行為金融學(xué)課件-第七講-Heuristic Bias(啟發(fā)式偏差)

行為金融學(xué)第七講

HeuristicBias(啟發(fā)式偏差)第七講主要內(nèi)容

——經(jīng)驗(yàn)是重要的。7.1引論：心理學(xué)實(shí)驗(yàn)7.2

Heuristics基本框架7.3代表性偏差(RepresentativenessHeuristic)7.4可得性偏差(AvailabilityHeuristic)7.5

錨定及調(diào)整(AnchoringandAdjustment)7.6HeuristicBias在金融市場(chǎng)中的應(yīng)用2引論實(shí)驗(yàn)1：某鎮(zhèn)有兩個(gè)醫(yī)院，大醫(yī)院每天約45名嬰兒出生，小醫(yī)院每天約15名嬰兒出生。眾所周知，約50%的嬰兒是男嬰。但每天男孩出生的實(shí)際比例是不一樣的，有時(shí)高于50%，有時(shí)低于50%。在一年內(nèi)，每家醫(yī)院都記錄新生兒中男嬰比例大于60%的天數(shù)。請(qǐng)問你認(rèn)為哪家醫(yī)院會(huì)記錄更多這樣的天數(shù)？A大醫(yī)院B小醫(yī)院C大致相同3引論實(shí)驗(yàn)2：從100個(gè)工程師和律師組成的小組中隨機(jī)抽取幾個(gè)人，其中這一小組中70位工程師、30位律師；Dick

30歲，已婚無子女。他能力強(qiáng)，有干勁，想在自己的領(lǐng)域中成就一番事業(yè)。他受同事喜愛。Dick是律師的可能性大，還是工程師的可能性大？4引論實(shí)驗(yàn)3：拋擲一個(gè)相同的硬幣，一次得到頭像的概率是1/2，則連續(xù)八次拋擲都是頭像的概率是1/256。如果前面連續(xù)八次都是頭像，現(xiàn)在要對(duì)第九次下賭，下一次你估計(jì)會(huì)出現(xiàn)什么？你是賭頭像還是賭字呢？5引論實(shí)驗(yàn)4：近年來中國汽車市場(chǎng)迅猛發(fā)展，在給人們帶來便利的同時(shí)，也引起了非常嚴(yán)重的社會(huì)問題，其中非常突出的問題是，很多人在剛獲得駕照甚至未獲得駕照情況下上路駕駛，成為馬路殺手。2009年中國死亡人口中，因車禍喪生的人數(shù)大概是多少？和因心臟病引起死亡的人數(shù)相比情況如何？6引論實(shí)驗(yàn)5：下圖是2010年10月到現(xiàn)在的上證綜指走勢(shì)圖，試分析接下來下個(gè)月的上證綜指走勢(shì)，并給出原因？7Heuristics研究基本框架人的認(rèn)知過程：算法(algorithm)：解決問題的精確步驟。如果一個(gè)問題有算法，那么只要按照其規(guī)則進(jìn)行操作，就能獲得問題的解。啟發(fā)法(heuristics)：憑借經(jīng)驗(yàn)的解題方法，是一種思考上的捷徑，是解決問題的簡(jiǎn)單、通常是籠統(tǒng)的規(guī)律或策略，也稱之為經(jīng)驗(yàn)法則或拇指法則(theruleofthumb)。TverskyandKahneman(1974):JudgementUnderUncertainty:HeuristicsandBiases,Science185,1124-1131.(Citation:28862)8HeuristicBias研究基本框架算法與啟發(fā)法是兩類性質(zhì)不同的問題解決策略。雖然算法能保證問題一定得到解決，但它不能取代啟發(fā)法。在以下情況下，最有可能導(dǎo)致人們使用啟發(fā)法，而不是理性思考：(1)當(dāng)我們沒有時(shí)間認(rèn)真思考某個(gè)問題時(shí)；(2)負(fù)載的信息過多，以至無法充分對(duì)其進(jìn)行加工時(shí)；(3)手中的問題并不十分重要，以至于不必太過思慮時(shí)；(4)缺乏做出決策所需的可靠的知識(shí)或信息時(shí)。9代表性偏差代表性偏差：人們?cè)诓淮_定的情況下，會(huì)關(guān)注一個(gè)事物與另一個(gè)事物的相似性，以推斷第一個(gè)事物與第二個(gè)事物類似之處。人們假定將來的模式會(huì)與過去相似并尋求熟悉的模式來做判斷，并且不考慮這種模式產(chǎn)生的原因或重復(fù)的概率。類型：對(duì)結(jié)果的先驗(yàn)概率不敏感對(duì)樣本規(guī)模不敏感10代表性偏差例7.1

從100個(gè)工程師和律師組成的小組中隨機(jī)抽取幾個(gè)人，將這些人的性格特征簡(jiǎn)單地介紹給被實(shí)驗(yàn)者，每介紹一個(gè)人時(shí)，要求被試者估計(jì)此人是工程師或律師的概率。在一種實(shí)驗(yàn)條件下，向被試者說明100人中，有70位工程師、30位律師；另一種條件下，100人中有30位工程師、70位律師按照貝葉斯法則，在第一種情況下，被抽取的幾個(gè)人是工程師的概率更大，而第二種情況下，被抽取的人是律師的概率更大。實(shí)驗(yàn)結(jié)果表明：在兩種條件下，被試者認(rèn)為同一被介紹對(duì)象是工程師的概率相同。這一結(jié)果顯然是由于被試者們進(jìn)行判斷時(shí)，并沒有考慮到對(duì)象所在小組中工程師和律師的基本比率，而是直接依據(jù)所提供的介紹是否符合工程師的代表性特征來估計(jì)他是工程師的概率，這就是“代表性偏差”。11代表性偏差例7.2賭徒謬誤生活中常見的一種不合邏輯的推理方式，認(rèn)為一系列事件的結(jié)果都在某種程度上隱含了自相關(guān)的關(guān)系。DeBondt(1991)發(fā)現(xiàn)股市有一種和“賭徒謬論效應(yīng)”相類似的現(xiàn)象，在3年的熊市后預(yù)測(cè)會(huì)過度樂觀，而在3年的牛市后預(yù)測(cè)會(huì)過度悲觀。DeBondt(1998)發(fā)現(xiàn)，華爾街的分析師傾向于犯“賭徒謬論”，常常認(rèn)為價(jià)格將會(huì)反轉(zhuǎn)。賭徒謬誤的產(chǎn)生是因?yàn)槿藗冨e(cuò)誤的詮釋了“大數(shù)法則”的平均律。投資者傾向于認(rèn)為大數(shù)法則適用于大樣本的同時(shí)，也適用于小樣本。TverskyandKahneman把賭徒謬誤戲稱為“小數(shù)法則”(lawofsmallnumbers)。12可得性偏差可得性偏差：是指人們傾向于根據(jù)事件在知覺或記憶中的可得性程度來評(píng)估其相對(duì)頻率，容易知覺到的或回想起的被判定為更常出現(xiàn)。當(dāng)事件的可得性與其客觀頻率高度相關(guān)時(shí)，可得性啟發(fā)法是非常有用的；然而，依靠可得性進(jìn)行預(yù)測(cè)可能會(huì)導(dǎo)致偏差。13可得性偏差可得性啟發(fā)法可能引致的偏差：1.由于例子的可獲取性而導(dǎo)致的偏差2.由于搜索效率而導(dǎo)致的偏差3.想象力的偏差4.偽相關(guān)14可得性偏差例7.3：請(qǐng)你考慮這樣一個(gè)問題：假如從一篇文章中隨機(jī)抽出一個(gè)樣本單詞，認(rèn)為該單詞是以r開頭更有可能還是第三個(gè)字母是r更有可能？15可得性偏差例7.4Shiller(2000)通過調(diào)查發(fā)現(xiàn)，由于90年代后的股市繁榮伴隨著網(wǎng)絡(luò)的迅速發(fā)展，網(wǎng)絡(luò)使用者們傾向于將股市繁榮歸功于網(wǎng)絡(luò)的發(fā)展。由于網(wǎng)絡(luò)發(fā)展給人的印象比較深刻，相對(duì)于其他的事情，這些投資者認(rèn)為網(wǎng)絡(luò)在這一輪牛市行情中起著更重要的作用。16可得性偏差17投資者關(guān)注(Attention)Kahneman(1973)指出，注意力是一種稀缺的認(rèn)知資源；Merton(1987)將注意力引入到證券市場(chǎng)分析中，并提出了“投資者認(rèn)知假設(shè)”，即由于市場(chǎng)信息不完全，投資者不可能知道所有的股票。那么，在進(jìn)行買入決策過程中，面對(duì)數(shù)千種股票，投資應(yīng)該如何進(jìn)行選擇？BarberandOdean(2008)對(duì)引起投資者關(guān)注（注意）的股票特征進(jìn)行了界定：異常收益、異常交易量和媒體報(bào)道?？傻眯云?8投資者關(guān)注InSearchofAttention搜索引擎統(tǒng)計(jì)GoogleIndex：

/trends/

百度指數(shù)：

/

可得性偏差19投資者關(guān)注錨定與調(diào)整錨定與調(diào)整：人們?cè)谂袛嗪驮u(píng)估過程中，往往先設(shè)定一個(gè)最容易獲得的信息作為估計(jì)的初始值或基準(zhǔn)值，目標(biāo)價(jià)值以錨定點(diǎn)為基礎(chǔ)結(jié)合其他信息進(jìn)行一定的上下調(diào)整而得出。錨定效應(yīng)(anchoringeffect)是指當(dāng)人們需要對(duì)某個(gè)事件做定量估測(cè)時(shí)，會(huì)將某些特定數(shù)值作為起始值，起始值像錨一樣制約著估測(cè)值。調(diào)整策略是指以最初的信息為參照來調(diào)整對(duì)事件的估計(jì)。錨定與調(diào)整導(dǎo)致的偏差可分為兩類：1.不充分調(diào)整2.對(duì)聯(lián)合和分離事件評(píng)估時(shí)的偏差20錨定與調(diào)整例7.5

在一個(gè)幸運(yùn)輪實(shí)驗(yàn)中，要求被試者主體對(duì)非洲國家在聯(lián)合國中所占席位的百分比進(jìn)行估計(jì)。由于分母是100，事實(shí)上只需要對(duì)分子進(jìn)行估計(jì)。首先，主體被要求旋轉(zhuǎn)擺在其前面的幸運(yùn)輪隨機(jī)地選擇一個(gè)在0和100之間的數(shù)字，然后主體被暗示該數(shù)字比實(shí)際分子數(shù)是更高或更低，然后再讓主體確定他們的估計(jì)值。Tversky和Kahneman發(fā)現(xiàn)，其估計(jì)值明顯受到幸運(yùn)輪隨機(jī)產(chǎn)生的數(shù)字的影響。比如，當(dāng)幸運(yùn)輪停在10的位置時(shí)，被試者對(duì)分子值的平均估計(jì)值為25；而當(dāng)幸運(yùn)輪停在65的位置時(shí)，被試者對(duì)分子值的平均估計(jì)值則達(dá)到了45。由此可見，盡管被試者主體知道輪盤產(chǎn)生數(shù)字的隨機(jī)性，而且他們對(duì)該數(shù)字也做了調(diào)整，但他們還是將最終估計(jì)值錨定在這一數(shù)字的領(lǐng)域內(nèi)。21錨定與調(diào)整例7.6在一個(gè)實(shí)驗(yàn)中，學(xué)生被要求在5秒鐘之內(nèi)對(duì)一個(gè)算術(shù)結(jié)果進(jìn)行估計(jì)。其中一組學(xué)生得到的算式是：8×7×6×5×4×3×2×1；而另一組學(xué)生得到的算式是：1×2×3×4×5×6×7×8。之所以限定這么短的時(shí)間，主要是為了不讓被試者有充足的時(shí)間進(jìn)行計(jì)算，只能依賴估計(jì)和調(diào)整來推斷結(jié)果。結(jié)果表明：第一組降序的估計(jì)均值為2250，而第二組升序的估計(jì)均值為512。事實(shí)上，正確答案是40320。由此可見，被試者在對(duì)問題做了最初的幾步運(yùn)算后，就以初步獲得的值為參照來調(diào)節(jié)整個(gè)算式的估計(jì)值，因此升序的估計(jì)值要高于降序的估計(jì)值。而且，兩組學(xué)生的估計(jì)值都遠(yuǎn)遠(yuǎn)低于真實(shí)值，說明這種調(diào)整是不充分的。22錨定與調(diào)整例7.7

在一個(gè)實(shí)驗(yàn)中，被試者有機(jī)會(huì)對(duì)兩個(gè)事件中的一個(gè)下賭注。這一實(shí)驗(yàn)中用到了三種類型的事件：簡(jiǎn)單事件：從一個(gè)50％是紅球、50％是黑球的箱子中拿出一個(gè)紅球；連續(xù)事件：從一個(gè)90％是紅球、10％是黑球的箱子中可放回地連續(xù)取出7個(gè)紅球；分離事件：從一個(gè)90％是黑球、10％是紅球的箱子可放回的7次隨機(jī)抽取，至少抽到一個(gè)紅球。23錨定與調(diào)整結(jié)果發(fā)現(xiàn)，在對(duì)簡(jiǎn)單事件和連續(xù)事件下賭注時(shí)，絕大多數(shù)的被試者寧愿選擇連續(xù)事件，而不選擇概率較高的簡(jiǎn)單事件（概率為50％）；另一方面，在簡(jiǎn)單事件和分離事件之間，被試者卻比較偏好簡(jiǎn)單事件。這個(gè)結(jié)果表明，人們傾向于高估連續(xù)事件的概率（概率為48％），而低估分離事件的概率。日常生活中，這種錨定現(xiàn)象也很常見。一個(gè)復(fù)雜的系統(tǒng)，由很多個(gè)環(huán)節(jié)組成，盡管每一個(gè)環(huán)節(jié)的成功率比較高，但如果環(huán)節(jié)比較多的話，這個(gè)系統(tǒng)總的成功概率可能會(huì)比較低。比如上例的連續(xù)事件，盡管每一次抽取紅球的概率是90％，但由于次數(shù)比較多，最終的概率僅為48％。然而現(xiàn)實(shí)中，由于上面所說的錨定因素，人們常常會(huì)樂觀地估計(jì)該系統(tǒng)的成功率。24HeuristicBias在金融市場(chǎng)中的應(yīng)用

——解釋截面市場(chǎng)異象過度自信：人們往往過于相信自己的判斷能力，高估自己成功的機(jī)會(huì)，把成功歸功于自己的能力,而低估運(yùn)氣和機(jī)會(huì)在其中的作用，這種認(rèn)知偏差稱為過度自信(overconfidence)。過度自信或許是人類最為穩(wěn)固的心理特性(DeBondtandThaler,1985)

,過度自信往往來自代表性偏差。20世紀(jì)50年代以來，紐約股票市場(chǎng)的年換手率平均為18％，而某些年份如1987年卻高達(dá)73％過度自信會(huì)導(dǎo)致過度交易25HeuristicBias在金融市場(chǎng)中的應(yīng)用過度反應(yīng)：投資者對(duì)信息理解和反應(yīng)上會(huì)出現(xiàn)非理性偏差，從而產(chǎn)生對(duì)信息權(quán)衡過重，行為過激的現(xiàn)象。源于代表性偏差：投資個(gè)體對(duì)預(yù)測(cè)的直覺性使他們傾向于對(duì)一些醒目的信息（如近期信息）過分關(guān)注，而輕視不醒目的信息（如以往信息）(TverskyandKahneman,1973)26HeuristicBias在金融市場(chǎng)中的應(yīng)用反應(yīng)不足：也可稱之為“保守主義”(Conservation)，它主要是指人們思想一般存在著惰性，不愿意改變個(gè)人原有信念，因此當(dāng)有新的信息到來時(shí)，人們對(duì)原有信念的修正往往不足。源于錨定及調(diào)整動(dòng)量效應(yīng)MomentumEffect盈余公告后價(jià)格漂移現(xiàn)象PEAD27HeuristicBias在金融市場(chǎng)中的應(yīng)用主要用于對(duì)反轉(zhuǎn)效應(yīng)和慣性效應(yīng)的分析BSV

Model：代表性偏差投資者，利用近期數(shù)據(jù)來預(yù)測(cè)和投資；保守性投資者，存在錨定效應(yīng)，逐步調(diào)整。DHS

Model(Subra)信息交易者：過度自信與自我歸因，主要是對(duì)私有信息過度自信；無信息交易者：隨機(jī)交易HS

Model：信息挖掘者：基于私有信息作出預(yù)測(cè)和投資慣性交易者：根據(jù)當(dāng)前和過去價(jià)格進(jìn)行預(yù)測(cè)和投資28HeuristicBias在金融市場(chǎng)中的應(yīng)用股權(quán)分置改革中的”10送3”現(xiàn)象(許年行，吳世農(nóng)，2007)首批成功實(shí)施股改的3家試點(diǎn)公司,非流通股東支付給流通股東的對(duì)價(jià)分別為10送2.5,10送3和10送3.972,平均為10送3.157為什么不論是第二批試點(diǎn)還是全面股改企業(yè)，其送股比例都集中在“10送3”？29HeuristicBias在金融市場(chǎng)中的應(yīng)用股權(quán)分置改革中的”10+3”現(xiàn)象30HeuristicBias在金融市場(chǎng)中的應(yīng)用1、為什么我國上市公司股權(quán)分置改革的對(duì)價(jià)支付大部分集中在“10送3”水平？2、你認(rèn)為決定股改對(duì)價(jià)的內(nèi)在客觀影響因素應(yīng)該有哪些？股改對(duì)價(jià)與公司規(guī)模、風(fēng)險(xiǎn)、盈利能力和市場(chǎng)表現(xiàn)等因素是否應(yīng)當(dāng)存在一定的相關(guān)性？3、影響過我上市公司支付股改對(duì)價(jià)的心理和行為因素是什么？4、從行為博弈的角度如何看待對(duì)價(jià)支付聚集于“10送3”的水平？31HeuristicBias在金融市場(chǎng)中的應(yīng)用占據(jù)優(yōu)勢(shì)的非流通股股東為獲