二、 变量的相关性分析...........................34
第五章 实证结果分析
第一节 描述性统计与变量相关性分析
一、描述性统计
（一）原创专栏数据的描述性分析
如图 5.1 所示，在 2016 至 2018 年期间，雪球网上专栏文章数量最多的行业为医药生物，总篇数为 2558 篇，在数量上将近为第二名食品饮料的一倍。其他主要的专栏文章集中在银行、汽车、传媒及电子等行业。其原因可能是在 2016年至 2018 年期间医药生物与食品饮料行业涨幅较大，有众多优秀的公司脱颖而出，成为大家的关注对象。故雪球网上对其进行分析的文章较多。而其他行业在雪球网上关注度较低。
如表 5.1 所示，专栏文章的阅读数最高可达到 513 万次，文章内容以分析公司投资逻辑和财务数据为主。由此我们可以得出结论，在雪球网上拥有一定数量粉丝的专栏作者在撰写个股相关的分析点评类文章时，为了能够更好的说服阅读者，专栏作者必须对行业或者个股投资逻辑清晰，阐述角度独特，同时有理有据拿出实际的数据证明自己的观点才能获得阅读者的认同。
图 5.1 原创文章在行业中的分布
............................
第六章 结论与展望
第一节 结论
本文基于复杂的网络微观视角，利用 2016 至 2018 年雪球网实盘用户每日调仓记录数据及其个人信息作为样本，对雪球实盘用户投资行为趋同效应的产生原因及其演化机制进行了实证研究，得出以下结论：
一、社交网络学习会导致投资行为趋同
本文的实证结果表明雪球实盘用户在买入个股时会受到近邻群体投资决策的影响。在这一过程中雪球网专栏文章无疑也对投资者行为造成了一定的影响。“雪球大 V”为某只个股撰写的专栏文章越多，专栏文章下投资者对其分析讨论数量越大。则表示个股在雪球网上有较高的热度，实盘用户对其产生买入趋同效应。
相较于买入而言，雪球实盘用户在卖出时受近邻群体投资决策影响更大，其原因在于雪球网的民主性和开放性。在雪球网上任意一位用户都有资格发表自己的质疑，甚至不看好某行业或个股时可以撰写看空类专栏文章，这样的负面信息一旦得到认同便会在雪球网引起大量用户的注意并迅速扩散。同时由于投资者在买入和卖出个股时目的不同。买入是希望股价上涨获得收益，但每位投资者风格不同，对个股的喜好也不同，故并非所有用户在接收到好消息时都会作出相同的买入决策。而接收到坏消息时则不同，投资者出于对亏损的厌恶，卖出欲望强烈。故雪球实盘用户在卖出个股时所受到的近邻群体投资决策的影响更大，卖出趋同度高。
二、不同学习程度投资者受社交学习影响不同
本文实证结果表明深度学习用户与浅度学习用户在做出买入与卖出投资策略时近邻效应对其影响并不相同。在进行买入投资决策时，近邻群体的买入投资决策对深度学习用户影响较大，其回归系数显著大于浅度学习用户。在进行卖出投资决策时，近邻群体的卖出投资决策对深度学习用户影响完全不显著，对浅度学习用户影响却仍然显著。
参考文献（略）
