avatar-img

貓家計

21公開內容
4私密內容

貓貓原先想著做個筆記,把讀到的文章、影片整理出心得所以取名貓筆記。

不過既然目前見到許多投資文章可以讀,那麼就決定從茶米油鹽開始,改名貓家計。

全部內容
免費與付費
最新發佈優先
本貓貓前陣子在學 Capacity of parallel Gaussian Channels 時,Water-filling 似乎是個相當泛用的概念。所謂 Water-filling,可以視作一種資源分配的方法,用以在總資源有限的情況下作適當分配。
Thumbnail
本貓貓讀到《不當行為:行為經濟學之父教你更聰明的思考、理財、看世界》的第11章〈意志力?沒問題!〉時,對於跨期選擇 (Intertemporal choice)很感興趣。
Thumbnail
海貓貓您好,看您所發表的諸多文章後,在您所推的數學模型中,用在實際投資上的實證結果如何? 蠻好奇。
在先前寫了《市場賽局,從 Nash equilibrium 到資產定價》後,本貓貓煩惱於要如何合理假設投資人們心中各自的收益,才能藉賽局的架構來討論或模擬市場。然而本貓貓左思右想,天曉得人們在想什麼? 後來,本貓貓放棄治療,改以逆向思考。
Thumbnail
對於本貓貓的嘗試,狂徒兄給了貓貓一點建議的參考資料: 雖說懶散的貓貓還沒有怎麼讀,不過說起意願,貓貓聯想到賽局。賽局可以將各個投資人的可能行為與其他投資人行為的互動作更加完整的探討,來考慮當投資人作決策時,如果考慮了其他人的決策會如何。畢竟投資人是"參與"在市場中的,而不僅僅是在玩單機遊戲。
Thumbnail
沿著先前文章《理性混沌,風險分散、最佳槓桿以及 Newton's Fractal》來討論投資人面對無限大的市場時,如何調整持有資產;接著,在《交易與共識,有限市場中套利》中考量有限個各有主見的投資人,如何在交易中,逐步地形成市場共識。
Thumbnail
avatar-avatar
狂徒
說到「供需」定價,不禁想到一篇和因子投資有關的paper,可供參考 A Demand System Approach to Asset Pricing https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2537559 比資產特性更底層的定價因素,就是雙方的買賣意願。
在先前思考著資產配置時,如《理性混沌,風險分散、最佳槓桿以及 Newton's Fractal》,購入更多元的資產或使用任意槓桿率皆是自由。先前的假設中隱含著無窮大的市場,使得投資人得以買賣任意數量、種類的資產,而不必考慮對手。
Thumbnail
avatar-avatar
狂徒
貓兄這篇很清新喔 市場容量和有效性確實影響套利成本,至於所謂折衷方案我想是行為金融一直在研究的。
思索著將心理觀念以數學模型對照,在先前本專題的文章《先入為主,模型定義帶來的語境遊戲》中,便以兩種定義風險的方式,導出兩種看似矛盾的結論。而在想著市場中成交的觀念,很自然的對於此一成交價,有人買、有人賣。於是本貓貓認為對於既有的市場資訊,存在著分歧的買賣行為是市場存在流動性的必要條件。
Thumbnail
在本專題《貓家計》中,貓貓大致設定了專題方向: 然而在寫作過程中,相較於議論市場行情、爭論投資理念,貓貓自己還是更喜歡玩點數學方法。在此偏好下,題材選擇傾向於用以展示推論得出的有趣觀念。對於觀念有趣與否,在寫作當下只是順著貓貓自己的喜好來定奪,倒是尚不了解讀者喜好。
Thumbnail
avatar-avatar
狂徒
方格子的推薦機制比較接近百家爭鳴,然後混合人為選擇和流量排名。 (像如果現在Google 因子投資,第一篇文章就是我在方格子放的,原因不明。) 關於理性渾沌那篇文章,我覺得觀眾非常有可能是被題目「騙」進去的,不一定是真的喜歡「內容」本身。 不要說係數,很可能你把整串推導寫錯,都沒人理。 (我自己的類似經驗很多,最近一次是在寫股價變化的隨機過程,把變分寫成差分,到最後還是我自己發現筆誤的。) 另外貓兄不知有無FB/IG之類的帳號,印象中之前說過可以合作寫些內容。 雖然帶有部分玩笑性質,不過如果你也有「想不開」的時候、時間也允許,或許我們可以在不大幅增加work load的狀況下把玩笑實現 :)
在本專題先前文章《免費午餐,風險分散與幾何平均報酬》以及《無中生有或是槓桿損耗,指數與槓桿》中,貓貓藉由分散風險以及調整槓桿來個別地獲得收益,也就是兩種免費午餐。此時,簡單的組合能否將兩份免費午餐組合成套餐?對此,貓貓試著將兩者組合並觀察可能的結構,意外地可以引入碎形。
Thumbnail
avatar-avatar
狂徒
貓兄難得提到數值解哈哈 不禁想到Benoit Mandelbrot嘗試把碎形導入金融市場,包括一篇"New Methods in Statistical Economics",以及後人的碎形市場假說(FMH),或許和貓兄的一系列bottom up推導有機會連結。
接續先前本專題文章《經驗與預測,Bayesian Inference》,本貓貓見到一部不錯的影片來介紹 Bayes factor:對此,貓貓希望簡單地整理一下,補足兩種表示間的推論過程。
Thumbnail