• 统计学金融
  • 金融数学模型缺陷与物理规律的协变性和可变性(ZT)

【转帖此文是希望想对人民那个币负责的投资者认真思考一下时间序列到底能否预测金融市场;写论文,教学或以此谋生者可以不看】

1.我们认为,物理学定理和定律或表示一个物理过程的规律可以用一个方程来表示。因为方程中的物理量均是相对某一个参照系而测得的,不同参照系测得的值可能不同,所以表示物理规律或现象的方程的形式相对于同一个参照系而言的。当参照系变化时,方程的数学表示形式不变,则该方程具有协变性,否则方程具有可变性。举例来说,相对论动力学方程具有协变性,牛顿第二定律具有可变性。

2.现有的金融数学模型的建模原理无论千变万化,均依赖于动态经济学的微分方程,即试图用微分方程来模拟未来的市场。而建立在牛顿力学基础之上的微分方程隐含了一个机械时间t。正是机械时间t的线性单向流动性,使微分方程不具有协变性。也就是说,所有以微分方程来建模的金融数学模型均不具有协变性。

3.“金融数学模型不具有协变性”是非常可怕的一个结论。我们假设,用金融数学模型在空间点(x1,y1,z1,t1)得出的市场预测结论为A,然后在另一个时空点(x2,y2,z2,t2)用相同的金融数学模型得出的市场预测结论也为A。我们可能想当然地认为,既然A等于A,那么始自两个不同的时空点的市场演化情况应该是一样的。其实是大错特错了!!!因为所用的金融数学模型不具有协变性,就会导致相同的预测结论对应于不同的市场实际演化结果!!!本文涉及的长期资本管理公司的倒闭厄运,就是因为他们的电脑数学自动投资模型不具有协变性,上演了一幕“刻舟求剑”的悲剧。而我们基于“两空间之间的一个映射是等价的,若它联系着空间上的群作用”,开发了具有国际领先的具有协变性的金融数学模型,很好地反演出了市场的未来。

附文:

投机市场中不存在百战百胜的法宝,任何分析方法与操作系统都有缺陷与误区。美国长期资本管理公司的故事是最新最有说服力的证据。

美国长期资本管理公司(LTCM)总部设在离纽约市不远的格林威治,是一家主要从事定息债务工具套利活动的对冲基金。该基金创立于1994年,主要活跃于国际债券和外汇市场,利用私人客户的巨额投资和金融机构的大量贷款,专门从事金融市场炒作。它与量子基金、老虎基金、欧米伽基金一起被称为国际四大“对冲基金”。

LTCM掌门人梅里韦瑟(Meriwehter),被誉为能“点石成金”的华尔街债务套利之父。他聚集了华尔街一批证券交易的精英加盟:1997年诺贝尔经济学奖得主默顿(Robert Merion)和舒尔茨(Myron Schols),他们因期权定价公式荣获桂冠;前财政部副部长及联储副主席莫里斯(David Mullis);前所罗门兄弟债券交易部主管罗森菲尔德(Rosenfeld)。这个精英团队内荟萃职业巨星,公关明星,学术巨人。在1994——1997年间,LTCM业绩辉煌骄人。成立之初,资产净值为12.5亿美元,到1997年末,上升为48亿美元,净增长2.84倍。每年的投资回报率分别为:1994年28.5%、1995年42.8%、1996年40.8%、1997年17%。

长期资本管理公司以“不同市场证券间不合理价差生灭自然性”为基础,制定了“通过电脑精密计算,发现不正常市场价格差,资金杠杆放大,入市图利”的投资策略。舒尔茨和默顿将金融市场历史交易资料、已有的市场理论、学术研究报告和市场信息有机结合在一起,形成了一套较完整的电脑数学自动投资模型。他们利用计算机处理大量历史数据,通过连续而精密地计算得到两种不同金融工具的正常历史价格差,然后结合市场信息分析它们之间的最新价格差。如果两者出现偏差,并且该偏差正在放大,电脑立即建立起庞大的债券和衍生工具组合,大举套利入市投资;经过市场一段时间的调节,放大的偏差会自动恢复到正常轨迹上,此时电脑指令平仓离场,获取偏差的差值。

但是不能忽视的是,这套电脑数学自动投资模型上也有一些致命之处:(1)模型假设前提和计算结果都是在历史统计基础上得出的,但历史统计永远不可能完全涵盖未来现象。(2)LTCM投资策略是建立在投资组合中两种证券的价格波动的正相关的基础上。尽管它所持核心资产德国债券与意大利债券正相关性为大量历史统计数所证明,但是历史数据的统计过程往往会忽略一些小概率事件,亦即上述两种债券的负相关性。

LTCM万万没有料到,俄罗斯金融风暴引发了全球的金融动荡。结果它所沽空的德国债券价格上涨,它所多做的意大利债券价格下跌,它所期望的正相关变为负相关,结果两头亏损。它的电脑自动投资系统面对这种原本忽略不计的小概率事件,错误地放大金融衍生产品的运作规模。LTCM利用从投资者那儿筹来的22亿元作资本抵押,买入价值3250亿美元的证券,杠杆比率高达60倍,由此造成该公司的巨额的亏损。它从1998年5月俄罗斯金融风暴到9月全面溃败,短短的150天资产净值下降90%,出现43亿美元巨额亏损,仅余5亿美元。9月23日,美联储出面组织安排,以美林、摩根为首的15家国际性金融机构注资37.25亿美元购买了LTCM的90%股权,共同接管了该公司,从而避免了它倒闭的厄运。

如果月经周期会被外因改变,那么时间序列也非固定不变的

回复 第2楼 的 uunetcom:你是坏孩子

回复 第1楼 的 itellin:哥伦比亚大学有个教授,他的一系列文章都是这屋里那屋里

这贴子的论说方式简直玄乎的令人倒胃口。我试图来帮他剖析一下,首先作者硬要把物理学说成是一组方程的集合。写下来就是假设有某个方程叫F(x) = 0。然后作者按方程应参照系的改变而改变的情况来定义“协变性”和“可变性”。但又没有说清楚参照系有哪几个维度(比如有3维参照系,4维参照系,10维参照系,11维参照系,甚至26维参照系)。从作者的思路来看,他对物理的认识还是沿着经典的那条路的。那么就先按最常规的取法共4个正交维度(i,j,k,t)。按照文章的模糊说明,所谓F(x)=0对(i,j,k,t)具有协变性等价于说F对i,j,k,t的4个偏导数恒为0。这样一来,那就没有任何一个物理定律会具有协变性了。

比如物理中最基本的能量守恒定律,这个定律的本质是系统能量的时间平移不变性,也就是对t偏导恒等于零,但是对三个长度坐标偏导都不等于零。

所以整篇文章的论说是建立在一个错误的命题上的。

从一般层面上看,时间序列本身是一个成立的方法,因为如果假定市场的表面随机性之下有一些说不清的因子具有时间平移不变性的话,那么早先的统计量就包含一种时间平移不变的信息,可以用来预测将来。

回复 第3楼 的 emilio:看了半天才明白,原来“物理”还有个昵称叫“屋里”

回复 第5楼 的 谢益辉:“屋里”还有个昵称叫 宅

哥伦比亚大学有个教授,他的一系列文章都是这宅 那宅

回复 第6楼 的 uunetcom:你就是坏孩子~!

2 个月 后

回复 第4楼 的 easttiger:我倒是没看懂“协变性”为什么需要所有维度的偏导都为0,谁能解释下?

回复 第9楼 的 etcola:如果某个维度的偏导数为0,就说明这个维度对函数f(x)没有影响。举个例子,如果一个函数关于时间维度的偏导数为0,那说明这个函数与时间无关。那么,根据楼主的推理,这个函数关于时间就是协变的。

PS:楼主要表达的意思很简单,他想说的是:无论你选取金融市场的哪一个时间段,研究得出的结论都是无用的,因为金融市场不具有时间上的协变性。此时的结论,随着时间的流逝,已经不适用于下一时刻。这跟楼主的研究方法有关系,楼主比较欣赏混沌理论和J-Chart。

回复 第10楼 的 dengyishuo:我的意思是,4楼的为什么需要满足对四个维度同时偏导为零?如果只是关于时间“协变”的话。

回复 第11楼 的 etcola:4楼把空间的三个维度也加上了,4楼同时探讨了时间和空间的协变性。不过他只是进行理论探讨来驳楼主的,并没有顾及现实应用。实际应用的时候,空间的三个维度用国别这个维度代表就行了,这样以来,如果金融定理涉及的方程关于空间协变,就等同于关于国别协变,也就说美国的规律也适用于中国的规律了。从研究结果来看,很多金融定理涉及的方程关于空间都不太协变。

回复 第12楼 的 dengyishuo:

用时间序列来建立金融方程,一定是不协变。顶楼的文章是我转载一个牛人的大作,我认为他说的有一定的道理。下面贴一幅这个牛人关于目前上证指数到明年4月的预测,他使用的是拓扑同伦的方法,对目前上涨指数的数据进行时空反演,得出的结论从2010年11月18日开始,上证指数与2007年12月28日金凤科技的走势同伦,这样就可以事前得知上证指数未来的走向,现在只关心几个重要的节点,第一个节点12月10日是一个低点,现在已经实现,未来在明年一月份有一个高点,接下来在明年4月份又是一个低点。不过有一个让人不可思议的结论是按照同伦关系,金凤科技从高点到低点的价格几乎是腰斩,那么未来上证的高点估计是3000左右,那么到明年4月的低点,那时的上涨要到1500左右,太恐怖了,还是拭目以待吧。

[attachment=212297,780]

3 个月 后

统计预测模型不是让你找到一个绝对正确的预测方法 儿是找到一个事物的运动规律,找到了规律就可以按照规律来定制相应的交易策略,例如协整,对于协整用在金融市场套利 一般都要考虑一个Rolling分析,并且每周甚至每天检验协整系数,模型结构是否改变,金融务实要考虑的是策略模型的获利的概率 而不是绝对获利。

回复 第15楼 的 itellin:

 你是个坏孩子 
</p>

[s:12]

做金融投资的人都过于自信,相信自己的知识能力和判断,即使与市场背离也会坚持。这是种病态;希望学术的和数学的都不要这样,需要用符号逻辑进行证明;

用长期资本管理公司倒闭的例子用来说明时间序列不足信是用个例来广适说明。

实际的情况是,从2003年到2010年,纳市做quant的越来越多,几乎70%的交易量都来自于quant。

国内已经有一些基金和证券公司在尝试quant的方法,比如申万和国信证券;

虽然quant的方法不仅是时间序列,也有统计模型,机器学习等多种方法。但无论怎么说,markov是非常重要的方法,而Ito和 black-scholes更是衍生金融的最爱,也可以说都是时间序列知识域里的。

5 天 后

测试一下,看会不会输入公式

Tankens定理:在<bblatex>R^{n}</bblatex>空间中,存在函数f,满足:<bblatex>X\left ( t+\tau \right )=f_{\tau }\left ( X\left ( t \right ) \right )</bblatex>

3 个月 后

赞同楼主一些观点,但是觉得楼主举的例子稍有不妥. LTCM玩的是相对价值套利,用的是比较学术的利率模型,如affine class/quadratic class等, 我感觉这是个filtering问题,而不是预测问题。 实际上他们这种交易的缺点是没有止损,越亏他们觉得越是投资的好时机,这跟股票,期货的趋势投资很不一样。顺便说一下,俺最近弄了个新的智能利率模型,有兴趣者可以讨论一下。

回复 第18楼 的 mushrooman:

市场太宽泛了,以至于什么方法都可以用,但俺们还是热衷于时变系统,下面贴一张图,是股指5月和6月合约的走势,从中可以清晰地看到,打破了时间的藩篱,整体走势非常有规律的呈现出来,大均衡嵌套小均衡,6月20日,我们轻松地在2866接的飞刀。

[attachment=220492,1192]

回复 第19楼 的 itellin:半对数坐标效果怎么样你试过没有。