改革開放以來,中國經(jīng)濟已經(jīng)進入了一個嶄新的時代,近年來大數(shù)據(jù)、區(qū)塊鏈以及人工智能等“熱詞”層出不窮,尤其是移動互聯(lián)網(wǎng)的高速發(fā)展,改變了人們的生活方式和投資行為。此外,數(shù)字金融在中國迅速發(fā)展,互聯(lián)網(wǎng)投資方式成為了主流,也催生出更加復雜的金融產(chǎn)品以及更加便捷的金融服務。因此,對于投資者投資行為的研究,包含主觀、客觀因素就顯得尤為重要。目前,對互聯(lián)網(wǎng)投資行為的研究較少,更多的是關于互聯(lián)網(wǎng)本身模式的分析,而關于投資者行為因素的研究更多的集中在一些客觀因素,在現(xiàn)實投資環(huán)境中,往往主觀的一些變量可能會對投資者的投資決策產(chǎn)生決定性的作用。并且,將投資者行為納入互聯(lián)網(wǎng)金融的研究范疇,這種跨學科的研究更加符合當下所處的互聯(lián)網(wǎng)投資環(huán)境。在此背景下,本研究以行為金融學和感知風險理論等作為理論基礎,將投資決策行為作為被解釋變量,增加金融素養(yǎng)、風險偏好以及風險感知作為解釋變量。首先,通過大量文獻研究,對解釋變量與被解釋變量之間的關系提出合理的假設。其中,根據(jù)文獻總結(jié)將風險感知從心理、社會、時間、隱私、財務五個風險維度進一步細分。然后,在前人的研究基礎上,分別引用能夠衡量解釋變量的量表題目,通過問卷星、微信等平臺... 

【文章來源】：北京外國語大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖４金融素養(yǎng)ＦＬ傾向得分的共同取值范圍（近鄰匹配）??運用構(gòu)建的傾向評分匹配ＰＳＭ模型，如果傾向得分計得較為準確，則應使??

顯著高出１．７８４９至１．８６１９分。??表２０金融素養(yǎng)傾向得分匹配后的處理效應???匹配方法?干預組控制組?ＡＴＴ?標準誤?ｔ值??近鄰匹配?３．６８７４?１．８２５５?１．８６１９＊＊＊?０．１００７?１８．４９??金融素養(yǎng)?ＦＬ?卡尺匹配?３．６８７４?１．９０２５?１．７８４９＊＊＊?０．０９７３?１８．３５??近鄰?＆?卡尺?３．６８７４?１．８３０１?１．８５７３＊＊＊?０．１００７?１８．４５??＾５．３．２．風險偏好對投資行為的影響??類似地，根據(jù)傾向得分思路，圖５是風險偏好傾向得分的共同取值范圍，結(jié)??果顯示匹配之后大部分樣本均在共同取值范圍內(nèi)，因此在進行ＰＳＭ時只會損失??極少的樣本，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???圖５風險偏好ＲＰ傾向得分的共同取值范圍（近鄰匹配）??運用構(gòu)建的傾向評分匹配ＰＳＭ模型，如果傾向得分計得較為準確，則應使??得協(xié)變量在匹配后的干預組和控制組之間分布較為均勻，因此需要對匹配結(jié)果的??數(shù)據(jù)平衡情況進行檢驗，具體檢驗結(jié)果如表２１所示。由該表可知，匹配后控制??組和干預組之間偏誤均減少至１０％以內(nèi)，且匹配后各變量均無顯著差異，匹配效??果良好。??３９??

２１?１７．７５??風險偏好?ＲＰ?卡尺匹配?３．７２９３?１．９３３９?１．７９５３＊＊＊?０．０９６７?１８．５７??近鄰＆?Ｐ尺?３．７２９３?１．９０８１?１．８２１２＊＊＊?０．１０２４?１７．７８??￣￣５．３．３．風險感知各維度對投資行為的影響??在使用ＰＳＭ模型分析風險感知各維度過程，本文只展示了財務風險ＦＲ維??度的具體分析結(jié)果，其它維度只展示了最終的ＡＴＴ。其它維度的風險感知結(jié)果均??良好，具體步驟和情況和財務風險ＦＲ維度類似。同樣地，根據(jù)傾向得分思路，??圖６是風險偏好傾向得分的共同取值范圍，結(jié)果顯示匹配之后大部分樣本均在共??同取值范圍內(nèi)，因此在進行ＰＳＭ時只會損失極少的樣本，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??圖６財務風險ＴＯ傾向得分的共同取值范圍（近鄰匹配）??運用構(gòu)建的傾向評分匹配ＰＳＭ模型，如果傾向得分計得較為準確，則應使??得協(xié)變量在匹配后的干預組和控制組之間分布較為均勻，因此需要對匹配結(jié)果的??數(shù)據(jù)平衡情況進行檢驗，具體檢驗結(jié)果如表２３所示。由該表可


本文編號：3596517