23 Stock Market Simulation

23: Stock Market Simulation verwante hulpbronne Uitdeelstuk (PDF) Transkripsie (PDF) Operator: Die volgende riglyne word voorsien onder 'n Creative Commons-lisensie. U ondersteuning sal help MIT OpenCourseWare voortgaan om opvoedkundige hulpbronne hoë gehalte bied gratis. Om 'n skenking te maak of addisionele materiaal te sien uit honderde MIT kursusse, besoek MIT OpenCourseWare by ocw. mit. edu. PROFESSOR: Ek wil optel presies waar ek opgehou het verlede tyd. Wanneer ek praat oor die verskillende sondes kan 'n mens pleeg met statistieke. En ek het gepraat oor die sonde van data verbetering, waar die basiese idee is daar, jy 'n stukkie van die data te neem, en jy baie meer daarin as wat dit impliseer lees. In die besonder, 'n baie algemene ding wat mense doen met data is hulle ekstrapoleer. Ek het jou 'n paar voorbeelde gegee. In die werklike wêreld, is dit dikwels nie wenslik om te sê dat ek 'n punt hier, en 'n punt hier, dus die volgende punt sal sekerlik hier wees. En ons kan net ekstrapoleer in 'n reguit lyn. Ons voor sien 'n paar voorbeelde waar ek moes 'n algoritme om punte te genereer, en ons pas 'n kurwe om dit, gebruik die kurwe om toekomstige punte voorspel, en ontdek dit was nêrens naby. Ongelukkig sien ons dikwels mense doen hierdie soort van ding. Een van my gunsteling stories is, William Ruckelshaus, wat in die vroeë 1970's hoof van die Environmental Protection Agency was. En hy het 'n perskonferensie, het gepraat oor die toenemende gebruik van motors, en die verminderde bedrag van carpooling. Hy het probeer om mense te kry om carpool, aangesien ten tyde carpooling was op die pad af, en ek nou kwotasie, & quot; elke motor wat in die sentrale stad, jammer, in 1960, & quot; het hy gesê, & quot; elke motor wat in die sentrale stad het 1,7 mense daarin. Deur 1970 het dit gedaal tot minder as 1,2. As die huidige tendense voortduur, teen 1980, meer as 1 uit elke 10 motors wat die stad sal geen bestuurder het & quot. Wonderbaarlik genoeg, die pers berig dit as 'n reguit storie, en het gepraat oor hoe ons dramaties val sou wees. Natuurlik, as dit gebeur, is dit nie plaasgevind het nie. Maar dit is net 'n voorbeeld van hoe veel moeite wat jy kan kry in die ekstrapolering. Die finale sonde ek wil praat oor is waarskynlik die mees algemene, en dit is bekend as die Texas skerpskutter dwaling. Nou voordat ek in daardie, is een van julle hier uit Texas? Goed, jy gaan aanstoot neem nie. Laat my dink, OK, niemand hier uit Oklahoma? Jy sal dit wil hê. Ek sal stort op Oklahoma, dit sal baie beter wees dan. Ons sal praat oor die Oklahoma skerpskutter dwaling. Ons sal nie praat oor die BCS ranglys, al is. Dus is die idee hier is 'n redelik eenvoudige een. Dit is 'n bekende skut wat sy geweer lukraak vure aan die kant van 'n skuur, het 'n klomp van die gate in, dan gaan en neem 'n blikkie verf en trek bullseyes rondom al die plekke van sy koeëls gebeur om te tref. En mense loop deur die skuur en sê: Mag, hy is 'n goeie. So natuurlik, nie 'n goeie ding, maar verbasend maklik om te val in hierdie strik. So hier is nog 'n voorbeeld. In Augustus 2001, 'n papier wat mense ernstig opneem verskyn in 'n matig ernstige tydskrif genaamd Die New Scientist. En dit aangekondig dat navorsers in Skotland het bewys dat anorexics is waarskynlik gebore is in Junie. Ek is seker jy al die kenners. Hoe het hoe het hulle bewys dit? Of demonstreer dit? Hulle bestudeer 446 vroue. Elkeen van wie gediagnoseer anoreksies. En hulle het opgemerk dat sowat 30 persent meer as die gemiddelde is gebore in Junie. Nou, aangesien die maandelikse gemiddelde van geboortes, as jy dit deel met 12, dit gaan oor 37, wat ons vertel dat 48 gebore in Junie. So met die eerste oogopslag, blyk dit beduidende, en in werklikheid as jy toetse uit te voer, en vra wat is die waarskynlikheid van daardie vele meer gebore in 1 maand, sal jy vind dat dit baie onwaarskynlik. Trouens, sal jy vind die waarskynlikheid van hierdie gebeurtenis is slegs sowat 3 persent, van dit net gebeur deur 'n ongeluk. Wat is fout met die logika hier? Ja? STUDENT: Hulle bestudeer net gediagnoseer anorexics. PROFESSOR: Nee, want hulle in die kwessie van wanneer is anorexics gebore slegs geïnteresseerd was, so dit maak sin om net te studeer diegene. Nou miskien het jy is reg, dat ons kan bestudeer wat, in werklikheid, meer mense is gebore in Junie tydperk. Dit kan waar wees. Dit sou een van die fallacies ons kyk na voor, reg? Dat daar 'n loer veranderlike wat is net dat mense meer geneig is om gebore te word in Junie. So dit is beslis 'n moontlikheid. Wat nog? Wat anders is die fout? Waar is die fout in hierdie logika? Wel, wat het hulle gedoen? Hulle het deelgeneem aan die Oklahoma skerpskutter dwaling. Wat hulle gedoen het, is, het hulle op 12 maande, hulle het die maande met die meeste geboortes in dit wat gebeur het tot Junie wees, en bereken die waarskynlikheid van 3 persent. Hulle het nie begin met die hipotese dat dit Junie. Hulle het begin met 12 maande, en dan het hulle 'n Bullseye rondom Junie. So het die regte vraag om te vra is, wat is die waarskynlikheid, nie dat Junie het 48 babas, maar dat ten minste een van die 12 maande het 48 babas. Dit waarskynlikheid is baie hoër as 3 persent, of hoe? Trouens, dit is ongeveer 30 persent. So, wat ons sien is, weer heel redelik statistiese tegnieke, maar nie te kyk na dinge op die regte manier. En beantwoord die verkeerde vraag. Dit sin maak om almal? En jy kan sien waarom mense in hierdie strik kan val, reg? Dit was 'n perfek sinvolle, skynbaar sinvolle argument. So het die moraal van hierdie spesifieke ding is, baie versigtig wees oor na jou data, teken 'n gevolgtrekking, en dan sê hoe waarskynlik is dat plaasgevind het? Omdat weer, is jy waarskynlik, of dalk, teken die Bullseye rondom iets wat reeds daar. Nou as hulle het 'n ander stel van 446 anorexics geneem, en weer Junie is die maand, dan sou daar 'n paar geloofwaardigheid daarin wees. Omdat hulle sou begin met die hipotese, nie dat daar bestaan ​​'n maand, maar dat Junie was veral geneig. Maar dan sou hulle moet ook kyk en seker te maak dat Junie is nie net 'n gewilde maand gebore word, soos vroeër voorgestel. Goed, kan ek aan en aan gaan met hierdie soort van ding, dit is soort van pret. Maar ek sal nie. In plaas daarvan gaan ek vir julle te martel met nog een meer simulasie. Jy kan nie versoek word nie op hierdie stadium net wegraak. Probeer om nie te. En as 'n ekstra aansporing vir jou om aandag te skenk, ek gaan om jou te waarsku dat hierdie spesifieke simulasie sal verskyn in die finale, of 'n variant daarvan. En wat ons sal moet doen is, vroeg volgende week sal ons die verspreiding kode, wat ons sal jy vra om te studeer, sowat twee of drie bladsye van kode, en dan op die laaste sal ons vra jy vrae het oor die kode. Nie dat jy dit onthou, ons sal u 'n afskrif daarvan te gee. Maar jy moet dit verstaan ​​voordat jy loop in die finale neem. Omdat daar nie tyd om te kyk na wat-kode vir die eerste keer tydens die toets, en uit te vind wat dit doen sal wees. OK, so kom ons kyk na dit. Ek moet jy ook waarsku dat hierdie kode sluit 'n paar Python konsepte, ten minste een, wat jy nog nie gesien het nie. Ons sal dit sien kortliks vandag. Dit is met 'n doel, want een van die dinge wat ek hoop jy het geleer om hierdie semester te doen, is kyk dinge wat jy nie weet nie, en uit te vind wat hulle doen. Wat dit beteken. Omdat ons kan natuurlik nie, in enige kursus of selfs 'n stel van kursusse, vertel jou alles wat jy ooit wil weet in die lewe. So doelbewus, het ons 'n paar dinge in hierdie program wat nie vertroud sal wees, so gedurende die tyd wat jy die program is studeer, kry online, kyk dit, uit te vind wat hulle doen gekeurde. As jy probleme het, sal ons met kantoorure, waar jy kan gaan en kry 'n paar hulp. Maar die Tas sal verwag dat jy ten minste probeer om dit uit te vind jouself. Ja? STUDENT: Sal die finale oop noot? PROFESSOR: Finale sal oop boek, oop notas, net soos die vasvrae wees. Dit sal die eerste twee uur van die toegelate tyd, sal ons nie gaan die hele 3 uur, OK? So dit sal nie uiters langer as die vasvrae wees. Dit sou 'n bietjie langer wees. En weer, baie in dieselfde styl van die vasvrae. Goed, kom ons kyk na hierdie. Kom ons neem aan dat jy die lotto gewen het, en het ernstige geld wat jy so dom wil om te belê in die aandelemark. Daar is twee basiese strategieë om van te kies, in te belê. Jy kan óf wat 'n geïndekseerde portefeulje, of 'n bestuurde portefeulje genoem. Geïndekseer portefeuljes, jy basies sê, ek wil al die aandele wat daar besit, en indien die aandelemark styg, ek maak geld, as die aandelemark daal, ek geld verloor. Ek is nie van plan om te dink ek is slim, en kan wenners en verloorders tel, is ek net weddenskappe op die mark as 'n geheel. Hulle is aantreklik, in die sin dat 'n, het hulle nie 'n baie gedink vereis. En b, hulle wat bekend as 'n lae koste-verhouding, aangesien hulle is maklik om te implementeer, jy nie iemand betaal briljante uit te voer as vir jou te wees. Sodat hulle is baie lae koste. A bestuurde portefeulje, vind jy iemand wat jy dink is regtig slim, en jy betaal hulle 'n billike bedrag van geld, en in ruil het hulle beweer dat hulle wenners sal kies vir jou, en in werklikheid, sal jy die aandelemark te klop. En as dit styg 6 persent, en jy sal optrek 10 persent of meer, en as dit gaan af, moenie bekommerd wees nie, ek is so slim jou voorrade, sal nie afgaan. Daar is 'n baie debat oor wat die beter van die twee. En so nou gaan ons probeer en kyk of ons 'n simulasie wat ons 'n insig oor watter van hierdie beter of slegter kan wees sal gee kan skryf. Goed, so dit is die basiese probleem. Nou, soos ons dit ken, en deur die manier waarop ons gaan nie 'n perfekte simulasie hier skryf, want ons gaan om te probeer en doen dit in 40 minute, of 30 minute. En dit sal neem ten minste 'n uur te doen 'n perfekte simulasie van die aandelemark. Alles reg. Eerste ding wat ons moet doen is om 'n soort van 'n teorie. Wanneer ons het die lente, het ons hierdie teorie van Hooke se wet dat ons iets vertel, en ons het 'n simulasie, of gebou 'n paar tools om daardie teorie. Nou moet ons dink oor 'n model van die aandelemark. En die model wat ons gaan gebruik is gebaseer op wat die doeltreffende markhipotese genoem. So het die morele hier, weer, is wanneer jy doen 'n implementering van 'n simulasie, hoef jy 'n paar onderliggende teorie oor die model het. Wat hierdie model beweer is dat markte informationally doeltreffende. Dit wil sê, die huidige pryse weerspieël al die openbaar bekend inligting oor elke voorraad, en dus is onbevooroordeelde. Dat indien mense het gedink dat die voorraad is ondergeprys, sowel mense sal meer van dit te koop in die prys sal reeds gestyg het. As mense gedink die voorraad was duur, goed, mense sal probeer om dit te verkoop, en dit sou af gekom het. So dit is 'n baie gewilde teorie, geglo deur baie bekende ekonome vandag, en in die verlede. En sê: OK, wat effektief beteken dat die mark is memoryless. OK, dit maak nie saak wat die prys van die voorraad was gister. Vandag, is dit geprys gegewe die bekendste inligting, en so môre is dit ewe waarskynlik styg of daal. Relatief tot die hele mark, reg? Dit is algemeen bekend dat oor 'n tydperk van verskeie dekades, die mark het 'n neiging om te gaan. En dus is daar 'n opwaartse sydigheid tot die aandelemark, in teenstelling met wat jy dalk onlangs gesien het. Maar dat daar geen spesifieke voorraad is min of meer geneig om die mark te presteer, omdat al die inligting is opgeneem in die prys. En dit lei tot 'n idee van in staat is om die mark te modelleer, hoe? Hoe sal jy 'n model individuele aandele as jy hierdie hipotese glo? Iemand? Wat gaan gebeur? STUDENT: ewekansige loop. PROFESSOR: Ja, presies reg. So sou ons dit 'n model as 'n ewekansige loop. Trouens, daar is 'n baie bekende boek genaamd A Random Walk Down Wall Street, wat was een van die eerste om hierdie hipotese te maak. Nou later, kan ons besluit om hierdie model te laat vaar nie, maar vir die oomblik laat ons aanvaar dat. En laat ons dink oor hoe ons gaan die simulasie te bou. Wanneer ek dink oor hoe om 'n interessante program te bou, en ek hoop wanneer jy daaroor dink, die eerste ding wat ek dink is, wat is die klasse ek dalk wil hê, wat is die tipe? En dit lyk redelik duidelik dat ten minste twee van die dinge wat ek gaan wil is voorraad en te bemark. Na alles, ek gaan om te probeer en die bou van 'n simulasie van die aandelemark nie, so ek kan net so goed het die idee van 'n mark, en waarskynlik die idee van 'n voorraad. Wat moet ek implementeer eerste? Wel, my gewone styl van programmering sou wees om die een wat die laagste in die hiërargie, naby die onderkant te implementeer. Ek sal nie in staat wees om jou te wys wat 'n mark nie, tensy ek het aandele, maar ek kan kyk na wat 'n individu voorraad doen sonder om 'n mark. So hoekom moet ek eerste uitvoering van hierdie? Want dit sal makliker wees om eenheid toets wees. Ek kan die klas voorraad op te bou, en ek kan toetsklas voorraad, voordat ek 'n klas mark. So nou laat ons kyk na dit. Skoon te maak die lessenaar 'n bietjie. Dit is soortgelyk aan, maar nie identies aan, wat jy in jou opdragstuk. Goed, so daar is klas voorraad. En ek gaan dit inisialiseer, hulle skep, met 'n opening prys. Wanneer 'n voorraad eerste in die mark geplaas word, dit kom met 'n paar prys. Ek kan nie nou hou as deel van elke voorraad, dis geskiedenis van pryse, wat ons kan inisialiseer, wel, ek het dit geïnisialiseer as leeg, maar dit is waarskynlik die verkeerde ding, reg? Ek het waarskynlik sou gehad het dat dit die begin hier, reg, die opening prys. Nou kom 'n interessante deel. Self dot verspreiding. Wel, ek het gelieg om jou 'n bietjie in my beskrywing van wat dit beteken om die doeltreffende markhipotese het. Ek het gesê dat daar geen voorraad is geneig om die mark te presteer of onderpresteer die mark. Maar dit is nie heeltemal waar nie, want tipies wat hulle eintlik doen, is hulle sê dit is aangepas vir risiko. Dit is duidelik dat sommige aandele is meer wisselvallig as ander. As jy voorraad sal te koop in 'n elektriese nut wat 'n gewaarborgde inkomste stroom het, want maak nie saak hoe sleg die ekonomie kry, 'n klomp mense steeds elektrisiteit gebruik, het jy nie verwag dat dit 'n baie wissel. As jy voorraad te koop in 'n hoë-tegnologie maatskappy, wat dinge verkoop op die internet, kan jy verwag dat dit geweldig wissel. Of as jy voorraad te koop in 'n winkel, kan jy verwag dat dit gaan styg of daal meer dramaties met die ekonomie, en so in werklikheid is daar 'n idee van die spel, en ek is nie van plan om dit te doen in hierdie simulasie, maar gewoonlik mense betaal moet word om risiko te neem. En so is dit gewoonlik die geval dat jy 'n hoër opbrengs kan kry as jy bereid is om meer risiko te neem is. Ons mag of dalk nie tyd om terug kom het. Maar meer algemeen, die punt is, dat elke voorraad eintlik optree 'n bietjie anders. Daar is 'n verspreiding van hoe dit sou beweeg. So selfs as gemiddeld die voorraad sal na verwagting glad beweeg van waar dit begin, sal 'n paar aandele word verwag om net rolwagen saam sonder veel verandering, nie baie wisselvallig. En ander voorrade kan op en af ​​'n baie spring, want hulle is baie wisselvallig. Selfs as die verwagte waarde is dieselfde, het hulle beweeg baie rond. So, hoe kan ons 'n model van hierdie soort ding? Wel, ons het reeds gekyk na die basiese idee. Verlede keer het ons gekyk na die idee, laaste lesing het ons gekyk na die idee van 'n verspreiding. En wanneer ons 'n simulasie doen, ons trek die monsters van 'n paar verspreiding. Dit kan normaal, alles, wat 'n Gaussiese, waar as jy onthou daar was 'n gemiddelde, en 'n standaardafwyking, en die meeste waardes sou wees op pad was na aan die gemiddelde te wees. Veral as daar is 'n klein standaardafwyking. As daar 'n groot standaardafwyking dit sou versprei. Of dit kan eenvormige wees, waar elke waarde ewe waarskynlike was. Ons het ook gekyk na eksponensiële. So ons gaan toewys aan elke voorraad, wanneer ons dit geskep het 'n verspreiding. Een of ander manier van die verbeelding, of te dink oor waar ons die prys verander vanaf trek. Dit kry ons in 'n nuwe taal konsep, wat ons hier sien sit. Jy hoef nie hierdie spesifieke kode op jou opdragstuk, jy het 'n kode wat dieselfde konsep gebruik. So hier is my eenheid toetsprosedure. En hier is waar ek gaan uitkerings te skep. En ek gaan om te kyk na twee. A random-- n uniform, en 'n Gaussiese. Wat lambda wat doen, dit skep op die vlieg 'n funksie, soos die program loop. Dat ek kan dan slaag om. So hier, ek gaan om te kyk na die ding ewekansige dot uniform, byvoorbeeld, tussen minus wisselvalligheid en plus wisselvalligheid. So ignoreer die lambda, wat verwag ons ewekansige dot uniform om te doen? Dit het ewe waarskynlik, in die reeks van minus wisselvalligheid te plus wisselvalligheid, sal dit enige waarde terug in hier. Maar let op die vorige lyn, waar ek die berekening van wisselvalligheid. As ek wou elke voorraad aan dieselfde wisselvalligheid het, kon ek dit te doen, as jy wil, by die tyd wat ek geskryf het my program. Maar hier het ek wil hê dit moet bepaal word, gekies te hardloop tyd. So die eerste, kies ek 'n wisselvalligheid lukraak uit 'n verspreiding van moontlike wisselings uit te, in hierdie geval, 0.2. Dink aan dit as die persentasie skuif per dag. So 2/10 van 'n persent, sal die skuif hier wees. En dan sal Ek hierdie funksie, hierdie verspreiding d 1, wat sal, wanneer ek dit noem, 'n ewekansige, 'n uniform gekies waarde tussen minus en plus wisselvalligheid gee my te skep. Toe ek die voorraad te skep, hier, ek kan dit slaag in, slaag in d 1. OK, dit is 'n nuwe konsep. Ek het nie verwag dat jy al dadelik gryp nie, maar jy sal nodig hê om dit te verstaan ​​voordat die toets saam kom. En dan kan ek ook 'n Gaussiese een hier, met die gemiddelde van en die standaardafwyking van wisselvalligheid gedeel deur 2. Waar kom hierdie parameters vandaan? Ek het hulle uit die hele doek. Later sal ons praat oor hoe 1 meer intelligent kan dink oor hulle. Nou wat moet ek doen met dit? Goed, sal ons sien dat in 'n minuut. Maar mense verstaan ​​wat die basiese idee hier is. Nou kan ek die prys van 'n voorraad te stel. En toe ek dit doen, sal ek dit voeg om die geskiedenis. Ek kan, o, hierdie het 'n paar oorblyfsels wat ons regtig nodig het nie gekry. Ek sal ontslae te raak van hierdie wat net 'n vervelige ding. En laat ons kyk na maak beweeg. Want dit is die interessante ding. Maak skuif is wat ons noem die prys verander van 'n voorraad aan die begin of einde van 'n dag as jy wil. So die eerste ding wat dit doen, is dit sê, as self dot prys is 0, Ek gaan net om terug te keer. Dit is nie die regte ding om te doen, deur die manier. Weereens, daar is 'n paar foute in hier. Jy sal nie hierdie foute in jou opdragstuk vind, reg? Kode is anders in die opdragstuk. Maar ek wou dit wys om jou sodat ons kan dink. Wat ek is meer geïnteresseerd in hier as in die uitslag van die simulasie, is die proses van die skep dit. So hoekom het ek dit hier? Hoekom het ek sê as self dot prys gelyk terugkeer? Omdat die eerste keer dat ek die program geskryf het, het ek nie iets soos dit hier het, en 'n voorraad kan gaan en dan terug te kry. Of selfs na negatiewe waardes. Wel ons weet aandeelpryse is nooit negatief. En in werklikheid weet ons as die prys gaan na 0, dit denoteer van die ruil. So het ek gesê: Goed, ons beter 'n spesiale geval van daardie te maak. dit blyk dat dit 'n fout sal wees, en ek wil hê jy moet dink oor die rede waarom dit is verkeerd vir my om hierdie tjek hier sit. Die tjek moet iewers in die program, maar dit is nie die regte plek daarvoor. So dink oor die rede waarom ek dit nie hier gelos het. OK, dan sal ons die ou prys, wat ons gaan probeer onthou, kry en nou kom die interessante deel. Ons gaan probeer om uit te vind hoe die prys moet verander. Dus is ek eers gaan iets genoem die basis skuif bereken. Dink aan dit as 'n soort van die basis waaruit ons sal die berekening van die werklike beweeg. Ek sal iets van die verspreiding te trek, so dit is interessant, ek nou 'n beroep self dot verspreiding, en onthou dit sal verskillend vir elke voorraad wees. Dit sal my terug 'n paar random waarde van óf die Gaussiese of die normaalverdeling. Met 'n ander wisselvalligheid vir die voorrade, want dit ook lukraak gekies is, plus 'n paar mark vooroordeel. Sê, goed, die mark gemiddeld sal optrek 'n bietjie, of gaan af 'n bietjie. En dan sal Ek die nuwe prys gestel, as jy wil, self dot prys, om self dot prys keer 1 plus die basis beweeg. So let op wat dit sê. As die basis skuif is 0, dan is die prys nie verander nie. Sodat sinvol. Interessante vraag. Waarom, dink jy ek het self dot prys keer 1 plus die basis skuif, eerder as om net die toevoeging van die basis skuif na die voorraad, prys van die voorraad? Verder is die eerste keer dat ek gekodeer hierdie, ek het 'n toevoeging daar in plaas van 'n vermenigvuldiging. Wat sou die gevolge van 'n toevoeging daar wees? Dit sou sê, hoeveel die voorraad verander is onafhanklik van die huidige prys. En toe ek gehardloop dat dit, ek het vreemde resultate, omdat ons weet dat 'n Google geprys teen, sê, 300, is baie meer geneig om te beweeg met 10 punte in 'n dag as 'n voorraad wat is geprys teen $ 0,50. So in werklikheid, dit is die geval, as jy kyk na data, en by the way, dit is die manier waarop ek beland opstel van 'n groot deel van hierdie parameters en speel met dit, is vergelyk wat my simulasie sê vir historiese voorraad data. En inderdaad is dit die geval dat die prys van die voorraad, die beweeg, die bedrag van beweging, is geneig eweredig aan die prys van die voorraad te wees. Duur aandele beweeg meer. Interessant genoeg, die persentasie beweeg is nie veel verskil tussen goedkoop voorrade en duur aandele. En dit is hoekom ek beland met behulp van 'n vermenigvuldigende faktor, eerder as 'n toevoeging faktor. Dit is weer 'n algemene les. As jy hierdie soort simulasies, of so iets te bou, moet jy dink deur middel van of dinge multiplikatiewe of toevoeging moet wees. Omdat jy baie verskillende resultate, tipies. Multiplikatiewe is wat jy wil doen as die bedrag van die verandering is eweredig aan die huidige grootte, of dit nou die prys of enigiets anders, en toevoeging indien die verandering is onafhanklik van die huidige waarde, tipies, is ek van mening dat die algemene manier om daaroor te dink . Nou, kan jy hierdie ander soort eienaardige ding sien. So ek het nou die prys, en dan het ek hierdie toets hier het. As ma, ma staan ​​vir momentum. Ek is nou ondersoek die vraag of nie aandeelpryse is inderdaad memoryless, of die voorraad veranderinge. En die fancy woord vir dit is Poisson. Mense model dikwels dinge soos Poisson prosesse, dit wil sê, prosesse waarin verlede gedrag het geen invloed op toekomstige gedrag, dis memoryless. En in werklikheid, dit is wat die doeltreffende markhipotese voorgee om te sê. Dit sê dat, aangesien al die inligting is in die huidige prys, het jy nie hoef te bekommer oor of dit gaan op of af gister om te besluit wat dit gaan vandag om te doen. Daar is mense wat nie glo nie, en in plaas argumenteer dat daar is hierdie idee genoem momentum. Dit is genoem momentum beleggers. En hulle sê: Wat is die meeste geneig om vandag gebeur, is wat gister gebeur het. Of meer waarskynlik. As die voorraad opgegaan het gister, dit is meer geneig om te gaan vandag, as wanneer dit nie gegaan het gister. So was ek nie seker watter godsdiens ek was bereid om in te glo, indien enige, so ek het 'n parameter genoem, as jy in momentum glo, dan moet jy die prys verander deur - En hier het ek net iets wat 'n Gaussiese keer die laaste verandering, en, in werklikheid, het bygevoeg dit in. So as dit opgetrek het gister, dit sal meer geneig optrek vandag, want ek gooi in 'n positiewe getal, anders 'n negatiewe getal. Let daarop dat dit 'n toevoeging. Want dit is die hantering van die prys gister. Verander, met die verandering. OK, so dit is hoekom ons te doen het met dit. Nou, hier is waar ek in hierdie toets dat ek hier moet gesit het. Kry dit uit daar. Want wat ek wil doen, is, sê as self dot prys is minder as 0,01, ek gaan om dit te stel aan 0, hou dit net daar. Dit beteken nie die probleem wat ons voor al moes los, of hoe? Toe ek gaan om dit te voeg, en hou die laaste verandering vir toekomstige gebruik. OK, mense verstaan ​​wat gaan hier aan? En dan wys die geskiedenis is net gaan om 'n plot te produseer. Ons het 'n miljoen keer vantevore gesien. Enige vrae oor hierdie? Wel, ek het 'n vraag? Is dit enige sin maak? Gaan dit glad werk? So nou kom ons toets dit. So, ek het nou hierdie eenheid toets program genaamd eenheid toets voorraad. Ek het oorspronklik nie maak dit 'n funksie, ek het dit in 'n lyn, en ek het besef dit was baie dom, want ek wou dit baie keer te doen. So dit het 'n interne prosedure, interne funksie, plaaslike tot die eenheid toets, wat die simulasie loop. En dit neem om die stel van aandele om na te boots, 'n vyeboom, figuur getal, dit gaan om 'n klomp van die grafieke druk, en ek wil om te sê wat grafiek is dit, en of ek glo in 'n groot mo. Dit stel die gemiddelde tot 0, en dan vir s in die blok sit dit beweeg dit, gee dit die vooroordeel en die momentum, dan is die geskiedenis toon dit. En dan bere die gemiddelde van, om my die gemiddeld van al die aandele in dit. Ons het hierdie soort van ding baie keer vantevore gesien. Ek het dan 'n paar konstantes. By the way, ek wil beklemtoon dat ek hierdie konstantes het die naam te maak dit makliker om verandering te maak. Begin met 20 aandele, 100 dae. En dan is dit wat ek doen, ek voorraad sub 1, sal aandele 1 die leë lys wees, voorrade 2 is die leë lys. Waarom, dink jy ek begin met vooroordeel van 0? Omdat, wat dink jy is die gemiddelde moet wees, as ek na te boots verskillende dinge wat die vooroordeel van 0? Ek begin $ 100 as die gemiddelde prys van die voorraad, wat moet die gemiddelde prys van die voorraad wees? As my kode korrek is, wat moet die gemiddelde prys wees, nadat sê, 100 dae, as daar geen vooroordeel. Kwytskelding? 100, presies. Aangesien daar geen opwaartse of afwaartse vooroordeel. Hulle het dalk wild wissel, maar as ek kyk na genoeg aandele, moet die gemiddelde reg rondom 100. Ek weet nie wat die gemiddelde sou wees as ek 'n ander vooroordeel gekies. Dit is 'n bietjie ingewikkeld, so ek verkies die eenvoudigste vooroordeel. Belangrike les, sodat daar 'n paar voorspelbaarheid in die resultate, en ek sal 'n paar het, as jy wil, rook toets vir die wete of ek besig was om my kode blyk te werk. Goed, en aanvanklik, wel, miskien aanvanklik, net eenvoudig ek gaan momentum gelyk aan valse begin wees. Omdat, weer, dit lyk makliker 'n model waar daar geen momentum. Ek is op soek na die eenvoudigste model moontlik vir die eerste keer dat ek voer dit uit. En dan het ons gekyk na hierdie klein lus voor, want ek in verskeidenheid aantal aandele, ek gaan twee verskillende lyste van aandele, skep een waar die beweeg, of uitkerings, is gekies uit 'n uniform, en die ander waar hulle ' weer Gaussiese. Omdat ek soort van vreemde weer oor, wat is die regte manier om te dink oor hierdie, alles reg? En dan, ek gaan net noem dit. Ons sal sien wat ons kry. So laat ons dit doen. Kom ons hoop dat al die veranderinge wat ek mal is nie 'n sintaksfout bekendgestel. Goed, goed ten minste dit het iets. Kom ons kyk wat dit gedoen het. So het die toets aan die linkerkant, sal jy onthou, was die een met toets een, glo ek, is die eenvormige verspreiding en toets twee is die Gaussiese. So, maar laat ons, wat moet ons eerste doen? Wel, laat ons doen die rook toets nommer een: is die gemiddelde min of meer wat ons verwag? Wel, dit lyk asof dit dood op 100, wat ons eerste prys in die toets twee. En in toets een dit is 'n bietjie bo 100. Maar, ons het nie te doen dat baie aandele, of dat baie dae, so dit is baie geloofwaardig dat dit korrek is. Maar, net om seker te wees, nie om seker te wees nie, maar net my vertroue te verhoog, ek gaan net weer uit te voer nie. Wel, hier ek is 'n bietjie minder as 100 en in twee stukke, en toets 'n mens 'n bietjie minder as 100 sowel. Jy onthou die laaste keer was 'n bietjie bo 100. Ek voel redelik goed oor hierdie, en in werklikheid het ek dit baie keer in my kantoor. En dit weerkaats net rond, beweeg word om 100. Natuurlik, dit is die verkeerde manier om dit te doen. Ek moet regtig net sit dit in 'n mooi toets tuig, waar ek loop 100, 200, 1000 proewe, maar ek wou nie gebaar jy met daardie hier. So ons sal sien dat, OK, ons verby die eerste rook toets. Ons blyk te wees waar ons verwag om te wees. Wel, kom ons probeer rook toets twee. Wat anders kan ons wil sien, om te sien of ons het dinge goed werk? Wel, ek soort van ignoreer die idee van vooroordeel deur dit 0, so kom ons gee dit 'n groot vooroordeel hier. Die veronderstelling dat dit sal laat my wysig dit. Ons het net gotta begin dit weer, dit is die veiligste ding om te doen. Jy sal nie gedink ek sou, ek het nie - alles reg, wees op die manier daaroor. Gelukkig het ons deur hierdie voor. Ons weet as ons weer die Finder. Wie sê Mac OS is foutloos? Goed, ons was hier af, en ek het gesê, laat ons probeer om 'n groter, 'n vooroordeel te stel. Weereens, ons probeer om te sien of dit die geval is wat ons dink dit kan doen. So, wat dink jy dit moet doen met 'n vooroordeel? Waar moet die gemiddelde wees nou? Nog sowat 100? Of hoër, of hoe? Omdat ons nou het in 'n vooroordeel wat daarop dui dat dit moet opgaan. Oeps. Dit sou dit nie seermaak nie. Alles reg. So laat ons hardloop dit. Seker genoeg, vir een, ons sien, toets twee, dit is 'n bietjie meer as 100, en vir toets een dis manier meer as 100. Wel, kom ons maak seker dit is nie 'n gelukskoot. Probeer weer. So, sowaar, die verandering van die vooroordeel verander die prys, en selfs verander dit in die regte rigting. Sodat ons kan voel redelik gemaklik dat dit iets goeds daarmee doen. Ons kon ook voel redelik gemaklik dat dit is waarskynlik heeltemal te hoog 'n vooroordeel, reg? Ons wil nie verwag dat die gemiddelde moet wees oor 160, of in een geval, 150, na slegs 100 dae handel, reg? Dinge nie tipies optrek 50% in 100 dae. Hulle gaan af 50%, maar - Goed, so dit is goed. O, laat ons kyk na iets anders nou. Kom ons gaan terug na die plek waar 'n eenvoudiger vooroordeel hier gaan. Ons sal dit weer uit te voer. En dink, wat is die verskil tussen die Gaussiese en die normale? Kan ons iets oor diegene aflei? Nie, wel, laat ek jou vra. Wat dink jy, ja of nee? Enigiemand sien iets interessant hier? Ja? STUDENT: Die variansie van die Gaussiese lyk minder as die variansie van die uniform wees. PROFESSOR: Die variansie van die Gaussiese - STUDENT: - minder. PROFESSOR: So alles reg, wat verskyn om hier die geval wees. Maar laat ons hardloop dit weer, soos ons gedoen het met al die ander toetse. Dus het ons 'n hipotese. Laat ons nie die slagoffer van die Oklahoma skerpskutter. Ons sal ons hipotese te toets, of ten minste te ondersoek om dit weer, kyk of dit in 'n sekere sin, herhaal. Wel, nou wat sien ons? Dit lyk nie of om waar te wees hierdie keer, reg? Nie natuurlik. So, ons is nie seker oor hierdie. So dit is iets wat ons nodig sou wees om verder te ondersoek. En ons sou nodig om te kyk na dit, en dit gaan baie moeilik wees, by the way, oor wat die regte antwoord is. Maar as jy daaroor dink, dit sal nie 'n verrassing wees as die Gaussians, ten minste, het ons 'n paar verrassende, meer ekstreme, resultate, as die uniform. Omdat die uniform, soos ons dit het opgerig hier, begrens. Die minimum en die maksimum is begrens. Met die Gaussiese, is daar 'n stert. En jy kan elke keer in 'n rukkie kry hierdie, ten minste as ons dit gedoen het in hierdie geval, hierdie groot skuif aan die einde. Jy mag nie. Daar is niks diepgaande hieroor, behalwe die verstandhouding dat die besonderhede van hoe jy hierdie dinge opstel van 'n baie kan saak. Wel, die finale ding wat ek wil om te kyk na is momentum. So laat ons teruggaan, en laat ons stel mo om ware hier. Wel, nie wil hê ons moet ma hier gestel is. Ag, daar is dit nie. So, en nou kom ons hardloop dit en kyk wat gebeur. Wat dink jy sou gebeur? Enigiemand? STUDENT: [onhoorbaar] PROFESSOR: Ek dink jy is reg. Hierdie mense moet krul, kyk of ek kan - oh, nie sleg nie. Kom ons voer dit uit. Wel, dit is 'n bietjie moeilik om te sien, maar dinge is geneig om af te neem. Want as dinge begin beweeg, is dit geneig om te beweeg in daardie rigting.