新媒体视域下个体投资用户的信息获取行为研究

王新华 黄和 于灏 白丽 王家坤 侯艳辉

〔摘要〕[目的/意义]研究了大数据环境下个体投资者的信息获取行为偏好，探索新媒体环境对个体投资用户的决策影响。[方法/过程]基于开放式股票投资在线社交网络（OSN）的视角，分析、确定个体投资用户的主要信息获取行为，以及影响个体投资决策的两个重要因素；通过问卷调查收集相关数据，提出研究假设，进行数据分析，并运用回归分析方法进行假设检验，分析个体投资者决策的信息获取行为偏好。[结果/结论]研究发现：不同个体投资者对信息获取行为的选择存在明显差异；并且个人分析能力不同的投资者的行为偏好存在差异；个性化推荐是对个体投资者决策具有较大影响作用的信息获取行为。

〔关键词〕在线社交网络；个体投资者；用户；信息获取行为；推荐行为；投资决策；影响因素

DOI：10.3969/j.issn.1008-0821.2018.09.008

〔中图分类号〕G203〔文献标识码〕A〔文章编号〕1008-0821（2018）09-0048-09

Research on Information Acquisition Behavior of Individual

Investment Users in the View of New MediaWang XinhuaHuang HeYu Hao*Bai LiWang JiakunHou Yanhui

（College of Economics and Management，Shandong University of Science and Technology，

Qingdao 266590，China）

〔Abstract〕[Purpose/Significance]The paper studied the preferences of individual investors for information acquisition behavior in the context of big data.And the paper explored the impact of the new media environment on individual investment users decision-making.[Methods/Processes]Firstly，based on the perspective of the open stock investment online social network，the main information acquisition behavior of individual investors was analyzed，and two important factors that affect individual investment decisions were determined.Secondly，questionnaires were used to collect relevant data and research hypotheses were proposed.Finally，the paper used the regression analysis method to test the hypothesis，and analyzed the information acquisition behavior preference of individual investors decision.[Results/Conclusion]The study found that there were significant differences in the choice of information acquisition behaviors among different individual investors.And there were differences in the behavioral preferences of investors with different personal analysis abilities.Moreover，personalized recommendation had a great influence on the individual investor decisions.

〔Key words〕online social networks；individual investors；user；information acquisition behavior；recommended behavior；investment decision-making；influnce factors

在线社交网络（Online Social Networks，OSN）已成为人们获取和传递信息的重要方式，同时，一些社交网络用户行为也对个体的现实行为产生了巨大影响。个体投资者是对信息极其敏感的一类人群，在“股民”和“网民”髙度耦合的数字化时代，个体投资者频繁活跃在StockTwits、雪球网、同花顺等专业类型股票投资OSN中，以此获取和传递所需的投资信息。投资者的线上行为能够反映和影响其线下的决策行为，例如，专业类型股票投資OSN对“星巴克致癌”事件的负面报道，导致了星巴克股价的应声下跌。股票投资OSN为广大投资者，尤其是个体投资者提供了丰富的信息资源，但海量的碎片化数据也为个体投资者高效获取有用的投资信息带来困难。互动性更强的新OSN环境，数据的碎片化程度更高，OSN用户获取信息的难度更大，那么用户怎样能从海量的数据中高效提取有价值的信息？数据分析解读能力不同的用户对信息获取行为的偏好又会有何差异？这些问题对新媒体环境下，OSN用户行为分析及个体投资者决策行为的理论研究都具有重要意义。

有关OSN的研究可归属于网络科学的研究范畴。网络科学的研究成果发现，网络结构与其上的动力学行为密切相关[1-4]，用户基于不同网络结构的OSN会有不同的行为表现，从而产生不同的影响效应[5-6]。为了研究上述两个问题，本文依据专业类型股票投资OSN的结构差异性，将其划分为两类：一是开放式股票投资OSN（Open Stock Investment OSN，OSI-OSN），关系主要建立在股票投资这一兴趣之上，具有广传播、浅社交、松关系的特征，如雪球、同花顺、投资信息发布的微博等专业类型OSN平台；二是封闭式股票投资OSN（Closed Stock Investment OSN，CSI-OSN），相对封闭的社交圈，具有窄传播、深社交、紧关系的特征，如依托微信、QQ等的股票交流群。

OSI-OSN的易接入性特征（相对于CSI-OSN）设计吸引了众多用户，形成了巨大的用户群体，使得OSI-OSN在个体投资者群体中的影响较为广泛。因此，本文以OSI-OSN中的用户作为研究对象。首先，分析OSN用户的主要信息获取行为以及影响个体投资者决策的关键因素；然后，基于理论分析提出研究假设；最后，通过实证研究验证分析。本研究，丰富了新媒体环境下的OSN用户行为研究，为个体投资者选择高效的信息获取行为提供理论依据，也为OSI-OSN的功能优化提供依据。

2018年9月第38卷第9期现代情报Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒体视域下个体投资用户的信息获取行为研究Sep.，2018Vol38No91相关研究

11OSN用户的信息获取行为研究

OSN用户的信息获取行为领域已取得了较为丰富的研究成果。当前研究發现[7-12]，信息获取行为主要包含搜索行为、浏览行为、交互行为（如发布、回复、评论、点赞、转发等行为）、关注行为以及推荐行为等。杨善林等[7]认为内容创建行为和内容“消费”行为，涉及发布、浏览、搜索、关注等行为是OSN用户获取信息的主要方式。Lee等[9]在“使用与满足”理论以及社会认知理论的基础上，分析了社交媒体上的信息分享行为。甘春梅等[10]探讨了社会化问答社区用户的消费、参与、创造行为的影响因素。周朴雄等[12]研究发现，移动互联网能根据用户对资源的偏好实现精准的个性化信息推荐。

此外，已有研究将OSN用户的信息获取行为归类为主动信息获取行为和被动信息获取行为。Wilson[13]认为，用户的信息获取行为既包括主动的信息寻求和利用，又包括被动的信息接收。Morris等[14]针对主动式的用户信息获取行为，依据获取信息的途径差异，指出用户可以通过OSN搜索以及在OSN发布问题等待其他用户解答两种途径获取所需信息。张迪等[15]认为信息获取行为包括信息主动获取和信息被动获取两类，并且信息主动获取是一种主动的、带有目的性的信息获取行为，而信息被动获取则是在OSN推荐信息过程中偶然发现信息的行为。

在OSN用户的信息获取行为方面，当前研究主要以综合类型OSN平台为研究对象，较少有针对专业类型OSN的研究。专业类型OSN用户的信息获取行为带有很强的目的性，用户对专业类型OSN行为的选择往往具有较强的偏好性和策略性。因此，用户的差异性以及个体对信息获取行为的选择偏好将是开展专业类型OSN用户行为研究的切入点。

12个体投资者的投资决策影响因素研究

在对个体投资者投资决策过程的研究中，已有研究大多从基于理性人假设的效用理论入手，认为在投资决策过程中，投资者有明确的目标，掌握的信息是全面正确的，并且能做出最优选择[16]。效用理论为量化分析个体投资者的投资决策行为提供了理论基础，但却无法解释投资环境下决策主体的有限理性和个人偏好[17]。为了指导实际中的决策行为，启发式偏差、前景理论等理论被相继提出[18]。已有研究认为[19-24]，在信息不对称的情况下，由于拥有的有效信息有限，投资知识、投资经验等个体特征存在差异，再加上心理与行为偏差、情绪等因素，个体投资者会制定不同的投资决策。

此外，信息源的选择、信息质量及信息广度等因素能反映出投资者对信息掌握的完备程度，而个体特征、心理及情绪等因素能反映出投资者对信息的分析利用能力。李月琳等[20]认为个体投资者面临着数据过载的问题，他们需要了解国内外经济、金融形势及上市企业经营质量等相关信息，以此作为投资决策的依据。West[21]对数据进行了定性和定量分析，研究发现信息来源及信息完整性会影响投资者的决策制定。

谭松涛等[22]在部分个体股民交易记录数据的基础上，考察了投资经验以及个人的信息解读和判断能力对投资收益的影响。Xiao等[23]对实证数据进行分析，结果表明个人投资者的投资经验、投资情绪对投资偏好有重要影响。卢佐冬[24]研究发现，投资者对信息的有限感知和处理能力、信息加工过程中的个性差异、情绪对信息处理的限制以及情景差异均会引起投资者的行为偏差，从而进一步影响投资决策行为。

综上，投资者决策行为方面的研究取得了较为丰富的成果。投资活动是一个复杂的决策过程，个体投资者获取信息的完备性和自身的信息解读能力是影响其投资决策行为的重要因素。其中，信息完备程度是指个体投资者获取投资信息的全面性和完整性，包含国家经济、行业发展、公司经营、股票价格、金融形势等方面信息。个人分析能力是指个体投资者对所掌握信息的分析与利用能力，能否依据自身的投资知识和投资经验从海量的信息中挖掘出有价值的投资信息。

2研究假设与概念模型

为了研究信息获取行为与信息完备程度之间的关系，本文从个体投资者的视角，将OSI-OSN用户的信息获取行为划分为主动信息获取行为和被动信息获取行为。主动信息获取行为是由用户主动发起的行为。本文主要选取代表性的4种获取行为：搜索行为、浏览行为、交互行为和关注行为。其中，根据行为本身社交属性的强弱，将搜索行为和浏览行为划分为弱社交属性获取行为（Weak Social Attribute Acquisition Behavior，WSAAB）；关注行为和交互行为划分为强社交属性获取行为（Strong Social Attribute Acquisition Behavior，SSAAB）。被动信息获取行为是用户被动接受的行为，这里选取了1种获取行为：推荐行为。当前，基于大数据挖掘技术的推荐系统获得了广泛应用，尤其是依据用户的历史数据的个性化推荐，如，基于搜索或浏览历史的商品推荐、新闻推荐，基于“关注”的兴趣信息推荐等。推荐行为已经成为用户被动获取信息的一种主要手段，因此，将其作为被动信息获取行为的研究对象具有一定的代表性。如图1所示，搜索行为、浏览行为、交互行为、关注行为是由用户自我意识控制的主动信息获取行为，而推荐行为是推荐系统为用户推荐信息的被动信息获取行为。

此外，为了研究个人分析能力差异与信息获取行为偏好之间的关系，本文按照投资者的个体特征将投资者的个人分析能力划分为三级：一是强分析能力者，投资者能准确解读投资信息，从中挖掘出股票的内在价值；二是较强分析能力者，投资者能对信息做出较为准确的分析判断，发现其中比较有价值的投资信息；三是一般分析能力者，投资者的数据分析能力一般，较难提取出重要的投资信息。

21信息获取行为与信息完备程度的关系研究

信息完备程度是影响个体投资者决策的重要因素。个体投资者基于OSI-OSN的信息获取行为有利于提升自身的信息完备程度，但不同的信息获取行为对提升投资者信息完备程度的影响存在差异。

个体投资者主动搜索投资信息，通过浏览搜集有用信息，可增加信息完备性[25]；通过关注投资领域的“意见领袖”，如“大V”，与他们交流互动、分享投资经验，可及时获取所需信息，提高信息完备程度[26]。此外，随着信息推荐技术水平日益提高，投资信息推荐行为在OSI-OSN十分盛行。如今，投资者可以借助推荐系统的精准推荐，高效地获取到有价值的信息，从而更高效地提升自身投资信息的完备程度[27-28]。为了比较投资者对这种新兴的信息获取行为与原有信息获取行为在提升信息完备方面的认可度，考察信息推荐行为在OSI-OSN上的实际效能反应，这里做出如下假设：

H1：相比于搜索行为，推荐行为更有利于提升个体投资者的信息完备程度。

H2：相比于浏览行为，推荐行为更有利于提升个体投资者的信息完备程度。

H3：相比于交互行为，推荐行为更有利于提升个体投资者的信息完备程度。

H4：相比于关注行为，推荐行为更有利于提升个体投资者的信息完备程度。

22个人分析能力差异与信息获取行为偏好的关系研究个人分析能力是影响个体投资者决策的重要因素。为了研究分析能力不同的个体投资者对信息获取行为的偏好，识别出强分析能力者惯用的信息获取方式，本文从强分析能力者、较强分析能力者和一般分析能力者3个角度进行研究。

221个人分析能力差异与信息获取行为选择顺序的关系研究

一般认为，个体在行为选择方面往往更注重主控性。因此，在信息獲取行为方式的选择顺序上，更偏好于先主动后被动。主动信息获取行为是用户主动发起的行为，为用户所控制；而被动信息获取行为是OSI-OSN推荐信息的行为，具有不可控性。在信息获取行为选择顺序上，不同分析能力的个体投资者是否具有一致性，尤其是越来越精准的个性化信息推荐技术的应用，是否会影响到个体的行为选择顺序。为此，这里提出以下假设来进行研究：

H5：个人分析能力强的个体投资者会优先选择主动信息获取行为，其次会选择被动信息获取行为。

H6：个人分析能力较强的个体投资者会优先选择主动信息获取行为，其次会选择被动信息获取行为。

H7：个人分析能力一般的个体投资者会优先选择主动信息获取行为，其次会选择被动信息获取行为。

222个人分析能力差异与主动信息获取行为偏好的关系研究

由上文，根据社交属性的强弱不同细分了主动信息获取行为，即，弱社交属性获取行为（WSAAB），包括搜索行为和浏览行为；强社交属性获取行为（SSAAB），包括关注行为和交互行为。WSAAB的交互性较弱，个体投资者只能通过简单的搜索、浏览行为查询所需信息，相互之间不能交流或分享信息资源，获取的信息范围较广、高质量信息获取概率较低；而SSAAB的交互性较强，投资者可以关注投资领域的“大V”或“意见领袖”，与他们交流探讨、分享信息，获取的信息精准度较高，信息质量较好。

由于个人分析能力不同，个体投资者对WSAAB和SSAAB的选择偏好也会有差异。为了研究分析能力不同的3类投资者对WSAAB和SSAAB的选择偏好，本文提出如下假设：

H8：在主动信息获取行为中，强分析能力者更偏好SSAAB，其次会选择WSAAB。

H9：在主动信息获取行为中，较强分析能力者更偏好SSAAB，其次会选择WSAAB。

H10：在主动信息获取行为中，一般分析能力者更偏好SSAAB，其次会选择WSAAB。

基于以上分析与假设，本研究的概念模型如图2所示。图2概念模型示意图

3研究设计

31变量测量

基于先前研究成果中的量表选项，并结合本研究的OSI-OSN情境，设计本文的量表。其中，个体投资者的人口统计学特征，包括年龄、受教育程度、投资年限、月均交易频率、投资规模，按照深交所《2016年个人投资者状况调查报告》中的投资者统计特征进行测量。量表的其他测量项，涉及浏览行为、搜索行为、交互行为、关注行为、推荐行为、信息完备程度、个体评价，采用Likert五级量表进行测试。其中，浏览行为从浏览热点信息强度、浏览认真度、浏览用时3个方面测量；搜索行为用搜索频率、搜索结果阅读量、搜索准确度3个题项考察；交互行为用发布量、回复量、评论量、转发量等3个题项测量；关注行为从注册时间、关注投资领域不同类型的“大V”数量4个方面考察；信息完备程度从国家宏观信息、行业信息、公司年报、技术指标信息、资讯信息、股市信息等6个方面测量；个体评价从投资知识、信息获取、信息分析利用3个方面考察。

此外，个体投资者的个人分析能力以量表中的年龄（1）、教育水平（2）、投资年限（3）、月均交易频率（4）、投资规模（5）和个体评价题项（6）作为测量标准。运用熵值法计算各个指标的权重分别为0145（1）、0074（2）、0195（3）、0141（4）、0140（5）、0117（6-1）、0093（6-2）、0095（6-3），将每个指标的得分与其权重的乘积之和看作个人分析能力的综合评价值。按降序进行排列，取前33%的投资者为强分析能力者，中间34%的投资者为较强分析能力者，后33%的投资者为一般分析能力者。图3清晰地区分出了3类不同分析能力者。

32样本选择与数据收集

调查采用随机抽样的方法，问卷通过两种途径进行发放：一是通过问卷星平台发放线上问卷；二是在某股票交易中心发放纸质问卷。考虑到本研究是开放式网络投资情景，要求调查对象应是经常使用OSI-OSN的个体投资者。调查时间从2017年12月19日到2018年2月7日，线上收集191份，线下收集113份，共回收问卷304份，经筛选剔除无效问卷后，获得有效问卷269份，有效回收率为8849%，其中线上、线下有效回收率分别为8796%和8938%。

4实证结果与分析

41描述性统计与相关性分析

为了检验搜索行为、浏览行为、交互行为、关注行为、推荐行为、信息完备程度以及个人分析能力之间的相关性，对样本数据进行Pearson相关性检验，如表1。结果表明各变量间的相关性较强，初步验证了本文所提出的假设。

搜索行为、浏览行为、交互行为、关注行为、推荐行为、信息完备程度以及个体评价量表的分别为0762、0728、0894、0936、0827、0905、0772，总量表的内部一致系数为0945，均大于阈值07，表明本研究所涉及的各类量表具有较高的信度。同时，探索性因子分析的结果显示：搜索行为、浏览行为、交互行为、关注行为、推荐行为、信息完备程度以及个体评价的KMO值分别为0649、0665、0750、0791、0696、0887、0699，均高于阈值05，Baetlett球形检验显著性概率为0000，表明效果良好。另外，表2中主动获取行为、被动获取行为、信息完备程度、个体评价的组合信度（CR）均大于阈值07，表明变量可信，可以进一步分析。

效度检验涉及内容效度和建构效度。由于本研究中所包含变量的各个测度题项均参考已有文献，并结合OSI-OSN的特征而设计，因此具有内容效度。建构效度又分为聚合效度和区别效度。由表2可知，部分指标变量的因素负荷量值介于05～07之间，表示该测量变量对潜在因素的重要性相对较低，但尚可接受。同时，主动获取行为、被动获取行为、信息完备程度、个体评价的平均方差抽取量（AVE）值均大于或等于阈值05，说明本研究的测量模型具有较好的聚合效度，內在质量较为理想。区别效度检验采用吴明隆[29]提出的对结构方程中的潜变量构建未限制模型及限制模型，并比较二者之间的卡方值差异量。从表3可以看出，两模型的卡方值差异达到005显著性水平，表明潜变量间具有较高的区别效度。

44结果分析与讨论

上述实证研究结果验证了个体投资者的信息获取行为与信息完备程度和个人分析能力之间存在着密切的联系。下面对应本文研究设计主体的两方面进行分析讨论。

441信息获取行为与信息完备程度的关系研究

表6的结果显示出研究假设H1～H4成立。即，在提升信息完备程度的获取行为方面，相比于搜索、浏览、交互和关注等主动行为，投资者对“推荐”这种被动信息获取行为的实效认可度更高。

在网络信息过载的环境下，一般个体投资者从信息海洋中辨识出更有价值的信息变得更为困难，采用主动信息获取行为的时间成本会更高；个体能力的差异也使得主动获取的信息价值效果存在差异。信息个性化推荐系统能够根据OSI-OSN用户的搜索记录、浏览足迹或关注行为等历史数据，分析出用户的信息需求以及信息偏好，并从海量的数据中过滤掉无用信息，较为精准地向用户推荐感兴趣的投资信息。相比由用户主动发出的信息获取行为，智能信息推荐行为往往能给到用户“惊喜”，包括为用户节省了信息获取方面的成本，或价值信息方向的引导，以及信息提炼等，能够高效地帮助用户提升信息的完备度。因此，这种新兴信息技术的成熟应用，一定程度上改变了OSI-OSN用户的信息获取行为选择偏好。从研究结果可以看出，作为大数据以及数据挖掘技术的新兴技术应用，信息推荐行为对普通投资者的帮助已经得到了较高认可。

442个人分析能力差异与信息获取行为偏好的关系研究

个人分析能力不同的投资者对信息获取行为的选择偏好存在差异性。本文从行为选择顺序与主动获取行为偏好两方面来进行研究。

1）个人分析能力差异与信息获取行为选择顺序的关系研究

表7的结果显示：假设H5、H6成立，假设H7不成立。也就是说，在信息获取行为的选择顺序上，强分析能力者和较强分析能力者会优先选择主动信息获取行为，而一般分析能力者则更偏好被动信息获取行为。并且，被动信息获取行为对于强分析能力者决策的直接影响并不显著。

在OSI-OSN用户中，强分析能力者和较强分析能力者的数据分析水平、投资知识储备、心理自信等相对较好。因此，他们更倾向于首选主动从OSI-OSN的海量数据中挖掘有用的投资信息。此外，虽然从441的分析中得到推荐行为对个体投资者的信息完备度提升具有重要作用，但是，由于强分析能力者的“强投资自信”，或推荐信息与其投资决策选择的一致性较高，因此，出现了被动信息获取行为对于强分析能力者的决策影响不显著的结果。

相对个人分析能力一般的投资者，其数据分析水平较低、对信息的解读能力较弱，使得产生强自信的依据不足。因此，他们往往会更依赖于先接受推荐，后依据推荐再主动获取信息。随着推荐技术的应用，高质量信息推荐的出现，一定程度上使得一般分析能力者更偏好优先选择推荐行为获取投资信息

2）个人分析能力差异与主动信息获取行为偏好的关系研究

5结束语

本文对OSI-OSN个体投资者用户的信息获取行为与投资决策影响因素之间的关系进行了研究。通过研究发现：在提升信息完备程度的获取行为方面，基于个性化推荐技术的OSI-OSN推荐行为获得了用户更高的实效认可度；强分析能力者和较强分析能力者会优先选择主动信息获取行为，而一般分析能力者则更偏好被动信息获取行为；只有分析能力最强的一类人群表现出对SSAAB具有更强的偏好性。

上述研究结果揭示出，在OSI-OSN上，不同个体投资者对信息获取行为的选择存在明显差异；并且个人分析能力不同的投资者的行为偏好也存在差异；推荐行为对个体投资者决策的影响较大。反映出OSI-OSN平台针对个体投资者用户的个性化信息推荐行为发挥了重要的功能作用，也受到了用户的较高认可。相对于较大范围的用户，推荐行为往往更具有信息的导向作用，它的效力与影响作用深度都是值得深入研究的方向。

此外，相较于OSI-OSN，CSI-OSN可能是具有更为专业和更高价值投资信息的获取源。但由于其网络结构较为封闭的特征，较高的私密性，也为对其的研究带来了更高的挑战性。尽管如此，针对CSI-OSN的用户行为研究能够为投资者决策影响研究带来更进一步地深入，也是值得开展的研究方向。本研究丰富了OSI-OSN用户信息获取行为在股票投资领域的应用，并为CSI-OSN的深入研究提供了基础。

参考文献

[1]Fu C，Ying W，Zhao K，et al.Complex Networks Under Dynamic Repair Model[J].Physica A Statistical Mechanics & Its Applications，2018，490：323-330.

[2]劉虹，李煜，孙建军.基于微博微信的高校社交网络信息传播特征与效率对比分析[J].现代情报，2018，38（4）：3-11.

[3]于灏，周玉成，井元伟，等.异质化带宽分配下的复杂网络数据流负载问题研究[J].物理学报，2013，62（8）：12-18.

[4]于灏，马妍，王新华，等.带特定选择机制的供应系统网络模型构建及分析[J].系统工程学报，2017，32（5）：686-698.

[5]Xia L L，Jiang G P，Song B，et al.Rumor Spreading Model Considering Hesitating Mechanism in Complex Social Networks[J].Physica A Statistical Mechanics & Its Applications，2015，437：295-303.

[6]阮逸润，老松杨，王竣德，等.一种改进的基于信息传播率的复杂网络影响力评估算法[J].物理学报，2017，20（66）：285-294.

[7]杨善林，王佳佳，代宝，等.在线社交网络用户行为研究现状与展望[J].中国科学院院刊，2015，30（2）：200-215.

[8]Cheung C M K，Liu I L B，Lee M K O.How Online Social Interactions Influence Customer Information Contribution Behavior in Online Social Shopping Communities：A Social Learning Theory Perspective[J].Journal of the Association for Information Science & Technology，2015，66（12）：2511-2521.

[9]Lee C S，Ma L.News Sharing in Social Media：The Effect of Gratifications and Prior Experience[J].Computers in Human Behavior，2012，28（2）：331-339.

[10]甘春梅，黄悦.社会化问答社区不同用户行为影响因素的实证研究[J].图书情报知识，2017，（6）：114-124.

[11]付少雄，胡媛.大学生健康信息行为对实际健康水平的影响研究——基于健康素养与健康信息搜寻视角[J].现代情报，2018，（2）：84-90.

[12]周朴雄，张兵荣，赵龙文.基于BP神经网络的情境化信息推荐服务研究[J].情报科学，2016，36（3）：71-75.

[13]Wilson T D.Human Information Behavior[J].Informing Science the International Journal of An Emerging Transdiscipline，2000，3（2）：49-56.

[14]Morris M R，Teevan J，Panovich K.A Comparison of Information Seeking Using Search Engines and Social Networks[C].International Conference on Weblogs and Social Media，2011，26（9）：613-617.

[15]张迪，古俊生，邵若斯.健康信息获取渠道的聚类分析：主动获取与被动接触[J].国际新闻界，2015，（5）：81-93.

[16]Kuhn H W，Morgenstern O，Rubinstein A.Theory of Games and Economic Behavior[M].Princeton University Press，2007，21（1）：776.

[17]Liang H，Yang C，Zhang R，et al.Bounded Rationality，Anchoring-and-adjustment Sentiment，and Asset Pricing[J].North American Journal of Economics & Finance，2017，40：85-102.

[18]Tversky A，Tvsersky A.Prospect Theory：An Analysis of Decision-making Under Risk[J].Econometrica，1979，47（2）：263-291.

[19]李月琳，刘济群.个体投资者投资决策中的信息利用行为研究[J].情报资料工作，2014，35（6）：29-34.

[20]李月琳，胡玲玲.投资者信息行为分析：信息源的选择与利用研究[J].情报资料工作，2012，（4）：90-97.

[21]West，Marie L.A mixed Methods Investigation Into Aspects of Medication Wastage in Malta[J].Journal of the Air & Waste Management Association，2015，65（10）：1217-28.

[22]譚松涛，陈玉宇.投资经验能够改善股民的收益状况吗——基于股民交易记录数据的研究[J].金融研究，2012，（5）：164-178.

[23]Xiao W.Does Practice Make Perfect？Evidence from Individual Investors Experiences and Investment Returns[J].Journal of Interdisciplinary Mathematics，2015，18（6）：811-825.

[24]卢佐冬.个体投资者心理与行为偏差研究[D].武汉：武汉大学，2012.

[25]张谊浩，李元，苏中锋，等.网络搜索能预测股票市场吗？[J].金融研究，2014，（2）：193-206.

[26]Sabherwal S，Sarkar S K，Zhang Y.Do Internet Stock Message Boards Influence Trading？Evidence from Heavily Discussed Stocks with no Fundamental News[J].Journal of Business Finance & Accounting，2011，38（9-10）：1209-1237.

[27]Guo Y，Yin C，Li M，et al.Mobile E-commerce Recommendation System Based on Multi-source Information Fusion for Sustainable E-business[J].Sustainability，2018，10（1）：147.

[28]陈为东，王萍，王益成.学术新媒体环境下用户信息偶遇要素及内在机理研究[J].情报理论与实践，2017，（2）：28-33.

[29]吴明隆.结构方程模型[M].重庆：重庆大学出版社，2013：467-475.

（责任编辑：孙国雷）