决策疲劳与分析师启发式预测-学说文章

决策疲劳与分析师启发式预测

36浏览

2022/03/29 06:43发布

行为金融研究

行为金融决策疲劳、启发式决策决策疲劳与分析师启发式预测

1.摘要

Psychological evidence indicates that decision quality declines after an extensive session of decision-making, a phenomenon known as decision fatigue. We study whether decision fatigue affects analysts’ judgments. Analysts cover multiple firms and often issue several forecasts in a single day. We find that forecast accuracy declines over the course of a day as the number of forecasts the analyst has already issued increases. Also consistent with decision fatigue, we find that the more forecasts an analyst issues, the higher the likelihood the analyst resorts to more heuristic decisions by herding more closely with the consensus forecast and also by self-herding (i.e., reissuing their own previous outstanding forecasts). Finally, we find that the stock market understands these effects and discounts for analyst decision fatigue.

心理学证据表明，在长时间的决策后，决策的质量会下降，这一现象被称为决策疲劳。我们研究了决策疲劳是否会影响分析师的判断。分析师会跟踪多家公司，并且经常会在一天之内发布多个预测。我们发现，随着分析师在一天之内发布预测的数量增加，预测的准确性会下降。与决策疲劳概念一致的是，我们发现，分析师发布的预测越多，就越有可能采取启发式决策，具体表现为追求一致的预期和自我羊群效应（重复发布自己之前的预测）。最后，我们发现股票市场能够意识到决策疲劳带来的影响，并减少对疲劳决策下做出的预测的反应。

2.研究背景与理论基础

心理学的许多研究都表明了在巨大压力下或疲惫状态中，人们会更倾向于启发式决策。启发式和非启发式可以通过Kahneman (2011)提出的快系统 (System1)和慢系统 (System2)理论来进行理解和区分。如果是通过直觉认知系统快速地做出决定，那么认为决策是从快系统中产生的；如果是相对缓慢而细致地做出决定，那么认为是慢系统起了作用。用快系统进行思考更容易导致启发式决策的产生。

Baumeister et al. (1998)认为，决策疲劳是一种脑力的“自我耗尽”。他们认为，自我控制是一个非常仔细地过程，并且需要消耗有限的精神资源。因此，当人们在某一给定阶段连续地做出比较复杂的分析和决策时，决策疲劳将会暂时性地降低他们决策的质量。

尽管心理学地许多实验证明了决策疲劳的存在，但在过往研究中，并没有明确地指出决策疲劳影响的具体方面。因此，本文的一个贡献是，使用了真实的分析师预测数据，而非实验室实验的存档数据，来评估决策疲劳的存在和影响。

3.模型假设

本文共提出了以下4个假设：

H1：在同一天内，分析师预测的准确性会随着发布的预测数量的增加而降低；

H2：一天之内，分析师发布的预测越多，他从众的可能性就越高；

H3：一天之内，分析师发布的预测越多，他重复（重新发布）过去优秀预测的可能性更高；

H4：一天之内，在预测修订前，分析师之前发布的预测数越多，市场投资者对分析师修订的反应就越弱。

4.模型建立和实证结果

本文从I/B/E/S数据库中选取了2002年至2015年的分析师对EPS的预测数据，样本内平均每个分析师每天发布1.3个预测。本文主要通过三个变量来衡量分析师预测的准确性和羊群行为。

Relative Accuracy通过将分析师的误差减去所有分析师误差的中位数，并进行标准化后得到的，反应了分析师预测的相对准确性。

Herding为虚拟变量，如果分析师最新的预测值介于其上一次预测和共识预测之间，那么Herding的值为1，否则为0。

Reissue为虚拟变量，如果分析师发布了与过往预测一致的预测，那么Reissue为1，否则为0。

从图中可以看出，每多做一次决策，准确性有明显的下降，平均来说下降了0.089，幅度为18.5%。从Herding的结果来看看，从第一个预测到第二个预测，启发式决策的概率增加了2.3%。

4.1 Accuracy

文章通过以下模型对分析师的准确性进行了估计：

其中Decision Rank为分析师预测总数取对数后加一，CONREOLS为控制变量，包含了分析师经验、经纪公司规模、跟踪时间长短等因素。

针对同一家公司，图中（1）、（2）列为所有分析师任意时间发布的所有预测的回归结果；（3）、（4）列为某一分析师任意时间发布的所有预测的回归结果；（5）、（6）列为某一分析师在一天内发布的所有预测的回归结果。可以看到，随着分析师固定效应和日固定效应的加入，Decision Rank每增加一个单位，对分析师准确性的负面影响也越来越大。这一实证结果验证了H1。

4.2 Herding

随着预测数量增加，分析师是否会更倾向于采用启发式决策？文章给出以下模型进行估计：