lecture 1 behavioral finance 金融学两大阵营.ppt

* * * * * 引论 实验2： 从100个工程师和律师组成的小组中随机抽取几个人，其中这一小组中70位工程师、30位律师； Dick 30岁，已婚无子女。他能力强，有干劲，想在自己的领域中成就一番事业。他受同事喜爱。 Dick是律师的可能性大，还是工程师的可能性大？ * 引论 实验3： 抛掷一个相同的硬币，一次得到头像的概率是1/2，则连续八次抛掷都是头像的概率是1/256。 如果前面连续八次都是头像，现在要对第九次下赌，下一次你估计会出现什么？你是赌头像还是赌字呢？ * 引论 实验4： 近年来中国汽车市场迅猛发展，在给人们带来便利的同时，也引起了非常严重的社会问题，其中非常突出的问题是，很多人在刚获得驾照甚至未获得驾照情况下上路驾驶，成为马路杀手。 2009年中国死亡人口中，因车祸丧生的人数大概是多少？和因心脏病引起死亡的人数相比情况如何？ * 引论 实验5：下图是2010年10月到现在的上证综指走势图，试分析接下来下个月的上证综指走势，并给出原因？ * Heuristics研究基本框架 人的认知过程： 算法(algorithm) ：解决问题的精确步骤。如果一个问题有算法，那么只要按照其规则进行操作，就能获得问题的解。 启发法(heuristics)：凭借经验的解题方法，是一种思考上的捷径，是解决问题的简单、通常是笼统的规律或策略，也称之为经验法则或拇指法则(the rule of thumb)。 Tversky and Kahneman(1974): Judgement Under Uncertainty: Heuristics and Biases, Science 185, 1124-1131.(Citation: 28862) * Heuristic Bias研究基本框架 算法与启发法是两类性质不同的问题解决策略。虽然算法能保证问题一定得到解决，但它不能取代启发法。在以下情况下，最有可能导致人们使用启发法，而不是理性思考 ： (1) 当我们没有时间认真思考某个问题时 ； (2) 负载的信息过多，以至无法充分对其进行加工时 ； (3) 手中的问题并不十分重要，以至于不必太过思虑 时； (4) 缺乏做出决策所需的可靠的知识或信息时。 * 代表性偏差 代表性偏差：人们在不确定的情况下，会关注一个事物与另一个事物的相似性，以推断第一个事物与第二个事物类似之处。 人们假定将来的模式会与过去相似并寻求熟悉的模式来做判断，并且不考虑这种模式产生的原因或重复的概率。 类型： 对结果的先验概率不敏感 对样本规模不敏感 * 代表性偏差 例7.1 从100个工程师和律师组成的小组中随机抽取几个人，将这些人的性格特征简单地介绍给被实验者，每介绍一个人时，要求被试者估计此人是工程师或律师的概率。 在一种实验条件下，向被试者说明100人中，有70位工程师、30位律师；另一种条件下，100人中有30位工程师、70位律师 按照贝叶斯法则，在第一种情况下，被抽取的几个人是工程师的概率更大，而第二种情况下，被抽取的人是律师的概率更大。 实验结果表明：在两种条件下，被试者认为同一被介绍对象是工程师的概率相同。 这一结果显然是由于被试者们进行判断时，并没有考虑到对象所在小组中工程师和律师的基本比率，而是直接依据所提供的介绍是否符合工程师的代表性特征来估计他是工程师的概率，这就是“代表性偏差”。 * 代表性偏差 例7.2 赌徒谬误 生活中常见的一种不合逻辑的推理方式，认为一系列事件的结果都在某种程度上隐含了自相关的关系。 De Bondt(1991)发现股市有一种和“赌徒谬论效应”相类似的现象，在3年的熊市后预测会过度乐观，而在3年的牛市后预测会过度悲观。De Bondt(1998)发现，华尔街的分析师倾向于犯“赌徒谬论”，常常认为价格将会反转。 赌徒谬误的产生是因为人们错误的诠释了“大数法则”的平均律。投资者倾向于认为大数法则适用于大样本的同时，也适用于小样本。Tversky and Kahneman把赌徒谬误戏称为“小数法则”(law of small numbers)。 * 可得性偏差 可得性偏差：是指人们倾向于根据事件在知觉或记忆中的可得性程度来评估 其相对频率，容易知觉到的或回想起的被判定为更常出现。 当事件的可得性与其客观频率高度相关时，可得性启发法是非常有用的； 然而，依靠可得性进行预测可能会导致偏差。 * 可得性偏差 可得性启发法可能引致的偏差： 1.由于例子的可获取性而导致的偏差 2.由于搜索效率而导致的偏差 3.想象力的偏差 4.伪相关 * 可得性偏差 例7.3： 请你考虑这样一个问题：假如从一篇文章中随机抽出一个样本单词，认为该单词是以r开头更有可能还是第三个字母是r更有可能？