11b，其中包括14名受试者（见图10b），他们在第二轮中将交易量保持在最低水平，并将回报最大化。相反，图11a中的6号集群由2名交易员组成（见图10a），他们的平均交易活动非常高，因此最终财富较低。4.2风险态度和活动率为了测量受试者的风险厌恶，我们使用了霍尔特和劳里（2002）的配对彩票选择工具。霍尔特-劳里配对彩票选择任务是一项常用的个人决策实验，用于测量个人风险态度。第二个实验任务没有提前宣布；受试者被告知，如果他们愿意，他们可以参加第二个实验，该实验将持续额外的10-15分钟，他们可以获得额外的金钱报酬。所有受试者都同意参加第二个实验。在这项任务中，受试者在奖金差异较大的彩票（选项B）和差异较小的彩票（选项a）之间进行选择。正如Holt和Laury（2002）所述，我们使用B-选择（“风险”选择）的相对频率作为风险偏好的衡量标准。此外，为了使受试者在交易期间的平均收入与受试者面临的风险相当，并评估受试者的风险态度是否取决于所涉及的财富水平，我们引出了受试者对两种彩票的选择，相当于Holt和Laury（2002）在其基线治疗中的剂量的两倍（2×）和十倍（10×）。受试者事先被告知，他们将掷骰子，以确定这两种彩票中的哪一种将决定他们从这项额外实验任务中获得的报酬。附录C包括霍尔特-劳里配对彩票选择实验的说明。无花果。

12我们根据受试者的风险厌恶程度显示了受试者的分布，包括2倍和10倍彩票。蓝色垂直线显示了风险中性主体的位置，仅基于预期的薪酬差异。事实上，大多数受试者——76%的低薪彩票和89%的高薪彩票受试者——的“安全”a-选择数大于4，这表明，总体而言，我们实验的参与者是厌恶的。此外，如果我们比较红色和绿色这两条曲线，我们会发现，当彩票报酬较高时，受试者倾向于更安全的选择，这表明我们人群的风险厌恶不仅取决于报酬水平，而且随着报酬水平的增加而增加。韦尔奇双样本t检验证实了这一点，该检验表明，低薪酬和高薪酬的平均风险规避值在统计学上存在差异，P值为1.5 10-6.我们还估计了功率效用函数inEq的参数。（5） 使用我们的主题库中的彩票选项。正如Holt和Laury（2002）所述，我们发现了增加相对风险规避和减少绝对风险规避的证据，即对参数α和r的正估计。关于估计过程的详细信息从我们的数据集中删除了受试者在之前为较低的薪酬优势选择了风险选项后选择安全彩票的情况。●●●●●●●●●●●●●●●●●●●●0.000.250.500.751.000 1 2 3 4 6 7 8 9 10风险规避CDF●●低薪-高薪-图12：风险规避累积分布函数。x轴显示配对彩票中A选项（“安全选项”）的数量。这一水平越高，代理人越厌恶风险。

蓝色垂直线显示了风险中性主体的位置。结果见附录B。我们现在将二元彩票选择引发的个人风险态度与交易行为联系起来。先前关于引发的风险态度和总体市场行为之间关系的实验研究（Robin等人，2012年；Fellner和Maciejovsky，2007年）表明，风险厌恶程度越高，观察到的市场活动越低。另一方面，Michailova（2010）发现配对二元彩票中的安全选择数量对交易频率没有显著影响。图13显示了第一轮和第二轮中不同风险态度的平均活动率和最终财富水平。我们的结果清楚地表明，无论是在第一轮（红色和橙色）还是第二轮（绿色和蓝色），随着风险规避水平的提高，活动率降低，最终财富增加。换句话说，在我们的实验中，风险偏好是过度交易的一个重要决定因素。

我们的发现与经验证据一致，表明喜欢冒险、过度投资的个人更愿意投资股票（Keller和Siegrist，2006）和从事投机活动（Odean和Barber，2011；Camacho Cuena等人，2012）。●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●0.00.20.40.60 1 2 3 4 6 7 8 9 10风险规避活动率●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●501001502002500 1 2 3 4 5 6 7 8 10风险规避最终财富●●●●第一节课，高薪-第1次非抽签，低工资-第二节课时休息，高薪-第二节休息，低工资-非彩票（a）●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●0.00.20.40 1 2 3 4 5 6 7 8 9 10风险规避率●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●501001502002500 1 2 3 4 5 6 7 8 10风险规避最终财富●●●●第一节课，高薪-第1次非抽签，低工资-第二节课时休息，高薪-第二节休息，低工资-非彩票（b）图13：风险态度、交易活动和最终财富。图（a）显示了每个风险规避水平的平均活动率和最终财富。图（b）显示了平均活动率和最终财富对风险规避的95%置信区间的线性回归。显然，风险厌恶程度越高的人交易越少，最终拥有的财富也越高。4.3价格预测和交易行为受试者在整个实验过程中输入他们的价格预测，这一事实让我们得以了解他们的心境。事实上，交易只反映交易者在活跃时的心理状态（即价格预期）的顺序。但交易者（无论是在现实生活中还是在实验中）实际上大部分时间都不活跃。因此，单凭交易不太可能解释为什么贸易商不活跃。

由于我们既有交易，也有受试者的价格预期，因此我们能够给出价格预期导致的活动和不活动的一致画面。在这两个市场环节中，受试者在大约7%的时间内没有输入任何信息，因为价格预测不是一项强制性活动（尽管在金钱上受到激励）；在下文中，我们将分析局限于报告预测的受试者。讨论的重点是预测对数收益，即根据受试者i的价格预测bpi（t+1），我们计算所有受试者的预测对数收益bri（t+1）=log[bpi（t+1）/p（t）]。第一个市场时段的平均预测为-0.01和+0.02，即与平均回报率m=2%的交易不活跃完全一致。第一轮预测收益率为54%，第二轮为58%。图14显示了两次运行以及正负回报预期的完整经验累积分布函数-4-2 0 25e-05 5e-04 5e-03 5e-02 5e-01收益预测日志10（r 0.001）ecdf（r）运行图14：第一和第二阶段负（左）和正（右）预期价格收益的互惠经验累积分布函数（分别为黑线和红线）。基线收益率分布以虚线绘制。

r=0时的跳跃表示正预测和负预测的相应分数。每个正分布和负分布的起点代表正预期和负预期的分数，因此第二个交易日r=0时的较高跳跃反映了正预期收益分数的增加。然后，我们检查正预期收益和负预期收益的分布如何与基准收益分布相关，基准收益分布由学生噪声项sηt价格更新规则确定。基线收益率分布用虚线表示。14; 后者与预期收益的经验分布之间的比较提供了关于代理人使用的过去收益推断规则类型的第一条线索。借助中心极限定理，Student t分布变量（如噪声ηt）的渐近幂律尾在求和时不变。这意味着线性期望产生具有相同指数的幂律的期望分布。另一方面，恐慌或欣快感可能会导致非线性外推，因此可能会改变这些分布的尾部指数，甚至是尾部的性质。最明显的发现是，当两个序列的经验分布函数都高于基线信号时，试剂的作用增加了基线信号的波动性（虚线）。积极预期的噪声放大在两个序列中几乎相同，而消极预期的噪声放大在两个序列之间存在显著差异，因为在第一个序列中，消极预期的规模要大得多。

我们使用了稳健的幂律尾拟合（Clausette等人，2009年；Gillespie，2015年），并确定了幂律尾的最可能起点和指数α（见表1）。非常值得注意的是，正尾部和负尾部的参数在两次运行之间简单地交换：因此，不仅负面预期的规模发生了变化，而且最大正面和负面预期的性质也发生了变化。fitted tail index离3不远，这是学生噪声中的一个，再次表明没有不稳定的反馈回路。rminα运行1 r<0.21 3.5运行2 r>0.10 2.7运行1 r<0.13 2.6运行2 r>0.18 3.5表1：收益预期幂律部分的拟合；Rmin表示幂律的最可能起始点。受试者有重尾预测的事实表明，他们通过从过去的回报中学习来形成预测，因为学生的t分布噪声，这些回报确实包含重尾。因此，我们假设预期收益和过去收益之间存在某种关系。这符合关于真实投资者的最为公认的事实，即他们交易的反转性质：他们在给定时期内的净投资与过去的价格回报呈负相关（Jackson，2003年；Kaniel等人，2008年；Grinblatt and Keloharju，2000年；Challet and de Lachapelle，2013年）。此外，之前的实验（Hommes等人，2005年）已经证明，使用过去收益率的四类简单线性预测值通常足以重现观察到的价格动态。基于上述考虑因素，我们首先使用线性模型对每个主体的回报预测。br（t+1）=ω+ωr（t），（7）式中ω和ω∈ R.对每个交易者、每个交易日和每个可能的行动分别进行价格回报预测。我们同时计算ω和ω。秒。4.3.1讨论ω的结果，而秒。

4.3.2致力于ω。幂律的参数rmin和α不能与等式（5）中的幂函数的参数混淆。4.3.1平均预测（ω）为了给出交易者在市场上的运动情况，我们根据受试者的行为有条件地计算回报预期。有四种可能的行为：购买、出售、持有股票和持有现金。图15报告了两个时段价格回报预测的条件分布。0369-0.2-0.1 0.0 0 0.1 0.2ω0密度购买留用（保留股份）留用（保留现金）出售051015-0.2-0.1 0.0 0 0.1 0.2ω0密度买入留守（保留股票）不买入（保留现金）卖出图15：四种决策类型的第一阶段（左图）和第二阶段（右图）的交易员平均收益预测ω的密度。虚线表示2%的基线回报率。这两个市场序列的结果在质量上是相同的：条件分布明显分开，如表1所示。2以下；两次运行之间的主要区别在于，在第二次运行中，人群中预期的差异被大大减少。ω、 第二轮出售持有现金持有股份购买1.5 10-八十三点九一零-三十一点二一零-5.销售3.8 10-五十八点二一零-5持有现金1.5 10-1ω，第二轮出售持有现金持有股份购买2.1 10-七十一点五一零-四十一点零一零-7.销售6.1 10-七十五点九一零-5持有现金6.6 10-表2：测试两个给定动作的受试者之间ω分布的差异。该表报告了每个可能的作用对的Mann-Whitney检验的p值。让我们把每一个可能的行动的结果细分如下：1。当受试者持有资产时，他们的预期与2%的基线回报率一致。当受试者持有现金时，他们的期望值显著降低（基本上是低的）。

然而，当受试者进行交易时，他们对下一次回报的预期与他们的行为是反相关的，也就是说，他们在预期负性价格回报时购买，反之亦然。因此，受试者的行为与他们的预期完全一致：当他们认为不值得投资时，他们不进行投资，当他们对未来收益有积极预期时，他们会保留自己的份额。相反，交易主体的行为符合“低买高卖”的策略。事实上，知道交易将以下一阶段实现的价格执行，受试者在预期负回报时提交购买订单，在预期正回报时提交销售订单。4.3.2预测和过去的价格回报（ω）我们发现，系数ω的重要性非常弱，它编码了过去回报对未来回报的线性外推。图16报告了两次运行中过去收益的影响系数的条件分布，而表16显示了过去收益的影响系数。3报告了所有受试者所有状态对之间的系数ω之间的Mann-Whitney检验的P值。ω、 第一轮出售持有现金持有股份购买9.6 10-二十二点三一零-五十八点八一零-10卖出3.7 10-二十一点七一零-4现金周转2.9 10-2ω，第二轮出售持有现金持有股份购买6.2 10-十七点六一零-十四点一一零-2销售5.6 10-十八点六一零-2.持有现金2.9 10-4表3：受试者之间ω分布差异的测试，条件是两个给定动作。该表报告了每个可能的作用对的Mann-Whitney检验的p值。该图显示，在第一轮交易中，当代理行不采取行动时，该系数为负，当代理行进行交易时，该系数为零。

第二步是不同的：系数01234-0.2-0.1 0.0 0.1 0.2ω1密度买入（保留股份）不买入（保留现金）卖出01234-0.2-0.1 0.0 0 0.1 0.2ω1密度买入（保留股票）不买入（保留现金）卖出图16：四种决策类型的第一阶段（左图）和第二阶段（右图）中交易员条件回报预测ω的密度。虚线垂直线指的是2%的基准收益率。似乎不太依赖ZF，唯一明显的区别是持有现金和持有股份。当我们根据受试者的行为来衡量平均预测回报时，这一系数的缺乏影响就得到了证实，这使得结果非常接近ω。5结论我们给出了一个交易实验的结果，在该实验中，定价函数有利于风险资产的投资，而没有后期交易。在我们的实验市场中，如果受试者都在第一阶段购买股票并持有到实验结束，他们几乎肯定会获得600%以上的收益。然而，等式4中定义的市场影响实际上是一种交易成本，决定了交易者的收益。我们的受试者都很清楚这种机制。尽管如此，当他们第一次参与实验时，他们的交易活动非常活跃，以至于他们的平均利润几乎为零。然而，当他们重复这个实验时，他们的表现要好得多，因为他们的平均收入为92%——这仍然远低于上述简单的风险中性理性策略的表现。因此，我们发现，与Odean（Odean，1999；Odean and Barber，2011）相呼应，投资者交易过多，即使在交易明显有害的环境下，买入并持有几乎是必然的赢家策略（与真实市场不同，没有什么比保证每个周期2%的平均回报率更好的了）。

我们的结果在现实世界中可能非常重要：在金融市场机制的调节下，没有根据的个人决定可能会导致集体福利的重大损失。在实验结束时，我们通过配对彩票选择a la Holt和Laury（2002）收集交易员风险态度的数据。我们观察到，总体而言，我们的受试者是风险厌恶者，他们的相对风险厌恶程度随着薪酬水平的增加而增加，在数量上与Holt和Laury（2002）报告的结果相似。然后，我们将个人风险态度与交易实验的结果联系起来，并观察到，随着受试者对风险的偏好，活动率增加，最终财富减少。此外，在每个时期，我们还要求受试者预测资产的下一个价格。这为我们提供了有关受控实验市场的额外信息，即我们不仅可以了解每个交易者的决策，还可以了解他们的预期。需要强调的是，这些信息在经纪人数据中是不可用的。事实上，与真实数据的实证分析相比，了解每个交易者每个决策背后的预期——包括什么都不做的决策——是实验室实验的优势之一。利用这些信息，我们在Sec确认。4.3我们实验中的交易员具有逆向性，这与过度交易模式一起，是真实金融市场中个体交易员的已知特征之一，如de Lachapelle and Challet（2010）和Challet and de Lachapelle（2013）所述。特别是，我们的主体似乎积极参与交易，试图“击败市场”，即。

试图通过在预期价格较低时购买资产，并在预期价格上涨时出售资产来获利。与真实金融市场的情况相反，我们没有观察到任何“杠杆效应”（即下跌后波动性增加）。尽管在本实验的所有环节中都存在明显的有害集体行为，但我们没有看到恐慌模式导致的销售订单的大崩盘或雪崩。正如我们在第二节中所讨论的。4.1.2实际上，交易者之间的协调性在买入时略强于卖出时，这导致了回报的正偏态。为了诱发车祸并研究其动力学，可以延长实验时间，同时减少每个决策的可用时间。前者会增加试验次数和风险金额，从而增加突发事件的概率，而后者则会导致受试者的压力水平升高，并增加对价格变动的敏感性。然而，我们认为，产生恐慌和羊群行为的更有效方法是降低“正常”波动水平，同时增加裸回报时间序列中的“跳跃”幅度。在目前的环境下，大的波动似乎不足以引发参与者的恐慌。另一个可能与金融市场的情况更接近的想法是，在价格较高时增加卖出订单的影响，减少买入订单的影响，模仿价格较高时买家更稀少的事实（在这一点上，请参见Donierand Bouchaud（2015b）关于比特币的最新结果）。这项实验的其他自然延伸将包括分数指令和对冲的可能性，以及卖空。

我们将这些扩展和额外的实验设计留给未来的研究。参考安德森，S.P.，德帕尔马，A.和蒂斯，J.F.（1992）。产品差异的离散选择理论。麻省理工学院出版社。Barber，B.M.，Lee，Y-T.，Liu，Y-J.，和Odean，T.（2009）。个人投资者在交易中损失了多少？金融研究回顾，22（2）：609-632。Barber，B.M.和Odean，T.（2000年）。交易对你的财富是有害的：个人投资者的commonstock投资表现。《金融杂志》，第773-806页。Barber，B.M.和Odean，T.（2008）。所有闪光点：关注和新闻对个人和机构投资者购买行为的影响。《金融研究回顾》，21（2）：785-818。Barber，B.M.和Odean，T.（2013）。个人投资者的行为。《金融经济学手册》，2:1533-1570。巴伯里斯，N.和泰勒，R.（2003）。行为金融调查。《金融经济学手册》，1:1053-1128。Bondt，W.F.和Thaler，R.（1985）。股市是否反应过度？《金融杂志》，40（3）：793-805。Bouchaud，J.-P.（2010）。价格影响。定量金融百科全书。Bouchaud，J.-P.（2013年）。危机和集体社会经济现象：简单模式和挑战。统计物理杂志，151（3-4）：567-606。Bouchaud，J.-P.，Farmer，J.D.，和Lillo，F.（2008）。市场如何慢慢消化供求变化。《市场如何慢慢消化供求变化》（2008年9月11日）。Bouchaud，J.-P.，Farmer，J.D.，和Lillo，F.（2009）。市场如何慢慢消化供求变化。第57-160页。Bouchaud，J.-P.，Matacz，A.，和Potters，M.（2001）。金融市场中的杠杆效应：延迟波动模型。物理回顾信，87（22）：228701。Bouchaud，J.-P.和Potters，M.（2003）。

金融风险和衍生产品定价理论：从统计物理到风险管理。剑桥大学出版社。Breaban，A.和Noussair，C.（2014年）。资产市场实验中的基本价值轨迹和交易特征。讨论论文，蒂尔堡大学经济研究中心。Caccioli，F.，Shrestha，M.，Moore，C.，和Farmer，J.D.（2014）。投资组合重叠导致金融传染的稳定性分析。《银行与金融杂志》，46:233–245。卡马乔·库埃纳，E.，雷查特，T.，和韦奇曼，I.（2012）。排污权交易下的投资激励：一项实验研究。环境与资源经济学，53（2）：229-249。Challet，D.和de Lachapelle，D.M.（2013年）。这是对投资者反行为的有力衡量。系统风险和网络动力学的经济物理学，第105-118页。斯普林格。Cipriani，M.和Guarino，A.（2014）。估计金融市场羊群行为的结构模型。《美国经济评论》，104（1）：224-51。克劳塞特，A.，沙利齐，C.R.，和纽曼，M.E.（2009）。经验数据中的幂律分布。《暹罗评论》，51（4）：661-703。Cont，R.和Wagalath，L.（2014年）。火爆销售取证：衡量内生风险。数学金融。Crockett，S.和Du Offy，J.（2013年）。资产定价实验的动态一般均衡方法。工作文件。de Lachapelle，D.M.和Challet，D.（2010）。真实交易者的营业额、账户价值和多样性：集体投资组合优化行为的证据。《新物理学杂志》，12（7）：075039。Donier，J.和Bouchaud，J.-P.（2015a）。从walras的拍卖师到连续时间双重拍卖：供需的一般动态理论。arXiv预印本XIV:1506.03758。Donier，J.和Bouchaud，J.-P.（2015b）。为什么市场会崩溃？比特币数据提供了前所未有的见解。Dufwenberg，M.，Lindqvist，T.，和Moore，E.（2005）。泡泡与体验：一个实验。

《美国经济评论》，第1731-1737页。埃夫隆，B.（1987）。更好的引导信任间隔。《美国统计协会杂志》，82（397）：171-185。Fellner，G.和Maciejovsky，B.（2007）。风险态度和市场行为：来自实验性资产市场的证据。经济心理学杂志，28（3）：338-350。Gillespie，C.S.（2015）。拟合重尾分布：幂律包。《统计软件杂志》，64（2）：1-16。朱斯蒂，G.，蒋，J.H.，和徐，Y.（2012）。通过支付现金利息消除实验室资产泡沫。2012-35号门工作文件。Gopikrishnan，P.，Meyer，M.，Amaral，L.N.，和Stanley，H.E.（1998）。股票价格变化分布的逆函数。欧洲物理杂志B凝聚态物质和复杂系统，3（2）：139-140。Greenwood，R.和Shleifer，A.（2014）。回报预期和预期回报。财务研究综述，第hht082页。格林布拉特，M.和克洛哈朱，M.（2000年）。各种投资者类型的投资行为和绩效：对芬兰独特数据集的研究。金融经济学杂志，55（1）：43-67。格林布拉特，M.和克洛哈朱，M.（2001年）。是什么让投资者交易？《金融杂志》，56（2）：589-616。Harrison，G.W.，List，J.A.，和Towe，C.（2007）。自然发生的偏好和外源性实验室实验：风险厌恶的案例研究。《计量经济学》，75（2）：433-458。Harrison，G.W.和Rutstrom，E.E.（2008）。实验室里的风险规避。《实验经济学研究》，12:41-196。E.哈鲁维、Y.拉哈夫和C.N.努塞尔（2007）。资产市场中交易者的预期：实验证据。《美国经济评论》，97（5）：1901-1920年。霍尔特，C.A.和劳里，S.K.（2002）。风险规避和激励效应。《美国经济评论》，92（5）：1644-1655。霍姆斯，C.（2013）。

反应性、期望反馈和几乎自满的均衡：经济理论、经验证据和实验室实验。经济方法学杂志，20（4）：406-419。C.霍姆斯、J.索尼曼斯、J.图因斯特拉和H.范德维尔登（2005年）。资产定价实验中预期的协调。金融研究回顾，18（3）：955-980。C.霍姆斯、J.索尼曼斯、J.图因斯特拉和H.范德维尔登（2008）。资产定价实验中的预期和泡沫。经济行为与组织杂志，67（1）：116-133。侯赛姆，R.N.，波特，D.和史密斯，V.L.（2008）。她吹：有经验的人能点燃泡泡吗？《美国经济评论》，98（3）：924-37。杰克逊，A.（2003）。个人投资者的总体行为。可从SSRN536942获得。Jondeau，E.和Rockinger，M.（2003）。测试股市回报尾部的差异。经验金融杂志，10（5）：559-581。R.卡尼尔、G.萨尔和S.蒂特曼（2008）。个人投资者交易和股票回报。《金融杂志》，63（1）：273-310。Keller，C.和Siegrist，M.（2006）。投资股票：金融风险态度和价值观对货币和股票市场态度的影响。经济心理学杂志，27（2）：285-303。金·R·R.（1991）。在实验性市场上获取私人信息容易导致泡沫和崩溃。《金融研究杂志》，14（3）：197-206。Lei，V.，Noussair，C.N.，和Plott，C.R.（2001）。实验性资产市场中的非投机泡沫：缺乏理性与实际非理性的共同知识。《计量经济学》，第831-859页。Lei，V.和Vesely，F.（2009）。市场效率：来自无泡沫资产市场实验的证据。《太平洋经济评论》，14（2）：246-258。Lillo，F.和Farmer，J.D.（2004）。对高效市场的长期记忆。非线性动力学与计量经济学研究，8（3）。里洛，F.，法默，J。

D、 和Mantegna，R.N.（2003）。经济物理学：价格影响函数的主曲线。《自然》，421（6919）：129-130。米切洛娃，J.（2010）。实验性资产市场中个体交易者的过度自信、风险规避和（经济）行为。MPRA论文26390，德国慕尼黑大学图书馆。内尔德，J.A.和米德，R.（1965年）。函数最小化的单纯形法。《计算机杂志》，7（4）：308-313。C.N.努塞尔和O.鲍威尔（2010）。高峰和低谷：基本面非单调的实验性资产市场中的价格发现。《经济研究杂志》，37（2）：152-180。奥登·T.（1999）。投资者交易过多吗？《美国经济评论》，89（5）：1279-1298。Odean，T.和Barber，B.（2011）。男孩就是男孩：性别、过度自信和普通股投资。《经济学季刊》，116（1）：261-292。Oechssler，J.（2010）。寻找灯柱之外：让我们关注与经济相关的问题。经济行为与组织杂志，73（1）：65-67。帕兰，S.（2013）。对实验性资产市场泡沫和崩溃的回顾。《经济调查杂志》，27（3）：570-588。Reineron，P-A.，Allez，R.，和Bouchaud，J-P.（2011）。主要回归分析和指数杠杆效应。物理学A：统计力学及其应用，390（17）：3026-3035。Robin，S.，Straznicka，K.，和Villeval，M.C.（2012）。泡沫与激励：一项关于资产市场的实验。MPRA文件第37321号。Roth，A.和Murnighan，J.K.（1978）。均衡行为与囚徒困境的反复博弈。《数学心理学杂志》，17:189-198。史密斯·V.（2010）。理论与实验：问题是什么？经济行为和组织杂志，73（1）：3-15。史密斯，V.L.，苏查内克，G.L.，威廉姆斯，A.W.（1988）。实验性现货资产市场的泡沫、崩溃和内在预期。

计量经济学：计量经济学学会期刊，1119-1151页。索尔尼克，B.和左，L.（2012）。考虑家庭偏好的全球均衡资产定价模型。管理科学，58（2）：273-292。T.斯托克、J.胡伯和M.基什勒（2015）。具有不同基本价值机制的多期实验性资产市场。《实验经济学》，18（2）：314-334。图米内洛，M.，利洛，F.，皮伊洛，J.，和曼特尼亚，R.N.（2012）。从金融市场的真实交易活动中识别投资者群体。新物理学杂志，14（1）：013041。Tumminello，M.，Michich\'e，S.，Lillo，F.，Piilo，J.，和Mantegna，R.N.（2011）。二部复杂系统中的统计验证网络。《公共科学图书馆一号》，6（3）：e17994。Van Boening，M.V.，Williams，A.W.，和LaMaster，S.（1993年）。在实验性的电话市场中，价格泡沫和崩溃。《经济学快报》，41（2）：179-185。谢浩和张杰（2012）。泡沫与经验：一个新交易者稳定流动的实验。Cirano Scientic series，蒙特利尔Cirano。附录a附加图表第一节第二节平均（最大[|ev*（1，…，1）/sqrt（#受试者）|]）0.0.2 0.4 0.6 0.8 1.0秩（λ）=1.44秩（λ）=1.89（a）购买订单。第一节课第二节课平均（最大[|ev*（1，…，1）/sqrt（#受试者）|]）0.0 0.2 0.4 0.6 0.8 1.0等级（λ）=1.22等级（λ）=2.11（b）销售订单。图17：三个最大特征值对应的IGenvector分量之和的平均最大绝对值。在左边，我们限制自己购买订单，而在右边显示的是销售订单的结果。第一个时间步被排除在数据集中，因为我们期望自然的biastowards同步。

0.3左右的水平虚线对应于完全不相关作用的完整假设。图18:Holt和Laury（2002）中风险规避参数的截图估计，我们使用受试者的彩票选择来校准公式（5）中描述的效用函数。简言之，我们采用最大似然法来寻找参数，这些参数使观察到的彩票选择由公式（5）决定的概率最大化。本着这种精神，我们采取的第一步是对受试者从一对彩票中选择高风险彩票的概率进行建模。正如Holt和Laury（2002）所说，wede finepri:=E[URi]uE[URi]u+E[USi]u，（8）其中E[URi]=Pk=1pkURkis是风险彩票的预期效用，E[USi]是安全彩票在对i中的预期效用。每一次彩票都有两个可能的结果sk=1，2，每个结果的概率Pk和效用uk由等式（5）给出，由两个数字α和r参数化。参数u是一个实数，允许人们考虑等概率选择之间的一系列情况（u=+∞) 和效用最大化（u）→ 0).这与所谓的“逻辑规则”相对应（详见Bouchaud（2013）或Anderson等人（1992）。其次，我们定义了似然函数l（β，y）=Yi（PRi）Yi·（1）- PRi）1-yi，（9）其中yi是每个彩票对的观察选择，即，如果受试者选择了安全彩票，yi=0，如果他从对i中选择了风险彩票，yi=1。此外，β=[r，α，u]包括等式（8）中的所有模型参数。这样，我们就得到了对数似然函数log[L（β，y）]=Xiyilog（PRi）+（1）- yi）日志（1）- PRi）。（10） 最后，最后一步是找到使公式（10）最大化的模型参数。使用Nelder-Mead算法（Nelder和Mead，1965年），并使用偏差校正和加速（BCa）自举法（Efron，1987年）获得95%的置信区间。结果总结在表1中。4.

非常值得注意的是，发现a维参数r和u的值非常接近Holt和Laury（2002）在彩票实验中报告的值（u=0.13，r=0.27）。特别是，我们的估计意味着相对风险厌恶增加，绝对风险厌恶减少。估计置信区间α0.106[0.085,0.130]r 0.345[0.263,0.443]u0.114[0.101,0.133]表4：通过最大似然估计和相应的95%置信区间获得的等式（8）参数。我们应用Nelder-Mead算法来最大化EEQ。（10） 并对95%的置信区间使用了偏差校正和加速（BCa）自举法。C实验说明和配对彩票任务（仅用于在线出版）实验说明1。概述这是一个关于经济决策的实验。如果你仔细地遵循说明并做出正确的决定，你可能会赚到一大笔钱，在实验结束时会以现金支付给你。整个实验是计算机化的，因此你不必把论文放在桌子上。相反，你可以用它做笔记。你桌子上有一台计算器。如果有必要，你可以在实验中使用它。在实验期间，请不要与他人交谈。如果你有问题，请举手，其中一位实验者将私下回答你的问题。今天，你将参与一个或多个市场“序列”，每个序列由多个交易周期组成。这个实验有两个有趣的对象，股票和现金，后者以法郎计价。在每个时期，你都可以用一个叫做做市商的计算机程序在市场上交易股票，市场上使用的货币是法郎。

你买股票时付法郎，卖股票时收法郎。在每个时期，你都有机会参与交易或在市场上不采取任何行动。下文第3节将详细讨论如何实现这一点。所有交易都将以法郎为单位。实验结束时支付给你的现金是欧元。兑换率是4法郎兑换1欧元。2.交易周期序列如前所述，今天的实验由一个或多个序列组成，每个序列由不确定的周期数组成。每个周期持续20秒。在每个时期，你都必须决定你是想买股票、卖股票，还是持有法郎或股票，也就是说，不要在市场上采取行动。你的股票和法郎的金额将显示在你的电脑屏幕上。在每个周期开始时，一个计算机程序将旋转一个虚拟轮盘赌轮，该轮盘赌轮在你的屏幕上显示为99%的比例为蓝色，其余1%的比例为粉色。如果黑色指针在蓝色区域结束，序列将以新的20秒周期继续。相反，如果黑色指针在粉红色区域结束，序列将结束，您的法郎余额和序列的股份数量将是最终的（见图1）。因此，在每个周期开始时，该周期有1%的几率是序列中的最后一个周期，99%的几率序列将继续至少一个周期。图1。左面板：实验继续到下一个周期。右面板：实验结束。如果第一个序列开始后的时间不足50分钟，则将开始一个新序列。

您将像启动第一个序列一样启动新序列。如果从第一个序列开始到现在已经超过50分钟，那么当前序列将是最后一个播放的序列，这意味着下一次轮盘赌旋转结束时，黑色指针位于粉红色区域，该序列将结束，实验将结束。如果在你被招募的三个小时内，最终的序列还没有结束，我们将逐渐增加轮盘赌中的粉红色区域，直到序列继续的几率等于0。3.市场和交易规则市场运作如下。实验开始时，每位参与者将获得100法郎的初始捐赠。在每个时期，股票都可以与做市商交易。特别是，在每个时期，每个参与者只能持有股份或法郎。因此，在每个时期，你可以选择  如果你持有股份，将你所有的股份卖给做市商，以换取法郎；  如果你持有法郎，通过投资你所有的法郎从做市商那里购买股票；  持有你的股票或法郎，不要在市场上采取行动。因此，如果你已经持有股份，你就不能购买额外的股份。反之亦然，如果你持有法郎，就不能出售股票。在每个周期t内的交易按照以下机制进行。首先，在每个周期t的开始，计算机程序旋转轮盘赌。根据轮盘赌的结果，我们可以区分两种情况。案例1。

轮盘赌在蓝色区域结束：市场持续到下一个时期t时期的每股价格，用Pt表示，由做市商宣布，并显示在您的计算机屏幕上。然后，你可以决定是否出售股份（如果你持有股份）、购买股份（如果你持有法郎），或者持有你的股份或法郎，并且在市场上不采取任何行动。在每个时段t，如果您决定出售或购买，您的交易将在下一个时段以Pt+1的价格进行。因此，如果您决定在t期间出售股份，您将在t+1期间收到一笔金额为法郎的款项，该款项由您在t期间的股份金额乘以t+1期间的股份价格得出，即：t+1期间的法郎=t期间的股份金额×t+1期间的股份价格，如果您决定在t期间购买股份，您将收到t+1期间的股份金额，即t期间您的法郎金额除以t+1期间的股份价格，即：t+1期间的股份=t期间的法郎金额/t+1期间的股份价格，如果您决定在t期间持有您的股份或您的法郎，你持有的股份或法郎的金额将直接结转到下一个时期t+1。请注意，股票不需要以整数单位买卖。例如，假设在t期间，你拥有127.65法郎，并决定购买股票。假设t+1期间公布的股票单价为172.50。这意味着您将在t+1期间收到127.65/172.50=0.74股。案例2。

轮盘赌在粉红色区域结束：实验结束做市商宣布t期的每股价格，以Pt表示，前一个t-1期的所有买卖订单均以Pt价格执行，但不可能做出任何其他购买、出售或持有股票或法郎的决定。您的最终市场收益将按照第4节的解释进行计算。交易时间如图2所示。交易时机如何确定价格在每个时段t结束时，做市商将收集买卖订单，并使用它们确定下一个时段t+1的价格Pt+1。t+1期间的价格与t期间的价格之间的百分比变化，也称为回报，大致由以下组成部分之和得出：a）一个等于2%的常数正项b）一个“贸易影响系数”，它取决于市场参与者的买卖订单总额之间的差额。特别地：   -  一个时期的购买订单量越大，下一个时期的价格就越高。因此，每次购买订单都会对价格产生积极影响。特别是，如果你和市场上的所有其他参与者同时决定购买股票，交易影响系数将为+100%。-一个时期的销售订单数量越高，下一个时期的价格就越低。因此，每份销售订单都会对价格产生负面影响。特别是，如果你和市场上的所有其他参与者同时决定出售股票，交易影响系数将为-100%。因此，贸易影响系数的最大值为+100%，最小值为–100%。如果市场的所有参与者都决定持有自己的股份或法郎，那么贸易影响系数为零。

c） 价格冲击可能以相同的概率带来正值和负值。鉴于价格从一个时期到另一个时期的百分比变化大致由上述条款（a+b+c）之和得出，如果任何参与者没有交易活动，价格平均每一时期增长约2%。图3显示了在任何时期没有任何交易活动的市场中的典型价格模式示例，即所有参与者在实验结束前都持有自己的股票。图3中的所有数字都只是为了举例，它们并不能说明你即将开始的实验的持续时间和价格实现情况。图3。在任何时期没有任何交易的价格模式示例4。当一个序列终止时，即当轮盘赌结束在粉红色区域时，你的序列结束余额将被计算。  如果序列终止时您持有法郎，您的法郎金额将决定序列结束时的余额。  如果您在序列终止时持有股票，您的股票市值（以法郎为单位）将决定您的序列结束余额，该市值由您的股票金额乘以序列结束时的价格得出。然后，你的净市场收益将由你的序列末余额减去100法郎得出，相当于你在实验开始时收到的初始捐赠：净市场收益=序列末余额-初始捐赠。因此，您参与市场的收入将由您的序列末余额减去您最初的100法郎捐赠所得。

预测收益除了参与市场可以赚的钱之外，你还可以通过准确预测t+1期间每个时期的未来股价来赚钱。如果你对股票价格的预测在区间[0.95×实现价格，1.05×实现价格]内，你将获得每期0.10欧元的预测奖金。例如，如果t期的实际价格为pt=100，那么如果您对pt的预测在区间[95105]内，您将获得预测奖。例如，如果t期的实际价格为pt=200，那么如果您对pt的预测在区间[190210]内，您将获得预测奖。总收入你参加今天实验的总收入将等于你在序列结束时的净市场收入加上你为预测任务收到的任何资金。如果你的净市场收益为负值，或小于7欧元的展示费，那么你参与市场的收益将为零，你将只收到7欧元的展示费trade=max（净市场收益，展示费）加上你为预测任务赚的钱。如果你参与更多的序列，其中一个将被随机选择，你的收入将等于所选序列中的总收入。如前所述，实验结束时支付给你的现金将以欧元支付。兑换率是4法郎兑换1欧元。5.下面的电脑屏幕是第1阶段开始时虚拟玩家1的示例屏幕。图1。轮盘赌结束后，每个时段的屏幕截图示例，每个玩家必须执行两项任务：  通过点击相应的单选按钮，即购买、持有、出售，决定是否购买股票、持有股票或法郎，或出售股票。

如第3节所述，只有在该期间持有法郎的情况下，您才能决定购买股份，只有在该期间持有股份的情况下，您才能决定出售股份。因此，在每个时段，屏幕上唯一的活动按钮将是与可用操作对应的按钮；  输入下一时期股票价格的预测。请使用点符号分隔小数（例如：10.32）。“玩家操作”框位于屏幕左下角。做出选择后，你必须点击“提交”按钮提交决定。屏幕右下角名为“玩家信息”的框报告以下信息：  您在本期持有的股份数量  您在本期持有的法郎金额  您当前期间的财富（以法郎为单位），由您的法郎（如果您持有法郎）或您的股票乘以当前价格（如果您持有股票）给出。屏幕的其余部分允许您跟踪以前期间的结果。屏幕左上角“市场价格演变”框中的图表显示了股票价格随时间变化的图形表示。屏幕右上角的“信息表”框中包含的表格显示了有关实验结果的其他信息，它是对屏幕左侧图形的补充。表格的第一列显示了时间段。最近的一段时间总是在顶部。第二列和第三列分别显示了股票价格和回报率，这代表了当前期间和之前期间股价的百分比变化。

正回报，比如在第10期，意味着价格从第9期上升到第10期，而在第10期，负回报意味着价格从第9期下降到第10期。第四列报告您对当前期间价格的预测（在前一期间做出）。例如，在第6阶段，第四列顶部的数字将报告您在第5阶段输入的第6阶段股票价格预测。第五栏和第六栏分别报告您的股份和法郎金额。最后，表格的第七列显示了您是否在每个时段获得了预测奖。屏幕底部的状态栏包含有关实验状态的信息，并监控在构成每个周期持续时间的20秒中，你必须做出决定的时间。如果在您做出选择之前时间已到，计算机程序将选择“持有”作为默认操作，即您将持有股票或法郎，并使用您之前的预测。6.期末测验理解这些说明很重要。在继续进行实验之前，我们要求您考虑以下场景，并回答在提供的空间中提出的问题。测验中使用的数字只是说明性的；实验中的实际数字可能大不相同。您可能会发现，参考说明来回答其中一些问题很有用。问题1：假设序列已达到周期25。这个序列在另一个周期，即第26周期继续的可能性有多大。

如果我们把25换成7，把26换成8，你的答案会有什么不同吗？  对  问题2：假设序列已经到达第12个周期，该周期的公布价格为P12=15，您拥有5.3股。如果你决定出售你的股份，你可以出售多少股份。假设你确实决定在第12期出售，第13期公布的价格为P13=10。你将得到多少法郎。问题3：假设序列已经到达第5个周期，该周期的价格为P5=8，你拥有10法郎。如果你决定购买股票，你可以投资多少法郎。假设你确实决定在第五阶段购买，第六阶段宣布的价格是P6=20。你将获得多少股份。问题4：假设在周期t开始时，宣布了价格Pt=200，然后轮盘赌在粉红色区域结束。假设你有1.5股。序列结束时，你的净市场收益（以法郎计）是多少。问题5：假设当实验结束时，即轮盘赌在粉红色区域结束，你有100法郎。序列结束时，你的净市场收益（以法郎计）是多少。问题6：假设在t期间，你和所有其他参与者决定持有你的法郎或股票，而不在市场上采取行动。你预计下一期的价格Pt+1会下降吗  增长  减少[最后一个问题的清单]问题7：考虑以下情况a）在t期间，你和所有其他参与者都有股份。你们都决定卖掉。

b） 在t期间，你和所有其他参与者都有股份。只有你决定出售。关于情景a），您是否预计下一阶段的价格Pt+1会下降  增长  降低情景a中的“贸易影响因素”（见“价格如何确定”一节）有多大。关于情景b），您是否预计“贸易影响因素”会：-大于情景a）-小于情景a）此外，您是否预计：-情景a中的Pt+1大于情景b）-情景a中的Pt+1小于情景b）您现在将面临一项额外的任务，这将给您带来额外收入的机会，这将被添加到你在今天的实验中已经获得的收入中。你将面临两个序列（序列1和序列2），每个序列有10个决策。关于我们要求您做出的决定的详细信息，请参见下表。在您对序列1和序列2做出决定后，您将从包含编号为1和2的球的罐子中随机选择一个球，然后您的选择将决定使用哪个序列来确定您的支付。显然，序列1和序列2被选中的几率相同。当你完成所有决定，并且对这些决定感到满意时，请举手，你将被要求付款。您现在可以阅读下表中的说明。你将面临一系列的10个决定。每个决策都是两个选项之间的配对选择，分别标记为“选项a”和“选项B”。对于每个决定，您必须选择选项A或选项B。做出选择后，请将其记录在随附的记录表的适当标题下。