互联网金融下消费者行为研究

2015-05-30叶校均邓敏宁冯银仙

商 2015年29期

叶校均　邓敏宁　冯银仙

摘要：以互联网为代表的现代信息科技，特别是移动支付、社交网络、搜索引擎和云计算等，将对人类金融模式产生根本影响本文从消费者参与互联网金融心理出发，结合行为经济学的心理账户，羊群效应，案例决策理论，损失规避等理论，结合互联网金融发展实际，研究了互联网金融模式下消费者行为各个阶段的特点。

关键词：互联网金融；行为经济学；案例决策理论；消费者行为

一、消费者决策一般模式

互联网金融作为一个金融模式，可以把它看成一项产品。消费者购买一项产品的主要有几个决策阶段：

1、认识问题。2、寻求解决方案。3、评价解决方案。4、决策。

1.1金融中的“认识问题”

互联网金融的产品具有普适性、便捷性，移动化的特点。当收入有限的情况下，CPI指数较高货币时间价值较高，其它动机也需要得到满足时，由于互联网金融能够实现移动互联网和多网融合，因此利用互联网金融进行快捷的第三方支付变得可能，满足人们的交易动机。而当没有交易动机时，可以将资金迅速转存回理财账户进行类似于储蓄却高于储蓄利率的货币基金进行理财，满足了预防动机的储蓄。

但是由于受现今安全性不足的情况影响，该需求也受到抑制。胡国生（2015）基于心理账户分析中指出，假设投资者剩余货币的期望总价值γ（s，α，ωβ），0<α，β<1可用两个函数表示：价值函数γ（*）和决策权重函数ρ（*），γ（*）反应投资者储蓄或者互联网金融投资的主观价值。ρ（*）表示与每一个概率ρ相对应的决策权重，是这两种心理账户的主观概率。假如总期望严格为正或负，基于心理账户理论，储蓄对于投资者而言是无风险的安全投资，互联网金融投资是相对有风险的，属于风险报酬，[γ（ω）-γ（s）]表示两种心理账户的价值差，γ（s，α，ωβ）可以表示为：

γ（s，α，ωβ）=γ（s）+ρ（β）[γ（ω）-γ（s）]

因此，互联网金融的需求会受到其安全性导致的风险的影响而受到抑制。再者，互联网金融属于时兴产业，外界的刺激也很容易影响到其需求，如大部份厂家开出了不同诱惑性促销手段吸引客户、周围人的支付习惯的影响。

1.2的“寻求解决方案”

信息处理是互联网金融与商业银行间接融资和资本市场直接融资的最大区别，有三个组成部分：一是社交网络生成和传播信息，可以最大化私人信息；二是搜索引擎对信息的组织、排序和检索，能缓解信息超载问题，满足信息需求，降低消费者搜索信息的时间沉淀成本；三是云计算保障海量信息高速处理能力。在云计算的保障下，形成时间连续、动态变化的信息序列，帮助专业的消费者在互联网金融产品间进行决策。

除了对于信息处理搜索信息的方面，由于互联网的开放性，使得消费者可以很大程度上参考前人的决策经验，因此可能导致从众行为的发生。Bikhchandan等（1992）认为，羊群行为的发生需要两个先决条件：决策者对“自我信息的不确定”和他们“观察前人决策”的能力。周耿，卜茂亮等（2013）指出网上决策者（即消费者）受到两种信号影响，一种是私人信息，一种是他人信息。Banerjee（1992）提出的模型表明，当私人信号与他人信号出现不一致，且前期选择的数量足够多时，用户可能会放弃私人信号，转而选择正确概率更高的他人信号。

1.3金融中的“评价解决方案”

案例决策理论（Case-based Decision Theory，CBDT）认为人们对于相似的事件，会期望它们有相似的结果。用数学语言表示，即每个案例包含了，q问题，a行动，r结果。M表示记忆中所储存的上述案例的qi集合。决策者的决策行为由“效用函数”u和“相似性函数”s决定。U是一列序数列，s是每一个所对应的一个非负值。当遇到一个新问题p时，决策者会选择一种能使（*）式最大化的行为a，也就是比较每种备择方案U（a）值的大小。

U（a）=UP，M（a）=∑（q，a，r∈M）s（p，q）u（r）（*）

由于互联网金融会有大量前人经验可参考性，因此我们有理由相信，在互联网金融决策时，如果消费者采用CBDT理论进行决策时，其会参考的案例一定也包括了自己的案例和别人的案例。

参考周耿，卜茂亮等（2013）的网上决策的双信号模型，可以假定：

假定A：当决策者认为自己获得的信号i#和他人传递信号的概率无差异时，他会根据自己的信号i′进行选择。

假定B：经验高的决策者正确的概率为α，经验低的决策者正确的概率为β，且α>β>0。决策者知道自己的经验类型，但不知道其他人的经验类型，只能按照平均值进行估计。

假定C：当接收他人的行为信号时，决策者对他人正确的概率的估计为α+β2。

当决策者决策时，前期n位独立的决策者发出的信为正确选择的概率为：

P（n）=1-α+β2n

此时，决策者通过观察获取私人信息，获得i′的私人信号，该信号正确的概率为γ。可以确定，消费者对于该案例的效用函数，应为过去或者前人成功概率所能得到的效用，加上过去失败的结果的“挫败”效用的不同权重进行考量。由于考虑到行为人有损失规避的心理，可将失败的效用设置为u（0），借鉴价值函数，可得对于不同问题，根据相似性函数匹配后的效用函数为：

U（r）=∑ni=1π（Pi）U（γ，P（n））+∑ni=1π（bi）u（0）

其中π（Pi）为过去或者闪人成功所带来的效用的权重，π（bi）为过去失败所带来的效用的权重。

所以，整个式了可以修改为：

U（a）=Up，M（a）=∑（q，a，r∈M）s（p，q）[∑ni=1π（pi）Uγ，1-α+β2n+∑ni=1π（bi）u（0）]

1.4金融中的“决策”

由于移动网络的发展，全天候、全方位对消费者提供服务的互联网金融的消费者决策具有快速性，对于流动性的要求民及对其安全性的担忧可能会加重“频繁交易”的程度。就社会整体结果来看，全社会用作备付金的活期存款将会减少，定期存款占比将增加。

二、结论

综上，推进互联网金融产品的开发，必须抓住主流消费者各个阶段的行为特征，有针对性地开发相应产品。政府应加强网络安全和信息的监管；相关互联网金融企业也要着重安全技术的研究和开发，使消费者在使用的时候更放心，推动社会的资源分配更加便捷有效。（作者单位：华南农业大学）

参考文献：

[1]谢平.互联网金融模式研究[J].金融研究，2012，（12）.

[2]吴婷.描述行为视角下的促销策略对90后的消费心理影响研究[J].企业导报，2012，（12）.

[3]周耿.用户经验与羊群行为[J].山西财经大学学报，2013，（3）.