激励性交易模拟中新手参与者的非线性交易-绩效模式

《Econometrics》：Nonlinear Trading-Performance Patterns Among Novice Participants in an Incentivized Trading Simulation

　　

本文分析了于2025年12月11日在比利时蒙斯大学（University of Mons）与134名二年级学生进行的一项股票市场模拟中的交易-绩效模式。参与者拥有10万欧元的虚拟资本，可自由交易CAC 40证券，且交易数量或交易量不受任何限制。一种结合了参与奖励和前三名最佳投资组合奖励的学术激励计划，营造了一个具有连续排名反馈的锦标赛式环境。该特征被视为实验背景的一部分，而非一个单独识别的因果机制。研究人员估计了一个二次模型，将绩效与活动（以均值居中的交易次数衡量，以减少一次项与其平方之间的共线性）联系起来，并通过投资组合中的平均现金百分比、投资组合变异性（以投资组合价值的标准差衡量）以及平均交易规模来控制风险敞口。Breusch-Pagan检验（BP检验）和White检验（White检验）表明了异方差性（heteroscedasticity），这证明了采用稳健推断的合理性。结果凸显了活动与绩效之间的凸关系：边际关联最初为负，但在模型隐含的上尾水平（约46笔交易）以上变为正。该数值不应被解释为行为水平或交易规则。投资组合中的现金百分比和平均交易规模与绩效负相关，而投资组合变异性与绩效之间未显示出统计上显著的关联。总体而言，结果表明交易模式具有异质性，而非单一的活动-绩效曲线。

**论文解读：激励性交易模拟中新手参与者的非线性交易-绩效模式**

**1. 研究背景与问题**

行为金融学（Behavioral Finance）研究表明，投资决策常偏离“标准”理性，尤其在不确定性高、投资时间短的情况下（Shiller, 2003）。投资者可能依赖启发式并受认知偏差影响，如损失厌恶（Loss Aversion, Kahneman & Tversky, 1979）和控制错觉（Illusion of Control, Langer, 1975）。过度交易（Overtrading）是连接这些偏差与绩效的核心机制：投资者相信能更好把握市场时机，导致交易过度，平均而言恶化绩效（Odean, 1999; Barber & Odean, 2000）。然而，交易活动可能不仅反映非理性（Griffin et al., 2003）。在竞争性激励方案（如锦标赛式补偿计划）中，活动对绩效的影响不能假定为单调的，因为活动可能对应于低效的过度活动，也可能对应于更结构化的投资组合调整（Foucault et al., 2016）。因此，本研究旨在探讨：在短期、竞争性、激励驱动的交易模拟中，交易强度是否与绩效关联？这种关联在控制风险敞口维度后是否为非线性？

**2. 研究内容与结论**

研究人员利用比利时蒙斯大学（University of Mons）134名管理科学专业二年级本科生参与的股票市场模拟实验数据。实验于2025年12月11日进行，时长4小时，初始虚拟资本10万欧元，可自由交易CAC 40成分股。采用竞赛式激励计划：前三名投资组合分别获得2、1.5、1分的考试加分，所有参与者获得0.5分参与奖励，且排名连续更新。交易成本为0.2%。在此背景下，研究人员估计了一个二次模型，以绩效（期末投资组合价值相对于期初的百分比变化）为因变量，以均值居中的交易次数（Activity）为解释变量，并控制平均现金比率（Cash）、投资组合价值标准差（Portfolio Variability）和平均交易规模（Trade Size）。研究采用普通最小二乘法（OLS）估计，并通过Breusch-Pagan检验和White检验确认异方差性，使用HC3稳健标准误进行推断。同时进行了留一法（Leave-one-out）、Huber稳健回归、缩尾处理（Winsorization）和分位数回归（Quantile Regression）等敏感性分析。研究得出以下结论：活动与绩效之间存在凸关系（Convex Relationship），一次项系数为负且显著，二次项系数为正且显著，拐点约为46笔交易；现金比率和平均交易规模与绩效负相关；投资组合变异性与绩效无显著关联。该论文发表在《Econometrics》上。其重要意义在于揭示了新手参与者在短期、激励性模拟中交易风格的异质性，为投资者教育和交易模拟设计提供了经验证据，尤其是当绩效反馈对无经验参与者可见时。

**3. 主要关键技术方法**（不超过250字）

研究人员采用以交易次数（均值居中处理）衡量活动水平的二次回归模型。以绩效（期末投资组合价值变化率）为因变量，自变量包括活动的一次项、二次项，以及控制变量：平均现金比率（现金占总初始资本比例）、投资组合变异性（投资组合价值标准差）和平均交易规模。使用OLS估计，通过Breusch-Pagan和White检验诊断异方差性，采用HC3稳健标准误校正统计推断。进行多重敏感性分析包括：留一法估计、Huber加权稳健回归、1%/99%和5%/95%缩尾处理，以及中位数分位数回归。样本来源：比利时蒙斯大学134名二年级本科生，于2025年12月11日进行4小时CAC 40股票模拟交易。

**4. 研究结果**

**4.1 初步结果（First Results）**
通过Pearson相关矩阵分析发现，绩效与均值居中的活动项负相关，但与其平方项无显著相关，表明凸效应无法通过直接比较变量察觉。活动与平均交易规模负相关，平均现金比率与投资组合变异性及平均交易规模强负相关，支持买入“风险”组与“保守”组的区分。

**4.2 结果（Results）**
回归模型整体显著（R²=0.258，调整R²=0.222，稳健F检验F(5,128)=4.38，p=0.001）。活动的一次项系数为负（-0.639，p=0.012），二次项系数为正（0.013，p=0.016），确认凸关系。控制变量中，平均现金比率系数为负（-0.204，p=0.004），平均交易规模系数为负（-0.001，p<0.001），而投资组合变异性系数不显著（p=0.251）。拐点计算为约46.06笔交易，即当交易次数低于此值时，增加活动与绩效下降相关，高于此值时则与绩效上升相关。

**4.3 稳健性与敏感性分析（Robustness and Sensitivity Analyses）**
留一法估计显示拐点介于约44.74至50.45笔交易之间，凸性模式稳定。Huber加权稳健回归保留凸性，拐点约为45.21笔交易。1%/99%缩尾处理后拐点约45.98笔交易；5%/95%缩尾处理后二次项变弱，拐点约57.34笔交易，表明上尾观测值重要。中位数分位数回归保留凸结构，拐点约46.14笔交易。总体支持凸性，但仅4名参与者位于拐点以上，需谨慎解释正向边际关联。

**4.4 顶级绩效者比较（Top-Performer Comparisons）**
将绩效前10%和前20%参与者与其余样本比较发现，顶级绩效者平均执行更少交易、持有更少现金、投资组合变异性更高。这表明最佳绩效并非由最高活动驱动，二次模型的凸性为条件性结果。

**5. 讨论与结论**

讨论部分指出，凸关系与行为金融学中过度交易和结构化调整的解释一致：低至中等活动水平时，活动增加与绩效下降相关（可能源于过度自信、控制错觉）；高活动水平时，可能对应于更主动的投资组合调整（但机制未直接识别）。现金与绩效的负关联应结合市场微弱上涨（CAC 40上升约0.30%）理解，为低风险敞口效应。平均交易规模负相关暗示交易执行方式重要性，但非直接衡量集中或过度自信。投资组合变异性不显著可能与短期代理指标混杂维度有关。研究局限性包括样本有限、虚拟货币、短期、未测量心理机制、不可推断因果关系等。结论部分翻译如下：
本研究在激励性交易实验背景下考察了一个行为金融学问题：交易活动是否与绩效关联？在控制风险敞口后，这种关联是否为非线性？证据表明交易活动与绩效呈非线性关联。二次规范凸显了凸动态以及模型隐含的上尾拐点（约46笔交易）。该拐点具有情境特异性，不应被解读为新手投资者的通用交易规则。这一关系表明交易频率并不对应同质行为，不同活动水平可能反映不同交易模式。实验设计有助于情境化这一解读：4小时时长创造高频决策环境；虚拟资本改变决策背景（无真实损失）；激励结构创造竞争背景（相对绩效优化）。然而，由于锦标赛激励和连续反馈对所有参与者相同，数据无法识别独立的“锦标赛效应”。凸关系可理解为与异质性交易模式一致的证据：初始强化可能反映受启发式影响的决策，超出某水平后，更结构化的活动与更有利的绩效模式关联。绩效也与现金百分比和平均交易规模相关，表明解释不仅涉及交易频率，还涉及风险敞口和决策执行选择。方法上，所选方法（均值居中活动、非线性规范）为通常以定性方式讨论的现象提供了经济上可解读的解读。总体而言，研究表明短期股票市场模拟产生交易行为的巨大异质性，这些发现应在新手参与者、短决策期限和相对绩效激励的特定情境中解读。尽管该情境有边界，但它反映了组合管理某些领域同样存在的竞争逻辑，其中相对绩效激励和锦标赛行为已有文献记载（Brown et al., 1996; Li et al., 2022）。