先看看大数据报告,据最新出炉的中国股民行为报告,拿几个主要数据做出分析和解读:
截至2020年末,A股股民已达到1.75亿人,其中,投资30万以下的占所有股民的55%,30-100万占比30%。
解读,大多数投资者还是小额的散户。
10年以上的老股民占35%,3-10年的占32.4%,3年以下的占32%。
解读,新股民太少,新韭菜还没入场,行情远没结束。到市场过热、牛市尾声时,3年以下的新股民会占到全体股民的50%以上,这样才会有机会收割,而目前满场是镰刀,韭菜还远远不够。
2020年,近60%的股民盈利,持平的占15%。
解读,亏钱的人不多,说明行情还没有真正到来,目前还处在放水养鱼的阶段。
从股票持有时间来看,持有周期在三个月以上的占28%,其中越年轻持股时间越短。而且90后更加偏爱借钱炒股,想着一夜暴富。
解读,年轻人更加激进,更加没有耐心,可能成为第一批韭菜。
偏爱的板块:半导体芯片,医药,新能源产业链,白酒,军工,大金融,大综商品,房地产。
解读,追赶热点,这些前面的行业都是高估的,正在寻找接盘侠。
散户思维,就是追热点,高杠杆,希望走捷径,寻求一夜暴富的机会,不谦虚过于自信,不承认失败,最终注定会成为韭菜。运气不常有,如果认为偶尔踏准了节凑就认为自己是大神,那么,凭运气赚来的钱,最终会通过实力赔回去。
话糙理不糙,与君共勉。
转载说明:非商业用途转载请注明出处,作者,并提供有效链接。保证正文,文献引用完整。谢绝一切商业用途转载。
------更新--------
评论区有知友对分散投资的意见很大,补充两点:
1. 散户有一些相对低交易费用的分散投资手段,比如投资跟踪index的ETF/ETN;
2. 利用一家欧洲股市中间商的数据,德国的研究学者Benjamin Loos et al (
http:// gsf.aalto.fi/seminar_pa pers/Which%20Behaviors%20Matter_SSRN-id2381435.pdf) 发现在诸多的投资行为中,under-diversification 和购买lottery-like股票的倾向是降低投资收益最显著的两个因素。在他们的样本中,完全消除under-diversification偏差可以提升8.2%的投资收益,完全消除lottery-like stock preference偏差可以提高3.0%
---更新END-----
最近正好在准备一片相关的论文。散户的投资行为(retail /individual investor behavior)是行为金融学的一个比较热门的研究领域,因为学界可以获取一些关于散户交易者非常详实的数据(交易信息,性别,居住地,收入状况,语言,工作状况,等等),通过统计得出的结论有一定参考价值。
事实上,文献中记录的一些关于散户投资行为的典型化事实和部分答主的答案恰恰相反,下面我就逐条补充一些信息:
1. 散户投资者整体上表现为买跌卖涨(Contrarian),而不是追涨杀跌 (Momentum)。
而这个特点在来自多个股票市场(美国,瑞典,芬兰,日本,韩国,台湾,大陆等等)的数据,不同频率的数据都有类似的发现。以individual investor contrarian作为关键字,搜索google scholar,返回的文献数目是16200.
散户投资者明显表现出买跌卖涨的倾向(最左边的几栏,(buy ratio-0.5)小于0的表现为contrarian)。
2. 散户投资者整体上是偏向持有很少的几只股票(under diversification),而不是某答主说的分散投资。
比如 -
https:// studies2.hec.fr/jahia/w ebdav/site/hec/shared/sites/calvet/acces_anonyme/Research/twins20130311.pdf(采用瑞典的数据);
-
Equity Portfolio Diversification*(采用美国的数据);
Equity Portfolio Diversification*这篇基于美国一家discounted brokage提供的数据,发现1991到1996年间,该brokage的客户中,超过90%的散户客户持有低于10只股票,超过50%持有少于4只股票。
3. 散户投资者倾向于投资本地的股票(local bias)或者是他们认为熟悉的股票。
How Distance, Language, and Culture Influence Stockholdings and Trades这篇Journal of Finance 2001的文章发现芬兰股市的投资者倾向于购买本地企业的股票,而相同的语言,与企业领导者的类似文化背景也对投资者购买该企业股票有正向的作用。
图中可以看到,散户投资者更倾向于投资公司总部离家更近的股票。
感谢
@DavidCharge补充的这篇Harrison Hong 大神的文章:
http:// papers.ssrn.com/sol3/pa pers.cfm?abstract_id=1961833。 文章用
Keeping up with the Joneses解释local bias,数据采用的是中国股市的数据。
4. Disposition Effect,表现为过早卖出上涨的股票,而持有下跌的股票过长的时间。
图中panel A是已经卖出结算的收益分布(平仓盈亏),panel B是还在持有中的收益分布(浮动盈亏)。平仓盈亏的left tail(大额亏损部分) 要比浮动盈亏的left tail(大额亏损部分)thinner,也就是说个体投资者更倾向于持有已经大额亏损的股票而不是止损。
5. 相对高智商的投资者参与股市投资的比例越高,更倾向于持有更多只股票,投资共同基金(mutual fund),投资的表现(in terms of Sharpe Ratio)也更好。
http://faculty.chicagobooth.edu/juhani.linnainmaa/IQandParticipation_JF2011.pdf这篇发表在Journal of Finance 2011年的文章指出在对投资者行为的影响上,IQ的作用甚至高于投资者收入状况的影响。
图中黑色的柱状图是个体股票投资者占总体比例关于IQ分数的分布,白色的柱状则显示非股票投资者比例关于IQ的分布,从图中可以看出,IQ相对较高的个体更倾向于投资股票。
关于对投资mutual fund 和投资表现的分析,可以参考链接中的回归分析。由于表格比较复杂,就不贴在这里了。
关于IQ对投资收益的影响,
IQ, trading behavior, and performance文章中有一个很有意思的图片:
纵轴是IQ的分布,1-4是相对较低的IQ类别,9对应最高的IQ类别。横轴是时间。黑色的曲线是HEX的科技股12周的平均价格曲线。heat map的色度:越红对应越低的entry rate。我们可以看到IQ较高的投资者在科技股股价相对较低的早期时间入手。而IQ较低的投资者集中在2000-2001 Tech Bubble入手科技股。这个例子佐证IQ较高的投资者平均有更好的择时能力。
6. 散户中使用技术分析的相对回报更差。
参见我在另外一个问题下面的回答:
用了技术指标后反而觉得不准是为什么? - bh lin 的回答。
http:// papers.ssrn.com/sol3/pa pers.cfm?abstract_id=24012307. 更热爱冒险(sensation seeking)的投资者交易频率更高,投资表现更差。
Sensation Seeking, Overconfidence, and Trading Activity,引用文中两张图片,给出一个大致的影响:
更年轻的投资者交易更加频繁,男性投资者相对女性投资者交易更加频繁。
无独有偶,更年轻的驾驶者平均上有更多的交通超速记录,男性驾驶者也有更多的超速记录。
这两个现象背后是否有一些联系?超速的驾驶员可以被认为更加热衷于冒险,而文章利用超速记录作为sensation seeking的代理变量,通过回归分析,得出更加热衷于冒险的投资者交易更加频繁,但是整体投资表现相对较差。具体的回归分析结果,请参见链接中的文章。
其他的想起来再补充。
另注:本文列举了一些文献中结果。结果需要参考各国股市结构,政策和散户所扮演角色的不同。
References:
1. Grinblatt M, Keloharju M. The investment behavior and performance of various investor types: a study of Finland's unique data set[J]. Journal of financial economics, 2000, 55(1): 43-67.
2. Goetzmann W N, Kumar A. Equity portfolio diversification*[J]. Review of Finance, 2008, 12(3): 433-463.
3. Calvet L E, Sodini P. Twin Picks: Disentangling the Determinants of Risk‐Taking in Household Portfolios[J]. The Journal of Finance, 2014, 69(2): 867-906.
4. Grinblatt M, Keloharju M. How distance, language, and culture influence stockholdings and trades[J]. Journal of Finance, 2001: 1053-1073.
5. Grinblatt M, Keloharju M, Linnainmaa J. IQ and stock market participation[J]. The Journal of Finance, 2011, 66(6): 2121-2164.
6. Grinblatt M, Keloharju M. Sensation seeking, overconfidence, and trading activity[J]. The Journal of Finance, 2009, 64(2): 549-578.
7. Hoffmann A O I, Shefrin H. Technical analysis and individual investors[J]. Journal of Economic Behavior & Organization, 2014, 107: 487-511.
8. Grinblatt M, Keloharju M. What makes investors trade?[J]. Journal of Finance, 2001: 589-616.
把buff机制做成一个图(graph)。
每个buff是一个节点,每个状态也是一个节点。
现在无敌状态受两种状态影响(A、C),那么A、C各有一条边指向无敌状态。
无敌状态判定时,遍历所有输入节点(也就是A、C),有一个buff生效就生效。A、C如果也有自己的状态依赖,那就进行深度遍历依次判定。
如果存在“覆盖”,比如例子中b buff覆盖a buff,那么B有一条边指向A,判定时B的优先级比A高。A取消了,B还在生效。
整个graph必须是个有向无圈图(DAG),有圈说明循环依赖,判定时会宕机(halting)。
DAG可以进行拓扑排序,排完序后就是个一维数组,每帧可以按照这个优先级进行判定,省去了深度遍历的消耗,实现更简单。
不建议手动给状态排优先级,维护起来费劲。