行为金融学中的市场羊群行为量化研究.docxVIP

行为金融学中的市场羊群行为量化研究

引言

站在交易大厅的电子屏前，看着跳动的红绿数字，常能见到这样的场景：某只股票突然拉升，原本还在犹豫的散户们纷纷点击买入；或是一则利空消息传来，原本打算持有的投资者跟着抛售，交易软件的委托栏瞬间被卖单填满。这种“随大流”的决策模式，在行为金融学中被称为“羊群行为”。它像一只看不见的手，推动着市场价格偏离基本面，时而掀起非理性繁荣的泡沫，时而引发恐慌性抛售的浪潮。

传统金融学基于“理性人假设”，认为投资者会根据所有可得信息独立决策，市场价格总能反映真实价值。但2008年全球金融危机、2020年美股熔断等事件中，市场的剧烈波动远超基本面变化所能解释的范畴，这让人们意识到：投资者并非完全理性，群体行为的复杂性才是市场运行的重要变量。正是在这样的背景下，行为金融学对羊群行为的量化研究逐渐成为学术焦点——我们不仅要描述“羊群行为存在”，更要回答“如何测量”“强度多大”“受哪些因素影响”“会带来什么后果”等问题，这些答案对投资者决策、监管政策制定都有着重要意义。

一、羊群行为的理论界定与表现特征

1.1从现象到定义：羊群行为的核心内涵

羊群行为（HerdBehavior）本是生物学概念，指动物群体中个体跟随群体行动的现象。引入金融领域后，其定义经历了从描述性到操作性的演变。早期研究多从结果观察：当大量投资者在同一时间段内采取相似交易策略（如同时买入或卖出同一类资产），且这种一致性无法用公共信息变化完全解释时，即可认为存在羊群行为。随着研究深入，学者们进一步区分了“真羊群行为”与“伪羊群行为”——前者是投资者主动忽略自身信息，单纯模仿他人决策；后者则是因面临相似信息集（如同一宏观数据发布）或具有相同风险偏好而产生的同步行为，本质仍是个体理性选择的结果。

举个简单例子：某上市公司发布超预期财报，所有分析员基于这一信息调高评级，投资者因此集体买入，这属于“伪羊群行为”；而当股价已连续上涨多日，基本面并无新信息，但看到周围人都在追涨，原本认为估值过高的投资者也跟风买入，这就是“真羊群行为”。二者的关键区别在于：是否存在“放弃私有信息，依赖他人行为”的决策逻辑。

1.2市场中的典型表现：从个体到群体的传导

羊群行为在市场中的表现具有明显的层级性。微观层面，个体投资者常因“信息瀑布”效应陷入羊群：当第一个人买入某股票（可能基于私有信息），第二个人观察到这一行为，可能选择跟随而非验证自己的判断（反正有人先行动），第三个人看到前两人买入，更倾向于忽略自身分析，由此形成“正反馈循环”。中观层面，机构投资者也难以幸免——基金经理为避免业绩落后于同行（“相对收益压力”），可能选择配置与基准指数或其他基金相似的投资组合，即便内心认为某些股票被高估。宏观层面，这种个体与机构的模仿行为叠加，会导致市场出现“同向交易聚集”现象：某一板块突然成为“热点”，资金短时间内大量涌入，股价脱离业绩支撑；或在市场下跌时，卖单如潮水般涌出，形成“多杀多”的踩踏。

2015年A股市场的异常波动中，这种层级传导尤为明显：初期是部分散户因“赚钱效应”跟风买入杠杆资金推高的股票，随后公募基金为保持排名被动加仓，接着更多场外资金通过融资融券、伞形信托入场，最终形成全市场的非理性繁荣；当监管层清理配资时，前期的正反馈机制反转，恐慌情绪从杠杆投资者向普通散户、机构蔓延，引发连锁抛售。这一过程中，羊群行为既是市场波动的结果，也是加剧波动的原因。

二、量化研究的方法论演进：从指标构建到模型优化

2.1早期探索：基于收益率离散度的测量方法

要量化羊群行为，首先需要找到能反映“投资者决策一致性”的代理变量。20世纪90年代，学者们提出了基于收益率离散度的测量方法，其中最具代表性的是Christie和Huang（1995）提出的CSSD（Cross-SectionalStandardDeviation，横截面收益率标准差）和Chang、Cheng、Khorana（2000）改进的CSAD（Cross-SectionalAbsoluteDeviation，横截面绝对收益率差）。

CSSD的逻辑很直观：如果市场中存在羊群行为，多数个股的收益率会向市场平均收益率收敛，因此个股收益率与市场收益率的偏离程度（标准差）会降低。其计算公式为：

[CSSD_t=]

其中，(R_{i,t})是个股i在t期的收益率，(R_{m,t})是市场组合在t期的收益率，N为样本股数量。若羊群行为存在，CSSD_t会小于无羊群行为时的理论值。

但CSSD有个明显缺陷：标准差对极端值敏感，当市场出现大幅上涨或下跌（如牛市顶峰或股灾），个股收益率的离散度可能因部分股票涨停/跌停而被动缩小，这会导致“伪羊群”的测量偏差。CSAD通过使用绝对差替代平方差，部分解决了这个问题