金融科技采纳的行为与认知驱动因素建模:信任、情绪与数字决策

《Nanoenergy Advances》:Modeling Behavioral and Cognitive Drivers of FinTech Adoption: Trust, Emotion and Digital Decision-Making

【字体: 大 中 小 】 时间:2026年09月19日 来源:Nanoenergy Advances 4.2

编辑推荐:

  金融科技已经超越了个人是否会采纳数字金融服务的问题。随着移动支付、新银行(neobank)、自动化贷款、机器人投顾(robo-advisory)、人工智能(artificial intelligence, AI)以及基于区块链的应用嵌入金融生态系统,一系列更具

  
金融科技已经超越了个人是否会采纳数字金融服务的问题。随着移动支付、新银行(neobank)、自动化贷款、机器人投顾(robo-advisory)、人工智能(artificial intelligence, AI)以及基于区块链的应用嵌入金融生态系统,一系列更具要求性的问题随之出现。为什么用户信任某些数字金融系统而不信任另一些?感知风险、制度背景、金融知识和认知偏差如何塑造数字金融决策?在初始采纳之后,是什么维持持续使用?日益个性化和AI中介的金融服务应如何平衡便利性、解释性、隐私和用户控制?

本特刊《金融科技采纳的行为与认知驱动因素建模:信任、情绪与数字决策》正是围绕这些问题展开。13篇投稿共同考察了消费者金融、移动支付、数字银行、自动化建议、金融包容性、可持续金融、金融风险评估和区块链应用中的金融科技行为。其方法论途径也相应多样,包括结构方程模型(structural equation modeling)、回归与分解方法、文献计量分析、系统综述与元分析、可解释机器学习(explainable machine learning)和随机实验。本特刊并非支持某种单一的金融科技采纳模型,而是说明为何数字金融行为应被更好地理解为个体特征、制度条件、技术设计和决策情境之间相互作用的产物。

第一个主题涉及信任作为一种差异化的、情境依赖的机制。多项研究表明,将信任视为采纳的单一、统一正向前因会掩盖重要区别。Veckalne考察绿色金融科技平台时发现,感知可信度、风险、平台安全与隐私、可持续相关价值以及环境责任共同促成消费者信任。该发现将信任定位在技术与可持续评价之后,而非一种孤立的態度。

这种情境化解释得到Mombeuil和Jean Pierre研究的支持。在海地点对点移动支付情境下,基于经验的满意度强化了制度型信任,而制度型信任与较低的转换意愿相关。仅交易层面的满意度相对信息量较低。这一区分之所以重要,是因为采纳后行为并非初始接受的简单延伸:持续使用依赖于累积经验和制度可靠性的感知。

Deák和Horváth同样表明信任对象很重要。来自匈牙利的证据表明,对独立金融行为者的信任与金融科技使用正相关,而对国内金融和政府行为者的信任则表现出不同关系。一旦纳入分化的信任测量,一般风险倾向的信息量就会降低。这些发现警示人们,在未指明用户信任何人何事时,不应笼统地解释“信任”。

Balaskas的系统综述与元分析提供了互补的聚合视角。在绿色和可持续金融科技文献中,信任平均与采纳意愿正相关,但估计效应在不同情境和模型设定间高度异质。信任被不同地操作化为制度性、提供者、技术或可持续相关可信度,使得直接比较变得困难。其含义并非信任不重要,而是其行为功能取决于概念化、测量和周围的决策架构。

Bhuiyan等人对新银行留存的分析在方法上延伸了这一论点。使用可解释机器学习,作者发现信任相关指标、感知安全和转换成本对样本外留存意愿预测有显著贡献,且出现非线性及潜在非加性模式。重要的是,这些是预测关系而非因果关係。然而,它们说明了在行为反应可能在不同信任或安全感知范围内变化时,超越纯线性设定的价值。

第二个主题涉及金融知识、认知过程和包容性。Módosné Szalai等人使用匈牙利国家代表性数据,区分了客观金融知识与主观金融信心。结果揭示了个人所知与他们自认所知之间的显著差异,以及数字金融参与的异质性模式。这一区分在日益复杂的金融科技环境中尤为重要:获得数字工具并不能确保用户拥有有效使用这些工具所需的能力或校准的信心。

Lampropoulos等人通过数字会计与金融科技决策文献的文献计量图谱拓宽了这一认知视角。信任在图谱文献中占据核心位置,而过度自信、锚定和损失厌恶作为相关认知概念反复出现。金融素养似乎是重要的关联构念。与Módosné Szalai等的研究一起,这表明金融科技行为不应被简化为对有用性和易用性的感知。数字金融决策是由具有异质知识、信心、启发式和偏差易感性的用户做出的。

Siregar等人证明这些行为问题与更广泛的制度和社会经济条件密不可分。使用2014年至2024年间沙特阿拉伯的Global Findex数据,他们记录了在法律改革和支付现代化时期,账户拥有和数字支付使用方面的性别差距大幅缩小。然而,趋同程度因劳动力状态而异。因此,他们的研究将数字金融包容性置于技术获取与经济参与之间的相互作用中,而非将观察到的变化仅归因于数字化。

第三个主题涉及AI中介的金融决策、透明性和个性化。Balaskas回顾了面向消费者的金融科技中AI披露、可解释性和相关透明性线索的证据。文献普遍将透明性线索与更有利的信任或采纳导向反应相关联,但关于透明性是否产生恰当校准的依赖、有意义的可争议性或对算法决策更好理解的证据则要少得多。这一区分很重要。增加信任并不等同于提高信任质量。

Bonelli在一个实验性机器人投顾环境中推进了该问题。在保持投资组合建议不变的同时操纵金融数字孪生个性化和对话式AI,该研究分离了咨询架构本身的特征。数字孪生个性化增加了感知个性化,但也加剧了隐私关切,揭示了明确的相关性-隐私权衡。对话式AI改变了咨询体验的感知互动质量,而下游意愿相关发现被恰当地视为探索性的。更广泛的意义在于,日益自适应的金融系统不能仅根据它们是否提高接受度来评估。其设计还必须考虑数据相称性、解释、用户控制,以及说服性界面可能鼓励超出其信息价值所保证的依赖的可能性。

第四组贡献将本特刊从行为接受延伸至算法评估、制度约束和技术驱动的决策基础设施。Liu和Liang比较了美国合格抵押贷款市场中的金融科技和传统贷款机构。他们的证据质疑了技术复杂性必然产生卓越风险评估的假设:在高度标准化和证券化的贷款环境中,金融科技贷款机构并未表现出预期的风险区分和定价优势。这项研究说明了制度架构如何约束技术能力所产生的价值。

Farag等人将计量经济分析与机器学习方法相结合,对德国制造业企业进行财务困境评估。他们的比较表明,非线性集成方法可以在可解释的计量经济分析旁边提供有用的预测性能。这种混合方法反映了本特刊所代表的更广泛方法论方向:行为和金融理论不必被机器学习取代;相反,理论驱动的解释和样本外预测可以发挥互补作用。

Varveris等人通过一个基于AI、CAD、NFT和区块链的协同森林建模与监测框架,将数字金融技术扩展到可持续性导向的基础设施中。尽管不同于面向消费者的金融科技采纳,这一贡献说明了区块链功能、去中心化验证和用户交互如何嵌入环境应用,拓宽了信任、参与和技术接受问题出现的领域。

综上所述,这些贡献支持若干更广泛的观察。首先,应更精确地建模信任。制度信任、技术信任、提供者信任、感知安全、可持续主张可信度和对自动化建议的信心是相关但不等同的构念。聚合它们可能掩盖相反或情境特定的关系。

其次,采纳只是行为终点之一。本特刊关注初始使用、持续使用、转换、留存、数字参与、金融包容性和依赖相关反应。未来研究应区分这些结果,而非假设采纳的决定因素自动解释采纳后行为。

第三,技术设计日益成为行为机制本身的一部分。可解释性、个性化、数据要求、对话互动、感知安全和界面架构不仅伴随金融服务;它们塑造用户如何解释金融系统及其提供的建议。随着AI从后台基础设施转变为金融决策的主动界面,这一点变得尤为重要。

第四,这些贡献证明了方法论多元主义的价值。结构模型仍有助于理论检验,而实验可以分离设计效应,纵向和重复横截面数据可以揭示制度变迁,系统综述可以评估累积证据的一致性,可解释机器学习可以识别传统设定可能忽略的预测非线性。未来的行为金融科技研究将受益于更明确地区分解释性、预测性和因果性目标。

本特刊还指出了重要空白。对情绪和情感反应的直接测量远不如对信任、风险、知识和认知评价的研究成熟。鉴于对话式AI、自动化建议、个性化助推和高显著性金融界面的日益使用,情感反应代表了未来工作特别重要的方向。将行为结果与过程测量相结合的实验设计可能有助于确定用户不仅是意图采纳系统,而且焦虑、不确定性、信心、唤醒或感知脆弱性在金融互动过程中如何发展。

同样,需要更强有力的证据来证明信任校准而非信任最大化。金融系统不一定要寻求最高可能的用户信任水平。相关目标是适当有界的依赖:用户应理解自动化系统何时可靠、其建议何时不确定、它们使用什么信息,以及何时需要人工审查或额外验证。这一议程将行为金融科技直接与可解释AI、消费者保护、数字素养、隐私和算法问责联系起来。

最后,应更加关注实际行为和边界条件。大部分金融科技接受文献继续依赖横截面意图。实地实验、纵向研究、交易层面行为、重复决策设计和跨国比较将为信任、认知和设计如何随时间相互作用提供更强有力的证据。制度质量、监管、金融素养、劳动力市场参与、市场结构和文化背景的差异应被视为实质性边界条件,而非仅仅是人口统计学控制。

因此,本特刊的13篇投稿将金融科技采纳描绘为不是一个单一的技术接受问题,而是一个不断演变的行为决策系统。用户通过关于可信度、制度合法性、安全性、有用性、隐私、知识、风险以及日益增加的AI中介界面行为的判断来接触金融技术。理解这些机制对于开发不仅被采纳,而且以适当信心、理解和控制来使用的数字金融系统至关重要。

研究人员感谢所有向本特刊投稿的作者、评审人的评估以及FinTech编辑团队在整个项目中的支持。希望本特刊为持续研究塑造数字金融决策的行为、认知、制度和技术机制提供有用的基础。
本特刊围绕金融科技(FinTech)时代数字金融服务的核心行为问题展开,聚焦用户信任、情绪与数字决策之间的复杂互动。随着移动支付、新银行、自动化贷款、机器人投顾及AI中介应用嵌入金融体系,学术界需要超越“是否采纳”的简单命题,转而追问:用户为何信任某些系统?感知风险、制度背景、金融知识与认知偏差如何塑造决策?什么机制维持持续使用?个性化与AI中介如何在便利性、解释性、隐私控制之间取得平衡?特刊汇集13篇论文,覆盖消费者金融、移动支付、数字银行、包容性金融、可持续金融和区块链应用,试图说明数字金融行为不是单一采纳模型的产物,而是个体特征、制度条件、技术设计与决策情境交互作用的结果。

研究内容与意义方面,特刊通过多维方法识别出理解数字金融行为的四个关键主题:信任的差异性与情境依赖性、金融知识与认知过程的作用、AI透明性与个性化对决策的影响、以及制度约束下算法评估的实际表现。其重要意义在于,为金融科技采纳研究提供了更精细的概念框架,强调信任并非同质构念,技术设计本身已成为行为机制的一部分,并提醒研究者关注采纳后行为、信任校准以及情绪测量等长期被忽视的议题。

从方法论看,本特刊所汇集的13项研究采用了结构方程模型、回归与分解方法、文献计量分析、系统综述与元分析、可解释机器学习、随机实验等主要技术途径。样本数据来源包括:匈牙利国家代表性调查数据、2014-2024年沙特阿拉伯Global Findex数据库、美国合规抵押贷款市场数据、德国制造业企业财务数据,以及海地P2P移动支付用户、消费者金融科技平台用户
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号