d****n 发帖数: 12461 | 1 你有1000元。假设是无限可分的,就是没有最小单位。
你把1000元的部分用于投资,如果投资成功,则收回投资加上100%回报,概率是0.6;如
果投资失败,则不仅没有回报,而且投资也收不回来。当然,每次投资前有手续费是2元
。
假设投资的总次数有一个限制,例如100次。投资回报也可以作为资本。当然,没有必要
投资满100次。
举个例子,你把1000元全部用于投资,其中998元用于投资,2元用于手续费。如果成功则
得到1996元,如果失败则得到0;当然,你也可以每次投资10元,同时投100次,这样用一
下大数定理,结果接近960元,显然是一个愚蠢的方法。
问题是,如何让收益最大化。 |
D*******a 发帖数: 3688 | 2 DP就是dynamic programming。从最后一次往前算。
如果考虑variance,那就是多目标优化。有两种办法
1。构造联合指标J=a*E[X]+b*Var[X],等等
2。把其中一个指标变成约束,比如Var[X]
标
variance
【在 d****n 的大作中提到】 : 你有1000元。假设是无限可分的,就是没有最小单位。 : 你把1000元的部分用于投资,如果投资成功,则收回投资加上100%回报,概率是0.6;如 : 果投资失败,则不仅没有回报,而且投资也收不回来。当然,每次投资前有手续费是2元 : 。 : 假设投资的总次数有一个限制,例如100次。投资回报也可以作为资本。当然,没有必要 : 投资满100次。 : 举个例子,你把1000元全部用于投资,其中998元用于投资,2元用于手续费。如果成功则 : 得到1996元,如果失败则得到0;当然,你也可以每次投资10元,同时投100次,这样用一 : 下大数定理,结果接近960元,显然是一个愚蠢的方法。 : 问题是,如何让收益最大化。
|
d****n 发帖数: 12461 | 3 是指DP算法么?这个具体是什么,能够大概解释一下么?
结论是对的。不过很荒谬啊。就是要100次全胜,基本没有胜算。
这样吧,投资组合里有mean-variance理论。考虑没一种投资策略对应mean-variance坐标
上的一个点,然后构成的集合的边界(mean大的方向)就是所有可行的策略。例如(mean,
var)=(1000,0)是一个。
最优策略一定在这个里面。只是不知道边界是什么样子的,虽然一定是mean关于variance
的递增函数。
【在 D*******a 的大作中提到】 : DP就是dynamic programming。从最后一次往前算。 : 如果考虑variance,那就是多目标优化。有两种办法 : 1。构造联合指标J=a*E[X]+b*Var[X],等等 : 2。把其中一个指标变成约束,比如Var[X]: : 标 : variance
|
c******m 发帖数: 98 | 4 这个结果也有道理,虽然每次都胜的概率很小,但收益太大,
平均下来expect的收益就会很大
但实际上应该考虑utility theory里面的一个概念
,简单说就是对一个总资产1w的人来说
赚0 vs 赚1w 和 赚10w vs. 赚11w,这两个差别是很大的,后者的实际价值小于前者
直接平均就没有考虑这种差异性。
一般的做法是实际收益的值取对数作为utility值,
最大化expect的utility,可以避免这个问题
DP应该也用来算这种意义下的最优吧
标
variance
【在 d****n 的大作中提到】 : 是指DP算法么?这个具体是什么,能够大概解释一下么? : 结论是对的。不过很荒谬啊。就是要100次全胜,基本没有胜算。 : 这样吧,投资组合里有mean-variance理论。考虑没一种投资策略对应mean-variance坐标 : 上的一个点,然后构成的集合的边界(mean大的方向)就是所有可行的策略。例如(mean, : var)=(1000,0)是一个。 : 最优策略一定在这个里面。只是不知道边界是什么样子的,虽然一定是mean关于variance : 的递增函数。
|
d****n 发帖数: 12461 | 5 是指DP算法么?这个具体是什么,能够大概解释一下么?
结论是对的。不过很荒谬啊。就是要100次全胜,基本没有胜算。
这样吧,投资组合里有mean-variance理论。考虑没一种投资策略对应mean-variance坐标
上的一个点,然后构成的集合的边界(mean大的方向)就是所有可行的策略。例如(mean,
var)=(1000,0)是一个。
最优策略一定在这个里面。只是不知道边界是什么样子的,虽然一定是mean关于variance
的递增函数。
【在 D*******a 的大作中提到】 : DP就是dynamic programming。从最后一次往前算。 : 如果考虑variance,那就是多目标优化。有两种办法 : 1。构造联合指标J=a*E[X]+b*Var[X],等等 : 2。把其中一个指标变成约束,比如Var[X]: : 标 : variance
|