《Brain Research Bulletin》：The Brain Before the Herd: Pre-Decision EEG Prediction of Herd-Consistent Investment Choices among Bilingual Investors
编辑推荐：
社会信号与基本面信号之间的冲突会增强额叶中线θ波活动。P300与θ波在投资决策之前展现出不同的神经加工过程。前决策脑电（EEG）可在未参与训练的投资者中预测羊群一致性选择。神经特征在情境投资者信息之外提供了额外的预测增益。语言与信息格式调节前决策神经加工过程。
社会信号与基本面信号之间的冲突会增强额叶中线θ波活动。P300与θ波在投资决策之前展现出不同的神经加工过程。前决策脑电（EEG）可在未参与训练的投资者中预测羊群一致性选择。神经特征在情境投资者信息之外提供了额外的预测增益。语言与信息格式调节前决策神经加工过程。研究人员采用2×2×2×2被试内实验设计，操纵语言（英语与汉语）、信息格式（长叙事与短事件摘要）、社交媒体情绪（看涨与看跌）以及信息一致性（一致与冲突），招募80名具有美股投资经验的双语中国投资者参与实验。研究结果表明，汉语呈现条件下羊群一致性选择的几率显著高于英语条件（OR = 1.51，95% CI [1.13, 2.03]），短事件摘要条件下的羊群一致性选择几率显著高于长叙事条件（OR = 1.43，95% CI [1.07, 1.91]）。信息冲突条件较信息一致条件诱发显著更强的额叶中线θ波活动（β = 0.36，95% CI [0.21, 0.51]，FDR q < 0.001）。在参与者分离的嵌套交叉验证中，仅基于前决策脑电特征的极端梯度提升（XGBoost）模型达到0.744的受试者工作特征曲线下面积（ROC-AUC），而结合情境变量与前决策脑电特征的联合模型达到0.806的ROC-AUC，较仅含情境变量的模型显著提升0.090（95% CI [0.048, 0.134]）。SHapley加性解释（SHAP）分析进一步揭示了各特征对模型预测的贡献。研究结论表明，前决策神经加工过程包含超越可观察情境信息的增量预测价值，为理解羊群行为的认知机制提供了神经科学层面的实验证据。
论文解读：前决策脑电对双语投资者羊群一致性投资选择的预测研究
一、研究背景与问题
金融市场的数字化转型深刻改变了投资者获取、评估和响应信息的方式。传统披露与分析师报告日益与社交媒体评论、算法策展新闻及人工智能生成内容并存，社会传播信息在塑造投资信念与行为中的作用显著增强。社交媒体情绪可包含经济相关信息并影响市场活动，社会传播亦能系统性地在市场主体间传播信念与行为偏差。然而，羊群行为研究面临根本性的识别问题：行为趋同可能反映模仿，也可能反映对共同信息的理性响应。现有研究大多从收益率离散度、相关交易、投资组合持有等市场结果事后推断羊群行为，难以揭示投资者决定追随或抵制社会信息时的认知过程。此外，市场层面的测量只能在交易或价格响应可观察之后揭示集体行为，而顺从性必然在更早的信息加工阶段就已形成。神经金融学为直接考察决策过程中的神经活动提供了高时间分辨率的工具，脑电图（EEG）能够捕捉决策过程中的神经活动。在双语及人工智能中介的金融环境中，中国双语投资者可能同时以英语和汉语处理经济信息，语言与信息格式的差异可能影响加工流畅性、注意分配及对集体意见赋予的相对权重。因此，本研究旨在考察前决策神经生理特征是否包含超越可观察信息条件的、关于后续羊群一致性投资选择的增量预测信息。
二、研究设计与主要技术方法
研究人员采用被试内2×2×2×2析因设计，操纵语言（英语与汉语）、信息格式（600–800词长叙事与80–120词短事件摘要）、社交媒体情绪（看涨与看跌）及信息一致性（一致与冲突）。样本来源为通过券商、投资协会和投资者社区招募的80名双语中国投资者，均具有至少3年美股投资经验。实验刺激由GPT-4o基于结构化事实模板生成，经三名金融学者独立验证（组内相关系数ICC(2,k) = 0.89），并经回译程序及五名双语金融专家评估确保跨语言语义等价（ICC(2,k) = 0.87）。EEG数据采用Brain Products actiCHamp 32导系统以500 Hz采样率记录，经EEGLAB预处理后，提取情绪线索锁定的P300（P3/Pz/P4，300–600 ms）与额叶中线θ波（Fz/FCz，4–7 Hz，0–1000 ms）作为前决策神经特征。统计分析采用单试次混合效应模型，预测验证采用参与者分离的五折分组交叉验证（GroupKFold），评估惩罚逻辑回归、随机森林与XGBoost三种算法，并以参与者层面自助法、留一参与者交叉验证及置换检验评估稳健性。
三、研究结果
行为层面：语言与信息格式对羊群一致性选择的影响。 混合效应逻辑回归结果显示，汉语呈现条件下羊群一致性选择的几率比（OR）为1.51（95% CI [1.13, 2.03]，FDR q = 0.015），显著高于英语条件，支持H1；短事件摘要条件下的OR为1.43（95% CI [1.07, 1.91]，FDR q = 0.032），显著高于长叙事条件，支持H2。看涨与看跌情绪之间无显著差异，语言与信息格式的交互效应亦不显著，表明二者是相对独立的关联因素。
前决策神经响应：冲突监测与注意加工。 信息冲突条件较信息一致条件诱发显著更强的额叶中线θ波活动（β = 0.36，95% CI [0.21, 0.51]，FDR q < 0.001，Cohen's d = 0.44），支持H3。P300振幅在汉语条件下显著大于英语条件（β = 0.28，95% CI [0.12, 0.44]，FDR q = 0.003），短格式条件下亦显著大于长格式条件（β = 0.19，95% CI [0.05, 0.33]，FDR q = 0.027），反映注意分配与情境更新的差异。
后决策反馈响应：结果评估的神经指标。 冲突条件较一致条件诱发更负的反馈相关负波（FRN）（β = ?0.31，95% CI [?0.46, ?0.16]，FDR q < 0.001），奖励正波（RewP）振幅亦显著降低（β = ?0.27，95% CI [?0.43, ?0.11]，FDR q = 0.002）。这些成分在投资决策后才被诱发，仅作为事后解释性分析，不纳入前决策预测模型。
参与者分离的机器学习预测。 仅含情境变量的最优XGBoost模型ROC-AUC为0.716；仅含前决策EEG特征的XGBoost模型ROC-AUC为0.744（95% CI [0.694, 0.790]），支持H4；结合情境变量与前决策EEG特征的联合模型ROC-AUC达0.806（95% CI [0.762, 0.845]），较情境模型显著提升0.090（95% CI [0.048, 0.134]），支持H5。SHAP分析显示神经特征对模型预测具有稳定贡献。
四、讨论与结论
本研究的核心贡献在于将羊群行为研究从主要依赖事后识别集体市场结果，拓展至考察可观察投资选择之前的神经认知过程。语言与叙事格式作为金融信息架构的维度，可调节投资者对社会信号的易感性。参与者分离的验证设计确保预测泛化至未参与训练的投资者，SHAP可解释性分析增强了模型透明度。研究结论表明，前决策神经加工过程包含超越可观察情境信息的增量预测价值，信息冲突是前决策认知控制需求的主要来源，语言与信息格式通过影响注意分配和加工流畅性调节社会信号顺从性。研究局限性包括：实验室情境限制了向真实市场羊群行为的推广；单试次神经特征的信噪比低于传统多试次平均；样本规模对机器学习开发而言仍属适中，结果应视为样本群体内的内部验证而非外部可迁移性证据。未来研究可在更大样本及真实交易环境中进一步检验前决策神经特征的预测效度。
