投資者的奈特不確定性情緒與股市巨幅波動

徐元棟

（西南交通大學經濟管理學院，四川成都 610031）

投資者的奈特不確定性情緒與股市巨幅波動

徐元棟

（西南交通大學經濟管理學院，四川成都 610031）

從局中人角度建立了奈特不確定性下的資產定價模型，并研究了投資者奈特不確定性情緒對金融資產定價的影響.由于投資者奈特不確定性情緒的影響，置身于股市的投資者會對市場預期極端值施加不合理的權重，市場預期極端值就會對資產定價產生顯著的影響，這在一定程度上可解釋“非理性繁榮”與“股市蕭條”的內在機制.利用隨機過程的模擬方法，對奈特不確定性下的資產定價進行了模擬，支持了結論.最后，從投資者面臨奈特不確定性角度，對造成中國股市大幅度波動的機制進行了分析并提出了政策性建議.

奈特不確定性；奈特不確定厭惡；行為金融；神經經濟學

1 引言

股票市場與其他市場一樣，價格必存在一定波動性，但若股價波動幅度過大，則是一個值得重視的問題.1987年全球金融市場大振蕩，1997年的亞洲金融危機，20世紀的網絡泡沫，2007-2008全球金融危機以及中國股市的巨幅波動，這些現象都促使人們深入探究風險資產價格巨幅波動的機制.雖然經典金融試圖放松共同知識假設或從信息不對稱下的從眾模型來解釋股市的巨幅波動問題［1-3］，但Olsen等［4］認為，在公開市場上，投資者之間信息不對稱的可能性很小，不存在使股票價格產生較大波動的信息不對稱問題，從信息不對稱角度來解釋股市巨幅波動問題并不一定完全合適.同時，初始先驗信念相同的信息不對稱問題可導致金融市場無交易［5，6］.

雖然行為金融模型［7-12］從投資者的認識偏誤角度解釋了股市泡沫產生的機制［3］，但這些金融模型不能很好地解釋股市的巨幅波動問題（特別是股市的巨幅下挫問題）.以中國股市為例，從2007-01-04-2007-10-16，不到一年時間，上證指數從2 728點漲到6 124點，翻了近3倍；隨后是5年的漫長熊市，從2007年的6000多點一直跌破到2012年的1973點（注意中國股市不能賣空），跌幅近75%.若按照行為金融學觀點，上述現象可解釋為投資者從2728點認識偏誤到6124點，又從6124點認識偏誤到1973點，這直接違背人們的常識理性.行為金融模型在解釋股市異常時假設投資者是有限理性的，即從金融市場主體的角度來解釋金融異常.按此觀點，股市發生巨幅波動的主要原因歸結為投資者的主觀有限理性能力.顯然，行為金融又忽略了投資者所處的外部客觀環境.

由上述文獻看出，經典金融與行為金融都不能完美的解釋股市巨幅波動現象，那么，是否可以從另外的視角來重新審視這個問題呢？

經典金融理論是研究理性投資者在面臨不確定性條件下的投資組合選擇與資產定價的理論.顯然，行為金融在解釋金融異常時，放松了經典金融的“理性投資者”假設，即假設投資者是有限理性的.本文放松了經典金融的“不確定性條件”假設，認為投資者面臨不確定性為奈特不確定性，從此角度來解釋股市巨幅波動.

經典金融與行為金融都假設投資者是局外人，不會受到“局中人”利害關系等因素帶來的情緒影響，能以客觀中立的心態來分析決策者所面臨的環境，僅從投資者的認知角度來解釋股市異常.本文從局中人角度分析了投資者會受到局中人效應的影響，投資者在面臨奈特不確定性時會表現出奈特不確定厭惡或追求情緒，從而使得風險資產價格嚴重偏離理性定價.

2 局中人效應與奈特不確定性情緒

2.1 “局外人”研究理念到“局中人”研究理念的轉變

“局外人”研究理念是指研究主體在科學研究中站在研究對象外.由于局外人“事不關己”，會客觀理性的觀察研究問題，避免研究主體的偏見：諸如“當局者迷”、“不識廬山真面目，只緣身在此山中”等偏差.“局中人”研究理念是指研究主體要深入到研究對象中，弄清事情的來龍去脈.人們常說，“只有自己最了解自己”，“當事人最了解情況”等.“局中人”研究理念是20世紀中后期引入到心理學研究中，解決主流心理學存在的問題.

雖然“局中人”與“局外人”研究理念不同，但各有利弊.“局外人”理念雖然能做到“旁觀者清”，但這種研究理念契合性差.“局中人”的研究理念雖不能客觀理性評價研究對象，但契合性高，能使研究者與研究對象形成共鳴，更能深刻理解對象.因此，這兩種研究理念應該取長補短，共同提高科學研究的效度與信度.

顯然，當前金融研究執著于“局外人”研究理念，其研究結論對實務操作者來說感覺有“隔離”，不能深刻反映社會經濟中的現象.

置身于股市的投資者，是局中人而非客觀觀察者，投資者決策會受到自身情緒的影響.下面將說明，當投資者面臨奈特不確定性時，投資者會產生奈特不確定厭惡情緒（悲觀或恐懼）以及奈特不確定追求情緒（樂觀或貪婪）.

2.2 奈特不確定性與情緒體驗

在經典金融理論中，隨機性事件的不確定性常被處理成隨機變量的一個概率分布，但在社會經濟現象中，隨性事件的概率分布往往是不確定的.例如，一次革新或發明成功的概率，未來一年經濟蕭條發生的概率，明天股市上漲與下跌的概率等等.

Knight［13］首先對不確定性進行了區分，他認為決策者面臨的未來不確定性事件有兩種：一種是有明確概率分布的不確定性，即風險（risk）；另一種是無明確概率分布的不確定性，即決策者不能用一個確定的概率分布來描述它，他認為這種不確定性才是真正不確定性，稱為奈特不確定性（Knightian uncertainty），后人又稱含糊（ambiguity）.Ellsberg［14］通過試驗表明，無明確概率分布的不確定性對決策者有深刻的影響，決策者對這種不確定性會表現出奈特不確定厭惡（Knightian uncertainty aversion）情緒或奈特不確定追求（Knightian uncertainty seeking）情緒，試驗者之間有時還會出現羊群效應.其他學者［15］通過行為學試驗進一步驗證了Ellsberg試驗的結論.

Smith等［16-18］從神經解剖學角度證明了Ellsberg試驗的結論，風險決策與奈特不確定性決策分屬于不同的大腦區域與神經回路.Rustichini等［16，17］發現，風險決策被激活的腦區主要分布在頂葉區域（parietal lobes），而奈特不確定性決策還激活了額葉區域（frontal region）.Huettel等［18］通過fMRI實驗發現，外側前額葉皮質的活動更容易被奈特不確定性追求者所激發，后頂葉皮質的活動容易被風險偏好個體所激發.

行為決策學研究發現，相比于風險決策，奈特不確定性決策帶有情緒體驗特征，即ambiguity= risk+emotion.目前，神經經濟學研究［19-22］進一步發現了這一點.他們發現風險決策更多激發背側紋狀體（OFC），它更多與信息不完全下的決策有關；而奈特不確定性決策更多激發大腦皮層眶額皮質、杏仁核（amygdala）以及背內側前額葉皮質等相關區域活動.杏仁核是構成情緒體驗（emotion）的網絡性組織，是處理情緒體驗的“計算機系統”.對正常人而言，奈特不確定性決策會產生焦慮或害怕情緒，這些情緒被傳輸到眶額皮質.

綜上，在金融研究中，有必要區分這兩種不確定性.顯然，在股票市場上，股票未來支付（收益率、紅利或現金流等）的不確定性就是這種奈特不確定性.

決策者在什么時候會表現出奈特不確定厭惡或追求情緒？文獻［23，24］認為，如果決策者認為自己在某些領域有更強的知識、經驗與能力，決策者往往表現出奈特不確定追求；反之，會表現出奈特不確定厭惡.Chow等［25，26］認為，由于奈特不確定性事件缺少了決策者應知的信息，從而產生了奈特不確定厭惡.

3 奈特不確定性條件下的資產定價

3.1 奈特不確定性下的α-MEU效用模型

上述效用模型雖然暗含決策者的偏好是奈特不確定厭惡者或奈特不確定追求者，但缺乏一個相應參數來描述這種奈特不確定性態度程度大小.為此，Ghirardato等［28］與Eichberger等［29］提出了α-MEU模型，即

其中α反映了決策者的奈特不確定性態度程度，且0≤α≤1.當α=0時，則決策者是絕對奈特不確定追求者；當α=1時，則決策者是絕對奈特不確定厭惡者.

3.2 奈特不確定性下的資產均衡定價推導過程

考慮多期離散情況下，個體最大消費與投資決策問題，本文假設

1）有限生命.代表型投資者生存時期為［t,t+1］，在t這些離散的時間點上做決策，并且被賦予一定的初始財富Wt；

2）為了研究問題方便，暫時不考慮消費問題；

3）資產組合.假設在一個競爭市場上有兩種資產，一種是無風險資產（債券），其供給具有完全彈性，令期初資產價格為1本文中沒有把ut+1-u0定義為市場情緒，是為了防止將投資者的奈特不確定厭惡（追求）情緒與市場情緒等概念相混淆.，在短期內總收益為r；另一種為股票，期初價格為pt.投資者期初財富為Wt，投資于股票數量為Xts，投資于無風險資產數量為Xtb，則

4）投資者在t期收到的關于股票未來價格信號s是奈特不確定性信號（ambiguity information），即投資者面臨奈特不確定性.

由于投資者在t期會收到關于股票價格pt+1的奈特不確定性信號s，會形成t+1期股價pt+1的概率分布.由于投資者面臨奈特不確定性信號s，投資者會用一簇概率測度（構成的概率測度集合記為B）來描述隨機變量pt+1；該隨機變量pt+1基于信號s的條件期望值設為ut+1，方差設為.為研究方便，不妨設=σ2，并設ut+1∈［r,R］，即這一簇概率密度函數對應的方差相同，但其對應的期望值不同且有界.進一步假設ut+1的概率密度函數為ut+1～N（u0,），而對有界區間［r,R］外的狀態概率密度為零；這時隨機變量服從截斷正態概率分布，其期望值為u0，標準差為σ0，并假設區間［r,R］關于u0對稱.

由于投資者面臨奈特不確定性，所以這時投資者決策偏好遵從α-MEU效用.

由于假設在投資者第t期不存在消費問題，投資者只需在t期確定資產組合Xtb,Xts，若投資者的期末財富為Wt+1，則

為了達到期末財富效用最大化，面臨奈特不確定性的投資者基于自己收到的信號s選擇股票與無風險證券的投資組合，從而投資者最大化α-MEU效用函數V（Wt+1）.

在此基礎上可導出奈特不確定性下的資產均衡定價模型（推導過程見附錄）

根據上文以及附錄推導過程可知，式（4）中的r,R為投資者在面臨奈特不確定性信號s時，投資者對未來價格期望的最小值，最大值.根據“理性預期”概念，投資者對未來價格的“最佳預測”就是基于當前信息s對未來價格的條件期望值，所以r,R為投資者對未來價格預期的最小值與最大值.

按照Brown等［30］、Baker等［31］等關于市場情緒（market sentiment）的定義方法，將投資者市場預期值ut+1與u0之間的差額作為市場預期狀態1本文中沒有把ut+1-u0定義為市場情緒，是為了防止將投資者的奈特不確定厭惡（追求）情緒與市場情緒等概念相混淆.，它反映了未來金融市場對均衡點的偏離程度，不妨設

將式（5）代入式（4）得到

在式（6）中，顯然有ε-=r-u0,ε-=R-u0；因為假設［r,R］關于u0對稱，所以［ε-,ε-］關于0對稱.

由式（6）可看出，投資者在對風險資產定價時，投資者將奈特不確定性態度參數以“概率測度”的形式對市場預期狀態極端值進行了加權平均.

3.3 奈特不確定性態度對金融資產定價的影響

在式（6）中，根據α-MEU模型，α（0≤α≤1）反映了決策者的奈特不確定性態度程度.

1）當α=1/2，則有1-α=α，投資者為對兩個極端值狀態給予同樣的權重，做到了不偏不倚，這時投資者是奈特不確定性中性者，即理性投資者.因為ε-,ε-關于0對稱，則式（6）可變為理性投資者的風險資產定價（相當于經典金融的金融資產定價），即

2）當0≤α＜1/2時，有1-α＞α，投資者對好的極端值狀態給予更高權重，這時投資者為奈特不確定追求情緒者.根據式（6）與式（7），顯然有pt＞pt0；

3）當1/2＜α≤1時，有1-α＜α，這時投資者對壞的極端值狀態給予更高權重，這時投資者為奈特不確定厭惡情緒者.根據式（6）與式（7），顯然有pt＜pt0.

由1）～3）可看出，在金融市場上，投資者是局中人，既是參與者又是股票價值評判者，存在局中人效應.當股市彌漫悲觀情緒時，擔心股市下跌造成的恐懼與焦慮會影響投資者的決策，其定價低于理性定價；當股市處于上升趨勢時，投資者的樂觀貪婪等情緒也會影響投資者的決策，其定價遠高于理性定價.由于投資者的奈特不確定厭惡或追求情緒，從而市場預期極端值狀態就會對風險資產定價產生顯著的影響.

實際上，定價式（6）與現代行為決策學的相關試驗或實證結果是一致的.Wright等［32］通過行為學試驗表明，處于積極狀態（Happy）的試驗者往往對積極狀態（好結果、有利事件等）給予較高的概率權重，處于悲觀壓抑狀態（sad）的試驗者對消極狀態（壞結果、負面事件等）給予較高的概率權重.Brandst¨utte［33］通過行為學試驗證明，決策者期待能夠贏得的樂觀得意情緒會高估該不確定性事件好狀態發生的概率權重.Kliger等［34］通過對美國指數期權市場的實證發現，壞情緒（bad mood）對壞的不確定性狀態給予過高權重.

4 奈特不確定性條件下的股市大幅度波動的機制

4.1 奈特不確定厭惡情緒與“股市蕭條”

根據上節可知，當投資者面臨奈特不確定性表現出奈特不確定厭惡情緒時，投資者對市場預期極端值壞狀態給予相對較高權重，即α＞（1-α）（即奈特不確定態度程度為0.5＜α≤1），市場預期極端值狀態就會對風險資產定價產生顯著影響.在式（6）中，因為ε-,ε-關于0對稱，則ε-=-ε-，并進一步假設投資者是風險中性，則

從式（8）可以看出，只要市場預期極端悲觀值ε-（＜0）足夠小，股票均衡定價pt就可以足夠小（因為2α-1＞0），與市場預期極端值狀態發生的概率無關.

在投資者風險中性的情況下，可通過式（8）來解釋1987年全球金融市場的大蕭條，1997年的亞洲金融危機以及中國20～21世紀中國股市的大幅度下滑等股票價格波動等現象.顯然，在投資者風險厭惡的情況下，上述結論是仍然成立的.

4.2 奈特不確定追求情緒與“非理性繁榮”

根據上節可知，當投資者面臨奈特不確定性表現出奈特不確定追求情緒時，投資者對市場預期極端值好狀態給予更高權重，即α＜（1-α），市場預期極端值狀態就會對風險資產定價產生顯著影響.在式（6）中，因為ε-＜0,0≤α＜0.5，則有αε-≥ε-，并進一步假設投資者是風險中性，則

在式（9）中，由于投資者的奈特不確定追求（樂觀）情緒，投資者對市場預期極端值狀態施加了更高權重（1-α），從而只要投資者的市場預期極端值ε-（＞0）足夠大，股票的均衡定價就可以足夠高，與市場預期極端值狀態發生的概率無關.

20世紀80年代美國宣稱進入了知識經濟時代，大量與網絡有關的股票開始上市.這種股票雖沒有盈利的記錄，但投資者紛紛看好，股票價格大幅度飚升，這就是席勒教授所稱的“非理性繁榮”.20世紀90年代中國股市也出現了類似現象，雖然某些股票沒有發放紅利的習慣，甚至有虧損記錄，但只要將公司名改成與網絡或高新技術有關的名字，其價格就一路飚升.在行為金融學家看來，這些現象是由投資者的“非理性情緒”造成的，但若投資者面臨奈特不確定性并存在局中人效應，利用式（9），上述現象也是可以解釋的.

5 數值仿真算例

為了直觀反映本文結論，在方程（6）基礎上，構造一個價格波動隨機過程方程，模擬市場價格的波動情況.

根據微觀金融可知，股票價格是由指令系統驅動，這些指令流反映了金融市場上的信息流動以及投資者的意見與情緒.股票價格波動是由于凈訂單規模（即買進訂單減去賣出訂單）決定的.股價上升是由于凈訂單數量是正的，反之，若凈訂單數量是負時，則股價下跌.假設市場有兩類投資者，一類是價值投資者，他們是根據股價與股票基本價值的差額來做買進（出）訂單決策；另一類就是奈特不確定性態度投資者，他根據歷史價格的變化趨勢以及其它原因形成奈特不確定性情緒，若該股票價格一直處于上升（下降）趨勢，這時奈特不確定性態度投資者就會形成奈特不確定追求（厭惡）情緒.根據文獻［35］中的式（7），股票市場價格波動是由不同時刻的凈訂單規模決定，即

在式（10）中，δt為均值為0，標準差為?的正態隨機變量；αM是相比于正常訂單規模的比例系數（scale factor that normalize the order size）；,分別是價值投資者與奈特不確定性態度投資者凈訂單造成的價格變化；μ,1-μ分別是這兩類投資者的市場規模.若價值投資者造成的價格波動部分為=ω（Ft-Pt）；其中Ft為該風險資產價值，并且滿足Ft+1=Ft+η（η反映了該股票價值的增長部分），ω為反應系數.根據定價公式（6），當投資者處于奈特不確定追求（或厭惡）情緒時，投資者對預期極端值狀態施加不合理權重，從而投資者對風險資產的定價更高（或更低），從而決定了投資者的更多買進（或賣出）決策.奈特不確定性態度投資者如何估計市場預期極端值狀態的大小呢？可做如下設想：投資者對預期極端值估計一部分依據該風險資產過去收益的增長（或減少）速度，另外一部分基于其它原因對市場預期極端值狀態有一個預期.奈特不確定性態度投資者買進（賣出）訂單造成的價格波動可寫為

在式（11）中，w1（≥0）與w2（≤0）為市場預期極端值狀態，κ為觀察期限，α為投資者的奈特不確定性態度大小，當Pt-Pt-1≥τ時，0≤α＜1/2；當Pt-Pt-1＜τ時，則1/2＜α≤1.

為了驗證本文結論，即當投資者對市場預期極端值分配的權重不合理時，市場預期極端值就會對資產定價產生嚴重影響，風險資產價格隨著極端值的變大而發生劇烈的變化.綜上，只需模擬當市場預期極端值發生變化時，風險資產價格的巨幅波動情況.

現在令式（10）中的相關參數值為F0=10.01,P0=10,η=0.0002,αM=1,μ=0.5,?=0.02,ω= 0.001,β=0.002,κ=5,w1=0.01,w2=-0.01,τ=-0.01；對于α的取值為當Pt-Pt-1≥τ時，則α= 1/4；當Pt-Pt-1＜τ時，則α=3/4.τ取值表明，在多數時候，奈特不確定性態度投資者表現出奈特不確定追求.

根據隨機過程模擬方法（編寫MATLAB程序），容易得到當市場預期極端值發生變化時，式（10）隨機過程的樣本實現圖（如圖1）.

圖1中的第一個圖形表示，當金融市場上的奈特不確定態度投資者表現出奈特不確定追求情緒，市場預期極端狀態w1由0.01升為0.02時，股價上升幅度會變得更強烈.圖1中的第二個圖形表示，當金融市場上的奈特不確定態度投資者表現出奈特不確定厭惡，市場預期極端狀態w2由-0.01降到-0.03時，股價下降幅度會變得更劇烈.總之，當投資者面臨奈特不確定性，若投資者對市場預期極端值給予不合理權重，市場預期極端值變化就會造成股市的巨幅波動.

為了提高模擬的穩健性，改變式（10）的初始參數值并增加模擬步數.設F0=10，P0=10，αM=1，μ=0.5，η=0.0005，?=0.02，ω=0.001，β=0.001，κ=10，w1=-w2=0.02，τ=0；對于α的取值為當Pt-Pt-1≥τ時，則α=1/3；當Pt-Pt-1＜τ時，則α=2/3.這時式（10）的隨機過程樣本實現圖如圖2所示.

由圖2可看出，當式（10）的參數初始值發生改變后，模擬后的結論與圖1得到的結論是相似的，即當投資者面臨奈特不確定性，若投資者對市場預期極端值給予不合理權重，市場預期極端值變化就會造成股市的巨幅波動.

圖1 市場預期極端值發生變化時的股價波動情況Fig.1The fluctuations of stock price while extreme state of market expectation is changing

圖2 市場預期極端值發生變化時的股價波動情況（參數初始值改變后）Fig.2The fluctuations of stock price，while extreme state of market expectation is changing（if these parameters have been changed）

6 結束語

當投資者面臨奈特不確定性，置身于股市投資者會受到奈特不確定性情緒的影響，其市場預期極端值變化就會造成股市的巨幅波動.顯然，本文把風險資產價格大幅度波動原因歸為兩個因素，一是投資者面臨“奈特不確定性”；二是金融市場預期容易出現極端狀態.這為解釋中國股市劇烈波動提供了一個新視角.

在中國股市上，中國投資者面臨奈特不確定性是由于投資者的外部客觀環境造成的.中國股市是新興市場，上市公司披露的會計信息質量普遍較差，使得投資者在信息解讀時導致信息含糊（ambiguity），并且在信息傳遞過程中會進一步扭曲，導致一般投資者面臨奈特不確定性.同時由于中國的轉軌經濟特征，投資者無法對中國上市公司盈利前景形成一個穩定的預期，無法對公司價值進行有效評估，從而投資者面臨奈特不確定性.

制度性缺陷導致金融市場容易出現極端狀態.中國股市愛好短線炒作，換手率高，投資者不愿進行價值投資.這種從行為金融學看來的“非理性”現象實際根源于制度上的缺陷，它其實是符合投資者的“理性”行為.上市公司只想從股市圈錢，不愿分紅，使得投資者無法獲得長期回報；即便分紅，投資者也要為此交稅.由于資本利得稅未開征，資本利得成為投資者的投資收益模式，這種收益模式必然促使投資者進行投機，導致市場投機情緒濃厚.股票市場定位是為國企融資，導致上市公司質量堪憂，使投資者短期行為盛行.此外，一級市場發行、市場監管等制度缺陷進一步加重了投機市場情緒.

綜上分析，政府管理層應推動資本市場相關配套制度的完善與創新，消除影響股市巨幅波動的因素，使得中國股市健康發展.

［1］李平，曾勇.資本市場羊群行為綜述［J］.系統工程學報，2006，21（2）：176-183.

LiPing，ZengYong.Surveyofherdbehaviorincapitalmarket［J］.JournalofSystemsEngineering，2006，21（2）：176-183.（inChinese）

［2］劉力，張圣平，張崢，等.信念、偏好與行為金融學［M］.北京：北京大學出版社，2007.

Liu Li，Zhang Shengping，Zhang Zheng，et al.Belief，Preference and Behavioral Finance［M］.Beijing：Peking University Press，2007.（in Chinese）

［3］張維，李根，熊熊，等.資產價格泡沫研究綜述：基于行為金融和計算實驗方法的視角［J］.金融研究，2009（8）：182-193.

Zhang Wei，Li Gen，Xiong Xiong，et al.On the asset price bubbles：From the perspective of behavioral finance and agent based modeling［J］.Journal of Financial Research，2009（8）：182-193.（in Chinese）

［4］Olsen R A.Behavioral finance and its implications for stock-price volatility［J］.Financial Analysts Journal，1998，54（2）：10-18.

［5］Milgrom P，Stokey N.Information，trade and common knowledge［J］.Journal of Economic Theory，1982，26（1）：17-27.

［6］Sebenius J K，Geanakoplos J.Don't bet on it：Contingent agreements with asymmetric information［J］.Journal of the American Statistical Association，1983，78（382）：424-426.

［7］Scheinkman J A，Xiong W.Overconfidence and speculative bubbles［J］.Journal of Political Economy，2003，111（6）：1183-1220.

［8］Hong H，Stein J C.Differences of opinion，short-sales constraints，and market crashes［J］.Review of Financial Studies，2003，16（2）：487-525.

［9］Hong H，Scheinkman J，Xiong W.Asset float and speculative bubbles［J］.The Journal of Finance，2006，61（3）：1073-1117.

［10］Hong H，Scheinkman J，Xiong W.Advisors and asset prices：A model of the origins of bubbles［J］.Journal of Financial Economics，2008，89（2）：268-287.

［11］Shiller R J.The Irrational Exuberance［M］.New Jersey：Princeton University Press，2005.

［12］鄒高峰，張維，張海峰，等.中國市場條件下的前景理論資本資產定價模型［J］.系統工程學報，2013，28（3）：355-361.

Zou Gaofeng，Zhang Wei，Zhang Haifeng，et al.Prospect theory-based capital asset pricing based on China security market［J］. Journal of Systems Engineering，2013，28（3）：355-361.（in Chinese）

［13］Knight F H.Risk，Uncertainty and Profit［M］.Boston and New York：Houghton Mifflin Company，1921.

［14］Ellsberg D.Risk，ambiguity and the Savage axioms［J］.Quarterly Journal of Economics，1961，75（4）：643-669.

［15］Etner J，Jeleva M，Tallon J M.Decision theory under ambiguity［J］.Journal of Economic Surveys，2012，26（2）：234-270.

［16］Smith K，Dickhaut J，McCabe K，et al.Neuronal substrates for choice under ambiguity，risk，gains，and losses［J］.Management Science，2002，48（6）：711-718.

［17］Rustichini A，Dickhaut J，Ghirardato P，et al.A brain imaging study of the choice procedure［J］.Games and Economic Behavior，2005，52（2）：257-282.

［18］Huettel S A，Stowe C J，Gordon E M，et al.Neural signatures of economic preferences for risk and ambiguity［J］.Neuron，2006，49（5）：765-775.

［19］Hsu M，Bhatt M，Adolphs R，et al.Neural systems responding to degrees of uncertainty in human decision-making［J］.Science，2005，310（5754）：1680-1683.

［20］Krain A L，Wilson A M，Arbuckle R，et al.Distinct neuralmechanisms of risk and ambiguity：A meta-analysis of decision-making［J］. Neuroimage，2006，32（1）：477-484.

［21］Neta M，Kelley W M，Whalen P J.Neural responses to ambiguity involve domain-general and domain-specific emotion processing systems［J］.Journal of Cognitive Neuroscience，2013，25（4）：547-557.

［22］Glimcher P W，Fehr E，Camerer C，et al.Neuroeconomics：Decision Making and the Brain［M］.London：Academic Press，2009.

［23］Heath C，Tversky A.Preference and belief：Ambiguity and competence in choice under uncertainty［J］.Journal of Risk and Uncertainty，1991，4（1）：5-28.

［24］Fox C R，Tversky A.Ambiguity aversion and comparative ignorance［J］.The Quarterly Journal of Economics，1995，110（3）：585-603.

［25］Chow C C，Sarin R K.Comparative ignorance and the Ellsberg paradox［J］.Journal of Risk and Uncertainty，2001，22（2）：129-139.

［26］Chow C C，Sarin R K.Known，unknown，and unknowable uncertainties［J］.Theory and Decision，2002，52（2）：127-138.

［27］Gilboa I，Schmeidler D.Maxmin expected utility with non-unique prior［J］.Journal of Mathematical Economics，1989，18（2）：141-153.

［28］Ghirardato P，Maccheroni F，Marinacci M.Differentiating ambiguity and ambiguity attitude［J］.Journal of Economic Theory，2004，118（2）：133-173.

［29］Eichberger J，Grant S，Kelsey D，et al.Theα-MEU model：A comment［J］.Journal of Economic Theory，2011，146（4）：1684-1698.

［30］Brown G W，Cliff M T.Investor sentiment and asset valuation［J］.The Journal of Business，2005，78（2）：405-440.

［31］Baker M，Wurgler J.Investor sentiment and the cross-section of stock returns［J］.The Journal of Finance，2006，61（4）：1645-1680.

［32］Wright W F，Bower G H.Mood effects on subjective probability assessment［J］.Organizational Behavior and Human Decision Processes，1992，52（2）：276-291.

［33］Brandst¨utter E，Kühberger A，Schneider F.A cognitive-emotional account of the shape of the probability weighting function［J］. Journal of Behavioral Decision Making，2002，15（2）：79-100.

［34］Kliger D，Levy O.Mood and judgment of subjective probabilities：Evidence from the US index option market［J］.European Finance Review，2003，7（2）：235-248.

［35］Farmer J D，Joshi S.The price dynamics of common trading strategies［J］.Journal of Economic Behavior and Organization，2002，49（2）：149-171.

附錄（奈特不確定性下風險資產均衡定價的推導過程）

為了研究方便，假設在該時間內無風險證券的價格不變，則r=1.為了求得本文的資產定價，可轉化為最大化問題

根據式（1）可寫出α-MEU價值函數

假設式（A2）中的投資者效用函數為指數型的效用函數，即u（W）=-e-λW，其中λ＞0.

若投資者的期末財富Wt+1服從正態分布，則投資者的期望效用為

其中E表示條件概率下的期望，Var表示方差.

易知

根據文中假設有

根據式（A3）～式（A5），式（A2）的最大化問題可轉化為

根據式（A6），式（A1）中的最優化問題可轉化為下式的問題

為了求解式（A7）中的優化問題，即求函數V0（Wt+1）的導數，并令其等于0，即

由式（A8）可得

當市場達到均衡時總供給等于總需求，則

將式（A10）代入式（A9）得

將式（A11）整理得奈特不確定性下的資產定價公式（4）.

Knightian uncertainty emotion of investors and the huge fluctuations of stock market

Xu Yuandong

（School of Economics and Management，Southwest Jiaotong University，Chengdu 610031，China）

From the perspective of the player，an asset pricing model is built based on the ambiguity and the impactofaninvestor'sambiguityemotiontowardthefinancialassetpricingisstudied.Becauseoftheinvestor's ambiguity emotion，the investor in the stock market will assign an unreasonable weight to the extreme value of market expectation；this extreme value of market expectation will affect asset pricing significantly，which can explain the internal mechanism of“irrational exuberance”and“stock market bust”to some extent.By simulation of the stochastic process，the asset pricing under the ambiguity is simulated，and the conclusion is supported.Finally，from the perspective of ambiguity，the paper analyzes the mechanism of the huge fluctuation in China's stock market and proposes some policy suggestions.

Knightian uncertainty；Knightian uncertainty aversion；behavioral finance；neuroeconomics

F224，F830

A

1000-5781（2015）06-0736-10

10.13383/j.cnki.jse.2015.06.003

徐元棟（1969-），男，山東齊河人，博士，副教授，研究方向：行為經濟與金融，行為決策學，Email：xyd2003@163.com.

2013-07-11；

2014-07-17.

教育部長江學者和創新團隊發展計劃資助項目（IRT0860）；教育部人文社會科學研究一般資助項目（08JA790104）.