个体的风险偏好在金融决策中起着核心作用（Barseghyan等人，2018；Mata等人，2018；Rieger等人，2015）。鉴于这一点，监管机构要求金融机构评估客户的风险状况，以确保产品适合性。例如，《金融工具市场指令II》（MiFID II）要求欧洲金融机构评估客户对特定金融产品的适用性。1同样，自2021年起，中国银保监会（CBIRC）也要求所有财富管理公司获取客户的风险偏好，并仅向适合的投资者销售产品。2
为了应对这些投资者保护法规，金融机构通常使用调查问卷来获取客户的风险偏好信息（Marinelli和Mazzoli，2011；Pedroni等人，2017）。尽管这种方法方便且普遍使用，但由于一些限制，它可能无法准确反映客户的风险偏好。首先，准确的自我报告需要投资者具备对风险的深刻理解，而这正是许多零售投资者所缺乏的（Balasubramnian和Sargent，2020；Lusardi和Mitchell，2014）。受访者还可能将风险厌恶与损失厌恶混淆，从而导致测量误差（van Dolder和Vandenbroucke，2024）。其次，由于适合性调查通常是假设性的且无约束力的，回答结果可能受到低努力程度、注意力不集中或策略性回答的影响。例如，在财富管理金融科技平台上的投资者可能会夸大自己的风险承受能力，以规避适合性限制并获得高收益产品（Charness等人，2013；Eckel，2019；Klement，2015）。因此，调查问卷可能无法为金融机构准确获取客户的风险偏好，尤其是在监管用途方面。
另一种获取风险偏好的方法是使用激励性实验方法，参与者需要为他们的风险相关决策承担金钱后果。与调查不同，实验中的策略性回答会带来直接的经济成本。这一特点可以减少适合性评估中常见的误报现象。虽然实验通常在实验室中进行，但在金融市场中很少应用（Friedman等人，2014）。尽管现场实验比实验室实验具有更高的外部有效性，并被认为是获得最可靠和普遍适用结果的“黄金标准”（Harrison和List，2004；Levitt和List，2008），但目前尚不清楚实验方法在多大程度上能够准确反映现实世界的风险承担行为。
现有文献在两个关键维度上得出了混合结果。首先，研究调查方法和实验方法之间关系的研究往往报告不一致的发现（Blais和Weber，2006；Charness和Gneezy，2010；Crosetto和Filippin，2013；Eckel，2019；He等人，2018；Wagner等人，2007）。同样，比较这两种方法对自我报告行为预测能力的研究也产生了不同的结果（Hermansson，2018；Menkhoff和Sakha，2017）。尽管之前的研究探讨了哪种方法更能反映参与者的风险承担行为，但它们往往缺乏对现实世界风险承担行为的直接观察。通过与一家金融科技公司的合作，本研究旨在通过比较调查和激励实验获取的风险偏好对个体短期和中期投资行为的预测能力，来填补这一空白。
与我们合作的这家金融科技公司在中国吸引了9000万用户，2020年的交易额达到了1200亿元人民币（约186亿美元）。该公司提供第三方支付、保险和财富管理等金融服务。在本研究中，我们重点关注其财富管理服务，因为这与客户的风险偏好密切相关。该公司汇集投资者的资金，并代表他们投资于四个不同风险级别的资产类别。在公司进行投资之前，每位投资者必须指定如何在这些类别之间分配资金。
这家金融科技公司作为探索我们研究问题的理想试验场，原因有几点。首先，该公司主动公开了所有四种投资选项的历史表现，使投资者和研究人员能够评估该公司任何投资组合的风险水平。其次，投资者需要在这四个选项之间分配资金，使我们能够在真实环境中观察他们的风险偏好。第三，与传统财富管理公司相比，这家金融科技公司简化了申请流程，并降低了投资者的最低资产要求，使我们的研究对象面临的选择较少。第四，这家金融科技公司在注册阶段提供了更大的灵活性，使我们能够进行实验。
在投资之前，个人需要下载移动应用程序并提供个人信息进行注册。他们还需要完成一项监管要求的调查，该调查通过五个有序选项（从低风险/低回报到高风险/高回报的选择，明确提及潜在损失）来了解他们的风险回报偏好。在我们的研究中，我们邀请潜在投资者参与一项激励性风险偏好测量实验，即在注册过程中进行十次安全与风险彩票选择的标准Holt-Laury多价格列表任务（Holt和Laury，2002）。然后我们在注册后立即以及六个月后观察参与者的投资组合选择。
我们的研究结果揭示了几项重要发现。对于初始投资组合选择，只有通过实验获得的风险偏好才能显著预测投资者的投资组合风险水平；通过调查获得的风险偏好在定性上与投资组合的风险性一致，但相关性在统计上不显著。相比之下，对于六个月后的投资组合，通过实验和调查获得的风险偏好都与投资组合的风险水平显著相关。然而，回归分析表明，通过实验获得的风险偏好是更强的预测指标。这些结果在包含标准观察变量（性别、年龄和收入）以及不同测量方法的情况下仍然成立。当我们将实验测量尺度简化为与调查相同的5个选项时，这些结果依然稳健。这些发现提供了新的证据，表明实验方法可以补充调查方法，并提高在实地解释投资者决策时的偏好测量质量。
我们在三个方面为风险偏好测量文献做出了贡献。首先，我们提供了关于基于调查和激励性实验测量结果一致性的实地证据，解决了跨方法一致性方面的混合发现（Bra?as-Garza等人，2023；Dohmen等人，2011；Eckel和Grossman，2002，2008；Frey等人，2017；Hackethal等人，2023；Hardeweg等人，2013；Vieider等人，2015）。其次，我们将获取的风险偏好的预测有效性与行政记录中的实际投资组合分配进行了对比，而不是与自我报告的风险行为进行对比。这使我们能够根据投资者入职时和六个月后的实际金融选择来评估这些工具的有效性。重要的是，实验的预测优势不能归因于更精细的响应尺度。也就是说，即使我们将实验测量尺度离散化为调查的五分类格式，这一优势仍然存在。这一模式与激励性任务能够提高零售投资者的注意力和减少测量噪声的观点一致（Ding等人，2010；Galizzi和Miniaci，2016；Hermansson，2018；Menkhoff和Sakha，2017）。第三，我们的发现为数字金融领域的投资者适合性评估提供了参考。由于适合性评估通常通过简短的调查来完成，我们的证据表明，基于调查的合规工具在预测这种金融科技环境下的实际风险承担行为方面可能能力有限，这表明监管机构和平台可以考虑结合基于行为的检查来补充调查方法。
