浅析行为金融学如何赋能智能投顾

崔忠翠，陈晓燕

(铜陵学院 金融学院，安徽 铜陵 244061)

20世纪80年代以来，由于传统金融学的有效市场假说和理性人假设在实践中遇到了多方面挑战，如：①不能充分解释股票价格与价值的关系，即“错误定价理论”；
②理性人假设。传统金融学认为人们在认知和选择上总是理性的,例如“11·11”的红包战不会给消费者带来任何影响。但往往事与愿违，因此以非有效市场和投资者投资有限理性假设为前提的行为金融学应运而生。行为金融学是行为主义与金融学的结合，探究金融市场上正常而非理性主体的判断和决策问题行为，揭示这些行为决策背后的基本经济规律。行为金融学在研究真实世界经济市场行为的理论分析和研究中，展示出广阔的发展应用前景。

在长时间探索中，我们了解到在金融证券投资市场中，投资者的心理因素也会导致行为的偏差，从而给投资组合造成一些影响，从宏观上来说，意识的选择代表了行为的风险水平，将这些单独人汇聚在一起，也会给证券市场带来较大风险，例如，行为金融学里我们说的羊群效应、2008年美国次贷危机等等。因此，在未来金融市场的发展阶段，我们还需要对行为金融学及传统金融学的理论进行研究与分析，深入了解二者的不同，充分利用行为金融学研究理论来弥补传统金融学的不足，不断结合、改善与发展，最终形成较为完善的指导理论。

根据研究，2018年全球智能投顾市场规模达到4 990亿美元，同比增长155%，预计未来2年将保持50%以上的复合增速增长。预计到2020年，全球个人可投资金融资产总额将达到224万亿美元，年平均增速达到5.9%。对于智能投顾来说，这是潜在的存量市场和增量市场，有很大的市场潜力与发展空间。智能投顾又称为机器人投顾，是一种自动化的在线财富进行管理系统服务，以现代企业资产组合理论为依据，基于不同客户的投资发展目标和风险控制特性，使用深度学习、自然语言技术、大数据等技术实现的机器学习，利用一系列算法模型给投资者提供投资建议和资产配置计划,提供交易执行、资产再平衡、税收盈亏收割等服务。通过“大数据+人工技术”获得用户个性化的风险偏好及其变化规律并进行风险评估、人工或计算机实时观察、及时推进和修正，结合算法模型制定财务规划、大类资产比例、定制个性化的资产配置方案。利用互联网进行实时跟踪和风险调整，投资顾问稳定客户情绪，在不顾风险的高收益下，投资者可承受的风险范围内实现收益最大化。

行为金融学与智能投顾是两个看似不相关的领域，但其实两者有深层次的关联，行为金融学是在非有效假设和有限理性人假设下建立的，正好与传统金融理论假设相悖，而智能投顾是在传统金融理论中资产组合的技术手段，两者都与投资组合里的资产配置相关，笔者研究以行为金融学角度处理智能投顾在资产超配、过度交易、风险偏好、资产配置方面的问题，并希望在智能投顾更加“智能化”方面增添一份活力，使得国内金融投资市场更加繁荣，响应国家号召扩大内需，帮助更充分地挖掘国内市场潜力。

2.1 资产超配对投资组合活力的影响

在国内传统资产配置模型，如现代资产组合理论(Modern Portfolio Theory)、马科维兹模型(Markowitz Model)、均值方差模型(MVO)、Black-Litterman模型大多超配货币基金和理财产品，较于股票基金而言，货币基金风险低收益低，投资组合的收益性受到限制，不能充分体现资产配置的效果，以资产配置为基础建立的智能投顾模型也失去了很大的活性，对此，希望能用行为金融学的理论对这一问题提出解决建议。

2.2 过度交易

上述传统金融理论建立的模型在实际建立过程中往往会发生过度交易的现象，在芝加哥大学，巴伯和欧迪对美国一个大型券商35 000个个人投资者的交易数据进行研究，数据表明，如果考虑交易成本，个人投资者的收益远低于大盘收益。两个学者按月换手率排序，将投资者分成5等分，他们发现无论换手率如何，投资者的总收益都差不多。股票换手会增加交易成本，所以，换手率越高的组，投资者的净收益越低，因此得出结论：频繁交易与买入并持有投资总收益结果都是差不多的，但是频繁交易会产生更多的交易费用，因此总体上来说，频繁交易收益更少。在行为金融学中过度交易解释为：投资者认为他们有足够的信息进行交易，而实际上，这些数据信息不足以支撑任何一个交易。传统理财模型多次频繁交易所带来的高费用也影响着智能投顾的效用。

2.3 非理性的用户数据

数据的获取是智能投顾的第一步，也是最基础的一步。其能为模型提供所需投资决策的基础数据，保证数据的及时性与准确性。基本数据主要由机构产品清单、用户数据、基金净值数据、市场数据、投研数据等等。其中用户数据与行为金融学相关联较大。用户数据由投资者的风险偏好与风险承受能力及其他因素决定。当用户数据不准确时，模型的建立也就失去了意义，因为像智能投顾这种针对客户服务的理财服务平台，若用户画像出现大范围误差，直接导致模型失效。

2.4 缺少智能化

现如今国内的“智能投顾”大多为“人工的智能”，须在人工的干预下进行，因此在面临突发事件或者非理性情况如何通过机器学习提供真正“智能”的服务，是我们值得思考的一个问题。

3.1 合适有效的资产配置

智能投顾出现资产超配现象是因为资产配置性不足，资产组合的类别过少，对此我们应该在构建投资组合时，要依据资产的大类进行配置。做投资决策，首先是关注市场和确定投资类别。资产配置是财富管理最重要的一步。资产配置能够降低风险、增加收益，消弭投资者对收益所承担的不必要的附加风险。随着资产类别的组合多样化，在同等风险情况下，能够带来更高的收益，或者相似收益下，组合的风险更少。对此，资产配置的重要性不言而喻了。主要体现在4个方面：①要有全球性思维，立足于全球化经济投资，在投资管理领域具有非常开阔的环境，投资者可以提供依据自身所希望的投资回报率和所能承受的风险能力大小自由选择、自由组合资产配置。②要选择不同方向波动的大类资产,老话有云：鸡蛋不能放在同一个篮子里。当周期性产品亏损时防御性产品获得收益，或者相反，总而言之，通过配置不同类别的资产，同一个时期内不会发生全部亏损。③着眼长远，长期投资的收益远远超过仅靠运气或机会获得的短期投资的收益。④根据投资形势的变化恰当地调整资产配置，在投资的长期过程中，要依据现实情况适当调整资产配置，立足现实，宏观把握，微观调控。

3.2 适当的交易频率

一个适当的交易频率是能够使资产配置、智能投顾的效率得到极大体现。依据市场实际情况恰当地进行调整资产配置情况，频繁过度交易产生的原因是由于投资者过度自信的心理状态。依据过度交易理论，我们可以得知，心理学中认知偏差里过度自信的人相信本身的判断，更容易冲动地买入或卖出，形成交易频率过高。较于长期被动投资，例如买入并持有策略，投资者往往会被短期内绝对收益所吸引，不考虑多次交易带来的成本。那么什么是过度自信的影响因素呢？相较于女性而言，男性普遍更加自信，方便快捷的交易方式也会对过度交易产生影响，例如线上便捷的买卖会促进我们投资的机会，除此之外，通过与朋友间的密切对话、交易经验等的获得都有可能增加我们获得的投资信息，从而间接地导致过度交易行为的发生。所以，投资者应该理性看待信息，理性对待过度自信形成的过度交易，研究观察比较短期投资收益与长期投资收益，选择合适地交易频率，减少交易费用。

3.3 避免框定偏差与心理账户

行为金融学里有很多对用户心理非理性行为的研究理论，例如非理性投资中的本地偏好、框定偏差、心理账户等。笔者从框定偏差和心理账户两个角度分析不理性行为。①框定偏差：由于人的认知能力有限，人们在决策过程中可能受到来自各个方面的影响。当人们用特定的框定来看问题时，他们的判断与决定将在很大程度上取决于问题所表现出来的特殊的框定，这就是所谓的“框定依赖”，由框定依赖所导致的认知和判断的偏差即为“框定偏差”。投资者在遇到不同类型的问题时很容易发生框定偏差，从而作出错误的决定，形成错误的用户数据，因此，我们应该避免框定偏差带来的误差影响，在用户数据——智能投顾的第一步——输入数据避免误差。②心理账户：人们根据资金的来源、资金的所在和资金的用途等因素对资金在心理上进行归类，形成“心理账户”。当用户资产配置时，前期投资结果会影响后续的投资成本，进而发生不理智的损失，造成成本与损失的不对等，除此之外，若前期投资者已经获得了某种收益，那么这种事前获益提高了人们对风险的容忍程度，影响其对风险的态度， 故而精准评估投资者的风险态度，以提高用户数据的准确性。一个好的开头代表已经成功了一半，那么用户数据的重要性不言而喻，在智能投顾模型中输入偏差几近于零的用户数据，可大大增强结果的可实现性。

3.4 多种策略并行促进智能化

成本平均策略和时间分散策略。投资者按照预先设定的计划，按照不同的价格将现金分批投资股票，以避免一次性投资带来较大的风险策略；
某种程度上说，此类资产策略有效分散了进入市场的风险，也提高了资产的流动性，可以在资产配置中获得更多的可能性。时间分散化策略。随着投资期限的延长，投资公司股票的风险也会降低，提出投资者应该在年轻时将资产结构组合中的股票市场比重占大头，随着投资者年龄的增长将股票比例慢慢减少是一种社会投资控制策略。我们知道，一般投资期限越长，投资者年龄越低，投资者的风险承受能力越高，在实施时间分散策略可以极大程度贴合投资者的风险承受能力标准，从而更加准确地随着时间长期变化降低投资组合的风险。二者体现了投资者风险偏好和承受能力对投资资产配置的影响，亦可体现在智能投顾模型中，可以更好地为投资者提供被动化投资顾问服务。

行为金融学的出现不仅给传统金融学带来新鲜的血液，增加许多新的理论，与传统金融理论一起促进金融行业的发展，还改善了以现代投资组合管理理论为核心，智能投顾为载体的资产配置。从行为金融学的角度看待智能投顾出现的问题，加以解释说明并提出一些优化与建议，在某种程度，了解到智能投顾在面对超配货币基金、过度交易、用户数据、智能化的问题时一些应对方法，更加深刻认识从行为金融学角度对待上述问题的解决方案，促进国内金融理论“百花齐放”，响应国家号召扩大内需的战略，帮助挖掘国内市场潜力，提供理论依据。

猜你喜欢 金融学投资者交易 聊聊“普通投资者”与“专业投资者”证券市场红周刊(2021年34期)2021-08-30金融学的“宏微观裂痕”与制度金融学研究今日财富(2020年9期)2020-04-03纠纷调解知多少证券市场红周刊(2020年3期)2020-02-04An Analysis on Internet Financial Supervision in China新生代·下半月(2019年7期)2019-09-10现代经济学与金融学前沿发展今日财富(2019年22期)2019-08-26新兴市场对投资者的吸引力不断增强中国外汇(2019年7期)2019-07-13论我国金融学面临的挑战和发展趋势环球市场信息导报(2017年2期)2017-05-18大宗交易榜中榜股市动态分析(2016年22期)2016-12-27大宗交易榜中榜股市动态分析(2016年23期)2016-12-27大宗交易股市动态分析(2015年13期)2015-09-10

推荐访问:浅析 金融学 智能