通过股票持有推断社交网络结构

"这篇研究论文探讨了如何从投资者的股票持有数据中推断出潜在的社交网络。通过运用投资组合选择模型，作者将投资者之间的关系映射到他们的投资组合权重上。假设投资者对公司价值的私人信号的准确性会随着他们在公司总部所在城市的关系紧密程度而提高。研究发现，与城市有更深层次联系的资金经理（如大学校友关系）在该城市的股票投资表现优于其他城市。关键词包括社交网络、泊松回归和投资者行为，涉及经济学分类G1、G2和G3。" 本文是Harrison Hong和Jiangmin Xu合作撰写的一篇研究论文，最初草稿于2013年11月29日，最后修订于2017年9月11日。研究的核心在于利用投资者的股票持有记录来揭示隐藏的社交网络结构。在传统的Erdős-Rényi模型中，投资者之间的连接被认为是独立同分布(i.i.d.)的，但研究发现，资金经理与特定城市（公司总部所在地）的联系远比随机模型预测的更为分散。 论文中提出了一个关键假设：投资者对一家公司的私人信息质量与其在该公司所在城市的人际关系强度成正比。这可能源于共同的社会背景、教育经历或专业网络，比如在同一个城市有较多的大学校友。通过对这些数据的分析，研究者发现在这种分布的尾部，即与城市有非独立同分布联系的基金经理，他们在那个城市的大学校友更多。这表明，这些经理在该城市的投资组合表现超过他们在其他城市的投资。 为了进一步探究这一现象，研究使用了泊松回归模型，这是一种统计方法，常用于分析计数数据，例如这里可以用来分析不同城市投资的回报次数。泊松回归可以帮助量化投资者行为与社交网络结构之间的关系，并揭示这些非随机联系如何影响投资决策和绩效。 论文的JEL分类号G1、G2和G3分别对应于金融市场、金融机构和企业融资，这表明该研究不仅关注投资者的行为，还涉及到更广泛的金融市场的运作和金融机构的角色。 这项研究提供了一个独特的视角，即通过投资者的股票持有模式来洞察其背后的社交网络，以及这些网络如何影响投资决策和收益。这种方法对于理解金融市场中的信息传播、决策过程以及社会因素在投资中的作用具有重要意义。