11/28/2013

[投資理論] 利率 與連續複利 問題

這次要介紹 投資理論中一個重要但又容易搞混的概念:利率 (Interest Rates)

首先是關於 無風險利率 (Risk-free interest rates)
一般而言被當作是無風險利率主要有兩種:
  1. Treasury rates
  2. LIBOR (London Interbank Offered Rate)
Treasury rates:
主要是由投資人購買Treasury securities, e.g., Treasury bond, Treasury notes 所採用的利率。

LIBOR:
中文稱作 倫敦銀行同業拆息 為英國銀行間的短期資金借貸款採用的利率。此利率每個營業日都可能不同。


有了以上的概念之後,我們來思考一件事,就是 Interest Rates 該如何計算?

==================
Example: (Compounding Frequencies matters)
考慮將現金量 $A_0$ 放置某銀行存款,且其年利率 $10 \%$,則一年之後 $A_1$會得到多少錢回來呢??

在回答這個問題之前,必定要先問 此利率的計息次數 (Compounding frequencies) 是怎麼定的。比如說是一年計算利息一次? 還是半年計息一次? 還是三個月計息一次。

以一年計息一次為例,則一年後可得回的金額為
\[ A_1 = A_0 (1 + 10 \%)^1 \]若以一年計息兩次 (亦即半年計息一次)為例,則一年後可得回的金額為
\[ A_1 = A_0 (1 + \frac{10 \%}{2})^2 \]若以一年計息四次 (亦即三個月計息一次) 為例,則一年後可得回的金額為
\[ A_1 = A_0 (1 + \frac{10 \%}{4})^4 \]

現在考慮如果 年利率 $r \%$ 為每年計息 $m$ 次,則一年後可得回的金額為
\[
A_1 = A_0 (1 + \frac{r}{m})^m
\]那麼現在如果 $t$ 年後呢?
\[
A_t = A_0 (1 + \frac{r}{m})^{mt}
\]

有了上述概念之後,我們來考慮如果年利率為 $r \%$,且每年計息 $\infty$ 次,則我們稱此利息為連續複利(continuous compounding interest rate, $r_c$ ),其與前述複利 $r$ 的定義有如下關係:
\[\begin{array}{l}
{A_t} = \mathop {\lim }\limits_{m \to \infty } {A_0}{(1 + \frac{r}{m})^{mt}} = {A_0}{e^{rt}}\\
 \Rightarrow {A_t} = {A_0}{e^{rt}}
\end{array}
\]也許你會說上述每年計息無窮次根本不會發生,但我們可利用 一年365天每天都計息來逼近也就是說我們取 $m = 365$,則得到的利率會接近上述連續複利的利率,我們將其定義如下:
連續複利的利率 $r_c$ 與 原本利率 $r$ 之間有如下關係:
\[
e^{r_c} := (1+ \frac{r}{m})^m
\]

Comments:
1. 一般而言,我們亦可由微分方程觀點來看連續複利問題:假設在 $t$ 年之後投資人帳戶為 $A(t)$ 則在 $\Delta t$ 年之間時,其帳戶可近似為 $A(t) r \Delta t $ 因此
\[
A(t + \Delta t) - A(t) \approx r A(t) \Delta t
\]現在對上式同除 $\Delta t$ 且令 $\Delta t \to 0$ 則我們可得以下微分方程
\[
A'(t) = r A(t)
\]若假設 $A_0$ 為初始帳戶,則對下列初始值問題
\[
A'(t) = r A(t), \;\;\; A(0) = A_0
\]的解為
\[
A(t) = A_0 e^{rt}, \;\; t\ge 0
\]
2. 注意到跟投資人如果跟銀行借款,那麼一樣要付出利息,計算方法同上。


以下我們提及一個有趣的 規則,稱作 Seven-Ten Rule :

Seven-Ten Rule :每年投資假設利率為 7% ,則大約十年之後資產可以翻倍。每年投資假設利率為 10 % 則大約七年之後資產可以翻倍。

[隨機過程] 隨機過程淺淺談(III) - Brownian motion (or Wiener Process)

這次要介紹的是 隨機過程中一個極為重要的過程,稱作
布朗運動(Brownian motion) or 維納過程(Wiener process)

介紹定義之前先看一下 布朗運動 長什麼樣子
上圖黑線部分即為布朗運動的實現 (Realization);或稱 sample path。
可以發現
  1. Brownian motion 的 sample path 非常不規則(very wiggly),(此不規則性質將導致對任意一處都無法微分)
  2. Brownian motion 隨著時間增大的時候,其散開程度 (之後會用 variance 描述) 越明顯

有了上述直覺之後我們看定義會比較清楚。

以下是 Brownian motion 的定義
===================
Definition: (Standard Brownian Motion or Wiener Process)
一個實數連續時間的隨機過程 $\{ B_t\}_{0 \leq t < \infty}$ 為一個標準布朗運動(Standard Brownian Motion),如果其滿足下列四個性質:

(1) $B_0 =0$ almost surely (亦即: 機率 $P(\{B_0 =0\}) =1$)

(2) 考慮時間區間 $(t_1,t_2], (t_2,t_3],...(t_n,t_{n+1}]$ 互為分離(disjoint)的區間,則其對應的增量增量彼此獨立;亦即對任意 $0=t_0 < t_1 < ... < t_n$,隨機變數
\[
\{ B_{t_1} - B_{t_0}, B_{t_2} - B_{t_1}, ..., B_{t_n} - B_{t_{n-1}} \text{are independent}\}
\](3) 布朗運動的增量服從高斯分佈;亦即$B_t - B_s \sim \mathcal{N}(0,t-s)$

(4) 對 almost every $\omega$ 而言,$t \mapsto B_t(\omega)$ 為連續;亦即
\[
P(\{ \omega \in \Omega: B_t(\omega) \text{ is a continuous function of $t$}\}) =1
\]
===========================

Comments:
1. 注意到性質 (4),布朗運動為"連續"函數,(但處處不可微分;此性質會在之後再作介紹。)
2. 若性質(3) 改為 布朗運動的增量服從高斯分佈;亦即
$$
B_t - B_s \sim \mathcal{N}(0,\sigma^2(t-s))
$$ 我們稱此為 Brownian motion (不再是 "standard" Brownian motion),也就是說 $\sigma =1$ 稱為 standard Brownian motion

3. 由於性質(3),布朗運動增量服從高斯分佈,故另外布朗運動還有一個等價定義,
4. 上述 Brownian motion 可透過 MATLAB 進行模擬,有興趣的讀者我們將 MATLAB 程式碼給出如下:



===================
Definition: (Standard Brownian Motion is a Gaussian Process)
一個實數連續時間的標準布朗運動隨機過程 $\{ B_t\}_{0 \leq t < \infty}$ 為一個
mean 為 $E[B_t]=0$ 且 covariance 為 $E[B_s B_t] = s \wedge t$ 的高斯過程(Gaussian Process)
且對 almost every $\omega$ 而言,$t \mapsto B_t(\omega)$ 為連續
===========================

Comment:
1. 對於布朗運動有兩種常見的修正變體,稱作 算術布朗運動 Arithmetic Brownian Motion (ABM) 與 幾何布朗運動 Geometric Brownian Motion (GBM)。有興趣的讀者可以參閱本部落格內相關文章。

現在我們首先看個 Brownian motion 的結果:



==================
FACT 1:
給定 $B_t$ 為 Brownian motion 則 $E[B_t] = 0$ 且 $E[B_t^2] = \sigma^2t$ 以及 $Var[B_t^2]=  E[B_t^2]  =\sigma^2 t$
==================
Proof: omitted (easy to show).


Comments: 除了透過定義求證上述 FACT 之外,我們還有其他方法值得一提:回憶 Brownian motion 滿足 $B_t - B_s \sim \mathcal{N}(0,\sigma^2(t-s))$,故我們可以利用 Moment Generating Function (mgf) 來求得對應的 一階動差 與 二階動差 ,回憶 mgf 定義 我們可寫下
\[{M_{{B_t} - {B_s}}}(q): = E[{e^{q\left( {{B_t} - {B_s}} \right)}}] = \exp \left( {\frac{{{q^2}{\sigma ^2}}}{2}{{\left( {t - s} \right)}}} \right)\]由此不難求得 FACT 1 所給出的待求的各項。




==================
FACT 2:
考慮 $W_t$ 為 Brownian motion,現若給定任意時間 $t_1, t_2$,則其對應的 covariance 為
\[
cov(W_{t_1} W_{t_2}) = \sigma^2 \min(t_1, t_2)
\]==================

Proof
首先注意到給定任意 $t>0$,$E[W_t - W_0] = 0$,亦即 $E[W_t] =0$。現在給定 $t_1, t_2$;在不失一般性情況下我們令 $t_2 > t_1$,由 covariance 的定義可知
\[\begin{array}{l}
 \Rightarrow cov({W_{{t_1}}}{W_{{t_2}}}) = E\left[ {\left( {{W_{{t_1}}} - E\left[ {{W_{{t_1}}}} \right]} \right)\left( {{W_{{t_2}}} - E\left[ {{W_{{t_2}}}} \right]} \right)} \right]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E\left[ {{W_{{t_1}}}{W_{{t_2}}}} \right]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E\left[ {{W_{{t_1}}}\left( {\left( {{W_{{t_2}}} - {W_{{t_1}}}} \right) + {W_{{t_1}}}} \right)} \right]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E\left[ {{W_{{t_1}}}\left( {{W_{{t_2}}} - {W_{{t_1}}}} \right)} \right] + E\left[ {{W_{{t_1}}}{W_{{t_1}}}} \right]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \underbrace {E\left[ {{W_{{t_1}}}} \right]}_{ = 0}\underbrace {E\left[ {{W_{{t_2}}} - {W_{{t_1}}}} \right]}_{ = 0} + E\left[ {{W_{{t_1}}}^2} \right]
\end{array}\]最後一行等號成立由於 Brownian motion 的 independent increment,故現在我們有
\[cov({W_{{t_1}}}{W_{{t_2}}}) = E\left[ {{W_{{t_1}}}^2} \right] = E\left[ {{{\left( {{W_{{t_1}}} - {W_0}} \right)}^2}} \right] = {\sigma ^2}{t_1}
\]
注意到如果我們當初讓 $t_1 > t_2$,則有 $cov(W_{t_1}W_{t_2}) = \sigma^2 t_2$,故總結如下:
\[
cov(W_{t_1}W_{t_2}) = \sigma^2 \min(t_1,t_2). \ \ \ \ \ \square
\]





後記:布朗運動性質與相關研究 非常非常廣泛,有興趣讀者可以閱讀 Stochastic Process/Stochastic Calculus  或者 Advanced Probability 相關書籍或者論文。


11/24/2013

[隨機過程] 隨機過程淺淺談(II) - 波松過程 Poisson process

這是要介紹的是 波松過程 (Poisson Process),他其實就是我們之前介紹的 計數過程(Counting process) 的一種 (詳見 隨機過程淺淺談(I) - 計數過程Counting process)

那麼我們先把定義給出

===========================
Definition: (Standard Poisson Process)
我們把一個計數過程 $\{ N_t, t \geq 0 \}$ 稱做 波松過程 如果下列三個條件滿足:
  1. $N_0=0$ (with probability 1),也就是說 $N_0$ 是一個常數 $0$ 隨機變數
  2. 對任意有限時間點 $0 \leq s < t < \infty $,其計數增量(increment) $N_t- N_s$ 是一個 波松 隨機變數 (Possion random variable) 伴隨 參數為 $\lambda (t-s)$;也就是說其 機率質量函數:\[ P(N_t-N_s=k) = \frac{[\lambda(t-s)]^k e^{- \lambda (t-s)}}{k!}, k=0,1,2...\]且計數增量的期望值 $\mathbb{E}[N_t-N_s]=\lambda(t-s)$ 其 變異數為 $var(N_t-N_s)=\lambda(t-s)$上式中的 $\lambda$ 代表 波松過程的 發生率(rate) 或者 強度(intensity)
  3. 如果考慮時間區間 $(t_1,t_2], (t_2,t_3],...(t_n,t_{n+1}]$ 為分離(disjoint)的區間,則其對應的增量
    $N_{t_2} - N_{t_1}$ , $N_{t_3}-N_{t_2}$,...$N_{t_{n+1}} - N_{t_n}$ 全為獨立(independent)。也就是說 波松過程 具備 獨立增量(independent increment),也就是在分離時間區間中的發生次數互為獨立
===========================

下圖顯示了 one sample path of Poisson process (jump time $S_1, S_2,...$)


===========================
FACT: Mean and Variance of Poisson Increment
令 $0 \le s < t$ 試證 $E[N_t - N_s] = \lambda (t-s)$
===========================

Proof:
注意到由於給定 $s,t$ 故 $N_t - N_s$ 可視為隨機變數,由期望值定義出發,\[\begin{array}{l}
E[{N_t} - {N_s}] = \sum\limits_{k = 0}^\infty  {kP\left( {{N_t} - {N_s} = k} \right)} \\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \sum\limits_{k = 0}^\infty  {k\frac{{{{[\lambda (t - s)]}^k}{e^{ - \lambda (t - s)}}}}{{k!}}} \\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \lambda (t - s){e^{ - \lambda (t - s)}}\underbrace {\sum\limits_{k = 1}^\infty  {\frac{{{\lambda ^{k - 1}}{{(t - s)}^{k - 1}}}}{{\left( {k - 1} \right)!}}} }_{ = {e^{\lambda (t - s)}}}\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \lambda (t - s){e^{ - \lambda (t - s)}}{e^{\lambda (t - s)}} = \lambda (t - s)
\end{array}\]上式最後第 3 個等號利用下面的 FACT
\[{e^x} = \sum\limits_{k = 0}^\infty  {\frac{{{x^k}}}{{k!}}}  = \sum\limits_{k = 1}^\infty  {\frac{{{x^{k - 1}}}}{{\left( {k - 1} \right)!}}} \]


===========================
FACT: Second Moment of Poisson Increment
令 $0 \le s < t$,$E[(N_t - N_s)^2] = \lambda^2 (t-s)^2 + \lambda (t-s)$
且 $Var(N_t- N_s) = \lambda (t-s)$
===========================

Proof: omitted.


===========================
FACT: Martingale Property for Compensated Poisson Process
令 $N_t$ 為 Poisson process with intensity $\lambda$, 定義 compensated Poisson process $M_t := N_t - \lambda t$ 則 $M_t$ 為 Martingale
===========================

Proof (sketch):
在此只檢驗 Martingale 性質 (i.e., 要證 $E[{M_t}|{F_s}] = {M_s}$),其餘性質留給讀者檢驗:
注意到 $N_t - N_s$ 與 $F_s$ 獨立 且 $E[N_t - N_s] = \lambda (t-s)$,故觀察
\[\begin{array}{l}
E[{M_t}|{F_s}] = E[{N_t} - \lambda t|{F_s}]\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E[{N_t}|{F_s}] - \lambda t\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E[\left( {{N_t} - {N_s}} \right) + \left( {{N_s} - {N_0}} \right)|{F_s}] - \lambda t\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E[\left( {{N_t} - {N_s}} \right)|{F_s}] + E[\left( {{N_s} - {N_0}} \right)|{F_s}] - \lambda t\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = E[\left( {{N_t} - {N_s}} \right)] + {N_s} - \lambda t\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} = \lambda \left( {t - s} \right) + {N_s} - \lambda t = {N_s} - \lambda s = {M_s}
\end{array}\]


Example 1
對任意 $t>0$,試計算 $E \left[C^{N_t}\right]$,其中 $C>0$ 為固定常數 且 $\{N_t\}$ 為 standard Poisson process

Proof:
固定 $t>0$ 注意到 $N_t$ 為隨機變數,不再是 隨機過程 ;故利用期望值定義,$$\begin{array}{l}
E[{C^{{N_t}}}] = \sum\limits_{k = 0}^\infty  {{C^k}P\left( {{N_t} = k} \right)}  = \sum\limits_{k = 0}^\infty  {{C^k}{e^{ - \lambda t}}\frac{{{{\left( {\lambda t} \right)}^k}}}{{k!}}} \\
\begin{array}{*{20}{c}}
{}&{}&{}
\end{array} = {e^{ - \lambda t}}\sum\limits_{k = 0}^\infty  {\frac{{{{\left( {C\lambda t} \right)}^k}}}{{k!}}}  = {e^{ - \lambda t}}{e^{C\lambda t}} = {e^{\left( {C - 1} \right)\lambda t}}
\end{array}$$


Example 2
現考慮一個光感測器,其光電子(photoelectrons)服從波松過程,且每分鐘以速率 $\lambda$ 從光感測器射出。現在試問 在對任意 兩個連續分鐘間隔,有超過5個光電子被射出的機率是多少?

Sol
第一步先把文字轉為數學機率問題
令 $N_t$ 表在時間 $t$ 時,光電子被射出的個數 (此 $N_t$為 Random Variable)

現在考慮 兩個 連續分鐘時間間隔分別為 $t_0$ ~ $t_1$, $t_1$ ~ $t_2$,
則 在任意兩個連續分鐘時間間隔 有超過五個光電子被射出的機率可寫成
$P(\{N_{t_1}-N_{t_2} >5\} \cap \{N_{t_2 }- N_{t_1} >5\})$

接著,由於其服從波松過程,故可知 時間間隔為獨立 且 $N_t - N_s$ 為波松隨機變數,故上式改寫為
\[
P(\{N_{t_1}-N_{t_2} >5\})P(\{N_{t_2} - N_{t_1} >5\}) \]
其中 \[\begin{array}{l}
P(\{ {N_{{t_1}}} - {N_{{t_2}}} > 5\} ) = 1 - P(\{ {N_{{t_1}}} - {N_{{t_2}}} \le 5\} )\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}&{}&{}
\end{array} = 1 - \sum\limits_{i = 0}^5 {\frac{{{{[\lambda ({t_2} - {t_1})]}^k}{e^{ - \lambda ({t_2} - {t_1})}}}}{{k!}}} \\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}&{}&{}
\end{array} = 1 - \sum\limits_{i = 0}^5 {\frac{{{{[\lambda  \times 1]}^k}{e^{ - \lambda  \times 1}}}}{{k!}}}
\end{array}\]最後一行等式成立是因為間隔一分鐘,所以 $N_t - N_s =1$ 最後將兩個機率寫出來,可知
$$P(\{N_{t_1}-N_{t_2} >5\} \cap \{N_{t_2} - N_{t_1 }>5\})=\left( 1-\sum_{i=0}^{5}\frac{[\lambda]^k e^{- \lambda}}{k!} \right)^2$$

====
[數學] 隨機過程淺淺談(0)-先備概念
[數學] 隨機過程淺淺談(I) - 計數過程Counting process
[數學] 隨機過程淺淺談(III) - 布朗運動 or 維納過程 (Brownian motion or Wiener Process)

11/23/2013

[分享] 聖靈感動、方言與積極態度的討論

此文為個人回覆會友對於 "聖靈感動、方言與積極態度" 等等 的討論
以及個人一些看法
===================
Question:
認識一些人他們聚會說那聖靈充滿,然後一些人會有許多倒地失控的狀態,或者強調導告要說方言才算聖靈充滿,對這些我一直在腦中打問號,可是如果當我們說一些不完全支持的言論,感覺這些人就防衛了起來,然後認為是我們不懂⋯這是否合聖經教導呢?
---------------------
ANS:
我要強調一點,因為聖靈在我捫心中動工,也許當下自然而然有感動流淚,這當然很好。

但這絕對不代表 沒有感動流淚 就是聖靈沒動工,就是聖靈不同在。
更 不代表沒有說方言、沒有跟著倒下、沒有翻滾、沒有呼天喊地 就是聖靈不同在

--------------------------------
額外關於方言與聖靈的解說:

要知道聖經對這方面是非常保留的。使徒保羅曾說:要說方言可以,旁邊的人要能"解"方言,如果不能解,不過就是一堆奇怪的嗓音鬼扯+自high罷了..
.
林前12:10 又叫一人能行異能,又叫一人能作先知,又叫一人能辨別諸靈,又叫一人能說方言,又叫一人能翻方言。

林前12:28 神在教會所設立的:第一是使徒,第二是先知,第三是教師,其次是行異能的,再次是得恩賜醫病的,幫助人的,治理事的,說方言的。

林前12:30 豈都是得恩賜醫病的嗎?豈都是說方言的嗎豈都是翻方言的嗎

又說

林前14:13 所以那說方言的,就當求著能""出來。
.
林前14:19 但在教會中,寧可用悟性說五句教導人的話,強如說萬句方言。

----------------------------
以下關於積極不積極的討論
.
我反對成功神學 但我支持應該要有積極態度
差別在哪? 差別在於 成功神學認為你只要信了耶穌就能解決所有問題 直接轉職昇天(到底在信什麼都搞不清楚? ..)

但我所謂的積極態度是指,在面對各種挑戰/苦難/疾病/貧乏 也能繼續勇敢面對的態度!這是本分問題。我們本來就要努力過每一個日子。因為聖經很明白的寫了

提前4:10 我們勞苦努力,正是為此,因我們的指望在乎永生的神;他是萬人的救主,更是信徒的救主
.
太11:12 從施洗約翰的時候到如今,天國是努力進入的,努力的人就得著了。
.
願神幫助我們

[分享] 宣告、吸引力法則等等,是自我催眠或是真有功效?

此文為個人回覆會友對於 "宣告、吸引力法則等等禱告策略 的討論
以及個人一些看法

=====
Question : 
宣告、吸引力法則等等,到底是自我催眠或是真有功效⋯?
---------------------------------------
ANS:
以歸正神學的角度來看,必須要很嚴正的說 關於一切這類
【宣告、吸引力法則、方言、內在醫治、幻視成真、正面積極思想、聖靈充滿+淚流滿面地上翻滾、生病/遭禍全都怪到魔鬼撒旦身上、被牧者按手就撲倒在地,沒倒還會被說不屬靈、或者各種稀奇古怪用感情超過理性的敬拜方式】

上述泛屬成功神學的教導,都是非常 "不" 正確的 (這邊正確標準只有一個,就是以聖經作為標準) 。追求神的真道不該是讓 感情超過理性,不過現今教會還是 太多太多人在吹捧類似的教導。因為

1. 人們愛聽成功、積極、正面 的教導、最好就是那種專講 信耶穌就百病得醫治、錢財滾滾來、諸事大吉之類的廢話... (但聖經明明就寫人生在世會有苦難 怎麼不提呢?)

2. 人們愛聽上帝的 愛與憐憫,卻不喜歡聽上帝的罪與罰,最好就是專講 犯罪沒關係,反正神愛我 (但聖經明明除了寫 神的愛與憐憫 更有寫著 "神的公義" 怎麼不提呢?);以歸正神論或者聖經的觀點而言,要知道基督徒之所以為基督徒,是因為在萬世以前就受神蒙恩受揀選,但因為我們都是罪人,如果沒有神的憐憫。得到神的公義 不過就是剛好而已。

3. 世人不要神,只想要世界的成功 (想要控制神讓自己成功)



這是人之常情,但卻是我們亟需努力操練的部分,願主幫助我們;


後記:
雖然筆者自認懂的聖經/神學實在是少得可憐,但對於正面積極思想/成功神學 這塊的反對卻是極為肯定。想要親自認識神國的道理? 真的,先好好自己拿起手邊的聖經開始讀,好好思想。千萬不要因為某某牧師的名氣;或者所說的道理剛好很合你心,就開始盲目的跟從。神賜給我門智慧,是要我們自己去追尋真理,去真實的認識神,去明辨是非對錯。絕非單單盲從。

如果有心想要了解 "歸正神學" (簡單說就是 凡事回歸聖經、強調罪與悔改,用聖經當作標準來檢驗各事的神學);不過這種神學對於現今時代其實非常的不討喜,因為很容易讓聽的人不開心or不如聽成功神學開心。有興趣 也許有機會我們可以再多多討論

願神的道 光照我們
因為經上記著說:你們必曉得真理,真理必叫你們得以自由 (約翰福音8:32)

11/22/2013

[隨機過程] 隨機過程淺淺談(I) - 計數過程Counting process

首先給出 計數過程( Counting Process )的定義如下

========================
Definition: Counting Process
我們說一個 計數過程 $\{N_t, t \geq 0\}$ 是一個從時間 $0$ 到現在時間 $t$ 計算某事物發生次數的 隨機過程
========================

注意定義中所指的事物可以想成表示為任何可以計數的事,其在 時間 從 $0$ 到 $t$ 發生的次數 我們把他叫做 $N_t$ (你也許會問,為何要叫 $N_t$ 其實很簡單就是英文 Number 的縮寫

舉例來說,我們可以把 $N_t$ 想成某網站從開站至今的點擊次數;或者汽車通過收費站的次數

好了,這個定義其實不是很直覺,我們來看張 計數過程 示意圖也許會清楚一點

上圖中橫軸是時間 $t$,縱軸是某事件發生到該時間的(累計)次數 $N_t$, 觀察上圖,我們可以發現一些現象
  1. 階梯狀的計數,表示次數逐漸增加(每計數一次就 $+1$)
  2. 時間 $T_i$是隨機的,也就是 計數過程 隨機的部分是在於我們不知道某事件到底會在什麼時候發生
  3. 計數過程 是右連續(簡單說就是 上圖對任易計數的右方逼近可以得到實黑點EX: 在時間 $T_2$ 計數為 $2$ 不是 $1$)

Comments
1. 現在假設 給定我們關心的計數時間為 $0 \leq t_1 \leq t_2 < \infty $ (也就是說我們不考慮無窮久的情況),然後我們想要知道在時間 $t_1$ 與 $t_2$ 之間,我們所關心的某事物(比如網站點擊率)發生的次數有多少。那麼我們該如何計算呢?

由前方定義我們知道 $N_{t_2}$ 表示的是在 時間從 $0$ 到 $t_2$ 發生的次數
同樣的, $N_{t_1}$ 表示的是在 時間從 $0$ 到 $t_1$ 發生的次數

所以如果我們把 $N_{t_2}$ 與 $N_{t_1}$ 相減,也就是 $N_{t_2} - N_{t_1}$,那我們得到的就是 在時間從 $t_1$ 到 $t_2$ 的發生次數 (看圖)

2. 我們把 $N_{t_2} - N_{t_1}$ 叫做 計數過程的 增量(increment)


[延伸閱讀]
[數學] 隨機過程淺淺談(0)-先備概念
[數學] 隨機過程淺淺談(II) - 波松過程Poisson process
[數學] 隨機過程淺淺談(III) - 布朗運動 or 維納過程 (Brownian motion or Wiener Process)

[Ref: J. A. Gubner, Probability and Random Processes for Electrical and Computer Engineers, Cambridge, 2006]

11/20/2013

[整理] 金融名詞-證卷市場

以下為整理BKM- Essential of Investment 9th  的一些專有名詞

公司如何發行證卷?

  • 首次公開募股(Initial Public Offering, IPO)
  • 增發(再次發行)


1. 一級市場 (Primary markets)
用於發行新證卷的市場,通常由 投資銀行(investment banker) 進行證卷發行
-IPO 與 增發 皆在此市場完成

2. 二級市場 (Secondary markets)
投資人買進/賣出已發行之證卷所在的市場稱為二級市場 (investor trading issued securities, after IPO, for already-existing securities)
-corporation sell stock in primary stocks, while investors buy stock from other investors in the secondary market

3. 承銷商 (underwriter)
從發行公司處購買證卷並將證卷再次販售出去的公司

下圖顯示了在證卷發行過程中,發行公司、主要承銷商、與公眾之間的關係


4. 募股說明書(Prospectus)
對公司及其發行股票的描述,須由證卷交易委員會(SEC)批准

5. 私募(Private placement)
不公開的首次發行,公司股票直接被出售給一小部分的機構或者富有的投資者。

6. 首次公開募股IPO (the first time a company sells stock to public)
-SEO (seasoned equity offering, an issuance of stock has already undergone an IPO)

交易市場的種類

  • 直接交易市場(Direct search markets): ex: used car, used refrigerator, rare coins
  • 經紀人市場(Brokered markets):ex: real estate, primary market, block trading (the developing country use this market)
  • 交易商市場(Dealer markets)ex: bonds trade in OTC market, used car, rare coins
  • 競價拍賣市場(Auction markets)



7. 交易商市場(Dealer markets)
在該市場中交易商專注於某種特殊資產,並用自己的帳戶買賣該種資產
-交易商購買(bid)價格 與 出售(ask)價格的價差(Bid-Ask spread)是其利潤來源
-Ask price (you buy, dealer sale)
-Bid price (you sell, dealer buy)
-Bid-Ask spread: Ask-bid的價差
-Percentage spread:
\[
Percentage \ spread := \frac{Ask-Bid}{(Bid+Ask)/2}
\] -EX: 場外交易OTC


8. 競價拍賣市場 (Auction market): 
所有交易者聚集在一處進行資產買賣的市場
-鄭和最好的證卷交易市場
(ex: NYSE, OTC dealer market, 2nd market stock exchang)

交易指令的類型

  • 市場指令(Market orders)
  • 價格附帶執行指令(Price-contingent orders)
    • 限定價格購買(賣出)指令(limit buy (sell) order)
    • 止損指令(stop order)

9. 市場指令(Market order)
立即以當前的市場價格執行買入或者賣出的指令
-無執行的不確定性但有報價價格的不確定性。

9. 止損指令(Stop order)
在股價達到限定水平之後才會執行的指令


交易機制

  • 交易商市場網路(場外交易市場)
  • 電子通信網路
  • 專家經紀商市場網路

10.場外交易市場(Over the counter, OTC)
由經紀商與交易商組成的非正式網路,該市場的交易價格由此兩者協商。

11. 電子通信網路ECNs
允許直接交易而無須經由造市商的電子交易網路
-High-frequency trading

12. 專家經紀商 (Specialist)
為一家或以上的公司股票做市的交易商,並透過自買自賣維持公平而有效的市場

美國證卷市場

  • 那斯達克證券市場(Nasdaq Stock Market, NASDAQ) (www.nasdaq.com)
  • 紐約證券交易所 (New York Stock Exchange, NYSE) (www.nyse.com)
  • 美國證券交易所 (American Stock Exchange, AMEX) (www.amex.com)

13. 股票證卷交易所 (Stock exchanges)
為一種二級市場,其會員之間 在此交易已經發行的證卷。

14. 網路延遲(latency)
-low latency = low delay.

新的交易策略

  • 演算法交易策略(Algorithmic trading):
    透過電腦程式的幫助來達成快速交易決策
    • 高頻率交易策略(High-frequency trading): 演算法交易策略的一種,但依賴電腦做出非常快速的交易決策
  • 大宗匿名交易(Dark Pools)
    • 大宗交易(Blocks): 大量交易(一般而言超過一萬股的買賣)
    • 大宗匿名交易(Dark Pools): 
  • 債卷交易

保證金信用購買

15. 保證金信用購買 (Buy on Margin)
通過部分從經紀商借款的方式來購買證卷,保證金為投資人帳戶的淨值。
\[
Margin_{buy} := \frac{ \text{ Equity in account }}{ \text{Value of  stock} }
\]

賣空

16. 賣空(short sale)
投資人出售從經濟商借來的證卷 (投資人自己本身沒有證卷),之後在從市場上購買並還清借來的證卷 (非現金)
-此法用於預期股票即將下跌,故可以用一個較低的方式來購入原先以較高價格賣掉的股票並將其還給經紀商,從中取得利潤
-常與 stop buy 指令合併使用
\[
Margin_{short} := \frac{\text{Equity  in  account}}{\text{Value of  shares owed (debt)}}
\]

NOTE: 在金融市場中,shorting = selling = writing 三者等價。指賣出

[測度論] 期望值下確界與函數值下確界之恆等式

  Claim: 令 $(X, \mathcal{F})$ 為可測空間。令 $g: X \to \mathbb{R}$ 為可測函數,則 $$\inf_{\mathbb{P} \in \mathcal{P}(X)} \int_X g(x) d\mathbb{P}(x) = \in...