新媒體視域下個體投資用戶的信息獲取行為研究

王新華 黃和 于灝 白麗 王家坤 侯艷輝

〔摘要〕[目的/意義]研究了大數(shù)據(jù)環(huán)境下個體投資者的信息獲取行為偏好，探索新媒體環(huán)境對個體投資用戶的決策影響。[方法/過程]基于開放式股票投資在線社交網絡（OSN）的視角，分析、確定個體投資用戶的主要信息獲取行為，以及影響個體投資決策的兩個重要因素；通過問卷調查收集相關數(shù)據(jù)，提出研究假設，進行數(shù)據(jù)分析，并運用回歸分析方法進行假設檢驗，分析個體投資者決策的信息獲取行為偏好。[結果/結論]研究發(fā)現(xiàn)：不同個體投資者對信息獲取行為的選擇存在明顯差異；并且個人分析能力不同的投資者的行為偏好存在差異；個性化推薦是對個體投資者決策具有較大影響作用的信息獲取行為。

〔關鍵詞〕在線社交網絡；個體投資者；用戶；信息獲取行為；推薦行為；投資決策；影響因素

DOI：10.3969/j.issn.1008-0821.2018.09.008

〔中圖分類號〕G203〔文獻標識碼〕A〔文章編號〕1008-0821（2018）09-0048-09

Research on Information Acquisition Behavior of Individual

Investment Users in the View of New MediaWang XinhuaHuang HeYu Hao*Bai LiWang JiakunHou Yanhui

（College of Economics and Management，Shandong University of Science and Technology，

Qingdao 266590，China）

〔Abstract〕[Purpose/Significance]The paper studied the preferences of individual investors for information acquisition behavior in the context of big data.And the paper explored the impact of the new media environment on individual investment users decision-making.[Methods/Processes]Firstly，based on the perspective of the open stock investment online social network，the main information acquisition behavior of individual investors was analyzed，and two important factors that affect individual investment decisions were determined.Secondly，questionnaires were used to collect relevant data and research hypotheses were proposed.Finally，the paper used the regression analysis method to test the hypothesis，and analyzed the information acquisition behavior preference of individual investors decision.[Results/Conclusion]The study found that there were significant differences in the choice of information acquisition behaviors among different individual investors.And there were differences in the behavioral preferences of investors with different personal analysis abilities.Moreover，personalized recommendation had a great influence on the individual investor decisions.

〔Key words〕online social networks；individual investors；user；information acquisition behavior；recommended behavior；investment decision-making；influnce factors

在線社交網絡（Online Social Networks，OSN）已成為人們獲取和傳遞信息的重要方式，同時，一些社交網絡用戶行為也對個體的現(xiàn)實行為產生了巨大影響。個體投資者是對信息極其敏感的一類人群，在“股民”和“網民”髙度耦合的數(shù)字化時代，個體投資者頻繁活躍在StockTwits、雪球網、同花順等專業(yè)類型股票投資OSN中，以此獲取和傳遞所需的投資信息。投資者的線上行為能夠反映和影響其線下的決策行為，例如，專業(yè)類型股票投資OSN對“星巴克致癌”事件的負面報道，導致了星巴克股價的應聲下跌。股票投資OSN為廣大投資者，尤其是個體投資者提供了豐富的信息資源，但海量的碎片化數(shù)據(jù)也為個體投資者高效獲取有用的投資信息帶來困難?；有愿鼜姷男翺SN環(huán)境，數(shù)據(jù)的碎片化程度更高，OSN用戶獲取信息的難度更大，那么用戶怎樣能從海量的數(shù)據(jù)中高效提取有價值的信息？數(shù)據(jù)分析解讀能力不同的用戶對信息獲取行為的偏好又會有何差異？這些問題對新媒體環(huán)境下，OSN用戶行為分析及個體投資者決策行為的理論研究都具有重要意義。

有關OSN的研究可歸屬于網絡科學的研究范疇。網絡科學的研究成果發(fā)現(xiàn)，網絡結構與其上的動力學行為密切相關[1-4]，用戶基于不同網絡結構的OSN會有不同的行為表現(xiàn)，從而產生不同的影響效應[5-6]。為了研究上述兩個問題，本文依據(jù)專業(yè)類型股票投資OSN的結構差異性，將其劃分為兩類：一是開放式股票投資OSN（Open Stock Investment OSN，OSI-OSN），關系主要建立在股票投資這一興趣之上，具有廣傳播、淺社交、松關系的特征，如雪球、同花順、投資信息發(fā)布的微博等專業(yè)類型OSN平臺；二是封閉式股票投資OSN（Closed Stock Investment OSN，CSI-OSN），相對封閉的社交圈，具有窄傳播、深社交、緊關系的特征，如依托微信、QQ等的股票交流群。

OSI-OSN的易接入性特征（相對于CSI-OSN）設計吸引了眾多用戶，形成了巨大的用戶群體，使得OSI-OSN在個體投資者群體中的影響較為廣泛。因此，本文以OSI-OSN中的用戶作為研究對象。首先，分析OSN用戶的主要信息獲取行為以及影響個體投資者決策的關鍵因素；然后，基于理論分析提出研究假設；最后，通過實證研究驗證分析。本研究，豐富了新媒體環(huán)境下的OSN用戶行為研究，為個體投資者選擇高效的信息獲取行為提供理論依據(jù)，也為OSI-OSN的功能優(yōu)化提供依據(jù)。

2018年9月第38卷第9期現(xiàn)代情報Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒體視域下個體投資用戶的信息獲取行為研究Sep.，2018Vol38No91相關研究

11OSN用戶的信息獲取行為研究

OSN用戶的信息獲取行為領域已取得了較為豐富的研究成果。當前研究發(fā)現(xiàn)[7-12]，信息獲取行為主要包含搜索行為、瀏覽行為、交互行為（如發(fā)布、回復、評論、點贊、轉發(fā)等行為）、關注行為以及推薦行為等。楊善林等[7]認為內容創(chuàng)建行為和內容“消費”行為，涉及發(fā)布、瀏覽、搜索、關注等行為是OSN用戶獲取信息的主要方式。Lee等[9]在“使用與滿足”理論以及社會認知理論的基礎上，分析了社交媒體上的信息分享行為。甘春梅等[10]探討了社會化問答社區(qū)用戶的消費、參與、創(chuàng)造行為的影響因素。周樸雄等[12]研究發(fā)現(xiàn)，移動互聯(lián)網能根據(jù)用戶對資源的偏好實現(xiàn)精準的個性化信息推薦。

此外，已有研究將OSN用戶的信息獲取行為歸類為主動信息獲取行為和被動信息獲取行為。Wilson[13]認為，用戶的信息獲取行為既包括主動的信息尋求和利用，又包括被動的信息接收。Morris等[14]針對主動式的用戶信息獲取行為，依據(jù)獲取信息的途徑差異，指出用戶可以通過OSN搜索以及在OSN發(fā)布問題等待其他用戶解答兩種途徑獲取所需信息。張迪等[15]認為信息獲取行為包括信息主動獲取和信息被動獲取兩類，并且信息主動獲取是一種主動的、帶有目的性的信息獲取行為，而信息被動獲取則是在OSN推薦信息過程中偶然發(fā)現(xiàn)信息的行為。

在OSN用戶的信息獲取行為方面，當前研究主要以綜合類型OSN平臺為研究對象，較少有針對專業(yè)類型OSN的研究。專業(yè)類型OSN用戶的信息獲取行為帶有很強的目的性，用戶對專業(yè)類型OSN行為的選擇往往具有較強的偏好性和策略性。因此，用戶的差異性以及個體對信息獲取行為的選擇偏好將是開展專業(yè)類型OSN用戶行為研究的切入點。

12個體投資者的投資決策影響因素研究

在對個體投資者投資決策過程的研究中，已有研究大多從基于理性人假設的效用理論入手，認為在投資決策過程中，投資者有明確的目標，掌握的信息是全面正確的，并且能做出最優(yōu)選擇[16]。效用理論為量化分析個體投資者的投資決策行為提供了理論基礎，但卻無法解釋投資環(huán)境下決策主體的有限理性和個人偏好[17]。為了指導實際中的決策行為，啟發(fā)式偏差、前景理論等理論被相繼提出[18]。已有研究認為[19-24]，在信息不對稱的情況下，由于擁有的有效信息有限，投資知識、投資經驗等個體特征存在差異，再加上心理與行為偏差、情緒等因素，個體投資者會制定不同的投資決策。

此外，信息源的選擇、信息質量及信息廣度等因素能反映出投資者對信息掌握的完備程度，而個體特征、心理及情緒等因素能反映出投資者對信息的分析利用能力。李月琳等[20]認為個體投資者面臨著數(shù)據(jù)過載的問題，他們需要了解國內外經濟、金融形勢及上市企業(yè)經營質量等相關信息，以此作為投資決策的依據(jù)。West[21]對數(shù)據(jù)進行了定性和定量分析，研究發(fā)現(xiàn)信息來源及信息完整性會影響投資者的決策制定。

譚松濤等[22]在部分個體股民交易記錄數(shù)據(jù)的基礎上，考察了投資經驗以及個人的信息解讀和判斷能力對投資收益的影響。Xiao等[23]對實證數(shù)據(jù)進行分析，結果表明個人投資者的投資經驗、投資情緒對投資偏好有重要影響。盧佐冬[24]研究發(fā)現(xiàn)，投資者對信息的有限感知和處理能力、信息加工過程中的個性差異、情緒對信息處理的限制以及情景差異均會引起投資者的行為偏差，從而進一步影響投資決策行為。

綜上，投資者決策行為方面的研究取得了較為豐富的成果。投資活動是一個復雜的決策過程，個體投資者獲取信息的完備性和自身的信息解讀能力是影響其投資決策行為的重要因素。其中，信息完備程度是指個體投資者獲取投資信息的全面性和完整性，包含國家經濟、行業(yè)發(fā)展、公司經營、股票價格、金融形勢等方面信息。個人分析能力是指個體投資者對所掌握信息的分析與利用能力，能否依據(jù)自身的投資知識和投資經驗從海量的信息中挖掘出有價值的投資信息。

2研究假設與概念模型

為了研究信息獲取行為與信息完備程度之間的關系，本文從個體投資者的視角，將OSI-OSN用戶的信息獲取行為劃分為主動信息獲取行為和被動信息獲取行為。主動信息獲取行為是由用戶主動發(fā)起的行為。本文主要選取代表性的4種獲取行為：搜索行為、瀏覽行為、交互行為和關注行為。其中，根據(jù)行為本身社交屬性的強弱，將搜索行為和瀏覽行為劃分為弱社交屬性獲取行為（Weak Social Attribute Acquisition Behavior，WSAAB）；關注行為和交互行為劃分為強社交屬性獲取行為（Strong Social Attribute Acquisition Behavior，SSAAB）。被動信息獲取行為是用戶被動接受的行為，這里選取了1種獲取行為：推薦行為。當前，基于大數(shù)據(jù)挖掘技術的推薦系統(tǒng)獲得了廣泛應用，尤其是依據(jù)用戶的歷史數(shù)據(jù)的個性化推薦，如，基于搜索或瀏覽歷史的商品推薦、新聞推薦，基于“關注”的興趣信息推薦等。推薦行為已經成為用戶被動獲取信息的一種主要手段，因此，將其作為被動信息獲取行為的研究對象具有一定的代表性。如圖1所示，搜索行為、瀏覽行為、交互行為、關注行為是由用戶自我意識控制的主動信息獲取行為，而推薦行為是推薦系統(tǒng)為用戶推薦信息的被動信息獲取行為。

此外，為了研究個人分析能力差異與信息獲取行為偏好之間的關系，本文按照投資者的個體特征將投資者的個人分析能力劃分為三級：一是強分析能力者，投資者能準確解讀投資信息，從中挖掘出股票的內在價值；二是較強分析能力者，投資者能對信息做出較為準確的分析判斷，發(fā)現(xiàn)其中比較有價值的投資信息；三是一般分析能力者，投資者的數(shù)據(jù)分析能力一般，較難提取出重要的投資信息。

21信息獲取行為與信息完備程度的關系研究

信息完備程度是影響個體投資者決策的重要因素。個體投資者基于OSI-OSN的信息獲取行為有利于提升自身的信息完備程度，但不同的信息獲取行為對提升投資者信息完備程度的影響存在差異。

個體投資者主動搜索投資信息，通過瀏覽搜集有用信息，可增加信息完備性[25]；通過關注投資領域的“意見領袖”，如“大V”，與他們交流互動、分享投資經驗，可及時獲取所需信息，提高信息完備程度[26]。此外，隨著信息推薦技術水平日益提高，投資信息推薦行為在OSI-OSN十分盛行。如今，投資者可以借助推薦系統(tǒng)的精準推薦，高效地獲取到有價值的信息，從而更高效地提升自身投資信息的完備程度[27-28]。為了比較投資者對這種新興的信息獲取行為與原有信息獲取行為在提升信息完備方面的認可度，考察信息推薦行為在OSI-OSN上的實際效能反應，這里做出如下假設：

H1：相比于搜索行為，推薦行為更有利于提升個體投資者的信息完備程度。

H2：相比于瀏覽行為，推薦行為更有利于提升個體投資者的信息完備程度。

H3：相比于交互行為，推薦行為更有利于提升個體投資者的信息完備程度。

H4：相比于關注行為，推薦行為更有利于提升個體投資者的信息完備程度。

22個人分析能力差異與信息獲取行為偏好的關系研究個人分析能力是影響個體投資者決策的重要因素。為了研究分析能力不同的個體投資者對信息獲取行為的偏好，識別出強分析能力者慣用的信息獲取方式，本文從強分析能力者、較強分析能力者和一般分析能力者3個角度進行研究。

221個人分析能力差異與信息獲取行為選擇順序的關系研究

一般認為，個體在行為選擇方面往往更注重主控性。因此，在信息獲取行為方式的選擇順序上，更偏好于先主動后被動。主動信息獲取行為是用戶主動發(fā)起的行為，為用戶所控制；而被動信息獲取行為是OSI-OSN推薦信息的行為，具有不可控性。在信息獲取行為選擇順序上，不同分析能力的個體投資者是否具有一致性，尤其是越來越精準的個性化信息推薦技術的應用，是否會影響到個體的行為選擇順序。為此，這里提出以下假設來進行研究：

H5：個人分析能力強的個體投資者會優(yōu)先選擇主動信息獲取行為，其次會選擇被動信息獲取行為。

H6：個人分析能力較強的個體投資者會優(yōu)先選擇主動信息獲取行為，其次會選擇被動信息獲取行為。

H7：個人分析能力一般的個體投資者會優(yōu)先選擇主動信息獲取行為，其次會選擇被動信息獲取行為。

222個人分析能力差異與主動信息獲取行為偏好的關系研究

由上文，根據(jù)社交屬性的強弱不同細分了主動信息獲取行為，即，弱社交屬性獲取行為（WSAAB），包括搜索行為和瀏覽行為；強社交屬性獲取行為（SSAAB），包括關注行為和交互行為。WSAAB的交互性較弱，個體投資者只能通過簡單的搜索、瀏覽行為查詢所需信息，相互之間不能交流或分享信息資源，獲取的信息范圍較廣、高質量信息獲取概率較低；而SSAAB的交互性較強，投資者可以關注投資領域的“大V”或“意見領袖”，與他們交流探討、分享信息，獲取的信息精準度較高，信息質量較好。

由于個人分析能力不同，個體投資者對WSAAB和SSAAB的選擇偏好也會有差異。為了研究分析能力不同的3類投資者對WSAAB和SSAAB的選擇偏好，本文提出如下假設：

H8：在主動信息獲取行為中，強分析能力者更偏好SSAAB，其次會選擇WSAAB。

H9：在主動信息獲取行為中，較強分析能力者更偏好SSAAB，其次會選擇WSAAB。

H10：在主動信息獲取行為中，一般分析能力者更偏好SSAAB，其次會選擇WSAAB。

基于以上分析與假設，本研究的概念模型如圖2所示。圖2概念模型示意圖

3研究設計

31變量測量

基于先前研究成果中的量表選項，并結合本研究的OSI-OSN情境，設計本文的量表。其中，個體投資者的人口統(tǒng)計學特征，包括年齡、受教育程度、投資年限、月均交易頻率、投資規(guī)模，按照深交所《2016年個人投資者狀況調查報告》中的投資者統(tǒng)計特征進行測量。量表的其他測量項，涉及瀏覽行為、搜索行為、交互行為、關注行為、推薦行為、信息完備程度、個體評價，采用Likert五級量表進行測試。其中，瀏覽行為從瀏覽熱點信息強度、瀏覽認真度、瀏覽用時3個方面測量；搜索行為用搜索頻率、搜索結果閱讀量、搜索準確度3個題項考察；交互行為用發(fā)布量、回復量、評論量、轉發(fā)量等3個題項測量；關注行為從注冊時間、關注投資領域不同類型的“大V”數(shù)量4個方面考察；信息完備程度從國家宏觀信息、行業(yè)信息、公司年報、技術指標信息、資訊信息、股市信息等6個方面測量；個體評價從投資知識、信息獲取、信息分析利用3個方面考察。

此外，個體投資者的個人分析能力以量表中的年齡（1）、教育水平（2）、投資年限（3）、月均交易頻率（4）、投資規(guī)模（5）和個體評價題項（6）作為測量標準。運用熵值法計算各個指標的權重分別為0145（1）、0074（2）、0195（3）、0141（4）、0140（5）、0117（6-1）、0093（6-2）、0095（6-3），將每個指標的得分與其權重的乘積之和看作個人分析能力的綜合評價值。按降序進行排列，取前33%的投資者為強分析能力者，中間34%的投資者為較強分析能力者，后33%的投資者為一般分析能力者。圖3清晰地區(qū)分出了3類不同分析能力者。

32樣本選擇與數(shù)據(jù)收集

調查采用隨機抽樣的方法，問卷通過兩種途徑進行發(fā)放：一是通過問卷星平臺發(fā)放線上問卷；二是在某股票交易中心發(fā)放紙質問卷。考慮到本研究是開放式網絡投資情景，要求調查對象應是經常使用OSI-OSN的個體投資者。調查時間從2017年12月19日到2018年2月7日，線上收集191份，線下收集113份，共回收問卷304份，經篩選剔除無效問卷后，獲得有效問卷269份，有效回收率為8849%，其中線上、線下有效回收率分別為8796%和8938%。

4實證結果與分析

41描述性統(tǒng)計與相關性分析

為了檢驗搜索行為、瀏覽行為、交互行為、關注行為、推薦行為、信息完備程度以及個人分析能力之間的相關性，對樣本數(shù)據(jù)進行Pearson相關性檢驗，如表1。結果表明各變量間的相關性較強，初步驗證了本文所提出的假設。

搜索行為、瀏覽行為、交互行為、關注行為、推薦行為、信息完備程度以及個體評價量表的分別為0762、0728、0894、0936、0827、0905、0772，總量表的內部一致系數(shù)為0945，均大于閾值07，表明本研究所涉及的各類量表具有較高的信度。同時，探索性因子分析的結果顯示：搜索行為、瀏覽行為、交互行為、關注行為、推薦行為、信息完備程度以及個體評價的KMO值分別為0649、0665、0750、0791、0696、0887、0699，均高于閾值05，Baetlett球形檢驗顯著性概率為0000，表明效果良好。另外，表2中主動獲取行為、被動獲取行為、信息完備程度、個體評價的組合信度（CR）均大于閾值07，表明變量可信，可以進一步分析。

效度檢驗涉及內容效度和建構效度。由于本研究中所包含變量的各個測度題項均參考已有文獻，并結合OSI-OSN的特征而設計，因此具有內容效度。建構效度又分為聚合效度和區(qū)別效度。由表2可知，部分指標變量的因素負荷量值介于05～07之間，表示該測量變量對潛在因素的重要性相對較低，但尚可接受。同時，主動獲取行為、被動獲取行為、信息完備程度、個體評價的平均方差抽取量（AVE）值均大于或等于閾值05，說明本研究的測量模型具有較好的聚合效度，內在質量較為理想。區(qū)別效度檢驗采用吳明隆[29]提出的對結構方程中的潛變量構建未限制模型及限制模型，并比較二者之間的卡方值差異量。從表3可以看出，兩模型的卡方值差異達到005顯著性水平，表明潛變量間具有較高的區(qū)別效度。

44結果分析與討論

上述實證研究結果驗證了個體投資者的信息獲取行為與信息完備程度和個人分析能力之間存在著密切的聯(lián)系。下面對應本文研究設計主體的兩方面進行分析討論。

441信息獲取行為與信息完備程度的關系研究

表6的結果顯示出研究假設H1～H4成立。即，在提升信息完備程度的獲取行為方面，相比于搜索、瀏覽、交互和關注等主動行為，投資者對“推薦”這種被動信息獲取行為的實效認可度更高。

在網絡信息過載的環(huán)境下，一般個體投資者從信息海洋中辨識出更有價值的信息變得更為困難，采用主動信息獲取行為的時間成本會更高；個體能力的差異也使得主動獲取的信息價值效果存在差異。信息個性化推薦系統(tǒng)能夠根據(jù)OSI-OSN用戶的搜索記錄、瀏覽足跡或關注行為等歷史數(shù)據(jù)，分析出用戶的信息需求以及信息偏好，并從海量的數(shù)據(jù)中過濾掉無用信息，較為精準地向用戶推薦感興趣的投資信息。相比由用戶主動發(fā)出的信息獲取行為，智能信息推薦行為往往能給到用戶“驚喜”，包括為用戶節(jié)省了信息獲取方面的成本，或價值信息方向的引導，以及信息提煉等，能夠高效地幫助用戶提升信息的完備度。因此，這種新興信息技術的成熟應用，一定程度上改變了OSI-OSN用戶的信息獲取行為選擇偏好。從研究結果可以看出，作為大數(shù)據(jù)以及數(shù)據(jù)挖掘技術的新興技術應用，信息推薦行為對普通投資者的幫助已經得到了較高認可。

442個人分析能力差異與信息獲取行為偏好的關系研究

個人分析能力不同的投資者對信息獲取行為的選擇偏好存在差異性。本文從行為選擇順序與主動獲取行為偏好兩方面來進行研究。

1）個人分析能力差異與信息獲取行為選擇順序的關系研究

表7的結果顯示：假設H5、H6成立，假設H7不成立。也就是說，在信息獲取行為的選擇順序上，強分析能力者和較強分析能力者會優(yōu)先選擇主動信息獲取行為，而一般分析能力者則更偏好被動信息獲取行為。并且，被動信息獲取行為對于強分析能力者決策的直接影響并不顯著。

在OSI-OSN用戶中，強分析能力者和較強分析能力者的數(shù)據(jù)分析水平、投資知識儲備、心理自信等相對較好。因此，他們更傾向于首選主動從OSI-OSN的海量數(shù)據(jù)中挖掘有用的投資信息。此外，雖然從441的分析中得到推薦行為對個體投資者的信息完備度提升具有重要作用，但是，由于強分析能力者的“強投資自信”，或推薦信息與其投資決策選擇的一致性較高，因此，出現(xiàn)了被動信息獲取行為對于強分析能力者的決策影響不顯著的結果。

相對個人分析能力一般的投資者，其數(shù)據(jù)分析水平較低、對信息的解讀能力較弱，使得產生強自信的依據(jù)不足。因此，他們往往會更依賴于先接受推薦，后依據(jù)推薦再主動獲取信息。隨著推薦技術的應用，高質量信息推薦的出現(xiàn)，一定程度上使得一般分析能力者更偏好優(yōu)先選擇推薦行為獲取投資信息

2）個人分析能力差異與主動信息獲取行為偏好的關系研究

5結束語

本文對OSI-OSN個體投資者用戶的信息獲取行為與投資決策影響因素之間的關系進行了研究。通過研究發(fā)現(xiàn)：在提升信息完備程度的獲取行為方面，基于個性化推薦技術的OSI-OSN推薦行為獲得了用戶更高的實效認可度；強分析能力者和較強分析能力者會優(yōu)先選擇主動信息獲取行為，而一般分析能力者則更偏好被動信息獲取行為；只有分析能力最強的一類人群表現(xiàn)出對SSAAB具有更強的偏好性。

上述研究結果揭示出，在OSI-OSN上，不同個體投資者對信息獲取行為的選擇存在明顯差異；并且個人分析能力不同的投資者的行為偏好也存在差異；推薦行為對個體投資者決策的影響較大。反映出OSI-OSN平臺針對個體投資者用戶的個性化信息推薦行為發(fā)揮了重要的功能作用，也受到了用戶的較高認可。相對于較大范圍的用戶，推薦行為往往更具有信息的導向作用，它的效力與影響作用深度都是值得深入研究的方向。

此外，相較于OSI-OSN，CSI-OSN可能是具有更為專業(yè)和更高價值投資信息的獲取源。但由于其網絡結構較為封閉的特征，較高的私密性，也為對其的研究帶來了更高的挑戰(zhàn)性。盡管如此，針對CSI-OSN的用戶行為研究能夠為投資者決策影響研究帶來更進一步地深入，也是值得開展的研究方向。本研究豐富了OSI-OSN用戶信息獲取行為在股票投資領域的應用，并為CSI-OSN的深入研究提供了基礎。

參考文獻

[1]Fu C，Ying W，Zhao K，et al.Complex Networks Under Dynamic Repair Model[J].Physica A Statistical Mechanics & Its Applications，2018，490：323-330.

[2]劉虹，李煜，孫建軍.基于微博微信的高校社交網絡信息傳播特征與效率對比分析[J].現(xiàn)代情報，2018，38（4）：3-11.

[3]于灝，周玉成，井元偉，等.異質化帶寬分配下的復雜網絡數(shù)據(jù)流負載問題研究[J].物理學報，2013，62（8）：12-18.

[4]于灝，馬妍，王新華，等.帶特定選擇機制的供應系統(tǒng)網絡模型構建及分析[J].系統(tǒng)工程學報，2017，32（5）：686-698.

[5]Xia L L，Jiang G P，Song B，et al.Rumor Spreading Model Considering Hesitating Mechanism in Complex Social Networks[J].Physica A Statistical Mechanics & Its Applications，2015，437：295-303.

[6]阮逸潤，老松楊，王竣德，等.一種改進的基于信息傳播率的復雜網絡影響力評估算法[J].物理學報，2017，20（66）：285-294.

[7]楊善林，王佳佳，代寶，等.在線社交網絡用戶行為研究現(xiàn)狀與展望[J].中國科學院院刊，2015，30（2）：200-215.

[8]Cheung C M K，Liu I L B，Lee M K O.How Online Social Interactions Influence Customer Information Contribution Behavior in Online Social Shopping Communities：A Social Learning Theory Perspective[J].Journal of the Association for Information Science & Technology，2015，66（12）：2511-2521.

[9]Lee C S，Ma L.News Sharing in Social Media：The Effect of Gratifications and Prior Experience[J].Computers in Human Behavior，2012，28（2）：331-339.

[10]甘春梅，黃悅.社會化問答社區(qū)不同用戶行為影響因素的實證研究[J].圖書情報知識，2017，（6）：114-124.

[11]付少雄，胡媛.大學生健康信息行為對實際健康水平的影響研究——基于健康素養(yǎng)與健康信息搜尋視角[J].現(xiàn)代情報，2018，（2）：84-90.

[12]周樸雄，張兵榮，趙龍文.基于BP神經網絡的情境化信息推薦服務研究[J].情報科學，2016，36（3）：71-75.

[13]Wilson T D.Human Information Behavior[J].Informing Science the International Journal of An Emerging Transdiscipline，2000，3（2）：49-56.

[14]Morris M R，Teevan J，Panovich K.A Comparison of Information Seeking Using Search Engines and Social Networks[C].International Conference on Weblogs and Social Media，2011，26（9）：613-617.

[15]張迪，古俊生，邵若斯.健康信息獲取渠道的聚類分析：主動獲取與被動接觸[J].國際新聞界，2015，（5）：81-93.

[16]Kuhn H W，Morgenstern O，Rubinstein A.Theory of Games and Economic Behavior[M].Princeton University Press，2007，21（1）：776.

[17]Liang H，Yang C，Zhang R，et al.Bounded Rationality，Anchoring-and-adjustment Sentiment，and Asset Pricing[J].North American Journal of Economics & Finance，2017，40：85-102.

[18]Tversky A，Tvsersky A.Prospect Theory：An Analysis of Decision-making Under Risk[J].Econometrica，1979，47（2）：263-291.

[19]李月琳，劉濟群.個體投資者投資決策中的信息利用行為研究[J].情報資料工作，2014，35（6）：29-34.

[20]李月琳，胡玲玲.投資者信息行為分析：信息源的選擇與利用研究[J].情報資料工作，2012，（4）：90-97.

[21]West，Marie L.A mixed Methods Investigation Into Aspects of Medication Wastage in Malta[J].Journal of the Air & Waste Management Association，2015，65（10）：1217-28.

[22]譚松濤，陳玉宇.投資經驗能夠改善股民的收益狀況嗎——基于股民交易記錄數(shù)據(jù)的研究[J].金融研究，2012，（5）：164-178.

[23]Xiao W.Does Practice Make Perfect？Evidence from Individual Investors Experiences and Investment Returns[J].Journal of Interdisciplinary Mathematics，2015，18（6）：811-825.

[24]盧佐冬.個體投資者心理與行為偏差研究[D].武漢：武漢大學，2012.

[25]張誼浩，李元，蘇中鋒，等.網絡搜索能預測股票市場嗎？[J].金融研究，2014，（2）：193-206.

[26]Sabherwal S，Sarkar S K，Zhang Y.Do Internet Stock Message Boards Influence Trading？Evidence from Heavily Discussed Stocks with no Fundamental News[J].Journal of Business Finance & Accounting，2011，38（9-10）：1209-1237.

[27]Guo Y，Yin C，Li M，et al.Mobile E-commerce Recommendation System Based on Multi-source Information Fusion for Sustainable E-business[J].Sustainability，2018，10（1）：147.

[28]陳為東，王萍，王益成.學術新媒體環(huán)境下用戶信息偶遇要素及內在機理研究[J].情報理論與實踐，2017，（2）：28-33.

[29]吳明隆.結構方程模型[M].重慶：重慶大學出版社，2013：467-475.

（責任編輯：孫國雷）