贝叶斯模型探究.doc

贝叶斯学习模型 一、学习问题的原理：令随机变量V表示资产价值，每个交易者对此都有一个先验概率，我们将这一先验概率看作是V=x的概率。然后交易者会观察到一些数据（例如一笔交易），并且在这些数据的基础上计算事件V=x发生的条件概率。这一条件概率是后验概率，其包含了他对交易观察得到的新信息。这一后验值变成新的先验值，他观察更多的数据，并将这一调整过程继续下去。 二、贝叶斯定理：通过观察到的数据确定一个事件的概率，需要知道两个信息， 和，在此基础上用观察到的数据确定某一事件发生的后验概率的调整公式为：另一种表述方式： 例子：假设做市商认为资产的价值不是高就是低，即，其中表示高价值，表示低价值，并且出现低价值的概率是。现在发生了一笔买或卖的交易。 问题一：当我们观察到一笔交易（或者）时，还需要知道什么，才能确定后验概率 （以卖为例） 根据贝叶斯定理 假设：，，并且不知情交易者买或卖的可能性相等(由于我们是根据订单流进行学习，所以知情交易者和不知情交易者的交易倾向很重要) 分析：如果，那么知情交易者得知这个坏消息，卖出的概率为1，不知情交易者卖出的概率为，知情和不知情交易者的数量各为一半，所以 ， 同样的方法可以求得，代入上式就可确定。 同理可确定 做市商该如何报价？在做市商观察到买入和卖出行为发生后，对都有一个估计。因此，做市商的买卖报价分别是：发 问题二：假设确实发生了买入