学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2021-11-16 17:09所属平台：学报论文发表咨询网浏览： 次
摘要：现代金融理论是建立在资本资产定价模型(CAPM)和有效市场假说(EMH)两大理论基石之上的。然而，随着研究的深入，众多金融异象的出现动摇了理性人假说。Kahneman和Tversky率先提出了前景理论，开创了行为金融学的先河。随着大数据的发展，金融学者将更多维度的数据
摘要：现代金融理论是建立在资本资产定价模型(CAPM)和有效市场假说(EMH)两大理论基石之上的。然而，随着研究的深入，众多金融异象的出现动摇了理性人假说。Kahneman和Tversky率先提出了前景理论，开创了行为金融学的先河。随着大数据的发展，金融学者将更多维度的数据应用到投资者行为的研究中去。本文从投资者异质性、处置效应、地域偏好、行业偏好、博彩偏好、投资者社会互动、过度自信、羊群效应，以及投资者行为的决定因素共个角度，总结了大数据背景下的投资者行为研究文献，并结合当前的技术和金融市场的发展，提出了未来的研究方向。
关键词：大数据;投资者行为;研究展望
1.引言
现代金融学有两大理论基石——资本资产定价模型(CapitalAssetPricingModel，简称CAPM)和有效市场假说(EfficientMarketHypothesis，简称EMH)。早在1952年，Markowitz1]以投资者效用最大化为基础，构建了均值方差模型，这个模型一经问世，以往复杂的投资决策问题便被很好地转化为一个风险(用方差度量)和收益(用均值度量)的选择问题。在均值方差模型的基础之上，后来的研究者提出了资本资产定价模型(以下简称为CAPM)，其中最著名的要数Sharpe2]。
有效市场假说是现代金融理论的核心思想之一。有效市场理论首先由Fama提出，在有效市场的理论框架下，如果信息可以在证券价格中得到充分反应，市场就是有效的，那么任何企图战胜市场的行为都是徒劳的。自从有效市场假说和CAPM模型提出之后，研究者的研究方向一般集中在运用CAPM模型进行实证研究和验证有效市场假说的有效性上。但是随着研究的不断深入，现代金融理论与投资者的投资决策之间的矛盾越来越凸显出来。这些矛盾主要表现在两个方面：
第一，在现代金融理论的框架中，投资者进行投资决策的前提是理性预期与规避风险，进而使得效用函数最大化。但是，研究发现投资者在进行投资决策的时候，如果产生亏损，投资者会表现出风险偏好的特性，并会表现出减少后悔、推卸责任的心理。尤其需要指出的是，投资者的这种行为偏差是系统性的，并不能通过统计方法进行消除。
第二，现代金融理论是建立在市场有效竞争和投资者是理性的经济人的假说之上的，非理性的投资者会被市场淘汰。但是研究表明，非理性投资者依然可以影响市场中的资产价格，有些时候非理性投资者可以获得比理性投资者更高的投资收益],[。除此之外，在研究的过程中出现了许多无法用现代金融理论解释的金融异象，如阿莱悖论(AllaisParadox，由法国经济学家莫里斯阿莱斯1952年提出)、股权溢价之谜(ThequityPremiumPuzzle)等。
为了更好地解释金融市场中的投资者偏差和金融异象，一些研究者开始将心理学中的研究成果应用到投资者的行为分析中去。Kahneman和Tversky首先对这个问题进行了系统的分析，并提出了前景理论(ProspectTheory)。该理论认为，投资者在面对收益的时候，其边际效用是递减的，但是在面对损失的时候，其边际厌恶程度是递增的。但是期望效用理论并没有给出效用函数的具体形式，因此在理论上还有很大的缺陷。随后，Shefrin和Statman],[10分别提出了行为资产定价模型(BAPM)和行为组合理论(BPT)，将行为金融学与现代金融理论相结合，对现代金融理论进行了完善。大数据是近些年出现并迅速走红的一个词汇。
根据维克托•迈尔•舍恩伯格和肯尼思•库克耶所著的《大数据时代》一书，大数据表现出三方面的特性：(1)更多，即数据不是随机样本，而是全部样本;(2)更杂，即数据不过分要求精确性，更多的是混杂性;(3)更好，即数据间不是因果关系，而是相关关系。具体到投资者行为研究方面，大数据要求研究所用的数据不再局限于公开的证券信息以及公司的财务数据，更要结合投资者的个人信息数据、交易数据、互联网金融数据等。这些数据将会给研究者对投资者行为的研究提供极大的便利。因此，这篇文章将大数据背景下的投资者行为文献进行详细的介绍。
2.大数据背景下的个人投资者行为
这篇文章所总结的文献，其特点主要体现在进行研究所用的数据之上。文献中所用数据主要可以归结为两类：第一，投资者的账户交易数据;第二，互联网金融平台数据。与金融研究中所用的传统数据(如股票的价格、收益率、成交量，公司的财务数据等)相比，这些数据具有显著的优势——数据量更大，数据维度更高，所包含的信息更加丰富。在账户数据和互联网金融数据中，投资者的个人信息数据(如性别、年龄、出生地、教育水平、婚姻状况、工作职位、收入等)、逐笔证券交易数据(包括证券的类别、成交时间、成交价格、交易费用等)、资产数据(包括银行存款、股票、基金、房产等)。
家庭成员信息数据(如父母、养父母、兄弟姐妹等)、投资者之间的互动数据(如各种社交平台的发帖留言、股票推荐)、投资者的网络借贷数据(包括逐笔借贷信息和评级数据)，都可以被清晰的展现出来。运用这些信息，可以构建传统金融数据所不能构建的指标，可以对投资者进行更精准的分类，对投资者行为进行更精细的刻画，为相应的理论研究提供更加直接的证据。文章下面将从投资者行为的异质性、处置效应、地域偏好、行业偏好、博彩偏好、投资者之间的社会互动、过度自信、羊群效应，以及投资者行为的影响因素等几个方面入手，对个人投资者行为进行详细的介绍。
2.1个人投资者行为的异质性
研究者认为，相对于机构投资者来说，个人投资在信息获取方面处于劣势地位，因此在进行投资决策的时候，个人投资者很容易出现系统性的决策偏差。例如，Barber和Odean运用来自美国某大型券商的交易数据对个人投资者的过度交易行为进行研究，发现当考虑到投资者的交易费用时，交易越频繁的投资者的收益越低;并且这一现象在男性投资者中更加明显12。
除了过度交易之外，投资者的行为还容易受到媒体的影响。Barber和Odean在研究中认为个人投资者存在认知局限，媒体不仅影响了投资者的信息获取能力，更加影响了投资者的注意力，造成投资者投资决策出现偏差。上述研究中的投资者行为偏差，都与个人投资者的过度自信有关，这也与投资者过度自信的理论研究结果是一致的。然而，很多研究者却否认了个人投资者的行为偏差，认为个人投资者可以正确预测未来股价的变化，并据此做出相应的投资决策。Barber等15对美国市场从1983年至2001年的逐笔订单数据进行研究发现，股票市场中个人投资者中的订单交易不平衡对股票未来的收益具有很强的预测能力。Kaniel等16与Kaniel等17对2000年01月至2003年12月纽约证券交易所上市的所有股票的个人投资者的交易数据进行分析，结果表明投资者表现出明显的遵循逆势策略的行为。
Kelley和Tetlock18则对纽约证券交易所、纳斯达克和美国证券交易所上市的全部股票从2003年02月到2007年12月的全部个人投资者的交易数据进行了研究，结果表明不论是主动的净买入(市价订单净买入)还是被动的净买入(限价订单净买入)都可以正向预测出公司的月度股票收益。从上面的对比中可以看出，投资者行为的不同研究结果之间存在着巨大的分歧。之所以出现这种结果，很大程度上是因为投资者之间本身存在着异质性问题。Fong等19通过对澳大利亚证券交易所从1995年01月到2007年12月的交易数据进行分析，发现来自不同证券交易商的交易数据中的信息含量有着显著的差别。
Boehmer等分析了从2010年01月到2015年12月的美国市场的交易数据，研究结果也表明，不同的个人投资者中间存在着很大的异质性。上述文献从实证角度对投资者的异质性进行了研究，研究结果印证了投资者意见分歧相关理论，如渐进信息流动理论21],[22，有限关注理论23],[24，先验异质性理论25],[26等。但是，造成研究结果存在差异的另一个重要的原因是研究样本的偏差和投资者数据的局限。在之前的文献中，只有部分投资者的数据被纳入到研究范围中，因此不同的研究结果之间会存在巨大的差异。这也为将来的实证研究提供了一个可行的思路，那就是运用更高维度、更长时间跨度的数据，并将更大范围的投资者纳入到研究体系中去。这个问题有待研究者做出进一步的探索。
2.2个人投资者的处置效应
处置效应(DispositionEffect)是投资者的一种典型的非理性行为，即投资者在亏损的状态下更加偏好风险，因此会继续持有亏损的资产期望其未来升值，从而规避实现损失;然而投资者在盈利的状态下更加规避风险，因此会急于卖出盈利的资产以实现收益。
在大数据的背景下，各种高维度数据被应用到个人投资者处置效应研究中去。Odean27分析了美国市场随机选取的10000个账户在1987年至1993年的交易数据的分析，他发现个人投资者表现出明显的持有亏损的股票反而卖出盈利的股票的行为。Frydman等28认为，投资者不光表现出处置效应，也会表现出“滚动”处置效应，即投资者在再投资的时候，会把证券的收益或者损失的情况锚定在之前卖出的证券而不是再投资的证券本身。这项研究拓展了“心理账户”理论和“处置效应”的应用范围。Heimer29将投资者交互数据与投资者交易数据相结合，对投资者的处置效应进行了进一步的研究。
Heimer所用数据来自一个名为“myForexBook”的网站，包括5000多个个人投资者的十万多条互动消息数据和两百多万条交易数据。研究结果表明，投资者互动将投资者的处置效应提升了几乎一倍的水平，并且彼此之间相互交流的投资者发展出了大致相同水平处置效应。Li等30与Huang等1]将中国的空气污染数据与投资者交易数据相结合进行了相关研究，发现空气污染显著提升了投资者的处置效应。
另外一些学者将医学人类学的研究方法引入到金融研究之中，开始采用对人脑无害的模拟技术，来研究投资者行为的微观基础。Frydman和Camerer32与Frydman等33的研究都表明，处置效应与投资者的脑部神经活动有着密切的关系。这些研究突破了传统金融学的研究范畴，为后来的投资者行为研究提供了新的思路。投资者的处置效应不是一成不变的，它会随着市场状态、投资者的交易经验与成熟度，以及投资者的学习行为产生变化。
Feng和Seasholes34研究了投资者的交易经验对处置效应的影响，发现交易经验丰富的投资者的处置效应会有所减少却不会消失。Seru等35运用芬兰账户交易数据，研究了个人投资者的投资行为是否会随着交易经验的增加而改善。他们发现了两种学习行为：第一种情况，随着交易经验的增加，一部分投资者的投资行为越来越成熟，因而处置效应变得越来越不明显，投资组合的收益也会越来越好;另一种情况与之相反，一些投资者随着交易次数的增加，越来越发现自己在股票市场上是“低能”的，因而这部分投资者慢慢减少甚至停止主动交易，演变为被动投资。
无论哪一种情况，都是投资者在交易中学习的直接证据。国内对于个人投资者处置效应的研究，基本遵循了国外的研究路线，也开始使用包括投资者的交易数据、投资者的个人信息数据等进行研究，例如张伟强等36、王志强等37、伍燕然等38、肖琳等39以及武佳薇等40一系列关于投资者处置效应的研究。孙毅等41则对雪球网2015年月到2017年12月的在线社交数据与投资者的模拟交易数据、投资者的个人信息数据相结合，研究了社会互动对投资者处置效应的影响，结果表明社会互动显著降低了投资者的处置效应。
上述研究从实证的角度对投资者处置效应进行了研究，一方面为处置效应的存在性提供了直接的证据，对前景理论和心理账户理论42],[43进行了印证，另一方面展示了处置效应的演变路径。在传统理论的基础上，上述文献也有所突破，例如拓展了处置效应和心理账户的时间范围，提出了“滚动”处置效应和滚动“心理账户”;将金融学研究与医学相结合，突破了传统金融学的研究范畴，为投资者行为的研究提供了新思路。但是，总体而言，中文文献对投资者处置效应的研究只有少部分运用了投资者交易数据、投资者个人信息数据以及投资者的社会互动数据，大部分还是在传统数据的框架下进行研究的。国内近年金融科技、互联网金融以及大数据金融发展迅猛，国内学者可以借助这些工具和技术对投资者处置效应进行更加细致的研究。
个人投资者行为的地域偏好根据Markowitz[1]的投资组合理论，分散化投资可以减小投资组合的风险。但是在投资实践中，投资者往往会持有更高比例的本地股票，而放弃分散化投资，这种现象就称为投资者的地域偏好(LocalBias或者HomeBias)。地域偏好在全世界范围内是一个十分普遍的现象，例如，French和Poterba4]、Chan等5]、VanNieuwerburgh和Veldkamp6]、Bodnaruk7]以及Jacobs和Weber8]研究发现，世界上的发达国家和发展中国家的投资者都存在着地域偏好的现象。
Grinblatt和Keloharju9]运用1994年12月至1997年月芬兰投资者的交易数据研究发现，投资者更倾向于交易距离近、用投资者的母语进行交流、首席执行官与投资者具有相近的文化背景的公司的股票。Ivković和Weisbenner50、Seasholes和Zhu1]与Branikas等2]对美国投资者的交易数据进行了分析，结果表明个人投资者更加倾向于投资于本地公司的股票;Ivković和Weisbenner0]认为投资者的地域偏好会提高投资组合的收益率，而Seasholes和Zhu1]的结果却表明投资者对本地股票的投资行为会对投资者造成损失。投资者的地域偏好近年来也得到了国内研究者的关注。
李延喜等53发现我国投资者具有明显的地域偏好特征，并且随着投资者年龄的增大、投资者交易经验的增加、投资者累计投资额和累计投资收益率的增加，投资者的地域偏好特征会变得更加明显。胡培培和李莉莉54同样也发现投资者在进行投资决策的时候更加偏好本地股票，但是这种现象会随着投资者投资金额的增大逐渐消失。
上述研究从实证角度对个人投资者的地域偏好进行了简要的介绍。然而，上述研究对于投资者地域偏好的研究有一个明显的缺点，那就是大部分研究所用的数据年代比较早，处于“前互联网”时代。伴随着信息技术的发展，投资者获得任何地区的上市公司的信息所付出的时间成本和物质成本已经大大降低;在这种环境下成长起来的新一代投资者，已经十分熟悉这种信息的获取方式。
除此之外，现今社会投资者在不同地域之间的流动更加频繁。那么，在这种状况下，投资者的地域偏好会呈现出什么样的特征?另外，在面临各种社会问题的时候，诸如环境污染、气候恶化、经济教育医疗发展不平衡，以及在我国面临的多元文化背景下，投资者的地域偏好又会呈现出什么样的特征?这些问题都需要进一步的研究。
2.个人投资者行为的行业偏好
与投资者的地域偏好类似，投资者的行业偏好是指投资者在构建投资组合的时候，会根据自己的从业经验，更加倾向投资于自己所从事行业的股票，从而放弃了分散化投资。Døskeland和Hvide55对挪威的投资者交易数据进行了深入研究，结果表明个人投资者对其所从事行业的股票有超额配置的行为，并且这种行为损害了个人投资者的收益。Keloharju等56则分析了芬兰投资者的交易数据，发现投资者在产品市场的偏好同样可以反过来影响投资者在股票市场的偏好。BenDavid等57对美国投资者的交易数据进行了分析，发现个人投资者更加偏好交易他们本身所从事行业的股票，并会取得超额收益。
同对投资者的地域偏好的研究类似，对投资者的行业偏好的研究所用的数据也基本处于“前互联网”时代。随着信息技术的发展，行业之间的信息壁垒已经逐渐减弱，并且各个行业之间出现了相互融合的趋势，很多从业者也不止会局限在某一特定行业中。那么，在这种形势下，投资者的行业偏好会发生什么样的演变?另外，国家为了自身的长远发展，会在不同阶段制定出不同的产业布局，扶持一部分产业，同时也会对过剩的产业进行淘汰，这些又会如何影响投资者的行业偏好?上述问题，需要结合投资者的交易数据、个人信息数据，以及国家的产业政策和经济形势等，做出更进一步的研究。
2.个人投资者的博彩偏好
大量的心理学研究已经表明，“博彩”心理(也可称为“投机”心理)已经在人类社会中占据着举足轻重的地位]~[。更重要的是，“博彩”心理不仅仅存在于购买彩票或者赌博等活动中，个人投资者的投资决策也往往会受到“博彩”心理的影响。Kumar62首先从实证的角度对博彩型股票进行了定义，认为博彩型股票具有以下三个特征：
(1)高特质波动率;(2)高的特质偏度;(3)低股价。Kumar随后运用来自美国投资者的交易数据进行研究，结果表明：(1)个人投资者更加偏好具有博彩特征的股票，并且这种状况在经济下行阶段更加突出;(2)在彩票购买上花费更多的个体投资者在投资决策上具有更加明显的博彩型股票偏好特征;(3)博彩型股票的偏好特征在收入低、受教育程度低、拥有天主教信仰以及男性群体中更加明显。
在随后的研究中，Kumar等63综合分析了美国的宗教分布和个人投资者特征、机构持股、IPO以及1991年至1996年的个人投资者交易数据，结果表明在天主教与新教徒比率较高的地区，投资者持有博彩型股票的倾向更强。Gao和Lin64结合2002年至2009年台湾的乐透中奖数据与台湾证券交易所上市的股票的交易数据，对投资者的博彩型股票偏好进行了研究，他们发现当累积奖金超过亿新台币(按照2021年月汇率，约合16亿人民币)时，个人投资者偏爱的股票的交易量下降5.2%至9.1%，而博彩型股票的交易量下降6.8%至8.6%;这个结果表明投资者将股票交易行为是为一种博彩行为，换言之，股票交易行为与博彩行为之间是可以相互替代的。
国内一些研究者也开始对投资者对博彩型股票的偏好进行探索。廖理等65对国内某中大型券商2003年月至2009年月的投资者交易数据进行了综合分析，结果表明个人投资者表现出明显的博彩型股票偏好的特征，并且这种特征在年轻、男性、缺少交易经验、高换手率以及处于西部地区的个人投资者中表现的更加明显。陈文博等66表明，虽然国内投资者总体上表现出明显的对博彩型股票的偏好，但是当投资者处于盈利状态时，博彩偏好会减弱。上述研究从实证角度对投资者的博彩偏好进行了研究，其结果与累计前景理论中的决策权重函数对投资者的博彩偏好的解释是一致的：即投资者总是高估收益高但是发生概率低的事件的发生概率，因此热衷于参与极小概率下会获得极高回报的投资活动1],[67。
除此之外，既往研究还对不同类型的投资者的博彩偏好做了进一步的研究。总体来说，到目前为止，关于博彩偏好的理论研究已经比较完善。但是由于研究数据的匮乏，尚缺乏对于个人投资者博彩偏好更加系统完善的刻画，这个缺点在国内表现得更加明显。希望未来的研究可以弥补现有文献中的不足。
2.个人投资者之间的社会互动
投资者在进行投资决策的时候需要依赖于各种信息，这些信息可以来自报纸、电视、互联网等，也可以来自和同事、亲戚、朋友的互动甚至是与其他投资者在社交媒体上的互动。文献中已经表明，社会互动对个体的行为方式和决策都会产生影响68，并且投资者之间的社会互动可以帮助投资者优化投资决策，使投资者有更大概率获得更好的收益6971。随着互联网的发展，各种各样社交平台逐渐兴起。社交平台上的信息来源广、传播快、成本低，为投资者社会互动行为的研究提供了一个良好的素材。
Heimer29研究了5000多个个人投资者的十万多条互动消息数据和两百多万条交易数据，结果表明，由于投资者信息偏差或者认知偏差的存在，投资者进入社交平台之后的处置效应提升了将近一倍，并且彼此之间相互交流的投资者发展出了大致相同水平处置效应。Pelster和Hofmann利用双重差分模型分析了一个名为“eToro”的在线互动交易平台上从2012年月到2015年10月将近1.5亿条交易数据，他们的研究结果表明，金融建议提供者为了建立自身声誉或者维护自身声誉，会比其他投资者展现出更明显的处置效应。然而，Gemayel和Preda73却得出了相反的结论。
Gemayel和Preda综合研究了两个在线互动交易平台——“SocialTrade”和“TradeStream”——的投资者交易数据，结果表明金融建议提供者表现出的处置效应明显低于一般投资者;进一步研究表明，由于金融建议提供者被不断地观察和模仿，因此他们变得更加谨慎，并限制自己的损失，以免破坏他们的交易记录，这就使得他们表现出的处置效应更低。
国内学者对投资者的社会互动也进行了一定的研究。刘宏和马文瀚74运用2010年中国10299个家庭的投资和线上社会互动调查数据进行研究，发现投资者的线上互动会显著提升其在证券市场上的参与度。孙毅等41则进一步分析了2015年月到2017年12月雪球网上投资者的在线互动数据与虚拟交易数据，他们发现投资者的在线互动会显著降低投资者的处置效应。
2.7个人投资者行为的过度自信
在金融市场上，投资者往往认为其自身获取的信息的准确性比市场中其他人获取的信息的准确性更高，并且他们对证券的估值也比其他人要更准确。这种现象可以称之为投资者的过度自信(Overconfidence)[1。
投资者过度自信会对投资者自身产生很大的影响。Barber和Odean75对美国投资者的交易数据进行了深入分析，发现投资者的过度自信是造成投资者过度交易的最主要原因。在进一步的研究中，Barber和Odean[1不仅发现了个人投资者过度交易的现象，而且发现在控制其他因素的情况下，男性投资者的过度自信程度要远高于女性投资者，具体表现为男性投资者的交易量要比女性投资者高45%左右;相应地，过度交易行为使得男性投资者的收益减少了2.65%，而女性投资者的收益只减少了1.72%。Grinblatt和Keloharju76对芬兰投资者的交易数据进行分析后，也发现了由过度自信导致的过度交易行为。
3.总结
这篇文章从投资者行为的异质性、处置效应、地域偏好、行业偏好、博彩偏好、投资者社会互动、过度自信、羊群效应以及投资者行为的决定因素共个方面入手，对大数据背景下的投资者行为研究的文献进行了初步的总结。这些文献一方面对经典的行为金融理论进行了验证，另一方面也展现了投资者的一些新的行为特征，使后来的研究者可以对投资者行为做出更深刻的理解。
然而，在这些文献中，只有很少一部分文献是研究中国股票市场中的投资者行为。中国股市场是一个由个人投资者主导的新兴市场。截止到2020年底，中国股市场总市值已经达到了80万亿元人民币，约合12万亿美元，位居世界第二位。与发达国家相比，中国股票市场的投资者表现出以下两方面的特征：第一，在中国股票市场上，个人投资者的交易量占比依旧超过整个市场上交易量的0%，而在发达国家的股票市场上，机构投资者已经在市场上占据了主导地位，市场上0%到的交易量都是由机构投资者贡献的。
第二，相对于发达国家，中国股票市场中的个人投资者金融素养、投资专业性方面相对较弱;研究表明，发达国家的个人投资者可以表现出一定的选股能力，而在中国市场上，资金实力雄厚的个人投资者表现出了与发达国家个人投资者类似的选股能力，但是资金较少的个人投资者在大部分情况下表现出追涨杀跌的特点，而并没有表现出选股能力。
因此，要对中国市场的个人投资者行为进行深入研究，一方面要积极借鉴国外既有的研究成果，将其运用到中国股票市场中来;另一方面要立足于中国股票市场的具体情况，避免盲目照搬国外的研究成果，针对中国市场的特点对个人投资者行为进行详细的刻画。近年来中国金融改革的呼声越来越高。在这种宏观背景下，深入研究中国市场中的投资者行为，预防系统性金融风险的发生，引导中国证券市场良性发展，已经显得尤为必要。这需要广大金融研究者们立足于中国市场，对投资者行为做出进一步的研究。
参考文献
[1]MarkowitzH.Portfolioselection[J].JournalofFinance,1952,7(1):7791.
[2]SharpeWF.Capitalassetprices:Atheoryofmarketequilibriumunderconditionsofrisk[J].JournalofFinance,1964,19(3):425442.
[3]FamaEF.Thebehaviorofstockmarketprices[J].JournalofBusiness,1965,38(1):34105.
[4]KahnemanD,RiepeMW.Aspectsofinvestorpsychology[J].JournalofPortfolioManagement,1998,24(4):5265.
[5]DeLongJB,ShleiferA,SummersLH,etal.Noisetraderriskinfinancialmarkets[J].JournalofPoliticalEconomy,1990,98(4):703738.
作者：严雨萌，熊熊,2，LeiLu，张维,2，张永杰,2
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/7062.html
《大数据背景下的个人投资者行为》