投资必懂的市场理论

郁金香泡沫 (Tulip Bubble)

郁金香泡沫,又称郁金香效应,1636 年荷兰的郁金香投机是有据可查的人类历史上最早的泡沫经济案例。

在 1634 年以前,郁金香和其他花卉一样是由花农种植并直接经销的,价格波动的幅度并不大。在 1634 年底,荷兰的郁金香商人们组成了一种类似产业行会的组织(College),基本上控制了郁金香的交易市场。这个行会强行规定:任何郁金香买卖都必须要向行会缴纳费用。

1636 年底,荷兰郁金香市场上不仅买卖已经收获的郁金香球茎,而且还提前买卖在 1637 年将要收获的球茎。由于郁金香的需求上升,推动其价格上升,人们普遍看好郁金香的交易前景,纷纷投资购入郁金香合同。这是期货交易的雏形。

郁金香的交易被相对集中起来之后,买卖双方的信息得以迅速流通,交易成本被大大降低。在这个期货市场上没有很明确的规则,对买卖双方都没有什么具体约束。郁金香合同很容易被买进再卖出,在很短的时间内几经易手。这就使得商人们有可能在期货市场上翻云覆雨,买空卖空。在多次转手过程中,郁金香价格也被节节拔高。

在行会的控制和操纵之下,郁金香的价格被迅速抬了起来。买卖郁金香使得一些人获得了暴利。郁金香价格暴涨吸引了许多人从欧洲各地赶到荷兰,他们带来了大量资金。外国资本大量流入荷兰,给郁金香交易火上浇油。

1637 年新年前后,郁金香的期货合同在荷兰小酒店中被炒得热火朝天。到了 1637 年 2 月,倒买倒卖的人逐渐意识到郁金香交货的时间就快要到了。一旦把郁金香的球茎种到地里,也就很难再转手买卖。人们开始怀疑,花这么大的价钱买来的郁金香球茎就是开出花来到底能值多少钱?前不久还奇货可居的郁金香合同一下子就变成了烫手的山芋。持有郁金香合同的人宁可少要点价钱也要抛给别人。在人们信心动摇之后,郁金香价格立刻就开始下降。价格下降导致人们进一步丧失对郁金香市场的信心。持有郁金香合同的人迫不及待地要脱手,可是,在这个关头很难找到“傻瓜”。恶性循环的结果导致郁金香市场全线崩溃。

郁金香泡沫的高峰期仅仅持续了一个多月。由于许多郁金香合同在短时间内已经多次转手买卖且尚未交割完毕,最后一个持有郁金香合同的人开始向前面一个卖主追讨货款。这个人又向前面的人索债。荷兰的郁金香市场从昔日的景气场面顿时间变成了凄风苦雨和逼债逃债的地狱。

现在 00 后炒鞋就和以前荷兰人炒郁金香一样,鞋穿不炒。

幸存者偏差 (Survivorship Bias)

幸存者偏差是指当取得资讯的渠道仅来自于幸存者时(因为死人不会说话),此资讯可能会存在与实际情况不同的偏差。

此规律也适用于金融和商业领域。存活下来的企业往往被视为“传奇”,它们的做法被争相效仿。而其实有些也许只是因为偶然原因幸存下来而已。

在鞋圈、币圈,最明显的例子就是“我炒鞋赚大钱”或者“我一个朋友炒币亏得倾家荡产”等等。不管你的朋友和你关系如何好,如何值得信任和尊重,在客观规律面前他们都是等同的。市场不会因为你的喜好而照顾或者偏袒你的亲朋。

最近火热的炒鞋,收益翻倍的同样是少数幸存者。其实炒鞋历史悠久,最近才进入大众视野,为的就是大面积收割。

双盲实验和详细全面客观的数据纪录都是应对“幸存者偏差”的良方。所谓“兼听则明”也是这个道理,抛掉对个案的迷信,全面系统的了解才能克服这个偏差。

帕累托二八法则 (The Pareto Principle or The 80/20 Rule)

80/20 法则(The 80/20 Rule)又称为帕累托法则(Pareto Principle)、二八定律、帕累托定律、最省力法则、不平衡原则、犹太法则、马特莱法则。生活中大多数事情不是均匀分布的,大多数结果来自少数投入:

  • 某个软件的 80% 代码只占总分配时间的 20%(相反,最难的 20% 代码部分占用 80% 的时间)
  • 20% 的努力产生 80% 的结果
  • 20% 的工作创造 80% 的收入
  • 20% 的错误导致 80% 的崩溃
  • 20% 的功能导致 80% 的使用量

此法则是由美国罗马尼亚工程师约瑟夫·朱兰(Joseph M. Juran)博士根据维尔弗雷多·帕累托当年对意大利 20% 的人口拥有 80% 的财产的观察而推论出来的。约瑟夫·朱兰是举世公认的现代质量控制之父,他在 20 世纪 40 年代,开始将帕累托法则应用于质量问题。

炒股、炒币、炒鞋,赚大钱的都是少数人。

格雷欣法则 (Gresham’s Law)

400 多年前,英国经济学家格雷欣发现了一有趣现象,两种实际价值不同而名义价值相同的货币同时流通时,实际价值较高的货币,即良币,必然退出流通——它们被收藏、熔化或被输出国外;实际价值较低的货币,即劣币,则充斥市场。人们称之为格雷欣法则,亦称之为劣币驱逐良币规律

格雷欣法则在现代企业薪酬方面改革的贡献尤为突出。而在币圈,我们看的是格雷欣法则的逆反现象,因为数字货币是由信仰定义价值,没有国家或法律力量维系,所以劣币不仅无法驱逐良币,最终还会反被良币消灭。

破窗效应 (Break Pane Law; Broken windows theory)

环境中的不良现象如果被放任存在,会诱使人们仿效,甚至变本加厉。

生活中的例子:路边角落有些许纸屑,如果无人清理,不久后就会有更多垃圾,最终沦为垃圾堆。

破窗效应常出现于股票市场、社区治理,币圈自然也常见。

名人效应

粉丝容易因为信任名人而成为韭菜。但名人效应有时候会逐渐减弱,甚至在某些方面他们会完全没有效应。

破解名人效应的方法是独立思考。《大般涅槃经》有云:依法不依人,依义不依语,依智不依识。不因为他是名人、大师就信以为真。不因为符合逻辑或自己的观念,就信以为真。

这里讲一个寓言故事:

蝎子要过河,对身边不远处的青蛙说:“我想过河,但不会游泳,你可以背我过去吗?”

青蛙回答:“不行。你有个毒钩子,如果我背你到河心,你蜇我,那我岂不是死翘翘!”

听完青蛙的话,蝎子哈哈大笑:“不会的!我要是蜇死你,自己也会落水淹死。”

青蛙一想也是,就背起蝎子。当他们游到河心时,青蛙突然感应背上一阵撕心裂肺的痛,接着便四肢发麻。青蛙用最后的力气问道:“你想自杀?”

蝎子答道:“谁想自杀呀?我蜇你完全是出于下意识。”说完,这两个家伙双双沉入河底。

逻辑只在理性时有效,而下意识往往能战胜理性。在币圈,保持冷静和有意识主动控制情绪是必须的。

“Those whom God wishes to destroy, he first makes mad.” ——Euripides

损失厌恶 (Loss aversion)

损失厌恶是指人们面对同样数量的收益和损失时,认为损失更加令他们难以忍受。同量的损失带来的负效用为同量收益的正效用的 2.5 倍。

一美元拍卖陷阱

一美元拍卖陷阱是著名博弈论专家,耶鲁大学教授马丁·舒比克(M.Shubik)设计的经典案例。

在某大型场合,拍卖人拿出 1 张 1 美元钞票,请大家给这张钞票开价,每次叫价的增幅以 5 美分为单位,出价最高者得到这张 1 美元,但出价最高和次高者都要向拍卖人支付出价数目的费用。

最终出价最高和次高者因为厌恶损失(Loss Aversion),导致越陷越深的沼泽陷阱。1 美元拍卖在哈佛大学、耶鲁大学等高校进行过多次实验,最终的报价在 20 到 66 美元之间。

在币圈,此理论是交易所常用的盈利手段。举个例子:上币。交易所可以规定,交 1000 万人民币直接上主站,如果没这么多钱,还有机会,每个月交易所从测试站多个竞争币中选择一个符合要求的上主站。这可能导致一美元拍卖陷阱,最终多个竞争币拼命竞争,最终交易所赚到不止 1000 万人民币。

囚徒困境 (Prisoner’s dilemma)

囚徒困境是博弈论的非零和博弈中具代表性的例子,反映个人最佳选择并非团体最佳选择。囚徒困境最早由美国普林斯顿大学数学家阿尔伯特·塔克(Albert tucker)1950年提出。他当时编了一个故事向斯坦福大学的一群心理学家们解释什么是博弈论,这个故事后来成为博弈论中最著名的案例。故事内容是:两个嫌疑犯(A和B)作案后被警察抓住,隔离审讯;警方的政策是“坦白从宽,抗拒从严”,如果两人都坦白则各判 8 年;如果一人坦白另一人不坦白,坦白的放出去,不坦白的判 10 年;如果都不坦白则因证据不足各判 1 年。

囚徒困境的主旨为,虽然囚徒们彼此合作,坚不吐实,可为全体带来最佳利益,但在资讯不明的情况下,因为出卖同伙可为自己带来利益(缩短刑期),也因为同伙把自己招出来可为他带来利益,因此彼此出卖虽违反最佳共同利益,反而是自己最大利益所在。

单次发生的囚徒困境,和多次重复的囚徒困境结果不会一样。在重复的囚徒困境中,博弈被反复地进行。因而每个参与者都有机会去“惩罚”另一个参与者前一回合的不合作行为。欺骗的动机可能被受到惩罚的威胁所克服,从而可能导向一个较好的、合作的结果。这时,合作可能会作为均衡的结果出现,称之为纳什均衡 (Nash Equilibrium)。作为反复接近无限的数量,纳什均衡趋向于帕累托最优

由囚徒困境可以想到类似的韭菜困境:大跌时,韭菜无法信任其它韭菜,纷纷割肉快跑。

诗盗·买腾讯

《#诗盗#·买腾讯》:欲拉腾讯四零四,后请保姆一万一。狗庄带偏变大便,千古做空第一帝。

注解

稣打算把 00700 拉到 404 港元,然后请个月薪 11k 的保姆。
上涨会遇到很大阻力,狗庄经常跑出来做空,更可能怕的是稣认识一个千古做空第一帝,跟着稣买了一手。
不过没事,迟早要到 410 港元,拿好!

诗盗·跌怜花

《#诗盗#·跌怜花》
烂局愁颜懒去撸,落幕倾出,验资双飞去。黑客不理涨跌苦,邪光盗销照主户。
昨夜起风吹碧树,独上高楼,望断人间路。余悸吓醒千百度,桃红柳绿不知处。

注解

改编自宋代词人晏殊《蝶恋花·槛菊愁烟兰泣露》。

槛菊愁烟兰泣露,罗幕轻寒,燕子双飞去。明月不谙离恨苦,斜光到晓穿朱户。
昨夜西风凋碧树,独上高楼,望尽天涯路。欲寄彩笺兼尺素,山长水阔知何处?

本诗描述今早交谊所大肆做空导致笔架回归理性,表达了诗人看透碧泉潮起潮落,内心毫无波动,甚至还想写诗。

如何炒?

本文只求打脸,不构成任何投资建议。

1. 为什么稣不敢炒癌股?

  • 没有可靠信息

上市公司的财报是可以做的,有的奇葩公司的秘书、高管,竟能跳出来说不保证财报准确……

参考:

这些股票你敢买吗?老总竟不能保证财报真实性

对财报内容“不保真”,上市公司高管成了“摆设”

  • 没有先机

交易数据只有交易数据……这个后面再解释。

  • 主力控盘

发布好消息后,涨了,就是利好所以涨。

发布好消息后,跌了,就是利好出尽所以跌。

韭菜们记性不一定不好……更可能是看不懂。

  • 即使在一家上市公司,也未必能掌握自家股价的可能走向

稣在 300017 时,就遇到过很多次领导自己把握不准。

多年前首次听老板预估股价要到多少。后来真的到了,稣立刻卖掉,结果继续大涨好多倍……所以连老板自己也低估自家股价。为什么呢?因为风口、概念这个东西不是老板就能掌握的,很多时候是时代造就了老板。

而且高管一般希望大家买自家股票是亏的,因为如果赚了,怎么避嫌是不好处理的,外面的人说内幕消息要搞事怎么办?盈利是不是要上交?只有真正的高管们,才有权力内咳幕交易。普通职工想用丈母娘账号当韭菜也是可以的……

最后,炒自家容易感情用事。

2. 为什么稣敢炒柚子?

  • 有可靠信息

区块链数据不可篡改性、公开性。

稣在这个领域工作,容易获得行业信息,甚至能参与一些造势活动。

  • 交易数据不只交易数据

Dapp 立功了。举个最常见的菠菜游戏:水手和菠菜商的博弈。

一阵疯狂交易后,水手盈利——卖;菠菜商盈利——还是卖。反正都会卖,差别只是谁卖,所以价格就跌。

这里举的例只为说明其可分析性,实操需谨慎。

  • 有先机

之前稣发现 2.5GHz CPU 在处理链上数据时,遇到大块是处理不过来的,会导致入库的块和线上头块的差距越来越大,引发运维事故。

但多次经验下来,发现大块里面如果是大量菠菜博弈,就能大概预测 7 天后的价格下跌,然后进入横盘。这时候就是买入点。

另外,行业内的研究人员也会有一些可以参考的成果,比如我司高材生有优秀毕业论文,多次准确预测价格走势。

3. 到底怎么炒?

如果您不在合适的位置,还是别炒。

本文只值 200 个柚子。如果您问:为什么稣不多下点注?稣哭着回答:因为穷。

EOSIO 的连续通胀率 4.879% 是怎么算出来的?

作者: UMU @ MEET.ONE 实验室

问题

eosio.contracts/eosio.system/src/producer_pay.cpp 中有这样一行代码:

1
const double   continuous_rate       = 0.04879;          // 5% annual rate

搜索一下,会得到这样的解释:

EOS是连续增发的模式,连续通胀率是 4.879%,年度通胀是 5%;

运用微积分的知识,可以推导出来,假设是增发的次数是无限多次,那么,连续通胀的情景下,所设置的连续通胀率就是 4.879%。

然而,并没有解释具体算法……

求解

  • 假设通胀率是“每日结算”的,记为 daily_rate,则:
1
2
3
(1 + daily_rate / 365) ^ 365 = 1 + annual_rate

注:这里的 ^ 表示幂,不是 XOR 运算。

那么计算 daily_rate 的公式为:

1
2
3
[365TH_ROOT(1 + annual_rate) - 1] * 365

注:365TH_ROOT 是开 365 次方

把 5% 带入,计算结果是:0.048793425246406,这个数值已经和 0.04879 基本一样了。

  • 但是“每日结算”并不够,接下来推到时时刻刻都在结算的情况。

问题本质:已知 annual_rate、(1 + continuous_rate / N) ^ N = 1 + annual_rate,求 continuous_rate 在 N 为无穷大时的解。

复习一下大学数学,马上就会发现 lim N->∞ (1 + x / N) ^ N 就是 e ^ x 的定义,所以:

1
continuous_rate = ln(1 + annual_rate)

把 5% 代入 annual_rate,continuous_rate = 0.048790164169432

参考

#1537 DAWN-651 ⁃ setting correct per-block “continuous inflation” so annual inflation is 5%

赚大钱的套路都是一样的

1. 一个幻想

如果全世界每人给我一毛钱,那我不是有六个亿了?

这个套路是收割大量粉丝,很遗憾普通人做不到。

2. 改进版——收割未来

思考一个问题:市盈率为 1000 是什么意思?

另一个比较平民的问题:厦门房屋租售比高达 1∶756 是什么意思?

答案:

靠分红至少 1000 年才能收回本金。

靠收租 63 年(即 756 个月)才能收回购房本钱。

公司上市后,核心员工拿到的红利,本质上是未来的钱,其它自己拿钱去买股票的人,都是潜在收割对象。其中有一种,比较特别的人是:后期加入没有分到股票、期权的员工,他们因为对公司有感情,得到消息也比外界散民多,所以自行买入,甚至参与员工持股。

请自行搜索:一个惊人的数据——员工持股七成被套!

有人在房价上升期买了房子,两年后就卖了,赚到可观的差价。有的倒霉蛋,买完,房价就不涨了,靠收 63 年租是很悲剧的,毕竟房子寿命一般 50 年,属于您的时间最长也就 70 年。

3. 除了死,一切趁早。

请自行搜索:1900名高管辞职创近5年纪录

中国股市这一轮暴跌导致了中产阶级和平民怎么样的损失?

所有人都在谈论中产阶级和平民,却没有注意到高层,也就是那些上市公司的控股股东,他们才是真的惨。因为普通人炒股很少带杠杆,而股东们,基本上全都带有杠杆。

EOSIO 资源分配机制

本文为 MEET.ONE 发布的《EOSIO CPU 资源分配原理分析》 的个人版本,稣是其主要编辑之一。

1. 相关概念

您没看错,以下要介绍的几个概念,都是金融词汇。稣的柚子系列文章,又名《程序员转行做金融》,并兼职卖柚子……

  • 存款准备金率

    Deposit-reserve Ratio。存款准备金是指金融机构为保证客户提取存款和资金清算需要而准备的,是缴存在中央银行的存款,中央银行要求的存款准备金占其存款总额的比例就是存款准备金率。

    经常能听到的“降准不降息,等于装牛逼”里面的“降准”全称就是“降低法定存款准备金率”。

    举个外星的例子:如果存款准备金率为 1‰,就意味着金融机构每吸收 1000 元存款,要向央行缴存 1 元的存款准备金,用于发放贷款的资金为 999 元。

  • 挤兑

    Run on Banks。在银行券流通的条件下,银行券持有者争相到发行银行券的银行要求兑现贵金属货币的现象。当一家银行的信用发生动摇,准备金不足,银行券兑现发生困难,就会发生挤兑。挤兑可能使一家银行倒闭,甚至波及整个银行业。现在一般是指存款户集中地大量地到银行提取现钞。

  • 涨跌停板制度

    这个不解释了……就问一句:连续 5 天跌停和一天暴跌 41%,您喜欢那种?如果您喜欢没有板的,再多问一句:一天暴跌 99.9% 您觉得怎么样?

  • 峰谷电价

    又称“分时电价”,也很好理解。再举个类似的例子:下班高峰期打的,不加价基本打不到,因为别人加价优先接单。

2. 资源分配基本原则

EOS 账户可用资源与其抵押给资源的柚子数量的关系是:可用资源 = 总可用资源 * 本用户抵押数量 / 全体用户抵押数量。从这个关系上看,存在两个风险:

  • 大户挤兑散民;
  • 占着茅坑不拉屎。

第一个问题,用成本来解决,要通过加仓把别人的比例减少,按目前 3-4 亿的抵押量来说,需要付出的代价极高。

第二个问题,则通过引入一个放大因子来解决。之所以能放大是因为,某个时间点不拉屎的确实占大多数。只要把您拉屎的时间,除以一天的时间,就可以算出您一天拉屎的占用率。相信是很小的,笑……虽然您有柚子,就有拉屎的权利,但您自己不拉,让给需要拉的也是合理的,毕竟资源利用起来才是好事。

以 CPU 为例,计算公式为:

可用 CPU 微秒数 = max_block_cpu_usage * (account_cpu_usage_average_window_ms / block_interval_ms) * staked_cpu_count / total_staked_cpu_count

其中 max_block_cpu_usage 是可配置的,当前主网配置为默认值 default_max_block_cpu_usage = 200000

所以 max_block_cpu_usage * (account_cpu_usage_average_window_ms / block_interval_ms) = 34560000000

以主网 2018-10-19 为例,CPU 总质押量为 280053493.80756617 EOS,所以每个 EOS 可用 123.40 us。注意:这个数值是没有放大过的。

3. 堵车问题

EOS 定义了两种资源使用状态:拥堵、空闲,由过去一分钟每个块的平均使用量来界定。还是用 CPU 说事:大于 max_block_cpu_usage * target_block_cpu_usage_pct 则进入拥堵。

两个状态下的可用量本来应该有 1000 倍的差距,但因为有涨跌停板保护,并不会直上直下。每一分钟,只能跌到 99/100,只能涨到 1000/999。所以从拥堵开始到绝对拥堵,有 log(0.001) / log(0.99) = 687 分钟之长;从绝对拥堵完全恢复更慢,是 log(1000) / log(1000/999) = 6904 分钟。目前的 target_block_cpu_usage_pct 已经从 10% 调整到 20%,它提高了总使用量临界值,使拥堵状态更难触碰。

可用量的变化过程是可能随时改变方向的,类似多头和空头拉锯。比如拥堵时,可用量变少,能够使用资源的用户也随之减少,使用量降到阈值以下,可用量又会开始慢慢上升。

4. 阈值的设定

max_block_cpu_usage 和 target_block_cpu_usage_pct 都是可以配置的,为什么不一次性配高点呢?主要考虑的因素是,目前各个 BP 的机器性能参差不齐,如果冒然的把这两个值调高,可能会导致节点 replay 变慢,同时对于配置低的机器来说,同步区块也会很吃力。别忘了,我们的准备金率才 1‰,属于严重超发,提高可用率,虽然会使拥堵来得晚点,但真到拥堵的那刻,爆发的能量可是更大的哦!

总之,还是稳一点好,慢慢涨经验。目前来看昨天的调整,对节点之间的同步、CPU 使用率没有太大影响。

5. 参考

EOSIO 代码

EOS资源模型