基于知识的投资者一致性行为理论研究

宋陆军

(1.太原学院 科技金融应用研究所,山西 太原 030032；2.太原学院 财经系，山西 太原 030032)

引言

关于投资者行为影响因素的研究文献丰富，最早的如道氏理论、波浪理论，但是直到马科维茨资产组合选择模型、资本资产定价模型等才呈现出科学的形式，并以数理统计为基础对历史数据进行分析，为投资者行为决策提供理论指导。近年来，学者在有限关注、过度自信、羊群行为、投资者情绪等方面进行了大量创新研究，除了关注非理性因素对行为的影响外，还将增强学习、意识形态等因素纳入投资者行为的研究领域。

强化学习将历史信息、经验等纳入投资决策，学者在研究投资者行为时，也是将信息、经验等作为研究对象，即以信息、经验等为自变量，投资决策为因变量，并建立信息、经验等自变量与投资决策的映射关系。这种映射关系可以将理性和非理性因素的研究统一到强化学习语境下。但是在进行决策之前，强化学习会先形成知识，然后再用知识作为投资决策的依据，即：

国内外学者大多忽略了这一过程，而且也没有对知识进行解释，以及如何利用知识形成决策进行分析，特别是对知识本身对投资者行为的影响缺乏系统研究。

同时，在研究投资者行为的影响因素时，有学者发现：不同时间不同情况下的样本存在一致模式，也就是说运用不同的分析方法，考虑全部的影响投资者行为的因素，最终发现分析方法的不同导致同一个行为模式或结果[1]。那么造成同一行为的原因是什么？这种同一行为能否用模型或理论进行论证？以及同一行为会为策略研发、金融风险管理带来什么实质性影响？这些问题并没有学者给予关注和回答。

基于此，本文通过文献梳理，并将知识进行了重新定义，即知识是指投资者对数据、信息、经验进行系统分析的结果，并用以此指导投资决策行为，再结合我国金融市场运行情况，提出了4个基本假设，构建了一致性行为模型，并说明了该模型在解释我国金融市场运行情况、策略研发、风险管理和金融监管等方面的应用前景。

一、文献综述

20世纪初的道氏理论被认为是研究投资者行为的最早文献，R.N.Elliott在道氏理论启发下于1934年公开发表波浪理论，但直到20世纪50年代初，研究投资者行为的文献才呈现出科学的形式。国外研究投资者行为影响因素的文献主要有：

(一)历史信息是投资者行为及决策的基础

传统金融学和现代金融学都假定信息会影响股票价格的走势。对信息的分析大体上有两类，一是基本面分析，关注宏观经济、行业经济、财务状况、管理能力等基本面信息；二是技术分析，关注股票历史价格趋势，并以此预测未来价格，认为股票价格会周期性地重复[2]。以股票历史价格为基础，马科维茨首次提出影响投资者选择行为的是资产收益的特征，并通过寻找高收益、低协方差或者为负的资产组合来实现投资收益[3]。除了期望收益和风险特征外，影响投资者选择行为的因素不仅有组合的当期收益，也有未来收益[4]。为最大限度增长财富，投资者会构建具有互补概率的投资组合[5]，并考虑偏度和峰度对市场价格产生的影响[6]，以及β值[7]等因素。数理统计知识以及理性人假设显著影响投资者的资产选择行为。

与马科维茨不同，许多学者重点关注基本面信息对股票价格和投资者行为的影响。比如组合资产中公司股利政策和估值[8]、资本利得税等会影响投资者年终交易决策[9]。除了公司基本财务信息外，影响投资者行为的因素还有财务、法律和社会，例如组合公司的特征、市场特征和机构投资者特征等因素的综合影响会造成投资者积极行为[10]。当然，一国或地区的经济状况也影响投资者行为，研究表明大部分投资者行为是顺周期的[11]，并受其所在国家制度和监管环境的影响，在制度设施较好的国家，分析师对价格预测的乐观态度会明显减弱[12]。处理信息的方法和成本不同，也会影响到投资者行为。收集和处理数据成本，以及数据传输成本等信息成本使投资者只关注熟悉的股票[13]，而信息优势、多元化原则会促使个人投资者拥有国外股票[14]。相互宽容理论也揭示当多个分析师同时面临公开信息时，会选择相互协调以降低竞争，对股票盈利性预测会比较谨慎[15]。总之，加强各种信息之间的动态联系以预测股价至关重要。

(二)过往决策经历等非理性因素与行为决策

许多投资者都是可怜的贝叶斯决策者[16]，但是由于存在时间、记忆、关注等方面的局限，人类处理信息的能力有限，过度自信、自我归因、事后偏见等都会影响投资者行为。经济学家应该考虑证券市场中非理性因素对投资者行为的影响[1]。这些非理性因素主要表现为投资者个体的有限关注、过度自信、羊群行为、情绪等。

在选择投资标的时，投资者可能并不像资本资产定价模型假定的那样选择市场组合，而是选择自己熟悉的股票。投资者可能只关注自己熟悉的股票，因为投资者认为自己熟悉的事物风险更低[1]。国内外基金经理更关注自己国家的股票[17]。投资者注意力不集中或有限关注的原因在于对信息的厌恶心理，这种厌恶使得投资者不经常观察其投资组合的价值变化，因为频繁观察带来的失望次数多[18]。

因过去的成功，投资者会过度相信自己的选择。过去取得成功的投资者更容易进行激进交易，并将交易成功进行自我归因，即认为是技能而不是运气使自己成功[1]。投资者对收益的过度反应，会引起先前的输者比先前的赢者表现更好，即行情出现反转。过度反应引起的行情反转会造成股价的急剧下跌预示收益的后续上升[16]。过度自信产生的处置效应使得投资者倾向卖出盈利的股票，持有亏损的股票[19]，可能引起对市场信息反应缓慢[20]。

同时，投资者行为存在显著的羊群效应。羊群行为可以看作是在利用别人的知识来指导自己的行为[1]。趋势交易者会卖出亏损的股票，买进盈利的股票，这会加剧危机在国家之间的传染性[21]。从波动性角度看，趋势交易倾向选择波动性大的股票，而逆势交易者相反[22]。当投资者在全球范围内选择投资组合时，倾向于选择已有组合，表现出对组合的跟随[23]，即使是证券分析师在提供策略时也存在羊群行为。

此外，情绪、偏见等个体心理因素也会影响投资者行为。乐观情绪会使噪声交易者将投资集中在高贝塔值的股票[24]，恐惧的投资者更容易抛售股票[25]，股票留言板也可以通过增强投资者先前的信念，影响投资者行为[26]，当极端风险来临时，投资者的直觉在决策过程中起到了关键作用[27]。研究表明投资者频繁交易的目的不是为了增加业绩，而是因为增加交易的情感经历、提升愉悦或者降低痛苦。为获得内心愉悦，投资者会倾向回购之前获利的股票[28]，甚至空气污染也会通过投资者情绪影响投资决策[29]。同样，投资者也会受到别人的偏见而影响自己的行为。由于对信息处理顺序和处理能力的不同，分析师会产生偏见[1]，而投资者行为会受信息的上下文表述偏见的影响[30]。

(三)强化学习是对历史信息和过往决策的综合分析

强化学习也是影响投资者行为的重要因素，随着金融科技的发展，深度学习越来越多地用于实现强化学习。个人投资者有足够的动力去学习知识以避免在市场上被剥削。投资者会对异常现象进行学习，也即对历史经验进行学习，进而影响投资者行为。投资者往往会基于历史股价走势形成投资理论，从历史中寻找投资方法是一种强化学习的方式[1]，即使过去的成功在逻辑上不能预测未来的成功，也要增加对投资者个人经历过成功的策略的权重，投资者行为受强化学习的影响[31]。同样，过去的业绩表现也会影响基金对投资组合的选择，具体而言基金在全球范围内会卖出表现弱的过度头寸，买入风险暴露低的资产，这也是强化学习的具体表现[32]。

虽然我国资本市场发展的历史较短，但是国内学者也贡献了大量的前沿文献。例如，通过动态资本资产均衡定价，以及牛熊周期长记忆性、风险及有效性等研究资产的收益和风险特征。从高送转[33]、是否过度关注本地公司[34]和股票名称辨识度[35]等方面拓展有限关注的文献；结合投资者倾向于维持他们过去的选择[36]，并表现出“热手效应”和“赌徒谬误”[37]，热衷彩票偏好[38]，过度自信抑制股价下行风险，以及非持续性过度自信引起股市的中期反转[39]等丰富过度自信领域的研究；结合国内情况，考察了QFII、机构投资者之间的羊群行为[40]，以及社交媒体、分析师评级对羊群效应的强化作用[41]，并改进羊群效应测度指数[42]；在投资者情绪方面，重点分析投资者情绪对噪声交易者[43]、超大盘股[44]的影响，指出媒体报道、谣言[45]、后悔[46]、股评等都会影响股价波动。另外，在投资者学习领域产生了创新文献，例如学习行为使投资者在牛市中更为激进，并使投资者具有惯性行为，同时开始关注机器学习与股市预测和金融科技[47]方面的文献。在意识形态方面，也开始出现有益的文献，比如主板投资者更认同社会责任是企业的一种增值行为[48]。

通过梳理文献可以发现，强化学习是理性和非理性投资者都强调的因素。理性投资者注重对历史信息的分析，通过分析历史价格、成交量、基本面信息等形成投资决策的依据，是对历史信息和金融资产价格相关性的经验进行的强化学习；非理性投资者注重有限关注、过度自信、羊群行为、情绪等对资产价格的影响，也在试图寻找过往的决策如何影响投资者行为，即从历史经验中获得如何进行投资的判断，也是一种基于历史经验的强化学习。

强化学习将历史信息、经验等纳入投资决策，在研究投资者行为时，也是将信息、经验等作为研究对象，即以信息、经验等为自变量，投资决策为因变量，并建立信息、经验等自变量与投资决策的映射关系。这种映射关系可以将理性和非理性因素的研究统一到强化学习语境下。在进行投资行为分析时，强化学习只注重从学习到决策的映射关系，即：

但是在进行决策之前，强化学习会先形成知识，然后再用知识作为投资决策的依据，即：

国内外学者大多忽略了这一过程，而且也没有对知识进行解释，以及如何利用知识形成决策进行分析，特别是对知识本身对投资行为的影响缺乏系统研究。

二、基本假设

(一)知识的定义

经济主体被赋予学习和推理过程，学习和推理的结果是形成知识，进而指导行为[49]。这说明也有学者关注知识对投资者行为的影响，但是并没有给出知识的确切概念和含义。

从哲学角度，柏拉图将知识定义为“被验证过的、正确的、被人们相信的陈述”，而英国著名史学家彼得·伯克将信息和知识进行了区分，指出信息是相对原始的、特殊的和实际的；而知识是深思熟虑的、处理过的或系统化的。

从经济学角度，野中郁次郎在SECI模型中将数据、信息和知识进行了详细区分，认为信息和数据通过观察、判断获得，而知识则通过体验获得；Davenport & Prusak认为知识随着刺激和学习随时改变，并且知识能够评估和整合信息和经验，进而指导决策和行为。

从上述定义中，可以看出信息、经验、数据与知识是不同的概念，知识比信息、经验要高级，是对信息、经验的再加工、再认识，并且知识可以指导决策和行为。因此，本文将知识进行如下定义：

知识是指投资者对数据、信息、经验进行系统分析的结果，并用以此指导投资决策行为。

显然，依据不同的方法和理论，对数据、信息、经验的分析形式和结果都是不同的。也就是说数据、信息、经验是自变量，而知识是因变量，是数据、信息和经验的函数；并且知识与决策也有显著区别，知识是指导决策的依据，而决策是知识运用的结果；获得知识的途经是对数据、信息、经验进行学习，即学习是获得知识的路径，而知识是学习的结果，知识比学习更深刻。

(二)基于知识的四个假设

在金融市场中，根据形成知识时所依据的理论、数据的不同，可以将投资者进行分类。具体如下：

第一类，数理统计交易者。这类投资者以资产组合选择理论、资本资产定价模型和市场有效性假说为基础，根据金融产品的历史价格，主要是收盘价，进行数理统计运算，发现价值被低估的标的，例如寻找α大于零的股票，通过股指期货对冲β值等量化对冲基金，都是数理统计交易者。这类交易者广泛存在于发达国家或地区的市场中。

第二类，价值投资交易者。以股票、债券等标的基本面数据为基础，结合股票、债券等金融产品理论定价公式，寻找价值被低估，且未来价值持续上涨的标的进行投资，这类投资者是价值投资交易者。例如通过研究某一行业未来发展趋势，并选择行业中优质企业进行投资，并长期持有。这类投资者以巴菲特价值投资为信念，根据财务、管理层、产品市场占有率、竞争程度、行业未来趋势、经济周期等基本面信息作出判断，并准备长期持有拟投资的股票。

第三类，K线形态交易者。K线起源于日本，1990年同时传入美国和中国，这类投资者以形态理论、波浪理论等为基础，结合历史K线组成的各种形态，寻找股票、期货等金融产品的压力位、支撑位，以及未来价格可能的走势，作为买卖的依据。研究K线形态较少涉及复杂的数理统计运算，易学易用，被我国投资者广泛使用，但是K线并不是美国投资者关注的重点，即使是波浪理论，起始关注的也是历史价格，只是在传入我国后，被用于分析K线的未来形态变化。

第四类，技术指标交易者。根据历史价格和成交量，可以衍生出各类技术指标，例如MA、MACD、KDJ、BOLL等指标，通过用这些指标拟合过去的价格走势，给出买卖点的指示。这类交易者重点关注技术指标给出的买或卖的建议，进行投资决策。技术指标相对易学易用，和K线形态理论一样，是我国证券投资教材中的重点内容，在我国投资者中运用最为广泛。

显然，上述四类投资者都基于理性人假设。通过对知识进行定义，可以看出上述四类投资者决策过程基本一致，即从信息、数据、经验到知识，再到决策。那么就会得出一个假设，即：

假设1：金融市场中的知识会形成投资者的一致性行为，即对买入或卖出金融资产的一致性认同。

知识所形成的一致性行为可以分为三种，即上涨期买入行为、下跌期卖出行为和震荡期观望行为，并且不同的时间周期也会形成不同的一致性行为，比如以15分钟线、30分钟线、日线等不同周期进行交易时，一致性行为也会有所不同。

这里的一致性是指一定时间周期内对于上涨、下跌或震荡的认同，进而形成的一致买入行为、卖出行为或观望行为。因此，一致性是金融资产价格持续上涨、下跌或震荡的基础。

在理性人假定下，假设1严格成立。例如对于数理统计交易者，都是依据α、β、峰度等统计指标选取股票，并利用delta、gamma、theta等希腊值来对冲风险；对于价值投资交易者，经济周期、行业周期、企业特征等基本面信息是其重点关注的内容；对于K线形态交易者，依据K线进行划线，判断压力和支撑，预测突破或震荡，最终的划线结果大同小异，投资者买卖行为趋于一致；对于技术指标交易者，各类技术指标所依据的数据一样，拟合历史价格时，所产生的买或卖的指示点大体一致，交易者依次进行的交易行为一致。

在有限理性假定下，假设1也成立。对于经验的学习，是有限理性投资决策的依据，例如投资者可能只关注自己熟悉的股票，投资者的有限关注也是源于经验，即强化学习起了作用[1]；过去取得成功的投资者更容易进行激进交易，并将交易成功进行自我归因，即认为是技能而不是运气使自己成功。过度自信、自我归因也建立在历史经验上，其实是一种强化学习，或者是一种对知识的惯性使用。再比如，理论、媒体报道、财经媒体等都默认用52周的时间来绘制股票的价格路径，并广泛报道52周的高点和低点，投资者会注意到将当前价格与52周内价格之间的关系，并作为决策依据。这种规则是由知识引致的，并在大量投资者之间传播并使用，最后形成一致性行为，自我实现52周的价格特征[50]。

知识形成的一致性行为可以打破局部的界限，在全部投资者中也适用。不同时间不同情况下的样本存在一致模式，也就是说运用不同的分析方法，考虑全部的影响投资者行为的因素，最终发现分析方法的不同导致同一个行为模式或结果[1]。造成这种现象的原因是知识要解决的问题实际上只有一个，那就是拟合历史价格走势，进而预测未来，无论拟合的方法有何不同，因为形成知识的数据、信息和经验是确定的、相同的，一个可能的结果就是各类知识导致一个共同的买或卖的行为。

但是，市场中的公司特征也会影响由知识引致的一致性行为。投资者除了具备交易知识外，还需要对市场中的公司特征进行分析。在主要国家或经济体中，以目标为标准，可以将市场经济中的公司分为两类：

第一类，利润导向型公司。这类公司以追求利润为目标，广泛存在于西方发达国家，追求利润和股东价值最大化是其核心目标。投资者判断公司的好坏，只需要判断公司是否具有可持续的盈利能力，是否具备利润大幅增长的潜力即可。作为市场主体的公司，也只需要重点考虑利润因素，通过增加利润实现估值提升，进而实现股东价值最大化。随着社会责任越来越被提及，利润导向型公司也会兼顾社会责任，但仍以利润为主。

第二类，社会责任导向型公司。在中国特色社会主义市场经济中，除了以追求利润为目标的民营企业，在关键、重点行业存在大量的以追求社会责任为导向的国有企业。这些国有企业大部分已经上市，是股票市场的重要组成部分。截至2020年末，在我国全部上市公司中，国有企业资产总额约250万亿，净利润约2万亿，民营企业资产总额约21万亿，净利润约0.8万亿。从单位资产的盈利能力看，上市民企是国企的将近5倍，但是如果从就业、党的领导、贯彻国家政策意图等非财务指标看，国企是我国经济制度的核心，其更多的是承担就业、稳定等社会责任。

公司目标不同，会造成资产、利润、发展战略等方面的差异。以利润为导向的公司，注重资产的盈利能力和未来的发展前景；以社会责任为导向的公司，注重公司的发展规模和贯彻落实国家产业政策，注重创造就业和社会稳定。因此，我国上市公司是二元的，国企和民企同时存在，但是以国企主导。投资者在基于交易知识进行投资时，还应该注意这种二元结构对投资者行为的影响，从而产生第二个假设，即：

假设2：金融市场上因知识产生的一致性行为，会受到上市公司特征的显著影响。

上市公司特征对一致性行为的影响，主要体现在股票价格波动的特征上。例如美国股票指数呈现一种低波动率、缓慢上涨的长期牛市，而中国股票指数是一种周期性波动，很难出现慢牛。要解释这种现象需要结合一国上市公司特征，中国上市公司以国企为主，更加追求规模，承担很多非财务目标，因此股价表现为波动而非单边上升，在基于财务指标进行估值时，投资者对持续盈利能力的认同不一致，从而导致波动；美国上市公司追求利润，加上退市机制完善，在市场交易的公司持续盈利性强，投资者对股价单边上涨或者单边下跌的认同度高。

也就是说以国企为主导的上市公司，并不是以盈利为唯一目标，会更加注重规模，这样会影响公司的持续盈利能力，但是对于公司估值的知识是以盈利为基础的，只有持续盈利的内涵增长才能形成投资者对公司市值单边上涨的一致性认同，因此国企市值很难出现单边上涨，而是进行周期性波动；但是美国金融市场中的上市公司，以盈利为最终目标，持续盈利的企业会出现单边上涨，而亏损的企业则会下跌。

除了上市公司特征外，金融市场中的投资者特征也会显著影响一致性行为。在发达国家或地区，金融市场发展成熟，市场上以机构投资者为主，个人投资者的数量较少。在我国，虽然在短短的三十年间金融市场取得了巨大成就，例如股票市场从无到如今已有百万亿市值，期权、期货等金融衍生品发展迅速，但是市场中投资者的结构仍然是以个人投资者或散户为主。机构投资者在信息、资金、理论等方面具有优势，相对较为理性；个人投资者容易受到非理性因素的影响，并且在信息、资金方面劣势明显，更容易出现羊群行为。因此，投资者的结构也会影响一致性行为，即：

假设3：金融市场上因知识产生的一致性行为，会受到投资者结构特征的显著影响。

投资者特征会影响形成知识的能力。机构投资者对于信息、数据和经验的分析方法先进，所形成的知识会有很高的拟合度，而个人投资者往往缺乏对信息、数据的科学分析方法，大多是基于简单的知识或者经验作出投资决策。基于复杂科学形成知识的机构投资者具有稳定的买卖行为，会坚持基于数据、信息所形成的决策，进而对于上涨、下跌的一致性认同持续时间长；而个人投资者因经验的偶然性，往往没有系统的决策体系，买卖行为较为凌乱。

此外，一国或地区的金融市场基础制度也会对投资者一致性行为产生影响。比如T+0或T+1交易制度，做空机制等，都会对投资者买卖行为产生影响。其中，最重要的基础制度是做市商制度，为维护市场流动性，国内外很多金融市场都实行做市商制度。即使在实行集中竞价撮合交易的市场，也会存在类似做市商的机构，习惯上被称为“庄家”或者市值管理者。做市商或庄家资金量大，专业性强，在形成一致性行为时具有重要的作用。例如，均线系统在形成“金叉”买点时，会产生大量的买方力量，成交量很大，显然这是“庄家”拉升股票的结果，形成“金叉”后，散户投资者才根据显示的买进指示，继续买入股票，进而使股票价格持续拉升，形成买入股票的认同。也就是说，市场上存在引导投资者一致性行为的“庄家”或做市商，即：

假设4：金融市场上因知识产生的一致性行为，会受到“庄家”、做市商等机构投资者的引导。

上述的四个假设，结合起来可以很好地解释我国金融市场运行情况，也是构建一致性行为模型的基础。

三、一致性行为模型

(一)投资者的决策过程

各类投资者的决策过程基本一致，分为四步：

第一步，选取数据。数理统计交易者、K线形态交易者和技术指标交易者选取的数据都是历史价格和成交量，其中历史价格包括开盘价、收盘价、最高价和最低价。在选择历史数据时，可以自由选取不同的时间周期数据，例如60分钟、日、周、月等。价值投资交易者的数据重点体现宏观、行业和公司等三个层面，一般选择季度、年度数据。

第二步，选择分析数据的理论和方法。运用不同理论、方法分析数据，是区分各类投资者的重要标准。数理统计交易者以均值-方差为基础，利用资产组合选择理论、资本资产定价模型等现代金融理论，运用概率统计等数据分析方法，寻找α和β值；价值投资交易者以股票、债券、期货、期权等各类金融产品定价公式，结合概率统计方法，求出理论价格；K线形态交易者运用形态理论、波浪理论等图形化理论，以划线、数浪等方法，确定压力位、支撑位和突破后可能的形态；技术指标交易者以各类指标公式为基础，寻找买卖点上的指标值。

第三步，拟合。所谓拟合是指将得到的各类值，比如α和β、理论价格、形态、技术指标值等，与理论或历史数据进行比对，确定买入或卖出金融资产时的各类值域。

第四步，决策。数理统计交易者倾向选择α大于零的股票，或者利用α、β值分配资金；价值投资交易者选择价值被严重低估的资产；K线形态交易者则根据各种划线，选择有区间突破可能的形态进行交易；技术指标交易者利用各类指标形成的买卖点进行交易。

上面的决策过程也可以用函数形式表达出来，即：

其中Data表示历史数据，是自变量；Price表示未来价格，是因变量；F(·)表示函数的解析式。显然，拟合时选择的理论和分析方法不同，F(·)的形式也不同。投资者根据F(·)得出的结果，判断Price 未来上涨或下跌，进而选择买入或卖出资产。

(二)数据的拓展

由假设1可知，虽然分析数据时采用的理论和方法不同，但是得出的结果却大体相同，即不同知识会形成对某一金融资产的买入或卖出的一致性认同，进而形成金融资产价格的上涨或下跌趋势。这种投资者一致性行为的产生是必然的，原因在于各类知识所要拟合的历史数据一样。此外，一国或地区金融市场中上市公司和投资者特征的不同，会影响投资者的一致性行为，假设2和假设3说明了这一点。在我国，以国企主导的股票市场，呈现出股票指数呈周期性波动的特点。此外，数量上以散户为主的股票市场，更容易受到羊群效应的影响，从而会加剧市场的波动。

因此在假设1-3成立的基础上，如果将规则定义为因知识而形成的行为，那么可以得出一个结论，即：

结论1：金融市场是一种规则，是利用知识形成的一致性行为规则。在国内，这种规则的特点是市场的周期性波动。

提出规则这一定义的目的是为了更好地说明金融市场的运行机制。基于知识，投资者会形成上涨买入、下跌卖出、横盘观望等行为，会自主地形成金融市场波动，这是市场正常运行的内在力量。但是任何市场都存在“过热”或“恐慌”，特别是金融危机或市场大幅波动时，这种自发的上涨买入或下跌卖出行为往往会造成资产价格偏离数据、信息的支撑，因此需要存在另一种力量，进行引导投资者的行为。

在我国金融市场中，存在众多的“庄家”和做市商，它们利用信息、资金等优势，借助知识，引导众多投资者的买卖行为。比如“庄家”可以利用资金优势，拉升股票价格，形成技术指标的一个买点，或者形成形态理论中的一个突破，诱导众多投资者跟进，进而形成股票价格的持续上涨。这说明“庄家”、做市商等机构投资者可以引导投资者的一致性行为，也即假设4成立。由此可以得出另一个基本的结论，即：

结论2：由知识形成的一致性行为规则，受“庄家”、做市商等机构投资者的维护，维护规则的方式就是利用信息、资金等优势，改变拟合时产生的各类值(比如J值、MA值等)，形成买点或卖点，引导投资者行为。

上述结论表明，随着市场周期性波动，由知识产生的一致性行为也是波动的，因各种理论和分析方法产生的值，比如α、β、σ、MA、KDJ、情绪指数等，也是周期变化的，并且这种变化不仅是投资者运用知识自主形成的，也受到“庄家”和做市商的引导。显然，这些值的变化与股票价格变化相关性强，可以作为解释股票价格变化的指标。

因此，可以将各类投资者分析时所选取的数据进行拓展，即将数据定义为因知识产生的各类值，以及这些值与市场价格之间的数量关系，比如α、σ、收盘价-MA60、J值等，这些都可以作为数据。通过分析这些数据的变化规律，再与历史价格进行拟合，从而得出买入或卖出金融资产的决策。

(三)一致性行为模型

将数据进行拓展后，一致性行为模型的决策过程如下：

第一步，选取新数据。以各类交易者运用不同理论和方法形成的各类值(比如α和β、理论价格、形态、技术指标值等)，以及各类值与金融资产价格的数量关系(比如理论价格-市场价格，市场价格-MA60等)为数据。

第二步，确定分析方法。可以运用数理统计方法，也可以运用深度学习方法。

第三步，拟合。以新数据为自变量，未来价格为因变量，进行拟合或预测。

第四步，决策。利用拟合的结果，寻找趋势行情、反转行情产生时各类值的区间范围，然后确定买入或卖出行为。比如，收盘价-MA60的值，在大于零时做多，小于零时做空。

一致性行为模型的决策过程也可以用函数表示，即：

其中NewData表示各类交易者运用不同理论和方法形成的各类值，以及各类值与金融资产价格的数量关系，即是F(·)的结果，是自变量；Price表示未来价格，是因变量；G(·)为解析式，主要通过深度学习获得。投资者根据G(·)得出的结果，预测未来上涨或下跌。

值得说明的是，在一致性行为模型中，G(·)既可以通过数理统计的方式设定并验证，也可以利用深度学习求解，这一模型可以融入科技金融的最新进展，主张主要通过深度学习等金融科技分析方法进行科学研究和应用。

金融实践已经进入了以科技为主要分析方法的时代，但是金融理论研究仍处于基于概率论的计量经济学研究阶段。特别是近年来随着Python在金融实务中的运用和普及，越来越多的策略研发、投研报告、信息获取、数据分析、风险防控等领域采用机器学习、深度学习的分析路径，即利用过往的信息、经验、数据找寻拟合度高的函数。这种基于Python的科技金融分析方法被广泛应用在量化投资、对冲基金、衍生金融、风险管理、资金配置等领域，也极大促进了我国证券基金业的发展。但是，当前以提出假设—模型检验为主要路径的科研方法，显然不适应大数据下科技金融发展的前景，亟需诞生基于科技金融的新理论，为分析金融市场提供理论依据和分析方法。投资者一致性行为模型明确提出基于数据的深度学习等分析方法，正是对这种理论和实践相脱节的破题。

(四)一致性行为模型的意义

基于Python，可以很方便地实现一致性行为模型，并且可以将深度学习等金融科技前沿领域引入投资者行为决策模型。

一致性行为模型的内容主要包括上述4个假设、2个结论和1个决策过程。该模型的理论意义主要表现为：

第一，拓展了投资者行为领域的文献。现有的投资者行为理论研究的数据都是金融资产的历史数据，主要包括历史价格和成交量，以及基本面数据和经验数据。但是，由假设1-4可知，金融市场的本质可以看作是一种规则，这种规则的特征就是由知识引致的一致性行为，衡量这些规则是否得到遵守或执行的指标是交易者运用不同理论和方法形成的各类值，也即F(·)的值。因此，可以将F(·)的值作为观测规则的量化指标，也可以作为观测市场上投资者行为的指标，这些指标也就是一致性行为模型中的数据，从而拓展了研究投资者行为的新视角。

同时，一致性行为模型的出发点就是解释我国金融市场运行规律，并针对我国金融市场运行特点，提出相应的策略研发和金融风险管理手段和方法，其现实意义主要体现为：

第一，可以解释我国金融市场运行规律。一国或地区金融市场运行特点受到该市场主体的影响，即由上市公司特征、投资者特征和基础制度决定。在一致性行为模型下，我国投资者自主由知识产生的一致性行为，更容易受到“庄家”或做市商的引导，而我国上市公司以国企为主体的特征，决定了我国金融市场周期性波动，而不是“慢牛”。或者说，以国企为主导的金融市场更需要市场的流动性、监督功能，而不是市值不断增长，因此周期性波动是我国金融市场的常态。

第二，以新数据为基础进行策略研发。显然，利用各种理论和方法产生的F(·)的值，比历史价格和成交量更稳定，更能体现投资者的行为特征。因此，将F(·)的值作为数据，利用数理统计、深度学习等现代分析方法，拟合投资者行为与历史价格，开辟了新的策略研发思路和方法，而且基于大数据和一致性行为模型研发的策略预测性、盈利性会更强。

第三，一致性行为模型中的行情反转，为金融风险管理提供了理论依据。一致性模型认为我国金融市场是周期性波动的，而且“庄家”或做市商会通过引导一致性行为而促成行情反转的实现，因此可以通过分析，找寻F(·)的值的低点或高点，从而对原有的投资组合进行对冲。显然。一致性行为模型可以帮助投资者更好地进行对冲或套期保值，从而服务居民财富管理、企业成本管理和利润管理。

四、结论和展望

上述4个假设、2个结论和1个决策过程构成一致性行为模型的基本内容，利用假设1-3，可以得出结论1，利用假设4可以得出结论2。通过假设和结论，拓展了数据的内涵，并将呈现投资者行为特征的F(·)的值作为数据，提出利用深度学习研究投资者行为与金融资产价格之间的关系，丰富了投资者行为研究的文献，拓展了研究投资者行为的视角和方法。

但是，一致性行为模型中的假设和结论还需要更多的实证分析进行证明，也需要更多的策略研发和金融风险管理方面的实证。因此，在下一步的研究中，将重点从以下几个方面展开：

第一，假设论证。结合我国金融市场实际情况，构建深度学习模型，对4个假设进行实证分析，并论证由假设得出的结论。

第二，策略研发。利用一致性行为模型，研发基于F(·)值的策略，服务机构投资者的投资决策。

第三，风险管理。运用一致性行为模型，找寻F(·)值的极值点，结合期权、期货对冲特征，制定投资组合的对冲策略，满足机构投资者风险管理需求，以及企业成本管理和利润管理需求。

第四，金融监管。一致性行为模型认为“庄家”、“做市商”等机构投资者具有维护市场规则的重要责任与义务，这些机构投资者应该在维护金融稳定方面发挥更大的作用。这类机构是实现金融监管目标的重要中介，在监管过程中，应更加强调其维护市场规则的义务。