实验金融

实验金融的目标是了解与金融相关的环境中的人类和市场行为。实验是研究人员专门为回答研究问题而创建的综合经济环境。例如，这可能涉及建立不同的市场环境和环境，以进行实验观察并分析代理商的行为以及由此产生的交易流、信息扩散和聚合、价格设定机制和退货流程的特征。

应用实验方法的领域包括公司金融资产定价、金融计量经济学、国际金融、个人金融决策、宏观金融、银行和金融中介、资本市场、风险管理和保险、衍生品、定量金融、公司治理和薪酬、投资、市场机制、中小型企业和小额信贷以及企业融资。实验金融研究人员可以研究现有的金融经济学理论在多大程度上做出有效的预测，并尝试发现可以扩展该理论的新原理。

实验金融是实验经济学的一个分支，它最普遍的用途在于行为金融领域。

金融经济学拥有所有经济学分支中最详细和更新的观测数据之一。因此，金融具有强大的经验传统。对来自证券交易所的数据进行了很多分析，包括出价、要价、交易价格、交易量等。信息服务还提供了可能影响市场的行为和事件的数据。这些来源的数据无法报告期望值，即金融市场理论建成。在实验市场中，研究人员能够了解期望值，并控制基本价值，交易机构和市场参数，例如可用流动性和资产总库存。这使研究人员能够了解价格以及替代理论的其他预测。这提供了对理论的鲁棒性进行强大测试的机会，而这对于现场数据是不可能的，因为对现场数据的参数和期望了解甚少。

财务数据分析基于从为回答特定研究问题以外的目的而创建的设置中提取的数据。这导致对结果的任何解释都可能受到质疑的情况，因为它忽略了其他已更改的变量。传统的数据分析问题包括遗漏变量偏差，自选择偏差，不可观察的自变量和不可观察的因变量。

正确设计的实验可以避免几个问题：

省略变量偏差：可以创建多个实验，且其设置在完全相同的一个自变量中彼此不同。这样，可以控制设置的所有其他变量，从而消除了因变量中观察到的差异的替代解释。

自我选择：通过将受试者随机分配到不同的治疗组，实验人员避免了自我选择引起的问题，并能够通过更改某些自变量来直接观察因变量的变化。

不可观察的自变量：实验者可以自己创建实验设置。这使他们能够观察所有变量。传统的数据分析可能无法观察到某些变量，但有时实验人员也无法直接从受试者身上获得某些信息。在不直接知道某个自变量的情况下，良好的实验设计可以创建可在很大程度上反映无法观察到的自变量的度量，从而避免了该问题。

不可观察的因变量：在传统数据研究中，提取因变量变化的原因可能很困难。实验人员具有创建引起因变量的某些任务的能力。

实验室实验是最常见的实验形式。这里的想法是在实验室中建立一个高度受控的环境。由于对经济合作，信任和神经经济学等问题的兴趣日益浓厚，实验室实验的使用有所增加。在这类实验中，将治疗随机分配给一组个体，以便将其经济行为和行为与人工实验室环境中未治疗的对照组进行比较。在实验中控制变量的能力可以更准确地评估因果关系。

受控现场实验也使治疗随机化，但在实际应用中会如此。然后，可以通过比较分配前后的行为来一致地估算对人们行为的平均影响。

甲自然实验时的真实世界的一些特征被随机地改变使用外源性变化，其允许由于这种变化来研究内源性否则解释变量的因果效应发生。与纯统计识别相比，自然实验在经济和金融研究中很受欢迎，因为它们可以直观地解释潜在的识别假设，并使更广泛的受众可以检查其一致性。

金融中的实验方法提供了补充方法，这些方法允许观察和操纵价格的基本决定因素，例如基本价值或内部信息。实验研究是对经验工作的补充，特别是在理论测试和发展领域。利用这种实验方法已揭示了过去几年中的一些重要发现。这些发现仅靠传统的现场数据分析是无法达到的，因此是实验金融对金融领域的主要贡献：

• 证券市场可以聚合和传播信息（存在有效的市场），但是此过程的效果不佳，因为信息的掌握程度降低了，必须聚合的信息部分的数量也增加了。
• 但这并非总是如此（其中有些效率低下）。
• 当信息传播发生时，它很少是完美的或瞬时的。学习需要时间。
• 从单个交易者的角度来看，更多的信息并不总是更好。只有那些比其他人更容易被了解的内部人才能超越其他交易者。
• 寿命较长的资产市场很容易产生价格泡沫和崩盘，长期背离基本价值。
• 交易者的情绪在实验资产市场中产生泡沫中发挥作用。
• 资产定价错误主要与交易者过度自信有关。
• 价格以及出价，报价，时间安排等传达信息。信息流的渠道很多。
• 运作良好的衍生市场可以帮助提高一级市场的效率。
• 统计效率或不能使用过去的数据来赚钱并不意味着信息效率。无法从市场中获得异常收益并不意味着价格合适。