JohnChiu的部落格

主題

說明與應用

金融市場的思考

1.最佳停止點

Optimal Stopping

(1)37%法則:面試前37%的應徵者只觀察不錄取，接下來看到比先前應徵者更好的人就錄用。

(2)臨界值法則(Threshold Rule):若還有很多人可選，即使出現很優秀的應徵者也應跳過，看有無最佳人選。若人選剩下不多，則應考慮錄取略高於平均水準的人。

(3)另應用於賣房、找車位，如何見好就收亦是類似的邏輯。

市場的表現，可選擇的標的，以及所需花的研究時間，與相對績效的壓力，綜合考量後，如何適時地選出最適合的投組?

2.開發與善用

Explore/Exploit

(1)嘗試新歡?還是固守舊愛?

(2)開發是蒐集資料，善用則是運用現有資訊取得已知的良好結果。而發現新喜好會隨時間價值遞減，善用的價值則隨時間逐漸提高。

(3)偏好與年齡關係不大，而與人們認為所變之決策時間有關。

研究出適合的投資分析、策略方式、選股方法等，驗證對後善用即能提升績效。但發現失靈後須持續修正開發更好的方式。

3.排序

Sorting

(1)關於資料的存取，書藉及物品取得之便利，或判斷資訊有效性之方式。

(2)氣泡排序、插入排序、合併排序、計數排序等方式。

(3)若以基數(指定評定水準的方式)比較，取代兩兩比較，可減少比較次數太龐大及衝突增加的可能性。

選擇標的強勢與否的標準，以界定的市場，及與Benchmark的界定，分不同期間比較可看出標的是否真的較強勢。

4.快取

Caching

(1)如何取捨容量、速度、與記憶體間的關係?

(2)能精確記憶的項目會隨時間而減少。一個詞句剛出現用過後再出現的機率最高，再次出現可能性隨時間而遞減。

隨時注意產業趨勢及投資主題的發展，是否持有標的的議題性慢慢消失，以及是否更換投資組合。

5.排程

Scheduling

(1)處理工作的優先順序如何?

(2)優先的事優先處理。最近到期日的優先處理。

(3)最早到期日及最短處理的時間仍是工作開始的最佳策略。

如何區分出績效表現好壞與否與所需工作的優先順序?會依投資內容不同而有所差異。

6.貝氏法則

Bayes’s Rule

(1)由過去的假設狀況進行正向推理可提供基礎，讓我們逆向推出最可能的答案。

(2)拉普拉斯(Laplace)定律:若買n張彩券有w張中獎，期望值為(w+1)/(n+2)。

(3)貝氏法則:把已知看法和觀察結果相結合的問題，將兩個機率相乘即可。而做出正確預測的最佳方式，是確實了解我們預測的事物。

金融市場需預測市場趨勢、公司未來獲利、景氣趨勢等，了解過去及形成趨勢的原因，對於未來的預測準確度才能提升。

7.過度配適

Overfictting

(1)要花多少心力思考以及應該考慮多少變數，為統計學家及機器學習研究人員覺得最棘手的「過度配適」問題核心。

(2)考慮因素較多，比較複雜的模型，不一定較佳。如何將最重要的幾個變數找出，並以簡化的方式得出更佳的結果。

(3)漸進找出最重要的因素，而非一開始把所有因素皆納入預測模型。並且要取決於可取得的資料與重要資料之間的落差。

投資組合如何簡化又兼顧績效?例如買趨勢對的產業中競爭力較強的公司。ETF亦是一種簡化的選擇。

若經濟模型真是對真實問題去蕪存菁的結果，就是件有意義的事了。

8. 鬆弛

Relaxation

(1)如何處理難解問題?

a.限制鬆弛法(Constraint Relaxation):先去除問題的某些限制，再著手解決問題。先把難解問題後成可能，再思考現實世界版本。

b.連續鬆弛法:將離散或二元選擇化成連續體後，再決定進位或取捨。

c.拉式鬆弛法(Lagrangian Relaxation):先違反規則再接受後果。

退一步海闊天空。不可能每個決策都完美，在不完美中尋求改善空間。

9.隨機性

Randomness

(1)隨機演算法:使用隨機產生的數來解決問題。

(2)問題的最佳解決方法有時候交給機率決定，而不是自己試圖推出答案。但重要的是的依靠的時機、方式及仰賴的程度?

(3)登山法、抖動、隨機重新開始、Metropolis Algorithm、模擬退火法…(pp259~268)

市場無方向時如何選擇標的?買ETF，或者隨機的拜訪公司，讀報告?還是多方並進?

10.網路

Networking

(1)網路、通訊傳輸的問題?如何確立往返資訊已傳達，以及執行程序?

(2)指數退讓法:增加每次連續錯誤後的平均延遲之重傳時間。以增加冷靜期之處理負擔。

(3)擁塞的資訊處理問題如何有效解決，而不是無限增加硬體資源。

投資標的發現、追蹤、買賣決策依據，需要有動態、即時的訊息追蹤模式，以免遺漏了關鍵的買賣時機。

11.賽局理論

Game Theory

(1)理論上的均衡賽局但在實務上是否有運算的基礎?

(2)主導策略(Dominant strategy):因應對手各種可能策略的最佳手段，從而脫離對方掌控，完全避免持續性的惡性循環。

(3)機制設計:逆向賽局理論，探討什麼規則會產生我們希望看到的行為。

(4)資訊瀑布:在適當的環境下，一群行為完全理性及合宜的參與者，仍然可能受無限的錯誤資訊左右。「共識」完全悖離實際狀況，形成了「瀑布」。

(5)若無視自己手中資訊，決定盲目跟從前人，使得後續行動者已不其決策參考價值。因此避免大錯需要:a.留意公開資訊; b.人未必根據想法行事，否決自己懷疑時須謹慎; c.做自己覺得對的事。

看到股價上漲盲目樂觀，而只相對應解讀正面訊息及原因，並引起盲從或被迫跟從，最後就形成了泡沫，或變成最後一隻老鼠。