风险感知、风险偏好以及金融素养对互联网投资行为的影响
发布时间：2022-01-19 08:11
改革开放以来,中国经济已经进入了一个崭新的时代,近年来大数据、区块链以及人工智能等“热词”层出不穷,尤其是移动互联网的高速发展,改变了人们的生活方式和投资行为。此外,数字金融在中国迅速发展,互联网投资方式成为了主流,也催生出更加复杂的金融产品以及更加便捷的金融服务。因此,对于投资者投资行为的研究,包含主观、客观因素就显得尤为重要。目前,对互联网投资行为的研究较少,更多的是关于互联网本身模式的分析,而关于投资者行为因素的研究更多的集中在一些客观因素,在现实投资环境中,往往主观的一些变量可能会对投资者的投资决策产生决定性的作用。并且,将投资者行为纳入互联网金融的研究范畴,这种跨学科的研究更加符合当下所处的互联网投资环境。在此背景下,本研究以行为金融学和感知风险理论等作为理论基础,将投资决策行为作为被解释变量,增加金融素养、风险偏好以及风险感知作为解释变量。首先,通过大量文献研究,对解释变量与被解释变量之间的关系提出合理的假设。其中,根据文献总结将风险感知从心理、社会、时间、隐私、财务五个风险维度进一步细分。然后,在前人的研究基础上,分别引用能够衡量解释变量的量表题目,通过问卷星、微信等平台...
【文章来源】：北京外国语大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图４金融素养ＦＬ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??
显著高出１．７８４９至１．８６１９分。??表２０金融素养倾向得分匹配后的处理效应???匹配方法?干预组控制组?ＡＴＴ?标准误?ｔ值??近邻匹配?３．６８７４?１．８２５５?１．８６１９＊＊＊?０．１００７?１８．４９??金融素养?ＦＬ?卡尺匹配?３．６８７４?１．９０２５?１．７８４９＊＊＊?０．０９７３?１８．３５??近邻?＆?卡尺?３．６８７４?１．８３０１?１．８５７３＊＊＊?０．１００７?１８．４５??＾５．３．２．风险偏好对投资行为的影响??类似地，根据倾向得分思路，图５是风险偏好倾向得分的共同取值范围，结??果显示匹配之后大部分样本均在共同取值范围内，因此在进行ＰＳＭ时只会损失??极少的样本，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???图５风险偏好ＲＰ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??得协变量在匹配后的干预组和控制组之间分布较为均匀，因此需要对匹配结果的??数据平衡情况进行检验，具体检验结果如表２１所示。由该表可知，匹配后控制??组和干预组之间偏误均减少至１０％以内，且匹配后各变量均无显著差异，匹配效??果良好。??３９??
２１?１７．７５??风险偏好?ＲＰ?卡尺匹配?３．７２９３?１．９３３９?１．７９５３＊＊＊?０．０９６７?１８．５７??近邻＆?Ｐ尺?３．７２９３?１．９０８１?１．８２１２＊＊＊?０．１０２４?１７．７８??￣￣５．３．３．风险感知各维度对投资行为的影响??在使用ＰＳＭ模型分析风险感知各维度过程，本文只展示了财务风险ＦＲ维??度的具体分析结果，其它维度只展示了最终的ＡＴＴ。其它维度的风险感知结果均??良好，具体步骤和情况和财务风险ＦＲ维度类似。同样地，根据倾向得分思路，??图６是风险偏好倾向得分的共同取值范围，结果显示匹配之后大部分样本均在共??同取值范围内，因此在进行ＰＳＭ时只会损失极少的样本，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??图６财务风险ＴＯ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??得协变量在匹配后的干预组和控制组之间分布较为均匀，因此需要对匹配结果的??数据平衡情况进行检验，具体检验结果如表２３所示。由该表可
本文编号：3596517
【文章来源】：北京外国语大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图４金融素养ＦＬ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??
显著高出１．７８４９至１．８６１９分。??表２０金融素养倾向得分匹配后的处理效应???匹配方法?干预组控制组?ＡＴＴ?标准误?ｔ值??近邻匹配?３．６８７４?１．８２５５?１．８６１９＊＊＊?０．１００７?１８．４９??金融素养?ＦＬ?卡尺匹配?３．６８７４?１．９０２５?１．７８４９＊＊＊?０．０９７３?１８．３５??近邻?＆?卡尺?３．６８７４?１．８３０１?１．８５７３＊＊＊?０．１００７?１８．４５??＾５．３．２．风险偏好对投资行为的影响??类似地，根据倾向得分思路，图５是风险偏好倾向得分的共同取值范围，结??果显示匹配之后大部分样本均在共同取值范围内，因此在进行ＰＳＭ时只会损失??极少的样本，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???图５风险偏好ＲＰ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??得协变量在匹配后的干预组和控制组之间分布较为均匀，因此需要对匹配结果的??数据平衡情况进行检验，具体检验结果如表２１所示。由该表可知，匹配后控制??组和干预组之间偏误均减少至１０％以内，且匹配后各变量均无显著差异，匹配效??果良好。??３９??
２１?１７．７５??风险偏好?ＲＰ?卡尺匹配?３．７２９３?１．９３３９?１．７９５３＊＊＊?０．０９６７?１８．５７??近邻＆?Ｐ尺?３．７２９３?１．９０８１?１．８２１２＊＊＊?０．１０２４?１７．７８??￣￣５．３．３．风险感知各维度对投资行为的影响??在使用ＰＳＭ模型分析风险感知各维度过程，本文只展示了财务风险ＦＲ维??度的具体分析结果，其它维度只展示了最终的ＡＴＴ。其它维度的风险感知结果均??良好，具体步骤和情况和财务风险ＦＲ维度类似。同样地，根据倾向得分思路，??图６是风险偏好倾向得分的共同取值范围，结果显示匹配之后大部分样本均在共??同取值范围内，因此在进行ＰＳＭ时只会损失极少的样本，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??图６财务风险ＴＯ倾向得分的共同取值范围（近邻匹配）??运用构建的倾向评分匹配ＰＳＭ模型，如果倾向得分计得较为准确，则应使??得协变量在匹配后的干预组和控制组之间分布较为均匀，因此需要对匹配结果的??数据平衡情况进行检验，具体检验结果如表２３所示。由该表可
本文编号：3596517
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3596517.html
