海貓貓
23 位追蹤者
貓貓是可愛貓貓~
貓貓像海一樣變換無窮~
全部內容
由新到舊
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。
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。
發文者
2023/01/02說起實證，本貓貓有考慮什麼方法可以達成實證？
目前為止，本貓貓傾向採用 hypothesis testing 來看待各方法。
例如:
將各篇文章所述合理行為設定為 Null hypothesis，而另外假設其他行為作為 Alternative hypothesis；此時便可依照標準的統計方法來檢視：依據各篇文章開頭假設而做出的行為，以各地區或全球市場資料驗證的話，Null hypothesis 是否能通過考驗？
在邏輯上，"實證" 所需的計算資源對本貓貓來說並不容易，畢竟本貓貓沒有勤勞到隨時注意市場資料。而如果你問的是，本貓貓近來是賺是賠，那只能說不忍心看 XD
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。
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。
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。
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。
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。
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。
2022/05/14
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 :)
發文者
2022/05/15方格子的推薦看來挺讓貓貓迷惑的，而讀者也確實更可能受標題吸引更勝於內容。畢竟讀過內容的人數顯然不超過看到標題的人數，使得下標題或作者名氣相較於內容，更顯著的影響流量。這個性質就像是貝式推論的例子。
狂兄的文章排在第一筆搜尋結果很是不錯，讓人第一眼就見到荷包蛋。而從留言，卻也看不出有讀者特意談論內容。貓貓自己的文章也有著同樣現象，因此貓貓也很疑惑到底是否真有讀者認真讀過文章?目前只知道狂兄你會讀過後長篇幅留言。
談到合作，貓貓認為可能會是有趣的。雖說貓貓已經許久不用社群軟體，更常使用 gmail。狂兄若有興致，倒也可以來信:
[email protected]
貓貓先說: 比起總是正經地談論特定的投資策略、歷史發展，貓貓更傾向從某些有趣的數學出發，來看看以投資的詞彙是否有對應的一套說法。作為消遣，有不有趣比起有沒有用更讓貓貓在意。打個比方，若是投資中有工具對應一維物體彈性碰撞，那貓貓想用這套工具來變出圓周率。(3Blue1Brown 中範例)
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。
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。
