在校大學(xué)生個(gè)體炒股意向的影響因素研究 - 中國(guó)統(tǒng)計(jì)教育學(xué)會(huì)

1、全國(guó)大學(xué)生統(tǒng)計(jì)建模大賽在校大學(xué)生炒股意向的影響因素研究在校大學(xué)生炒股意向的影響因素研究摘 要為分析在校大學(xué)生炒股意向的影響因素，本文以2008年?yáng)|北財(cái)經(jīng)大學(xué)社會(huì)與行為跨學(xué)科研究中心所完成的“東北財(cái)經(jīng)大學(xué)在校大學(xué)生炒股行為特征調(diào)查”所得數(shù)據(jù)為基礎(chǔ)，利用二項(xiàng)Logistic回歸模型和對(duì)應(yīng)分析方法，對(duì)影響在校大學(xué)生炒股意向的因素進(jìn)行了細(xì)分，并比較了不同大學(xué)生特征的炒股意向差異。實(shí)證分析結(jié)果表明，具有不同性別、年級(jí)、專(zhuān)業(yè)、風(fēng)險(xiǎn)偏好特征的學(xué)生，其進(jìn)入股市的意向均有所差異。關(guān)鍵詞：炒股意向，Logistic回歸，對(duì)應(yīng)分析目 錄一、問(wèn)題描述- 3 -二、數(shù)據(jù)描述- 3 -三、研究方法及模型選取- 4 -（一

2、）Logistic回歸模型說(shuō)明- 4 -（二）對(duì)應(yīng)分析方法說(shuō)明- 4 -四、模型建立- 5 -（一）模型設(shè)定及符號(hào)說(shuō)明- 5 -（二）模型建立- 5 -五、模型求解和檢驗(yàn)- 6 -（一）模型求解方法- 6 -（二）模型檢驗(yàn)方法- 6 -（三）模型的求解和檢驗(yàn)結(jié)果- 7 -六、模型評(píng)價(jià)- 9 -七、結(jié)論及建議- 11 -（一）結(jié)論- 11 -（二）建議- 12 -參考文獻(xiàn)- 13 -圖表目錄表 1 虛擬變量名稱(chēng)及取值列表- 5 -表 2 模型整體顯著性的Hosmer-Lemeshow檢驗(yàn)結(jié)果- 7 -表 3 回歸系數(shù)估計(jì)值及其顯著性檢驗(yàn)結(jié)果- 8 -表 4 二維列聯(lián)表- 9 -表 5 行輪廓矩陣

3、- 9 -表 6 列輪廓矩陣- 10 -表 7 對(duì)應(yīng)分析總覽表- 10 -圖 1 對(duì)應(yīng)分析圖- 11 -一、問(wèn)題描述受近幾年來(lái)我國(guó)經(jīng)濟(jì)的高速增長(zhǎng)、人民生活水平提高的影響和股市行情2006年牛市行情所帶來(lái)豐碩回報(bào)的驅(qū)動(dòng)，越來(lái)越多的人投資股市，在校大學(xué)生群體也不例外。隨著大學(xué)生心理的不斷成熟以及自我意識(shí)的進(jìn)一步發(fā)展，大學(xué)生越來(lái)越注重自我理財(cái)和經(jīng)濟(jì)獨(dú)立，炒股為他們提供了良好的契機(jī)。在全民炒股的大浪潮中，作為個(gè)體的在校大學(xué)生在進(jìn)行炒股決策時(shí)，會(huì)受到多方面因素的影響。本文將以“東北財(cái)經(jīng)大學(xué)在校大學(xué)生炒股行為特征調(diào)查”所得數(shù)據(jù)為基礎(chǔ)，探尋在校大學(xué)生個(gè)體炒股意向的影響因素，以期能為高校加強(qiáng)對(duì)大學(xué)生股民的正確

4、引導(dǎo)提供依據(jù)。二、數(shù)據(jù)描述本文所使用數(shù)據(jù)來(lái)源于東北財(cái)經(jīng)大學(xué)社會(huì)與行為跨學(xué)科研究中心行為金融學(xué)實(shí)驗(yàn)班負(fù)責(zé)實(shí)施的“東北財(cái)經(jīng)大學(xué)在校大學(xué)生炒股行為特征調(diào)查”項(xiàng)目。本次調(diào)查通過(guò)對(duì)東北財(cái)經(jīng)大學(xué)在校本科生的炒股情況進(jìn)行調(diào)查和分析，了解在校本科生的炒股基本狀況及行為特征，為研究大學(xué)生炒股行為及心理提供相應(yīng)的數(shù)據(jù)支持。本次調(diào)查針對(duì)東北財(cái)經(jīng)大學(xué)在校本科生展開(kāi)，為提高推斷的準(zhǔn)確度和調(diào)查的效率，以及滿(mǎn)足多層次和分類(lèi)型推斷的需要，本項(xiàng)目采用了按年級(jí)、專(zhuān)業(yè)、性別三個(gè)標(biāo)識(shí)變量進(jìn)行復(fù)合分層的抽樣方法，確定樣本量1040個(gè)，全校抽樣比例為12%，分布于本科38個(gè)專(zhuān)業(yè)的293個(gè)班級(jí)，專(zhuān)業(yè)和班級(jí)的覆蓋率分別達(dá)到90.5%和33.

5、3%。調(diào)查內(nèi)容涉及大學(xué)生炒股的基本信息、炒股行為特征、風(fēng)險(xiǎn)偏好等。同時(shí)，為了研究專(zhuān)業(yè)背景的需要，在保證總體推斷效果的基礎(chǔ)上，本次調(diào)查按各專(zhuān)業(yè)的學(xué)科特點(diǎn)將所有專(zhuān)業(yè)分為三類(lèi)，即金融相關(guān)專(zhuān)業(yè)，經(jīng)濟(jì)、管理和理學(xué)相關(guān)專(zhuān)業(yè)，人文、法學(xué)相關(guān)專(zhuān)業(yè)。本次調(diào)查通過(guò)面對(duì)面訪談與被調(diào)查者自填問(wèn)卷相結(jié)合的方式進(jìn)行。實(shí)際發(fā)放問(wèn)卷1040份，回收有效問(wèn)卷1009份，回收率為96.9%。本次調(diào)查由東北財(cái)經(jīng)大學(xué)行為金融學(xué)實(shí)驗(yàn)班2006級(jí)全體學(xué)生共同完成。調(diào)查數(shù)據(jù)的匯總、處理及分析過(guò)程使用EpiData、SPSS軟件系統(tǒng)實(shí)現(xiàn)。在95%的概率保證下，調(diào)查主要炒股行為特征指標(biāo)相對(duì)誤差1%。三、研究方法及模型選取本文將使用Logist

6、ic回歸模型和對(duì)應(yīng)分析方法，從定量和定性?xún)蓚€(gè)角度分析不同的學(xué)生特征對(duì)在校大學(xué)生個(gè)體炒股意向的影響。（一）Logistic回歸模型說(shuō)明Logistic回歸屬于概率型非線性回歸，是最常見(jiàn)的二元選擇模型。假設(shè)在自變量的作用下，某事件的發(fā)生概率為，不發(fā)生的概率為，事件發(fā)生的概率與不發(fā)生的概率之比，稱(chēng)為事件的“發(fā)生比”，用表示： （1）則logistic回歸模型為 （2）式中，為常數(shù)項(xiàng)，稱(chēng)為回歸系數(shù)?；貧w系數(shù)的指數(shù)變換，稱(chēng)作變量的優(yōu)勢(shì)比，它代表自變量變化一個(gè)單位所帶來(lái)的事件發(fā)生可能性的變化比率，描述了自變量對(duì)因變量的作用大小。（二）對(duì)應(yīng)分析方法說(shuō)明 對(duì)應(yīng)分析(Correspondence Analysi

7、s)也稱(chēng)相應(yīng)分析、關(guān)聯(lián)分析，它通過(guò)分析由定性變量構(gòu)成的交互匯總表來(lái)揭示變量間的聯(lián)系。對(duì)應(yīng)分析可以揭示同一變量的各個(gè)類(lèi)別之間的差異，以及不同變量各個(gè)類(lèi)別之間的對(duì)應(yīng)關(guān)系，是近年新發(fā)展起來(lái)的一種多元相依變量統(tǒng)計(jì)分析技術(shù)。 對(duì)應(yīng)分析的基本思想是將一個(gè)列聯(lián)表的行和列中各元素的比例結(jié)構(gòu)以點(diǎn)的形式在較低維的空間中表示出來(lái)。它最大特點(diǎn)是能把眾多的樣品和眾多的變量同時(shí)作到同一張圖解上，將樣品的大類(lèi)及其屬性在圖上直觀而又明了地表示出來(lái)，具有直觀性。對(duì)應(yīng)分析法整個(gè)處理過(guò)程由兩部分組成：表格和關(guān)聯(lián)圖。對(duì)應(yīng)分析法中的表格是一個(gè)二維的表格，由行和列組成。每一行代表事物的一個(gè)屬性，依次排開(kāi)。列則代表不同的事物本身，它由樣本

8、集合構(gòu)成，排列順序并沒(méi)有特別的要求。在關(guān)聯(lián)圖上，各個(gè)樣本都濃縮為一個(gè)點(diǎn)集合，而樣本的屬性變量在圖上同樣也是以點(diǎn)集合的形式顯示出來(lái)。四、模型建立由于炒股與否為二分類(lèi)變量，本文將通過(guò)建立Logistic回歸模型來(lái)識(shí)別不同學(xué)生特征對(duì)炒股意向的影響。性別、年級(jí)、專(zhuān)業(yè)等控制變量的不同，對(duì)個(gè)體炒股意向的影響也往往會(huì)有不同。接下來(lái)本文將利用調(diào)查所得數(shù)據(jù)，通過(guò)建立Logistic回歸模型，來(lái)實(shí)現(xiàn)學(xué)生的不同特征對(duì)其炒股意向的影響方向和程度的量化研究。（一）模型設(shè)定及符號(hào)說(shuō)明以 （是否炒股）為被解釋變量，定義正在炒股的，曾經(jīng)炒過(guò)股但已清倉(cāng)，以及模擬炒股者為“炒股者”，取值為1；沒(méi)有炒過(guò)股的為“不炒股者”，取值為0

9、。以性別（），年級(jí)（），專(zhuān)業(yè)（）為解釋變量，變量取值如表1所示。表 1 虛擬變量名稱(chēng)及取值列表虛擬變量名稱(chēng)變量取值I1-炒股 0-不炒股S1-男 0-女G11-大一學(xué)生 0-其他G21-大二學(xué)生 0-其他G31-大三學(xué)生 0-其他M11-金融相關(guān)專(zhuān)業(yè) 0-其他M21-經(jīng)濟(jì)學(xué)管理學(xué)理學(xué) 0-其他（二）模型建立考慮性別、年級(jí)和專(zhuān)業(yè)各自對(duì)在校大學(xué)生個(gè)體炒股意向的影響，以及變量之間的交互效應(yīng)，通過(guò)二項(xiàng)Logistic回歸方法，本文建立了如下模型來(lái)分析影響個(gè)體炒股意向的因素： （代表第個(gè)子個(gè)體，）五、模型求解和檢驗(yàn)（一）模型求解方法一般的線性回歸模型適合于使用最小二乘法進(jìn)行估計(jì)，由于二項(xiàng)Logistic

10、回歸模型中隨機(jī)擾動(dòng)項(xiàng)并不滿(mǎn)足經(jīng)典假設(shè)，所以需要使用極大似然法估計(jì)。由Logistic回歸模型的基本形式可知，服從均值的0-1分布，所以，的分布函數(shù)為 模型的似然函數(shù)為 模型的對(duì)數(shù)似然函數(shù)為對(duì)二項(xiàng)Logistic回歸模型進(jìn)行估計(jì)，就是求使得達(dá)到最大的值。（二）模型檢驗(yàn)方法回歸方程整體顯著性檢驗(yàn)常用的檢驗(yàn)方法有Hosmer-Lemeshow檢驗(yàn)和對(duì)數(shù)似然比檢驗(yàn)。本文使用的是前者。在二項(xiàng)Logistic回歸模型中，回歸系數(shù)顯著性檢驗(yàn)不是通過(guò)檢驗(yàn)，而是通過(guò)構(gòu)造Wald統(tǒng)計(jì)量來(lái)進(jìn)行。Wald檢驗(yàn)的原假設(shè)是，Wald統(tǒng)計(jì)量按照如下等式構(gòu)造：其中，是第個(gè)變量的回歸系數(shù)估計(jì)值，是的標(biāo)準(zhǔn)差。Wald統(tǒng)計(jì)量在原假

11、設(shè)得到滿(mǎn)足的條件下，服從一個(gè)自由度為1的卡方分布。SPSS能夠自動(dòng)計(jì)算Wald統(tǒng)計(jì)量和其對(duì)應(yīng)的值，通過(guò)比較第個(gè)Wald統(tǒng)計(jì)量對(duì)應(yīng)的值和給定的顯著性水平，就可以判定第個(gè)回歸系數(shù)是否顯著，當(dāng)值小于特定的顯著性水平時(shí)，拒絕原假設(shè)，認(rèn)為第個(gè)回歸系數(shù)顯著不為0。（三）模型的求解和檢驗(yàn)結(jié)果表 2 模型整體顯著性的Hosmer-Lemeshow檢驗(yàn)結(jié)果Chi-squaredfSig.10.87306680.02給定5%的顯著性水平，原假設(shè)是各回歸系數(shù)同時(shí)為0，備選假設(shè)為各回歸系數(shù)不同時(shí)為0。由表2可知，模型整體是顯著的，可以進(jìn)行進(jìn)一步研究。運(yùn)用ForwardStepwise(Conditional) 的方法

12、，可以得到各回歸系數(shù)的估計(jì)值和顯著性檢驗(yàn)結(jié)果，見(jiàn)表3。從表3可以看出，年級(jí)、專(zhuān)業(yè)以及年級(jí)和專(zhuān)業(yè)組成的交互變量整體是顯著的，其中大一、大二年級(jí)，金融相關(guān)專(zhuān)業(yè)，以及性別和專(zhuān)業(yè)交叉影響下的“金融相關(guān)專(zhuān)業(yè)男生”和“經(jīng)濟(jì)學(xué)管理學(xué)或理學(xué)專(zhuān)業(yè)男生”是統(tǒng)計(jì)顯著的，而其他變量是不顯著的，因而被剔除。從回歸系數(shù)的符號(hào)來(lái)看，大一、大二年級(jí)，經(jīng)濟(jì)學(xué)、管理學(xué)、理學(xué)專(zhuān)業(yè)與是否炒股負(fù)相關(guān)，大三年級(jí)、金融相關(guān)專(zhuān)業(yè)、金融相關(guān)專(zhuān)業(yè)的男生，經(jīng)濟(jì)學(xué)、管理學(xué)、理學(xué)專(zhuān)業(yè)的男生與是否炒股正相關(guān)。這與實(shí)際情況基本符合。根據(jù)二項(xiàng)Logistic回歸方法，可得出其表達(dá)式： 表 3 回歸系數(shù)估計(jì)值及其顯著性檢驗(yàn)結(jié)果BS.E.WalddfSig.E

13、xp(B)年級(jí)59.82830 大一-2.3770.38737.632100.093 大二-1.0330.26115.659100.356 大三0.0610.2160.0810.7771.063專(zhuān)業(yè)13.62620.001 金融相關(guān)1.0960.3818.27310.0042.991 經(jīng)濟(jì)學(xué)管理學(xué)或理學(xué)-0.1110.2910.14610.7020.895性別*專(zhuān)業(yè)24.96720金融相關(guān)專(zhuān)業(yè)男生1.1650.456.69710.013.204經(jīng)濟(jì)學(xué)管理學(xué)或理學(xué)專(zhuān)業(yè)男生0.9120.21318.345102.49常數(shù)-1.4260.28624.907100.24將各顯著項(xiàng)前的回歸系數(shù)取反對(duì)數(shù)，

14、即由上表的最后一列可以得到大學(xué)生證券投資的機(jī)會(huì)比率，即為變量的優(yōu)勢(shì)比，其大小可以解釋為該水平所對(duì)應(yīng)的大學(xué)生證券投資概率與基準(zhǔn)期大學(xué)生證券投資概率相比的倍數(shù)。由表3可知，樣本中大三學(xué)生炒股的發(fā)生比為基準(zhǔn)期大四學(xué)生的1.063倍，而大一和大二學(xué)生炒股的發(fā)生比僅為基準(zhǔn)期大四學(xué)生的0.093和0.3561；金融相關(guān)專(zhuān)業(yè)的學(xué)生炒股的發(fā)生比為基準(zhǔn)期人文、法學(xué)相關(guān)專(zhuān)業(yè)學(xué)生的2.991倍，而金融相關(guān)專(zhuān)業(yè)的男生炒股的發(fā)生比更是基準(zhǔn)期人文、法學(xué)相關(guān)專(zhuān)業(yè)學(xué)生的3.204倍。可見(jiàn)大三、大四的學(xué)生比大一、大二的學(xué)生炒股的可能性大，金融相關(guān)專(zhuān)業(yè)的學(xué)生比經(jīng)濟(jì)學(xué)、管理學(xué)、理學(xué)專(zhuān)業(yè)的學(xué)生炒股的可能性大，金融相關(guān)專(zhuān)業(yè)的男生比經(jīng)濟(jì)

15、學(xué)、管理學(xué)、理學(xué)專(zhuān)業(yè)的男生炒股的可能性大。六、模型評(píng)價(jià)本文構(gòu)建的二項(xiàng)Logistic回歸模型的優(yōu)點(diǎn)在于，該模型成功地將性別、年級(jí)、專(zhuān)業(yè)等離散變量對(duì)炒股意向的影響進(jìn)行了量化。通過(guò)該二元選擇模型的求解，衡量了各變量對(duì)在校大學(xué)生炒股意向的影響程度，清晰地刻畫(huà)了在校大學(xué)生的炒股決策，對(duì)發(fā)現(xiàn)大學(xué)校園里的炒股群體具有指向性的作用，便于高校采取相應(yīng)的合理引導(dǎo)措施。但是，本文構(gòu)建的模型也存在一定的改進(jìn)空間。因?yàn)槌吮疚乃疾斓挠绊懸蛩赝猓渌蛩匾部赡軙?huì)顯著影響大學(xué)生的炒股意向，而考慮到模型的簡(jiǎn)明性，這些因素沒(méi)有被包括在模型里。比如，在校大學(xué)生的風(fēng)險(xiǎn)偏好類(lèi)型對(duì)其炒股意向的影響等。由于態(tài)度對(duì)行為很大程度上會(huì)產(chǎn)生

16、影響，接下來(lái)本文將對(duì)在校大學(xué)生風(fēng)險(xiǎn)偏好類(lèi)型與是否炒股意向的對(duì)應(yīng)關(guān)系進(jìn)行分析，以補(bǔ)充二項(xiàng)Logistic回歸模型在研究在校大學(xué)生個(gè)體炒股意向的影響因素問(wèn)題時(shí)的不足。 表 4 二維列聯(lián)表風(fēng)險(xiǎn)偏好程度積極型穩(wěn)健型平穩(wěn)型保守型Active Margin炒股者449612116潛在炒股者32040164不炒股者517262218817Active Margin1224172321997從上表中可以粗略地觀察到不同炒股決策者的風(fēng)險(xiǎn)偏好類(lèi)型，平穩(wěn)型決策者在其中占據(jù)了最大比重。表 5 行輪廓矩陣風(fēng)險(xiǎn)偏好程度積極型穩(wěn)健型平穩(wěn)型保守型Active Margin炒股者.034.422.526.0171.000潛在炒

17、股者.047.312.625.0161.000不炒股者.006.211.761.0221.000Mass.012.242.725.021表 6 列輪廓矩陣風(fēng)險(xiǎn)偏好程度積極型穩(wěn)健型平穩(wěn)型保守型Mass炒股者.333.203.084.095.116潛在炒股者.250.083.055.048.064不炒股者.417.714.860.857.819Active Margin1.0001.0001.0001.000從以上兩個(gè)表邊際頻率Mass可以看出，所有被調(diào)查對(duì)象的炒股決策分布情況為炒股者為0.116，潛在炒股者為0.064，不炒股者為0.819。積極型的占0.012，穩(wěn)健性占0.242，平穩(wěn)型占0.

18、725，保守型占0.021。東北財(cái)經(jīng)大學(xué)在校大學(xué)生從風(fēng)險(xiǎn)偏好上看比較平穩(wěn)或穩(wěn)健，而不炒股的比例占了81.9%，相應(yīng)的炒股學(xué)生的比重是11.6%，這個(gè)比例是比較大的?？梢?jiàn)東北財(cái)經(jīng)大學(xué)作為財(cái)經(jīng)類(lèi)院校，炒股行為已經(jīng)比較普遍。 表 7 對(duì)應(yīng)分析總覽表DimensionSingular ValueInertiaChi SquareSig.Proportion of InertiaConfidence Singular ValueAccounted forCumulativeStandard DeviationCorrelation21.202.041.946.946.037.0312.048.002.0

19、541.000.053Total.04342.888.000a1.0001.000從上表看，第一個(gè)維度慣量是0.041，占總慣量的94.6%，第二個(gè)維度占總慣量的比重很小，但是為了說(shuō)明分析過(guò)程，仍然保持兩個(gè)維度。卡方統(tǒng)計(jì)量等于42.888，對(duì)應(yīng)的p值接近于0，有理由拒絕原假設(shè)，認(rèn)為行列變量之間存在顯著相關(guān)性，對(duì)應(yīng)分析是有意義的。圖 1 對(duì)應(yīng)分析圖上圖直觀地體現(xiàn)了風(fēng)險(xiǎn)偏好程度與是否炒股的決策之間的對(duì)應(yīng)關(guān)系。從圖中可以發(fā)現(xiàn)，保守型、平穩(wěn)型的學(xué)生傾向于不炒股，而穩(wěn)健型的相比較而言更傾向于炒股，模擬炒股的人群則沒(méi)有表現(xiàn)出明顯的風(fēng)險(xiǎn)偏好相關(guān)性，而積極型的人群則與是否炒股的決策關(guān)聯(lián)很小，可能是受某些因素，

20、如對(duì)股市缺乏關(guān)注或者有其他投資渠道等影響的?？梢?jiàn)，風(fēng)險(xiǎn)偏好程度對(duì)是否炒股的決策是有影響的。 綜上可以得出結(jié)論，性別、年級(jí)、專(zhuān)業(yè)及風(fēng)險(xiǎn)偏好程度都對(duì)在校大學(xué)生個(gè)體炒股意向產(chǎn)生了不同程度的影響。七、結(jié)論及建議（一）結(jié)論通過(guò)建立二項(xiàng)Logistic回歸模型和使用對(duì)應(yīng)分析方法對(duì)數(shù)據(jù)的分析，我們得到以下結(jié)論：大學(xué)生炒股具有結(jié)構(gòu)上的差異，年級(jí)、性別、專(zhuān)業(yè)等控制變量，以及風(fēng)險(xiǎn)偏好程度的不同都會(huì)導(dǎo)致炒股意向的差異。 具體表現(xiàn)為：1年級(jí)不同，炒股的人數(shù)不同。大三、大四的學(xué)生相比大一、大二的來(lái)說(shuō)，炒股人數(shù)較多，這與他們?cè)诔垂烧J(rèn)知程度上的不同有關(guān)。隨著年級(jí)的升高，專(zhuān)業(yè)知識(shí)的增加，在周?chē)h(huán)境的影響下，大部分學(xué)生都對(duì)股票

21、知識(shí)有了一定的了解，在尋求體驗(yàn)心理的驅(qū)使下，加入炒股大軍行列。2性別不同，炒股的人數(shù)不同。相比女生，男生炒股的人數(shù)更多，這與性別角色特點(diǎn)的不同有關(guān)。男生更容易形成自己獨(dú)立的經(jīng)濟(jì)決策，冒險(xiǎn)行為也更為頻繁，而女生經(jīng)濟(jì)行為則相對(duì)保守。但是女生相比男生炒股時(shí)表現(xiàn)的更加理性，這與她們風(fēng)險(xiǎn)厭惡程度較高有關(guān)。3. 專(zhuān)業(yè)不同，炒股人數(shù)不同。在專(zhuān)業(yè)分類(lèi)中，金融相關(guān)專(zhuān)業(yè)炒股的比例最高，這是與他們的專(zhuān)業(yè)本質(zhì)密切相關(guān)的。和非金融相關(guān)專(zhuān)業(yè)的學(xué)生相比，他們更容易接觸到資本市場(chǎng)方面的知識(shí)，從而更趨向于炒股。4. 風(fēng)險(xiǎn)偏好程度不同，炒股人數(shù)不同。保守型、平穩(wěn)型的學(xué)生傾向于不炒股，而穩(wěn)健型的相對(duì)更傾向于炒股，模擬炒股的人群則沒(méi)

22、有表現(xiàn)出明顯的風(fēng)險(xiǎn)偏好相關(guān)性，而積極型的人群則與是否炒股的決策關(guān)聯(lián)很小。（二）建議2007-2008年，我們都親身經(jīng)歷了中國(guó)股市從頂峰到低谷的巨大衰退。伴隨著全球金融危機(jī)的蔓延，人們應(yīng)該更加清楚地意識(shí)到：炒股不是所有人都能做的。其對(duì)專(zhuān)業(yè)、技術(shù)知識(shí)的要求都很高，大學(xué)生作為年輕的群體，由于經(jīng)驗(yàn)不足，心理承受能力較低，很容易迷失在股市中，最終“財(cái)才兩空”?；谝陨戏治觯覀兘o出如下建議：1. 謹(jǐn)慎入市炒股不僅需要資金，更需要良好的心態(tài)以及一定的專(zhuān)業(yè)知識(shí)。進(jìn)入股市前有必要了解如何合理地投資并意識(shí)到其中的風(fēng)險(xiǎn)，并衡量自己的風(fēng)險(xiǎn)承受度。另外，在投資前最好結(jié)合經(jīng)濟(jì)周期擬定投資目標(biāo)，并選擇合適的股票和基金，實(shí)

23、現(xiàn)風(fēng)險(xiǎn)的有效分散。2. 理性對(duì)待炒股是一把“雙刃劍”。在校大學(xué)生必須理性對(duì)待，盡力避免其負(fù)面影響，合理地安排時(shí)間和資金，不耽誤學(xué)習(xí)，不負(fù)債、透支炒股，不將基本生活費(fèi)用于炒股，正確地處理學(xué)習(xí)、生活與炒股的關(guān)系。3. 樹(shù)立正確的理財(cái)觀念金錢(qián)不是衡量人生價(jià)值的唯一標(biāo)準(zhǔn)，只是提高生活質(zhì)量的一個(gè)因素。大學(xué)生創(chuàng)造財(cái)富、實(shí)現(xiàn)人生理想的道路有無(wú)數(shù)條，不能僅僅依靠炒股。在校大學(xué)生仍應(yīng)在理財(cái)和學(xué)業(yè)之間找到一個(gè)平衡點(diǎn)，以專(zhuān)業(yè)學(xué)習(xí)為主，淡化金錢(qián)意識(shí)，珍惜大學(xué)時(shí)光，打牢專(zhuān)業(yè)基礎(chǔ)，提高應(yīng)用能力，培養(yǎng)探索精神，使“君子愛(ài)財(cái)取之有道”的精神深入人心，達(dá)到“儒”和“商”的完美結(jié)合。4. 學(xué)校和社會(huì)應(yīng)給予正確引導(dǎo)當(dāng)前大學(xué)生炒股，很少有理性的價(jià)值性投資，多為短線投機(jī)操作。雖然這是投資理財(cái)?shù)囊环N，但是如果這樣的思想過(guò)度蔓延，就會(huì)強(qiáng)化在校大學(xué)生“不勞而獲”的意識(shí)。因此從高校和社會(huì)的角度來(lái)看，必須注重這部分人群的發(fā)展，需要在他們主要價(jià)值觀形成時(shí)期給予合理的引導(dǎo)。一方面要通過(guò)學(xué)校的各種學(xué)生組織和教師