一、行为金融学导论:传统金融学与行为金融学的区别、核心假设与课程概览

大家好,欢迎来到这门课。我是你们的讲师,一个在量化交易和策略回测领域摸爬滚打了十几年的老工程师。

今天咱们聊点实在的。你想想看,为什么市场上总有那么多“不合理”的现象?为什么明明技术面、基本面都看好的股票,你一买它就跌?为什么牛市里人人都是股神,熊市一来全成了韭菜?

传统金融学会告诉你:市场是有效的,价格反映一切信息,投资者是理性的。嗯,这话听着挺美,但实际操作过的人都知道——现实远没那么简单。

我个人习惯把传统金融学比作“理想实验室里的物理学”,而行为金融学,则是“真实世界里的心理学+经济学”。今天这第一讲,咱们就来拆解一下这两者的区别,以及我们这门课到底要干什么。

1.1 传统金融学 vs 行为金融学:一场“理性人”的祛魅

传统金融学的核心,说白了就是三个字:理性人

它假设所有投资者都是理性的,能获取所有信息,并且能瞬间做出最优决策。基于这个假设,衍生出了有效市场假说(EMH)、资本资产定价模型(CAPM)、现代投资组合理论(MPT)等一系列经典理论。

但我在项目中遇到过太多“打脸”的案例了。比如2015年股灾,很多股票的基本面一夜之间没变,但价格却腰斩再腰斩。按照有效市场理论,这根本解释不通。为什么?因为市场里不是只有理性的“经济人”,还有大量被情绪、认知偏差驱动的“真实人”。

行为金融学就是来补这个窟窿的。它承认:

  • 投资者是非理性的:我们会过度自信、会跟风、会恐惧、会贪婪。
  • 市场并非总是有效的:套利是有成本和风险的,错误定价可能长期存在。
  • 心理因素影响决策:同样的信息,在不同情绪下,做出的决策天差地别。

我给大家画个简单的对比图,一目了然:

传统金融学 • 核心假设:理性人 • 市场有效(EMH) • 价格反映所有信息 • 套利无风险 • 投资者同质预期 • 代表模型:CAPM、MPT • 适用场景:理想市场 行为金融学 • 核心假设:有限理性 • 市场存在异象 • 价格受情绪影响 • 套利有限制 • 投资者异质信念 • 代表模型:前景理论 • 适用场景:真实市场 补充 修正 行为金融学 = 传统金融学 + 心理学 + 社会学

看到了吧?行为金融学不是要推翻传统金融学,而是在它的基础上,加入了“人”这个变量。我经常跟团队说:传统金融学告诉你市场应该怎么走,行为金融学告诉你市场实际怎么走。

1.2 行为金融学的核心假设:我们到底错在哪?

行为金融学有几个核心假设,我挑三个最重要的跟大家聊聊。

假设一:有限理性

人不是超级计算机。我们的计算能力、信息处理能力、记忆力都是有限的。遇到复杂决策时,我们不会去算最优解,而是走捷径——用“启发式”思维。

举个例子:你看到一只股票连续涨了5天,你的第一反应是什么?是不是觉得它还会继续涨?这就是“可得性启发式”——因为最近的信息最容易想起来,所以你觉得它代表了未来。我曾经就因为这种思维,在2017年追高了一只区块链概念股,结果...嗯,你们懂的。

假设二:非标准偏好

传统金融学假设人都是风险厌恶的,但现实中呢?

  • 面对确定的收益,我们倾向于落袋为安(风险厌恶)
  • 面对确定的损失,我们却倾向于赌一把(风险寻求)

这就是前景理论的核心发现。说白了,亏100块的痛苦,比赚100块的快乐要强烈得多。我做过一个实验:给交易员两个选择,A是确定赚5000,B是80%概率赚7000、20%概率赚0。结果大部分人选了A。但换成损失场景,大部分人却选了赌一把。这就是人性。

假设三:系统性认知偏差

我们的错误不是随机的,而是有规律的。比如:

  • 过度自信:80%的司机认为自己的驾驶技术高于平均水平。在交易中,这表现为过度交易。
  • 确认偏误:我们只愿意看到支持自己观点的信息。买了某只股票后,你会不自觉地找各种利好新闻。
  • 锚定效应:第一印象或初始价格会成为后续判断的“锚”。比如某股票从100跌到50,你觉得便宜;但如果它从20涨到50,你又觉得贵了。
💡 核心要点: 行为金融学的三大假设——有限理性、非标准偏好、系统性偏差——构成了我们整个课程的理论基石。后面每一章,我们都会围绕这些假设,设计具体的策略并进行回测验证。

1.3 课程概览:我们要学什么?

这门课不是纯理论课。我把它定位为“实战派的行为金融学”。我们会把每一个行为偏差,都转化成可量化的交易策略,然后用历史数据去回测,看看它到底能不能赚钱。

整个课程的结构,我设计成了这样:

课程知识体系结构 理论基础(第1-2章) 核心行为偏差解析(第3-6章) 行为金融策略构建(第7-10章) 回测框架与绩效评价(第11-14章) 实战案例与总结(第15章) 理论 认知 策略 验证 实战

具体来说,我们会覆盖以下内容:

章节 核心内容 你将学会
第1章 导论与基础 行为金融学与传统金融学的区别
第2-6章 核心偏差详解 过度自信、损失厌恶、锚定效应、羊群效应等
第7-10章 策略设计 如何利用偏差构建交易策略
第11-14章 回测与评价 Python回测框架、绩效指标、过拟合防范
第15章 综合实战 完整策略从设计到评价的全流程
📌 学习建议: 我建议你每学完一个偏差,就立刻去思考:这个偏差在市场上会怎么体现?能不能用数据验证?带着问题去学,效果会好很多。

1.4 学习目标:学完这门课你能做什么?

我不喜欢画大饼。咱们直接说能落地的:

  1. 识别市场中的行为偏差:你能一眼看出哪些市场异象是由投资者非理性造成的。
  2. 设计行为金融策略:把偏差转化为具体的买入/卖出规则,比如“利用过度反应做反转策略”。
  3. 搭建回测系统:用Python实现策略的历史回测,计算夏普比率、最大回撤、胜率等关键指标。
  4. 评价策略有效性:区分真正的alpha和过拟合的噪音,避免“回测猛如虎,实盘亏成狗”。
  5. 构建投资组合:将多个行为金融策略组合,降低风险,提升收益稳定性。
⚠️ 避坑指南: 我曾经犯过一个错误——把回测做得太漂亮,结果实盘一跑就崩。后来才发现,是策略里隐含了“未来信息”。所以这门课里,我会专门花一章讲“回测中的常见陷阱”,帮大家避开这些坑。

好了,第一讲就到这里。记住一句话:市场是人性的放大器,理解人性,才能理解市场。 下一讲,我们会深入探讨第一个核心偏差——过度自信,看看它如何让交易员频繁交易、亏损累累。


专注资料整理