數(shù)字金融時代下行為選擇、市場風(fēng)險與行為監(jiān)管

關(guān)鍵詞：數(shù)字金融行為選擇內(nèi)生性風(fēng)險行為監(jiān)管

DOI： 10.19592/j.cnki.scje.421556

JEL分類號：G28，G41，O16 中圖分類號：F832

文獻標識碼：A 文章編號：1000-6249（2025）04-030-13

一、數(shù)字為什么改變行為？

經(jīng)濟主體的最優(yōu)決策取決于其所處的環(huán)境結(jié)構(gòu)，環(huán)境的任何變化都會導(dǎo)致經(jīng)濟主體調(diào)整他們的行為選擇（Lucas，1976）。數(shù)字技術(shù)重塑了金融服務(wù)的可得性、便捷性和普惠性，但也通過增加信息量、改變信息載體和交互方式等變革，重塑了投資者的決策環(huán)境。在新的數(shù)字環(huán)境下，數(shù)據(jù)與行為的交互對投資者信息處理方式和選擇偏好機制等微觀基礎(chǔ)產(chǎn)生了顛覆性的影響，重塑了投資者的認知架構(gòu)與行為邏輯。

從投資者個體視角來看，影響行為選擇的決策環(huán)境可以分為內(nèi)部約束條件和外部不確定性兩個維度，兩者在數(shù)字技術(shù)發(fā)展下產(chǎn)生了新特征。在內(nèi)部約束條件方面，數(shù)字技術(shù)大幅度降低了投資者信息成本，提升了信息處理效率，但也加劇了投資者注意力資源的稀缺性。投資者在新約束下必然要重新調(diào)整各類稟賦資源之間的分配，從而改變其對信息的獲取與處理方式。在外部不確定性方面，數(shù)字技術(shù)重構(gòu)了投資者的信息環(huán)境、數(shù)字環(huán)境和交易環(huán)境，讓投資者面臨信息集增加與信息質(zhì)量下降，數(shù)字工具算力提升與模型信任度下降，交易便利性提升與市場復(fù)雜性增加，以及個體決策自主性增強與群體行為影響加劇等眾多新矛盾。這些因素共同作用，系統(tǒng)性地增加了投資決策的外部不確定性。這些不確定性的新表現(xiàn)會深刻影響投資者的市場感知和行為機制，并通過改變投資者的認知過程和心理預(yù)期，潛在地調(diào)整其在決策過程中對各種決策參數(shù)的權(quán)重分配。眾多學(xué)者通過探索投資決策中存在的心理偏差和有限理性行為，逐步構(gòu)建起了系統(tǒng)性的行為金融理論框架，成為詮釋金融市場諸多“異象\"的分析工具（Barberis etal.，1998;Daniel et al.，1998;Shleifer，2000;Barberis et al.，2001）。然而，現(xiàn)有理論能否充分捕捉數(shù)字環(huán)境下投資行為偏差的新特征和演化規(guī)律，仍有待系統(tǒng)性的實證檢驗和行為實驗來驗證。

從宏觀視角審視，數(shù)字金融新業(yè)態(tài)豐富了投資者的選擇集，改變了其對金融的整體認知，投資者必然要重新優(yōu)化決策函數(shù)以適應(yīng)新環(huán)境。制度層面，數(shù)字經(jīng)濟上升為國家戰(zhàn)略，國家密集出臺支持政策，加快構(gòu)建數(shù)字經(jīng)濟新優(yōu)勢，為金融創(chuàng)新提供制度保障。技術(shù)層面，新一代信息技術(shù)與金融加速融合，技術(shù)迭代速度加快，為數(shù)字金融模式創(chuàng)新提供持續(xù)動力。要素層面，數(shù)據(jù)成為新的生產(chǎn)要素，數(shù)據(jù)要素市場繁榮發(fā)展，數(shù)據(jù)驅(qū)動的投資決策成為新常態(tài)。在這些背景下，投資者與數(shù)字環(huán)境的交互更加頻繁深入，投資者對投資收益效用的主觀感受，以及對客觀概率權(quán)重的主觀分配都可能因數(shù)字化產(chǎn)生偏差，使傳統(tǒng)決策模型的適用性面臨挑戰(zhàn)。數(shù)字時代下投資新生態(tài)已然形成，投資者行為如何適應(yīng)并內(nèi)化于這一新生態(tài)之中，將成為未來行為金融理論研究的重要議題。

然而，數(shù)字技術(shù)引致的行為改變僅是市場表象。許多金融風(fēng)險并非源自外部沖擊，而是金融系統(tǒng)內(nèi)部參與者行為互動的結(jié)果（Danielsson，2002），其原因在于市場參與者的認知和行為與市場基本面之間是相互影響的，由此產(chǎn)生的反饋循環(huán)會導(dǎo)致市場不穩(wěn)定（Soros，2015）。在金融穩(wěn)定目標下，學(xué)者和監(jiān)管層需要高度關(guān)注的是，行為改變?nèi)绾螤恳袌隽α?，進而放大金融系統(tǒng)的內(nèi)生性風(fēng)險（en-dogenous risk）。針對該問題，本文以數(shù)字技術(shù)為切人點，基于既有研究成果，系統(tǒng)性地梳理了投資者行為變遷對內(nèi)生性風(fēng)險傳導(dǎo)機理影響，并探討了數(shù)字金融時代下行為監(jiān)管的必要性，力求為把握數(shù)字金融時代下的行為風(fēng)險特征、傳導(dǎo)路徑和治理機制提供理論參考，為推進數(shù)字金融下金融監(jiān)管理念、制度和方法創(chuàng)新提供決策支持。

二、決策環(huán)境：數(shù)字要素衍生新的不確定性

金融決策的本質(zhì)是在不確定性中對預(yù)期風(fēng)險和期望收益進行權(quán)衡。這就要求投資者通過有限信息對風(fēng)險資產(chǎn)的未來狀態(tài)做出概率判斷，在此基礎(chǔ)上預(yù)估資產(chǎn)收益概率分布的統(tǒng)計特征，例如，均值（期望收益）與方差（預(yù)期風(fēng)險）等。不確定往往源于投資者之間的信息不對稱和信息不完備兩個方面。數(shù)字金融時代則從信息環(huán)境、數(shù)字環(huán)境和交易環(huán)境三個方面引人了新的不確定性因素。

（一）信息環(huán)境

數(shù)字技術(shù)讓投資者可接觸的金融信息量呈幾何級增長，遠超投資者的認知負荷，客觀上加劇了投資者信息過載（information overload）問題（Eppler and Mengis，2008）。面對鋪天蓋地的財經(jīng)新聞、研報和數(shù)據(jù)，投資者難以在短時間內(nèi)完全消化吸收，反而可能對決策的質(zhì)量和效率產(chǎn)生負面影響。數(shù)字技術(shù)雖然大幅提升了投資者在信息處理上的效率和精度，但數(shù)據(jù)處理能力的提升并未完全解決信息質(zhì)量問題。海量信息帶來冗余和噪音仍然使關(guān)鍵信息提取更加困難（Hilbertand Lopez，2011;Vo-soughietal.，2018）。冗余信息存在大量重復(fù)，占用投資者認知資源;而噪音信息則摻雜了大量無關(guān)或錯誤的內(nèi)容，干擾投資者對關(guān)鍵信息的辨識和吸收。

此外，數(shù)字平臺改變了信息的動態(tài)演化和外部性。數(shù)字社交平臺通過算法推薦、用戶互動等方式，顯著提高了信息傳播的速度和廣度。小規(guī)模的信息擾動可能通過社交網(wǎng)絡(luò)迅速放大，引發(fā)廣泛關(guān)注和討論（Goeletal.，2015）。這種信息傳播的非線性動力特征增加了預(yù)測信息影響的難度，從而增加了信息環(huán)境的不確定性。同時，數(shù)字社交平臺讓每個個體都成為了信息的生產(chǎn)者和傳播者，顯著改變了信息外部性特征。信息在社會網(wǎng)絡(luò)中的傳播以往會受到物理和技術(shù)限制，其擴散范圍和速度相對有限。而在數(shù)字時代，信息傳播的格局發(fā)生了根本性變化，任何信息都可以通過數(shù)字媒介以更低的成本和更快的速度觸達更廣泛的受眾。信息的快速擴散和外部性的增強意味著局部事件可能迅速升級為群體性事件，形成急湍的“信息瀑布”。在此背景下，個體投資者的情緒和行為也越來越容易受到信息外部性的影響，個體認知偏差更容易發(fā)展成為群體性非理性認知，甚至?xí)ΡO(jiān)管部門的正面引導(dǎo)產(chǎn)生抵觸。需要注意的是，這種信息外部性在數(shù)字時代具有更加廣泛、頻繁、復(fù)雜和隱蔽的特點（Smailovic etal.，2015）。

（二）數(shù)字環(huán)境

算法驅(qū)動為投資決策提供了新工具，但同時也引人了新的不確定性。算法驅(qū)動是指通過機器學(xué)習(xí)和深度學(xué)習(xí)等人工智能算法，實現(xiàn)海量數(shù)據(jù)的自動分析和決策建議生成。隨著算法驅(qū)動在金融領(lǐng)域的廣泛應(yīng)用，許多投資決策開始依賴自動化的算法模型。然而，復(fù)雜算法的內(nèi)在邏輯通常是不透明的，存在容易被忽視的“黑箱\"問題（Rudin，2019）。這種不透明性一方面源于算法模型的復(fù)雜性，涉及高維數(shù)據(jù)、非線性關(guān)系和深度神經(jīng)網(wǎng)絡(luò)等專業(yè)知識;另一方面也源于許多金融機構(gòu)出于競爭壓力不愿完全公開算法細節(jié)。當(dāng)投資者難以理解決策背后的算法時，他們可能過度相信或者懷疑算法的可靠性。例如，Dietvorst etal.（2015）發(fā)現(xiàn)當(dāng)人們經(jīng)歷算法出錯后會產(chǎn)生強烈的算法厭惡（algo-rithm aversion）。此外，算法模型通常基于歷史數(shù)據(jù)訓(xùn)練，當(dāng)面對極端情況時，其預(yù)測能力和風(fēng)險防控能力可能大打折扣（Kouet al.，2019），而算法這種在應(yīng)變上的不確定性也難以被投資者準確把握。因此，投資者理解能力與算法復(fù)雜性之間的鴻溝，客觀上加劇了投資決策的信息不確定性。

在算法驅(qū)動下，投資者的信息處理能力成為其投資決策的一個重要約束因素。現(xiàn)實中的經(jīng)濟主體并非完全理性，他們的決策能力受到認知能力和信息獲取等條件的約束（Simon，1972）。在數(shù)字時代，這種約束性進一步表現(xiàn)為投資者在數(shù)字素養(yǎng)和技術(shù)使用等方面上的差異，即被廣泛討論的數(shù)字鴻溝問題（Norris，2001;邱澤奇等，2016;陳文和吳贏，2021）。數(shù)字時代下，數(shù)字素養(yǎng)涵蓋了信息搜索、算法思維和數(shù)字工具使用等多個方面（Eshet，2004），很大程度上決定了投資者能否有效利用海量信息和智能工具進行決策優(yōu)化。數(shù)字鴻溝使得不同投資者在信息獲取、處理和分析能力上的差距進一步拉大，加劇了數(shù)字時代投資者間的信息不對稱性，增加了投資決策的約束性和不確定性。

（三）交易環(huán)境

在數(shù)字金融時代，交易環(huán)境正在經(jīng)歷全方位、深層次的變革，呈現(xiàn)出數(shù)字化、智能化和多元化等新特征。首先，數(shù)字技術(shù)極大地拓展了交易渠道和交易方式?；ヂ?lián)網(wǎng)和移動終端的普及使得投資者可以隨時隨地進行交易。與此同時，數(shù)字貨幣、電子支付等新型交易媒介的出現(xiàn)也在改變傳統(tǒng)的交易習(xí)慣。其次，高頻交易（high-frequency trading）的崛起正在深刻改變機構(gòu)投資者的交易行為和市場博弈生態(tài)。在這一背景下，傳統(tǒng)的信息優(yōu)勢被極大削弱，交易速度和策略更新成為制勝的關(guān)鍵。高頻交易以極快的速度和極高的頻率進行全自動化的交易，在提供流動性的同時，也加劇了機構(gòu)間的博弈。最后，數(shù)字技術(shù)還催生了新的交易場所和交易規(guī)則。眾多創(chuàng)新型交易場所開始涌現(xiàn)，如金融科技獨角獸Robinhood就以“零傭金\"等創(chuàng)新規(guī)則吸引了大量散戶參與。國內(nèi)各大科技巨頭公司也通過設(shè)立網(wǎng)商銀行、微眾銀行等互聯(lián)網(wǎng)銀行探索“科技 + 金融”的創(chuàng)新模式。

在交易環(huán)境變革的同時，智能投顧和量化交易等算法工具被廣泛使用，讓投資決策呈現(xiàn)出“人機結(jié)合\"的新特點，這為行為偏差引人了新的可能性。Kumiega and Van Vliet（2012）指出，雖然優(yōu)秀算法可以降低人的次優(yōu)行為，但算法設(shè)計和應(yīng)用過程本身也存在著行為因素，例如算法開發(fā)過程中激勵機制選擇以及算法編寫過程中群體非理性決策等。此外，算法天然就是有限理性的，因為算法背后模型假設(shè)的局限性和所依賴數(shù)據(jù)質(zhì)量的參差不齊，都可能引入難以預(yù)測和控制的決策偏差。Rah-wan et al.（2019）首次提出了“機器行為\"的概念，強調(diào)重視人機交互出現(xiàn)的新的行為偏差。在人機交互中，來自人和算法兩方面的偏差可能會相互影響，產(chǎn)生疊加效用。一方面，投資者可能盲從算法推薦而放大非理性決策;另一方面，非理性投資者的反饋又會對算法形成誤導(dǎo)，扭曲算法模型的訓(xùn)練結(jié)果。這種人機交織的“混合非理性\"將呈現(xiàn)出更加復(fù)雜的內(nèi)涵和機理。

三、行為變化：數(shù)字要素對行為選擇的重塑

宏觀層面，數(shù)字技術(shù)產(chǎn)生的數(shù)據(jù)要素已經(jīng)成為驅(qū)動創(chuàng)新發(fā)展的關(guān)鍵生產(chǎn)要素（榮健欣和王大中，2021;王庭東和尹麗麗，2024）。微觀層面上，數(shù)據(jù)與行為之間的交互正以全新的方式影響投資者的信息處理、交易決策和行為模式。

（一）個體投資者：數(shù)字深刻改變投資者信念

在個體投資者決策過程中，信息的獲取和處理是信念形成和更新的前置條件。注意力的稀缺性使得投資者難以對有價值的信息進行全面分析，被迫采取啟發(fā)式來簡化信息獲取過程（黃純純等，2024），例如，通過股票名稱篩選投資股票的\"慕‘名'投資\"策略（宗計川等，2020），按股票分類進行注意力分配的目錄學(xué)習(xí)策略（Bhuiand Jiao，2023），這些樸素策略雖然在一定程度上降低了信息搜尋成本和認知成本，但由此形成的預(yù)期往往存在偏誤。數(shù)字技術(shù)引發(fā)的信息過載加劇了投資者注意力資源的稀缺性，促使投資者更傾向于采用認知捷徑來處理和獲取信息。

這種啟發(fā)式的信息處理方式屬于內(nèi)生性的行為偏差，源于投資者固有的心理特征和認知局限。與此同時，以社交媒體為代表的外部信息，對投資者的信息處理過程也發(fā)揮著顯著的引導(dǎo)作用。社交媒體上的信息流動，特別是通過社會互動驅(qū)動的，牽引著投資者注意力的變動方向。現(xiàn)有文獻發(fā)現(xiàn)知名的財經(jīng)博主或意見領(lǐng)袖與大眾之間的互動會對市場指數(shù)產(chǎn)生影響，因為他們對專業(yè)性政策的解讀是大眾信念更新過程中主要依賴的外部信號（楊曉蘭等，2016，2020）。然而，在數(shù)字金融時代，外生性信息的引導(dǎo)作用發(fā)生了顯著變化。

一是算法推薦在投資者的信息獲取過程中扮演著日益重要的角色。數(shù)字平臺基于用戶的歷史行為和偏好，采用機器學(xué)習(xí)算法進行個性化信息推送提高了信息的相關(guān)性（Gonzales and Hargreaves，2022），衍生出了“種草經(jīng)濟\"等新業(yè)態(tài)（周業(yè)安，2019），但也可能限制用戶接觸多樣化信息的機會，形成“信息繭房（information cocoons）”（Pariser，2011）。這種個性化信息推送不僅限制了信息的多樣性，還會導(dǎo)致“回音室效應(yīng)（echo chamber effect）”①。這種信息不對稱的環(huán)境可能會加劇投資者在處理信息時的“確認偏誤（confirmationbias）”（Klayman，1995），即算法推薦的與個體投資者偏好一致的信息會加強他們既有的信念，導(dǎo)致投資者對自己的判斷過度自信（Changand Cheng，2015）。

二是多模態(tài)自媒體的興起成為數(shù)字經(jīng)濟下開創(chuàng)性的產(chǎn)物，深刻重塑了投資者與信息之間的交互方式。與傳統(tǒng)的單一模態(tài)媒體相比，多模態(tài)自媒體通過結(jié)合文本、圖片、聲音和視頻等多種媒介形式，為投資者提供了更豐富和生動的信息呈現(xiàn)方式，會潛移默化影響投資者信息處理。相關(guān)研究中發(fā)現(xiàn)視覺通信對于吸引投資者的注意力和促進信息處理具有顯著作用，但多模態(tài)信息對投資者注意力的影響存在異質(zhì)性，會受到投資者的知識水平和文化背景等因素的調(diào)節(jié)（Wang，2011;Bazley et al.，2021）。此外，多模態(tài)自媒體融合了評論和分享等社交功能，為社交互動提供了更為便捷的渠道，加速了信息和情緒在投資者群體中的傳播。值得注意的是，算法推薦和多模態(tài)自媒體在數(shù)字技術(shù)浪潮中并不是孤立運作的，而是呈現(xiàn)出交織融合的態(tài)勢，相互強化，加深了外生性信息對投資者信息處理的引導(dǎo)作用。

投資決策是投資者基于風(fēng)險偏好和信念所作出的選擇，然而信念與投資者決策之間并非簡單的線性關(guān)系（Merkle andWeber，2014），而是相互之間具有獨立性。除了對信念判斷的影響，數(shù)字賦能的信息引導(dǎo)也會直接作用在投資決策上。一方面，數(shù)字技術(shù)能夠在視覺上為個體投資者提供直觀的信息呈現(xiàn)方式，提高其對風(fēng)險與收益的解讀與權(quán)衡，減少其行為偏差。信念與行為獨立性的一個實驗室證據(jù)是宗計川等（2017a）發(fā)現(xiàn)的資產(chǎn)組合調(diào)整慣性現(xiàn)象：實驗被試雖然意識到了資產(chǎn)風(fēng)險發(fā)生了變化，但交易行為依然存在惰性并不會做出相應(yīng)的調(diào)整，形成次優(yōu)投資組合選擇。然而，Laudenbach etal.（2022）通過改變資產(chǎn)歷史收益的呈現(xiàn)方式，從文字描述變?yōu)閯討B(tài)圖像體驗時，發(fā)現(xiàn)不管是學(xué)生被試還是真實投資者，通過分散化來降低組合風(fēng)險的傾向都得到了顯著提高。這表明通過數(shù)字技術(shù)優(yōu)化信息呈現(xiàn)可以幫助投資者在風(fēng)險和收益之間進行更為有效的權(quán)衡，從而提升其投資決策質(zhì)量。

但另一方面，數(shù)字技術(shù)在很大程度上消除了投資決策的時間和空間的限制，這種便利性可能誘發(fā)投資者基于直覺和情緒的短視交易，而缺乏深思熟慮的理性分析。Barber and Odean（2002）利用線上交易數(shù)據(jù)就發(fā)現(xiàn)，線上交易的便利性導(dǎo)致投資者交易頻率增加，但并未改善投資績效。隨著智能移動終端發(fā)展，這種效應(yīng)得到了放大。Cen（2024）以美國共同基金市場為例，發(fā)現(xiàn)智能手機交易技術(shù)的應(yīng)用顯著改變了投資者行為，增加了其日內(nèi)交易頻率、換手率和投機性交易，減少了持有期限，但并未帶來更高的投資回報。對此，Benartzi and Thaler（1995）提出的短視損失厭惡（myopic loss aver-sion）理論提供了一個解釋角度，當(dāng)投資者頻繁評估投資組合收益時，可能會過度放大對損失的厭惡，從而增加“獲利了結(jié)、虧損持有\(zhòng)"的處置效用（disposition effect）。在數(shù)字交易環(huán)境下，投資者能夠隨時隨地對投資賬戶進行收益評估，這可能會加劇其短視損失厭惡的心理傾向，從而頻繁進行交易，難以成為耐心投資者。

（二）機構(gòu)投資者：數(shù)字要素競爭日益激烈

數(shù)字技術(shù)的滲透正在深刻改變機構(gòu)投資者的投資決策方式。主觀判斷和定性分析正逐步讓位于大數(shù)據(jù)分析和算法驅(qū)動決策。這一轉(zhuǎn)變不僅體現(xiàn)在數(shù)據(jù)來源的多元化和數(shù)據(jù)處理的智能化，也反映在決策模式的系統(tǒng)化、決策過程的自動化等方面。從數(shù)據(jù)來源看，數(shù)字化進程使得機構(gòu)投資者可以低成本獲取海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。除了傳統(tǒng)的財務(wù)報表和分析師報告等金融數(shù)據(jù)外，消費者行為以及社交媒體輿情等替代數(shù)據(jù)（alternativedata）也被納人分析范疇。數(shù)據(jù)作為非競爭性資源的獨特特性，正在重塑市場參與者之間的競爭格局，機構(gòu)投資者對數(shù)據(jù)的獲取、分析和應(yīng)用能力已成為市場競爭的核心差異化因素（Jones and Toneti，2020）。從數(shù)據(jù)處理看，以大語言模型為代表的人工智能技術(shù)正在從底層革新投資研究流程。Nazareth and Reddy（2023）全面梳理了機器學(xué)習(xí)在金融領(lǐng)域的應(yīng)用場景，發(fā)現(xiàn)這些技術(shù)正在改變資產(chǎn)定價、風(fēng)險管理和投資組合構(gòu)建的方法論基礎(chǔ)。在算法驅(qū)動下，機構(gòu)投資者決策日益呈現(xiàn)系統(tǒng)化、模塊化特點。Chen etal.（2024）的實證研究表明，基于深度學(xué)習(xí)的資產(chǎn)定價模型在捕捉非線性市場關(guān)系方面具有顯著優(yōu)勢，正成為機構(gòu)投資者的重要工具?；跈C器學(xué)習(xí)的量化策略通過構(gòu)建多因子模型，將超額收益（Alpha）拆解為市場、規(guī)模、價值和動量等細分風(fēng)險因子，再通過因子組合優(yōu)化投資組合，使得決策更加系統(tǒng)化。同時，量化策略的開發(fā)也呈現(xiàn)出標準化、模塊化趨勢。

此外，高頻交易領(lǐng)域已形成了全新的市場競爭格局。Aquilina etal.（2022）將高頻交易領(lǐng)域的競爭形容為一場\"軍備競賽\"，機構(gòu)為爭奪微秒級的速度優(yōu)勢不斷投人巨額資金。作為新興的交易模式，高頻交易在提升市場效率的同時，也帶來了一些潛在風(fēng)險。高頻交易雖然在提高價格效率方面發(fā)揮了積極作用（Brogaard etal.，2014），但當(dāng)高頻交易過度發(fā)展時，則可能擾亂市場的價格形成機制。高頻交易者往往專注于市場微觀結(jié)構(gòu)，利用高速優(yōu)勢進行套利和搶機交易，而較少關(guān)注公司基本面信息。這可能使得資產(chǎn)價格偏離基本價值，增加價格泡沫的風(fēng)險（Goldsteinetal.，2013;Weller，2018）。

四、市場表現(xiàn)：行為改變與內(nèi)生性風(fēng)險機理演化

金融市場的內(nèi)生性風(fēng)險源于市場參與者之間長期互動形成的業(yè)務(wù)關(guān)聯(lián)和一致性行為所形成的同方向市場力量（Danielsson and Shin，2002）。這兩種風(fēng)險源頭都是市場參與者在進行正常業(yè)務(wù)時潛移默化形成的，所以難以被察覺和監(jiān)測到。在數(shù)字金融時代，這種內(nèi)生性風(fēng)險的形成機制變得更加復(fù)雜和隱蔽。數(shù)字平臺的高度互聯(lián)性和快速反應(yīng)特性，使得投資者的行為偏差能夠更迅速、更廣泛地傳播，加速了一致性行為的形成。同時，數(shù)字金融生態(tài)的復(fù)雜性和動態(tài)性，使得這種行為關(guān)聯(lián)和市場力量的演化路徑更加多元化和難以預(yù)測，增加了監(jiān)管和風(fēng)險管理的難度。

數(shù)字技術(shù)加速了投資者情緒跨市場傳導(dǎo)。在高度關(guān)聯(lián)的數(shù)字金融體系中，不同市場以及不同資產(chǎn)的聯(lián)動性顯著上升。個別細分市場的投資者情緒變化，可能迅速影響整個金融生態(tài)的穩(wěn)定性。例如，加密貨幣市場的劇烈波動常常伴隨著\"恐慌指數(shù)”①的異動，表明數(shù)字資產(chǎn)與傳統(tǒng)金融市場的情緒已呈現(xiàn)出協(xié)同效應(yīng)（Aliuetal.，2023）。許多研究發(fā)現(xiàn)，社交媒體情緒與股票市場波動率之間也存在顯著的溢出效應(yīng)（Fekrazad etal.，2022;Lehreretal.，2021）。2021年初，美國“游戲驛站\"股票事件就是一個典型案例。Reddit論壇上的散戶投資者聯(lián)合做多“游戲驛站\"股票，對抗做空機構(gòu)，引發(fā)了狂熱的投資情緒。這種情緒通過互聯(lián)網(wǎng)迅速蔓延，導(dǎo)致\"游戲驛站\"股價暴漲，并迅速波及整個美國股票市場，引發(fā)了廣泛的市場動蕩和監(jiān)管關(guān)注。這一事件鮮明地展現(xiàn)了數(shù)字媒體如何放大投資者情緒并引發(fā)市場波動的微觀機制。

此外，數(shù)字金融生態(tài)醞釀了更為隱蔽的行為偏差累積機制。在人機交互環(huán)境中，行為產(chǎn)生數(shù)據(jù)，數(shù)據(jù)引導(dǎo)行為，兩者之間反饋循環(huán)機制讓投資者的非理性行為以更為隱性的方式逐步積聚，直至突破“臨界點\"引發(fā)系統(tǒng)性風(fēng)險。Dorfleitnerand Scheckenbach，（2022）探討了“數(shù)字羊群（digital herd）現(xiàn)象，即在線投資者在匿名條件下更容易從眾，且這種從眾行為具有自我強化效應(yīng)，醞釀市場泡沫。程序化交易則可能放大這種非理性，使個體偏差在復(fù)雜的人機博弈中不斷累積（Oyeniyi et al.，2024）。另外，數(shù)字社交媒體讓個體對市場的認知和解讀能夠更快速、更廣泛地擴散，讓群體之間對市場的認知和解讀趨同性增強。宗計川等（2017b）和Bao et al.（2024）在實驗室中分別發(fā)現(xiàn)市場上群體性的認知水平和市場解讀能力分別與金融資產(chǎn)泡沫之間存在著顯著負向關(guān)系，可以推斷這種趨同性也會成為影響市場波動的一個潛在路徑。

機構(gòu)投資者作為資本市場的中堅力量，其行為模式在數(shù)字中的變遷，不僅影響其盈利模式和競爭格局，也可能通過競爭同質(zhì)化、平臺中心化和創(chuàng)新復(fù)雜化等機制，將個體風(fēng)險外溢為系統(tǒng)性風(fēng)險。

首先，數(shù)字技術(shù)驅(qū)動下，機構(gòu)投資者的同質(zhì)化競爭可能加劇金融市場的順周期效應(yīng)。在算法驅(qū)動的投資決策中，機構(gòu)投資者往往采用高度相似的數(shù)據(jù)模型和交易策略。這種“信息層面”的同質(zhì)化，可能在市場壓力下演化為“行為層面\"的羊群效應(yīng)。當(dāng)市場出現(xiàn)劇烈波動時，機構(gòu)投資者基于同類信號做出趨同反應(yīng)，集體買進或拋售特定資產(chǎn)，加劇了金融周期的波動幅度。正如一些研究所警示的，高度相關(guān)的投資模型和風(fēng)險管理模型可能釀成系統(tǒng)性金融危機，即便每個機構(gòu)的個體風(fēng)險管理都很完善且相互之間都是無意識的（Danielsson，2002;Danielsson，2008;Kremer and Nautz，2013）。

其中，由算法程序支持的高頻交易對市場波動的影響尤其要引起關(guān)注。在市場平穩(wěn)期，高頻交易能夠為市場提供額外流動性，起到穩(wěn)定市場作用。但當(dāng)市場波動劇烈時，高頻交易者卻傾向于迅速撤出，抽離流動性，加劇市場波動。這種“避險情緒”可能引發(fā)連鎖反應(yīng)，加劇市場恐慌，對金融穩(wěn)定構(gòu)成威脅。2010年美國股市的\"閃電崩盤\"就是一個典型案例。Kirilenkoetal.（2017）的研究發(fā)現(xiàn)在\"閃電崩盤\"的初期，高頻交易者最初提供流動性，但在市場開始劇烈波動時，他們迅速從流動性提供者轉(zhuǎn)變?yōu)榱鲃有孕枨笳?，造成了市場的流動性真空，進一步加劇了價格的急劇下跌。在國內(nèi)股票交易市場上，2013年光大“烏龍指\"事件也是一個由高頻交易引發(fā)市場劇烈波動的典型案例。由于場內(nèi)單個機構(gòu)高頻交易的策略程序出現(xiàn)交易指令偏誤，觸發(fā)了其他機構(gòu)的高頻交易系統(tǒng)自動進行追隨交易。這種連鎖反應(yīng)迅速放大，導(dǎo)致上證指數(shù)在短時間內(nèi)劇烈震蕩，市場交易秩序受到嚴重擾亂。該事件暴露出國內(nèi)在高頻交易監(jiān)管方面的缺失，引起了監(jiān)管層的高度重視。從2023年開始，在證監(jiān)會指導(dǎo)下，滬深北三大交易所陸續(xù)出臺了針對高頻交易和量化交易等程序化交易的系統(tǒng)性監(jiān)管細則，彌補了此前監(jiān)管規(guī)則的空白。

其次，數(shù)字平臺經(jīng)濟的崛起，為機構(gòu)投資者行為引發(fā)的風(fēng)險外溢創(chuàng)造了新的渠道。頭部金融科技平臺往往通過規(guī)模效應(yīng)和用戶鎖定，成為機構(gòu)投資者獲客、交易和投研的關(guān)鍵節(jié)點。這種高度中心化的平臺生態(tài)，一方面加劇了機構(gòu)投資者的同質(zhì)化競爭，另一方面也放大了“塌方式\"風(fēng)險傳導(dǎo)。一旦中心平臺發(fā)生風(fēng)險事件，可能迅速波及所有參與機構(gòu)，引發(fā)市場恐慌。這與Acemoglu et al.（2015）關(guān)于金融網(wǎng)絡(luò)中集中化結(jié)構(gòu)導(dǎo)致系統(tǒng)性風(fēng)險增加的分析相一致。數(shù)字科技巨頭跨界金融領(lǐng)域，更是加大了跨行業(yè)、跨市場的風(fēng)險聯(lián)系，使金融風(fēng)險外溢的“觸角\"更加廣泛。

最后，數(shù)字化也加速了金融創(chuàng)新，催生了各類結(jié)構(gòu)化、高杠桿的創(chuàng)新產(chǎn)品，這在提升金融服務(wù)效率的同時，也增加了金融體系的脆弱性。這些創(chuàng)新工具往往通過復(fù)雜的設(shè)計，將不同市場、不同資產(chǎn)的風(fēng)險聯(lián)系起來，使個體風(fēng)險更易隱匿，局部失衡更易演化為結(jié)構(gòu)性風(fēng)險。以P2P網(wǎng)絡(luò)借貸為例，它在緩解中小企業(yè)融資困境、提升金融包容性方面發(fā)揮了積極作用，但其高度分散、弱監(jiān)管的特點也埋下了風(fēng)險隱患。部分P2P平臺過度追求高收益，引入高杠桿、高風(fēng)險的資產(chǎn)，還通過復(fù)雜的結(jié)構(gòu)化設(shè)計，將資產(chǎn)風(fēng)險轉(zhuǎn)嫁給散戶投資者。當(dāng)宏觀經(jīng)濟下行、信用違約上升時，這些看似獨立的個體風(fēng)險迅速串聯(lián)，引發(fā)了連鎖反應(yīng)。2018年爆發(fā)的P2P\"雷潮”，就揭示了數(shù)字金融創(chuàng)新在加速普惠的同時，也可能因風(fēng)險定價扭曲、監(jiān)管套利等問題，釀成系統(tǒng)性金融風(fēng)險。

五、監(jiān)管應(yīng)對與研究展望

（一）行為監(jiān)管：監(jiān)管平衡數(shù)字創(chuàng)新與風(fēng)險防控

傳統(tǒng)金融監(jiān)管主要立足機構(gòu)視角，以各類審慎指標為抓手規(guī)范金融機構(gòu)行為。在數(shù)字金融時代下，這種模式存在明顯局限：一是審慎監(jiān)管過度關(guān)注機構(gòu)行為的合規(guī)性，卻忽視了行為合規(guī)可能引發(fā)的內(nèi)生性風(fēng)險。數(shù)字環(huán)境下，個體投資者和金融機構(gòu)的行為選擇可能引發(fā)嚴重的負外部性，加劇順周期效應(yīng)和市場的單邊趨勢，積聚系統(tǒng)性風(fēng)險。二是傳統(tǒng)監(jiān)管難以處理好數(shù)字金融創(chuàng)新和監(jiān)管的關(guān)系，在鼓勵創(chuàng)新和防范風(fēng)險間難覓平衡點。一方面，嚴格監(jiān)管和頻繁干預(yù)可能扼殺創(chuàng)新的積極性，損害市場活力。另一方面，放任自流又可能使創(chuàng)新異化為獵取監(jiān)管套利的工具，損害金融消費者利益。三是傳統(tǒng)監(jiān)管側(cè)重事后處置和被動應(yīng)對，缺乏事前預(yù)防和過程監(jiān)測的制度安排，難以從源頭上遏制風(fēng)險。

為了應(yīng)對金融創(chuàng)新帶來的挑戰(zhàn)，Michael（1995）在倫敦\"金融創(chuàng)新研究中心（CSFI）\"智庫中提出了“雙峰理論（TwinPeaks）”，強調(diào)審慎監(jiān)管與行為監(jiān)管并重。1998年，澳大利亞最早開始實行該理論。2000年，英國金融服務(wù)管理局（FSA）最早提出了“公平對待金融客戶（TCF）\"原則，要求金融機構(gòu)在其業(yè)務(wù)的各個方面都公平對待客戶。Barr etal.（2008）在《以行為經(jīng)濟學(xué)為指導(dǎo)的金融服務(wù)監(jiān)管》報告中分析了傳統(tǒng)經(jīng)濟理論在解釋消費者金融行為時的局限性，并提出了基于行為經(jīng)濟學(xué)的政策建議，對后續(xù)的金融監(jiān)管實踐產(chǎn)生了深遠影響。

2008年金融危機后，各國金融監(jiān)管當(dāng)局逐漸意識到要高度關(guān)注金融消費者權(quán)益保護，單純依靠資本和流動性等審慎監(jiān)管規(guī)則不足以維系金融體系穩(wěn)定，必須輔之以行為監(jiān)管，才能有效規(guī)避衍生品和結(jié)構(gòu)化產(chǎn)品的風(fēng)險外溢。我國也在第五次全國金融工作會議上把“更加重視行為監(jiān)管”作為金融風(fēng)險防控主要舉措①。當(dāng)代行為監(jiān)管理論與實踐已經(jīng)從關(guān)注個體認知偏差，延伸到糾正技術(shù)失靈、完善制度供給等多個層面，監(jiān)管重心從“以機構(gòu)為本\"轉(zhuǎn)向“以金融消費者為本”，監(jiān)管手段從“自上而下\"的直接干預(yù)轉(zhuǎn)向“自下而上\"的柔性引導(dǎo)，監(jiān)管能力從單一的行政監(jiān)管轉(zhuǎn)向多元共治。行為監(jiān)管已成為應(yīng)對金融創(chuàng)新挑戰(zhàn)、維護金融穩(wěn)定的重要制度安排。

將行為監(jiān)管與穿透性監(jiān)管進行有效融合，是應(yīng)對數(shù)字時代金融風(fēng)險新特點的有效路徑。兩種監(jiān)管理念的精髓都在于“看透\"表象，把握實質(zhì)，防止“穿透上不去、行為管不住”。數(shù)字金融新業(yè)態(tài)不斷突破傳統(tǒng)業(yè)務(wù)邊界，資金流、信息流高度關(guān)聯(lián)，個體風(fēng)險極易迅速放大、跨市場傳導(dǎo)為系統(tǒng)性風(fēng)險。單純的機構(gòu)監(jiān)管難以全面把控風(fēng)險，必須及時補齊行為監(jiān)管短板，強化穿透式審視。通過構(gòu)建覆蓋全業(yè)態(tài)、貫穿全鏈條的行為監(jiān)管規(guī)則體系，運用大數(shù)據(jù)等技術(shù)手段實現(xiàn)對風(fēng)險的穿透識別，才能及時發(fā)現(xiàn)監(jiān)管真空地帶，有效應(yīng)對系統(tǒng)性風(fēng)險挑戰(zhàn)。未來應(yīng)進一步厘清兩種監(jiān)管模式的內(nèi)在邏輯和實踐路徑，推動兩者在組織架構(gòu)、制度規(guī)則、分析模型等方面的創(chuàng)新融合，努力構(gòu)建“穿透有力度、行為有廣度\"的智能化監(jiān)管新格局。

（二）研究展望：行為監(jiān)管的微觀基礎(chǔ)和宏觀效應(yīng)

目前，國內(nèi)對行為監(jiān)管的研究仍然處于起步階段，已有文獻主要討論了對國外實踐的借鑒。未來的研究應(yīng)進一步深化對數(shù)字金融下行為監(jiān)管的理論探索和實證分析，深人剖析行為監(jiān)管的微觀基礎(chǔ)和宏觀效應(yīng)，為行為監(jiān)管的實踐提供更扎實的學(xué)術(shù)支撐。

一是深人研究數(shù)字技術(shù)對投資者行為的影響機理。一方面，智能投顧等算法工具正在替代人力成為投資決策的核心載體，機器建議與人類判斷的博弈互動值得深入探討。另一方面，數(shù)字技術(shù)紅利的分配不均可能加劇資者在信息優(yōu)勢上的差異，這些新的不平等如何影響市場微觀結(jié)構(gòu)和投資者行為，尚待系統(tǒng)考察。此外，虛擬現(xiàn)實、元宇宙等沉浸式的交互環(huán)境對投資者風(fēng)險的感知影響以及投資者對區(qū)塊鏈、人工智能等技術(shù)應(yīng)用的信任也值得深入探究。

二是系統(tǒng)評估數(shù)字金融創(chuàng)新的外部性。除了關(guān)注數(shù)字技術(shù)對金融效率和風(fēng)險的一般性影響，未來研究還應(yīng)針對不同的創(chuàng)新模式和業(yè)務(wù)場景，實證檢驗其外部效應(yīng)的動態(tài)演進規(guī)律。要重點關(guān)注金融科技的賦能效應(yīng)在不同區(qū)域、不同群體間的分布差異，評估數(shù)字普惠的瞄準效率和政策落實效果。同時，前瞻性地研判數(shù)字金融的長期發(fā)展趨勢和風(fēng)險演化路徑至關(guān)重要。一方面，數(shù)字技術(shù)與傳統(tǒng)金融業(yè)務(wù)的深度融合可能催生新的風(fēng)險類型和傳導(dǎo)機制。另一方面，數(shù)字金融的跨業(yè)態(tài)、跨市場滲透可能打破原有的行業(yè)邊界和競爭格局，釀成系統(tǒng)性風(fēng)險。

三是前瞻性研判行為監(jiān)管的政策效應(yīng)。未來研究要聚焦行為監(jiān)管的關(guān)鍵工具，嚴謹評估其實施效果，為優(yōu)化政策組合提供科學(xué)依據(jù)。在行為監(jiān)管中，信息披露是緩解信息不對稱、保護投資者利益的基礎(chǔ)性制度。運用實驗經(jīng)濟學(xué)方法，考察不同披露模式下投資者的信息加工策略和交易行為變化，識別最優(yōu)的信息披露組合是一種兼顧科學(xué)性和可操作性的研究思路。需要注意的是，行為監(jiān)管內(nèi)生地蘊含著動態(tài)博弈過程。監(jiān)管政策出臺后，市場主體會根據(jù)自身利益進行策略調(diào)整，由此引發(fā)行為變化又將觸發(fā)新一輪監(jiān)管應(yīng)對。因此，要著眼全局，綜合評估不同行為監(jiān)管工具的效果疊加和聯(lián)動機制。

參考文獻

陳文、吳贏，2021，“數(shù)字經(jīng)濟發(fā)展、數(shù)字鴻溝與城鄉(xiāng)居民收入差距”，《南方經(jīng)濟》，第11期，第1-17頁。

黃純純、孫巧凡、周業(yè)安，2024，“注意力配置與經(jīng)濟決策——關(guān)于注意力經(jīng)濟學(xué)的評述與討論”，《學(xué)術(shù)月刊》，第2期，第94-102頁。

邱澤奇、張樹沁、劉世定、許英康，2016，“從數(shù)字鴻溝到紅利差異——互聯(lián)網(wǎng)資本的視角”，《中國社會科學(xué)》，第10期，第 9 3 - 1 1 5 +203-204頁。

榮健欣、王大中，2021，“前沿經(jīng)濟理論視野下的數(shù)據(jù)要素研究進展”，《南方經(jīng)濟》，第11期，第18-43頁。

楊曉蘭、高媚、朱淋，2016，“社會互動對股票市場的影響——基于新浪財經(jīng)博客的實證分析”，《證券市場導(dǎo)報》，第7期，第50-58頁。

楊曉蘭、王偉超、高媚，2020，“股市政策對股票市場的影響——基于投資者社會互動的視角”，《管理科學(xué)學(xué)報》，第1期，第15-32頁。

王庭東、尹麗麗，2024，“數(shù)據(jù)要素參與對企業(yè)資本配置效率的影響研究”，《南方經(jīng)濟》，第9期，第1-24頁。

周業(yè)安，2019，“‘種草經(jīng)濟'：新經(jīng)濟、新問題與新政策”，《人民論壇》，第30期，第62-64頁。

宗計川、付嘉、包特，2017b，“交易者認知能力與金融資產(chǎn)價格泡沫：一個實驗研究”，《世界經(jīng)濟》，第6期，第167-192頁。

宗計川、李紀陽、戴蕓，2020，“慕'名'而來的投資偏誤——有限關(guān)注視角下的實證檢驗”，《管理科學(xué)學(xué)報》，第7期，第27-56頁。

宗計川、朱鑫鑫、隋聰，2017a，“資產(chǎn)組合調(diào)整慣性行為研究：實驗室證據(jù)”，《管理科學(xué)學(xué)報》，第11期，第61-74頁。

Acemoglu，D.，Ozdaglar，.ndTSalehi，A，15SysteiciskandStabilityinanaltwoks”，AmeicanEcooievie，105（2）： 564-608.

Aliu，F(xiàn).，Aslni，do，S，“TeIpctfioGold，tVilitdexdlIe（U）liBased on VAR，SVAR，and Wavelet Coherence\"，Studies in Economics andFinance，41（1）： 64-87.

Aquilina，M.，udish，E.andOneil，“QuantifyingthegfrequncTrading‘ArsRace'”，hQuarterlyJoualofo-ics，137（1）： 493-564.

Bao，T.Ful，S.，eiJdZog，J24“Rdinterke？EpeaCrdtiadoyof，JalooBehavioramp;Organization，219：510-527.

Barber，B.M.andOdean，T.，02，“OnlineInvestors：DotheSowDieFirst？”，TheReviewofFinancialStudies，15（2）：455-488.

Barberis， N.， Shleifer， A. and Vishny， ..， 1998， \"A Model of lmvestor Sentiment\"， Journal of Financial Eeonomies， 49（3）： 307-343.

Barberis， N.， Huang， M. and Santos， 'T.， 2001，“Prospeet \"Theory and Asset Prices\"， The Quarterly journal of Eeonomies， 1161）;： 1-53

Bar， M.. Mullainathan， $. and $halir， E.. 2008， \"Behaviorally lnformed Financial Services Regulation\"， New America Foundation.Bazey， W.. Cronqvist， H. and Mormann， M.. 2021，\"Visual Finance： The Pervasive Effects of Red on lnvestor Behavior\"， Management Science，67（9）：5616-5641.

Benartzi， S. and Thaler， R.H， 1995， \"Myopie Loss Aversion and the Equity Premium Puzle\"， The Quarterly Journal of Eeonomies， 110（1）：73-92.

Bhui， R. and Jiao， P.， 2023， “Attention Constraints and Learning in Categories\"， Management Science， 69（9）： 5394-5404.

Brogaard， J.， Hendershott， T. and Riordan， R.， 2014， \"High-Frequeney Trading and Price Discovery\"， The Review of Financial Studies， 27（8）：2267-2306.

Cen， X.. 2024， “Smartphone Trading Technology， lnvestor Behavior， and Mutual Fund Performance\"， Management Science， 70（10）： 6897-6916.

Chang， Y.C. and Cheng， H.W.， 2015， \"lnformation Environment and lnvestor Behavior\"， joumal of Bankingamp; Finance， 59： 250-264.

Chen， .. Pelger， M. and Zhu， ..， 2024， “Deep Leaming in Asset Pricing\"， Management Seience， 70（2）： 714-750.

Daniel， K， Hirshleifer， D. and Subrahmanyam， A.， 1998， \"lnvestor Psychology and Security Market Under- and Overeactions\"， The Joumal of Finance.53（6）：1839-1885

Danfelsson，j.. 2008， “Blame the Models\"， Journal of Financial Stability， 4（4）： 321-328.

Danfelsson， j. and Shin， H.S.， 2003， “Endogenous Risk\"， Modern Risk Management： A History： 297-316.

Damielsson. .. 2002.“The Emperor Has No Clothes： Limits to Risk Modelling\". joumnal of Banking amp; Finanee. 267： 1273-1296

DietvorstB.J.mos，JPndMassyC5，“goritversio：eoleEoeslvodgriferSeig，o nal of Experimental Psychology： General，144（1）： 114-126.

Dorfliter，GndSheckenbach，22“TadingctivityoSocialadingPatfosAhavioalApproach，hJoualfiskF nance，23（1）： 32-54.

Eppler，M.J.andMengis，Jo8“TeCoceptofIforatioOverload-ARevieofLiteraturefromOrgantionSenc，coting Marketing，MS，ndRelatedDisciplines （04）\"，Kommunikationsmanagementim Wandel： Beitrageus10Jhrenmcinitte， 271-305.

Eshet，Y.2ODialicyoepalFokfoivaliiialEra，Joualutial Hypermedia，13（1）： 93-106.

Fekrazad，A.，an，.ndSardar，N“SocialMediaSentientandeStok arket，JoualofonoisandFnane，46（2）： 397-419.

Jones，C.I.andToneti，C.Oo，“NonivalryandtheEconomicsofData”，AmericanEconomicReview，0（9）：2819-2858.

Goel， ..， Anderson， .， Holman， J. and Wats， D.， 2015， \"The Structurl Virality of Online Difusion\"， Management Seience，62（1）;： 180-196

Goldstein， .. 0zdenoren， E. and Yuan， K.， 2013， \"Trading Frenzies and Their lmpact on Real lnvestment\"， joural of Financial Economics.109（2）： 566-582.

Gonzales， R.M.D， and Hargreaves， C.A..2022. \"How Can We Use Arificial intelligenee for Stoek Reeommendation and Risk Management？A Proposed Decision Support System\"， lntemnational journal of Information Management Data Insights， 2（2）： 100130.

Hilbert， M. and López， P.， 2011， “The World's Technological Capaeity to Store， Communicate， and Compute Inormation\"， Scienee， 332（6025）： 60-65.

Kirilenko，A.Kyle，A.Samadi，.andTuzun，T17，“TheFashCrash：High-FreqencTradinginanEectronicMarket，Jour nal of Finance，72（3）： 967-998.

Klayman，J.，1995，\"Varieties of Confirmation Bias\"，Psychology ofLearning and Motivation，32： 385-418.

Kou，G.，Chao，Xeng，Y.，saadi.ndrrraVdaE19“acneLagetodfoteiciskasi cial Sectors\"，Technological and Economic Development of Economy，25（5）： 716-742.

Kremer，S.andNautz，D.13，“CausesandConsequencsofSortTerIsitutioalHerding\"，JualofBnkingamp;nae，（5）： 1676-1686.

Kumiega，A.adVanVietB.，1“AutomatedFinance：eAssumptionsandBehaviralspctsofgrihicTrading，Jualf Behavioral Finance，13（1）： 51-55.

Laudenbach， ... Ungeheuer， M. and Weber， .， 2022. “How to Alleviate Corelation Negleet in investment Deeisions\". Management Seienee.69（6）： 3400-3414.

Lehrer， S.， Xie， T. and Zhang， X.. 2021， “Social Media Sentiment， Model Uneerainty， and Volatility Forecasting\"， Economic Modelling， 102.105556.

Lucas，R.E.1976，\"EconometricPolicyEvaluation：ACitique\"，Carnegie-RochesterConfereneSeriesonPublicPolicy，：19-46.

Merkle，C.andWeber，M.，2014，“DoInvestorsPutTheirMoneyWhereTheirMouthIs？StockMarketExpectatiosandInvestingBeavior\"， Journal of Bankingamp; Finance，46： 372-386.

Michael，T.，1995，“Twin Peaks：ARegulatory Structureforthe New Century\"，Centreforthe StudyofFinancial Innovation.

Nazareth，N.andRedy，.VR23，F(xiàn)anialAplicatiosofacneLeaing：ALiteratureRevie\"，ExpertSystesithctions，219： 119640.

Noris， P.. 2001， Digital Divide： Civie Engagement， nformation Poverty， and the internet Worldwide， Cambridge： Cambridge University Press

Ovenivi.， ..D.. Ugochukwu， C.E. and Mhlongo， N.， 2024，\" Analyzing the lmpaet of Algorithmie Trading on Stock Market Behavior： A Comprehensive Review\"， World Journal of Advanced Engineering Technology and Sciences， 11（2）： 437-453.

Pariser， E.， 201 1， The Filter Bubble： What The Internet Is Hiding From You， London： Penguin Press.

Rahwan，I.，Cebrian，M.，Obradovich，N.，etal.，2O19，“MachineBehaviour\"，Nature，568（7753）：477-486.

Rudin，C.，2O19，“StopExplainingBlackBoxMachineLearningModelsforHighStakesDecisionsandUseInterpretableModelsIstead”， Nature Machine Intelligence，1（5）： 206-215.

Shleifer，A.，2Ooo，IneffcientMarkets：AnIntroduction toBehaviouralFinance，Oxford： OxfordUniversityPress.

Simon，H.A.，1972，“Theories of Bounded Rationality\".Decision and Organization，1（1）：161-176.

Smailovic，JjcJrca.darsi，dzti，5“ogiStitingthaanio”， in2015 IEEE InternationalConference onData Scienceand Advanced Analytics （DSAA）.

Soros，G.，2O15，TheAlchemyofFinance，NewYork：JohnWileyamp;Sons.

Vosoughi，S.，Roy，D.andAral，S.2018，“The Spreadof True andFalseNewsOnline\"，Science，359（638O）：1146-1151.

Wang，A.2O11“TeEfsoesetKnowdgeandVisualComucatiosonompresioofIvestmentiscosures，oul ofFinancial Services Marketing，16（2）：125-138.

Weller，B.M.，18，“DosgoriticadingReduceIforationAcqusitio”，eeviewofacialSdies，1（6）：846.

Behavioral Choices，MarketRisks，and Conduct Regulationin the Era ofDigital Finance

Zong Jichuan Zhu Xinxin

Abstract：TheCentralFinancialWorkConferenceemphasizedthatdevelopingdigitalfinanceisessntialforpromotinghighqualityeconomicdevelopment.Through technological empowerment，digitalfinancehasefectivelyenancedthebreadth， depth，and precisionoffinancial services，creating vastopportunities foradvancing inclusivefinance and serving the highqualitydevelopmentofthereal economy.However，whiledigital technology injectsnewmomentuminto innovativedevelopment，italsofundamentallytransformstheinteractionbetweeninvestorsandfinancialmarkets，ntroducingcomplexchallengesfor market stabilityand regulatoryoversight.

Digitalfinance is reshaping the microfoundations of investmentdecision-making with anovellogic，causing endogenous risksinthefinancial system toexhibitnewcharacteristicsofnon-linear transmission，decentralizeddifusion，andcrosssectorintertwining.Theseemergentriskpattrnsdifersignificantlyfromtrditionalfinancialrisks，astheyoriginatefromthe systemitselfratherthanfromexternalshocks，making them particularlychalenging toidentifyandmitigatethrough conventional regulatory approaches.

Basedonexisting literature，this paper systematicall examines the profound changes in three dimensions of investors' decision-makingenvironmentinthedigitalfinancera.First，intheinformationenvironment，digitaltechnologyhasexonentiallincreasedthvolumeoffinancialinformatioavailabletoinvestorshilesimultaneouslychanginginformationtrasmissiondynamicsandexteralities.Second，inthedigitalevironment，agorithm-drivendecision-makingintroducesnewuncer taintiesstemmingfromthe\"blackbox\"natureofcomplexalgorithmsand wideningdigitaldividesamongdiffrent investor groups.Third，inthetradingenvironment，theexpansionoftradingchannels，theriseofhigh-frequencytading，ndtheadvent of novel trading mechanisms collectively transform market microstructure and competitive dynamics.

The paper demonstrates how these new uncertain decision-making environments are reshaping investors' cognitive frameworksandhavioralchoices.Attheindividuallevel，informationoverloadleadsinvestors toelyincreasiglyonheuristic processing methods，whilealgorithmrecommendationsand multi-modal self-mediaalterthe way external information guidesinvestordcision-making.Attheinstitutionallevel，digitaltechnologydrivesthesystematizationandmodularzationof investment decisions， with high-frequency trading fundamentally changing market ecology.

Furthermore，the research analyzes the transmisson mechanisms between new patterns of investor behavior and the evolutionof endogenous isksinthefiancialsystem.These mechanismsincludeacceleratedcross-market tansmisionof ivestorsentiment，hiddenccumulationofbehavioralbiases，homogenizationofinstitutionalcompetition，centralizationofplat forms，andcomplexificationoffinancialinnovation，allofwhichcantransformindividualrisksintosystemicthreats.

In response to these changes，traditional regulatory approaches oriented toward compliance and emphasizing ex-ante prudenceand ex-posthandling prove inadequate.Regulatoryauthorities need to transformtheir regulatoryphilosophyand fullleveragethekeyroleofconductregulationinbalancingdigitalfinancialinnovationandriskprevention.Thisrequires buildingacomprehensivebehavioralregulatoryframeworkthatcoversallbusiness formatsandextendsthroughouttheentire chainoffinancialactivities.Futureresearchshouldfurtherexploretheinfluencemechanisms ofdigital technologyoninvestor behavior，evaluatetheexternalitiesofdigitalfiancialinovation，ndassess thepolicyeffectsofonductegulationpovidingacademic support forconstructingacolaborative governanceframework that ensures digital finance can developsafely while maintaining its innovative potential.

Keywords： Digital Finance; Behavioral Choice; Endogenous Risk; Conduct Regulation

（責(zé)任編輯：張瑞志）