基金投資決策中老手與新手的信息加工差異及干預

摘 "要 "以往的基金研究多從專業的角度構建復雜的決策模型， 難以直接被普通基金投資者所理解和應用。為了引導眾多的基金投資新手正確理財， 我們引入“老手?新手”比較范式探尋二者投資決策時的信息加工過程差異， 并探討如何對新手予以干預以提升其決策質量。研究1通過Mouselab技術收集信息加工過程數據， 發現在基金信息搜索和加工過程中， 老手比新手更傾向于基于屬性的信息搜索模式， 信息加工的補償性更低; 基于屬性的信息搜索模式有利于決策質量， 但這一結果僅在新手中存在， 這可能在于老手的信息搜索模式較為穩定， 其變異性難以為決策質量提供解釋。由于現有的理財客戶端的頁面呈現方式使得投資新手難以使用基于屬性的信息搜索模式， 研究2向被試提供表格紙來幫助他們進行結構化加工， 以降低基于屬性進行搜索的難度， 結果發現結構化加工組被試的決策質量高于控制組。上述結果反映了老手和新手基金投資決策的信息加工特征， 為改進新手理財決策提供了干預思路。

關鍵詞 "投資決策， 老手， 新手， 信息加工， 干預

分類號 "B849

1 "引言

隨著我國居民可支配收入的持續增長， 投資理財市場日益壯大。截止2021年底， 我國基金投資者（也稱“基民”）已達7.2億人（中國證券業協會， 2022）。隨著大量新手基民涌入市場， 如何引導他們正確理財將成為重要問題， 其意義不僅是保證個人的財富增長， 也有助于我國資本市場的穩定發展。然而以往的相關研究多在對市場數據進行分析后構建復雜的統計模型來預測收益走向， 雖具有專業性卻難以被普通基金投資者所理解和利用。本研究關注普通基金投資者的心理過程， 通過“專家?新手”或者“老手?新手”比較范式揭示其基金投資決策結果及背后信息加工方式的差異， 重點在于通過此研究為增進新手的投資決策能力提供干預思路， 助力心理學研究在投資實踐層面的應用。同時目前國內外決策心理學、經濟心理學等心理學分支關于基金投資決策的信息加工過程研究還亟需積累實證依據。

1.1 "基金投資決策的信息加工過程

在以往基金投資的研究中， 研究者多采用基于結果（outcome-based）的研究范式， 通過構建數據模型對過程進行推測（如， 駱盈盈， 任颋， 2015）， 但多種模型間存在競爭且難以證偽， 實際上這是利用基于結果的研究范式進行決策研究的通病（Johnson et al.， 2008; 魏子晗， 李興珊， 2015）。若能直接考察決策的信息加工過程， 則有助于理解某一決策結果何以產生。不過， 國內外目前對基金投資決策的研究還較少， 包括基金、股票等各類投資決策的相關研究也多關注投資者非理性的心理異象、投資風格或投資參與度（Arora amp; Kumari， 2015; Talwar et al.， 2021; 王佳， 于泳紅， 2017）， 較少直接探討其背后的信息加工過程。鑒于基金投資是投資者在有風險的情境下做出的決策， 投資者在獲得收益的同時， 也有損失的風險（鄧堯 等， 2022）， 因而這種決策是一種特殊的風險決策， 也是日常生活中最典型的風險決策之一（Weber et al.， 2002）。有關風險決策過程的一般性研究可以為基金決策過程研究提供借鑒。

研究者多聚焦于信息加工策略來對風險決策進行探討， 然而， 他們的理論認識和研究結論并不相同（Pachur et al.， 2013）。部分研究者以期望價值理論為基礎提出整合模型（Birnbaum amp; LaCroix， 2008）， 主張風險決策是一個補償性的、期望值最大化的過程， 其中補償性（compensatory）是指對各個維度的信息加權求和后縮減到單一“價值”維度上進行評估（Anderson， 2003）。采用補償性加工策略時， 人們盡可能地考慮所有信息， 通過計算得出最優選項（周蕾 等， 2014）， 反映了基于選項（option-based）的信息搜索模式。與之相對， 其他研究者以“有限理性”假設為基礎提出啟發式模型（Brandst?tter et al.， 2006）， 主張風險決策是一個非補償性的、啟發式的過程， 即個體不會進行審慎計算， 而是會利用部分重要屬性信息做出決策（Brams et al.， 2019）， 這對應著基于屬性（attribute-based）的信息搜索模式。

基金投資決策通常也涉及選項和屬性兩個維度。例如， 在支付寶理財中存在醫藥、科技等不同門類的基金產品（選項）， 每支基金產品又在業績、凈值等屬性上存在不同。總之， 投資者需要獲取市場上紛繁多樣的基金選項和屬性信息后再進行決策， 這無疑是一個難題。當面臨這類復雜的決策任務時， 人們更傾向于采用基于屬性的搜索模式， 這一點已在風險較低的日常消費決策任務以及風險較高的賭博任務中得以驗證（Lohse amp; Johnson， 1996; Weenig amp; Maarleveld， 2002）。其心理機制是：因為任務的選項和屬性過多， 個體往往難以獲取和分析所有信息， 也就無法做出期望值最大的選擇; 此時， 為了降低認知負荷， 個體更傾向于采取基于屬性的信息搜索模式和非補償性策略。投資市場上逾萬支的基金產品帶來了海量的信息， 這使得投資決策復雜而充滿風險， 在此情境下， 投資者在對基金信息進行加工時可能不會對“價值”進行合并計算后再選出最佳選項， 即不會基于選項進行信息搜索， 而會基于屬性進行信息搜索。雖然有關基金投資決策過程的直接證據尚很少見， 但根據上述對一般性風險決策的研究成果和機制分析， 我們可提出假設1：在進行基金投資決策時， 人們更多傾向于使用基于屬性的信息搜索模式。

1.2 "老手、新手的信息加工差異

近年來， 受基金市場行情的吸引， 有大量經驗不足的新手投資者涌入， 截止2021年一季度， 42%的投資者的投資經驗不足一年（景順長城 等， 2021）。這些基金新手通常更容易在選擇基金時陷入信息加工困境， 因此促進基金市場健康發展的關鍵之一是幫助已進場新手掌握必要的投資決策技能。在現實生活中， 若要學習一門技能， 人們往往會向經驗豐富者， 即老手或專家， 尋求經驗。先前研究表明， 老手較新手普遍具有一定的信息加工優勢， 這一結果在象棋競技、醫學診斷等多個領域得以驗證（Brams et al.， 2019; Ji et al.， 2022; 王福興 等， 2016）。不過在基金投資領域， “老手?新手”的信息加工過程差異如何體現， 目前缺少直接的研究證據。

其他決策場景或認知任務研究中“老手?新手”的比較結果， 可為基金領域提供啟發。經過梳理， “老手?新手”信息加工的不同之處可能在于三個方面。首先， 老手對每一步信息搜索的意義更明確， 決策時更自信， 信息搜索量少但多為重要信息（Brams et al.， 2019; Spence amp; Brucks， 1997）， 即他們可以基于已有經驗識別出選項的重要特征或屬性， 進行啟發式加工（Klein amp; Peio， 1989）。不過， 有一項模擬放貸決策的研究發現老手在做決策時反而會搜索更多信息（Andersson， 2004）， 這一結果與通常的認識相矛盾。其次， 與前一點相關， 老手更依賴于直覺決策甚至是無意識決策（Dijksterhuis et al.， 2009）。再次， 根據模糊痕跡理論（fuzzy-trace theory）， 老手會使用更為簡要的要義加工， 而不是逐字逐句的精細加工（Reyna amp; Lloyd， 2006）。綜合這三點， 老手在做決策時可能不會進行審慎計算， 決策過程更偏向以基于經驗的啟發式方式選擇關鍵屬性作為決策依據， 即老手可能更多采用非補償性的、基于屬性的加工策略。由此推理出假設2：相比于新手， 老手在基金投資決策中信息加工的非補償性更高， 表現為搜索深度和補償性指數更低， 且更遵循基于屬性的搜索模式。

1.3 "信息加工方式對決策結果的影響

對信息加工過程進行研究的目的終究是為說明某種決策結果何以產生。以往研究表明， 在進行多屬性決策的復雜任務時， 依賴直覺的啟發式策略表現更佳， 要優于審慎計算的分析式策略（Dijksterhuis amp; Olden， 2006; Krava et al.， 2021）。基金投資決策也屬于多屬性決策， 因而偏向于啟發式系統的基于屬性的信息搜索模式可能帶來更優的基金投資決策。然而， 這一關系是否在老手與新手中均成立還不得而知。

當人們在某一領域已經有較多經驗時， 他們會從經驗中形成認知圖式， 在面臨類似的決策情境時， 他們往往依賴標準化的程序進行決策（Gillespie amp; Peterson， 2009）， 因而其行為決策方式和行為表現都較為穩定（Itzkowitz amp; Itzkowitz， 2017）， 不易因為問題難度和呈現方式而改變（Saravanan amp; Menold， 2022; Spence amp; Brucks， 1997）。因此， 老手的表現優劣不在于策略， 而是與一些能力有關（白改平， 韓龍淑， 2011）， 例如研究表明專家的表現關鍵在于工作記憶（Furley amp; Wood， 2016）。由此提出假設3：基于屬性的信息搜索模式帶來的決策質量更好， 與新手投資者相比， 兩者關系強度在老手中可能被削弱。

1.4 "信息加工方式的干預

基于老手與新手在基金選擇時信息加工方式可能存在的差異及其結果， 我們可以有針對性地干預新手的信息加工方式， 改善其理財決策。以往研究忽視對過程的分析， 未有從信息加工角度開展的干預研究， 而只能泛泛強調通過理財知識教育、理財觀念培養來改善理財行為（王佳， 于泳紅， 2017）。但是這種財經教育往往需要社會的共同配合， 工程量大且見效緩慢， 若要快速幫助人們自主習得理財， 則需要將干預主體定位在基民本身。

就個體的信息加工過程來看， 基于屬性的信息搜索模式似乎帶來的決策結果更好; 而且在復雜決策場景下， 若以“選項 × 屬性”的結構化矩陣形式呈現信息， 則更便于人們對比信息， 并使用基于屬性的搜索模式（Weenig amp; Maarleveld， 2002; 于泳紅， 汪航， 2005）。這可能是因為當信息得到排列時， 個體能夠更加直觀地獲取同一行或同一列的數據， 從而更容易關注和識別屬性間的差異（Slovic amp; MacPhillamy， 1974）， 很多研究者認為矩陣模式呈現信息的方式降低了信息搜索難度（丁夏齊 等， 2004; 余雯 等， 2013）。因此這種呈現方式可為改善被試的決策策略并提升決策表現提供啟發。在日常生活中， 屬性信息不會像決策任務一樣得到結構化排列， 或者會被打散在各個選項內。正如在現有的理財客戶端軟件中， 人們往往在一頁中只能看到一支基金（選項）的若干屬性信息， 必須通過頁面間的跳轉才能查看更多基金選項。在這種情況下， 選項信息在同一頁面內呈現， 得到了結構化整合， 但是屬性信息卻被打散。決策者在不同基金間進行比較時的認知負荷增大， 而更容易在同一基金內對各屬性進行加權計算， 從而采取基于選項的搜索模式， 換言之， 當前的基金呈現方式致使人們難以使用基于屬性的信息搜索模式。因此， 本研究希望通過助推的理念（Thaler amp; Sunstein， 2008）， 參考Spence和Brucks （1997）給決策者提供表格紙的方式， 引導被試對信息進行結構化整合， 以此來促進屬性信息與選項信息一樣得到直觀呈現， 幫人們擺脫僅僅因為便利性而一味使用基于選項的加工方法， 從而回歸基于屬性的信息搜索模式（Weenig amp; Maarleveld， 2002）， 這將有助于他們規避認知上的不足， 提升基金決策的正確率。如前所述， 投資新手大量涌入基金市場， 他們的投資模式并不像老手那樣穩定， 因此對新手的信息搜索模式進行干預可能更為有效。實際上， Spence和Brucks （1997）的干預研究也發現了引導經驗豐富的老手進行結構化加工對他們的決策表現并無助益。由此提出假設4：通過引導基金投資新手對信息進行屬性的結構化整合能夠提升基金投資決策的質量。

1.5 "本研究目的和方法

本研究首先采用鼠標實驗室技術（Mouselab）獲取信息加工的過程數據（研究1）。鼠標實驗室技術具體操作為向被試呈現一個“選項 × 屬性”的信息矩陣， 開始時所有信息均被遮蔽， 鼠標移至單元格時則呈現信息， 移開則再次遮蔽， 被試可反復查看各個信息。通過采集鼠標的移動數據可獲取被試的信息搜索時間和內容， 計算補償性指數和搜索模式等指標（Payne， 1976）。研究者常用此方法獲取被試的決策過程數據（如， 張樹鳳 等， 2017）， 以便刻畫被試在搜集和處理決策信息時的心理過程。同時， 雖然難以僅憑此刻的基金屬性來預測未來的收益， 但是為了探討投資者進場的問題， 即人們在最初決定投資基金時的推理過程和結果， 我們在實驗任務中設置理論上的最優選項以考察人們的決策質量。綜上， 研究1通過Mouselab技術對老手和新手在基金決策中的信息加工過程差異進行分析， 并考察決策過程對決策結果有何影響， 由此為干預措施提供思路。

研究2基于日常生活中屬性信息不會像決策任務一樣得到結構化排列的現狀， 在研究1結果基礎上開展干預研究， 模擬的互聯網基金理財情境， 通過引導被試對信息做結構化整合來干預其加工方式， 探究其決策質量的改善， 以期通過幫助基金新手掌握恰當的信息加工方式改善理財行為。

2 "研究1：基金決策中老手與新手的信息加工差異

2.1 "預研究

由于至今尚無明確的行業標準劃定擁有多久的基金投資經驗可被稱為基金老手， 所以通過預研究對社會人士的基金投資經驗分布進行統計， 以此來確定老手與新手的分組標準， 同時選出人們最為關注的5個基金屬性， 用于研究材料的設計。

2.1.1 "調查對象及工具

利用見數（Credamo）平臺的被試資源線上回收了94份有效問卷， 其中男性51人， 女性43人， 平均年齡為27.61歲（SD = 5.87）。受教育程度在大學本科以下的共8人， 大學本科共73人， 研究生及以上共13人。

首先調查被試的基金投資經驗， 包括2題。第1題為“您正在或曾經進行過基金投資理財嗎？”對有基金投資經驗的被試追問第2題“您的基金投資理財經驗大概有多久？”選項包括“0至1年” “1至2年” “2至3年” “3至4年” “4至5年”以及“5年及以上” 6個選項。

接著調查被試投資時關注的基金屬性， 選項包括“近一年收益率” “單位凈值” “費率” “日漲跌幅” “風險等級” “基金行業” “歷史業績” “基金評級” “基金持倉情況” “基金經理情況” “基金公司情況” “基金排名”和“基金規模”等13個屬性（這些屬性的確定主要參考了市場上常見的支付寶理財以及各大銀行的基金所具有的屬性信息， 已盡可能涵蓋了各個理財App上所呈現的基金屬性）， 需要被試在13個選項中選出5個最為關注的基金屬性。

最后調查性別、年齡、受教育程度等人口學信息。

2.1.2 "研究結果

在基金投資經驗上， 不足3年投資經驗和3年及以上投資經驗的被試占比分別為67.0%、33.0%， 與連榕等人（2003）在自然情況下調查樣本中的新手（60.3%）、熟手/專家（39.7%）的占比相似， 故本研究將以3年經驗作為新手與老手的分組標準， 以此進行后續的被試招募。

在基金屬性上， 被試選擇最多的5個屬性依次為近一年收益率、風險等級、歷史業績、基金評級、日漲跌幅， 選擇頻率分別為86.2%、69.1%、64.9%、36.2%、35.1%， 其余屬性的選擇頻率均未超過30%， 最終以這5個屬性來設計研究材料。

2.2 "被試

以預研究提供的標準， 研究1共線下招募了39名基金投資經驗在3年以下， 對基金投資感興趣且具有簡單知識的基金新手; 以及35名基金投資經驗在3年及以上， 對基金投資非常了解的基金老手。共獲得74名有效被試， 男性30人， 女性44人， 平均年齡為29.04歲（SD = 11.70）， 受教育程度在大學本科及以下、研究生及以上的分別有47人、27人， 財經類專業和非財經類專業各半。參考國內 “老手?新手”決策過程研究的結果（陳梅香， 白學軍， 2019）， 選擇中等偏上的效果量Cohen’s d = 0.7估算樣本量， 在power為0.8， α = 0.05的情況下， G*Power計算樣本量為68人， 本研究74名有效被試符合要求。所有被試的視力或矯正視力均正常， 無智力障礙， 且能正確操縱鼠標。

2.3 "研究設計及程序

為探究老手、新手基金投資決策的信息加工過程的差異， 采用單因素被試間設計， 以經驗水平（老手、新手）作為自變量， 信息加工過程的各項指標和決策質量為因變量。

被試首先完成模擬基金投資任務， 在此任務中， 被試需要查看基金信息并做出投資判斷， 其信息加工的時間、信息搜索模式數據以及最終決策將被記錄。隨后采用操作廣度任務測量被試的工作記憶水平， 因為以往研究表明工作記憶是影響老手、新手表現的關鍵因素（苗浩飛， 遲立忠， 2023）， 故將被試的工作記憶水平作為控制變量納入研究。最后， 被試完成人口學信息及其他控制變量的問卷調查。

2.4 "實驗任務及變量測量

2.4.1 "模擬基金投資任務

模擬基金投資任務參考Posavac等（2019）的設計思路， 在Johnson等人（1989）開發的Mouselab標準程序的基礎上進行調整， 通過Mouselab 1.0軟件在計算機上呈現。

實驗材料為自編的6 （基金選項） × 5 （基金屬性）基金信息矩陣， 按照規范的Mouselab技術進行呈現， 每一行表示一個基金選項， 共6支基金選項， 分別為基金102、基金316、基金443、基金987、基金536、基金224 （各選項的數字部分表示基金代碼， 均為三位隨機數， 無其他意義， 僅為模擬現實中的基金呈現情況， 這是以往研究中常用的選項呈現方法， 例如： 陳軍， 2009; 冷靜 等， 2017）。每個選項含有并列的5個基金屬性， 為預研究選擇出的年收益率、風險等級、歷史業績、基金評級、日漲跌幅。參考支付寶基金的呈現方式， 在本研究中年收益率（分別為22.36%和15.08%）和日漲跌幅（分別為1.03%和0.64%）直接提供數字信息; 風險等級包括 “中風險” “高風險”兩個等級; 歷史業績包括“與同類均值持平” “高于同類均值”兩個等級; 基金評級包括“三星”和“四星”。在6個選項中， 除基金443外， 每個選項均有某一屬性存在劣勢， 如基金536的評級為“三星”， 而其他選項均為“四星”。可見基金443為最優選項， 若被試最終選中該最優選項， 則決策質量記為1， 若未選中則記為0。

如圖1所示， 任務開始時所有信息均被遮蔽， 在被試利用鼠標查看信息前， 會通過指導語告知被試正在參與一項模擬基金投資任務， 現分配給其1000元進行投資， 其在任務中的所有投資收益都將按比例折算為現金報酬發放， 并會在指導語中為被試解釋各屬性的等級含義。此外， 為了平衡順序效應， 所有選項和屬性的呈現位置隨機。

本研究采取以往研究常用的過程性指標， 包括決策時長、搜索深度、搜索變異性、補償性指數和搜索模式（如Borozan et al.， 2022; Payne， 1976; Reisen et al.， 2008; 王阿妹 等， 2018）， 其中決策時長往往反映被試決策的困難程度， 搜索深度、搜索變異性和補償性指數是對個體補償性的反映， 搜索模式則是對被試進行搜索時基于屬性或是基于選項規則的反映， 這些指標能夠較好地刻畫出被試在決策時的心理過程。指標說明及計算方法如下：（1）決策時長：各單元格的查看時長之和， 以秒（s）為單位; （2）搜索深度（depth of search， DS）：查看的單元格數/所有單元格數， 得分越高表明搜索深度越高， 即補償性越高; （3）搜索變異性（variability of search， VS）：每個選項被查看的單元格數比例的標準差， 得分越高表明搜索變異性越高， 即補償性越低; （4）補償性指數（compensation index， CI; Koele amp; Westenberg， 1995）：補償性指數由搜索深度DS和搜索變異性VS計算得來， 是對補償性策略的直接體現。計算公式為CI = DS （1 – 2VS）， 范圍在0至1之間， 數值越大表明補償性越高。（5）搜索模式：以策略量值（strategy measure， SM）衡量個體的信息搜索模式是基于屬性還是基于選項， 這是決策研究領域中過程追蹤的重要指標（余雯 等， 2013）。通過鼠標在選項內的轉換次數ra和選項間（屬性內）的轉換次數rd的差異來反映（見公式1）， 該指標已被多項研究使用（如Schulte-Mecklenbeck et al.， 2013; Su et al.， 2013）。當SM值大于0時， 表示基于選項的搜索模式; 當SM值小于0時， 則表示基于屬性的搜索模式。整體上， 該值越小， 表示搜索模式越基于屬性。

公式1

注：A表示選項數量， D表示屬性數量， ra表示鼠標基于選項的轉換次數， rd表示鼠標基于屬性的轉換次數， N表示所有轉換次數之和。

2.4.2 "操作廣度任務

采用Unsworth等（2005）開發的操作廣度任務測量工作記憶， 運用MATLAB軟件和PsychToolbox-3工具箱在計算機上呈現。梅高興等人（2021）對該任務進行了中文譯制， 信效度良好。被試進行三次練習任務（記憶字母練習、判斷算式練習、正式任務練習）后， 開始正式測試， 如圖2所示， 屏幕上會先呈現一個算式（如72/8 + 2 = ？）， 被試需計算結果并判斷下一頁給出的數字是否為此算式的正確結果， 被試需盡快給出結論， 若判斷超時會自動跳轉到下一頁， 并認定判斷錯誤（若算式判斷上的累計正確率低于85%， 表明被試可能為了記憶字母而不認真完成算式判斷， 則被試的工作記憶得分無效; 梅高興 等， 2021）。算式判斷完成后， 屏幕上都會呈現

一個字母， 持續800 ms， 隨后進入下一個算式判斷， 因此每組任務呈現的算式數與字母數相同， 被試需按順序記憶所有字母， 并在相應頁面中依次點選出字母。正式測試會呈現15組任務， 每組任務的字母數3到7個不等， 全部測試共含有75個字母， 以回憶正確的字母數量作為被試工作記憶水平的指標。

2.4.3 "人口學信息及其他控制變量的測量

被試報告性別、年齡、受教育程度、是否為財經類專業、風險承受能力等信息。其中， 風險承受能力的測量題目為“當您進行投資時， 愿意承擔的風險如何？” 采用5點計分（1 = “不愿意承擔任何風險”， 5 = “高風險， 高回報”）， 得分越高表明風險承受能力越高。

2.5 "研究結果

2.5.1 "整體信息搜索模式

按照Willemsen和Johnson （2011）建議的Mouselab數據處理標準， 篩選掉所有停留時間低于200 ms的鼠標停留點， 根據公式計算出所有被試信息搜索的SM值。結果表明， 被試的SM值均值為?4.11 （SD = 5.22）， 全距為[?14.08， 11.55]; 其中， SM值大于0的被試有16人， 占比21.6%， SM值小于0的被試有58人， 占比78.4%， 卡方檢驗表明兩組人數存在顯著差異， χ2 = 23.84， p lt; 0.001， φ = 0.57， 即多數被試傾向于進行基于屬性的信息搜索， 驗證了假設1。

2.5.2 "老手與新手的信息加工過程和決策質量的差異

為探討老手與新手在補償性和信息搜索模式上的區別， 進行獨立樣本t檢驗（見表1）。老手組和新手組在決策時長上無差異， t（72） = ?0.07， p = 0.942， 表明在基金決策任務中， 決策時長不受經驗豐富與否的影響。在補償性各指標上， 老手組的搜索深度顯著低于新手組， t（72） = ?2.20， p = 0.031， Cohen’s d = 0.51; 老手組的搜索變異性略高于新手組， 兩組間差異邊緣顯著， t（72）= 1.95， p = 0.056， Cohen’s d = 0.47; 老手組的補償性指數顯著低于新手組， t（72） = ?2.15， p = 0.035， Cohen’s d = 0.50， 效

果量為中等水平。綜合可得， 老手信息加工的“補償性”低于新手， 即與新手相比， 老手不會對所有信息進行深度挖掘和審慎計算， 而多采用啟發式的加工策略。在信息搜索模式上， 老手組的SM值顯著低于新手組， t（72） = ?2.20， p = 0.031， Cohen’s d = 0.51， 效果量為中等水平， 即與新手相比， 老手在信息加工時更傾向于選擇基于屬性的搜索模式， 驗證了假設2。

我們還對老手（正確率48.57%）和新手（正確率46.15%）的決策質量進行比較， 但未發現兩者有顯著差異， χ2 = 0.04， p gt; 0.05。

2.5.3 "信息搜索模式對決策質量的影響

為探究信息搜索模式對決策質量（為0、1記分的二分變量）的作用， 將信息搜索模式（以SM為指標）作為自變量， 經驗水平（老手、新手）為調節變量， 控制個體的性別、年齡、受教育程度、專業、風險承受能力、工作記憶， 同時決策受制于對有效信息的檢索率， 因此我們也納入搜索深度作為控制變量， 進行Logistic回歸， 其中有7人在操作廣度任務中算式正確率低于85%， 未納入后續分析。模型擬合χ2 = 7.82， p = 0.451， 表明模型擬合度良好， 從表2來看， SM對決策質量有負向預測作用， B = ?0.18， SE = 0.08， Wald χ2 = 4.72， OR = 0.84， 95% CI = [0.71， 0.98]， p = 0.030， 變化的Nagelkerke R2 = 0.14， 即個體越偏向基于屬性的信息搜索模式， 決策質量越好， 越偏向基于選項的信息搜索模式， 決策質量越差。但是并未發現經驗水平和SM的交互作用（p = 0.267）。

為了更深入理解信息搜索模式在老手和新手中的作用情況， 我們根據經驗水平分組進行Logistic回歸， 結果發現在老手和新手中信息搜索模式顯示出了不同作用。在新手組中， 模型擬合χ2 = 4.51， p = 0.720， 表明模型擬合度良好。當控制了性別等變量后， SM對決策質量的負向預測作用顯著， B = ?0.17， SE = 0.08， Wald χ2 = 4.12， OR = 0.84， 95% CI = [0.72， 0.99]， p = 0.042， 變化的Nagelkerke R2 = 0.16， 這表明與基于屬性進行信息搜索相比， 若新手基于選項進行搜索， 其正確率下降16%; 在老手組中， 模型擬合良好， χ2 = 9.90， p = 0.272。然而卻發現SM值對決策質量沒有影響（p = 0.799， 變化的Nagelkerke R2 = 0.002）， 但是工作記憶能夠正向預測老手的決策質量， B = 0.16， SE = 0.08， Wald χ2 = 4.15， OR = 1.18， 95% CI = [1.01， 1.38]， p = 0.042， 工作記憶水平越高則決策質量越好。以上結果表明， 基于屬性的信息搜索模式對新手的決策質量有積極影響， 而對老手的決策質量無影響， 這一結果可能是因為老手信息搜索模式的穩定性高而變異性低， 因此不足以預測決策質量， 驗證了假設3。

此外， 并未發現決策時間、搜索深度、搜索變異性和和補償性指數對決策質量的作用， ps gt; 0.05。

2.6 "討論

研究1表明， 當同時向被試呈現基金的選項和屬性信息時， 被試整體上傾向于采用基于屬性的搜索模式。同時結果表明， 老手比新手基于屬性的程度更高， 信息加工補償性更低， 該發現與以往研究結論在本質上相似， 即老手以更為啟發式的方式進行信息加工（Reingold amp; Charness， 2005）。信息搜索模式能夠影響決策質量， 但僅在新手中成立， 當新手使用的搜索模式越是基于屬性時則決策質量越高， 老手則不然。這說明新手的確會因為信息加工問題導致決策質量的下降， 同時也為啟發式系統在復雜決策中的優勢（孫彥 等， 2007）提供了一些支持。綜上， 若要提升新手的決策質量， 可從信息搜索模式入手， 但老手的決策質量與信息搜索模式關系不大。研究1與先前類似文獻（于泳紅， 汪航， 2005）均表明， 矩陣式呈現信息時個體多采用基于屬性的信息搜索模式。

在實際生活中， 信息多不以結構化呈現（Weenig amp; Maarleveld， 2002）， 會存在難以基于屬性進行信息搜索的情況。當下的理財App大多在一個頁面中只呈現單支基金（選項）， 而將屬性信息囊括在選項當中， 似乎在引導人們使用基于選項的搜索模式， 這不利于新手決策質量的改善。研究1的結果提示我們只需將屬性信息與選項信息同時按照結構化的方式呈現給投資者， 他們則會更傾向采用基于屬性的搜索模式， 從而有更好的表現。基于此， 研究2模擬真實的理財APP的信息呈現方式， 并通過提供表格紙的方式引導被試對屬性信息進行結構化整合， 以促進新手轉向使用基于屬性的信息搜索模式， 提高決策質量。

3 "研究2：對基金新手的結構化干預研究

3.1 "被試

以預研究提供的標準， 線下招募了73名基金投資經驗在3年以下、對基金投資感興趣且具有簡單知識的基金新手。參考信息呈現方式影響信息搜索正確率的效果量（φ = 0.52; 潘運嫻 等， 2018）， 在power為0.8， α = 0.05的情況下， G*Power計算樣本量為31人， 本研究樣本量符合要求。其中， 男性43人， 女性30人， 平均年齡為34.90歲（SD = 9.06）。受教育程度在大學本科以下的有21人， 大學本科51人， 研究生及以上1人， 所有被試的視力或矯正視力均正常， 無智力障礙。被試被隨機分入實驗組和控制組。

3.2 "研究設計

研究2采用單因素被試間設計。自變量為是否接受結構化整合干預， 分為結構化加工組（n = 36）和控制組（n = 37）; 因變量為決策質量， 其衡量標準與研究1相同。

3.3 "任務、材料與程序

被試通過計算機完成一項模擬基金投資任務， 并且被告知在投資中的表現將決定著最終獲得的實驗報酬。參考Spence和Brucks （1997）的干預方式， 通過向決策者提供表格紙為其提供結構化引導， 即引導決策者將基金選項信息和屬性信息進行結構化排列。當被試落座于計算機前， 桌上已為其備好紙筆， 結構化加工組會備一張表格紙（紙上已繪制好一個6 × 5的空白矩陣）， 引導其結構化整合基金的屬性信息， 控制組則備一張白紙。

本研究全程采用PPT形式呈現基金信息。計算機屏幕上首先會呈現模擬基金投資任務的主頁面， 在這一頁中僅呈現指導語及6個基金按鈕， 點擊基金按鈕可通過超鏈接跳轉到該按鈕所代表基金的子頁面（見圖3）， 在子頁面中可以看到該基金的所有信息， 被試在查看過程中可在表格紙（結構化加工組）或白紙（控制組）上進行信息整理， 每個子頁面均設置了“返回”鍵， 點擊“返回”便可回到主頁面， 繼續通過點擊基金按鈕查看信息， 以此保證被試在一個頁面中只能看到一支基金的信息。在被試決定做出投資選擇前， 所有基金信息都可重復查看， 整體呈現方式基本復制了人們在理財App中查看基金信息的全流程。當認為可做出投資選擇時， 被試可以停止查看信息并給出自己的選擇。

最后報告性別、年齡、受教育程度、對基金知識的了解程度、風險承受能力等信息。其中基金知識的了解程度通過1題“您對基金知識的了解程度為？”， 5點計分（1 = “非常差”， 5 = “非常好”）， 得分越高表明被試對基金知識越了解; 風險承受能力測量方式同研究1。任務結束后， 會根據被試的投資選擇給予相應的報酬。

本任務中涉及的6支基金的選項及屬性信息與研究1相同， 在指導語上也保留了研究1中的任務介紹和對屬性的基本解釋。唯一不同的是， 信息呈現為每屏只呈現一支基金的信息， 這與真實理財App的呈現方式一致。

3.4 "研究結果

首先對兩組被試的基金知識了解程度及風險承受能力進行獨立樣本t檢驗， 結構化加工組的基金知識了解程度（M = 2.53， SD = 0.91）與控制組（M = 2.24， SD = 0.83）不存在顯著差異， t（71） = 1.39， p = 0.17; 結構化加工組的風險承受能力（M = 2.81， SD = 1.04）與控制組（M = 3.03， SD = 1.04）也不存在顯著差異， t（71） = ?0.91， p = 0.37， 表明兩組被試在基金知識和風險承受能力上同質。

為探究結構化干預能否改善新手的決策質量， 進行卡方分析。結果表明結構化加工組的決策質量（正確人數17人， 正確率47.22%）顯著高于控制組（正確人數9人， 正確率24.32%）， χ2 = 4.17， p = 0.041， φ = 0.24， 效果量為中等水平， 驗證了假設4。

3.5 nbsp;討論

在理財App的主頁面結合子頁面的信息呈現形式下， 僅僅是給基金新手一張畫有表格線的紙張就能夠幫助其做出更好的基金投資決策。表格式記錄有助于對信息進行結構化整合， 引導個體將基金屬性信息和選項進行排列， 而這種排列有助于個體跳出屬性從屬于選項的認知， 從而更多地使用基于屬性的信息搜索模式（于泳紅， 汪航， 2005）， 這也與在研究1的基金呈現方式中被試多使用基于屬性的搜索模式吻合。而且， 結構化后的信息可以降低個體進行信息加工的難度， 從而更快速地找到有效線索， 便于進行綜合判斷（Chernev， 2003）。因此， 在現實生活中， 當人們在理財App上自主進行基金投資時， 盡管缺少線下理財渠道所擁有的理財服務與專業分析， 但僅僅使用一張畫有表格的紙就可以幫助缺少經驗的基民更多采用基于屬性的信息搜索模式， 從而提高決策質量。因為這種表格在助推他們以“選項 × 屬性”的結構化矩陣方式整合信息， 更快找到可資抉擇的關鍵屬性。

4 "綜合討論

4.1 "老手與新手在基金投資決策中的信息加工差異

研究1利用Mouselab技術從過程到結果比較全面地探究了基金投資決策中老手與新手的信息加工差異。在過程上， 研究1比較了老手和新手在補償性和搜索模式上的區別; 在結果上， 則確定了過程與結果之間的關系， 基于決策過程的視角嘗試打開決策黑箱。

一方面， 研究1驗證了假設1和假設2， 表明人們在進行基金決策時， 面對矩陣式呈現的選項和屬性信息， 會偏向使用基于屬性的信息搜索模式。這與決策領域的理論研究結論相符， 決策模型正逐漸從傳統的基于選項的假設轉向基于屬性的假設， 由支持補償性規則轉向非補償性規則， 即更支持啟發式模型（Gigerenzer et al.， 2022; 劉永芳， 2022）。在研究1中， 選項參照以往研究者多采用的無意義代碼的方式進行呈現（如： 陳軍， 2009; 冷靜 等， 2017）， 但這種呈現方法并不意味著被試難以基于選項進行轉換， 因為每一行表示一個選項， 每一列表示一個屬性， 豎向查看信息的方式是有悖于人們日常的橫向閱讀習慣的（Tullis， 1988）， 研究也表明在時間壓力小且信息較少的情況下， 被試可能會采用基于選項的信息搜索模式（陳軍， 2009）， 因而基金投資者在決策時偏好基于屬性的信息搜索模式這一結果不能通過信息的布局進行解釋。同時由于經驗的作用， 老手比新手更傾向于基于屬性的信息搜索模式， 在信息加工補償性上也更低， 啟發式程度更高（Dijksterhuis et al.， 2009）。

另一方面， 研究1發現信息搜索模式會影響決策質量， 這種影響僅見于新手：新手的信息搜索越基于屬性時決策質量越好， 老手則不受信息搜索模式的影響， 驗證了假設3。對于新手來說， 他們在基金投資中還處于摸索階段， 往往感受到更高的決策不確定性， 在此情境下啟發式的優勢會更加凸顯（Gigerenzer amp; Gaissmaier， 2011）。而老手在信息搜索模式上已較為成熟， 形成了穩定的決策風格和習慣（Gillespie amp; Peterson， 2009）。研究1發現老手SM值的變異性小于新手（見表1）， 且90%的老手SM值小于0， 這可能意味著老手已經更多地且更穩定地依賴屬性搜索模式來決策， 他們在信息搜索模式上的低變異性可能導致信息搜索模式無法在實際決策中或統計結果上為決策質量提供幫助和解釋。

這也能解釋雖然老手的信息搜索模式更加有效， 但他們的決策質量并未優于新手， 即他們在基金投資時并非僅依靠信息的檢索和加工。一方面， 老手的決策更依賴于一般認知能力， 如個體的工作記憶水平（Ericsson， 2000）和實際認知能力（Furley amp; Wood， 2016）; 另一方面， 老手更依賴于個體風格和習慣， 經驗豐富者可能反而無法規避過度自信的干擾（Lambert et al.， 2012）， 所以出現忽視重要信息的情況。很多研究表明經驗不會改善決策質量（Lambert et al.， 2012; Larrick amp; Feiler， 2016; Posavac et al.， 2019）， 大量財經素養的相關研究同樣發現人們的客觀財經知識和技能對其理財行為的作用非常有限（Fernandes et al.， 2014; Liao et al.， 2022）。

此外， 老手和新手的決策時長沒有區別。復雜的任務往往需要人們用更長的時間進行加工和決策（王阿妹 等， 2018）。隨著經驗的增加， 基金決策任務對老手來說更簡單、更熟悉。因而老手比新手的決策時間更短似乎才符合常理， 確有研究表明老手會用更少地時間進行信息搜索和決策（Ramachandran et al.， 2021）， 但是當干擾因素較多時， 老手也會用更多的時間對信息進行整合和處理（Ognjanovic et al.， 2019）， 似乎新手和老手在決策用時上的差異并不穩定。鑒于現有文獻的矛盾， 這些問題的本質和成因仍有待探討。

4.2 "互聯網基金理財的干預措施

本研究通過模擬線上理財的形式， 試圖發現在缺少專業人員指點迷津的情況下引導基金新手自我規避理財失誤的有效措施。基于研究1的結果， 研究2設計了訓練新手在逐個查看若干基金的信息后進行結構化整合的干預方法， 使被試由因受迫于線上理財時的信息呈現形式而可能采用的基于選項的信息搜索模式轉換為基于屬性做決策， 結果證明該措施的確提升了決策質量， 驗證了假設4。

研究2的這一結果提供了一種簡單改變信息呈現方式以助推決策改進的方法。大量證據表明通過凸顯或移除特定信息能夠達到干預的目的， 例如將健康食物排在選項的首位（Dayan amp; Bar-Hillel， 2011）或者進行生動描述（Wilson et al.， 2016）都可提升消費者購買健康商品的可能性; 移除煙盒上的營銷信息能夠幫助吸煙者逐步戒煙（Pechey et al.， 2013）。雖然我們提出的干預手段不是凸顯屬性信息或移除選項信息——因為這很難在現實投資中進行改變， 但是通過矩陣呈現的方式能夠將屬性信息的凸顯程度與選項拉平， 起到干預的目的。

以往的干預研究經常建議開展財經素養教育以改善人們的財經知識、能力和價值觀， 最終改進理財決策質量， 但是這類干預方式成本較高且需要伴隨其他訓練才能達到干預效果（Fernandes et al.， 2014）。與教育不同， 本研究基于投資者角度， 證明通過掌握恰當的信息加工方法也可以達到相當的干預效果， 為基金理財干預提供了一條簡單易行的低成本思路。本研究同樣為相關機構助推理財效果提供了啟發， 具體而言， 理財APP信息呈現方式應當有所改變， 若理財APP可通過頁面設計引導用戶進行基于屬性的信息搜索， 則能形成助推， 實現“以小撥大” （何貴兵 等， 2018）， 提升基金決策正確率。

在實際的基金市場上， 投資者將面臨比模擬的基金投資任務更加復雜的情境， 需要對更多的信息進行檢索。此時， 與形成穩定決策模式的老手相比， 新手更難提取有效信息（Schubert et al.， 2013）， 從而做出非理性或毫無根據的決策（Saravanan amp; Menold， 2022）。換言之， 面對更復雜的基金決策情境時， 基于屬性的信息搜索策略將對新手來說更為有效， 采用簡便的方式進行結構化整合將更有助于新手免于陷入低級的決策錯誤中。

4.3 "研究價值

隨著基金投資新手涌入市場， 基金理財得到研究者關注。但是相關結論多來自經濟學研究， 這些研究多是分析大量的市場數據， 而脫離現實的理財場景（如： 邴濤 等， 2022; 談漪 等， 2020）， 難以給普通投資者提供指導。鑒于此， 本文立足基金投資者個體， 挖掘新手和老手決策時的心理過程并提出干預措施， 目的并不在于提出基金的函數模型或改進決策理論， 而是希望能夠引導龐大規模的基金新手正確理財。

具體而言， 本研究的貢獻一是使用Mouselab技術探討了基金投資決策中的信息加工過程特征及其與決策質量的關系， 深化了對基金投資決策能力本質和過程機制的認識， 為本領域的“過程性”研究提供新的實證證據; 二是將“老手（專家）?新手”范式拓展到了基金投資領域， 并靈活地與多屬性決策的信息加工衡量指標相結合， 總結出老手與新手在信息搜索模式和補償性方面的差異， 進一步支持了啟發式決策模型（Gigerenzer amp; Gaissmaier， 2011）; 三是提出了可以引導投資者利用矩陣形式對屬性信息進行結構化整合這一簡單有效的干預措施， 可幫助人們改進線上基金理財， 同時對理財APP的界面設計有啟發。

4.4 "局限及展望

首先， 本研究樣本量不夠大， 這可能使得研究存在統計檢驗力不足的風險。不夠大的樣本量一方面可能導致錯誤接受虛無假設的風險增大， 另一方面也可能會導致虛假的陽性結果（Asendorpf et al.， 2013）， 這在一定程度上限制了研究的統計效度。招募特定的“老手?新手”基金投資者作為被試進行研究存在難度， 所以我們的樣本量并未像一般的社會心理學研究中那樣大， 我們希望未來研究者用更加充足的樣本去驗證結論， 同時我們也想要提醒未來研究者在進行類似實驗時， 應選擇更為保守的效果量進行樣本量估計。

其次， 未來研究可改進研究任務。本研究盡可能地模擬了現實中復雜的基金投資情境， 參考以往研究（Weenig amp; Maarleveld， 2002）設計了6 （選項） × 5 （屬性）的信息板， 但是仍存在簡化現實情境的可能性。正如研究1結果表明的， 老手和新手在搜索深度上整體均值都較高， 這可能是因為矩陣式的信息呈現方式降低了信息搜索的難度（丁夏齊 等， 2004）， 實際上這也是研究2的干預能夠起效的背后機制。同時， 本研究僅能模擬投資者對基金的即時選擇， 無法體現持續累計的長遠收益。因此， 今后可以考慮適當增加基金選項和屬性的數量， 并在真實情境下對投資決策行為進行長期研究。

再次， 未來研究可改進被試選取程序。本研究發現老手與新手在工作記憶水平上存在差異， 這可能來源于兩組被試平均年齡不同（老手： M = 37.60， SD = 12.04; 新手： M = 21.36， SD = 2.28， t（72） = 8.27， p lt; 0.001; Salthouse， 1985）， 實際上年齡差異也常在以往“老手（專家）?新手”比較研究中存在（如： 陳梅香， 白學軍， 2019）。雖然我們通過統計分析盡可能地控制年齡對結果的影響， 但今后應該選擇年齡和工作記憶水平更為同質的老手和新手進行加工過程的比較。另外， 老手和新手只是一種相對的劃分， 可借鑒以往研究（如， 連榕 等， 2003）將老手細化為專家和熟手， 進一步考察兩者的差異。

最后， 本研究只關注了如何改進新手在投資初期的表現， 對老手缺少關注。實際上， 研究1發現老手在基金決策時表現并不優于新手， 而他們的決策質量又相對穩定且不受到信息搜索模式的影響。那么， 如何使得基金老手免于犯錯值得未來研究進行探討。

5 "結論

本研究得到以下結論：（1）在進行基金投資決策時， 老手比新手信息加工的補償性更低， 更傾向于基于屬性的信息搜索模式; （2）新手越偏向使用基于屬性的信息搜索模式， 則決策質量越好; （3）結構化干預能夠提升基金新手的決策質量。

參 "考 "文 "獻

Anderson， C. J. （2003）. The psychology of doing nothing： Forms of decision avoidance result from reason and emotion. Psychological Bulletin， 129（1）， 139?166.

Andersson， P. （2004）. Does experience matter in lending？ A process-tracing study on experienced loan officers’ and novices’ decision behavior. Journal of Economic Psychology， 25（4）， 471?492.

Arora， M.， amp; Kumari， S. （2015）. Self-esteem as determinant of investors’ stock market participation： Mediating role of risk preferences and behavioral biases. Psychologia， 58（3）， 115?126.

Asendorpf， J. B.， Conner， M.， De Fruyt， F.， De Houwer， J.， Denissen， J. J.， Fiedler， K.， ... Wicherts， J. M. （2013）. Recommendations for increasing replicability in psychology. European Journal of Personality， 27（2）， 108?119.

Bai， G. P.， amp; Han， L. S. （2011）. Similarities and differences of mathematics classroom teaching behavior between expert teachers and skilled teachers and its enlightenment. Theory and Practice of Education， 31（32）， 34?36.

[白改平， 韓龍淑. （2011）. 專家型教師與熟手型教師數學課堂教學行為的異同及啟示. 教育理論與實踐， 31（32）， 34?36.]

Bing， T.， Gao， S. X.， amp; Sha， Y. Z. （2022）. Size effect and performance persistence of mutual fund： A style drift perspective. Securities Market Herald， （11）， 48?59.

[邴濤， 高圣賢， 沙葉舟. （2022）. 基金規模效應與業績持續性： 投資風格漂移視角. 證券市場導報， （11）， 48?59.]

Birnbaum， M. H.， amp; LaCroix， A. R. （2008）. Dimension integration： Testing models without trade-offs. Organizational Behavior and Human Decision Processes， 105（1）， 122?133.

Borozan， M.， Loreta， C.， amp; Riccardo， R. （2022）. Eye-tracking for the study of financial decision-making： A systematic review of the literature. Journal of Behavioral and Experimental Finance， 35， Article e100702.

Brams， S.， Ziv， G.， Levin， O.， Spitz， J.， Wagemans， J.， Williams， A. M.， amp; Helsen， W. F. （2019）. The relationship between gaze behavior， expertise， and performance： A systematic review. Psychological Bulletin， 145（10）， 980?1027.

Brandst?tter， E.， Gigerenzer， G.， amp; Hertwig， R. （2006）. The priority heuristic： Making choices without trade-offs. Psychological Review， 113（2）， 409?432.

Chen， J. （2009）. The influence of attributive style and time pressure on information processing in decision making. Journal of Psychological Science， 32（6）， 1445?1447.

[陳軍. （2009）. 歸因風格、時間壓力對決策信息加工的影響. 心理科學， 32（6）， 1445?1447.]

Chen， M. X.， amp; Bai， X. J. （2019）. The impact of clue on different radiologists' decision making： Evidence from eye movement. Journal of Psychological Science， 42（2）， 484?491.

[陳梅香， 白學軍. （2019）. 線索提示對放射醫學決策的影響：來自眼動的證據. 心理科學， 42（2）， 484?491.]

Chernev， A. （2003）. When more is less and less is more： The role of ideal point availability and assortment in consumer choice. Journal of Consumer Research， 30（2）， 170?183.

Dayan， E.， amp; Bar-Hillel， M. （2011）. Nudge to nobesity II： Menu positions influence food orders. Judgment and Decision Making， 6（4）， 333?342.

Deng， Y.， Wang， M. M.， amp; Rao， H. Y. （2022）. Risk-taking research based on the Balloon Analog Risk Task. Advances in Psychological Science， 30（6）， 1377?1392.

[鄧堯， 王夢夢， 饒恒毅. （2022）. 風險決策研究中的仿真氣球冒險任務. 心理科學進展， 30（6）， 1377?1392.]

Dijksterhuis， A.， amp; Olden， Z. V. （2006）. On the benefits of thinking unconsciously： Unconscious thought can increase post-choice satisfaction. Journal of Experimental Social Psychology， 42（5）， 627?631.

Dijksterhuis， A.， Bos， M. W.， van der Leij， A.， amp; van Baaren， R. B. （2009）. Predicting soccer matches after unconscious and conscious thought as a function of expertise. Psychological Science， 20（11）， 1381?1387.

Ding， X. Q.， Ma， M. C.， Wang， Y.， amp; Fan， C. L. （2004）. Applications of IDB in consumer researches. Advances in Psychological Science， 12（3）， 440?446.

[丁夏齊， 馬謀超， 王詠， 樊春雷. （2004）. 信息顯示板（IDB）實驗在消費行為研究中的應用. 心理科學進展， 12（3）， 440?446.]

Ericsson， K. A. （2000）. How experts attain and maintain superior performance： Implications for the enhancement of skilled performance in older individuals. Journal of Aging and Physical Activity， 8（4）， 366?372.

Fernandes， D.， Lynch， J. G.， amp; Netemeyer， R. G. （2014）. Financial literacy， financial education， and downstream financial behaviors. Management Science， 60（8）， 1861?1883.

Furley， P.， amp; Wood， G. （2016）. Working memory， attentional control， and expertise in sports： A review of current literature and directions for future research. Journal of Applied Research in Memory and Cognition， 5（4）， 415?425.

Gigerenzer， G.， amp; Gaissmaier， W. （2011）. Heuristic decision making. Annual Review of Psychology， 62（1）， 451?482.

Gigerenzer， G.， Reb， J.， amp; Luan， S. H. （2022）. Smart heuristics for individuals， teams， and organizations. Annual Review of Organizational Psychology and Organizational Behavior， 9（1）， 171?198.

Gillespie， M.， amp; Peterson， B. L. （2009）. Helping novice nurses make effective clinical decisions： The situated clinical decision-making framework. Nursing Education Perspectives， 30， 164?170.

He， G. B.， Li， S.， amp; Liang， Z. Y. （2018）. Behavioral decision- making is nudging China toward the overall revitalization. Acta Psychologica Sinica， 50（8）， 803?813.

[何貴兵， 李紓， 梁竹苑. （2018）. 以小撥大： 行為決策助推社會發展. 心理學報， 50（8）， 803?813.]

Invesco Great Wall， Fullgoal Fund， amp; BOCOM Schroders. （2021）. Public equity fund investors profit insight report. https：//www.fullgoal.com.cn/contents/2021/10/21-c36271d311864fbd9792344c36fdb541.html

[景順長城， 富國基金， 交銀施羅德. （2021）. 公募權益類基金投資者盈利洞察報告. https：//www.fullgoal.com.cn/ contents/2021/10/21-c36271d311864fbd9792344c36fdb541. html]

Itzkowitz， J.， amp; Itzkowitz， J. （2017）. Name-based behavioral biases： Are expert investors immune？ Journal of Behavioral Finance， 18（2）， 180?188.

Johnson， E. J.， Payne， J. W.， Bettman， J. R.， amp; Schkade， D. A. （1989）. Monitoring information processing and decisions： The mouselab system. Technical report， Duke University， Durham， NC， Center For Decision Studies.

Johnson， E. J.， Schulte-Mecklenbeck， M.， amp; Willemsen， M. C. （2008）. Process models deserve process data： Comment on Brandst?tter， Gigerenzer， and Hertwig （2006）. Psychological Review， 115（1）， 263?273.

Ji， Y.， Kong， Z. Y.， Deng， Y. Y.， Chen， J. X.， Liu， Y.， amp; Zhao， L. （2022）. The role of eye tracker in teaching video-assisted thoracoscopic surgery： The differences in visual strategies between novice and expert surgeons in thoracoscopic surgery. Annals of Translational Medicine， 10（10）， Article e592.

Klein， G. A.， amp; Peio， K. J. （1989）. Use of a prediction paradigm to evaluate proficient decision making. American Journal of Psychology， 102（3）， 321?331.

Koele， P.， amp; Westenberg， M. R. M. （1995）. A compensation index for multiattribute decision strategies. Psychonomic Bulletin and Review， 2（3）， 398?402.

Krava， L.， Ayal， S.， amp; Hochman， G. （2021）. Time is money： The effect of mode-of-thought on financial decision- making. Frontiers in Psychology， 12， Article e735823.

Lambert， J.， Bessiere， V.， amp; N’Goala， G. （2012）. Does expertise influence the impact of overconfidence on judgment， valuation and investment decision？ Journal of Economic Psychology， 33（6）， 1115?1128.

Larrick， R. P.， amp; Feiler， D. C. （2016）. Expertise in decision making. In G. B. Keren， amp; G. Wu （Eds.）， Wiley Blackwell handbook of judgment and decision making （pp. 696–722）. MA： Blackwell.

Leng， J.， Liu， W. Z.， Hou， D. M.， amp; Si， J. W. （2017）. The effect of implicit career-gender stereotype and information integrity on process of career decision making in college students. Psychological Development and Education， 33（3）， 282?288.

[冷靜， 劉偉臻， 侯東敏， 司繼偉. （2017）. 內隱職業性別刻板印象、信息完整性對大學生職業決策過程的影響. 心理發展與教育， 33（3）， 282?288.]

Lian， R.， Meng， Y. F.， amp; Liao， M. L. （2003）. A research on the relationship of teaching strategies with achievement goals and personality characteristics of expert， experienced and novice teachers. Journal of Psychological Science， 26（1）， 28?31.

[連榕， 孟迎芳， 廖美玲. （2003）. 專家—熟手—新手型教師教學策略與成就目標、人格特征的關系研究. 心理科學， 26（1）， 28?31.]

Liao， K. C.， Zhang， Y. C.， Lei， H. Y.， Peng， G.， amp; Kong， W. （2022）. A Comparative analysis of the effects of objective and self-assessed financial literacy on stock investment return. Frontiers in Psychology， 13， Article e842277.

Liu， Y. F. （2022）. The essence of bounded rationality and debate over its value. Acta Psychologica Sinica， 54（11）， 1293?1309.

[劉永芳. （2022）. 有限理性的本質辨析與價值之爭. 心理學報， 54（11）， 1293?1309.]

Lohse， G. L.， amp; Johnson， E. J. （1996）. A comparison of two process-tracing methods for choice tasks. Organizational Behavior and Human Decision Processes， 68（1）， 28?43.

Luo， Y. Y.， amp; Ren， T. （2015）. Management mode， investment style and fund performance： An evidence from Chinese Mutual Funds. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics， 35（4）， 22?33.

[駱盈盈， 任颋. （2015）. 基金管理模式、投資風格與經營績效：來自中國公募基金探索性研究. 現代財經（天津財經大學學報）， 35（4）， 22?33.]

Mei， G. X.， Xiao， X.， Chen， S. Y.， Gou， L. N.， amp;Li， X. Y. （2021）. Reliability and validity of a Chinese version of the automated version of the operation span task. Journal of Guizhou Normal University （Natural Sciences）， 39（4）， 98?103.

[梅高興， 肖尋， 陳仕語， 茍麗娜， 李席英. （2021）. 中文版工作記憶容量測量任務——“自動化運算廣度任務”的信效度檢驗. 貴州師范大學學報（自然科學版）， 39（4）， 98?103.]

Miao， H. F.， amp; Chi， L. Z. （2023）. Cognitive neural characteristics of professional action video game players. Advances in Psychological Science， 31（1）， 127?144.

[苗浩飛， 遲立忠. （2023）. 動作視頻游戲專業玩家的認知神經特征. 心理科學進展， 31（1）， 127?144.]

Ognjanovic， S.， Thüring， M.， Murphy， R. O.， amp; H?lscher， C. （2019）. Display clutter and its effects on visual attention distribution and financial risk judgment. Applied Ergonomics， 80， 168?174.

Pachur， T.， Hertwig， R.， Gigerenzer， G.， amp; Brandst?tter， E. （2013）. Testing process predictions of models of risky choice： A quantitative model comparison approach. Frontiers in Psychology， 4， Article e646.

Pan， Y. X.， Ge， L. Z.， Wang， L.， amp; Wang， Q. J. （2018）. The impact of visual information material on the effectiveness of eye-controlled highlighting. Journal of Psychological Science， 41（1）， 8?14.

[潘運嫻， 葛列眾， 王麗， 王琦君. （2018）. 視覺信息呈現材料對視線突顯技術的影響作用. 心理科學， 41（1）， 8?14.]

Payne， J. W. （1976）. Task complexity and contingent processing in decision making： An information search and protocol analysis. Organizational Behavior and Human Performance， 16（2）， 366?387.

Pechey， R.， Spiegelhalter， D.， amp; Marteau， T. M. （2013）. Impact of plain packaging of tobacco products on smoking in adults and children： An elicitation of international experts’ estimates. BioMed Central Public Health， 13（1）， 18.

Posavac， S. S.， Ratchford， M.， Bollen， N. P. B.， amp; Sanbonmatsu， D. M. （2019）. Premature infatuation and commitment in individual investing decisions. Journal of Economic Psychology， 72， 245?259.

Ramachandran， P.， Watts， M.， Jackson， R. C.， Hayes， S. J.， amp; Causer， J. （2021）. Howzat！ Expert umpires use a gaze anchor to overcome the processing demands of leg before wicket decisions. Journal of Sports Sciences， 39（17）， 1936?1943.

Reingold， E. M.， amp; Charness， N. （2005）. Perception in chess： Evidence from eye movements. In D. Underwood （Ed.）， Cognitive processes in eye guidance （pp. 325?354）. Oxford： Oxford University Press.

Reisen， N.， Hoffrage， U.， amp; Mast， F. W. （2008）. Identifying decision strategies in a consumer choice situation. Judgment and Decision Making， 3（8）， 641?658.

Reyna， V. F.， amp; Lloyd， F. J. （2006）. Physician decision making and cardiac risk： Effects of knowledge， risk perception， risk tolerance， and fuzzy processing. Journal of Experimental Psychology： Applied， 12（3）， 179?195.

Salthouse， T. A. （1985）. A theory of cognitive aging. Amsterdam： North-Holland.

Saravanan， P.， amp; Menold， J. （2022）. Deriving effective decision-making strategies of prosthetists： Using hidden Markov modeling and qualitative analysis to compare experts and novices. Human Factors， 64（1）， 188?206.

Schubert， C. C.， Denmark， T. K.， Crandall， B.， Grome， A.， amp; Pappas， J. （2013）. Characterizing novice-expert differences in macrocognition： An exploratory study of cognitive work in the emergency department. Annals of Emergency Medicine， 61， 96?109.

Schulte-Mecklenbeck， M.， Sohn， M.， Bellis， E. D.， Martin， N.， amp; Hertwig， R. （2013）. A lack of appetite for information and computation. Simple heuristics in food choice. Appetite， 71（4）， 242?251.

Securities Association of China. （2022）. The investor service and protection report of securities companies 2021. https：// www.sac.net.cn/ljxh/xhgzdt/202205/t20220514_39488.html

[中國證券業協會. （2022）. 2021年度證券公司投資者服務與保護報告. https：//www.sac.net.cn/ljxh/xhgzdt/202205/t20220514_ 39488.html]

Slovic， P.， amp; MacPhillamy， D. （1974）. Dimensional commensurability and cue utilization in comparative judgment. Organizational Behavior and Human Performance， 11（2）， 172?194.

Spence， M. T.， amp; Brucks， M. （1997）. The moderating effects of problem characteristics on experts’ and novices’ judgments. Journal of Marketing Research， 34（2）， 233?247.

Su， Y.， Rao， L. L.， Sun， H. Y.， Du， X. L.， Li， X.， amp; Li， S. （2013）. Is making a risky choice based on a weighting and adding process？ An eye-tracking investigation. Journal of Experimental Psychology： Learning， Memory， and Cognition， 39（6）， 1765?1780.

Sun， Y.， Li， S.， amp; Yin， X. L. （2007）. Two systems in decision- making and reasoning： Heuristic system and analytic system. Advances in Psychological Science， 15（5）， 721?726.

[孫彥， 李紓， 殷曉莉. （2007）. 決策與推理的雙系統——啟發式系統和分析系統. 心理科學進展， 15（5）， 721?726.]

Talwar， S.， Talwar， M.， Tarjanne， V.， amp; Dhir， A. （2021）. Why retail investors traded equity during the pandemic？ An application of artificial neural networks to examine behavioral biases. Psychology and Marketing， 38， 2142?2163.

Tan， Y.， An， Z. Q.， amp; Wang， J. Q. （2020）. Research on the application of uniform design in fund investment decision. Times Finance， （33）， 100?102.

[談漪， 安志琪， 王佳琪. （2020）. 均勻設計在基金投資決策中的應用研究. 時代金融， （33）， 100?102.]

Thaler， R. H.， amp; Sunstein， C. R. （2008）. Nudge： Improving decisions about health， wealth and happiness. New Haven： Yale University Press.

Tullis， T. S. （1988）. Screen design. In M. Helander （Ed.）， Handbook of human-computer interaction （pp. 377?411）. Amsterdam： Elsevier Science Publishers.

Unsworth， N.， Heitz， R. P.， Schrock， J. C.， amp; Engle， R. W. （2005）. An automated version of the operation span task. Behavior Research Methods， 37（3）， 498?505.

Wang， A. M.， Dong， J.， Zhu， W. J.， Hu， D. M.， amp; Si， J. W. （2018）. Effect of information integrity and the amount of candidates on recruiters’ decision-making with different need for cognitive closure. Journal of Psychological Science， 41（6）， 1410?1415.

[王阿妹， 董杰， 朱文靜， 胡冬梅， 司繼偉. （2018）. 信息完整性與應聘者數量對不同認知閉合需要者招聘決策的影響. 心理科學， 41（6）， 1410?1415.]

Wang， F. X.， Hou， X. J.， Duan， C. H.， Liu， H. S.， amp; Li， H. （2016）. The perceptual differences between experienced Chinese chess players and novices： Evidence from eye movement. Acta Psychologica Sinica， 48（5）， 457?471.

[王福興， 侯秀娟， 段朝輝， 劉華山， 李卉. （2016）. 中國象棋經驗棋手與新手的知覺差異： 來自眼動的證據. 心理學報， 48（5）， 457?471.]

Wang， J.， amp; Yu， Y. H. （2017）. The impact of financial literacy on undergraduates' participation in stock market： The mediating role of confidence level. Psychology： Techniques and Applications， 5（2）， 73?80.

[王佳， 于泳紅. （2017）. 財經素養對大學生股市參與行為的影響： 自信水平的中介作用. 心理技術與應用， 5（2）， 73?80.]

Weber， E. U.， Blais， A. R.， amp; Betz， N. E. （2002）. A domain- specific risk-attitude scale： Measuring risk perceptions and risk behaviors. Journal of Behavioral Decision Making， 15（4）， 263?290.

Weenig， M. W. H.， amp; Maarleveld， M. （2002）. The impact of time constraint on information search strategies in complex choice tasks. Journal of Economic Psychology， 23（6）， 689?702.

Wei， Z. H.， amp; Li， X. S. （2015）. Decision process tracing： Evidence from eye-movement data. Advances in Psychological Science， 23（12）， 2029?2041.

[魏子晗， 李興珊. （2015）. 決策過程的追蹤： 基于眼動的證據. 心理科學進展， 23（12）， 2029?2041.]

Willemsen， M. C.， amp; Johnson， E. J. （2011）. Visiting the decision factory： Observing cognition with MouselabWEB and other information acquisition methods. In M. Schulte- Mecklenbeck， A. Kühberger， amp; R. Ranyard （Eds.）， A handbook of process tracing methods for decision making： A critical review and user’s guide （pp. 21?42）. New York： Taylor amp; Francis.

Wilson， A. L.， Buckley， E.， Buckley， J. D.， amp; Bogomolova， S. （2016）. Nudging healthier food and beverage choices through salience and priming. Evidence from a systematic review. Food Quality and Preference， 51， 47?64.

Yu， W.， Yan， G. G.， amp; Huang， Z. H. （2013）. Process tracing technologies in decision making： Introduction and prospect. Advances in Psychological Science， 21（4）， 606?614.

[余雯， 閆鞏固， 黃志華. （2013）. 決策中的過程追蹤技術： 介紹與展望. 心理科學進展， 21（4）， 606?614.]

Yu， Y. H.， amp; Wang， H. （2005）. Effects of number of alternatives and attribute importance information processing in decision making. Chinese Journal of Applied Psychology， 11（3）， 222?226.

[于泳紅， 汪航. （2005）. 選項數量和屬性重要性對決策中信息加工的影響. 應用心理學， 11（3）， 222?226.]

Zhang， S. F.， Si， J. W.， Zong， Z.， amp; Dong， J. （2017）. Effects of need for cognitive closure and anticipated regret on individuals’ processing of career decision making. Journal of Psychological Science， 40（5）， 1182?1188.

[張樹鳳， 司繼偉， 宗正， 董杰. （2017）. 認知閉合需要與預期后悔對個體職業決策過程的影響. 心理科學， 40（5）， 1182?1188.]

Zhou， L.， Li， S.， Xu， Y.， amp; Liang， Z. Y. （2014）. Theoretical construction of decision-making styles： An information- processing approach. Advances in Psychological Science， 22（1）， 112?121.

[周蕾， 李紓， 許燕， 梁竹苑. （2014）. 決策風格的理論發展及建構： 基于信息加工視角. 心理科學進展， 22（1）， 112?121.]

Differences in information processing between experienced investors and novices，

and intervention in fund investment decision-making

XIN Ziqiang1， WANG Luxiao1， LI Yue2

（1 Department of Psychology， Renmin University of China， Beijing 100872， China）

（2 Department of Psychology at School of Sociology and Psychology， Central University

of Finance and Economics， Beijing 100081， China）

Abstract

Many individuals now participate in online fund investment， but novice investors often struggle with the complex information they encounter due to the lack of professional guidance in traditional offline financing. Previous research on decision-making has primarily focused on outcomes and utilized statistical methods to construct decision models， which fail to provide direct evidence of information processing. To assist novices in developing the necessary skills for making investment decisions， this study employs process tracking technology in the field of fund investment for the first time. The aim is to explore the differences in information processing between experienced investors and novices， thereby identifying the advantages experienced investors possess in information processing. Additionally， this research investigates the relationship between the decision-making process and outcomes， proposing interventions based on information processing to aid novices in making accurate investment decisions.

To achieve the research objectives， two studies were conducted. Study 1 involved a comprehensive exploration that traced the fund investment decision-making process using Mouselab. It compared various information processing indicators between experienced investors and novices， including decision-making time， depth of search， variability of search， compensatory index， and SM （strategy measure） value of the search pattern. The study also examined the impact of the search pattern on decision quality for experienced investors and novices through grouping logistic regression. Study 2 involved an intervention experiment utilizing a single- factor （structured intervention group vs. control group） between-subject design. Participants in the structured intervention group were provided a piece of form paper to guide them to structure information of funds， while participants in the control group were provided blank paper. Then all participants completed a simulated fund investment task and their decision quality was recorded.

Study 1 revealed that： （1） Experienced investors， compared to novices， preferred to utilize attribute-based search pattern during fund investment decision-making， and displayed a more non-compensatory approach to information processing. （2） Only the decision quality of novices in fund investment was affected by the information search pattern， indicating that their decision quality improved when they searched for information based on attributes. In contrast， the decision quality of experienced investors was unaffected by the information search pattern but positively influenced by working memory. Study 2 demonstrated that participants who used form paper for intervention had higher decision-making quality than those who used blank paper， indicating the effectiveness of the structured intervention.

This study makes theoretical and practical contributions to the literature. First， it explores the characteristics of the information processing process during fund investment decision-making and its relationship with decision outcomes， filling the research gap regarding the “process” of information processing and deepening the understanding of the essence of decision-making ability in fund investment. Second， it extends the “expert-novice” paradigm to the field of fund investment， summarizing the differences in the search pattern and compensatory behavior between experts and novices， further supporting the heuristic decision model. Third， it proposes effective interventions to assist novice investors in improving their online fund investment and inspires the interface design of fund applications.

Keywords "fund investment decision， experienced investors， novices， information processing， intervention