行为金融学中的损失厌恶度量方法.docxVIP

行为金融学中的损失厌恶度量方法

引言

在金融市场的每个交易日，我们都能观察到类似的场景：投资者面对账户浮亏时坐立难安，反复查看行情软件；而当盈利时，却更容易在小涨后选择落袋为安。这种“亏一元比赚一元更难受”的心理，就是行为金融学中著名的“损失厌恶”现象。它像一只无形的手，深刻影响着投资者的决策逻辑，从个人炒股到机构资产配置，从消费信贷到保险购买，损失厌恶的影子无处不在。然而，要将这种抽象的心理倾向转化为可量化的研究对象，却是行为金融学者面临的重要课题——如何科学、准确地度量损失厌恶程度？这不仅关系到理论模型的完善，更直接影响投资顾问、产品设计、政策制定等实际应用。本文将围绕这一主题，从理论基础到具体方法，层层拆解损失厌恶的度量逻辑。

一、损失厌恶的理论根基：从前景理论说起

要理解损失厌恶的度量方法，首先需要回到其理论原点——卡尼曼（Kahneman）与特沃斯基（Tversky）提出的“前景理论”（ProspectTheory）。这一理论颠覆了传统经济学中“理性人”的假设，指出人们在决策时并非基于财富的绝对水平，而是以某个“参考点”为基准，将结果区分为“收益”与“损失”。更关键的是，损失带来的心理效用减少程度，远超过同等收益带来的效用增加，这种不对称性就是损失厌恶的核心。

1.1价值函数的“凹凸”与“斜率”秘密

前景理论的价值函数（ValueFunction）是刻画损失厌恶的核心工具。这个函数有三个关键特征：第一，以参考点为原点，收益区（参考点以上）呈凹函数（风险厌恶），损失区（参考点以下）呈凸函数（风险寻求）；第二，损失区的斜率显著大于收益区，即损失1元带来的痛苦（效用减少量）是获得1元带来的快乐的λ倍（λ1），这个λ就是损失厌恶系数，也是我们需要度量的核心指标；第三，参考点并非固定不变，它可能是过去的价格、预期收益、社会比较水平等，这使得损失厌恶的度量需要动态考虑参考点的变化。

举个直观的例子：假设投资者的参考点是买入价10元/股。当股价涨至12元（收益2元）时，他的效用增加量为v(+2)；当股价跌至8元（损失2元）时，效用减少量为v(-2)。根据价值函数，v(-2)=λ×v(+2)，λ通常被认为在1.5到2.5之间（经典研究中常见的估计值）。但如何具体计算这个λ，正是度量方法需要解决的问题。

1.2损失厌恶与传统理性模型的分野

传统经济学的期望效用理论（ExpectedUtilityTheory）假设效用函数是财富的单调递增函数，且风险态度由效用函数的曲率决定（凹函数对应风险厌恶，凸函数对应风险寻求）。但损失厌恶的存在，使得效用不仅取决于财富水平，更取决于相对于参考点的变化方向。例如，一个在收益区表现为风险厌恶的投资者（拒绝50%概率赚100元/50%概率赚0元，而选择确定赚40元），可能在损失区表现为风险寻求（接受50%概率亏100元/50%概率亏0元，而拒绝确定亏40元）。这种“风险态度反转”现象，正是损失厌恶的典型表现，也为度量提供了关键线索。

二、损失厌恶的度量方法：从实验室到真实市场

度量损失厌恶的核心目标，是通过可观察的行为数据（选择、交易、反应时间等），估计出损失厌恶系数λ。根据数据来源和研究场景的不同，目前主要的度量方法可分为实验法、观察法和模型法三大类，每类方法各有优劣，适用于不同的研究目的。

2.1实验法：控制变量下的直接观测

实验法是行为经济学研究的“传统武器”，其核心是通过设计可控的决策场景，观察受试者在收益-损失组合中的选择行为，进而推断损失厌恶程度。这种方法的优势在于能排除其他干扰因素，直接聚焦于损失厌恶的影响，但也可能因“实验情境偏差”（受试者因知道在参与实验而改变行为）或“样本代表性不足”（学生样本与真实投资者的差异）受到质疑。

2.1.1经典彩票选择实验

最常见的实验设计是“二元彩票选择”。例如，实验者要求受试者在两个选项中做出选择：

选项A：确定获得X元；

选项B：p概率获得Y元，(1-p)概率获得Z元（其中YXZ，且期望收益可能等于或偏离X）。

当引入损失情境时，选项会调整为：

选项A：确定损失X元；

选项B：p概率损失Y元，(1-p)概率损失Z元（YXZ，即Y是更小的损失，Z是更大的损失）。

通过逐渐调整X、Y、Z、p的数值，找到受试者在收益区和损失区的“无差异点”（即两个选项的效用相等时的参数组合），进而计算λ。例如，在收益区，当受试者对“确定获得50元”和“50%概率获得100元/50%概率获得0元”无差异时，说明v(+50)=0.5×v(+100)；在损失区，当受试者对“确定损失50元”和“50%概率损失100元/50%概率损失0元”无差异时，说明v(-50)=0.5×v(-100)。结合价值函数的假设（通常假设收益区为幂函数v(x)=xα，损失区为v(x)=-