Skip to content

交易心理学第0章 导论

0.5 证据怎么读:交易记录、实验与自我报告

难度★★★

This page hasn’t been translated into English yet, so you’re reading the Chinese original. Chapters are being translated one by one.

你在文章和群聊里大概常读到这样的话:「研究显示,交易前冥想十分钟,冲动交易减少一半。」0.1 给过第一条标准:一条结论要写明对象、时间、样本、与什么比较和差别的大小。可是写全了,问题还没有完。这项研究本身有多可靠?它说的是你这样的人、你这样的交易吗?能不能拿来改你的规则手册?

回答这几个问题,要先认出证据是哪一类,再回答五个问题,最后定一个等级,并写明它用到你的期权交易上是直接证据还是推断。第1章起,每一节的「证据有多强」都按这套读法写。这一节只讲读法,不讲统计的算法;平均盈亏的误差怎样算,在 0.6。

请先回答两个问题,把数字写下来。

  1. 2015 年,约 270 名研究者合作,重做了 100 项心理学研究。这些研究都在 2008 年发表于三份主要的心理学期刊,原来有 97% 得到了统计上显著的结果。重做以后,仍然显著的比例是多少?
  2. 一项研究请一家网上券商的 215 名投资者估计自己过去四年的收益率,再与账户记录核对。认为自己收益率为负的投资者占多少?实际为负的又占多少?

第 2 问的结果在下一节,第 1 问的结果在「没有被重复的研究」一节。

研究交易行为,证据主要有三类:交易记录、实验和自我报告。它们能回答的问题不同,靠不住的地方也不同。

种类 能回答 靠不住的地方
交易记录 人们实际怎样做 说不清原因
实验 所操纵的条件起什么作用 场景与真实交易不同
自我报告 当时的想法和感受 回忆过去的行为和成绩

读法:三类证据各有长处,没有哪一类能代替另外两类。下面逐类说明。

交易记录(account records)是券商或交易所保存的真实买卖记录。0.1 引用的 10,000 个账户和 66,465 个家庭账户,都是这一类。它用的是真钱,样本大,也不依赖任何人的回忆,所以最适合回答「人们实际上怎样做」。它的弱点是记录里没有原因。交易最频繁的一组,年化净收益率比市场低 6.5 个百分点;可是这些人为什么交易得这么频繁,记录本身说明不了。

实验(experiment)可以补上原因这一步。研究者把受试者随机分成几组,各组只在研究者操纵的条件上不同,例如有没有自动止损的功能。随机分组使各组在其余方面大致相同(样本越大,越接近),所以结果出现差别,可以归因于所操纵的条件。0.7 会介绍这样的一项实验。实验的弱点在场景:受试者常常是学生,钱数小,交易的是简化的资产。所以,实验能确定的是实验里操纵的那个条件的作用;同样的作用在真实交易里有多大,是推断。

自我报告(self-report)指问卷、访谈和回忆。它能问到记录里没有的东西:你当时怎样想,有什么感受。可是用它来回忆过去的行为和成绩,很不可靠,开头第 2 问就是一个例子。

第 2 问的结果是:认为自己过去四年收益率为负的投资者不到 5%,账户记录显示,实际为负的超过 25%。他们估计的收益率与实际的收益率之间,相关系数约 −0.05,几乎没有关系(Glaser 和 Weber,2007)。也就是说,一个人对自己过去成绩的印象,几乎说明不了他的实际成绩。把你写下的两个数字和 5%、25% 比一比。

这对你同样适用。你对自己「通常怎样做」的印象,也是自我报告。你觉得自己「止损一向守纪律」,要用日志和券商的成交记录去核对。

自我报告却有一件事无可替代,就是当时的感受。账户记录里没有你那一刻是否不甘心,只有你自己能报告。0.3 的那一晚,「不甘心,7 分」是学员当时写进情绪备注的。如果等到第二天再回想,记下的已经是回忆,而回忆会受结局的影响(3.4)。所以感受要在当时记下,记在状态记录和情绪备注里(0.8)。

交易记录说明人们实际怎样做,却说不清原因;实验能确定实验里操纵的那个条件的作用,用到真实交易上是推断。 自我报告用来回忆过去的行为和成绩最不可靠;当时的感受却只能靠自我报告,所以要在当时记下。

生活类比:法庭上的三种证据。监控录像记下实际发生的事,却不说明动机,像交易记录。现场重演可以检验「这样做会不会出现这个结果」,可是重演的条件与当时不完全相同,像实验。证人的回忆能提供想法和细节,却最容易出错,像自我报告。法官不会把三者等同看待,读研究也是如此。

类比的局限:法庭判断的是一件事是否发生过;研究要回答的是「通常会怎样」。所以读研究,除了看证据的种类,还要看样本的大小,以及别人能否得到同样的结果。这就是下面的五个问题。

印象不能代替记录。

认出种类以后,怎样判断一项研究本身靠不靠得住?依次回答五个问题。

  1. 对象是谁:学生、个人投资者还是专业交易员;哪个国家,哪些年份;交易的是股票、期权,还是实验里的虚拟资产。
  2. 样本多大:几十人、几千个账户,还是一个市场的全部交易者。
  3. 与什么比较:有没有对照组;分组是不是随机的。
  4. 差别多大:差多少,用差值和比值写出来(下一节)。
  5. 有没有被重复:别的研究者用别的样本,是否得到同样的结果(「没有被重复的研究」一节)。

前四个问题就是 0.1 第一条标准的五项,只是把对象和时间合成了一问;第五个问题是这一节新加的。前三个问题确定证据的种类和适用的范围,后两个问题确定它有多可靠。读到一条「研究显示」,最常被跳过的正是后两个。

研究报告常说某个差别「在统计上显著」。这是什么意思?

「统计上显著」只说明一件事:假如其实没有差别,看到这么大差别的机会很小。论文常用 p 值写这个机会,p 小于 0.05 通常就称为显著(延伸阅读)。它不说明差别有多大。机会小不小,既取决于差别的大小,也取决于样本的多少;样本很大时,很小的差别也会显著。例如,假设一项研究有几十万个账户,两组的年收益率只差 0.1 个百分点,也可能显著。对一个 $100,000 的账户,这是每年 $100。

差别或者关系有多大,称为效应大小(effect size)。两组比较时,把它写成差值和比值;能换算成金额的,再换算成金额。

研究 比较的两个数 效应大小
处置效应(5.1) 卖出比例:盈利持仓 14.8%,亏损持仓 9.8% 差 5 个百分点;约 1.5 倍
交易频率(0.1) 年化净收益率:最频繁一组 11.4%,市场 17.9% 每年差 6.5 个百分点

读法:第一行的比值是 14.8 ÷ 9.8 ≈ 1.5。第二行换算成金额更直观:$100,000 的账户,每年约差 $6,500。

差值和比值要一起写,因为只写一个容易看错。从 1% 到 2% 也是「翻了一倍」,差值却只有 1 个百分点;文章标题里的「翻倍」「提高三成」,多半是比值。

统计上显著不说明差别有多大;一个结论值不值得写进规则,要看效应大小。 每年 6.5 个百分点的差别,足以决定一个账户长期的结果;每年 $100 的差别,不值得为它多一条规则。

显著回答「是不是偶然」,效应大小回答「值不值得」。

延伸阅读:论文里的 p 值和 d

论文常用两个数报告上面两件事。

p 值回答「是不是偶然」:假如其实没有差别(或者没有关系),看到这么大或更大差别的机会。p 越小,越难用偶然解释;通常 p 小于 0.05 就称为显著。Glaser 和 Weber 的相关系数约 −0.05,远不显著:假如估计与实际其实毫无关系,看到这么大的相关并不稀奇。

相关系数是效应大小的一种写法:两个量一起变动的程度,在 −1 到 1 之间,接近 0 就是几乎没有关系。d 是另一种写法:两组平均数的差除以标准差,表示两组相差几个标准差。不同单位的研究,可以用它放在同一把尺上比较。本专题的 6.4、8.6、11.2、12.3、12.6 引用的效应大小用 d 表示,12.6 另有一项汇总用的是相关系数。d 本身没有金额的含义;能换算成比例或金额的,仍然先换算。

开头第 1 问的结果是:重做以后,只有 36% 仍然得到显著的结果,原来是 97%。重做得到的效应,平均只有原来的一半左右(Open Science Collaboration,2015)。把你写下的比例和 36% 比一比。

按原来的方案或者用新的样本重做一项研究,看能否得到同样的结果,这样的研究称为重复研究(replication study)。发表在主要期刊上的研究,为什么有这么多在重复研究里做不出来?主要有两个原因。

第一,显著的结果更容易发表。假设许多研究者各自检验同一个并不存在的效应,其中少数人会单凭偶然得到显著的结果。如果期刊只刊登这些结果,读者看到的就全是「有效」。这种偏向称为发表偏差(11.2),与期权课 12.6 回测里的多重检验是同一个道理。

第二,样本小的研究,结果波动大。几十人的实验得到一个很大的效应,其中可能有不小的一部分是运气,重做时往往大幅缩小。两个原因还会叠在一起:样本小的研究里,碰巧得到大效应的那些,最容易被发表。

本专题的领域里也有这样的例子。「意志力像肌肉,用多了会耗尽」的说法流传很广,心理学中称为自我损耗。2016 年,23 个实验室按同一方案重做了一种自我损耗实验,共 2,141 名受试者。合并以后,效应接近于零(Hagger 等,2016)。这项研究的来龙去脉,以及深夜交易变差该怎样解释,见 8.6。

这并不表示心理学研究都不可信。它说明的是:一项研究越是出人意料、样本越小,越要先查它有没有被重复;没有被重复的,不据此定规则。

出人意料的结论,先找重复研究。

五个问题回答完,怎样给一项证据定级?本专题分三级,标准与专题总纲相同。

等级 标准 例子
强 多项独立研究或大样本记录一致,重复时也成立 处置效应;锚定
中 有研究支持,但研究少、样本小,或者重复时效应变小 结果偏差的手术实验(0.6)
弱 结论有争议,或者大规模的重复没有得到原来的结果 「意志力会用完」

读法:介于两级之间的,写「中到强」或「弱到中」。只有一项研究、还没有被重复的,最多定为中;样本只有几十人、效应又大得出人意料的,写「弱到中」。没有被重复的研究即使定为中,也不据此改规则手册,用法见下文。

等级只说结论本身有多可靠。它能不能直接用到你的期权交易上,是另一个问题,要回到五个问题里的第一个:研究里的人和交易,与你和你的交易有多接近。

  • 来自期权交易者的真实交易记录:直接证据。
  • 来自股票投资者的交易记录:交易里的证据,用到期权上是推断,但距离很近。
  • 来自实验室或者别的领域:用到交易上是推断。

等级只说结论本身有多可靠;能不能直接用到期权交易上另写一句,推断不另给等级。 例如锚定在实验室里反复得到重复,等级为强;可是没有研究直接检验过它对期权止损的影响,用到你的止损上是推断。

等级和「直接还是推断」合起来,决定一项证据能不能用来改规则:

  • 直接的强证据:可以单独作为收紧风险或增加一项检查的依据;用来放宽规则的,仍要写上自己日志里的统计和笔数。
  • 强但用到交易上是推断的,以及已被重复的中级证据:规则还要用自己的日志检验,研究和等级之外,再写上你自己日志里的统计和笔数。
  • 弱的,以及没有被重复的(即使定为中):不据此改规则手册。想试,只能作为一条执行上的改进,在自己的日志里试(0.8)。

三级之外,还有一类对你最直接的证据:你自己的行为日志。它只有一个人的样本,不能推广到别人;可是对「我在什么条件下违规」这个问题,它比任何研究都更直接。它同样受样本大小的限制,几笔、一个月的记录说明不了多少;需要多少笔才能下结论,见 0.6。

示范一:用全套读法读处置效应的研究(Odean,1998)。

  • 对象:美国一家折扣券商的个人投资者,1987–1993 年,交易的是股票。
  • 样本:10,000 个账户。
  • 比较:在有卖出的那些天,账面盈利的持仓与账面亏损的持仓,各有多大比例被卖出。
  • 差别:盈利的 14.8%,亏损的 9.8%;差 5 个百分点,约 1.5 倍。
  • 重复:此后在多个国家的交易记录里重复出现(5.1)。
  • 种类和等级:交易记录,样本大,有重复,等级为强。
  • 直接还是推断:对象是 1990 年前后的美国股票投资者,用到你的期权交易上是推断;对象和场景都很接近,这个推断有充分的依据。

示范二:读一条流行的说法。「研究显示,交易前听某种音乐,可以使收益率提高三成。」假设查到的出处是一项 40 名学生参加的实验,交易的是虚拟资产,有随机分组的对照组,没有查到重复研究。

  • 对象:学生,虚拟资产。
  • 样本:40 人。
  • 比较:随机分组,有对照组。
  • 差别:「提高三成」是比值。差值要看原来的收益率:从 10% 到 13%,只差 3 个百分点。
  • 重复:没有。
  • 种类和等级:实验;只有一项,几十人,效应大得出人意料,等级为弱到中。
  • 直接还是推断:对象是学生,交易的是虚拟资产,用到期权交易上是推断。
  • 能否据此改规则:不能,因为它没有被重复。

随堂练习:一篇文章写道:「研究显示,交易前做五分钟正念练习,止损执行率翻倍。」你查到出处的摘要如下(为练习编写,不是真实的研究):

  • 52 名大学生,随机分成两组,每组 26 人;
  • 在电脑上用虚拟资金交易一种模拟股票 20 轮,按最终成绩发少量报酬;
  • 练习组先做 5 分钟正念练习,对照组读 5 分钟新闻;
  • 价格跌到实验设定的止损线时按时卖出的比例:练习组 46%,对照组 23%,差别统计上显著;
  • 查不到别的研究者重做过。
  1. 回答五个问题。
  2. 用差值和比值写出效应大小。文章说「差别显著」,这说明差别大吗?
  3. 写出证据的种类和等级;用到你的期权交易上,是直接证据还是推断?
  4. 能不能据此改你的规则手册?写一句理由。
参考解答
  1. 对象:大学生,在电脑上用虚拟资金交易模拟股票,报酬很少。样本:52 人,每组 26 人。比较:随机分组,对照组读新闻。差别:按时卖出的比例 46% 对 23%。重复:查不到。
  2. 差值 46% − 23% = 23 个百分点;比值 46 ÷ 23 = 2 倍,文章说的「翻倍」是比值。两组都有一半以上没有按时卖出。「差别显著」只说明,假如练习其实没有作用,看到这么大差别的机会很小;它不说明作用有多大。每组只有 26 人,结果的波动大,重做时效应可能大幅缩小。
  3. 实验。只有一项,样本只有几十人,效应又大得出人意料,等级为弱到中;答「中」也可以,但要写出理由:研究少、样本小、没有重复。用到期权交易上是推断:对象是学生,交易的是模拟股票,钱数很小。
  4. 不能。它没有被重复,用到交易上又是推断。想试,可以在周复盘时把它定为一条执行上的改进,在日志里记下每晚做没做、是否按止损执行,攒够自己的记录再判断(0.6)。

这一节引用了三项研究。重做 100 项研究的项目规模大,方案事先公开,「相当一部分已发表的结果重做不出来」这一结论,等级为强。自我损耗的多实验室重复,由 23 个实验室按同一方案完成,这项重复研究本身的等级也是强。它重做的是一种实验方案,没有得到原来的效应;单凭这一项,还不足以否定整个结论。「意志力会用完」定为弱,依据和此后的争论见 8.6。投资者估计自己收益率的研究,是单独一项调查与账户记录的核对,样本 215 人,等级为中。

前两项讲的是怎样读心理学研究,不是交易行为本身。第三项的对象是真实账户的投资者,是交易里的证据;他们做的是股票,用到你对自己期权交易的印象上是推断,但距离很近。

  • 出现在哪个环节:复盘。读到一条研究、想据此改规则手册,只在月复盘时改(期权课 12.4);周复盘时想到的,先记下来,留到月复盘用一个月的数据判断。
  • 记在哪里,用什么衡量:规则手册修改记录的「证据」一栏(期权课 12.4)。研究写出处、等级,以及「直接证据」或「推断」;推断的和中级的,再写上自己日志里的统计和笔数。修改从下个月第一个交易日生效;只有发现某条规则让风险超出上限,或者券商、交易所的规则变了,收紧风险的修改才当天生效(期权课 12.4;两种对策的写法和生效时间见 0.8)。
  • 对策在哪一层,与期权课哪一节衔接:这一节不涉及具体的对策。它与期权课 12.6 的多重检验衔接:读研究要问「有没有被重复」,回测要问「试过多少组参数」。

例如(示例数据,非实时),「证据」一栏可以这样写:「处置效应:Odean 1998 等,交易记录,强;用到期权上是推断。我的日志:近 3 个月 18 笔亏损的交易里,6 笔晚于止损线卖出。」

常见误区:

  • 「发表在期刊上的研究就是可靠的。」——100 项发表在主要期刊上的研究,重做以后只有 36% 仍然显著,效应平均减半。是否可靠,要看样本、效应大小和有没有被重复。
  • 「统计上显著,说明影响很大。」——显著只说明,假如其实没有差别,看到这么大差别的机会很小。样本很大时,很小的差别也会显著;影响多大,要看效应大小。
  • 「实验用的是学生和小额奖金,对真实交易没有参考价值。」——实验能确定所操纵条件的作用,这是交易记录做不到的。用到真实交易上是推断,需要交易记录或者自己的日志来印证。
  • 「我最了解自己的交易,不需要记录。」——215 名投资者对自己收益率的估计,与账户记录几乎没有关系。对自己过去的印象也是自我报告,而自我报告用来回忆行为和成绩最不可靠。
  • 「自我报告不可靠,情绪备注没有用。」——不可靠的是事后的回忆。当时的感受只能靠自我报告,所以情绪备注要在当时写。

思考题:

  1. 要回答「个人交易者是否严格执行止损」,下面三种证据哪一种最可靠,哪一种最不可靠?(a)一份问卷,八成受访者说自己严格止损;(b)券商的账户记录,显示亏损的持仓被卖出的比例低于盈利的持仓;(c)一项随机分组的实验,比较有没有自动止损功能的两组。(答:(b)最可靠,它记录的是真实的行为;但账户记录里没有止损价,它说明的是亏损的持仓卖得慢,只能间接回答「是否严格止损」。(a)最不可靠,它是对过去行为的回忆。(c)能确定自动止损功能这个条件的作用,这是(b)做不到的;但把它用到真实交易上是推断。)
  2. 一项研究有 40 万个账户:用了某个交易软件新功能的一组,年化收益率比没用的一组高 0.2 个百分点,差别统计上显著。(a)对一个 $50,000 的账户,每年差多少?(b)能不能说这个功能「显著提高了收益」,值得为它改规则?(答:(a)$50,000 × 0.2% = $100。(b)不能。显著只说明假如其实没有差别,看到这么大差别的机会很小;样本有 40 万个账户,0.2 个百分点也会显著。每年 $100 不值得为它改规则。何况这是交易记录,说不清原因:用这个功能的人,可能本来就与不用的人不同。)
  3. 假设你读到两项研究(为练习编写,不是真实的研究)。(a)两个国家共 5 万个期权账户的交易记录,两组研究者分别发现:当晚已经亏损平仓的账户,当晚再开的新仓平均每笔多亏 $30。(b)60 名学生的随机分组实验:交易前喝一杯咖啡的一组,冲动下单少了四成;没有重复研究。你打算据(a)新增「当晚亏损平仓一笔以后,不再开新仓」;据(b)把「同一个交易夜亏损 2 笔就停止开新仓」(期权课 11.3)放宽到 3 笔,前提是喝了咖啡。两项各能不能写进规则手册?(答:(a)能。期权交易者的真实交易记录,样本大,有重复,等级为强,是直接证据;它用来收紧风险,可以单凭它写进修改记录,下个月第一个交易日生效(它不属于当天生效的例外)。(b)不能。几十人的实验,效应大得出人意料,没有被重复,等级为弱到中,用到交易上是推断;何况是放宽规则,即使有直接的强证据,也要再写上自己日志的统计。想试咖啡,只能作为执行上的改进在日志里试,停止开新仓的笔数不变。)

本节要点:

  1. 交易记录说明人们实际怎样做,却说不清原因;实验能确定实验里操纵的那个条件的作用,用到真实交易上是推断。
  2. 自我报告用来回忆过去的行为和成绩最不可靠;当时的感受却只能靠自我报告,所以要在当时记下。
  3. 统计上显著不说明差别有多大;一个结论值不值得写进规则,要看效应大小,并用差值和比值写出来。
  4. 一项研究越是出人意料、样本越小,越要先查它有没有被重复;没有被重复的,不据此定规则。
  5. 等级只说结论本身有多可靠;能不能直接用到期权交易上另写一句,推断不另给等级。

本节任务:找一条你自己相信、也用在交易里的交易心理说法,例如「亏损以后不要马上再开仓」「睡不好就别交易」。查到它的出处,至少是论文的摘要。照随堂练习,回答五个问题,写出效应大小、证据的种类和等级,以及用到你的期权交易上是直接证据还是推断。查不到出处的,写下「查不到出处」:它只能算经验之谈(0.1),不能写进修改记录的「证据」一栏。

关键术语:

中文 English 释义
交易记录 account records 券商或交易所保存的真实买卖记录;说明人们实际怎样做,说不清原因
实验 experiment 研究者随机分组、各组只在所操纵的条件上不同的研究;能确定这些条件在实验情境里的作用
自我报告 self-report 问卷、访谈和回忆;用来回忆过去的行为和成绩最不可靠,当时的感受却只能靠它
效应大小 effect size 差别或关系有多大:两组比较用差值和比值写,论文里也常写成 d 或相关系数;与是否显著是两回事
重复研究 replication study 别的研究者按原来的方案或用新的样本重做一项研究,看能否得到同样的结果
证据等级 evidence grade 本专题对结论可靠程度的分级:强、中、弱;介于两级之间的写「中到强」或「弱到中」

仅供学习,不构成投资建议。课程里的价格和数据都是标注过的示例,不是实时行情。