论文部分内容阅读
摘要：本文以2016年1月至2019年12月上证50成分股各指标为样本，基于LSV模型测量各个月份市场的羊群效应指标，通过“文本挖掘法”构建金融科技发展指数，并进行金融科技对我国股票市场羊群效应影响的实证研究。研究发现：金融科技的发展显著影响了股票市场中的羊群效应，金融科技的发展能够有效降低股票市场中的羊群效应。接着，本文又从理论路径分析了金融科技降低羊群效应的作用机制。
关键词：金融科技 羊群效应 LSV模型 文本挖掘
一、引言
近年来，金融科技不断发展成熟，给传统的金融与投资模式带来巨大的变化，“智能投顾”“程序交易”等科技手段不断赋能投资行业的发展潜力。作为行为金融学经典模型之一的羊群效应，最早来源于生物学对动物行为的研究，而后随着不断发展用以衡量经济个体的从众跟风行为，本文基于LSV模型研究。
二、理论分析与假说提出
Lakonishok，Shleifer和Vishny（1992）首次提出使用LSV模型来检测投资者的羊群行为，结果证明小盘股的羊群效应更加明显。宋军和吴冲锋（2001）补充了LSV模型，研究我国1988—2000年证券投资基金的羊群行为，证明了羊群行为的存在。陈浩（2004）通过LSV模型分析了基金经理投资股票时的羊群行为，证明了羊群行为与股票规模有關。关于羊群效应的影响因素有颇多研究，但金融科技作为近年的新兴领域，尤其是实证方面，相关研究较少涉猎。杨望、徐慧琳、谭小芬、薛翔宇（2020）通过构建金融科技指数研究商业银行效率，研究结果表明金融科技能够显著促进商业银行效率的提升。但金融科技对于行为金融领域的研究较为匮乏，因此本文创新性将其结合起来，进一步研究金融科技对于投资者理性程度的影响。
有效市场假说认为市场的信息是充分且无成本的，所有人能够同时获得信息，但是现实中获取信息需要付出时间、金钱等成本，每个人所能掌握的信息也是不一样的。在这种情况下， 投资者采取一种他们认为的“简捷”方式：从他人的交易行为中获取信息，于是产生了羊群效应。另一方面，我国股票市场起步较晚，较欧美等发达国家而言发展尚不完善，而且市场中以散户投资者居多，容易盲目跟随他们认为具有投资能力的人，与他们做出相同的决策，因此也会造成羊群效应。而金融科技的发展成果也逐渐被应用在投资理财领域，很好地缓解了信息不对称，同时降低投资门槛，提高投资者的投资能力，基于以上分析，提出本文的两个假设：
假设1：金融科技的发展显著影响了股票市场中的羊群效应。
假设2：金融科技的发展能够有效降低股票市场中的羊群效应。
三、变量定义与模型设定
（一）研究样本与数据来源
本文选取上证50成分股作为研究样本。样本区间为2016年1月至2019年12月，共计五年。数据来源CSMAR数据库和锐思数据库。
（二）变量定义
1.被解释变量：羊群效应衡量指标。本文使用传统的LSV模型测量羊群效应的程度（Herding Measure，以下简称HM）。
其中，是i股票t时期的羊群效应，是i股票在t时期内的所有买方驱动单数量，是i股票在t时期内的所有卖方驱动单数量，是该股票买方驱动单占其总交易单比例在横截面上的平均值。为期望值调整项。
然后将个股的HM值以市值为权重进行加权得到市场t时期的羊群效应测度，也就是被解释变量。
2.核心解释变量：金融科技发展指数。目前在金融科技领域缺乏规范、全面的统计数据，为了能够衡量近年来金融科技发展的水平以及其影响程度，本文借鉴沈悦和郭品（2015）提出的“文本挖掘法”，利用百度指数来构建金融科技发展指数（FinTech）。具体做法如下： 第一，结合金融功能及金融科技的技术实现路径，从支付转账、融资渠道、风险控制、技术支持这四个维度选取构建金融科技发展指数的初始词库（见表1）;第二，借助百度数据库，统计计算金融科技各指标的月度词频。首先，统计 2016—2019年各月度各个指标的资讯数量，因为资讯数量与公民和企业的关注度、市场发展情况呈现正相关，能够很好地体现金融科技发展趋势。其次，统计每月新闻发布总数，由于百度数据库未公布每月新闻总数，本文借鉴教育部发布的《中国语言生活状况报告（2014）》，选取十大常用成语，并以其新闻数目作为月度新闻总数目的代理指标。然后，计算得出金融科技各指标月度词频;第三，运用相关分析法，筛选有效关键词。对初始关键词的月度词频进行标准化处理后，使用相关分析法，计算各个词频与羊群效应测度的相关系数，然后选取相关性较强的5个词频（大数据、金融科技、人工智能、云计算、区块链）来更新词库;第四，采用因子分析法，合成金融科技发展指数。用SPSS的因子分析法进行综合因子分析，计算出金融科技发展指数，再进行标准化处理，得到最终指数。
3.控制变量。对于控制变量的选取，以往的研究表明，股票的市值、股票的历史表现和信息的不确定性都与羊群行为程度密切相关，比如，Wermers（1999）指出，当公募基金投资小盘股和上季度拥有极端收益率的股票时，具有显著的羊群效应。Chan，Chen和Lakonishock（1999）发现，大部分基金经理的投资策略都与股票市值、账面市值比等因子有关。戴淑庾（2016）指出个股换手率降低能有效抑制羊群效应。因此，本文选取初步筛选后的上证50成分股的ROE、换手率、振幅、交易数量增量值、股票收益率标准差作为控制变量。进一步为了衡量市场水平，以个股市值作为权重对各个指标进行加权处理，得到最终代表市场水平的指标。
（三）模型设定与方法选择
为了检验金融科技对羊群效应的影响，设计以下计量模型：
其中，是股票市场羊群效应，是滞后9阶的金融科技发展指数，是所有的控制变量或者其相应的滞后项，是随机扰动项。 四、实证分析
（一）平稳性检验
由于模型中变量均是时间序列数据，为了避免出现伪回归的问题，对各个变量进行平稳性检验，本文选取ADF检验，检验结果表明（表3），所选取的时间序列数据均满足平稳性的要求，进而避免了伪回归。
（二）金融科技对羊群效应影响存在性检验
对模型中各参数采用最小二乘估计（OSL），估计结果如表4所示。
结果显示F统计量结果显著，说明联合变量对于羊群效应的解释显著。主要解释变量FinTech的回归系数t统计量显著，说明金融科技的发展显著影响了股票市场中的羊群效应，进而假设1得到验证。
这一结果证实了金融科技的发展能够对股票市场的羊群效应带来改变。换言之，在金融科技高速发展的背景下，一方面信息公开透明度增加，另一方面市场中有更多的工具可供投资者进行投资分析，使得投资者更加理性，不再盲目从众，因此羊群效应结果显著受到金融科技的影响。
（三）金融科技对羊群效应减弱效应的检验
根据回归结果，主要解释变量FinTech的回归系数显著为负，说明其对被解释变量是负相关的，即FinTech对于羊群效应的影响是反方向的，FinTech一定程度上抑制了股票市场中的羊群效应，假设2得到验证。这一结果证实了金融科技能显著降低羊群效应，使得市场向理性的方向发展。
五、稳健性检验
为了确保研究结论的稳健性与可信度，本文采用了替换解释变量法进行了如下稳健性检验：使用百度指数热词“金融科技”的月度词频替代合成的Fintech指数，作为核心解释变量解释羊群效应。稳健性检验的回归结果如表5所示：
回归结果显示，核心解释变量的回归显著性与回归系数的符号均未发生改变。说明结论具有稳健性，即金融科技的发展显著抑制了股票市场的羊群效应。
六、作用机理理论分析
实证结果证明了金融科技确实能够显著降低羊群效应，引导市场向理性化发展，具体而言，金融科技对于市场投资者从众心理的作用机制主要体现在以下几个层面：
（一）从个体投资者层面分析
羊群效应主要表现为对特定的或者临时的情境中的优势观念和行为方式的采纳，其产生原因一部分来自于个人对于群体压力表现得不自信，而随着金融科技的逐步发展，这种不自信行为由于新的工具、信息的加入而有所减弱，因此羊群行为都得以缓解，其具体表现如下：
1.个体投资者获得的信息层面。（1）金融科技有效增加市场信息透明度。随着“爬虫”“数据挖掘”技术在投资领域的运用，各类机构公司的信息的可得性显著增强，同时利用大数据、云计算等技术对海量信息进行提取筛选，获得更加准确的优质信息，增加信息供给量，缓解了信息不对称的现象。（2）智能投顾助力长尾客户个性化投资的实现。传统投资顾问“高门槛、高收费”，无法适应我国众多长尾客户的服务需求。因此，拥有门槛低、费率低且信息透明度高等优势特征的智能投资顾问平台应运而生。中产及以下收入人群庞大，存在强烈的资金管理及投资需求，智能投顾具有低门槛、低费用、投资标的范围广等优势，最重要的是智能投顾基于客户多元的理财目标提供丰富的定制化场景，针对不同风险偏好及投资期限为其个性化定制最佳投资组合，缓解了投资者投资能力不足的跟风投资行为。
2.投资方式便捷化层面。（1）金融科技为投资者提供更为便利的支付手段。互联网平台参与金融服务的主要切入点就是支付业务，互联网支付相较于传统支付更为便捷高效，节省了时间成本与费用成本，极大程度上促进了投资理财的交易可实现性，使得投资者进行交易的成本有效降低，进而促进投资者理性选择。（2）金融科技为投资者提供多元化的融资渠道。金融科技为银行的征信体系注入新鲜的血液，传统银行征信体系之下，小微投资者较难实现融资，但随着大数据、机器学习、数据挖掘的广泛应用，商业银行能够更为有效地制作小微用户的客户画像，更为精准地识别优质客户，使得普惠金融进一步发展。另一方面，互联网贷款逐渐兴起，也极大地开拓了融资渠道，多元化的融资渠道进一步提高了投资者的投资积极性，促进投资者理性投资，降低羊群效应。（3）互联网金融科技公司开拓多元化投资平台。金融科技的发展与互联网企业密不可分，随着技术的不断进步，互联网巨头借助技术优势，通过丰富场景、海量用户、网络信息逐渐渗透到支付、借贷、投资、保险等各个金融服务，形成金融科技头部平台。互联网金融科技公司已经逐渐渗透到金融理财领域，相较于传统金融机构，互联网金融科技企业为投资者提供更加广阔的平台以及更加便捷的投资理财方式。
（二）从机构投资者层面分析
对于机构的主动投资方面，金融科技在信息筛选、模型搭建方面表现较为突出，能够有效地辅助基金管理经理进行主动性投研决策。基于人工智能的投研系统，在数据采集、数据处理、算法优化方面远高于人力，一方面能够有效提高信息筛选能力，金融科技提供大数据、机器学习、爬虫等技术手段可以实现多渠道抓取信息，信息涵盖范围不仅仅包含传统的公告、研报、新闻等，而且也较大程度涉猎微博、论坛等市场情绪因子，信息面更加广泛，有利于提高信息的有效性，辅助科学投资决策。另一方面，为使得模型能够更有效地识别风险与收益，投资机构利用机器算法构建可用于历史回测、情景模拟、未来预测的智能风控、量化模型等。金融科技显著提高机构投资分析能力，促进理性投资，显著降低从众心理。
七、研究结论与启示
金融科技作为信息时代的产物，为传统的投资模式注入活力，显著改善了投资者盲目跟风的现象。本文的研究主要得出以下结论：一是金融科技的发展显著影响了股票市場中的羊群效应;二是金融科技的发展能够有效降低股票市场中的羊群效应。同时，本文又从理论路径分析了金融科技降低羊群效应的作用机制，结论显示：金融科技通过增加信息透明度、提高投资者投资能力、降低投资成本等方式提高投资者理性抉择的能力，进而降低从众现象。 根据本文的研究，结合我国金融科技的发展现状，得出以下的启示：
第一，金融科技能有效降低投资者盲目跟风的现象，因此应该重视金融科技对于投资的作用，大力发展以智能投顾为代表的个性化投资服务，充分挖掘市场中长尾客户群体的投资潜力，提高市场参与者的多元程度。
第二，有效利用金融科技提高风险识别机制，鉴于金融科技能够有效降低羊群效应，使得投资更加理性，因此应合理利用金融科技这一优势，构建风险识别模型，及时识别并发现市场中的风险，采取相应措施，可有效防范化解系统性金融危机的发生。
第三，金融科技的发展必然离不开监管，我国金融科技发展主要以创新商业模式为主，监管相对较为滞后，未来金融科技的发展将面临强监管，因此更好地规范相应的业务更是发展的重中之重。
第四，金融科技的发展虽然对于投资理财、资产管理行业产生巨大的影响，但发展相对还不十分成熟，例如对于资管行业而言，普遍以代客理财的轻资产运营模式为主，而且较为高度依赖传统业务经验、人际关系等定性因素，目前虽有智能投顾出现，但国内大多数平台仍采用人工方式服务。因此，还要逐步加大金融科技的投入，以促进资管行业差异化、跨越式发展。
参考文献：
[1]杨望，徐慧琳，谭小芬，薛翔宇.金融科技与商业银行效率——基于DEA-Malmquist模型的实证研究[J].國际金融研究，2020（07）：56-65.
[2]沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015（03）：160-175.
[3]张雅倩.分析师评级变动对我国基金羊群行为的影响[D].山东大学，2019.
[4]鲁多厘.分析师跟进对我国机构投资者羊群效应的影响研究[D].上海外国语大学，2020.
[5]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（04）：1489-1502.
[6]孙铭睿.金融科技的发展趋势与投资风险[J].国际融资，2020（12）：39-41.
[7]刘天宇.媒体报道、机构投资者羊群行为对股票价格的影响研究——基于LSV模型的实证分析[J].中国物价，2018（10）：48-51.
作者单位：西南财经大学
关键词：金融科技 羊群效应 LSV模型 文本挖掘
一、引言
近年来，金融科技不断发展成熟，给传统的金融与投资模式带来巨大的变化，“智能投顾”“程序交易”等科技手段不断赋能投资行业的发展潜力。作为行为金融学经典模型之一的羊群效应，最早来源于生物学对动物行为的研究，而后随着不断发展用以衡量经济个体的从众跟风行为，本文基于LSV模型研究。
二、理论分析与假说提出
Lakonishok，Shleifer和Vishny（1992）首次提出使用LSV模型来检测投资者的羊群行为，结果证明小盘股的羊群效应更加明显。宋军和吴冲锋（2001）补充了LSV模型，研究我国1988—2000年证券投资基金的羊群行为，证明了羊群行为的存在。陈浩（2004）通过LSV模型分析了基金经理投资股票时的羊群行为，证明了羊群行为与股票规模有關。关于羊群效应的影响因素有颇多研究，但金融科技作为近年的新兴领域，尤其是实证方面，相关研究较少涉猎。杨望、徐慧琳、谭小芬、薛翔宇（2020）通过构建金融科技指数研究商业银行效率，研究结果表明金融科技能够显著促进商业银行效率的提升。但金融科技对于行为金融领域的研究较为匮乏，因此本文创新性将其结合起来，进一步研究金融科技对于投资者理性程度的影响。
有效市场假说认为市场的信息是充分且无成本的，所有人能够同时获得信息，但是现实中获取信息需要付出时间、金钱等成本，每个人所能掌握的信息也是不一样的。在这种情况下， 投资者采取一种他们认为的“简捷”方式：从他人的交易行为中获取信息，于是产生了羊群效应。另一方面，我国股票市场起步较晚，较欧美等发达国家而言发展尚不完善，而且市场中以散户投资者居多，容易盲目跟随他们认为具有投资能力的人，与他们做出相同的决策，因此也会造成羊群效应。而金融科技的发展成果也逐渐被应用在投资理财领域，很好地缓解了信息不对称，同时降低投资门槛，提高投资者的投资能力，基于以上分析，提出本文的两个假设：
假设1：金融科技的发展显著影响了股票市场中的羊群效应。
假设2：金融科技的发展能够有效降低股票市场中的羊群效应。
三、变量定义与模型设定
（一）研究样本与数据来源
本文选取上证50成分股作为研究样本。样本区间为2016年1月至2019年12月，共计五年。数据来源CSMAR数据库和锐思数据库。
（二）变量定义
1.被解释变量：羊群效应衡量指标。本文使用传统的LSV模型测量羊群效应的程度（Herding Measure，以下简称HM）。
其中，是i股票t时期的羊群效应，是i股票在t时期内的所有买方驱动单数量，是i股票在t时期内的所有卖方驱动单数量，是该股票买方驱动单占其总交易单比例在横截面上的平均值。为期望值调整项。
然后将个股的HM值以市值为权重进行加权得到市场t时期的羊群效应测度，也就是被解释变量。
2.核心解释变量：金融科技发展指数。目前在金融科技领域缺乏规范、全面的统计数据，为了能够衡量近年来金融科技发展的水平以及其影响程度，本文借鉴沈悦和郭品（2015）提出的“文本挖掘法”，利用百度指数来构建金融科技发展指数（FinTech）。具体做法如下： 第一，结合金融功能及金融科技的技术实现路径，从支付转账、融资渠道、风险控制、技术支持这四个维度选取构建金融科技发展指数的初始词库（见表1）;第二，借助百度数据库，统计计算金融科技各指标的月度词频。首先，统计 2016—2019年各月度各个指标的资讯数量，因为资讯数量与公民和企业的关注度、市场发展情况呈现正相关，能够很好地体现金融科技发展趋势。其次，统计每月新闻发布总数，由于百度数据库未公布每月新闻总数，本文借鉴教育部发布的《中国语言生活状况报告（2014）》，选取十大常用成语，并以其新闻数目作为月度新闻总数目的代理指标。然后，计算得出金融科技各指标月度词频;第三，运用相关分析法，筛选有效关键词。对初始关键词的月度词频进行标准化处理后，使用相关分析法，计算各个词频与羊群效应测度的相关系数，然后选取相关性较强的5个词频（大数据、金融科技、人工智能、云计算、区块链）来更新词库;第四，采用因子分析法，合成金融科技发展指数。用SPSS的因子分析法进行综合因子分析，计算出金融科技发展指数，再进行标准化处理，得到最终指数。
3.控制变量。对于控制变量的选取，以往的研究表明，股票的市值、股票的历史表现和信息的不确定性都与羊群行为程度密切相关，比如，Wermers（1999）指出，当公募基金投资小盘股和上季度拥有极端收益率的股票时，具有显著的羊群效应。Chan，Chen和Lakonishock（1999）发现，大部分基金经理的投资策略都与股票市值、账面市值比等因子有关。戴淑庾（2016）指出个股换手率降低能有效抑制羊群效应。因此，本文选取初步筛选后的上证50成分股的ROE、换手率、振幅、交易数量增量值、股票收益率标准差作为控制变量。进一步为了衡量市场水平，以个股市值作为权重对各个指标进行加权处理，得到最终代表市场水平的指标。
（三）模型设定与方法选择
为了检验金融科技对羊群效应的影响，设计以下计量模型：
其中，是股票市场羊群效应，是滞后9阶的金融科技发展指数，是所有的控制变量或者其相应的滞后项，是随机扰动项。 四、实证分析
（一）平稳性检验
由于模型中变量均是时间序列数据，为了避免出现伪回归的问题，对各个变量进行平稳性检验，本文选取ADF检验，检验结果表明（表3），所选取的时间序列数据均满足平稳性的要求，进而避免了伪回归。
（二）金融科技对羊群效应影响存在性检验
对模型中各参数采用最小二乘估计（OSL），估计结果如表4所示。
结果显示F统计量结果显著，说明联合变量对于羊群效应的解释显著。主要解释变量FinTech的回归系数t统计量显著，说明金融科技的发展显著影响了股票市场中的羊群效应，进而假设1得到验证。
这一结果证实了金融科技的发展能够对股票市场的羊群效应带来改变。换言之，在金融科技高速发展的背景下，一方面信息公开透明度增加，另一方面市场中有更多的工具可供投资者进行投资分析，使得投资者更加理性，不再盲目从众，因此羊群效应结果显著受到金融科技的影响。
（三）金融科技对羊群效应减弱效应的检验
根据回归结果，主要解释变量FinTech的回归系数显著为负，说明其对被解释变量是负相关的，即FinTech对于羊群效应的影响是反方向的，FinTech一定程度上抑制了股票市场中的羊群效应，假设2得到验证。这一结果证实了金融科技能显著降低羊群效应，使得市场向理性的方向发展。
五、稳健性检验
为了确保研究结论的稳健性与可信度，本文采用了替换解释变量法进行了如下稳健性检验：使用百度指数热词“金融科技”的月度词频替代合成的Fintech指数，作为核心解释变量解释羊群效应。稳健性检验的回归结果如表5所示：
回归结果显示，核心解释变量的回归显著性与回归系数的符号均未发生改变。说明结论具有稳健性，即金融科技的发展显著抑制了股票市场的羊群效应。
六、作用机理理论分析
实证结果证明了金融科技确实能够显著降低羊群效应，引导市场向理性化发展，具体而言，金融科技对于市场投资者从众心理的作用机制主要体现在以下几个层面：
（一）从个体投资者层面分析
羊群效应主要表现为对特定的或者临时的情境中的优势观念和行为方式的采纳，其产生原因一部分来自于个人对于群体压力表现得不自信，而随着金融科技的逐步发展，这种不自信行为由于新的工具、信息的加入而有所减弱，因此羊群行为都得以缓解，其具体表现如下：
1.个体投资者获得的信息层面。（1）金融科技有效增加市场信息透明度。随着“爬虫”“数据挖掘”技术在投资领域的运用，各类机构公司的信息的可得性显著增强，同时利用大数据、云计算等技术对海量信息进行提取筛选，获得更加准确的优质信息，增加信息供给量，缓解了信息不对称的现象。（2）智能投顾助力长尾客户个性化投资的实现。传统投资顾问“高门槛、高收费”，无法适应我国众多长尾客户的服务需求。因此，拥有门槛低、费率低且信息透明度高等优势特征的智能投资顾问平台应运而生。中产及以下收入人群庞大，存在强烈的资金管理及投资需求，智能投顾具有低门槛、低费用、投资标的范围广等优势，最重要的是智能投顾基于客户多元的理财目标提供丰富的定制化场景，针对不同风险偏好及投资期限为其个性化定制最佳投资组合，缓解了投资者投资能力不足的跟风投资行为。
2.投资方式便捷化层面。（1）金融科技为投资者提供更为便利的支付手段。互联网平台参与金融服务的主要切入点就是支付业务，互联网支付相较于传统支付更为便捷高效，节省了时间成本与费用成本，极大程度上促进了投资理财的交易可实现性，使得投资者进行交易的成本有效降低，进而促进投资者理性选择。（2）金融科技为投资者提供多元化的融资渠道。金融科技为银行的征信体系注入新鲜的血液，传统银行征信体系之下，小微投资者较难实现融资，但随着大数据、机器学习、数据挖掘的广泛应用，商业银行能够更为有效地制作小微用户的客户画像，更为精准地识别优质客户，使得普惠金融进一步发展。另一方面，互联网贷款逐渐兴起，也极大地开拓了融资渠道，多元化的融资渠道进一步提高了投资者的投资积极性，促进投资者理性投资，降低羊群效应。（3）互联网金融科技公司开拓多元化投资平台。金融科技的发展与互联网企业密不可分，随着技术的不断进步，互联网巨头借助技术优势，通过丰富场景、海量用户、网络信息逐渐渗透到支付、借贷、投资、保险等各个金融服务，形成金融科技头部平台。互联网金融科技公司已经逐渐渗透到金融理财领域，相较于传统金融机构，互联网金融科技企业为投资者提供更加广阔的平台以及更加便捷的投资理财方式。
（二）从机构投资者层面分析
对于机构的主动投资方面，金融科技在信息筛选、模型搭建方面表现较为突出，能够有效地辅助基金管理经理进行主动性投研决策。基于人工智能的投研系统，在数据采集、数据处理、算法优化方面远高于人力，一方面能够有效提高信息筛选能力，金融科技提供大数据、机器学习、爬虫等技术手段可以实现多渠道抓取信息，信息涵盖范围不仅仅包含传统的公告、研报、新闻等，而且也较大程度涉猎微博、论坛等市场情绪因子，信息面更加广泛，有利于提高信息的有效性，辅助科学投资决策。另一方面，为使得模型能够更有效地识别风险与收益，投资机构利用机器算法构建可用于历史回测、情景模拟、未来预测的智能风控、量化模型等。金融科技显著提高机构投资分析能力，促进理性投资，显著降低从众心理。
七、研究结论与启示
金融科技作为信息时代的产物，为传统的投资模式注入活力，显著改善了投资者盲目跟风的现象。本文的研究主要得出以下结论：一是金融科技的发展显著影响了股票市場中的羊群效应;二是金融科技的发展能够有效降低股票市场中的羊群效应。同时，本文又从理论路径分析了金融科技降低羊群效应的作用机制，结论显示：金融科技通过增加信息透明度、提高投资者投资能力、降低投资成本等方式提高投资者理性抉择的能力，进而降低从众现象。 根据本文的研究，结合我国金融科技的发展现状，得出以下的启示：
第一，金融科技能有效降低投资者盲目跟风的现象，因此应该重视金融科技对于投资的作用，大力发展以智能投顾为代表的个性化投资服务，充分挖掘市场中长尾客户群体的投资潜力，提高市场参与者的多元程度。
第二，有效利用金融科技提高风险识别机制，鉴于金融科技能够有效降低羊群效应，使得投资更加理性，因此应合理利用金融科技这一优势，构建风险识别模型，及时识别并发现市场中的风险，采取相应措施，可有效防范化解系统性金融危机的发生。
第三，金融科技的发展必然离不开监管，我国金融科技发展主要以创新商业模式为主，监管相对较为滞后，未来金融科技的发展将面临强监管，因此更好地规范相应的业务更是发展的重中之重。
第四，金融科技的发展虽然对于投资理财、资产管理行业产生巨大的影响，但发展相对还不十分成熟，例如对于资管行业而言，普遍以代客理财的轻资产运营模式为主，而且较为高度依赖传统业务经验、人际关系等定性因素，目前虽有智能投顾出现，但国内大多数平台仍采用人工方式服务。因此，还要逐步加大金融科技的投入，以促进资管行业差异化、跨越式发展。
参考文献：
[1]杨望，徐慧琳，谭小芬，薛翔宇.金融科技与商业银行效率——基于DEA-Malmquist模型的实证研究[J].國际金融研究，2020（07）：56-65.
[2]沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015（03）：160-175.
[3]张雅倩.分析师评级变动对我国基金羊群行为的影响[D].山东大学，2019.
[4]鲁多厘.分析师跟进对我国机构投资者羊群效应的影响研究[D].上海外国语大学，2020.
[5]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（04）：1489-1502.
[6]孙铭睿.金融科技的发展趋势与投资风险[J].国际融资，2020（12）：39-41.
[7]刘天宇.媒体报道、机构投资者羊群行为对股票价格的影响研究——基于LSV模型的实证分析[J].中国物价，2018（10）：48-51.
作者单位：西南财经大学