编译|编辑| |通过
随着互联网的普及，股票交易变得越来越方便，用于投资决策的各种信息变得尤为重要。当信息集更丰富，信息质量更高时，判断会更准确。可以说，信息的数量和质量共同决定了投资者的收益。
然而，对于仅仅是形式变化的信息，我们会有不同的反应吗？
以一个图像为例。这就好比我们打开股票交易软件，看到的是一幅“红绿绿的景象”。不同的颜色使股票的盈亏在视觉上更加突出。
这种属性在学术界被定义为“突出”，它有多种表现形式。粗略来说，在我们所拥有的信息集中，部分信息变得更明显，因此我们获得更多的关注。在有限注意的设定下，“突出”的影响可以解释为一种行为偏差。南加州大学马歇尔分校教授卡里·弗莱德曼(Cary Frydman)和佛罗里达大学沃灵顿商学院助理教授王宝莲(Wang Baolian)于2020年2月在顶级《金融杂志》上发表了论文《显著性对投资者行为的影响:来自自然实验的证据》。本文利用账户层面的交易数据，通过自然实验的方法，发现“显著性”冲击会影响投资者的行为，具体来说，会导致处置效应增加17%。
在大多数情况下，个人投资者或机构投资者更倾向于参考过去的业绩，卖出已经盈利的证券，继续持有亏损的证券。
这种现象被称为处置效应(disposition effect)，即投资者在处置股票时，倾向于卖出盈利的股票，而持续亏损的股票。
作者介绍:01研究背景在实证研究中，不清楚信息的显示方式是否会对交易决策产生重大影响。
一方面，信息展示方式的变化总是伴随着信息本身的变化；另一方面，可能存在未被观察到的冲击，影响信息显示的方式和投资者的交易行为。这些都给因果关系的认定带来了很大的挑战。
本文结合一家中国证券公司的微观数据和一个自然实验来估计信息显示方式的变化对个人投资者交易决策的因果影响。具体来说，作者通过使股票资本收益在投资者的在线交易屏幕上更加“突出”来研究处置效应的变化。
这种操作不改变投资者的信息集，因此可以用来识别因果关系。研究发现，在“突出”冲击之后，投资者的处置效应会明显增加。
02数据和实验设计一个
数据和背景本文的数据来源于我国某证券公司的一个分支机构，主要由三个文档组成:交易文档、持仓文档和投资者特征统计文档。样本期为2003年1月至2009年12月。交易档案提供“账户-日期-股票”级别的数据，包含交易时间、股票报价、买卖指标、交易价格、交易方式、佣金等信息。其中一个关键变量是交易方式。
投资者可以通过网络、电话或亲自到这家分行进行交易。他们通常在住所附近开户。如果他们想在另一个城市交易，他们通常通过电话或互联网进行。
2004年十月
该机构改变了客户投资组合信息的在线显示模式。2004年10月前
投资者登录网上交易平台，会看到股票持仓信息，包括股票名称、代码、持股数量、现价等。2004年10月1日该平台增加了五个与资本收益相关的变量。除了这些变量，字体颜色也发生了变化。2004年10月前每个位置的字体为蓝色，改变后上升位置显示为红色，下降位置显示为蓝色。下图为信息显示变更前后的交易画面。这种变化在本文中被定义为“显著影响”，重点是对屏幕上“资本利得”相关变量的补充。在受到影响之前和之后，每个投资者都可以访问他的交易历史和他的股票的当前价格，这足以计算主页上添加的五个变量。因此，信息显示方式的改变使这些变量更容易处理，但不会影响其信息内容，因此不会受到“信息冲击”的影响。
2
实验组和对照组本文中的实验组和对照组取决于投资者是否通过互联网进行网上交易。
「网上投资者」是指在2004年10月前透过互联网发出至少一份订单的投资者；
而“非互联网投资者”是指在2004年10月之前从未进行过网上交易的投资者。
下表显示，在实验组中，约三分之二的人完全通过互联网下单，三分之一的人同时使用互联网和其他方式。
在非互联网投资者中，大多数投资者即使在受到冲击后也不使用互联网进行交易。具体来说，在非互联网投资者中，只有9.2%的后期交易通过互联网进行。
下表提供了两组投资者特征的汇总统计。表格显示，这两个群体之间存在明显的差异，互联网投资者持有的投资组合更大，股票更多。互联网投资者交易更频繁，年龄也更大。在主要结果中，作者将匹配这些变量来控制这些差异。
03
主要结果一个双重差分法首先，本文用差分法估计了信息显示方式的变化对投资者处置效应的影响:
其中I、J和T分别代表投资者、股票和日期。如果投资者I在T日部分或全部卖出股票J，则= 1；如果投资者I在T日对股票J有盈利，那么gain = 1；如果t日在2004年9月30日之后，post = 1；
5反映了“突出休克”的因果效应。上表分别报告了互联网、非互联网和所有投资者的预估结果。两组的β1均呈显著正相关，表明在撞击前，两组均表现出显著的处置效应。此外，互联网投资者的β3显著为正，而非互联网投资者的β3不显著，这表明互联网投资者在冲击后的处置效应显著增加，而非互联网投资者则没有。
最后一栏的β5为0.85，说明互联网投资者的处置效应比震荡前增加了17.5%，经济意义巨大。添加控制变量或匹配后，上述结果仍然成立。
2
平行趋势和安慰剂试验接下来，作者进行平行趋势检验:
虽然上图显示平行趋势基本满足，但是可以看出对照组的处置效果有所下降，这就引发了一个担忧，在信息显示方式改变的同时，可能还存在其他未观察到的对两组处置效果的影响。为了解决这个问题，作者从其他分支机构获得了数据。许多测验表明，除实验组外，其他机构的控制组和实验组的处置效应在2004年第三季度后都有所下降，这证实了“突出”休克的作用。
三个人水平结果上述结果表明，经过“突出”冲击后，互联网投资者的交易行为发生了显著变化。然而，这一结果可能是由少数拥有大量投资组合的投资者推动的。
例如，如果投资者A在T日持有10只股票，而投资者B在T日持有2只股票，那么投资者A在股票日的观察次数将是投资者A的5倍，投资者A在估计平均处置效果时的权重将更大。因此，作者检验了主要结果在个体水平上是否稳健。
其中p∈{pre，post}。首先，根据上述公式得出冲击前后各投资者的处置效应程度。下图显示了几个直观的结果:
数据集中在第一象限，说明大部分投资者在前期和后期都表现出了积极的处置效应。
这两个变量之间有很强的正相关关系，这表明处置效应是一种持续的行为。
此外，本文将处置效应的估计值作为回归的因变量:
结果表明θ2显著为正，表明上一节的主要结果是稳健的。
04
机理分析一个排名效应上述结果表明，投资者对“显著性”冲击的反应具有显著的异质性。本文继续讨论“排名效应”对这种异质性的解释作用。“排名效应”指的是一种交易偏差。具体来说，按照持有期收益率排序，投资者更倾向于卖出业绩最好和业绩最差的股票。过去，文献认为“排名效应”是由突出性和投资者成熟度驱动的。这两种机制也是本文发现的结果的主要解释。为了探究它们之间的联系，本文做了如下回归:
如果在T日，股票J在投资者I的投资组合中的回报率最高或最低，那么jy=1。
如果δ显著大于零，投资者存在排名效应。论文排名效应低于4.976%的投资者归为低排名效应组；其余的被归类为高级效果组。高排名效应组的投资者可以解释为不成熟交易者，他们对信息显著性的变化更敏感。
因此，本文推测，与低排名效应组的投资者相比，高排名效应组的投资者在“突出”冲击后会表现出更大的处置效应变化。下表中的三重相互作用项目是显著阳性的，以证实这一猜测。
2
机理分析虽然数据结果显示了因果关系，但作者无法确定结果的机制。因此，本文件的最后一部分讨论了几个可供考虑的潜在机制:
注意力分布:在本文的设定中，资本利得在视觉上变得更加突出，可能会导致投资者在交易屏幕上的注意力转移到这部分。投资者在决策过程中对资本收益的关注程度越高，交易行为的不对称性就越大。
投资者将信息显示的变化视为券商的建议:这种机制更适合不成熟的投资者，他们可能会寻求如何最好地管理投资组合的信息。
受限或搜索成本:虽然在信息展示方式改变之前可以获得资本利得信息，但是为了获得这些信息，投资者需要搜索和整合多个信息源，这个过程是有成本的。信息的变化可以说是降低了搜索成本，所以可能会影响交易行为。
05结论
本文考察了信息的显示方式是否会对投资者的行为产生影响。根据中国投资者的账户交易数据和一个自然实验的设置，采用双差法，发现“显著性”冲击会导致处置效应增加17%。同时，微观数据显示，投资者对这种冲击的反应是异质性的，而这种异质性与“排名效应”有关。
