發(fā)布時(shí)間：2022-01-19 08:11

　　改革開(kāi)放以來(lái),中國(guó)經(jīng)濟(jì)已經(jīng)進(jìn)入了一個(gè)嶄新的時(shí)代,近年來(lái)大數(shù)據(jù)、區(qū)塊鏈以及人工智能等“熱詞”層出不窮,尤其是移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展,改變了人們的生活方式和投資行為。此外,數(shù)字金融在中國(guó)迅速發(fā)展,互聯(lián)網(wǎng)投資方式成為了主流,也催生出更加復(fù)雜的金融產(chǎn)品以及更加便捷的金融服務(wù)。因此,對(duì)于投資者投資行為的研究,包含主觀、客觀因素就顯得尤為重要。目前,對(duì)互聯(lián)網(wǎng)投資行為的研究較少,更多的是關(guān)于互聯(lián)網(wǎng)本身模式的分析,而關(guān)于投資者行為因素的研究更多的集中在一些客觀因素,在現(xiàn)實(shí)投資環(huán)境中,往往主觀的一些變量可能會(huì)對(duì)投資者的投資決策產(chǎn)生決定性的作用。并且,將投資者行為納入互聯(lián)網(wǎng)金融的研究范疇,這種跨學(xué)科的研究更加符合當(dāng)下所處的互聯(lián)網(wǎng)投資環(huán)境。在此背景下,本研究以行為金融學(xué)和感知風(fēng)險(xiǎn)理論等作為理論基礎(chǔ),將投資決策行為作為被解釋變量,增加金融素養(yǎng)、風(fēng)險(xiǎn)偏好以及風(fēng)險(xiǎn)感知作為解釋變量。首先,通過(guò)大量文獻(xiàn)研究,對(duì)解釋變量與被解釋變量之間的關(guān)系提出合理的假設(shè)。其中,根據(jù)文獻(xiàn)總結(jié)將風(fēng)險(xiǎn)感知從心理、社會(huì)、時(shí)間、隱私、財(cái)務(wù)五個(gè)風(fēng)險(xiǎn)維度進(jìn)一步細(xì)分。然后,在前人的研究基礎(chǔ)上,分別引用能夠衡量解釋變量的量表題目,通過(guò)問(wèn)卷星、微信等平臺(tái)... 

【文章來(lái)源】：北京外國(guó)語(yǔ)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４金融素養(yǎng)ＦＬ傾向得分的共同取值范圍（近鄰匹配）??運(yùn)用構(gòu)建的傾向評(píng)分匹配ＰＳＭ模型，如果傾向得分計(jì)得較為準(zhǔn)確，則應(yīng)使??

顯著高出１．７８４９至１．８６１９分。??表２０金融素養(yǎng)傾向得分匹配后的處理效應(yīng)???匹配方法?干預(yù)組控制組?ＡＴＴ?標(biāo)準(zhǔn)誤?ｔ值??近鄰匹配?３．６８７４?１．８２５５?１．８６１９＊＊＊?０．１００７?１８．４９??金融素養(yǎng)?ＦＬ?卡尺匹配?３．６８７４?１．９０２５?１．７８４９＊＊＊?０．０９７３?１８．３５??近鄰?＆?卡尺?３．６８７４?１．８３０１?１．８５７３＊＊＊?０．１００７?１８．４５??＾５．３．２．風(fēng)險(xiǎn)偏好對(duì)投資行為的影響??類(lèi)似地，根據(jù)傾向得分思路，圖５是風(fēng)險(xiǎn)偏好傾向得分的共同取值范圍，結(jié)??果顯示匹配之后大部分樣本均在共同取值范圍內(nèi)，因此在進(jìn)行ＰＳＭ時(shí)只會(huì)損失??極少的樣本，匹配效果良好。??Ｉ－?—｛?１?｜????１?？?＊?！?＇?＇?Ｊ?！?Ｉ?＇???！?！?！?：?！?！?！?！?＞?丨????！?ｊ?！?！?！??Ｉ?＇?Ｉ?！??Ｉ?＼??．３?．４?．５?．６?．７??Ｐｒｏｐｅｎｓｉｔｙ?Ｓｃｏｒｅ??＞?１?Ｕｎｔｒｅａｔｅｄ?Ｉ?Ｉ?Ｔｒｅａｔｅｄ：?Ｏｎ?ｓｕｐｐｏｒｔ??Ｔｒｅａｔｅｄ：?Ｏｆｆ?ｓｕｐｐｏｒｔ???圖５風(fēng)險(xiǎn)偏好ＲＰ傾向得分的共同取值范圍（近鄰匹配）??運(yùn)用構(gòu)建的傾向評(píng)分匹配ＰＳＭ模型，如果傾向得分計(jì)得較為準(zhǔn)確，則應(yīng)使??得協(xié)變量在匹配后的干預(yù)組和控制組之間分布較為均勻，因此需要對(duì)匹配結(jié)果的??數(shù)據(jù)平衡情況進(jìn)行檢驗(yàn)，具體檢驗(yàn)結(jié)果如表２１所示。由該表可知，匹配后控制??組和干預(yù)組之間偏誤均減少至１０％以內(nèi)，且匹配后各變量均無(wú)顯著差異，匹配效??果良好。??３９??

２１?１７．７５??風(fēng)險(xiǎn)偏好?ＲＰ?卡尺匹配?３．７２９３?１．９３３９?１．７９５３＊＊＊?０．０９６７?１８．５７??近鄰＆?Ｐ尺?３．７２９３?１．９０８１?１．８２１２＊＊＊?０．１０２４?１７．７８??￣￣５．３．３．風(fēng)險(xiǎn)感知各維度對(duì)投資行為的影響??在使用ＰＳＭ模型分析風(fēng)險(xiǎn)感知各維度過(guò)程，本文只展示了財(cái)務(wù)風(fēng)險(xiǎn)ＦＲ維??度的具體分析結(jié)果，其它維度只展示了最終的ＡＴＴ。其它維度的風(fēng)險(xiǎn)感知結(jié)果均??良好，具體步驟和情況和財(cái)務(wù)風(fēng)險(xiǎn)ＦＲ維度類(lèi)似。同樣地，根據(jù)傾向得分思路，??圖６是風(fēng)險(xiǎn)偏好傾向得分的共同取值范圍，結(jié)果顯示匹配之后大部分樣本均在共??同取值范圍內(nèi)，因此在進(jìn)行ＰＳＭ時(shí)只會(huì)損失極少的樣本，匹配效果良好。??ｒｒｍ?Ｉ—Ｉ?Ｕ?ｕ????Ｌ?＿＿１?１?ｍａｍ??［＿?ｎ?ｎ?ｎ?ｎ?＼?ｎ?ｉ——????Ｍ?Ｉ?｜?Ｉ?Ｉ?｜??１?丨１?１１?１?ｉ＇??｜丨丨１?ｉ?ｉ１—??ｉ?１１?１１?ｉ?ｉ??１丨１?１??Ｉ?！?�。�?！??ｊ！卜」??ｉ?１１??Ｉ?Ｉ?Ｉ?！?Ｉ?Ｉ??．２?．３?．４?．５?．６?．７??Ｐｒｏｐｅｎｓｉｔｙ?Ｓｃｏｒｅ??Ｉ?１?Ｕｎｔｒｅａｔｅｄ?１?Ｉ?Ｔｒｅａｔｅｄ：?Ｏｎ?ｓｕｐｐｏｒｔ??Ｔｒｅａｔｅｄ：?Ｏｆｆ?ｓｕｐｐｏｒｔ??圖６財(cái)務(wù)風(fēng)險(xiǎn)ＴＯ傾向得分的共同取值范圍（近鄰匹配）??運(yùn)用構(gòu)建的傾向評(píng)分匹配ＰＳＭ模型，如果傾向得分計(jì)得較為準(zhǔn)確，則應(yīng)使??得協(xié)變量在匹配后的干預(yù)組和控制組之間分布較為均勻，因此需要對(duì)匹配結(jié)果的??數(shù)據(jù)平衡情況進(jìn)行檢驗(yàn)，具體檢驗(yàn)結(jié)果如表２３所示。由該表可


本文編號(hào)：3596517