交易者行為因素對市場效率影響

1、交易者行為因素對市場效率影響 內(nèi)容摘要 本文通過理論和經(jīng)濟學實驗方法證明，市場機制本身不能保證資源配置效率，行為 因素會對市場效率產(chǎn)生負面影響。如果高保留價格的買者和低成本的賣者根據(jù)市場行情確定 最優(yōu)報價的能力或意愿較其他交易者更弱，市場效率將會受損。中國市場中既有由于激勵機 制完善、在市場中錙銖必較的交易者，例如私營企業(yè)，又存在激勵體制不健全、領(lǐng)導和員工 均不愿為擴大企業(yè)利潤工作的企業(yè)，例如一些改制不成功的國有企業(yè)。本研究表明中國市場 效率可能因交易者行為因素受損。 關(guān)鍵詞市場效率；交易者行為； 實驗經(jīng)濟學 一、引言及文獻綜述 在微觀經(jīng)濟理論中，“個體理性”是市場有效的前提?！皞€體理性”要求

2、消費者在給定偏好 的情況下最大化效用，生產(chǎn)商在給定成本的情況下最大化利潤。然而大量行為學研究表明， 真實行為并不符合上述理性假設，比如人們受簡潔啟發(fā)性（Heuristic）思維引導，根據(jù)經(jīng) 驗或者少數(shù)關(guān)鍵線索做出決策（Gigerenzer等，19991），并容易受到情緒因素 影響。并且，人與人之間交易行為存在不同，討價還價能力不盡相同。諸多金融危機，例如 美國1987年股災以及2010年5月6日暴跌，均懷疑由金融市場中交易程序的“止損機制”引起 ，使人們擔憂交易者行為因素對市場效率的負面影響。Becker (1962)2(1-13) 從理論層面證明向下傾斜的市場需求曲線和向上傾斜的供給曲線，可

3、以 由一系列個體非理性行為引致，指出個體理性不是市場層面理性的必要條件，個體行為因素 不會影響市場總體表現(xiàn)。 一些經(jīng)濟學實驗研究從實證層面支持Becker(1962)，發(fā)現(xiàn)行為因素并不影響市場效率，并認 為市場機制本身即可保證市場效率。實驗研究者依據(jù)“誘發(fā)價值理論”（Induced Valued T heory）（Smith，19763(274-279)），在實驗室中創(chuàng)造特定供需狀況的交易市場 ，讓具有特定行為 特征的交易者在該市場環(huán)境中交易，根據(jù)交易數(shù)據(jù)判斷行為特征對市場效率的影響。應 用 上述實驗室控制方法，Smith（1962）4(111-137)發(fā)現(xiàn)在連續(xù)雙向拍賣的市場中 ，如果交易者

4、為普通 人類被試，交易價格將會迅速向均衡價格趨近，且市場效率接近100%。Gode and Sunde r (1993a)5(119-137)用“零智能”交易者（Zero-Intelligence Traders）替代Sm ith (1962)中的人 類被試，零智能交易者的報價由程序控制，報價僅服從預算約束內(nèi)的均勻分布。實驗結(jié)果表 明，零智能交易者市場效率和人類交易者市場效率不相上下，表明行為因素不顯著影響市場 效率。 Gode and Sunder (1993a, 1993b6(199-219)對價格收斂的解釋是“交易機會集 的漸進收斂”（Pro gressive Narrowing of

5、Opportunity Sets），即高保留價格的買者和低成本的賣者，相比 其他交易者，有更大的概率較早交易，退出市場；隨著交易進行，市場上留下的保留價格會 越來越低，成本會越來越高，由此交易價格收斂到均衡價格處。Cliff and Bruten(1997)7舉例指出如果僅僅是“零智能”，某些供需曲線下的市場價格并不趨于均衡水 平。作為 后續(xù)研究， Brewer等 (2002)8從另一角度對零智能交易者市場的價格收斂結(jié)果 提出質(zhì)疑 ，用計算機模擬證明如果在交易者完成交易退出市場后市場能夠補充新的交易者，新交易者 的保留價格或成本與退出交易者完全相同，則零智能交易者市場價格不會收斂至均衡水平。

6、在上述市場中，“交易機會集的漸進收斂”過程被阻斷。 另外一些研究允許行為特征不同的交易者參與同一市場，但對市場效率的發(fā)現(xiàn)不一致。Gode and Sunder (1994)9(241-262)讓被試編出報價程序，由報價程序代替他們參加 雙向拍賣，結(jié)果發(fā) 現(xiàn)不同報價程序共同交易的市場效率接近100%。Rust等（1992）10(155-198)報 告了1990年圣菲研究 所(Santa Fe Institute)人工智能比賽結(jié)果，這場比賽中30多個由經(jīng)濟學家、數(shù)學家、認知 心理學家以及投行經(jīng)紀人設計的報價程序作為交易者參與同一連續(xù)雙向拍賣市場，報價程序 復雜程度不同，發(fā)現(xiàn)市場效率依然很高。然而，

7、一些研究發(fā)現(xiàn)行為特征不同的交易者共同參 與的市場效率并不好。Das等（2001）11發(fā)現(xiàn)某些交易程序和人類交易者共存的 市場，相 比僅有人類交易者的市場和僅有交易程序的市場，價格收斂速度更慢。Grossklags and Sch midt (2006)12(56-67)在與Das等（2001）類似的市場中發(fā)現(xiàn)，如果人類交易者 知道交易程序的存 在，交易程序和人類交易者共存的市場較全人類市場效率更高；而在人類交易者不知道交易 程序存在的情況下，市場結(jié)果反倒劣于全人類交易者市場。 Gode and Sunder (1993a, 1993b, 199713(603-630)將零智能交易者市場高效 率

8、解釋為效率損失的 大小和效率損失發(fā)生概率有此消彼長的關(guān)系。理論均衡中能夠達成交易者稱為“邊際內(nèi)交易 者”，沒有交易機會的交易者稱為“邊際外交易者”。如果邊際外交易者取代邊際內(nèi)交易者 達成交易，市場效率受損。在交易 者均為零智能時，如果邊際內(nèi)交易者在保留價格或成本上相對邊際外交易者的優(yōu)勢更大，則 邊際外交易者取代邊際內(nèi)交易者達成交易的福利損失絕對值更大，然而這一事件發(fā)生的概率 也更小。因此效率損失的大小和效率損失發(fā)生概率有此消彼長的關(guān)系，使得效率損失的期望 值受到約束。 本文認為市場規(guī)則本身并不足以保證市場高效。本文假設，行為因素對市場效率的影 響關(guān)鍵不在特定交易者行為，而在交易者行為差異。如果

9、邊際內(nèi)交易者根據(jù)市場行情確定 最優(yōu)報價的能力或意愿弱于邊際外交易者，后者將在報價上戰(zhàn)勝前者，使得效率損失的大小 和效率損失發(fā)生概率此消彼長關(guān)系消失，效率損失不再受到約束。本文用經(jīng)濟學實驗方法檢 驗上述理論，在雙向拍賣市場允許不同類型的交易者同時交易，邊際內(nèi)交易者（人類）根據(jù) 市場行情確定最優(yōu)報價的能力或意愿差于邊際外交易者（零智能交易者），查看市場效率。 實驗結(jié)果表明，人類被試能夠取代零智能交易者達成交易，造成市場效率的損失，由此支持 本文假設。 二、實驗設計 實驗于2009年7月至8月在北京大學光華管理學院實驗室和中國人民大學實驗室進行，共有80 名被試。除去兩名被試在北京工作外，其他被試均

10、為北京高校學生。本文使用Z-tree作為實 驗軟件，在Z-tree軟件下編寫的雙向拍賣交易平臺允許被試和計算機程序同時參與市場交易 。實驗中每位被試分別面對一臺計算機屏幕，交易過程中屏幕上將持續(xù)顯示“交易界面”， 通過交易界面被試可以了解其在市場中的角色（買者或賣者）、其對商品的估計或成本、市 場中的買者和賣者報價以及成交價格歷史。除此之外，被試可通過交易界面隨時進行報價 ，或?qū)⒔邮苁袌錾掀渌说膱髢r。正式實驗前我們向被試宣讀實驗說明，宣讀后要求被試完 成相關(guān)測試題，以檢驗被試對實驗說明的理解。 （一）市場參數(shù) 實驗選取Gode and Sunder (1993a)中四組供需曲線（見下表），分

11、別代表四個市場。交易 者 中一半為買者，一半為賣者。每個市場中，買者最多可購買6件商品，賣者最多可出售6 件 商品。供需曲線共同決定市場均衡價格水平和交易量。本文利用“誘發(fā)價值理論”，通過給 交易者分配相應的保留價格或者成本來構(gòu)造這四個市場。 （二）交易機制 每個市場中進行四場實驗，分別為：（1）所有交易者均是被試；（2）所有交易者均是零智 能交易者，無被試參加；（3）交易者既有被試，也有零智能交易者，人類交易者不知道零 智能交易者的存在；（4）交易者既有被試，也有零智能交易者，人類交易者知道零智能交 易者的存在。第一場和第二場實驗作為基準實驗，復制Smith（1962）和Gode and S

12、under(1 993a)。第三、第四場實驗允許零智能交易者和人類共同交易，是本文關(guān)注重點，將這兩個 實驗的市場效率和基準實驗相比較，即可檢驗本文理論假設。另外，我們在第三、四場實驗 中加入。在第三場實驗中，我們不告訴被試零智能交易者的存在；在第四場實驗中，我們通 過實驗說明告知被試零智能交易者的存在以及報價方式，以檢驗人類交易者是否知道零智能 交易者存在這一信息條件對市場效率的影響。 每場交易重復六輪，以保證被試有機會依據(jù)交易歷史調(diào)整報價。每輪交易進行若干時間，以 保證能夠充分達成交易。 雙向拍賣市場作為交易機制。在每輪交易中，買者和賣者最多可購買或出售6單位“商品” 。買者可隨時為一單位商

13、品報價，報價須高于所有現(xiàn)存買者報價；賣者可隨時為一 單位商品報價，報價必須低于所有現(xiàn)存賣者報價。所有買者報價和賣者報價顯示在每位被試 交易界面上，成為公共信息。買者可在任何時候決定是否接受賣者的最低報價，賣者可在任 何時候決定是否接受買者的最高報價，以達成交易；如若成交，成交價為接受的對方報價。 如果買者報價不低于賣者報價，則交易程序自動撮合最高報價的買者和最低報價的賣者達成 交易，成交價格為買者報價和賣者報價中較早的一個。交易達成后，之前所有報價均取消。 最后，為了保證被試每次交易獲得報酬非負，要求買者報價不應高于其保留價格，賣者報價 不應低于其成本。另外，每位買者不能接受高于其保留價格的賣

14、者報價，每位賣者不能接受 低于其成本的買者報價。 （三）零智能交易者和被試在市場中的分布情況 第一場實驗交易者全為被試，實驗開始時，讓每位被試抽簽決定該被試的角色（買者或是賣 者），及其保留價格或成本。第二場實驗交易者全為零智能交易者（程序），不需被試，交 易程序自動在交易平臺上報價和達成交易。 第三場和第四場實驗中被試和零智能交易者在同一平臺上交易。具體操作上，如果邊際外買 者和邊際內(nèi)買者保留價格差異與邊際外賣者和邊際內(nèi)賣者成本差異相比較小，則邊際外買者 參與交易的可能性更大，本文選擇促成邊際外買者參與交易的安排，將邊際外買者和邊際內(nèi) 賣者設為被試；相反則選擇促成邊際外賣者參與交易，將邊際外

15、賣者和邊際內(nèi)買者設為被試 。具體安排見表1。 （四）被試費 實驗中報酬以點數(shù)表示。每次交易達成后，該次交易買方增加點數(shù)為保留價格減去成交價， 該次交易賣方增加點數(shù)為成交價減去成本。在最低報酬的基礎上，將點數(shù)按照一定比例兌換 成人民幣，作為對被試的額外報酬。我們最終將每位被試小時報酬控制在20-40元之間。由 于實驗報酬水平和被試從事其他兼職，例如家教的報酬相當，能夠?qū)Ρ辉嚠a(chǎn)生足夠激勵。 （五）零智能交易者行動規(guī)則 零智能交易者的報價以及交易方式與Gode and Sunder(1993a)中類似，每一零智能交易者由 程序代表。每隔20秒，零智能交易者（程序）報價，買者報價服從零和保留價格之間的

16、 均 勻分布，賣者報價服從成本和200之間的均勻分布。不同交易者報價相互獨立，同一交易者 不同報價之間獨立同分布。如果買者報價不高于現(xiàn)存最高買者報價，則該報價無效。同樣， 如果賣者報價不低于現(xiàn)存最低賣者報價，則該報價無效。 零智能交易者在兩種情況下能夠達成交易。一是其他交易者接受零智能交易者的報價，二是 零智能買者報價高于市場上現(xiàn)有最低賣者報價，零智能賣者報價低于市場上現(xiàn)有最高買者報 價，系統(tǒng)將自動撮合成交。 三、實驗結(jié)果 （一）價格 每個市場中第一場實驗（全人類交易者）價格序列與Smith (1962) 實驗結(jié)果相似，在初始 調(diào)整后價格逐漸向均衡水平（以圖中水平線表示）趨近，且不同輪交易之間

17、存在學習過程。 第二場實驗（全零智能交易者）價格序列與Gode and Sunder (1993a)實驗結(jié)果一致，即在 每輪交易末尾價格會向均衡水平趨近，不同輪交易之間不存在學習過程。第三場實驗和第四 場實驗（人類交易者和零智能交易者共同交易）的價格均收斂至均衡水平，收斂速度慢于全 人類交易者市場，快于全零智能交易者市場。同時，由于存在人類交易者，輪與輪之間存在 學習效應。最后，人類交易者是否知道零智能交易者的存在并不顯著影響市場效率，因為第 三場實驗和第四場實驗中的價格序列無顯著差異（見圖1）。 （二）市場效率 在市場1、2和4中，第三場、第四場實驗中邊際外交易者達成交易次數(shù)幾乎在各輪均高于

18、第 一場、第二場實驗。但在市場3中，第三場、第四場實驗中邊際外交易者達成交易次數(shù)和第 一場、第二場實驗無顯著差異（見圖2）。但本文認為市場3應該被視為特例，該市場較少的 參 與者是導致差異不顯著的主要原因。為了讓邊際外交易者在市場3中交易，邊際外交易者需 要在報價上戰(zhàn)勝兩位邊際內(nèi)交易者；而在市場1、2和4中，邊際外交易者需要在報價上戰(zhàn)勝 多于兩位邊際內(nèi)交易者（市場1和2中為5位，市場4中為4位）。由于第三場和第四場實驗中 交易者分布情況使得邊際外交易者戰(zhàn)勝每位邊際內(nèi)交易者的概率較其他場實驗更大，當競爭 者越多，第三場和第四場實驗中邊際外交易者較第一場、第二場中交易優(yōu)勢越明顯，體現(xiàn)為 上述實驗現(xiàn)

19、象。 因此當市場規(guī)模足夠大時，人類交易者和零智能交易者同時參與的市場效率會低于全人類交 易者市場和全零智能交易者市場，最終驗證了本文的理論假設。 四、結(jié) 論 本文通過理論和經(jīng)濟學實驗方法證明，市場機制本身不能保證高資源配置效率，行為因素會 對市場效率產(chǎn)生負面影響。行為因素對市場效率的影響，關(guān)鍵不在特定交易者的行為，而在 交易者行為差異。如果高保留價格的買者和低成本的賣者，根據(jù)市場行情確定最優(yōu)報價的能 力或意愿較其他交易者更弱的話，市場效率將會受損。 本研究對于理解中國現(xiàn)實市場非常重要。中國市場中既有由于激勵機制完善、在市場中錙銖 必較的交易者，例如私營企業(yè)，又存在激勵體制不健全、領(lǐng)導和員工均不

20、愿為擴大企業(yè)利潤 工作的企業(yè)，例如一些改制不成功的國有企業(yè)，同時交易程序也逐漸替代交易者進入市場。 本研究提醒我們中國市場效率可能因交易者行為因素受損。 注 釋： 具體實驗控制上，如果需要將某個消費者的需求函數(shù)控制為Qi(p)，對應的效用函數(shù)控制 為Ri(qi)，可在實驗中設置被試在價格水平p上購買qi單位商品獲得的貨幣報酬所得為Ri(qi )-pqi 。如果被試的效用僅依賴于報酬大小，希望報酬越多越好，則被試將會最大化貨幣報 酬Ri(qi)-pqi，其交易決策將類似于需求函數(shù)為Qi(p)的消費者。同理可以構(gòu)造供給面。 其中市場效率定義為所有交易者實現(xiàn)利潤總和，與理論消費者剩余和生產(chǎn)者剩余總和

21、之 間的比例。 “商品”是虛擬的交易標的。 之所以將零智能交易者的報價時間間隔設為20秒，是因為在本文實驗中被試行動（報價 或達成交易）的時間間隔約為20秒。將零智能交易者行動時間間隔和被試設為相同，可以避 免零智能交易者因為行動頻繁，相對人類交易者具有先動優(yōu)勢，最終降低市場效率。 主要參考文獻： 1Gigerenzer, G, Todd,PM, and the ABC Research Group (1999) Si mple Heuristics That Make Us Smart，Oxford University Press 2Becker,GSIrrational Behavior

22、 and Economic TheoryThe Journal of Polit ical Economy, 1962, 70(1) 3Smith, V L (1976) Experimental Economics: Induced Value Theory The American Economic Review, 66(2) 4Smith, V L (1962) An Experimental Study of Competitive Market Behavior, The Journal of Political Economy, 70(2) 5Gode, D K, and Sund

23、er, S (1993a) Allocative Efficiency of Ma rkets with Zero-Intelligence Traders: Market as a Partial Substitute for Individ ual Rationality, The Journal of Political Economy 101(1) 6Gode, D K, and Sunder, S (1993b) Lower Bounds for Efficiencyof Su rplus Extraction in Double Auctions, In Friedman, D,

24、Rust, J (ed), The Doubl e Auction Market: Institutions, Theories and Evidence Massachusetts: Addison-W esley 7Cliff, D, and Bruten, J (1997a) More than Zero Intelligence Ne eded for Continuous Double-Auction Trading, HP Technical Report, http:/wwwh plhpcom/techreports/97/HPL-97-157pdf 8Brewer, P J,

25、Huang, M, Nelson, B, and Plott, C R (1999) Price Formati on in Markets with Continuously Refreshed Supply and Demand: Human Convergence a nd Robot Randomness, Mimeo 9Gode, D K, and Sunder, S (1994) Human and Artificially Intel ligent Traders in Computer Double Auctions, In Kathleen M Carley and Mich

26、ael J Prietula (ed), Computational Organization Theory London: Taylor&Francis, Inc 10Rust, J, Miller J, and Palmer, R (1992) Behavior of Trading Autom ata in a Computerized Double Auction Market, In D Friedman and J Rust (ed) , The Double Auction Market: Institutions, Theories, and Evidence Massachu

27、sett s: Addison-Wesley 11Das, R, Hanson, J E, Kephart, J O, and Tesauro, G (2001 ) Ag ent-Human Interaction in the Continuous Double Auction, In International Joint C onferences on Artificial Intelligence, Seattle, USA, 2001. 12Grossklags, J, and Schmidt, C (2006) Software Agents and Mark et (in) Efficiency: A Human Trader Experiment IEEE Transactions on Systems, Ma n and Cybernetics, part C, Applications and Reviews 36(1) 13Gode, D K, and Sunder, S (1997) What Makes Markets Allocati onally Efficient?, The Quarterly Journal of Economics 112(2) Impacts of Dealers B