ag捕鱼什么时间好打-专栏:从贝叶斯推断到BL模型

我们在做决定的时候,往往会受到一些外界事件的影响,这些事件可能会动摇我们最初的决定。比如,从经验上讲,上班路上突然下雨的概率可能不到1%,所以只要出门不下雨,我们很少选择带伞出门。但是出门如果天气阴沉就不一样了,因为我们知道阴天下雨的概率会明显高于正常情况,所以这时候打伞出门可能是最好的选择。这种决策过程虽然简单,但却是经典贝叶斯推理中的典型案例,即我们可以根据更新后的信息调整决策集的先验分布,进而得到更准确的后验分布来提高决策水平。

贝叶斯推断在投资上也是可以有所作为的,最著名的就是Black-litemanag钓鱼容易打的时候,也可以简称为BLag钓鱼。它是一种能够将外部信息有机整合到投资决策中的方法。在初始设定的情况下,假设对市场没有看法的投资者会投资于市场均衡组合,那么投资者面临的先验分布也来自于市场均衡收益。在投资者有了主观看法(即获得与市场相关的外部信息)后,市场组合显然不再是最优的投资方案。最后,要解决的问题是如何用主动视图计算后验分布,并进行相应的投资。

当然,BLag钓鱼好的时候我们也可以直观的理解和应用,因为BLag钓鱼的设计初衷就是让投资组合接近人们的主观预期。比如,当我们对某项资产持乐观态度,但不知道如何调整自己的初始投资组合时,可以通过用BLag钓鱼的时间来计算出一个明确的资产配置计划。然而,当我们输入一个关于BLag何时容易捕鱼的清晰观点时,我们还需要输入一个变量之间的协方差矩阵,该矩阵表示ag何时容易捕鱼和资产。其中,ag fishing容易的时候输入变量也很重要,因为它决定了BLag fishing什么时候容易调整先验分布。举一个简单的例子,如果我们认为一项资产在未来一年相对于市场会获得20%的超额回报,并且我们对什么时候容易钓到ag fishing(即什么时候容易钓到ag fishing是100%)有100%的看法,那么对于我们来说,最优的决策一定是大比例购买该资产,此时是否使用BLag fishing并不重要;相反,如果我们的ag钓鱼水平只有50%,我们自然很难拍着脑袋得到一个适度的投资计划,可以求助BLag钓鱼。