欢迎来到天天文库
浏览记录
ID:22412489
大小:55.82 KB
页数:5页
时间:2018-10-29
《做市商定价机理中贝叶斯学习模型浅介》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、做市商定价机理中贝叶斯学习模型浅介一般来说,交易可以通过很多种方式进行。在本文中,我们重点讨论的是存在做市商的交易市场中价格的形成机理。在信息不对称的微观市场结构模型中,理解价格动态调整的关键是贝叶斯学习模型。尽管做市商(或者其他潜在的不知情机构)知道,委托单流与资产价值相关,但他们并不知道这一“真实”价值是多少。 学习模型的原理其实很简单。令随机变量V表示资产价值,每个交易商对资产的价值都有一个先验概率,我们将先这一先验概率看作是资产价值等于x的概率。然后交易商会观察到一些数据(例如一笔交易),并且在这些数据的基础上计算交易(V=x)发生
2、的条件概率。这一条件概率是后验概率,其中包含了他对交易观察得到的新信息。这一后验值随后变成了新的先验值,他观察更多的数据,并将这一调整过程继续下去。 通过我们观察的数据确定一个事件的发生概率,那么我们需要两个信息。首先,我们要知道该时间发生时,观察到这一数据的可能性(即,Pr{数据出现
3、事件发生})。同时,我们也需要知道事件没有发生时,观察到这一数据的可能性(即,Pr{数据出现
4、事件不发生})。这样,我们可以计算出现这一数据的边际可能性函数。 Pr{数据出现}= Pr{数据出现
5、事件发生}Pr{事件发生} +Pr{数据出现
6、事件不发生}Pr
7、{事件不发生} (1.1) 我们知道观察到数据并且事件发生的概率有一个对称的性质: Pr{数据出现,事件发生}= Pr{事件发生
8、数据出现}Pr{数据出现}=Pr{数据出现
9、事件发生}Pr{事件发生} (1.2) 这就意味着: (1.3)
10、 Pr{数据出现}由(1.1)式给出,所以 Pr{事件发生
11、数据出现}=(1.4)
12、 这就是贝叶斯定理。它给出了用观测数据确定某一事件发生的后验概率的调整公式。另一种表述方法是 后验概率=Pr{事件发生
13、数据出现} 这里数据的边际可能性就是(1.4)式中的分母。 假设做市商认为资产的价值不是高就是低(简单来说,定为0或1),他认为价值为0的概率为δ,现在发生了一笔买入或卖出的交易,当我们观察到一笔交易时,我们需要知道什么才能确定后验概率Pr{V=0
14、}呢? 首先,假设时期1的交易是出售(即=S),那么
15、,根据贝叶斯定理得(1.5) 为了给出更明确的结果,我们需要设定变量的值。假设初始概率Pr{V=0}=0.5,Pr{V=0}=0.5,则有δ=0.5。由于我们是根据委托单流进行学习,所以知情交易商和不知情交易商的倾向很重要。为简单起见,假设一半的交易商是知情交易商,一半是不知情交易商。另外我们假定不知情交易商进行买或者卖的可能性相等。 然后我们计算出Pr{S
16、V=0}。首先,如果V=0,那么知情交易商都得到了这个坏消息,因此知情交易商和不知情交易商参与交易的可能性相等,所以当V=0时,卖出发生的概率为Pr︴知情交易商}Pr{知情交易商卖出}
17、+Pr{不知情交易商}Pr{不知情交易商卖出}=(1/2)(1)+(1/2)(1/2)=1/2+1/4=3/4=Pr{S
18、V=0} 同样我们可以计算Pr{S
19、V=1}。现在,知情交易商得知好消息,卖出的概率为0,不知情交易商卖出的概率为。因此,当真实价值为1时,发生的概率为 Pr︴知情交易商}Pr{知情交易商卖出}+Pr{不知情交易商}Pr{不知情交易商卖出}=(1/2)(0)+(1/2)(1/2)=1/4=Pr{S
20、V=1} 我们现在有足够的信息来求解方程(1.5) 这是卖出事件发生后,V=0的后验概率。如果第一笔交易是买入,我们也可
21、以用类似的方法得到后验概率。结果为: 当知道这些条件的期望值之后,做市商将如何定价呢?我们知道如果做市商观测到买入行为发生,则他认为资产价值为0的概率是1/4,如果他观测到卖出行
此文档下载收益归作者所有