The Influence of Behavioural Finance Factors and the Moderating Effects of Contextual and Demographic Factors on Individual Investor’s Investment Performance
Notice bibliographique
Résumé
Individual investors trading at the Colombo Stock Exchange (CSE), Sri Lanka, behave irrationally despite objective finance models available for them to refer in making rational decisions. Therefore this paper examines the irrationality by testing whether behavioural finance factors (BF), stock broker’s recommendations (SBR) as a contextual factor, and individual investor’s existing knowledge of the stock market (EK) as a demographic factor affect individual investor’s investment performance (IP). Heuristic behaviour, prospect behaviour and market factors were conceptualised as independent variables of the study whereas SBR and EK act as moderators on the relationship between BF and IP. Data of 221 individual investors of CSE during first half of 2019 were analyzed using structural models to draw empirical evidence to test hypotheses of the study. Results of the study reveal that market information and past stock trends as market factors have a significant bearing on investment decision making, which ultimately affect IP, while the aggregate effect of BF upholds a significant impact on IP. The results expose some novel findings such as: investors receive inferior financial returns when imitating other investors’ trading behaviour whilst trading on SBR; receive lower returns once trading on market factors whilst resuming SBR; and receive mediocre returns when EK is affirmative whilst following other investors’ decisions; and suffer losses when trading on market factors whilst exploiting EK. The findings imply that the stock brokers should not merely consider the output of objective finance models, but market wide herding, market manipulations, market factors and EK in investment recommendations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».