《清華大學：2023金融科技服務對投資者收益行為影響分析報告（38頁）.pdf》由會員分享，可在線閱讀，更多相關《清華大學：2023金融科技服務對投資者收益行為影響分析報告（38頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、 研究報告 總第 121 期）2023 年 1 月 10 日 金融科技服務對投資者收益行為影響分析金融科技服務對投資者收益行為影響分析 清華大學金融科技研究院 【摘要】【摘要】隨著人工智能和信息技術高速發展，互聯網理財平臺正在極大地改變著傳統金融服務的提供方式，為個人投資者提供了多種多樣的理財支持服務。然而，這些基于金融科技為客戶提供的不同服務類型究竟對投資者帶來了什么樣的影響？為了回答這一重要問題，本文系統地研究了金融科技平臺上多個不同類型服務，研究其對投資者行為與收益的影響的區別。本文研究發現：（1）在平臺上的所有類型的金融科技服務中，投資者使用頻率最高的是基金經理觀點服務（每月約使用 2

2、.583次）；（2）總的來說，金融科技平臺上的服務能夠有效幫助投資者提升賬戶的收益及風險調整后的收益，用戶在金融科技平臺上的服務使用每個月增加一個標準差（大約為 10 次），下個月（2023 年 第 1 期 的賬戶回報率將平均增加 0.041%（年化收益提高 0.492%）；（3）進一步的，通過分別分析具體服務類型，本文發現比起基于事實的信息提供服務，投資者更需要的是輔助投資建議服務；（4）最后，金融科技服務幫助投資者主要是通過增加用戶的風險承擔行為和資產分散程度，但是并不能很好的消除投資者常見的各種行為偏差（例如：處置效應、趨勢追蹤和博彩偏好）。本文的研究發現不僅為業界提供了理財服務效果評估

3、的量化的數據結果，同時也為監管機構對金融科技行業進行科學監管提供了依據。Research report 2022-1-10 Edition Analysis of the Impact of Fintech Services on Investors Behavior and Return Institute for Fintech Research,Tsinghua University Abstract:With the rapid development of artificial intelligence and information technology,Internet fina

4、ncial platforms are dramatically changing the way traditional financial services are provided,offering a wide variety of financial support services to individual investors.However,what impact do these different types of fintech-based services for customers actually have on investors?To answer this i

5、mportant question,this paper systematically examines several different types of services offered on fintech platforms to study the differences in their impact on investor behavior and returns.This paper finds that(1)among all types of fintech services on the platform,the most frequently used by inve

6、stors is the fund manager view service(about 2.583 times per month);(2)in general,the services offered on fintech platforms can effectively help investors improve the returns and risk-adjusted returns of their accounts,with users use of services on fintech platforms increasing by one standard deviat

7、ion(approximately 10 times),the following months account return will increase by 0.041%on average(0.492%annualized return increase);(3)further,by analyzing the specific types of services separately,this paper finds that investors are more in need of ancillary investment advice services than fact-bas

8、ed information provision services;(4)finally,fintech services help investors mainly by increasing users risk-taking behavior and asset diversification,but do not do a good job of eliminating the various behavioral biases common to investors(e.g.,disposition effects,trend tracking,and betting prefere

9、nces).The findings of this paper not only provide quantitative data results for the industry to evaluate the effectiveness of financial services,but also provide a basis for regulators to scientifically regulate the fintech industry.目錄目錄 1 研究意義及背景.1 2 數據樣本與變量定義.3 2.1 人口信息數據集.3 2.2 金融科技服務使用數據.4 2.3 公

10、募基金投資數據.8 3 投資者金融科技服務使用行為.16 4 金融科技服務對投資者收益的影響.19 4.1 金融科技服務總體影響.19 4.2 信息服務與輔助投資建議服務的影響差異.21 4.3 金融科技服務對投資者投資行為的影響.23 4.4 不同類服務影響差異的原因.25 4.5 穩健性檢驗.28 5 研究結論.28 1 金融科技服務對投資者收益行為影響分析1 葛慧敏 吳輝航 張曉燕 譚琳（清華大學金融科技研究院）1 研究意義及背景研究意義及背景 近年來，互聯網技術在中國財富管理行業發展迅速，從多方面深刻地影響著金融行業的發展與居民理財的實踐。根據中國證券投資基金業協會數據顯示，截止至 2

11、021 年底，中國在互聯網平臺線上銷售保有的非貨幣型公募基金總規模已增長到占總市場份額的 30%以上?；ヂ摼W財富管理為用戶提供理財服務的一個重要特點在于：互聯網平臺公司往往基于金融科技技術，為用戶提供各種不同類型的投資理財輔助服務。表 1 列舉了在互聯網理財平臺上一些常見的理財輔助服務。圖表圖表 1 1 一些基本的金融科技服務舉例一些基本的金融科技服務舉例 服務類型 服務內容 服務目標 信息提供服務 金融市場信息展現 每日及時的將金融市場動態信息傳遞給投資者 信息提供服務 金融產品信息展現 將不同金融產品的過往收益率、風險特征、產品要素信息傳遞給投資者 輔助投資建議服務 客戶風險評測 幫助客戶

12、測量自己的風險承受能力 輔助投資建議服務 資產配置建議 對用戶的持倉進行分析，給出配置優化建議 1 作者感謝數字經濟開放研究平臺的支持（）。研究所用數據均為抽樣和脫敏后在螞蟻開放研究實驗室環境下分析，論文作者僅通過遠程訪問螞蟻集團域內的實驗室開展實證分析 2 投資者教育服務 提供財商小知識 對投資者進行理財知識培訓，提高投資者的金融素養 金融科技服務持續多元化高速度發展的背景下，就各類服務對于用戶投資行為和投資收益進行系統性的理解與研究具有重大意義。對于投資者而言，可以更好地利用平臺進行投資；對于平臺而言，可以借鑒與改善其服務設計；對于監管而言，可以增強對金融科技創新服務的認知。金融科技服務對

13、投資者的收益有怎樣的影響？將平臺上的服務按照服務內容劃分為信息服務與輔助投資建議服務時，不同類型的服務對投資者收益的影響是否存在不同？平臺服務對投資者收益的影響是否來源于對投資者投資行為的影響？如果是，投資者的哪些投資行為受到了影響？同時，不同類型服務對投資者的投資行為的影響是否不同？如果是，其可能的潛在原因主要為何？本章結合了抽樣、脫敏數據進行研究，對這些問題進行深入具體的討論，分析金融科技服務對用戶投資行為和收益帶來的變化，更好地認知金融科技服務現今取得的成果和優勢以及面臨的挑戰和痛點，進一步推動金融科技服務的進步與完善。3 2 數據樣本與變量定義數據樣本與變量定義 本研究在螞蟻集團域內的

14、螞蟻開放研究實驗室2遠程開展。研究所用數據均為抽樣和脫敏后在螞蟻開放研究實驗室環境下分析。作者僅能遠程登錄“具體數據不可見”的實驗室沙盒環境中進行實證分析。根據統計顯示，平臺用戶主要利用公募基金產品進行理財投資。因此，為更好地研究平臺上的服務對用戶行為與收益結果的影響，我們聚焦于用戶資產賬戶中的基金賬戶，獲得用戶在產品維度具體的持倉和交易信息，同時獲得用戶在平臺上投資公募基金產品使用的服務的數據。我們選取的脫敏數據具體包括四個數據集：基本人口信息數據集、交易數據集、持倉數據集和金融科技服務使用數據集。下面各節將詳細描述本章研究使用的數據，包括樣本分布、金融科技服務使用情況和個人投資行為。同時，

15、我們將闡釋研究變量的定義與構造方法，并給出描述性統計結果。2.1 2.1 人口信息數據集人口信息數據集 本章研究使用的數據集涵蓋通過隨機抽樣獲得的超 28 萬名基金活躍投資者的脫敏的基本人口特征、交易、持倉和相關金融科技服務使用信息。2 https:/ 4 在數億通過平臺購買基金產品的用戶中，為了有效測量用戶的交易行為與投資收益，進一步清晰地研究金融科技平臺上信息服務和輔助投資建議服務的影響，我們首先剔除了只購買少量基金產品且極少進行交易的“僵尸用戶”。我們將抽樣樣本池限制在基金賬戶活躍用戶范圍，通過簡單隨機抽樣的方式抽取了 30 萬用戶。其中活躍用戶是指用戶在樣本期內至少有一次交易行為，且基

16、金賬戶月末最高持倉金額超過 100 元的用戶。此后，我們排除了高凈值特別賬戶和主要購買存金寶產品（未在投資者的基金賬戶中購買和管理）的投資者，最終得到了超28 萬名投資者的樣本。通過對比抽樣用戶和活躍用戶整體的關于性別、年齡、城市和賬戶持倉與申購贖回數據的分布情況，我們發現隨機抽樣樣本與整體分布特征一致，表示隨機抽樣樣本具有代表性。2.2 2.2 金融科技服務使用數據金融科技服務使用數據 金融科技服務使用數據集包括樣本用戶對平臺上的信息服務和輔助投資建議服務的使用情況數據。在這個數據集中，我們提取了用戶的唯一標識（脫敏后）、日期、一個月內用戶登錄使用“支小寶”服務的次數、用戶使用不同類別服務的

17、次數?！爸殹笔侵Ц秾?APP 上推出的智能理財助理?！爸殹苯柚斯ぶ悄芎蛿祿治龅瓤萍际侄蜗蛴脩籼峁﹤€性化的理財服務工具，連接用戶和平臺上的金融機構，使用戶能夠學習理 5 財知識、培養健康理性的投資理念、獲得金融機構提供的理財產品投資建議和市場信息，輔助消費者做出理性、成熟的投資決策。例如，當用戶對某公募基金產生興趣時，可以在“支小寶”的互動對話框輸入該基金的基金名稱或代碼，使用其提供的產品評測服務，從而詳細地了解該基金的基本信息（例如基金規模、成立時間等）、歷史收益、重倉股信息、關聯基金經理、相關行業和市場機會信息等。一旦用戶作出投資決策，他們便可向金融機構購買或者贖回理財產品。用戶

18、可以隨時看到投資持倉的業績表現，且“支小寶”也能夠對用戶持倉的風險收益進行分析診斷，并給出幫助用戶做出持倉優化的輔助決策信息。當一個理財產品到期后，“支小寶”也會提醒用戶，并推送適當的理財服務。目前，“支小寶”已累計服務約 3 億用戶，能力覆蓋 5000+個金融百科詞條，能夠解答約 8000 種理財問題，并與金融機構合作，向用戶提供八大類型服務，分別是市場行情、收益分析、產品評測、投資者教育、基金經理觀點、持倉分析、產品選擇和資產診斷。根據服務的具體內容，前四大類主要為投資者提供決策支持信息，后四大類主要為投資者提供輔助投資建議。我們由此歸納出了如下變量：金融科技服務使用程度，即投資者在一個月

19、內使用這八類服務的次數總和；信息服務使用次數，即投資者使用市場行情、收益分析、產品評測、投資者教育服 6 務的次數之和；輔助投資建議服務使用次數，即投資者使用基金經理觀點、持倉分析、產品選擇和資產診斷服務的次數之和。由于數據限制，平臺上各類金融科技服務的詳細使用次數數據從 2020 年 4月開始。表 2的分表 A、B和 C展示了金融科技服務使用情況的描述性統計數據和相關系數。從分表 A 中可以得到，在 2020 年 4 月至 2021 年 4 月樣本期間，樣本整體中投資者在一個月內使用金融科技服務的平均次數為 0.911；投資者使用信息服務和輔助投資建議服務的平均次數分別為 0.173 和 0

20、.783。75 分位數表明，在樣本中超過四分之三的賬戶每月使用服務次數觀察值為零。進一步我們剔除金融科技服務使用次數為零的樣本，得到分表 B 的非零樣本的服務使用數據統計。對于非零樣本而言，投資者在一個月內使用金融科技服務的平均次數為 4.746；投資者使用信息服務和輔助投資建議服務的平均次數分別為 0.939和3.806。由于除了支小寶服務可以向投資者提供產品及相關市場信息外，基金產品詳情頁面中也存在相關的產品與市場信息，因此無論是在全樣本還是在非零樣本中，用戶平均使用輔助投資建議服務的次數都比使用信息服務的次數更多。在這八個類別中，產品評測是使用頻率最高的信息服務，在全樣本中平均次數為 0

21、.084，在非零樣本中平均使用次數為 0.438；而基金經理觀點服務是最常用的輔助投資建議服務，在全樣本中平均次數為 0.503，在非零樣本中的平均使用次數為 2.583。7 從不同類型金融科技服務使用次數的相關系數（分表C）來看，金融科技服務使用與信息服務使用和輔助投資建議服務使用的相關性分別為 0.788 和 0.935，而信息服務使用與輔助投資建議服務使用的相關性為 0.517。這表明，投資者通常不會只使用信息服務或輔助投資建議服務，而是傾向于同時使用這兩種服務，但兩種服務使用相關性不高。圖表圖表 1 1 樣本金融科技服務使用情況描述性統計樣本金融科技服務使用情況描述性統計 分表 A.金

22、融科技服務使用情況描述統計數據（全樣本）No of obs mean std P75 P90 P95 max 金融科技服務 3410544 0.911 4.953 0 3 5 898 信息服務 3410544 0.173 2.064 0 0 0 638 輔助投資建議 3410544 0.738 3.562 0 2 4 363 市場行情 3410544 0.043 0.543 0 0 0 194 收益分析 3410544 0.046 0.564 0 0 0 499 產品評測 3410544 0.084 1.252 0 0 0 628 投資者教育 3410544 0 0.021 0 0 0 7 經

23、理觀點 3410544 0.503 2.624 0 1 3 324 持倉分析 3410544 0.064 0.929 0 0 0 284 產品選擇 3410544 0.095 0.567 0 0 0 197 資產診斷 3410544 0.076 0.446 0 0 0 130 分表 B.金融科技服務使用情況描述統計數據（非零樣本）No of obs mean std P25 P50 P75 max 金融科技服務 702003 4.746 10.491 1 2 4 898 信息服務 702003 0.939 4.766 0 0 1 638 輔助投資建議 702003 3.806 7.272 1

24、2 4 363 市場行情 702003 0.226 1.427 0 0 0 194 收益分析 702003 0.273 1.797 0 0 0 499 產品評測 702003 0.438 2.97 0 0 0 628 投資者教育 702003 0.002 0.049 0 0 0 7 8 經理觀點 702003 2.583 5.441 0 1 3 324 持倉分析 702003 0.313 2.446 0 0 0 284 產品選擇 702003 0.527 1.739 0 0 1 197 資產診斷 702003 0.383 0.998 0 0 0 130 分表 C.金融科技服務使用的相關性 金融

25、科技服務 信息服務 輔助投資建議服務 信息服務 0.788 輔助投資建議 0.935 0.517 市場行情 0.363 0.677 0.409 收益分析 0.357 0.714 0.388 產品評測 0.365 0.867 0.411 投資者教育 0.078 0.135 0.089 經理觀點 0.612 0.392 0.907 持倉分析 0.275 0.277 0.537 產品選擇 0.379 0.466 0.504 資產診斷 0.277 0.327 0.428 2.3 2.3 公募基金投資數據公募基金投資數據 公募基金投資集分別包含了在 2020 年 4 月至 2021 年 4 月期間隨機抽

26、取的超 28 萬名投資者的交易和持倉數據。在交易數據集中，我們提取了客戶的唯一身份（脫敏后）、交易日期、交易基金產品的名稱和代碼、交易數量、交易方向（購買或贖回）、交易價格、相應頭寸成本價格和交易費用。在持倉數據集中，我們可以觀察客戶的唯一標識（脫敏后）、持倉日期、所持基金的產品名稱和代碼、持倉數量、基金凈值。為了研究金融科技服務對投資者收益和交易行為的影響，我們使用用戶交易和持倉數據集構建了相應交易行為變量和收 9 益信息變量。（一）投資者行為變量（一）投資者行為變量 對投資者投資行為的研究主要集中在兩個方面，包括投資參與行為和投資行為偏差。對于投資參與行為，我們考慮了交易頻率、資產配置多元

27、化和風險承擔。對于投資行為偏差，我們考慮了文獻中發現的個人基金投資行為偏差（Ivkovi and Weisbenner，2009；Bailey,Kumar,and Ng，2011），包括處置效應、趨勢追逐和博彩偏好。對于投資者交易頻率，我們使用換手率來刻畫。對于投資者賬戶的換手率我們遵循 Liu et al.(2022)的構造方法，將換手率定義為用戶當月基金申購金額和贖回金額之和與當月最大日持有頭寸之比。其定義如公式（2-1）所示：=(,+,+1,),（1）其中,是投資者 i 在第 t 月對基金 s 的第 n 次申購份額，,是相應的購買價格；,是投資者i在第t月對基金 s 的第 n 次贖回份額

28、，,是相應的贖回價格。,是投資者 i 在第 t 月第 d 天對基金 s 的持有量，,是基金s在當月第d天的收盤價格。換手率越高，投資者交易頻率越高。當當月最大日持有頭寸為零時，表明當月無交易，因此按照定義將換手率設為零。對于資產配置多元化程度，我們構建了衡量投資組合資產配置分散程度的變量，并選擇使用投資組合赫芬達爾指數 10（Herfindahl index）來進行代理。該指數最初是作為一種度量行業集中度的方法而提出的，將集中度衡量這一概念引入投資組合的資產配置，資產配置集中度越高，分散程度就越低。Benartzi and Thaler(2001)以及 Mauck and Salzsieder

29、(2017)指出，投資者對公募基金投資的分散化理解簡單，因而損害了收益表現。對于每個投資者，基金分類按照 Wind 提供的公募基金投資類型（一級分類）進行判斷，共有 6 類基金可以進行投資，分別是股票型基金、混合型基金、債券型基金、貨幣市場型基金、另類投資型基金（FoF）和國際型（QDII）基金。首先計算投資者在不同類型基金中的持倉比例，進一步計算資產分配的集中程度。其定義如公式（2-2）所示：=()2（2）其中代表了投資者 i 在第 t 月對于 g 類基金的月末凈持倉。代表了投資者 i 在第 t 月對于賬戶內所有基金的月末持倉。對于投資者的風險承受程度，本文采用權益基金的持倉占比來進行刻畫。

30、以往的文獻表明，投資者的風險承擔往往低于最優水平。Hong,Lu,and Pan(2020)的研究表明，采用金融科技可以降低投資壁壘，幫助家庭提升風險承擔。我們進一步檢驗信息服務或輔助投資建議服務是否幫助投資者增加風險承擔。我們將權益基金占比定義為投資者月末權益基金的凈持倉與投 11 資者賬戶內基金月末凈持倉的比率。根據 Wind 公募基金的投資類型的二級分類，權益基金被定義為股票型基金和其他高股票份額的混合型基金。其定義如公式（3）所示：=（3）同時本文考察用戶的投資行為偏差。Ivkovi and Weisbenner(2009)與 Bailey,Kumar,and Ng(2011)等研究表

31、明，投資者對股票交易的行為偏差也反映在基金市場上，主要表現在處置效應、趨勢追逐和對博彩產品的偏好上。因此，我們構建變量來分別衡量這個行為偏差。處置效應是指投資者實現收益的趨勢大于實現損失的趨勢，在不同經濟體的股票市場中，對于投資者投資中出現的處置效應有充分的記錄。在美國股票市場上，Odean(1998)，Grinblatt and Keloharju(2001)和 An(2015)為個人投資者的處置效應提供了證據，Coval and Shumway(2005)和 Locke and Mann(2005)則記錄了機構投資者的處置效應。學者同時在中國市場上發現了個人投資者在投資股票和基金時均存在處

32、置效應（趙學軍，王永宏 2001；周銘山 等，2011；伍燕然 等，2016）。為了衡量處置效應的程度，我們參考 Odean(1998)的方法利用交易數據集當中的每筆交易的價格和相應頭寸成本價格畫計算了所有投資者月度的已實現收益占實盈與浮盈之和比例（PGR）和已實現損失占實虧與浮虧之和比例（PGL）之間的差異。其定義如公式 12（4）所示：=+=+（4）如果，投資者表現出處置效應。此外，PGR和 PLR 之間的正差異越大，投資者表現出的處置效應越嚴重。趨勢追逐是指投資者在基金價格一系列上漲后申購的趨勢。為了衡量樣本中投資者追逐趨勢的程度，我們使用了投資者申購基金的數據。對于每個申購的基金產品，

33、我們觀察申購日期前的一個月，計算申購前基金收益率為正的天數。其定義如公式（5）所示：=+（5）當用戶趨勢追逐變量大于 0.5 時，表示用戶傾向于在一系列后續價格上漲后購買公募基金。博彩偏好反映了投資者對于賭博的偏好，我們將博彩偏好比率定義為彩票型基金的凈頭寸與賬戶中所有公募基金的凈頭寸之比。表現出彩票特征的基金是指在過去一個月的最大日收益率和收益偏度高于整個基金樣本 80 分位數的基金（Kumar 2009，分位數根據樣本分布情況選?。?。在樣本中表現出彩票特征的基金頭寸占市場總頭寸的 20%。具體定義如公式（6）所示：13=（6）當用戶的博彩基金占比大于市場占比（即 0.2）時，用戶表現出更喜

34、歡彩票型產品的博彩偏好。（二）投資者收益變量（二）投資者收益變量 為研究金融科技服務對投資者賬戶收益的影響，需要計算用戶賬戶級別的收益變量，主要包括用戶賬戶收益率，波動率和風險調整后的收益率。利用投資者的交易和持倉數據，我們可以精確計算賬戶的收益數額。首先計算投資者 i 在第 t 月的收益，其定義如公式（2-7）所示：,=(,1,1+,)（7）其中,為投資者 i 在第 t 月對基金 s 的月末持倉份額，,為對應時間價格。投資者當月申購1,次，贖回2,次。,為投資者 i 在第 t 月對基金 s 的第 n 次申購份額，,為對應申購價格，其中 1,1,；,為投資者 i在第 t月對基金 s的第 n次贖

35、回份額，,為對應贖回價格，其中 1,2,。對應的收益率的計算公式如公式（2-8）所示：14=1+（2-8）其中：=,=(,+1,+1,)在計算用戶第 t月的月收益率時，我們使用上個月月末持倉總額與當期總申購金額之和作為當期的成本金額，用實際收益與成本金額的比作為當期收益率。選擇上述當期成本金額計算方式的原因是上個月月末持倉總額與當期總申購金額之和大于等于當月的最高日持倉，一方面可以防止對收益率的過高估計，另一方面相當于用戶在月初將所有當月打算申購的金額實現，是對當月收益成本的合理估計。同時，我們將成本金額變動為僅上個月月末持倉總額或者上個月月末持倉總額與當月凈流入金額之和，我們發現計算所得的收

36、益率同上述方法的相關性分別為 0.79 與 0.87，且利用不同的收益率計算方法進行穩定性檢驗時，結果和主要分析結果保持一致。在計算投資者收益波動率和夏普比率時，我們采用滾動窗口的計算方式將過去 12 個月的月收益率的標準差作為當月收益波動率，采用當月的超額收益率（賬戶收益減去無風險收益率，其中我們利用天鴻基金的月收益率近似為月度無風險收益率）除以月收益波動率，最后進行年化處理來計算夏普比率時。15 表 3 展示了投資者交易行為變量和收益變量的描述性統計數據。其中樣本中投資者的平均換手率為 0.197。Liu et al.(2022)從深圳證券交易所隨機抽取樣本，計算出中國股市的平均月換手率為

37、 0.783；Wei and Yang(2020)從中國一個大型公募基金家族中隨機抽取樣本計算，發現通過商業銀行購買公募基金的投資者平均月換手率為 0.289，而通過在線平臺（天天網）的公募基金平均月換手率為 0.211?？梢钥吹娇傮w而言，中國投資者對股票的交易頻率比對基金的交易頻率更高。對于基金交易來說，通過商業銀行進行公募基金交易的頻率比線上平臺的交易頻率高，這和商業銀行理財顧問更容易因為客戶交易增加帶來的交易費用增加可以提高其收入傭金，因此促使客戶更頻繁地交易這一假說保持一致。進一步觀察用戶的風險承擔情況，樣本中用戶的平均權益基金持倉占總持倉的比重為 0.645，其中中位數為 0.989

38、，表明用戶傾向投資權益型基金。從用戶的資產配置分散度來看，平均用戶的投資組合集中度為 0.872（其中 1 為用戶當月賬戶中只有一個大類的基金，該數值越小用戶資產配置的分散度越高）。對于用戶交易行為偏差變量，其中已實現收益占實盈與浮盈之和比例（PGR）和已實現損失占實虧與浮虧之和比例（PGL）之間的差值的平均值和中位數分別為0.040和0.058。這表明金融科技平臺上的公募基金投資者容易產生處置效應。趨勢追逐的平均值和中位數分別為 0.571 和 0.545，表明投資者傾向于在一系列后續價格上漲后購買公募基金。樣本中用戶博 16 彩基金占比的平均值和中位數分別為 0.191 和 0.004。由

39、于根據定義的彩票型基金在整個市場中的比例為 0.2，因此有關用戶的彩票型基金占比數據的描述性統計結果顯示，投資者的博彩偏好較低。從賬戶收益數據來看，樣本期間賬戶月收益率的平均值為 1.019%，月收益中位數為 0；月波動率平均值為 3.346%，中位數為 2.181%。年化夏普比率平均值為 0.323，中位數為 0。圖表圖表 2 2 樣本投資行為與收益結果描述性統計樣本投資行為與收益結果描述性統計 No of obs mean std p25 p50 p75 min max 換手率 3690266 0.197 0.435 0.000 0.000 0.102 0.000 2.842 權益占比 2

40、419070 0.645 0.444 0.030 0.989 1.000 0.000 1.000 投資集中度 2419070 0.816 0.227 0.577 0.997 1.000 0.189 1.000 處置效應 355582 0.033 0.392 -0.125 0.071 0.222 -1.000 1.000 趨勢追逐 973891 0.602 0.123 0.521 0.591 0.660 0.182 1.000 博彩占比 2458422 0.157 0.290 0.000 0.004 0.188 0.000 1.000 收益率(%)3694756 1.019 6.158 0.00

41、0 0.000 1.798 -71.508 68.374 波動率(%)3694756 3.346 4.100 0.022 2.181 5.467 0.000 34.076 夏普比率 3694756 0.323 1.584 0.000 0.000 1.165 -6.510 3.345 3 投資者金融科技服務使用行為投資者金融科技服務使用行為 什么樣的投資者更傾向于采用金融科技平臺上的信息與輔助投資建議以形成投資決策？是更擅長投資的人，還是虧損越多的人？本節首先研究投資者使用金融科技服務的影響因素。我們采用用戶與某某寶智能理財助理互動次數作為投資者對金融科技平臺上的信息服務與輔助投資建議服務的使用

42、情況，在如下面板回歸方程中研究投資者人口特征和賬戶特征與其使用 17 情況之間的關系。=+11+11+21+（9）其中是投資者 i 在第 t 月金融科技服務的使用次數,1是投資者 i 在第 t-1 月的月收益。1為投資者的人口特征變量，具體包括年齡，性別，所在常住地城市等級，賬戶大小和開戶時長（月份數）。其中性別變量為啞變量，當用戶為女性時值取 1。城市等級參考中國中小城市發展報告，按規模將城市劃分為 1-4 共四級，城市等級為 1 的城市規模最大，變量由三個啞變量構成：當所在城市等級為 1 級時，啞變量城市等級 1 取值為 1，其余為零，以此類推，當所在城市等級為 4級時，三個城市等級啞變量

43、均為零。由于存在不隨時間變動的人口特征變量，因此我們僅納入時間固定效應，并將標準誤差在時間和個體上進行聚類（Petersen，2009）。估計結果如表 4 所示。首先，我們觀察使用平臺服務的人口特征。投資者年齡越小，使用金融科技服務次數越多，平均用戶年齡降低一歲，使用次數增加 0.002；男性平均相比女性使用金融科技服務次數多 0.027 次；居民所在城市規模越小，居民使用金融科技服務的次數越多；賬戶規模越大，使用金融科技服務次數越多，賬戶規模每增加 1%，投資者使用金融科技服務的次數平均增加 0.018 次；賬戶開戶時間越短，投資者使用金融科技服務的次數越多?？傮w而言，年輕的、投資經驗更少、

44、所 18 在城市規模更小，以及需要管理的資產更多的用戶使用金融科技平臺服務更多。接下來，進一步考慮投資者和市場過去收益與投資者使用金融科技服務行為的關系，是更擅長投資的人還是虧損越多的人更傾向于尋求平臺的服務？我們研究的初步結果顯示，投資者金融科技服務使用情況對賬戶收益率和波動率的系數分布為-0.239 與 0.642，對應的 t 統計量為-20.89 與 24.95。這表明當賬戶過去收益更低或者過去風險更高時，更容易尋求平臺服務的幫助。這與傳統科技應用研究中科技使用更多的人往往為更擅長使用技術的人的自選擇性假設不同。進一步地，我們去除時間固定效應，加入過去的市場收益率和波動率，發現當市場收益

45、率更低或市場波動率更高時，投資者也更傾向于使用金融科技服務。圖表圖表 3 3 投資者使用金融科技服務的決定因素投資者使用金融科技服務的決定因素 金融科技服務使用次數 (1)(2)年齡-0.002-0.002 (-10.94)(-10.94)性別-0.027-0.028 (-8.79)(-8.79)城市等級 1-0.0002-0.001 (-3.67)(-9.43)城市等級 2-0.0002-0.0004 (-2.47)(-4.56)城市等級 3-0.0001-0.001 (-1.23)(-9.37)賬戶價值（ln）0.018 0.018 19 (9.78)(9.78)開戶月數-0.0003-0

46、.0002 (-15.43)(-16.78)過去收益-0.239-0.231 (-20.89)(-15.56)過去波動率 0.641 0.746 (24.95)(29.83)過去市場收益 -0.081 (-31.92)過去市場波動率 0.229 (26.53)時間固定效應 Y N 個體固定效應 N N 觀測數 3,406,140 3,406,140 調整后的 R方 0.019 0.014 注：表格報告回歸系數和其對應的 t 統計值，*，*和*分別表示在 1%，5%和 10%的顯著性水平下顯著。4 金融科技服務對投資者收益的影響金融科技服務對投資者收益的影響 4.1 4.1 金融科技服務總體影響

47、金融科技服務總體影響 先前關于金融科技服務對投資者影響的實證研究既提供了正向證據又提供了負向證據，因此我們首先研究平臺上的金融科技服務對投資者收益的影響。在個人層面上，金融科技服務使用率較高的人可能會獲得更多信息和輔助建議，從而幫助投資者做出更好的投資決策。因此，我們假設金融科技服務在個人層面上提高賬戶收益。我們在如下回歸方程中（10）檢查了賬戶收益與金融科技服務之間的關系，并在表 5 中報告了相應的結果。20=+11+11+（10）其中是投資者 i 在第 t 月的月收益，1是投資者 i 在第 t-1 月金融科技服務的使用次數，在此我們進行了標準化處理。為了控制投資者的財富效應，本文控制了投資

48、者的賬戶大小，即上期期末賬戶持倉總額，同時加入賬戶過去一個月的月收益和過去一個月的換手率作為控制變量，控制賬戶收益在時間上的持續性與賬戶收益能力。和 分別是個體效應和時間固定效應。標準誤差在個體水平和時間水平上進行聚類（Petersen，2009）。樣本涵蓋了從 2020 年 4 月 1 日至 2021 年4 月 30 日期間投資者使用金融科技服務不為零的樣本。我們預計，如果金融科技服務確實有助于提高績效，系數1將顯著為正。表 5 第 1 列顯示，金融科技服務使用系數為 0.041，對應的t 統計量值為 3.02，具有統計學意義。正顯著系數表明，如果用戶對金融科技平臺上的信息建議服務使用在每個

49、月增加一個標準差（根據描述性統計數據大約為 10 次），下個月的賬戶回報率將平均增加 0.041%（年化收益提高為 0.492%）。這表明金融科技服務的使用確實有助于投資者業績的提高。同時考慮到賬戶收益波動率和風險調整后的收益（夏普比率），第 2 列和第 3列顯示金融科技服務使用量的增加會導致收益波動率和風險調整后收益率的增加。如果金融科技服務使用增加一個標準差，21 賬戶波動率和夏普比率將分別平均增加 0.010%和 0.006。圖表圖表 4 4 金融科技平臺服務對投資者收益和風險的影響金融科技平臺服務對投資者收益和風險的影響 收益率 波動率 夏普比率 收益率 波動率 夏普比率 （1）（2）

50、（3）（4）（5）（6）金融科技服務 0.041 0.010 0.006 (3.02)(1.85)(3.50)信息服務 -0.020-0.015 0.0002 (-1.32)(-3.09)(0.13)輔助投資建議服務 0.066 0.026 0.006 (4.25)(4.40)(3.93)賬戶價值(ln)0.189 0.082-0.013 0.188 0.082-0.013 (38.11)(36.76)(-15.07)(37.92)(36.60)(-15.10)過去收益-0.390 0.008 0.290-0.390 0.008 0.003 (-161.09)(15.18)(25.50)(-1

51、61.10)(15.07)(25.42)過去換手率 0.073 0.200-0.094 0.069 0.198-0.094 (2.25)(20.94)(-28.19)(2.12)(20.69)(-28.22)時間固定效應 Y Y Y Y Y Y 個人固定效應 Y Y Y Y Y Y 觀測數 645,877 645,877 645,877 645,877 645,877 645,877 調整后的 R方 0.264 0.806 0.687 0.264 0.806 0.687 注：表格報告回歸系數和其對應的 t 統計值，*，*和*分別表示在 1%，5%和 10%的顯著性水平下顯著。4.2 4.2 信

52、息服務與輔助投資建議服務的影響差異信息服務與輔助投資建議服務的影響差異 投資者在投資過程中更需要基于事實數據的信息類服務，還是更需要平臺根據市場和投資者歷史交易數據所給出的輔助投資建議？得益于數據較為細致的顆粒度，我們可以根據平臺服務的內容，將其進一步劃分為基于事實的信息服務和基于觀點的輔助投資建議服務兩個部分，并考慮用戶對不同類型服務 22 使用的對其影響的差異。在以下回歸設置中，我們檢驗了賬戶收益與信息服務和輔助投資建議服務之間的關系。=+11+21+11+（11）其中1是投資者 i 在第 t-1 月輔助投資建議服務的使用次數，主要包括基金公司經理觀點陪伴、持倉分析、產品選擇和用戶資產與交

53、易行為診斷建議；1是投資者 i 在第 t-1 月信息服務的使用次數，主要包括市場行情、產品測評、收益分析與投資者教育。我們進行了標準化處理?？刂谱兞颗c公式（10）中的控制變量相同。和 分別是個體效應和時間固定效應。標準誤差在個體水平和時間水平上進行聚類（Petersen，2009）。表 5 第 4-6 列展現了分析結果。輔助投資建議服務和信息服務系數分別為 0.066 和-0.020，對應的 t 統計量的值分別為 4.25與-1.32。這意味著，當用戶對平臺上的輔助投資建議服務使用增加一個標準差時，其賬戶收益率顯著增加 0.066%（年化收益為0.792%），同時對信息服務的使用沒有顯著增加投

54、資者收益。當我們考慮業績波動率和夏普比率時，輔助投資建議服務顯著地提高了業績波動率和夏普比率。輔助投資建議服務使用增加一個標準差，賬戶波動率和夏普比率將分別平均增加 0.026%和0.006。而信息服務降低了業績波動性，對夏普比率無顯著影響。信息服務使用增加一個標準差，賬戶波動率平均降低 0.015%。23 4.3 4.3 金融科技服務對投資者投資行為的影響金融科技服務對投資者投資行為的影響 金融科技服務如何提升投資者收益？本文進一步考慮了金融科技服務對投資者行為的影響，包括投資者參與行為和投資行 為 偏 差。在 先 前 的 研 究 中，Campbell(2006),Badarinza,Cam

55、pbell,and Ramadorai(2016)等研究表明投資者風險承擔低于其風險偏好下的最優風險承擔；資產分散程度較低，無法分散化配置，從而降低了投資者收益。Ivkovi and Weisbenner(2009)與 Bailey,Kumar,and Ng(2011)等研究表明投資者對股票市場交易的行為偏差也體現在基金市場中，主要表現為存在業績追逐、處置效應與偏好博彩產品，從而損害了投資者收益。Wei and Yang(2020)表明，與傳統的線下理財經理相比，金融科技平臺有助于緩解投資者由理財經理績效收入結構導致的誘導性過度交易，提高了投資者收益。由于上述交易行為特征或偏差直接影響了投資者

56、的收益表現，因此本文考察了金融科技服務對投資者換手率、股權比率、資產配置分散度、博彩產品比率、處置效應和趨勢追逐的影響。表 7 的分表 A 顯示了金融科技服務對投資者交易行為的影響。結果表明，金融科技服務使用次數增加一個樣本標準差會使換手率增加 0.014，權益比率增加 0.003，多元化程度提高增加0.005（1代表集中度最高）。其中較高的股權比率和多元化與先前研究得到的較高的收益率和較高的波動性相一致，金融科技服務幫助投資者增加風險承擔與資產分散程度，從而提升賬 24 戶收益。而從表 7 中能夠看出，過去的換手率對用戶收益率有正面預測。同時，該平臺上的公募基金投資者平均換手率為0.197，

57、相較于深交所的股票交易換手率和通過商業銀行基金投資的換手率，平臺投資者換手率不高。因此更高的換手率也與投資者賬戶收益率改善相一致。圖表圖表 5 5 金融科技平臺服務對投資者投資行為的影響金融科技平臺服務對投資者投資行為的影響 分表 A.金融科技服務對投資者交易行為的影響 換手率 權益占比 資產集中度 博彩占比 處置效應 趨勢追逐 （1）（2）（3）（4）（5）（6）金融科技服務 0.014 0.003-0.005 0.001 0.001 0.0001 (13.29)(7.53)(-13.12)(1.52)(1.14)(0.57)賬戶價值(ln)0.022 0.004-0.009 0.002 0

58、.005-0.001 (52.11)(13.78)(-41.23)(5.48)(3.76)(-7.53)過去收益 0.083 0.035 0.037 0.063 0.008 0.023 (6.81)(9.60)(12.04)(11.97)(0.64)(11.17)過去換手率 0.019 0.005-0.007 0.010-0.002 0.002 (8.36)(6.23)(-9.94)(9.54)(-0.84)(5.01)時間固定效應 Y Y Y Y Y Y 個人固定效應 Y Y Y Y Y Y 觀測數 645,428 566,221 566,221 574,131 200,005 379,96

59、6 調整后的 R方 0.347 0.745 0.641 0.304 0.38 0.593 注：表格報告回歸系數和其對應的 t 統計值，*，*和*分別表示在 1%，5%和 10%的顯著性水平下顯著。分表 B:信息服務和輔助投資建議服務對投資者交易行為的影響 換手率 權益占比 資產集中度 博彩占比 處置效應 趨勢追逐 （1）（2）（3）（4）（5）（6）信息服務 0.002-0.0001 0.0003 0.001-0.00001-0.00002 (2.35)(-0.29)(1.17)(2.51)(-0.03)(-0.17)輔助投資建議服務 0.014 0.004-0.006-0.0003 0.00

60、1-0.0001 (13.03)(9.06)(-16.29)(-0.68)(1.26)(-0.72)25 賬戶價值(ln)0.022 0.004-0.009 0.002 0.005-0.001 (51.94)(13.61)(-40.91)(5.56)(3.74)(-7.54)過去收益 0.082 0.034 0.038 0.063 0.008 0.023 (6.71)(9.47)(12.28)(12.01)(0.63)(11.15)過去換手率 0.019 0.005-0.006 0.010-0.002 0.002 (8.15)(5.98)(-9.47)(9.61)(-0.87)(4.98)時間

61、固定效應 Y Y Y Y Y Y 個人固定效應 Y Y Y Y Y Y 觀測數 645,428 566,221 566,221 574,131 200,005 379,966 調整后的 R方 0.347 0.745 0.642 0.304 0.380 0.593 注：表格報告回歸系數和其對應的 t 統計值，*，*和*分別表示在 1%，5%和 10%的顯著性水平下顯著。對于投資者的行為偏差影響，表 7 分表 A 的第 4-6 列顯示了金融科技服務對行為偏差的影響結果?？傮w而言，金融科技服務并未顯著消除投資者的處置效應、趨勢追蹤和博彩偏好。這與先前文獻中對于金融科技平臺上的智能投顧服務對投資者行為

62、偏差的影響結果不一致。對此，我們主要有兩方面的解釋：第一，相較于智能投顧服務，平臺通過智能理財助理提供的信息服務與輔助投資建議服務僅僅為投資者決策提供參考信息，并非同智能投顧服務一樣可以直接決定投資者資產配置；第二，平臺對于用戶交易行為偏差的建議集中在輔助投資建議服務當中的資產配置與投資行為診斷報告，而用戶無法完全理解報告或訪問過少。4.4 4.4 不同類服務影響差異的原因不同類服務影響差異的原因 先前的研究表明，與基于事實的信息服務相比，基于觀點的輔助投資建議服務對投資行為和賬戶收益改善的貢獻更大。26 Thaler(2000)表示投資者在投資公募基金時的行為與在其他金融決策領域的行為并無不

63、同，因為他們的財務知識、信息獲取渠道和信息處理能力有限。對此我們提出可能的假設：與信息服務相比，輔助投資建議服務在提高投資收益方面作用更大可能是由于大多數投資者幾乎沒有能力處理信息，而且平臺上的輔助投資建議服務更直接、更簡單，因而投資者受輔助投資建議服務影響提高的收益更多。我們找到了側面證實這一可能原因的支持性證據。如果由于家庭金融素養的限制，輔助投資建議服務更重要，則金融素養較低的投資者將從財富服務中受益更多。由于沒有直接的數據來衡量投資者的金融素養，我們使用過去的收益率和賬戶價值作為近似替代，并利用如下的回歸方程進行分析：=+11+21 1/10/1+11+（12）其中控制變量包括過去的收

64、益率、賬戶價值和過去的換手率。表 8 顯示了回歸結果。輔助投資建議服務使用次數與過去收益和賬戶價值的交互作用系數均為負顯著，與過去收益小于零的啞變量和賬戶價值低于當期中位數的交互項系數均為正顯著。輔助投資建議服務使用次數與過去收益小于零的啞變量交互項系數的數值表示，當輔助投資建議服務增加一個標準差時，上期收益小于等于零的用戶比起收益為正的用戶收益率多增加0.173%，對應的 t統計量為 7.92；與賬戶價值低于當期中位數的 27 交互項系數的數值表示，當輔助投資建議服務增加一個標準差時，上期賬戶價值小于上期賬戶價值總體中位數的用戶收益率多增加 0.041%?？傮w結果表明過去收益較低或賬戶價值較

65、小的投資者會從輔助投資建議服務中獲得更多收益。這與我們認為輔助投資建議服務更直接、更簡單，不會處理信息、收益能力較差的投資者從輔助投資建議服務中獲得的收益更多的假設一致。圖表圖表 8 8 金融科技平臺服務對投資者投資行為的影響金融科技平臺服務對投資者投資行為的影響 收益率 (1)(2)(3)(4)輔助投資建議服務 0.083*0.168*0.390*0.091*(5.62)(7.84)(3.51)(2.46)過去收益-0.390*-0.390*-0.390*-0.390*(-158.67)(-160.29)(-161.18)(-161.13)賬戶價值(ln)0.188*0.187*0.182*

66、0.188*(37.73)(37.46)(32.98)(37.43)過去換手率 0.070*0.065*0.058*0.067*(2.13)(1.98)(1.76)(2.04)輔助投資建議服務*過去收益-0.012*(-6.39)輔助投資建議服務*I過去收益=0 0.173*(7.92)輔助投資建議服務*賬戶價值 -0.022*(-3.08)輔助投資建議服務*I賬戶價值=Median 0.0411 (1.06)時間固定效應 Y Y Y Y 28 個體固定效應 Y Y Y Y 觀測數 645,877 645,877 645,877 645,877 調整后的 R方 0.264 0.264 0.26

67、4 0.264 注：表格報告回歸系數和其對應的 t 統計值，*，*和*分別表示在 1%，5%和 10%的顯著性水平下顯著。4.5 4.5 穩健性檢驗穩健性檢驗 我們隨后進行了穩健性檢驗，在先前的主分析當中，本文采用了涵蓋 2020 年 4 月到 2021 年 4 月期間投資者金融科技服務使用大于零的樣本。采用使用整個樣本對主分析中的公式進行回歸分析，分別考慮集約邊際影響和擴展邊際影響，我們發現整個樣本擴展邊際影響的負向結果主要來自金融科技服務用戶和非用戶的差異。這可能是由于自 2020 年 4 月至 2021 年 4月的基金市場下跌以來，非投資傾向的用戶收益為零，而傾向于投資的用戶具有較大的損

68、失可能性。由于金融科技服務使用時間的數據覆蓋了 2018 年 1 月至2021 年 4 月的期間，我們使用服務時間長度作為穩健變量來檢查金融科技服務的影響，結果顯示兩個結論與之前的分析一致。5 研究結論研究結論 隨著金融科技在中國各行業的普及和應用，中國居民線上理財的滲透率逐年上升。目前，中國大多數的個人投資者是基于平臺上的信息與輔助投資建議服務，自主形成投資決策，而在線上理財平臺采用智能投顧進行公募基金投資交易的比重較 29 低。針對中國線上理財這一特點，本文細致地研究了不同金融科技服務對于個人投資者投資收益和交易行為的影響。本文研究發現，在平臺上所有類型的金融科技服務中，投資者使用頻率最高

69、的是基金經理觀點服務（每月約使用 2.583次）。金融科技平臺上的服務有效幫助投資者提升賬戶的收益及風險調整后的收益，用戶對金融科技平臺的輔助投資建議服務使用在每個月增加一個標準差（大約為 10 次），下個月的賬戶回報率將平均增加 0.041%（年化收益提高為 0.492%）；同時，根據服務內容，可將金融科技服務進一步分為基于事實的信息服務和基于觀點的輔助投資建議服務。與信息服務相比，輔助投資建議服務在績效和行為改善方面影響更為顯著。這可能是因為大多數投資者幾乎沒有能力處理信息，而輔助投資建議服務更直接、更簡單。研究發現，過去收益率較低或賬戶價值較小的投資者會從咨詢服務中獲得更多收益，側面支撐

70、了這一假說。金融科技服務通過影響投資行為來改善個人賬戶收益。金融科技服務能夠幫助投資者增加風險承擔，并且增加個人投資組合的風險多樣化。與信息服務相比，輔助投資建議服務幫助投資者增加了風險承擔和多元化，而信息服務加劇了投資者的博彩偏好偏差。金融科技服務對改善投資者行為偏差沒有顯著影響，主要可能的原因在于平臺對用戶進行行為偏差提示的理 30 財行為報告的訪問流量過低。上述發現揭示了居民從金融服務中獲得的潛在好處。金融科技平臺正在從根本上改變中國的個人投資者理財行為。金融科技的出現可能對新興市場的投資者特別有幫助，這些投資者由于家庭收入的快速增長和缺乏金融知識而迫切需要金融服務?？紤]到這些市場缺乏現

71、有的金融基礎設施，基于技術的選項（既便宜又可擴展）是填補當前真空最有希望的發展模式。但是這些金融科技到底如何影響個人投資者是一個非常重要的問題，有益于社會的金融科技應當受到更多的支持和鼓勵，有潛在危害的金融科技創新，應該納入法律法規的科學監管中。本文的實證研究也能看到，中國的金融科技技術也確實給予了投資者有利的支持和幫助。31 參考文獻：參考文獻：1 Ivkovi Z,Weisbenner S.Individual investor mutual fund flowsJ.Journal of Financial Economics,2009,92(2):223237.2 Bailey W,Ku

72、mar A,Ng D.Behavioral biases of mutual fund investorsJ.Journal of Financial Economics,2011,102(1):127.3 Liu H,Peng C,Xiong W A,et al.Taming the bias zooJ.Journal of Financial Economics,2022,143(2):716741.4 Benartzi S,Thaler R H.Naive Diversification Strategies in Defined Contribution Saving PlansJ.A

73、merican Economic Review,2001,91(1):7998.5 Mauck N,Salzsieder L.Diversification Bias and the Law of One Price:An Experiment on Index Mutual FundsJ.Journal of Behavioral Finance,2017,18(1):4553.6 Hong C Y,Lu X,Pan J.FinTech Adoption and Household Risk-TakingJ.SSRN Electronic Journal,2020:61.7 Ivkovi Z

74、,Weisbenner S.Individual investor mutual fund flowsJ.Journal of Financial Economics,2009,92(2):223237.8 Odean T.Are Investors Reluctant to Realize Their Losses?J.The Journal of Finance,1998,53(5):17751798.9 Grinblatt M,Keloharju M.What Makes Investors Trade?J.The Journal of Finance,2001,56(2):589616

75、.10 An L.Asset pricing when traders sell extreme winners and 32 losersJ.The Review of Financial Studies,2016,29(3):823-861.11 Coval J D,Shumway T.Do Behavioral Biases Affect Prices?J.The Journal of Finance,2005,60(1):134.12 Locke J D,Shumway T.Do Behavioral Biases Affect Prices?J.The Journal of Fina

76、nce,2005,60(1):134.13 伍燕然，黃文婷，蘇凇，等.基金投資者處置效應的個體差異J.國際金融研究,2016(3):8496.14 趙學軍，王永宏.中國股市“處置效應”的實證分析J.金融研究,2001(7):9297.15 周銘山，周開國，張金華，等.我國基金投資者存在處置效應嗎?基于國內某大型開放式基金交易的研究J.投資研究,2011,30(10):8797.16 Kumar A.Who Gambles in the Stock Market?J.The Journal of Finance,2009,64(4):18891933.17 Wei S-J,Yang C C.Do

77、 Internet Finance Platforms Mitigate Conflicts of Interest?The Case of Mutual Fund InvestmentJ.SSRN Electronic Journal,2020:32.18 Petersen M A.Estimating Standard Errors in Finance Panel Data Sets:Comparing ApproachesJ.Review of Financial Studies,2009,22(1):435480.19 Barber B M,Lee Y-T,Liu Y-J,et al

78、.Just How Much Do Individual Investors Lose by Trading?J.Review of Financial 33 Studies,2009,22(2):609632.20 Campbell J Y.Household FinanceJ.The Journal of Finance,2006,61(4):15531604.21 Badarinza C,Campbell J Y,Ramadorai T.International Comparative Household FinanceJ.Annual Review of Economics,2016,8(1):111144.22 Thaler R H.From Homo Economicus to Homo SapiensJ.Journal of Economic Perspectives,2000,14(1):133141.