行为金融学（Behavioral Finance）是融合心理学、社会学与传统金融学的交叉学科，旨在解释投资者在真实市场中表现出的系统性非理性行为。与传统金融学假设"理性人"不同，行为金融学认为投资者受认知偏差和情绪影响，其决策往往偏离最优结果，进而导致市场价格偏离基本面价值。
在传统金融学框架中，核心假设包括：
- 有效市场假说（EMH）：资产价格充分反映所有可得信息，投资者无法持续获得超额收益
- 理性人假设：投资者具有完美信息处理能力，追求效用最大化，决策基于期望效用理论（Expected Utility Theory）
- 套利机制：一旦价格偏离基本面，理性套利者会立即入场，将价格拉回合理水平
然而，大量实证研究表明市场存在无法用传统理论解释的异象（Anomalies）：
| 市场异象 |
描述 |
对EMH的挑战 |
| 日历效应 |
一月效应、周一效应 |
若市场有效，日历不应影响收益 |
| 动量效应 |
过去表现好的股票持续走强 |
价格应随机游走，不应存在趋势 |
| 反转效应 |
长期表现差的股票会反弹 |
过度反应后的价格纠正 |
| 规模效应 |
小盘股长期收益大于大盘股 |
风险因素无法完全解释 |
| 波动率聚集 |
高波动期后往往跟随高波动 |
价格波动应随机分布 |
关键洞见：这些异象的存在表明，市场价格不仅反映基本面信息，还反映了投资者的心理偏差。
由 Daniel Kahneman 和 Amos Tversky 于1979年提出，是行为金融学最重要的理论基石，因此Kahneman于2002年获得诺贝尔经济学奖。
前景理论的核心公式：
V=i=1∑nπ(pi)⋅v(xi)
其中π(pi)是概率权重函数，v(xi)是价值函数。与传统期望效用理论的关键区别在于：
- 参考点依赖：价值取决于变化而非绝对水平
- 损失厌恶：同等损失的痛苦约为同等收益快乐的2-2.5倍
- 敏感度递减：离参考点越远，边际敏感度越低
价值函数数学形式：
v(x)={xα−λ(−x)βif x≥0if x<0
其中λ>1是损失厌恶系数，Kahneman和Tversky的实验估计λ≈2.25，α≈β≈0.88。
具体数值示例：
假设有两个选择：
- 选择A：确定获得$500
- 选择B：50%概率获得$1000，50%概率获得$0
根据前景理论的价值函数（α=0.88,λ=2.25）：
- 选择A的价值：$v(500) = 500^{0.88} \approx 500^{0.88} $
计算：5000.88=e0.88⋅ln(500)=e0.88⋅6.2146=e5.4688≈237.6
- 选择B的期望价值：0.5⋅v(1000)+0.5⋅v(0)=0.5⋅10000.88=0.5⋅e0.88⋅ln(1000)=0.5⋅e0.88⋅6.9078=0.5⋅e6.0789≈0.5⋅436.5=218.3
237.6>218.3，因此大多数人在收益范围内表现出风险厌恶——选择确定的收益。
投资者会高估小概率事件、低估中高概率事件：
π(p)=(pγ+(1−p)γ)1/γpγ
Tversky和Kahneman估计γ≈0.61（收益域）和γ≈0.69（损失域），导致以下模式：
| 概率区间 |
投资者行为 |
实际例子 |
| 小概率（<10%） |
高估，过度反应 |
买彩票、买保险 |
| 中概率（30-70%） |
低估 |
低估市场下跌风险 |
| 大概率（>90%） |
低估确性 |
确定赚$100不如可能有$200的心动 |
买卖决策对比：
| 场景 |
传统理论预测 |
行为金融学预测 |
| 盈利状态卖出 |
卖与持有无差异 |
过早卖出（落袋为安） |
| 亏损状态卖出 |
卖与持有无差异 |
过晚卖出（等回本） |
| 小概率暴涨 |
按概率理性分配 |
过度追求（彩票效应） |
| 小概率暴跌 |
按概率对冲 |
过度恐惧或完全忽视 |
Richard Thaler于1985年提出的概念，指出投资者在心理上将资金分配到不同"账户"，违背金钱的可替代性（Fungibility）。
经典实验：
- 情境A：你花$50买了电影票，到电影院发现票丢了，是否愿意再花$50买票？
- 情境B：你准备去电影院买$50的票，到后发现丢了$50现金，是否愿意继续买票？
从经济学角度看，两种情况都是损失$50，但心理核算导致了截然不同的决策。在情境A中，$50票和$50再购票被归入同一"娱乐账户"，总计$100的成本被认为过高；而在情境B中，现金损失被归入"日常账户"，票务决策仍按$50核算。
在投资中的表现：
- 投资者将本金和利润分开看待——"这反正是赚来的钱"导致风险偏好改变
- 对不同投资组合（如退休金账户、教育基金）设置不同的风险容忍度
- 倾向出售盈利股票（怕利润消失）而保留亏损股票（等回本），即处置效应
定义：系统性地高估自身知识、判断力和控制能力。
实证数据：
- 一项针对10,000个期权交易账户的研究发现，交易最频繁的20%投资者年化收益比最不活跃的投资者低约7%
- Barber 和 Odean（2000）研究表明，男性交易频率比女性高45%，扣除交易成本后年化收益低1.4%（男性11.4% vs 女性12.7%）
- 问卷调查中，93%的美国司机认为自己的驾驶水平在平均水平以上——统计学上不可能
具体案例：著名对冲基金长期资本管理公司（LTCM, 1994-1998）的团队包含两位诺贝尔奖得主（Myron Scholes和Robert Merton），他们过度自信于自己的量化模型，杠杆率高达25:1以上。1998年俄罗斯债务违约引发连锁反应，LTCM在4个月内损失46亿美元，最终被美联储组织14家银行注资36亿美元救助。
投资表现数据：
| 交易频率分位 |
平均月度换手率 |
年化收益（扣除成本后） |
| 最低20% |
1.2% |
18.5% |
| 中间60% |
8.7% |
15.3% |
| 最高20% |
21.3% |
11.4% |
数据来源：Barber & Odean, 2000，基于1991-1996年66,465个家庭账户
定义：同等规模的损失带来的心理效用变化的绝对值，是收益的约2倍。
心理测量实验：
参与者被问道："你愿意接受一个50%概率损失X元、50%概率收益Y元的赌注吗？"
当Y/X分别取以下值时，参与者表示愿意的比例：
| 收益/损失比 |
愿意参与比例 |
| 1:1（赚$100/亏$100） |
约20% |
| 2:1（赚$200/亏$100） |
约35% |
| 3:1（赚$300/亏$100） |
约50% |
| 4:1（赚$400/亏$100） |
约65% |
只有在收益潜力约为损失的2-2.5倍时，才有一半的人愿意参与——这验证了前景理论中λ≈2.25的估计。
市场表现：
- 处置效应：Odean（1998）分析10,000个交易账户，发现投资者实现盈利交易的比例比实现亏损交易的比例高50%
- 具体而言，投资者卖出的股票在随后12个月中平均跑赢他们持有的亏损股3.4%
定义：在做判断时过度依赖最先获得的信息（锚），后续调整不足以修正初始印象。
经典实验（Kahneman & Tversky, 1974）：
- 参与者被要求估计联合国中非洲国家的比例
- 首先随机旋转一个幸运转盘（实际在1-100之间）
- 转盘显示10的组中位数估计值为25%
- 转盘显示65的组中位数估计值为45%
两个组面对完全相同的问题，仅仅因为初始"锚"不同，估计值就相差了20个百分点。
投资中的锚定：
- 投资者以买入价作为锚，不愿以低于买入价的价格卖出（与损失厌恶协同作用）
- 分析师以历史价格作为锚，对新信息的反应不足
- IPO定价中的锚定效应：首日定价往往接近初步价格范围
实证数据：
George和Hwang（2004）的研究表明，过去52周的最高价对投资者决策产生持续影响。当股价接近52周高点时，投资者倾向于卖出（感觉贵），当股价远离52周高点时，投资者倾向于买入（感觉便宜），这种现象持续存在，无法用基本面因素解释。
定义：倾向于寻找、关注和记忆与既有信念一致的信息，忽视或低估相反的证据。
经典实验（Lord, Ross & Lepper, 1979）：
- 选择对死刑持对立观点的两组参与者
- 两组的证据完全相同：一组看到支持死刑的研究，另一组看到反对死刑的研究
- 结果：两组都变得更加坚定——认为支持自己观点的方法论严谨，反对自己观点的方法论有缺陷
- 结论：同样的事实使对立双方更加极化
投资影响：
- 持有某只股票后，投资者会选择性关注利好消息
- 当出现利空时，倾向于认为"市场反应过度"或"短期噪音"
- 导致过度集中持仓和无法及时止损
量化研究：
Park等人（2013）研究在线投资论坛的用户行为，发现：
- 发帖看多的用户在股价下跌后，发帖频率反而增加（试图证明自己正确）
- 看多帖子中引用"技术面分析"的比例在下跌后从18%上升到37%
- 这些用户最终实现的平均亏损为-23%，而论坛整体为-8%
定义：根据"看起来是否像某个类别"来做判断，忽略基础概率。
经典问题：
描述："Linda 31岁，在大学主修哲学，曾参与反对核武器的游行。"
然后问：哪种可能性更大？
A. Linda是银行柜员
B. Linda是银行柜员且积极参加女权运动
尽管从概率学角度看，A（单一条件）的概率永远大于等于B（A∩另一个条件），但85%的人选择了B——因为描述和"积极参与女权运动的银行柜员"在心理上更匹配。
投资中的表现：
- 好公司≠好股票：投资者看到一家出色的公司（如1999年的思科），就认为其股票也会表现出色，但高股价已反映了优质基本面
- 趋势推断：连续3年上涨的基金，投资者认为明年也会涨——但基金业绩的持续性极低（Carhart, 1997研究表明，过去3年表现最好的基金在未来3年反而不及表现最差的基金）
具体数据：Carhart（1997）的实证研究显示：
| 过去5年表现分位 |
未来5年年化收益 |
| 前10%（绩优基金） |
8.2% |
| 第2个10% |
9.1% |
| ... |
... |
| 后10%（绩差基金） |
12.3% |
绩优基金跑输绩差基金4.1个百分点——代表性启发让投资者追逐过去表现，但过去不代表未来。
定义：高估容易回忆或想象的事件发生的概率。
实证：
- 癌症 vs 中风：人们认为癌症导致的死亡人数更多，但实际上中风每年致死约比癌症多30%（美国数据）
- 飞机 vs 汽车：人们高估飞机事故死亡概率，但汽车事故死亡风险约是飞机的70倍
- 极端事件：2008年金融危机后，投资者对银行股的风险偏好大幅下降，即使银行股估值已极具吸引力
市场效应：
- 近期主导：最近一周的收益对投资者情绪的影响比三个月前的收益大3-5倍
- 媒体放大：媒体对某类事件的高频报道直接增加了该事件在投资者心中的"可得性"，进而影响资产定价
Taxi Driver实验（Camerer et al., 1997）：
纽约出租车司机每天需要交固定租金，之后收入归己。按照经济学的最优决策，司机应该在收入高的日子多工作（因为时薪高），在收入低的日子少工作。
实际行为恰好相反：
- 司机设定每日收入目标（心理账户封顶）
- 达到目标就收工，没达到就加班
- 结果：时薪$30/小时的时候工作8小时，时薪$15/小时的时候工作12小时
- 这意味着年收入减少约15%
历史上的著名泡沫都遵循相似的心理模式：
| 泡沫事件 |
时间 |
涨幅 |
跌幅 |
核心心理偏差 |
| 荷兰郁金香狂热 |
1634-1637 |
5900% |
93% |
从众、过度乐观 |
| 南海泡沫 |
1720 |
800% |
84% |
锚定、贪婪 |
| 1929年美国股市 |
1927-1929 |
200% |
89% |
过度自信、代表性 |
| 日本泡沫经济 |
1985-1990 |
380% |
63% |
锚定、确认偏差 |
| 纳斯达克泡沫 |
1998-2000 |
400% |
78% |
新颖性偏差、过度乐观 |
| 中国股市2015 |
2014-2015 |
150% |
45% |
杠杆驱动、从众 |
| 比特币2017 |
2017 |
2000% |
84% |
FOMO、叙事驱动 |
| 狗狗币2021 |
2021 |
12000% |
90% |
社交媒体从众 |
泡沫生命周期模型：
- 启动阶段：新技术或制度变化（如互联网、加密货币）
- 吸引阶段：早期成功故事被广泛传播（可得性偏差启动）
- 繁荣阶段：价格上涨吸引更多参与者（从众效应强化）
- 狂热阶段：理性声音被淹没（确认偏差），价格与基本面脱钩
- 崩盘阶段：触发因素出现，恐慌式抛售（损失厌恶反向作用）
具体案例——2000年互联网泡沫：
- 1998-2000年间，纳斯达克指数从1500点涨至5048点
- 期间超过600家互联网公司上市
- 到2002年10月，纳斯达克跌至1114点，跌幅78%
- 超过50%的互联网公司破产
- 亚马逊股价从$107跌至$6（下跌94%），但此后20年年化涨幅超30%
行为金融学解释：新颖性（New Economy叙事）、过度乐观（Everyone agrees internet is the future）、代表性启发（AOL的1000倍回报让每个.com公司看起来都一样）、锚定失效（缺乏历史锚点）。
定义：投资者放弃自己的信息和分析，跟随大众的决策行为。
实验证据：
Asch（1951）的经典从众实验：参与者被要求判断线段长度，当其他"演员"给出明显错误的答案时，约75%的参与者至少在1次实验中选择了从众。
金融市场实证：
Sias（2004）基于1983-1997年机构持仓数据发现：
- 机构投资者买入某股票的概率与同期其他机构买入该股票的概率正相关
- 约70%的机构交易行为可以用羊群效应解释
- 羊群效应在小盘股中尤为明显（信息不对称程度更高）
机构羊群效应的后果：
- 加剧价格波动：当机构同时买入时，价格被推高超出合理价位
- 增加系统性风险：机构同时卖出导致流动性危机
- 研究表明，被机构密集持有的股票波动率高出平均水平约20%
定义：投资者倾向于过早卖出盈利股票，过晚卖出亏损股票。
Shefrin & Statman（1985）的经典框架：
处置效应源于三个心理因素的结合：
- 前景理论的损失厌恶：卖出亏损股意味着"实现损失"，心理痛苦大
- 心理核算：每个股票都有独立的心理账户
- 后悔规避：不卖出亏损股就等于"还未亏损"，可以避免后悔
量化实证：
Odean（1998）基于1987-1993年10,000个折扣经纪商账户的研究：
| 类别 |
数据 |
| 已实现盈利/有盈利的总数 |
31.8%（即盈利时抛售比例） |
| 已实现亏损/有亏损的总数 |
15.6%（即亏损时抛售比例） |
| 处置效应比率 |
2.04（盈利抛售倾向是亏损的2倍） |
| 卖出的盈利股后续表现 |
12个月后跑赢卖出的亏损股3.4% |
| 持有的亏损股后续表现 |
12个月后继续跑输市场约1% |
最新研究：
Ben-David和Hirshleifer（2012）用更全面的数据发现：
- 实际处置效应约为1.5倍（考虑部分卖出情形）
- 在12月/1月因税收因素减弱
- 专业投资者（机构）的处置效应低于个人投资者，但仍显著存在
在长期投资中，投资者关注短期波动而忽略长期趋势。如果每5分钟查看一次股价，美国股市在1926-2020年间有约50%的时间在下跌；但如果每年看一次，仅有约27%的年份下跌；每10年看一次，零下跌。
| 查看频率 |
亏损观察比例 |
投资决策偏差 |
| 每天 |
~49% |
频繁买卖、过度反应 |
| 每月 |
~38% |
适度交易 |
| 每年 |
~27% |
持有为主 |
| 每10年 |
0% |
长期持有 |
理论基础：过度反应假说——投资者对新信息反应过度，导致股价偏离基本面，随后价格会回归。
De Bondt & Thaler（1985）的经典发现：
- 选取1926-1982年间的纽约证券交易所股票
- 将过去3-5年表现最差的35只股票（输家组合）和表现最好的35只股票（赢家组合）对比
- 输家组合在未来3-5年跑赢赢家组合约25%
具体收益数据：
| 持有期 |
输家组合收益 |
赢家组合收益 |
超额收益 |
| 1年 |
+12.6% |
+7.2% |
+5.4% |
| 2年 |
+26.9% |
+11.5% |
+15.4% |
| 3年 |
+38.3% |
+12.4% |
+25.9% |
策略操作：
- 筛选过去3年跌幅超过50%的股票
- 确认基本面未发生永久性恶化（排除价值陷阱）
- 分批建仓，持有3-5年
- 定期再平衡，止盈亏损股
风险：
- 价值陷阱可能持续多年（如2000年的传统媒体股）
- 极端行情下跌幅可能继续扩大
- 需要极强的心理承受能力
价值投资并非纯粹的行为金融策略，但其有效性可从心理偏差角度理解：
| 价值溢价来源 |
行为金融学解释 |
实证支持 |
| 过度反应 |
投资者对坏消息过度悲观 |
De Bondt & Thaler, 1985 |
| 代表性启发 |
好公司≠好股票，投资者错判概率 |
Lakonishok et al., 1994 |
| 狭窄框架 |
忽视长期均值回归 |
Fama & French, 1992 |
| 缺乏耐心 |
价值股修复需时间，投资者无耐心 |
价值股通常3-5年才能实现回归 |
Fama-French（1992）三因子模型中的HML（High minus Low）因子：
E(Ri)−Rf=βi⋅(E(Rm)−Rf)+si⋅SMB+hi⋅HML
其中HML因子（账面市值比）的年化溢价约为3-5%。1927-2020年间，价值股（市净率最低的30%）的年化收益为14.8%，成长股（市净率最高的30%）为9.6%，差额5.2%/年。
理论基础：反应不足假说——投资者对新信息反应缓慢，导致趋势延续。
Jegadeesh & Titman（1993）的里程碑式发现：
- 买入过去3-12个月表现最好的股票，卖出表现最差的股票
- 持有3-12个月，平均月超额收益约1%（年化12%+）
- 该策略在1965-1989年间持续有效
动量策略收益分解：
| 持有期 |
赢家组合月收益 |
输家组合月收益 |
动量策略月收益 |
| 3个月 |
+1.43% |
-0.75% |
+2.18% |
| 6个月 |
+1.37% |
-0.58% |
+1.95% |
| 9个月 |
+1.29% |
-0.32% |
+1.61% |
| 12个月 |
+1.17% |
-0.28% |
+1.45% |
心理机制：
- 初始反应不足：投资者对新信息锚定于旧观点（保守主义偏差），股价对新利好反应缓慢
- 后续过度反应：随着趋势确认，更多投资者加入（羊群效应+代表性启发），股价被推升超出合理范围
- 反转：动量周期约为3-12个月，之后出现均值回归（输家反弹）
动量崩溃风险：
- 在2009年3月市场触底反弹期间，动量策略一个月亏损超过50%（此前做空的大幅反弹）
- 2000年科技泡沫破裂时，动量策略也遭遇巨亏（此前持仓的科技股暴跌）
- 2009年1-3月，沪深300下跌28%，动量策略亏损约40%
行为金融学优势：
- 机械性卖出盈利资产、买入亏损资产——对抗处置效应
- 自动实现"低买高卖"——利用市场过度反应
- 消除情绪干扰——规则化操作
再平衡方案对比：
| 方案 |
操作方式 |
年化收益（1985-2020） |
最大回撤 |
| 不调整 |
买入持有 |
7.2% |
-50.9% |
| 年度再平衡 |
每年调整一次 |
8.1% |
-44.2% |
| 季度再平衡 |
每季度调整一次 |
8.4% |
-42.5% |
| 月频再平衡 |
每月调整一次 |
8.3% |
-43.1% |
| 阈值触发 |
偏离超过5%时调整 |
8.6% |
-41.8% |
假设：60%股/40%债组合，S&P500+美国国债
认知偏差检查清单：
- 买入前是否做了全面的卖空分析？（对抗确认偏差）
- 决策是否受到了近期事件的影响？（对抗可得性偏差）
- 是否因为股价下跌而更想"抄底"？（对抗锚定）
- 止损位是否已经偏离？（对抗处置效应）
- 该决策有独特信息还是仅仅跟随趋势？（对抗从众）
行为投资组合构建原则：
| 原则 |
针对的偏差 |
具体做法 |
| 分层配置 |
心理核算 |
将资金分为"安全层"（债券）、"增长层"（股票）、"机会层"（另类） |
| 规则化交易 |
过度自信 |
设定买入计划而非随意交易 |
| 再平衡纪律 |
处置效应 |
定期机械调整，不预测市场 |
| 多时间框架 |
狭窄框架 |
检查3个月、1年、5年的收益和风险 |
| 投资委员会 |
确认偏差 |
指定"魔鬼代言人"角色，挑战每个决策 |
IPO定价中的行为因素：
- 首次公开募股往往存在首日折价（Underpricing），全球平均首日收益约15%
- 行为解释：发行人市场"热"时利用投资者过度乐观，如1999-2000年
- Loughran & Ritter（2002）发现，IPO数量与市场表现正相关——公司在市场顶部（投资者最乐观时）集中上市
分红政策的行为解释：
Shefrin & Statman（1984）：
- 自我控制理论：投资者要求分红作为"不花本金"的自我约束机制
- 心理核算：将股息收入归入"可消费账户"，资本利得归入"不可消费账户"
- 这解释了为什么在税收上不利的现金分红仍然普遍
Richard Thaler和Cass Sunstein提出，利用行为金融学原理可以设计更好的政策和金融产品：
| 应用领域 |
行为助推 |
效果 |
| 退休金计划 |
自动加入 + 自动升级 |
参与率从42%提高到92% |
| 金融披露 |
简化格式 + 可视化费用 |
投资者选择低成本基金的比例提高25% |
| 信用卡还款 |
显示最低还款额以外的信息 |
月还款提高平均13% |
| 能源消费 |
邻居对比 |
能源消耗下降2-4% |
401(k)自动加入的经典案例：
- 传统：员工需要主动选择加入——参与率约42%
- 行为设计：员工自动加入，不愿意可以退出——参与率升至92%
- 再增加"自动升级"（每年自动提高缴存比例）——储蓄率从3.5%升至13.6%
- 这个简单的制度设计变化，预计使退休储蓄总额提高约50%
- 缺乏统一的理论框架：更多是"异象清单"，而非自洽的理论体系
- 无法预测：知道投资者有偏差不代表能预测市场走向
- 学习效应：长期来看，专业投资者通过经验减少偏差，市场变得更有效率
- 幸存者偏差：行为偏差最大的投资者亏损退出，留下的是更理性的投资者
为解决缺乏统一框架的问题，学者们提出了行为版本的CAPM模型：
E(Ri)=Rf+βi⋅(E(Rm)−Rf)+γ⋅NOISEi+δ⋅SENTIMENTi
其中NOISEi是噪音交易者风险，SENTIMENTi是投资者情绪因子。Shefrin & Statman（1994）的实证表明，加入情绪因子后模型对截面收益的解释力提高约15-20%。
| 维度 |
有效市场假说 |
行为金融学 |
| 投资者理性 |
完全理性 |
有限理性，系统性偏差 |
| 价格效率 |
价格等于内在价值 |
价格偏离价值，偏差持续 |
| 套利限制 |
套利立即纠正偏差 |
套利成本高、风险大，偏差可持久 |
| 预测能力 |
不可能超额收益 |
部分异象可策略化 |
| 政策含义 |
市场最好不干预 |
积极设计制度（助推） |
现代共识：两者并非完全对立。Fama（1998）认为行为异象是"偶然模式"或"数据挖掘的结果"，而行为金融学则认为有效性在不同市场和时期有所不同。目前的学术共识是**"有限有效的市场"**——在大样本和时间序列上市场基本有效，但局部存在持续的行为异象。
行为金融学的核心贡献是将心理学实证研究融入金融分析框架，为理解市场现象提供了传统理论无法提供的洞见：
- 前景理论为风险决策提供了更符合实际的模型，其损失厌恶系数λ≈2.25已被大量实验验证
- 认知偏差清单（过度自信、损失厌恶、锚定、确认偏差、代表性启发、可得性偏差）解释了绝大多数市场异象
- 行为策略（逆向投资、价值投资、动量策略、定期再平衡）可利用偏差获利或减少偏差影响
- 行为设计（助推、自动加入、可视化披露）为金融产品设计和政策制定提供新思路
行为金融学的终极提醒：认识自己的偏差并不会消除它们，但能为决策提供一道审慎的缓冲层。最有效的投资纪律不是"克服人性"，而是设计规则让偏差无处发力。
- Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263-291.
- Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131.
- Thaler, R. H. (1985). Mental Accounting and Consumer Choice. Marketing Science, 4(3), 199-214.
- Barber, B. M., & Odean, T. (2000). Trading Is Hazardous to Your Wealth. Journal of Finance, 55(2), 773-806.
- Odean, T. (1998). Are Investors Reluctant to Realize Their Losses? Journal of Finance, 53(5), 1775-1798.
- De Bondt, W. F. M., & Thaler, R. (1985). Does the Stock Market Overreact? Journal of Finance, 40(3), 793-805.
- Jegadeesh, N., & Titman, S. (1993). Returns to Buying Winners and Selling Losers. Journal of Finance, 48(1), 65-91.
- Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns. Journal of Finance, 47(2), 427-465.
- Shiller, R. J. (2000). Irrational Exuberance. Princeton University Press.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.