疫情英国修正新冠死亡人数

2020年第6期(总第480期)No6,2020GeneralNo4801收稿日期:2020-04-07作者简介:刘玉珍,金融学博士,教授,北京大学光华管理学院,Email:yjliu@gsmpkueducn王陈豪(通讯作者),金融学博士研究生,北京大学光华管理学院,Email:wangchenhao@pkueducn本文感谢国家自然科学基金面上项目(71673007)的资助.
感谢北京大学光华管理学院许泳昊博士提供的帮助.
感谢匿名审稿人的宝贵意见,文责自负.
行为视角下的疫情分析:成因、影响与对策综述刘玉珍王陈豪(北京大学光华管理学院,北京100871)摘要:本文从流行性传染病特征和医学传染病模型出发,对影响疫情的非理性因素、疫情的直接与间接结果进行文献综述,分析极端事件中的反应不足与过度反应.
在成因上,本文梳理了不完全信息贝叶斯学习和显著性理论等决策行为假说,来理解人们行为背后的信息处理机制和情感作用渠道.
在结果上,疫情及有关政策对经济金融活动的直接影响尚缺准确评估,恐慌情绪与羊群行为、社会信任危机、风险态度转变及异质性信念等疫情间接结果也有待深入研究.
最后,本文基于已有文献和疫情行为分析,对未来学术研究及政策管理提供思路和建议.
关键词:流行性传染病;SEIR模型;贝叶斯学习;显著性理论JEL分类号:D10,D83,I18文献标识码:A文章编号:1002-7246(2020)06-0001-19一、引言流行性传染病是现代社会面临的重要挑战之一,容易引发信息不确定性与恐慌情绪,还可能波及全球,需要人们跨区域合作应对.
世界卫生组织报告显示,进入21世纪以来,级别在"全球关注的突发性公共卫生事件"(PublicHealthEmergencyofInternationalConcern,PHEIC)及以上的流行性传染病类灾难事件已有五次:SARS(2003),H1N1(2009),脊髓灰质炎(Polio,2014),埃博拉(Ebola,2014)和新冠肺炎(COVID-19,2019).
加之1854年霍乱、1918年大流感、1957年H2N2流感和1968年H3N2流感,流行性传染病频繁出现,始终威胁着人类社会的稳定发展.
经济与金融文献对相关议题的研究较为有限,已有研究主要分析了1854年霍乱(Ambrusetal,2020)、1918年大流感(AlmondandMazumder,2005;Almond,2006)、19572总第480期年H2N2流感(Keogh-Brownetal,2010)、2003年SARS(LeeandMcKibbin,2004;Fan,2013)、2009年H1N1(Pasquini-Descompsetal,2017)、2015年MERS(JungandSung,2017)和2019年COVID-19(Fangetal,2020)等流行性传染病对宏观经济的影响,并对疫情期间各项管理措施进行成本收益分析(Pitmanetal,2005).
宏观经济研究关心流行性传染病对房地产价格、国民生产总值的影响.
例如,Ambrusetal(2020)研究了1854年霍乱对伦敦房产价格的影响,发现直到现在,霍乱起源地及其附近地区的房产价格仍然显著低于周边区域.
Keogh-Brownetal(2010)构建宏观模型,估计1957年H2N2流感造成英国第一季度GDP下降335%,全年GDP下降058%.
公共卫生学者则专注于制定防控措施,并评估各项策略的优劣性.
目前主要应对措施包括病例隔离、家庭隔离、公共场所关闭和交通限制等,学者对2003年SARS(Cooperetal,2006;Fergusonetal,2006)、2009年H1N1流感(Pasquini-Descompsetal,2017)期间各项措施进行了成本收益分析,但哪种方式最为有效,意见并不同一.
在已有研究中,流行性传染病与其它罕见灾难作用相似,多作为外生冲击,通过死亡概率、死亡人数等因素影响经济.
目前有少量文献从流行性传染病与其它种类罕见灾难的区别出发,深入理解疫情与微观个体行为之间的关系并估计疫情对经济造成的间接影响(LeeandMcKibbin,2004).
以恐慌情绪为例,Blendonetal(2004)对加拿大和美国进行了问卷调查,受访者担心感染SARS的负面情绪共造成加拿大10亿加元损失.
但实际上,美国和加拿大仅有数百名确诊病例和38名死亡病例.
人们在疫情期间高估了病毒传播概率,恐慌情绪造成较大经济损失.
因此,我们从罕见灾难研究和流行性传染病特征出发,希望借助行为金融学来理解流行性传染病对个体的影响,以期填补文献上的不足.
具体而言,本文研究思路如下:一是综述罕见灾难类文献,分析流行性传染病与其它罕见灾难的差异,并引入医学传染病模型(SEIR)理解疫情发展;二是讨论影响疫情的非理性因素,依据不完全信息贝叶斯学习(Gallagher,2014)构建的人类认知机制来分析疫情期间出现的认知型偏误,运用显著性理论(Bordaoetal,2012)解读疫情期间的情绪型偏误,并讨论地域文化对疫情及管控的作用;三是梳理疫情因客观因素产生的直接影响,并讨论疫情因人们的理性或非理性反应产生的间接影响;四是基于文章内容,对未来学术研究和政策管理提出建议.
根据已有关于疫情的研究,本文认为未来的主要研究内容是:研究方法上,大数据和新兴技术的兴起为深入研究疫情引发的宏微观现象提供了契机,在疫情相关研究中引用医学专业模型能有效提高研究可靠性.
研究主题上,少有文献从社会整体福利出发综合评估疫情管控措施的直接与间接结果,也少有学者讨论地域特征对疫情进程的影响,挖掘个人主义、家庭关系、宗教信仰等因素的作用具有重要意义.
基于相关文献的梳理与讨论,本文总结政策建议如下:一是注重早期结论准确性,谨防现存状态偏误、过度自信偏误和可得性偏误对早期判断的影响,及时准确公布灾情信息,引导个体形成正确信念.
二是对于信息处理引发的有意羊群行为,通过提升信息透明度、加强早期信息准确度等方式,可以有效降低锚定效应和可得性偏误对个体信念和决策2020年第6期行为视角下的疫情分析:成因、影响与对策综述3的影响、抑制恐慌情绪和羊群行为.
三是对于情感因素引发的无意羊群行为,参考点调整和注意力分散是抑制恐慌情绪的合理方式,普及历史疫情进程、各国防控进度等有利于民众将参考点调整至适当位置,减少现存状态偏误和过度自信偏误对个体行为的影响.
四是在风险态度方面,需关注情绪对风险偏好的影响,防止企业和居民行为出现不合理变动.
本文主要贡献如下:第一,基于已有文献对罕见灾难的研究(DessaintandMatray,2017),我们详细梳理了影响疫情的非理性因素,以及疫情通过非理性渠道对经济金融活动产生的间接影响.
恐慌情绪、社会信任、风险态度以及个体信念等因素可能引发不亚于灾难本身的损失,是罕见灾难类文献的重要研究对象.
但已有文献对人们在疫情中的非理性行为及其间接影响知之甚少.
本文基于罕见灾难类文献,从不完全贝叶斯学习和显著性理论等假说出发,讨论了疫情下人们的行为及其造成的间接影响.
第二,本文在文献综述中参考了叙事经济学(NarrativeEconomics)的研究方法,介绍了医学传播模型在行为分析中的应用,并据此构建了恐慌情绪分析框架.
Shiller(2017)在叙事经济学中引入SIR(Susceptible,Infectious,Recovered)模型,用以分析社会时尚、社会观点的传播过程.
传染性疾病和恐慌情绪在传播动力学方面较为特殊,传统计量模型难以对其进行准确的估计,本文借用Shiller(2017)的分析方法,首先介绍了建立SEIR模型的标准方式,然后根据不同人群在谣言传播过程中的角色差异,构建了用SEIR模型分析恐慌情绪的基本框架,为未来经济金融研究提供参考.
第三,以疫情中的人类行为为背景,梳理个体行为对市场可以产生系统性影响的观点,总结疫情经历可能对个体行为存在长期影响的理论依据.
传统理论认为市场中不应存在人类行为导致的系统性偏误,一是因为错误决策会被理性投资者发现并消除,二是因为行为偏误在人群中随机出现,不同方向的偏误应当在市场均衡过程中相互抵消(Fama,1970).
然而在历次灾难中,相关研究显示认知和情绪的影响深深根植在人们决策过程中,信息处理和情感因素造成的系统性误差不可忽视,同时,疫情可能改变人们的风险态度和个体信念,进而形成长期影响.
二、流行性传染病与SEIR模型(一)流行性传染病:信息不确定性、恐慌情绪与全球性罕见灾难是指尾部风险极高的小概率事件,一旦发生会对人类社会造成巨大威胁(Rietz,1988).
主要包括地震(Jackson,1981)、飓风(DessaintandMatray,2017)、洪水(Gallagher,2014)、火山爆发、海啸、山体滑坡和火灾等(Bernileetal,2016)重大自然灾害,以及经济萧条(Knpferetal,2017;MalmendierandNagel,2011)、金融危机(Guisoetal,2013;韩立岩等,2009)、人类战争(KimandLee,2014;HolmanandSilver,1998)、疾病瘟疫(AlmondandMazumder,2005)等人为因素引发的灾难.
已有文献主要研究了罕见灾难对受灾地区及其邻近地域造成的影响,例如DessaintandMatray(2017)观察了美国飓风对企业管理者的影响,发现未受飓风影响但所在地区4总第480期邻近灾区的企业,会显著增加现金资产.
然而流行性传染病可能波及全球,1918年大流感在全球广为扩散,造成数千万人死亡.
2003年SARS在全球范围内造成8422人感染,919人丧生.
2009年H1N1成为国际关注的突发公共卫生事件,爆发后不久即被世界卫生组织(WHO)视为最高警戒级别流行病.
同年5月,脊髓灰质炎在亚洲、非洲和中东爆发,威胁多国卫生安全.
2014年埃博拉病毒肆虐西非,在几内亚、利比里亚和塞拉利昂等国造成数千人死亡.
以"人类命运共同体"的视角来重新审视流行性传染病具有重要意义.
制定流行性传染病防控措施、评估各项措施的优劣成为全球公共卫生事务的重中之重.
Pasquini-Descompsetal(2017)分析了2009年H1N1期间各项措施的成本收益,指出医院隔离、疫苗接种和抗病毒药物储备是较为有效的手段,但关闭学校、扩大社交距离等手段的经济成本较高.
Fergusonetal(2006)根据1918年大流感、1957年H2N2流感以及2003年SARS的传播特征,结合英国和美国的人口密度及流动数据进行模拟分析,发现如果能在家庭隔离的基础上,为50%的人群提供充足药物并关闭学校等公共设施,则流行性传染病的临床发病率可以降低40%~50%.
Zhouetal(2004)构建离散数学模型模拟了SARS疫情在中国的传播过程,与实际统计数据比对后,发现早期检测和检出率对SARS疫情控制有重要影响.
需要指出的是,在已有研究中,学者往往忽视了流行性传染病对经济造成的间接影响(LeeandMcKibbin,2004).
与地震、飓风和洪水等罕见灾难不同,流行性传染病的潜伏期和传染性使其更容易引发信息不确定性和恐慌情绪,例如,2019年新冠肺炎的症状是非特异性的,从无症状到重症肺炎和死亡不等,难以通过临床表现及时识别出患者,同时,较长的潜伏期(Mizumotoetal,2020)造成很难及时发现病毒携带者.
而信息不确定性和恐慌情绪造成的损失并不亚于疫情本身.
2003年SARS疫情期间,Blendonetal(2004)分别在加拿大安大略省、加拿大安大略省以外地区和美国进行了问卷调查,结果显示,在2003年4月,这三个地区分别有69%、57%和32%的受访者忧心感染SARS,这些负面情绪使得当地餐厅、商店和旅游受到严重冲击,造成加拿大10亿加元损失.
但实际上,截至2003年7月,加拿大全国仅有250名确诊病例和38名死亡病例,美国仅有75名确诊病例,没有死亡病例.
(二)SEIR模型:疫情预测与恐慌分析为分析流行性传染病的传播动力学及各类行为对疫情的影响,本文引入医学SEIR模型.
该模型被医学界广泛应用于SARS、COVID-19等疫情的预测过程中(Cooperetal,2006;曹盛力等,2020).
相比之下,传统经济学文献主要利用线性模型估计疫情及其影响,容易与实际情况形成较大差异.
传染性疾病疫情预测模型主要有SI模型、SIS模型、SIR模型和SEIR模型等(Hethcote,2000;AndersonandMay,1992).
在这些模型中,S(Susceptibles)代表易感者、I(Infected)代表感染者,R(Removed或Resistances)代表康复者或已死亡患者(以下简称康见《中国—世界卫生组织新型冠状病毒肺炎(COVID-19)联合考察报告》,2020年2月.
2020年第6期行为视角下的疫情分析:成因、影响与对策综述5复者),表示可从传染人群样本中删去的部分,E(Exposed)代表潜伏者,代表已感染疾病但还未出现明显症状的患者.
SI模型刻画了易感人群S逐渐感染的过程;SIS模型进一步考虑了感染者I康复后反复感染的动态过程;SIR模型则认为感染者I具有一定康复或死亡概率,会逐渐退出传播样本;SEIR模型则是考虑了上述四类人群的综合模型.
因此,本文以SEIR模型为例进行介绍:假定社会中共有N(N=S+E+I+R)个人,易感者S接触到感染者I或潜伏者E后,分别按照c1和c2的概率转换为潜伏者E,潜伏者E每日以w的概率转化为感染者I,感染者I每日以r的概率转变为康复者R,此外,潜伏者E和感染者I每日接触的易感者人数分别为m1和m2,则建立如下微分方程:dSdt=-m1c1ISN-m2c2ESN(1)dEdt=m1c1ISN-wE+m2c2ESN(2)dIdt=wE-rI(3)dRdt=rI(4)此外,Shiller(2017)采用SIR模型分析了社会时尚、社会观点在人群中的传播过程,可以借鉴这一方法,研究谣言、恐慌情绪在疫情中的形成和传播过程,本文将在后文中对此进行介绍.
三、影响疫情的非理性因素(一)不完全信息贝叶斯学习和显著性理论人们在不同类罕见灾难中的行为各不相同,但很多决策行为背后具有相同的理论根源,从罕见灾难文献出发分析人们在流行性传染病疫情中的行为,能帮助我们理解人们的决策逻辑,更好地应对未来类似事件.
本部分梳理已有文献对罕见灾难中人们决策行为的研究,试图通过信息处理和情感因素两个角度理解人们行为背后的原因.
首先是信息处理方式.
不完全信息贝叶斯模型可以模拟人们在不确定性和特殊事件中更新期望的过程(Gallagher,2014),被学者用于分析人们在罕见灾难中的学习过程(DeGroot,1970),在该模型中,人们学习与先验信念不同的信息,然后更新自己的信念.
例如,Davis(2004)在研究健康风险对房地产价格的影响时,采用了贝叶斯模型刻画人们对健康风险估计.
张国威和李有祥(2003)提出在不完全信息条件下,可以将贝叶斯主观概率的保险精算方法和效用函数定价法作为SARS保险的定价理论框架.
其次是情感因素.
传统研究将人们视为有限理性,进而分析各种行为(Simon,1956),但行为学研究表明情绪是影响人们决策的重要因素(Zajonc,1980;Slovicetal,2007),会使人们只关注信息的某些部分,忽视所有选项并直接做出选择(Shafiretal,6总第480期1993).
对此,显著性理论认为人们对信息的注意力主要集中在其显著部分,决策过程中其余信息的作用小于显著信息部分(TaylorandThompson,1982;Bordaloetal,2012).
(二)决策行为理论与非理性因素疫情爆发前,人们常反应不足,低估灾难的发生概率及严重程度,甘于承担极端风险(ErevandBarron,2005).
这在历次疫情中多有出现,如2009年至2010年H1N1病毒在美国造成超过6000万人感染,12万人丧生,但疫情初期美国认为H1N1不足以拉响警报.
疫情爆发后,又屡屡出现过度反应,滋生恐慌情绪和羊群行为,如2003年SARS期间和2019年新冠肺炎期间发生的某些抢购风潮等.
从行为金融学的角度来看,各类行为偏误的存在是人们在疫情初期反应不足、疫情爆发后过度反应的重要原因.
行为偏误可以分为两类(Pompian,2011):一是认知型偏误,由个体认知缺陷造成的行为偏误,包括锚定效应和可得性偏误等.
认知型偏误较容易通过改善信息环境、提升认知能力等方式进行修正.
二是情绪型偏误,主要源自个体的行动或直觉,并非是个体有意识地反应,包括损失厌恶、后悔厌恶和现在状态偏误等类型.
本部分根据不完全贝叶斯学习模型对人类认知机制的解释,分析历次疫情期间出现的主要认知型偏误,并运用显著性理论,对情绪型偏误进行分析.
1认知型偏误:不完全信息贝叶斯学习面对前所未知的流行性传染病,人们没有与之相关的准确信念.
因此我们参照Gaoetal(2019)的方式,通过不完全信息贝叶斯模型模拟人们在疫情中的信息学习过程.
模型如下:以f表示个体初始信念,服从均值为b0、方差为σ0的正态分布;εt代表个体在t时间所获得的新信息,服从均值为0、方差为σε的正态分布.
个体在t时间形成的新信念st=f+εt.
以bt代表初始信念为f的个体在获取t次新信息后的后验期望,根据贝叶斯法则可得:bt=bt-1+gtst-bt-()1,gt=1σεσ0+t(5)(5)式展示了初始信念和新信息对后验预期的影响方式.
个体初始信念的准确性越弱,即σ0越大,新信息对个体后验预期的影响越大.
这表明在面对未知流行性传染病带来的高度不确定性时,新信息会变得尤为重要(Payzan-LeNestour,2018).
在行为金融学中,锚定效应和可得性偏误分别讨论了初始信念和信息可得性对个体决策行为的影响.
锚定效应是指人们在决策过程中易以最初信息为基础调整估计,高初始值容易造成估计偏高,反之出现估计偏低(TverskyandKahneman,1974)的现象.
不完全贝叶斯模型同样显示,个人经验对信息处理具有重要影响(ErevandRoth,1998),早期信息对信念的影响大于后期信息.
在信息变动相同的情况下,随着t增大,新信息对个体预期的影响逐渐降低.
锚定效应导致人们在不确定下避免做出极端的判断和选择,倾向于从锚定点开H1N1流感数据见美国疾控中心(CDC),The2009H1N1Pandemic:ANewFluVirusEmerges2020年第6期行为视角下的疫情分析:成因、影响与对策综述7始逐步调整(SimonsonandTversky,1992;Teigen,1983).
如祝继高等(2017)发现在汶川地震和雅安地震中,同业捐赠金额、以往捐赠金额等因素会持续影响企业捐赠情况.
在疫情爆发初期,人们倾向于以正常时期为"锚"进行决策,进而出现反应不足.
可得性偏误是指由于记忆力或知识存在局限,人们倾向于根据易得信息进行决策(TverskyandKahneman,1973)的现象.
事件的曝光程度、人们的相关记忆、事件的画面感和有关专家的判断等因素,都会影响人们对事件发生概率和严重程度的判断(Lichtensteinetal,1978;Botzenetal,2015).
当疫情中出现的新信息超出个体先验期望bt-1时,个体对于疫情未来发展的判断会出现升级,反之,当新信息低于个体先验期望时,个体疫情预期降低.
但疫情初期,往往受医学研究、技术水平等因素限制,医疗和媒体部门难以立刻传递准确信息,依据不完全信息贝叶斯模型,新信息的波动性σε越大,对个体后验预期bt的影响越小.
因此,可得性偏误使人们难以及时反应,倾向于维持原状.
2情绪型偏误:显著性理论情感因素对人们在疫情爆发前的反应不足以及爆发后的过度反应具有重要解释力.
研究发现,情绪会影响人们的信息关注区域,致使相同信息引发不同决策.
人们会通过比较信息的实际情况与参考点来判断信息的显著程度,并主要依据其中显著程度较高的部分进行决策(Bordaloetal,2012,2013).
已有研究通常利用预期模型计算估计值,然后以之为参考点寻找信息的显著部分(Bordaloetal,2012),发现人们在心情低落时倾向于关注负面信息(Isen,2001),在情绪高涨时倾向于关注正面信息(ForgasandBower,1987).
疫情爆发前,乐观情绪导致疫情信息受到忽视,不足以成为改变个体决策的显著信息.
人们在维持现状与改变之间,倾向于选择维持现状(SamuelsonandZeckhauser,1988),导致现存状态偏误,并因这一选择陷入"先知偏误"中,对未选项给予更负面的评价,在证据模糊不清时倾向于寻找支撑自身观点的证据,主动忽略和自身观点不同的证据(Gilovich,1991;Lordetal,1979),使得初始选择在较长时间内得以维持.
疫情爆发后,负面信息与疫情发生前的正常生活形成参照,成为显著信息(ForgasandBower,1987),引发过度反应.
人们在信息关注方面的缺陷也间接引发了过度自信偏误.
过度自信主要包括两种类型,一是高估私有信息的准确性,二是高估自身能力.
研究发现,不确定性程度越高,人们越容易出现过度自信(JohnsonandFowler,2011).
在金融市场中,过度自信是投资者产生过度交易的重要原因,产生的高额交易费用严重损害了投资者收益(Odean,1999;BarberandOdean,2000;Barberetal,2009),也是导致股票价格泡沫的原因之一(吴卫星等,2006).
在疫情初期,疫情严重程度尚未凸显,人们很容易高估私有信息的准确性以及自身对未知灾难的应对能力,从而导致过度自信现象和反应不足.
(三)地域文化:集体主义和个人主义不同文化背景下居民行为存在显著差异,这对病毒传播具有重要影响,也对疫情管理工作提出了差异化要求.
以集体主义和个人主义为例,集体主义文化注重整体利益,提倡奉献和社会稳定(Greif,1994;GorodnichenkoandRoland,2015),而个人主义文化主张个人8总第480期利益,追求自由和个人成就(Schwartz,1994;Hofstede,2001).
在流行性传染病防控过程中,集体主义文化地区更好的组织性使潜伏者接触人数大大降低,而美国、意大利和法国等地区更崇尚个人主义,管控效果可能不佳,面临更高的道德风险.
Eichenbaumetal(2020)以SIR模型为基础构建宏观预测模型,发现若感染者不完全承担其决策后果,即防疫情况较依赖个人道德水准时,竞争性均衡无法实现社会最优.
因此在流行性传染病疫情期间,个人主义文化可能会成为疫情防控的阻碍,个体道德风险会对大量普通居民、医护人员造成影响,个人的瞒报误报以及轻视风险将增加他人的健康风险.
四、疫情的直接与间接影响疫情可能因客观因素对经济金融活动产生直接影响,也可能因决策主体的理性或非理性反应形成间接冲击.
已有文献中,直接影响被定义为不通过其它因素产生的结果,间接影响则描述了变量通过中介渠道产生的作用(Pearl,2013).
学者估计直接影响的方式较为一致,通常假定或控制其它因素不变,然后观测理论或实证模型中自变量与因变量的关系(LeeandMcKibbin,2004;HannaandHuang,2004).
估计间接影响的方式繁多,主要包括比较直接影响与整体影响差异(Pearl,2000)、分析未受直接影响的邻近地区样本(DessaintandMatray,2017)以及分组考察以往经历对当前行为的影响(Gaoetal,2019).
我们将假定其它因素不变,从客观角度观察疫情对经济金融活动影响的研究视为直接影响研究;将进一步放宽假设,从行为视角(理性或非理性)讨论疫情通过恐慌情绪、个体信念等中介渠道影响经济金融活动的研究视为间接影响研究.
(一)直接影响1经济冲击已有文献广泛讨论了疫情对经济发展的影响并主要集中在两个方面:一是测算疫情产生的直接经济损失.
例如,估计2003年SARS给中国带来的损失约为当年中国GDP的05%(HannaandHuang,2004),在全球范围内造成的损失为300-1000亿美元(Keogh-BrownandSmith,2008).
Fanetal(2016)梳理已有文献,指出流行性传染病每年造成的经济损失与全球气候变暖相近,占全球收入的04-10%,其中全球流行性疾病造成的损失约占95%.
McKibbinandSidorenko(2006)认为疫情主要通过劳动力供给、商业成本、消费者偏好和国家风险评级四个渠道影响宏观经济,采用G-Cubed模型分析发现1968年H3N2流感,约造成全球GDP下降08%.
Barroetal(2020)利用1918年大流感和一战死亡人数数据,推断流行性传染病造成的经济损失通常占国家GDP的6-8%,此外,较高的流感死亡率还会降低股票和短期政府票据的实际收益率.
二是评估疫情对不同经济主体的异质性影响.
流行性传染病对不同行业、销售模式的企业形成了不同冲击.
例如,JungandSung(2017)发现MERS爆发后,韩国电子产品的线下销售下降79%,线上销售增加703%;中高档服饰、箱包等产品的线下销售下降,线上销售不变;生活用品的线上销售略有增长,线下销售略有下降.
Beutelsetal(2009)发2020年第6期行为视角下的疫情分析:成因、影响与对策综述9现SARS疫情冲击下,北京地区大多经济活动仅被推迟,只旅游业受到约14亿美元无法挽回的损失.
Wong(2008)估计了SARS对香港房地产市场的影响,发现出现SARS确诊病例或在疫情新闻中被提及的房屋价格平均下降3%,其余房屋价格降幅仅在16%左右.
SmithandKeogh-Brown(2013)分别为泰国、南非和乌干达建立CGE(ComputableGeneralEquilibrium)模型,发现2009年H1N1给这三个国家带来的损失不到其GDP的1%,但这些国家的劳动密集型产业均损失严重.
2金融波动流行性传染病对金融市场的影响值得关注,2019年新冠肺炎疫情爆发后,美国股市多次熔断,美联储出台量化宽松政策.
已有研究主要从反应不足与过度反应、资产定价模型两个方向对疫情的作用进行了思考.
反应不足与过度反应方面,研究发现金融市场在疫情爆发前往往出现反应不足,而在疫情爆发后出现过度反应(Donadellietal,2017),这可能体现了金融市场对罕见灾难事件缺乏适当的估计和应对能力.
资产定价模型方面,已有文献认为稳定发展时期资产价值被高估,罕见灾难隐藏的巨大风险可能正是"股权溢价之谜"的答案(Rietz,1988;Barro,2006;Wachter,2013;Gabaix,2012).
将罕见灾难带来的损失和发生的概率纳入考量后,"股权溢价之谜"和"无风险利率之谜"等问题可以在实证层面得到合理解释.
(二)间接影响除直接冲击经济金融外,流行性传染病还可能透过非理性因素对人类社会产生深层次影响.
短期来看,疫情可能引发恐慌情绪和羊群行为,进而影响社会稳定、破坏社会信任关系、加深人与人之间的隔阂.
长期来看,人们认知的改变,加之情绪与记忆之间的联动关系(Bodoh-Creed,2019),可能使疫情经历持续影响个体风险态度.
同时,人们在疫情中形成的异质性信念也会对企业现金流管理、投资者资本市场参与以及社会经济预期产生深远影响.
1恐慌情绪与羊群行为比较而言,疫情本身在人们共同努力下经常能得到有效控制,造成的损失有限,而谣言和恐慌情绪却能造成难以估量的间接损失.
TaiandSun(2011)分析了2003年SARS期间中国各地的谣言情况,发现疫情严重地区谣言活动更加频繁,并引发了诸多连锁反应,造成抢购等羊群行为,影响了社会正常运行.
行为金融学将羊群行为分为"有意的羊群行为"和"无意的羊群行为"两类.
有意的羊群行为与信息处理流程相关,当群体中某些个体的行动影响了其他个体的收益结构或信息环境时,群体成员会出现从众行为.
从基于收益结构的羊群行为来看,比如当银行挤兑发生时,先行者的行为会对后行者的收益结构产生影响,使得挤兑行为成为理性决策(DiamondandDybvig,1983).
从基于信息环境的羊群行为来看,个体首先观察先行者行为,然后修正自身概率估计并选择行动,当先行者对后行者带来的信息外部性作用高于后行者私有信息的作用时,后行者将学习先行见美联储(FederalReserve),FederalReserveissuesFOMCstatement,2020年3月23日.
10总第480期者的决策,从而忽略自身信息价值(Welch,1992).
无意的羊群行为是指群体中成员面对相同问题和信息集时采取相似行为的现象(BikhchandaniandSharma,2012;孙伯灿等,2007).
无意的羊群行为主要由情感因素促发,在接触相同的公共信息后,个体很容易产生相近的情绪并出现高度一致的决策行为.
在疫情期间,死亡概率、新闻报道和疫情经历等因素会影响投资者情绪,进而引发无意的羊群行为.
Donadellietal(2017)发现SARS、H1N1等疫情爆发后,民众受情绪影响,认为医药公司能够在疫情中获利,出现抢购医药公司股票的羊群行为,未考虑药物、疫苗等医疗物资的研发难度和研发成功概率.
鉴于网络谣言传播与传染病传播的相似性,传染病模型同样适用于模拟谣言和恐慌情绪的传播过程(Wangetal,2013;LiuandChen,2011;范纯龙等,2017;Zanette,2002).
Shiller(2017)使用SIR模型中的疾病传染概率讨论在消息传播过程中人们获知消息并传播的概率.
但考虑到消息传播过程中,并非所有获得消息的个体都愿意相信消息并采取行动(DaleyandKendall,1964,1965),根据已有文献(Bauckhage,2011),我们认为在应用SEIR模型对谣言、恐慌情绪以及由此产生的羊群行为进行分析时,可以将人群分为四类:一是不知情者(易感者),尚未得到谣言信息;二是恐慌者(潜伏者),其已经听闻谣言信息,产生恐慌情绪,但尚未参与抢购等羊群行为;三是行动者(感染者),恐慌情绪已影响其决策行为,开始进行抢购等羊群行为;四是退出者(康复者),已识破谣言信息或已完成抢购等羊群行为的个体.
已有研究发现,谣言、恐慌情绪在社交网络中的传播与流行性传染病非常相似,同样依赖于行动者和恐慌者可接触人数,相关部门辟谣和真相传播速度等因素(Zhaoetal,2013),若不加管控,谣言会在短期内引发恐慌情绪,并带来羊群行为的高峰.
2社会信任危机社会一般信任(GeneralizedTrust)是指陌生人之间的信任关系,在信息处理和情感因素作用下,不确定性破坏了一般信任,进而对消费者信心、企业合作等产生深远影响.
一般来说,具有血缘、国籍(Guisoetal,2009)和信仰(AlesinaandLaFerrara,2000)等纽带的人们更容易建立信任关系,但现代经济建立在广泛分工基础上,陌生人之间的信任关系对经济发展更为重要.
社会一般信任在疫情中容易受到较大冲击.
重灾区确诊人数、死亡人数和城市封闭等悲观信息与人们的正常生活状况形成显著对照,恐慌情绪加之外部环境压力增大,使人们的风险厌恶程度显著上升(Zuckerman,1984),相较于熟悉、安全的特殊信任关系,和陌生人构建信任关系无疑面临更高风险.
王艺等(2003)分析了中国在SARS期间出现的社会信任问题,讨论了企业恶意失信、个人诚信缺失等现象,指出疫情信息透明度与社会信任、政策实施效果相关联.
社会信任危机引发的过度反应体现在多个方面,包括毁坏公共设施、排挤医护人员等.
必要物资的价格、疫情实时状况以及交通物流情况等信息的及时公布,可以有效降低不确定性,减少疫情对社会一般信任的冲击,增加民众对政府的信任(SnyderandStrmberg,2010).
2020年第6期行为视角下的疫情分析:成因、影响与对策综述113风险态度转变一般来讲,人们厌恶风险和不确定性(HeathandTversky,1991),但好心情能够提升人们对风险和不确定性的容忍程度(Arkesetal,1988),坏心情则会降低人们的风险偏好(SlovicandPeters,2006).
研究表明,罕见灾难经历会在较长时期内影响个体情绪,改变个人风险态度.
Bernileetal(2017)发现罕见灾难爆发后的3年内,基金经理都维持了保守的投资方式.
Gaoetal(2019)的研究显示,死亡人数较多的可怕地震会让经历者购买更多保险,而死亡人数较少的地震会使经历者减少保险购买,积极参与股票市场投资.
4异质性信念疫情经历对人们心理和行为的影响可能长期存在,并对社会发展造成深远影响.
就信息处理而言,疫情经历会扩大个体信念差异.
在不完全信息贝叶斯模型中,个体通过接触到的新信息更新自身信念,形成后验期望,而疫情在各地的发展和进程往往差异甚大,人们在同一场灾难中具有不同经历,并将自身经历的"小样本"作为未来判断"大样本"情况的基准(Hertwigetal,2004),对未来的行为和决策产生重要影响(Jackson,1981;Gilovich,1981;AydoganandGao,2020).
例如,研究发现经历过造成巨大损失的自然灾害,企业家会变得更加厌恶风险,降低企业负债、增加现金储备;但若自然灾害没有产生重大损失,相关经历反而会使企业家更加偏好风险(Bernileetal,2016).
同时,人们在不确定性感受方面的差异会也会导致信念或行为的异质性(吴卫星和付晓敏,2011).
异质性信念包括了人们对未来经济的预期,犹如经历过高通胀时期的人们会对未来通胀产生不同预期,并形成不同的借贷、抵押等行为(MalmendierandNagel,2016),疫情也将会重塑人们对经济前景的判断,且其影响程度与疫情持续时间存在紧密关联.
以全球气候变暖为例,研究发现气温短暂提升不会改变人们对未来气候的判断,但若某地区气候在较长时间内持续上升,该地区人们会产生全球气候变暖的预期(Deryugina,2013).
五、未来研究与政策建议经济金融领域中流行性传染病的研究尚处于起步阶段,在行为偏误、恐慌情绪、羊群行为、地域文化、经济金融冲击、个体信念、风险偏好和社会信任等方面均存在深入研究的空间.
(一)学术研究展望在学术研究方面,可以从研究方法和研究主题入手,加大流行性传染病对经济金融影响的研究.
1应用大数据和新兴技术分析宏微观现象受数据和技术限制,已有文献难以深入分析疫情期间的各种微观现象,也难以准确测算疫情的宏观影响.
例如,恐慌情绪具有较强区域性和复杂外部性,现有VIX指数难以感谢匿名评审人在大数据及新兴技术方面提出的建设性意见,丰富了本文内容,扩展了未来研究思路.
12总第480期精准捕捉居民情绪的动态变化,也无法描述社区环境等因素对恐慌情绪的外部性影响.
Sandsetal(2016)指出缺乏准确数据是目前主流宏观预测较少考虑流行性传染病风险的重要原因.
2019—2020年新冠肺炎疫情期间,全球大数据平台积累了丰富的宏微观数据,内容涵盖个体消费、网络评论、浏览转发和新闻播报等领域,加之文本分析、语义识别等技术的日益成熟,采用大数据和新兴技术,分析人们在疫情期间的行为和心理,或成为未来研究的热门方向,也是理解微观个体行为、评估宏观管控效果的重要契机.
2在经济金融研究中引用医学模型在经济金融研究中引入医学模型,对提升文章预测能力、增加结论可靠性具有帮助.
已有文献大多通过细化社交网络结构、增加患者种类等方式,在医学模型中观察社交距离、社交方式等因素对疫情和信息传播的影响,其结论在经济金融领域中的外延性较差.
未来相关研究可以尝试将传染病模型、恐慌情绪引入宏观预测模型,在医学预测的基础上测算疫情造成的直接和间接经济损失;也可以将传染病模型、恐慌情绪与实证研究结合,构建恐慌指标、测算恐慌情绪危害等.
3评估疫情政策的直接与间接影响在疫情政策的直接影响方面,少有文章能综合分析政策对社会整体福利的影响.
例如,价格管制在抑制商户漫天要价、消除居民恐慌情绪的同时,也会打击厂商生产积极性.
信息披露可以引导公众形成正确预期,但具有成本且存在一定的无效性(Blankespooretal,2020).
评估价格管制、信息披露等措施对社会整体福利的影响,能有效提升政策精准性.
此外,也少有文章评估疫情政策的间接影响.
如前文所述,学者对疫情通过非理性渠道产生的间接影响进行了研究,未来可以进一步对疫情政策通过恐慌情绪、社会信任、风险态度和个体信念等渠道对经济金融产生的间接影响进行评估.
4研究地域特征对疫情进程的影响流行性传染病的出现让人们看见了地区间的巨大差异,不同文化背景个体在疫情期间行为迥异,地域文化对疫情发展、政策执行效果具有重要影响.
但目前少有文献从文化视角出发,关注个人主义(Individualism)与集体主义(Collectivism)、一般信任(GeneralizedTrust)、家庭关系(FamilyTies)和宗教等因素对疫情发展的作用.
也少有研究思考疫情对地域文化、社会公德等非正式制度的影响及其导致的正式制度与非正式制度之间的变迁(李正全,2003).
(二)疫情管理在疫情管理政策方面,应当从信息处理和情感因素两方面出发,在深入理解个体行为机制的基础上制定疫情管理政策.
1通过信息披露引导个体形成正确信念一是面对存在重大尾部风险的小概率事件,应格外注重早期结论的准确性,谨防现存状态偏误、过度自信偏误和可得性偏误对早期判断的影响,防止形成错误的初始信念,以致反应不足;二是应及时准确公布灾情信息,降低谣言等模糊性较高信息对民众的影响.
2020年第6期行为视角下的疫情分析:成因、影响与对策综述13及时公布必要物资价格、救灾实时情况和交通物流等信息,可有效降低不确定性,降低居民、企业和金融部门的过度反应程度,增加民众的信任和支持度.
2从信息处理着手应对有意的羊群行为应根据羊群行为的驱动因素,对有意和无意的行为采取不同手段.
从信息处理角度来看,信息的准确性与先后顺序、个体的初始信念和先验期望等因素都会对其后验期望造成重要影响.
对于信息处理引发的有意行为,提升信息透明度、加强早期信息准确度等方式可以有效降低锚定效应和可得性偏误对个体信念和决策的影响.
3从情感因素出发减少无意的羊群行为对于情感因素主导的无意行为,显著性理论表明参考点调整和树立正面形象是抑制恐慌情绪和羊群行为的合理方式.
参考点调整方面,如普及以往疾病进程信息有利于民众将现有疫情的参考点从正常生活时期调整至疫情时期,在增加民众对疫情防控工作的理解与配合的同时削弱恐慌情绪.
而树立正面形象是转移注意力、恢复信心的有效方式.
4关注情感经历对个体风险偏好的长短期影响情绪会影响个体风险态度并主导个体行为,在疫情期间应当格外注重居民情绪管理.
需关注悲观情绪下风险厌恶的抬升,防止风险厌恶情绪影响正常经济活动,例如企业家过度增加现金储备,居民过度增加保险投资等.
另外,也要注意乐观情绪下风险偏好的上升,使公众在疫情期间自觉维持必要的安全防护措施.
六、结论流行性传染病的潜伏性、传染性和全球性是大多罕见灾难不具备的,其引发的信息不确定性和恐慌情绪叠加在疫情之外,造成的损失不亚于疫情本身.
本文从流行性传染病特征和医学传染病模型出发,分别对影响疫情的非理性因素以及疫情导致的直接与间接影响进行综述,并为未来类似事件的应对和管理提供思路和政策建议.
一是成因方面.
认知型偏误干扰了人们的信息处理,造成反应不足和过度反应,不完全信息贝叶斯模型表明,信息环境的改善能够引导人们形成正确信念,减少有意的羊群行为.
情感因素对疫情期间的过度自信偏误、现存状态偏误等情绪型偏误具有解释力,显著性理论显示,参考点调整、树立正面形象等方式能改变信息显著程度,抑制无意的羊群行为.
二是疫情影响方面.
已有研究从经济损失和异质性冲击等方面分析了疫情对经济活动的影响,从反应不足、过度反应和定价模型等角度思考了金融市场波动.
但少有文献深入讨论流行性传染病的间接影响,决策主体理性或非理性反应的作用仍有待研究.
三是未来学术研究与疫情管理方面.
宏微观数据的丰富和分析技术的发展将快速推动相关学术与政策工作,医学专业领域的知识与模型会为宏微观视角的预测提供更加可靠的依据,最终共同推动人们对疫情和人类行为的理解,对未来类似事件提供更准确的预测和更有效的管理.
14总第480期参考文献[1]曹盛力、冯沛华和时朋朋,2020,《修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病(COVID-19)疫情预测和评估》,《浙江大学学报(医学版)》第2期,第1~13页.
[2]范纯龙、宋会敏和丁国辉,2017,《一种改进的SEIR网络谣言传播模型研究》,《情报杂志》第3期,第86~91页.
[3]韩立岩、刘燕和刘姗,2009,《金融风暴与救市机制》,《管理评论》第2期,第3~10页.
[4]李正全,2003,《SARS影响国民经济的短期与长期分析》,《经济科学》第3期,第25~31页.
[5]孙伯灿、章融和罗妍,2007,《证券投资中的复杂性分析与无意羊群行为》,《浙江大学学报(人文社会科学版)》第1期,第190~199页.
[6]王艺、王君和李明,2003,《从SARS事件谈信用体系建设》,《经济科学》第3期,第44~49页.
[7]吴卫星和付晓敏,2011,《信心比黄金更重要———关于投资者不确定性感受和资产价格的理论分析》,《经济研究》第12期,第32~44页.
[8]吴卫星、汪勇祥和梁衡义,2006,《过度自信、有限参与和资产价格泡沫》,《经济研究》第4期,第115~127页.
[9]张国威和李有祥,2003,《不完全信息条件下SARS保险定价的理论分析》,《金融研究》第10期,第108~114页.
[10]祝继高、辛宇和仇文妍,2017,《企业捐赠中的锚定效应研究———基于"汶川地震"和"雅安地震"中企业捐赠的实证研究》,《管理世界》第7期,第129~141页.
[11]Alesina,A,andFerrara,EL,2000,"ParticipationinHeterogeneousCommunities",TheQuarterlyJournalofEconomics,115(3),847~904.
[12]Alesina,A,2002,"WhoTrustsOthers",JournalofPublicEconomics,85(2),207~234.
[13]Almond,D,2006,"Isthe1918InfluenzaPandemicOverLong-termEffectsofinUteroInfluenzaExposureinthePost-1940USPopulation",JournalofPoliticalEconomy,114(4),672~712.
[14]Almond,D,andMazumder,B,2005,"The1918InfluenzaPandemic,andSubsequentHealthOutcomes:AnAnalysisofSIPPData",AmericanEconomicReview,95(2),258~262.
[15]Ambrus,A,Field,E,andGonzalez,R,2020,"LossintheTimeofCholera:Long-runImpactofaDiseaseEpidemicontheUrbanLandscape",AmericanEconomicReview,110(2),475~525.
[16]Anderson,RM,andMay,RM,1992,InfectiousDiseasesofHumans:Dynamics,andControlOxfordUniversityPress.
[17]Attanasi,Getal,2020,"FirmsProtectionAgainstDisasters:areInvestment,andInsuranceSubstitutesorComplements",Theory,andDecisionSpringerUS,88(1),121~151.
[18]Aydogan,I,andGao,Y,2020,"Experience,andRationalityunderRisk:Re-examiningtheImpactofSamplingExperience",ExperimentalEconomicsSpringerUS,(0123456789).
[19]Barber,BMetal,2009,"JustHowMuchdoIndividualInvestorsLosebyTrading",ReviewofFinancialStudies,22(2),609~632.
[20]Barber,BM,andOdean,T,2000,"TradingIsHazardoustoYourWealth:TheCommonStockInvestmentPerformanceofIndividualInvestors",TheJournalofFinance,55(2),773~806.
[21]Barro,RJ,2006,"RareDisasters,andAssetMarketsintheTwentiethCentury",QuarterlyJournalofEconomics,121(3),823~866.
[22]Barro,RJ,Ursúa,JFandWeng,J,2020,"TheCoronavirusandtheGreatInfluenzaPandemic:Lessonsfromthe'SpanishFlufortheCoronavirussPotentialEffectsonMortalityandEconomicActivity",NBERWorkingPaperSeries,No26866.
[23]Bauckhage,C,2011,"InsightsintoInternetMemes",ConferencePaper.
[24]Bernile,Getal,2017,"AretheRiskAttitudesofProfessionalInvestorsAffectedbyPersonalCatastrophic2020年第6期行为视角下的疫情分析:成因、影响与对策综述15Experiences",SSRNElectronicJournal.
[25]Bernile,G,Bhagwat,V,andRau,PR,2016,"WhatDoesntKillYouWillOnlyMakeYouMoreRisk-Loving:Early-LifeDisasters,andCEOBehavior",TheJournalofFinance,72(1),167~206.
[26]Beutels,Petal,2009,"TheEconomicImpactofSARSinBeijing,China",TropicalMedicineandInternationalHealth,14(SUPPL1),85~91.
[27]Bikhchandani,S,andSharma,S,2012,"HerdingBehaviorinFinancialMarkets",IMFStaffPapers,47(3),279~310.
[28]Blankespoor,E,DeHaan,E,andMarinovic,I,2020,"DisclosureProcessingCosts,InvestorsInformationChoice,andEquityMarketOutcomes:AReview",SSRN,(3449751).
[29]Blendon,RJetal,2004,"ThePublicsResponsetoSevereAcuteRespiratorySyndromeinToronto,andtheUnitedStates",ClinicalInfectiousDiseases,38(7),925~931.
[30]Bodoh-Creed,AL,2019,"Mood,Memory,andtheEvaluationofAssetPrices",ReviewofFinance,(January2019),227~262.
[31]Bordalo,P,Gennaioli,N,andShleifer,A,2012,"SalienceTheoryofChoiceUnderRisk",QuarterlyJournalofEconomics,(127),1243~1285.
[32]Bordalo,P,Gennaioli,N,andShleifer,A,2013,"Salience,andConsumerChoiceNicolaGennaioli,andreiShleifer",JournalofPoliticalEconomy,121(5),803~843.
[33]Botzen,WJW,Kunreuther,H,andMichel-Kerjan,E,2015,"DivergencebetweenIndividualPerceptions,andObjectiveIndicatorsofTailRisks:EvidencefromFloodplainResidentsinNewYorkCity",Judgment,andDecisionMaking,10(4),365~385.
[34]Cooper,BSetal,2006,"DelayingtheInternationalSpreadofPandemicInfluenza",PLoSMedicine,3(6),0845~0855doi:101371/journalpmed0030212.
[35]Daley,DJ,andKendall,DG,1964,"Epidemics,andRumors",Nature,(204),225~28.
[36]Daley,DJ,andKendall,DG,1965,"StochasticRumours",JournalofAppliedMathematics,(1),42~55.
[37]Davis,LW,2004,"TheEffectofHealthRiskonHousingValues:EvidencefromaCancerCluster",AmericanEconomicReview,94(5),1693~1704.
[38]DeGroot,MH,1970,OptimalStatisticalDecisionsNewYork:McGraw-Hill.
[39]Deryugina,T,2013,"HowdoPeopleUpdateTheEffectsofLocalWeatherFluctuationsonBeliefsaboutGlobalWarming",ClimaticChange,118(2),397~416.
[40]Dessaint,O,andMatray,A,2017,"DoManagersOverreacttoSalientRisksEvidencefromHurricaneStrikes",JournalofFinancialEconomicsElsevierBV,126(1),97~121.
[41]Diamond,DW,andDybvig,PH,1983,"BankRuns,DepositInsurance,andLiquidity",JournalofPoliticalEconomy,91(3),401~419.
[42]Donadelli,M,Kizys,R,andRiedel,M,2017,"DangerousInfectiousDiseases:BadNewsforMainStreet,GoodNewsforWallStreet",JournalofFinancialMarketsElsevierBV,35,84~103.
[43]Eichenbaum,MS,Rebelo,SandTrabandt,M,2020,"TheMacroeconomicsofEpidemics",NBERWorkingPaperSeries,No26882.
[44]Erev,I,andBarron,G,2005,"OnAdaptation,Maximization,andReinforcementLearningAmongCognitiveStrategies",PsychologicalReview,112(4),912~931.
[45]Erev,I,andRoth,AE,1998,"PredictingHowPeoplePlayGames:ReinforcementLearninginExperimentalGameswithUnique,MixedStrategy",TheAmericanEconomicReview,88(4),848~881.
[46]Fama,EF,1970,"Efficientcapitalmarkets:AReviewofTheory,andEmpiricalWork",TheJournalofFinance,25(2),383~417.
16总第480期[47]Fan,EX,2013,"SARS:EconomicImpacts,andImplications",JournalofChemicalInformation,andModeling,53(9),1689~1699.
[48]Fan,V,Jamison,DandSummers,L,2016,"TheInclusiveCostofPandemicInfluenzaRisk",NBERWorkingPaperSeries,No22137.
[49]Fang,H,Wang,L,andYang,Y,2020,"HumanMobilityRestrictions,andtheSpreadoftheNovelCoronavirus,2019-nCoV,inChina",SSRNElectronicJournal.
[50]Ferguson,NMetal,2006,"StrategiesforMitigatinganInfluenzaPandemic",Nature,442(7101),448~452.
[51]Forgas,JP,andBower,GH,1987,"MoodEffectsonPerson-PerceptionJudgments",JournalofPersonality,andSocialPsychology,53(1),53~60.
[52]Gabaix,X,2012,"VariableRareDisasters:AnExactlySolvedFrameworkforTenPuzzlesinMacro-finance",QuarterlyJournalofEconomics,127(2),645~700.
[53]Gallagher,J,2014,"LearningaboutanInfrequentEvent:EvidencefromFloodInsuranceTake-upintheUnitedStates",AmericanEconomicJournal:AppliedEconomics,6(3),206~233.
[54]Gao,M,Liu,Y-J,andShi,Y,2019,"DoPeopleFeelLessatRiskEvidencefromDisasterExperience",JournalofFinancialEconomics,pForthcoming.
[55]Gilovich,T,1981,"SeeingthePastinthePresent:TheEffectofAssociationstoFamiliarEventsonJudgments,andDecisions",JournalofPersonality,andSocialPsychology,40(5),797~808.
[56]Gorodnichenko,Y,andRoland,G,2015,"Culture,Institutions,andDemocratization",NationalBureauofEconomicResearchWorkingPaperSeries,No21117.
[57]Greif,A,1994,"CulturalBeliefs,andtheOrganizationofSociety:AHistorical,andTheoreticalReflectiononCollectivist,andIndividualistSocieties",JournalofPoliticalEconomyUniversityofChicagoPress,102(5),912~950.
[58]Guiso,L,Sapienza,P,andZingales,L,2009,"CulturalBiasesinEconomicExchange",TheQuarterlyJournalofEconomics,(8),1095~1131.
[59]Guiso,L,Sapienza,P,2013,"TheDeterminantsofAttitudesTowardStrategicDefaultonMortgages",JournalofFinance,68(4),1473~1515.
[60]Hanna,D,andHuang,Y,2004,"TheImpactofSARSonAsianEconomies",AsianEconomicPapers,3(1),102~112.
[61]Heath,C,andTversky,A,1991,"Preference,andBelief:Ambiguity,andCompetenceinChoiceunderUncertainty",JournalofRisk,andUncertainty,4,5~28.
[62]Hertwig,Retal,2004,"EffectRareEventsChoice",PsychologicalScience,15(8),534~539.
[63]Hethcote,HW,2000,"TheMathematicsofInfectiousDiseases",SIAMReview,42(4),599~653.
[64]Hofstede,G,2001,CulturesConsequences:ComparingValues,Behaviors,andOrganizationsAcrossNationsSagePublications,ThousandOaks,CA.
[65]Isen,AM,2001,"AnInfluenceofPositiveAffectonDecisionMakinginComplexSituations:TheoreticalIssueswithPracticalImplications",JournalofConsumerPsychology,11(2),75~85.
[66]Jackson,EL,1981,"ResponsetoEarthquakeHazard:TheWestCoastofNorthAmerica",Environment,andBehavior,13(4),387~416.
[67]Johnson,DDP,andFowler,JH,2011,"TheEvolutionofOverconfidence",NatureNaturePublishingGroup,477(7364),317~320.
[68]Jung,E,andSung,H,2017,"TheinfluenceoftheMiddleEastRespiratorySyndromeOutbreakonOnline,andOfflineMarketsforRetailSales",Sustainability,Switzerland),9(3),1~23.
[69]Keogh-Brown,MRetal,2010,"ThePossibleMacroeconomicImpactontheUKofanInfluenzaPandemic",HealthEconomics,(19),1345~1360.
2020年第6期行为视角下的疫情分析:成因、影响与对策综述17[70]Keogh-Brown,MR,andSmith,RD,2008,"TheEconomicImpactofSARS:HowdoestheRealityMatchthePredictions",HealthPolicy,88(1),110~120.
[71]Knpfer,S,Rantapuska,E,andSarvimki,M,2017,"FormativeExperiences,andPortfolioChoice:EvidencefromtheFinnishGreatDepression",JournalofFinance,72(1),133~166.
[72]Lee,J-W,andMcKibbin,WJ,2004,"Globalization,andDisease:TheCaseofSARS",AsianEconomicPapers,3(1),113~131.
[73]Lichtenstein,Setal,1978,"JudgedFrequencyofLethalEvents",JournalofExperimentalPsychology:HumanLearning,andMemory,4(6),551~578.
[74]Liu,D,andChen,X,2011,"RumorPropagationinOnlineSocialNetworkslikeTwitter-ASimulationStudy",Proceedings-3rdInternationalConferenceonMultimediaInformationNetworking,andSecurity,MINES2011,278~282.
[75]Malmendier,U,andNagel,S,2011,"DepressionBabies:DoMacroeconomicExperiencesAffectRiskTaking",QuarterlyJournalofEconomics,126(1),373~416.
[76]Malmendier,U,2016,"LearingfromInlfationExperiences",TheQuarterlyJournalofEconomics,53~87.
[77]McKibbin,WJandSidorenko,AA,2006,"GlobalMacroeconomicConsequencesofPandemicInfluenza",TheCrawfordSchoolofPublicPolicy.
[78]Mizumoto,Ketal,2020,"EstimatingtheAsymptomaticProportionofCoronavirusDisease2019,COVID-19,CasesonBoardtheDiamondPrincessCruiseShip,Yokohama,Japan,2020",Eurosurveill,25(10),1~5.
[79]Odean,T,1999,"DoInvestorTradeTooMuch",TheAmericanEconomicReview,89(5),1279~1298.
[80]Pasquini-Descomps,H,Brender,N,andMaradan,D,2017,"ValueforMoneyinH1N1Influenza:ASystematicReviewoftheCost-EffectivenessofPandemicInterventions",ValueinHealthElsevier,20(6),819~827.
[81]Payzan-LeNestour,E,2018,"CanPeopleLearnabout'BlackSwans'ExperimentalEvidence",TheReviewofFinancialStudies,(31),4815~4862.
[82]Pearl,J,2000,Causality:Models,Reasoning,andInferenceNewYork:CambridgeUniversityPress.
[83]Pearl,J,2013,"DirectandIndirectEffects",inProceedingsofthe17thConferenceinUncertaintyinArtificialIntelligence,p411.
[84]Pitman,RJetal,2005,"EntryScreeningforSevereAcuteRespiratorySyndrome,SARS,orInfluenza:Policyevaluation",BritishMedicalJournal,331(7527),1242~1243.
[85]Pompian,MM,2011,BehavioralFinance,andWealthManagementSecondEdiHoboken,NewJersey:JohnWiley&Sons,Inc.
[86]Rietz,TA,1988,"TheEquityRiskPremiumASolution",JournalofMonetaryEconomics,22(1),117~131.
[87]Samuelson,W,andZeckhauser,R,1988,"StatusQuoBiasinDecisionMaking",JournalofRisk,andUncertainty,1(1),7~59.
[88]Sands,Petal,2016,"AssessmentofEconomicVulnerabilitytoInfectiousDiseaseCrises",TheLancetElsevierLtd.
,388(10058),2443~2448.
[89]Schwartz,S,1994,"BeyondIndividualism-collectivism:NewCulturalDimensionsofValues",inSage,NewburyPark,C,ed,Individualism,andCollectivism:Theory,Method,andApplications,85~119.
[90]Shafir,E,Simonson,I,andTversky,A,1993,"Reason-basedChoice",Cognition,49(1-2),11~36.
[91]Shiller,RJ,2017,"NarrativeEconomics",AmericanEconomicReview,107(4),967~1004.
[92]Simon,HA,1956,"RationalChoice,andtheStructureoftheEnvironment",PsychologicalReview,63(2),129~138.
[93]Simonson,I,andTversky,A,1992,"ChoiceinContext:TradeoffContrast,andExtremenessAversion",JournalofMarketing,29(3),281~295.
[94]Slovic,Petal,2007,"TheAffectHeuristic",EuropeanJournalofOperationalResearch,177(3),1333~1352.
18总第480期[95]Slovic,P,andPeters,E,2006,"RiskPerception,andAffect",CurrentDirectionsinPsychologicalScience,15(6),322~325.
[96]Smith,RDandKeogh-Brown,MR,2013,"MacroeconomicImpactofPandemicInfluenzaandAssociatedPoliciesinThailand,SouthAfricaandUganda",InfluenzaandotherRespiratoryViruses,7(SUPPL2),64~71.
[97]Snyder,JM,andStrmberg,D,2010,"PressCoverage,andPoliticalAccountability",JournalofPoliticalEconomy,118(2),355~408.
[98]Tai,ZandSun,T,2011,"TheRumouringofSARSduringthe2003EpidemicinChina",SociologyofHealthandIllness,33(5),677~693.
[99]Taylor,SE,andThompson,SC,1982,"StalkingtheElusive'Vividness'Effect",PsychologicalReview,89(2),155~181.
[100]Teigen,KH,1983,"StudiesinSubjectiveprobabilityI:PredictionofRandomEvents",ScandinavianJournalofPsychology,(24),13~25.
[101]Tversky,A,andKahneman,D,1973,"Availability:AHeuristicforJudgingFrequency,andProbability",CognitivePsychology,5(2),207~232.
[102]Tversky,A,1974,"JudgmentunderUncertainty:Heuristics,andBiases",Science,185(4157),1124~1131.
[103]Wachter,JA,2013,"CanTime-VaryingRiskofRareDisastersExplainAggregateStockMarketVolatility",JournalofFinance,68(3),987~1035.
[104]Wang,Hetal,2013,"RetweetingAnalysis,andPredictioninMicroblogs:anEpidemicInspiredApproach",ChinaCommunicationsChinaInstituteofCommunications,10(3),13~24.
[105]Welch,I,1992,"SequentialSales,Learning,andCascades",TheJournalofFinance,XLVII(2),695~732.
[106]Wong,G,2008,"HasSARSInfectedthePropertyMarketEvidencefromHongKong",JournalofUrbanEconomics,63(1),74~95.
[107]Zajonc,RB,1980,"Feeling,andThinkingPreferencesNeedNoInferences",AmericanPsychologist,35(2),151~175.
[108]Zanette,DH,2002,"DynamicsofRumorPropagationonSmall-worldNetworks",PhysicalReviewE-StatisticalPhysics,Plasmas,Fluids,andRelatedInterdisciplinaryTopics,65(4),p9.
[109]Zhao,Letal,2013,"SIRRumorSpreadingModelintheNewMediaAge",PhysicaAElsevierBV,392(4),995~1003.
[110]Zhou,Y,Ma,ZandBrauer,F,2004,"ADiscreteEpidemicModelforSARSTransmissionandControlinChina",MathematicalandComputerModelling,40(13),1491~1506.
[111]Zuckerman,M,1984,"SensationSeeking:AComparativeApproachtoAHumanTrait",TheBehavioral,andBrainSciences,(7),413~471.
AnalysisofEpidemicsfromtheBehavioralPerspective:AReviewofCauses,Effects,andCountermeasuresLIUYu-JaneWANGChenhao(GuanghuaSchoolofManagement,PekingUniversity)Summary:Epidemicsposeimportantchallengestomodernsociety,andcanrapidlyleadtoinformationuncertaintyandpanicthroughouttheworld.
Economicandfinancialscholarsmainlydiscusstheimpactsofepidemicsonmacroeconomics,suchasbyconductingcost-benefitanalysesofvariousmanagementmeasurestakenduringepidemics.
Fewstudies,however,focusonthedistinctionbetweenepidemicsandothertypesof2020年第6期行为视角下的疫情分析:成因、影响与对策综述19raredisasters,orinvestigatetheeffectsonindividualbehaviorandindirectlosses.
Thus,afterexaminingtheresearchintoraredisastersandthecharacteristicsofepidemics,weattempttoassesstheimpactofepidemicsonindividualsfromtheperspectiveofbehavioralfinance.
Thepaperisorganizedasfollows.
First,wereviewtheliteratureonraredisastersandidentifyhowepidemicsaredistinct,andtheninvestigatethedevelopmentoftheepidemicusingamedicalinfectiousdiseasemodel.
WethenusetheBayesianmodelofincompleteinformationtoanalyzetheerrorsinthehumancognitivemechanismthatoccurredduringpreviousepidemics.
Weapplysaliencytheoryinouranalysisofthemainemotionalerrorsduringpreviousepidemicsanddiscusstheimpactofregionalcultureontheepidemic.
Wealsodistinguishthedirectimpactoftheepidemiconeconomicandfinancialactivitiesfromtheindirecteffectsthroughchannelssuchaspanic,socialtrust,riskattitude,andindividualbeliefs.
Wethenmakesuggestionsforfutureacademicresearchandpolicymanagement,basedontheunderstandingofepidemicinfectiousdiseasesandtheirimpactsontheliterature.
Wesuggestthatfutureacademicresearchaddressesthefollowingissues.
Bigdataandotheremergingtechnologiesprovideopportunitiesforin-depthresearchonthemacroandmicrophenomenacausedbytheepidemic,andusingmedical-specificmodelsinepidemic-relatedresearchcanimprovereliability.
Byfocusingonsocialwelfare,comprehensivelyassessingthedirectandindirectresultsofcontrolmeasures,discussingtheeffectsofgeographicalcharacteristicsontheepidemicprocess,andexploringtheeffectsofindividualism,familyrelations,religiousbeliefs,andotherfactors,futurestudiescouldprovideimportantinsights.
Basedontheliterature,ourpolicyrecommendationsareasfollows.
First,thegovernmentshouldconsidertheaccuracyofearlyconclusions,beawareoftheimpactofbehavioralerrorsonearlyjudgment,promptlyandaccuratelypublishdisasterinformation,andguideindividualstoformcorrectbeliefs.
Second,intermsofintentionalbehaviorstriggeredbyinformationprocessing,theeffectsofcognitiveerrorsonindividualbeliefsanddecision-makingcouldbereducedbyenhancinginformationtransparencyandearlyinformationaccuracy.
Third,intermsofunintentionalbehaviorscausedbyemotionalfactors,reviewingthehistoricalepidemicprocessesandpublicizingtheprogressofvariouscountriesintermsofpreventionandcontrolwouldhelppeopleadjusttheirreferencepointsanddistractattention,therebyreducingtheimpactofemotionalbias.
Fourth,thegovernmentcouldfurtherconsidertheimpactofemotionsoremotionalexperiencesonriskappetite,andthuspreventunreasonablechangesincorporatecashflowandresidentsfinancialmarketparticipation.
Ourstudymakesthreemaincontributionstotheliterature.
First,wereviewindetailtheirrationalfactorsthatcharacterizeanepidemicsituationandindividualsbehaviormechanisms,andfurtherdiscusstheindirecteconomicandfinancialimpactsofthesituationintermsofindividualrationalandirrationalreactions.
Second,bydrawingontheresearchmethodsofnarrativeeconomics,webuildabasicframeworkforanalyzingpanicemotionsusingtheSEIRmodelbasedonthecharacteristicsofrumors.
Third,weanalyzetheassumptionthatindividualbehaviorinanepidemiccanhaveasystematicimpactonthemarket.
Keywords:EpidemicDiseases,SEIRmodel,BayesianLearning,SalienceTheoryJELClassification:D10,D83,I18(责任编辑:林梦瑶)(校对:ZL)