2020年4月5日 星期日

隨機波動理論的由來 (1/4) 金融數據的高狹峰、厚尾現象 [影片]

下一篇》 隨機波動理論的由來 (2/4) 一切的證據都導向... 真相只有一個![影片]  

前言

其實錄完整部大概一個小時,刻意不談數學。但覺得自己錄得沒有很好,沒有講到重點,一度想重新錄、然後講數學。但想說可能還是可以當作有和朋友聊的材料,就還是上傳了。



碎碎唸一些往事

我在大學時候,原本想繼續唸數學所。因為我對數學領域的其中一個分支非常有興趣,但因為家境突然遭逢劇變,我於是在大學二年級就開始考慮從數學轉商科。

看我部落格的人應該知道,我某種程度是一個死腦筋的書呆子,為了準備碩士班,我大學就開始做學術研究,我那時後投入研究的兩個主題,分別就是:


1. 如何更優雅的處理隨機波動?

在這方面,我有 4 篇發表著作,其中最指標性的一篇就是匯率的隨機波動分析:Applying GARCH-EVT-Copula Models for Portfolio Value-at-Risk on G7 Currency Markets

同時也是國科會計畫:Applying Time Changed Stochastic Volatility Levy Processes on Multivariate Option Pricing 的研究助理,埋首研究隨機波動。

剩下的 3 篇是我嘗試用高端數學技巧去處理,但大學時代的我能力還不足,寫得非常差,但還是有發表在普通等級(EI)的期刊,就不分享出來丟人現眼了…

雖然我這樣謙虛,但至少我那時候的研究能力,在許多教授眼中就已經足以準備博士畢業了,而我才大學三年級(稍微自誇一下,緬懷那段沒有青春、埋首探究金融真理的日子)。


2. 如何使用類神經網路搭建交易策略?

我要先講,這純粹是因為我的指導教授的關係,在 2010 年那個時代,類神經網路做交易策略,用 AI 做交易是個很難、
很難、很難、很難發表,所以需要各種包裝才能發在一些邊緣期刊,這不是本篇重點,但未來可以有機會聊。


追本朔源的緣分,帶我到 MAE/MFE

在上碩士班之後,我跟了一個教授繼續研究隨機波動,那時後我把心思放在完全捨棄常態分配的假設,考慮市場波動是一個更廣義、更抽象的 Non-Gaussian Model ,是一種 Levy Process 的指數形式,總之我就是完全走火入魔了。

與此同時,我也如影片中提到,我非常好奇到底金融市場為什麼會有這些特徵?為什麼有隨機波動的特徵?在考據許久,我發現許多人指出,是因為【市場交易機制】導致。

而於此同時,我在碩士班有一個機會能出國做研究,跟隨一個在 Ohio State Univ. 做系統模擬的大師 Ted ,我那時後在底下打工主要是用啟發式演算法做參數優化,算出俄亥俄州投票機的分布地點的最佳解。

於此同時,我還有兩個研究案,分別是我一直懸在心上,想要去模擬金融市場的心,以及更深入掌握馬可夫決策過程(MDP)。那時候我就使用一個很新的專門學術做系統模擬的框架 Repast、寫 Java,模擬金融市場。

就在我掌握各種金融市場從 0 到 1 的技術的時候,我有幸遇到了 MAE/MFE 分析技巧,MAE/MFE 最早期是用於造市使用,就是在造市商的【全局視野】下做分析。

因為造市商不是靠「方向」賺錢,所以 MAE/MFE 的「非方向性分析」對於造市商非常有幫助,尤其是整套交易管理、資金管理,就是一個非常好的方法去造市。

我就在一邊用 Java 寫各種金融市場模擬,一邊掌握這些知識,礙於我在美國的時間沒有太多機會能做出創新貢獻,我就只是掌握了這些,就回來了台灣。

但在這個過程中,我深深體會到一個關鍵:

你必須很懂遊戲規則,必須懂到非常徹底的地步。

搞數學沒什麼太大幫助,如果你根本沒有清楚認識到你的問題,尤其是這個問題是在什麼環境下發生。於是回來台灣後,我很快地放棄我原先走火入魔搞數學的研究,徹底尋找實際問題來解決。

3 則留言:

  1. 只有1/3太可惜了,正精彩就斷了。

    回覆刪除
    回覆
    1. 還會在上 XD... 分到各週慢慢放哈哈.. anyway 謝謝 Power 一直的支持!!

      刪除
  2. 看到这里 基本上对以前的交易认知做了一个整体的整合,补缺了认知的基石,感谢。
    之前一直在数学和各种nn之中找圣杯, 现在想来也是浮于表面,没有彻底解决自己的根本问题

    回覆刪除