统金融理论在“理性人”的假设前提下，提出了市场有效性理论，认为市场能对信息作出迅速和正确的反应。迅速表明迟一些获得信息的人将无法获得利润，正确表明投资者对价格的反应总是正确的，不会有过度反应或反应不足。在这个假设下，资产价格趋势是不可预测的。因此，在一个有效市场，如果没有内幕消息便无法战胜市场。在此假说下，催生了指数基金。Fama 对投资者的建议就是买入股票后长期持有，注意分散投资，把资金投入指数基金。投资者只需要控制一件事，即尽量降低交易成本。在有效市场中，投资者应选择消极的“被动投资策略”。
随着人们发现市场中的短期报酬、长期报酬、周期报酬等异常现象，特别是 80 年代后期兴起的行为金融理论的发展，市场有效性受到极大的挑战。行为金融理论本着市场的复杂性，结合心理学，将市场建立在投资者的真实行为之上，并不定义理性行为或认为某些行为是不正常的，而尝试去理解和预测投资者心理决策过程在金融市场中的反应。该理论认为决策过程中，经验法则偏误（heuristic-driven bias，即投资者决策的内在驱动因素，是指人们在探索自身以外的事物过程中，常常采用试错法，并以此形成的错误行为准则）、情境相依（frame dependence，即投资者决策的外在驱动因素，是指面对不同的情境投资者会采取不同决策）对投资者都会造成很大影响。由于投资者的认知偏误、信息的不完全对称和套利有限性导致市场价格的反应并不是有效的，存在着反应不足和过度反应，报酬具有可预测性。所以行为金融理论给投资者的建议是，你也许可能战胜市场，积极的投资策略可能会得到更高的收益。
1 动量投资策略和逆向投资策略与行为金融理论
1.1 动量策略的理论基础
动量投资策略和逆向投资策略主要是建立在反应不足和过度反应的基础上的。反应不足是指投资者对新信息的重视程度较低，资产价格在新的信息刚出现时波动平平，而较大的波动却在信息出现过后一段时期发生，它是动量投资策略的主要理论依据。
投资者对信息的反应时滞，导致我们经常观察到过去一段时间收益较高的资产在未来上涨的可能性较大；收益较低的资产下跌的可能性较大，通俗地讲，就是出现了“追涨杀跌”，投资者认为强者恒强，前面的趋势会在短期延续，由此可以采用“趋势跟踪”策略。
1.2 逆向投资策略的理论依据
过度反应是指在预测中，投资者过分的注重近期发生的信息，引起股价剧烈波动，超过其应有水平，而后又反向修正，会转到接近合理的估值水平，它是逆向投资策略的主要理论依据。
1.3 行为金融学的解释
从投资者的特征心理行为出发，行为金融在这方面主要有BSV（Barberis，Shleifer，and Vishny，1997）模型和 DHS（Daniel，Hirshleifer，and Subramanyam，1998）模型。
BSV 指出由于选择性偏差（representativeness，即人们试图将事件归类为已知类别中的某一典型类别（这也是机器学习的常用方法），对事件进行估计时，过分强调这种类别的重要性，而不顾其他潜在可能性）和保守性偏差（conservatism，即个体形成一种判断后，在新证据面前更新判断缓慢），投资者认为收益更可能是均值回归的，因为他们错误地认为收益的变化是暂时的，对其反应不足，当这种预期没有被后来的收益所证实时，资产价格价就显示出相对先前收益的延迟反应；当投资者认为收益的均值回归是不可能的，他们不正确地外推趋势判断，资产价格过度反应，使将来的收益提前在价格中体现，导致收益向均值回归。
DHS模型将投资者分为没有认知偏误的无信息投资者和有认知偏误的信息投资者。资产价格由信息投资者决定，他们受制于过度自信（overconfidence，即人们对自己知识和能力形成判断的过分相信）和自我归因（Biased self-attribution，即投资者对合乎私人信息的公开信息会加剧过度自信，对不合乎私人信息的公开信息则会选择性忽略）。前一种偏差夸大了私人信息在资产定价上的准确性，引起价格反应过度。后一种偏差低估了能影响资产价格的公开信息，尤其是当公开信息与私人信息发生冲突时，导致反应不足。对私人信息的反应过度和对公开信息的反应不足往往产生短期资产价格产生趋势运动，但当公开信息最终压倒认知偏误时就出现资产价格的反转。
从整个市场来考察，其中的投资者由于自身的“效仿倾向”和其他投资者的“群体压力”，其行为具有复杂性，投资者的行为具有相互的作用。特别是市场中的某种行为大到一定程度时，会影响和支配其他投资者（例如通过各种媒体），出现所谓的“羊群效应”。这就像激光器中的受激光电子的共振一样，因此市场具有协同效应会对投资者行为起到放大和加强作用，个别投资者的反应不足和过度反应可能会导致整个市场反应不足和过度反应。
因为不同资产类别的投资者构成也有差异，投资者也不妨利用真格量化等工具研究，观察价格反应不足或反应过度的现象在不同品种上是否也存在差别，来挑选最适合自己策略的品种。
— — — — — — E N D — — — — — —
真格量化可访问：
.cn
真格量化微信公众号，长按关注：
遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887
往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介
如何用撤单函数改进套利成交
Deque提高处理队列效率
策略编程选Python还是C++
如何用Python继承机制节约代码量
十大机器学习算法
如何调用策略附件数据
如何使用智能单
如何扫描全市场跨月价差
如何筛选策略最适合的品种
活用订单类型规避频繁撤单风险
真格量化回测撮合机制简介
如何调用外部数据
如何处理回测与实盘差别
如何利用趋势必然终结获利
常见量化策略介绍
期权交易“七宗罪”
波动率交易介绍
推高波动率的因素
波动率的预测之道
趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学
AI技术在金融行业的应用
如何避免模型过拟合
低延迟交易介绍
架构设计中的编程范式
交易所视角下的套利指令撮合
距离概念与特征识别
气象风险与天气衍生品
设计量化策略的七个“大坑”
云计算在金融行业的应用
机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍
TensorFlow中的Tensor是什么？
机器学习的经验之谈
用yfinance调用雅虎财经数据
容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘
一个Call搅动市场？让我们温习一下波动率策略
如何用真格量化设计持仓排名跟踪策略
还不理解真格量化API设计？我们不妨参考一下CTP平台
理解同步、异步、阻塞与非阻塞
隐波相关系数和偏度——高维风险的守望者
Delta中性还不够？——看看如何设计Gamma中性期权策略
Python的多线程和多进程——从一个爬虫任务谈起
线程与进程的区别
皮尔逊相关系数与历史K线匹配
Python2和Python3的兼容写法
Python代码优化技巧
理解Python的上下文管理器
如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标
看看如何定位Python程序性能瓶颈
什么是Python的GIL
投资研究中的大数据分析趋势及应用
理解CTP中的回调函数
如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类
Python编码的最佳实践总结
什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比
期权用于套期保值和无风险套利
隐含波动率对期权策略的影响
卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介
精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么
是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍
Python的异常处理技巧
Python中的阻塞、异步与协程
"香草"之外的更多选择——几种常见的路径依赖奇异期权
什么是CTP？——了解上期所CTP快速交易系统
了解季节性——以谷物和油籽为例
是前因还是后果?——在真格量化中进行格兰杰因果检验
Python导入模块的技巧
Python程序员常犯的十个错误
搜索数据泄露天机？——舆情指数与期货行情关联性分析思路
机器学习常见算法分类汇总
如何使用Data Pipeline 自动化数据处理工作？
CTP API的委托介绍和在真格量化中的订单流控制
高频交易对市场的影响
期货行情及其组织形式——以上期所为例
理解并行与并发
郑商所和大商所套利指令及在真格量化的实现
机器学习用于金融市场预测面临的挑战
高频交易中风险控制的常用措施
查询结果偏离预期？来了解CTP的报单函数及委托状态查询
Python中的ftplib模块
理解真格量化的Python编程范式
需要处理大量市场数据？来了解一下MySQL、HBase、ES的特点和应用场景
NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
Python中的scikit-learn机器学习功能库
什么是程序设计中的高内聚、低耦合？
Python的内存管理与垃圾回收机制
云服务中的容器技术
什么是“面向对象”程序设计-以Python为例
波动率介绍及其在资产定价中的应用
发现策略中的孪生兄弟——期权交易中的等价或相似策略解析
如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管
报价驱动制度与指令驱动制度比较
