财经-区块链基础知识系列】 第二十八课 区块链如何助力万亿规模的供应链金融蛋糕
编者按:我国经济已由高速增长阶段转向高质量发展阶段.赊销项下的账期占压给实体经济的发展带了很大的束缚,国家近两年来多次发文鼓励和推动应收账款融资的发展.但传统应收类供应链金融模式,如保理.应收账款质押 ...
- 十八、彻底掌握金融量化交易库Tushare
@Author : By Runsen @Date : 2020/6/16 作者介绍:Runsen目前大三下学期,专业化学工程与工艺,大学沉迷日语,Python, Java和一系列数据分析软件.导致翘 ...
最新文章
- php function集合
- keras 的 example 文件 imdb_fasttext.py 解析
- leetcode算法题-- 最长递增子序列的个数★
- 深度学习之图像处理---七级浮屠
- Web前端开发人员和设计师必读文章推荐【系列六】
- 动手造轮子:实现一个简单的 EventBus
- angular的$http发送post,get请求无法传送参数的问题
- Python 创建随机mac地址(单播、组播)
- freebsd配置IP
- HTTP1.0 HTTP1.1 HTTP2.0总结
- pdb断点命令_Python使用pdb更优雅的调试代码
- ubuntu系统安装初始化脚本
- python stdout stderr 一起输出_关于python:您可以愚弄isatty并分别记录stdout和stderr吗?...
- Vivado综合running时间太长
- python f检验 模型拟合度_模型评估指标(RMSE、MSE、MAE、R2准确率、召回率、F1、ROC曲线、AUC曲线、PR曲线)...
- 明日之后、“吃鸡”为何成为爆款手游?我们帮你分析了10000条快手广告
- K近邻的MATLAB实现
- 微信文件撤回时间多长_微信消息怎么撤回?撤回时间限制是多久?
- 【转载】采样频率、采样点数、频率分辨率
- 百度乐居能否引领房地产市场新风向标?