1. 行为金融学基础：传统金融学困境、行为金融学起源、前景理论、心理账户、过度自信与代表性偏差
1.1 传统金融学的困境——市场真的有效吗？
做量化这些年，我经常被问到同一个问题：「市场到底有没有规律？」
传统金融学给出的答案很干脆——市场是有效的。有效市场假说（EMH）认为，所有信息都已经反映在价格里了。你不可能通过分析历史数据来预测未来。说白了，就是「别费劲了，买指数基金吧」。
但我自己在实盘交易中，遇到过太多反常现象。比如某只股票财报明明很差，股价却连续涨停。又比如大盘暴跌时，某些垃圾股反而被炒上天。这些现象，有效市场理论解释不了。
为什么会这样？因为传统金融学假设所有人都是理性的。这个假设，嗯，有点太理想了。
核心矛盾：如果市场真的有效，那就不存在超额收益。但现实中，量化策略、对冲基金、高频交易都在赚钱。这说明市场存在「可被利用的规律」。
我刚开始做量化时，也迷信过有效市场。直到有一次，我回测了一个简单的动量策略——买入过去3个月涨幅最大的股票。结果年化收益超过20%。我当时就懵了：如果市场有效，这个策略凭什么赚钱？
后来我明白了：市场不是无效，而是「非完全有效」。人的非理性行为，才是超额收益的真正来源。
1.2 行为金融学的起源——从实验室到交易台
行为金融学，说白了就是把心理学和经济学结合起来。它研究的是：真实的人（而不是理性机器人）在金融市场里会怎么决策。
这个领域的奠基人是两位心理学家——丹尼尔·卡尼曼和阿莫斯·特沃斯基。他们在1970年代做了一系列实验，发现人的决策系统存在系统性偏差。卡尼曼后来因此拿了诺贝尔经济学奖。
我记得第一次读他们的论文时，有种「被雷劈中」的感觉。原来我自己的交易决策，也充满了这些偏差。比如我经常在亏损时死扛，在盈利时早早卖出——这不就是「处置效应」吗？
行为金融学有几个核心发现：
- 人不是完全理性的——认知资源有限，决策依赖「启发式」
- 情绪影响决策——恐惧和贪婪会扭曲判断
- 社会影响存在——羊群效应、从众心理
这些发现，直接挑战了传统金融学的根基。如果人不是理性的，那有效市场假说就站不住脚了。
1.3 前景理论——为什么亏损比盈利更痛？
前景理论是行为金融学的核心理论之一。它解释了人在不确定条件下的决策方式。
传统经济学认为，人追求「期望效用最大化」。但前景理论发现，人其实更在意「相对于参考点的变化」。说白了，就是「赚100块的快乐，抵不上亏100块的痛苦」。
具体来说，前景理论有三个关键特征：
| 特征 | 描述 | 量化含义 |
|---|---|---|
| 损失厌恶 | 亏损带来的痛苦，大约是同等盈利带来快乐的2倍 | 投资者倾向于过早卖出盈利股，死扛亏损股 |
| 参考点依赖 | 决策取决于「相对于某个基准」的变化 | 买入成本价就是最常见的参考点 |
| 敏感性递减 | 离参考点越远，边际变化越不敏感 | 亏损10%和亏损20%的恐惧感差异不大 |
我在项目中遇到过这样一个案例：某只股票从100元跌到80元，客户死活不肯止损。后来跌到60元，他反而开始加仓。这就是典型的「损失厌恶+参考点依赖」——他始终以100元为锚，觉得「只要没卖就不算亏」。
量化应用：我们可以用前景理论构建「处置效应因子」。具体做法是：计算每只股票中，处于亏损状态的投资者比例。比例越高，未来下跌概率越大。因为这些人迟早会扛不住卖出。
1.4 心理账户——钱和钱不一样
心理账户这个概念，我特别喜欢。它说的是：人会把钱分到不同的「心理账户」里，每个账户的决策规则都不一样。
举个例子：你工资赚了1000块，会精打细算。但如果你打麻将赢了1000块，可能随手就花掉了。为什么？因为「工资账户」和「意外之财账户」的规则不同。
在股市里，心理账户的表现更明显：
- 本金账户——亏了会非常痛苦，倾向于保守操作
- 盈利账户——用赚来的钱交易，风险偏好明显提高
- 分红账户——把分红当成「免费的钱」，容易乱花
我曾经犯过一个错误：某只股票赚了50%，我把它卖了。然后用这笔盈利去追高一只妖股。结果妖股暴跌，把之前的盈利全吐回去了。事后反思，这就是典型的「盈利账户效应」——觉得反正是赚来的钱，亏了也不心疼。
避坑指南：心理账户会导致「风险错配」。盈利时过度冒险，亏损时过度保守。量化策略中，可以通过「统一资金管理」来规避这个问题——所有资金都按同一套规则管理，不分什么「盈利账户」。
1.5 过度自信——为什么大多数人觉得自己比平均水平强？
过度自信，可能是行为金融学里最「致命」的偏差。我自己就深受其害。
研究表明，超过80%的投资者认为自己的交易能力「高于平均水平」。但数学上，这不可能。你想想看，如果80%的人都高于平均，那平均是谁？
过度自信在交易中的表现：
- 交易频率过高——觉得自己能精准择时，结果手续费都亏没了
- 仓位过重——对某个判断过于自信，一把梭哈
- 忽视风险——只看到收益，看不到亏损的可能
我记得刚入行时，有个前辈跟我说：「你觉得自己能战胜市场？先活过三年再说。」我当时不服气。结果第一年就亏了30%。嗯，过度自信的学费，我交得够多了。
量化上，我们可以用「换手率」来间接衡量过度自信。换手率越高的投资者，通常越过度自信。而过度自信的群体，往往跑输市场。
1.6 代表性偏差——用「像」代替「是」
代表性偏差，说的是人容易根据「表面相似性」来做判断，而不是基于真实的概率。
举个例子：你看到一只股票连续涨了5天，就觉得它「像」一只牛股，于是追进去。但连续涨5天，可能只是随机波动。这就是代表性偏差——用「像」代替了「是」。
在量化因子开发中，代表性偏差特别常见：
- 好公司 = 好股票？——不一定。好公司的股价可能已经太贵了
- 连续涨停 = 还会涨？——不一定。可能是游资炒作，随时会崩
- 分析师推荐 = 靠谱？——不一定。分析师也有自己的利益考量
我开发过一个「代表性偏差因子」：计算股票近期走势与历史牛股形态的相似度。相似度越高，未来下跌概率越大。因为追涨的人太多，已经把价格推高了。
核心逻辑：代表性偏差导致「过度外推」。投资者看到过去涨，就认为未来也会涨。但均值回归才是市场的常态。
知识体系总览
下面这张图，把本章的核心逻辑串起来了。你可以看到，传统金融学的困境如何催生了行为金融学，而行为金融学的几个核心概念，又是如何指导我们开发量化因子的。
这张图展示了从传统金融学困境到行为金融学核心概念，再到量化因子开发的完整路径。你可以看到，每个行为偏差都对应着一种可量化的市场异象。我们的任务，就是把这些异象变成可交易的因子。
实战建议：刚开始做行为金融量化时，不要贪多。先选一个偏差（比如损失厌恶），构建一个简单的因子，回测看看效果。我个人的经验是：一个因子如果能解释5%以上的超额收益，就已经很了不起了。
好了，这一章的内容就到这里。记住：市场不是理性的，但我们可以用理性的方法，去利用市场的非理性。