当理性人假设失效#
传统金融学建立在”理性人”假设之上，但市场一次又一次证明：投资者并非完全理性。行为金融学（Behavioral Finance）研究这些非理性行为如何创造可捕捉的超额收益机会。
核心行为偏差#
1. 过度反应与反转效应#
散户往往在坏消息出现时过度抛售，导致股价短期超跌。De Bondt & Thaler (1985) 发现，过去3-5年表现最差的”输家组合”，未来12个月平均跑赢市场约8%。
量化实现：
# 计算过去36个月累计收益率
momentum_36m = stock_data['close'].pct_change(756) # 252*3
loser_portfolio = momentum_36m.nsmallest(30) # 最差30只2. 羊群效应（Herding）#
社交媒体时代，羊群效应被放大。当某只股票在雪球、东方财富的讨论量激增，往往预示短期反转。
情绪指标构建：
- 论坛发帖量Z-score
- 正面/负面情感分析得分
- 搜索趋势（百度指数/Google Trends）
3. 处置效应（Disposition Effect）#
投资者倾向于过早卖出盈利股票，过久持有亏损股票。这导致：
- 盈利股票短期面临抛压（动量不足）
- 亏损股票长期被套牢，流动性枯竭
量化策略设计#
策略框架#
- 识别偏差信号：通过技术指标+情绪数据
- 等待反转确认：RSI < 30 + 成交量萎缩
- 分批建仓：避免”接飞刀”
- 设定退出规则：20日收益率目标 + 10%止损
实证结果（2018-2025，A股）#
| 指标 | 数值 |
|---|---|
| 年化收益率 | 18.7% |
| 夏普比率 | 1.42 |
| 最大回撤 | -24.3% |
| 胜率 | 58.2% |
风险提示#
行为金融策略的敌人是时间。当大量量化团队涌入同一异象，超额收益会迅速衰减。2023年以来，反转效应在A股的IC（信息系数）已从0.08降至0.03。
应对方法：
- 持续挖掘新异象（ESG、供应链、气候风险）
- 结合机器学习识别非线性模式
- 控制仓位，单一策略不超过总资金的15%
结语#
市场永远在进化，但人性的贪婪与恐惧不变。行为金融学给量化交易者最好的礼物，不是某个固定策略，而是理解 crowd psychology 的框架。
“The market can remain irrational longer than you can remain solvent.” — John Maynard Keynes
参考资料：
- De Bondt, W. F., & Thaler, R. (1985). Does the stock market overreact?
- Barberis, N., & Thaler, R. (2003). A survey of behavioral finance.
- 雪球API文档：https://xueqiu.com/api/docs ↗