|
我的回答分2部分:第1部分,说明我认为合适的解法,第2部分,蒙特卡洛模拟使用说明。如对题意
有误解或计算有错误,望指正。
-------- 第1部分,说明我认为合适的解法:
设这个要求的比例为R,显然有0<=R<=1. 设第i次bet后,的资产余额=A(i), 由题意A(0)=100,如果我没理解错,题目要求是:求R使A(10000)的期望值最大(每次赢的概率是p=60%)。
解法如下:分2种情况讨论,情况1: 0<=R<1, 情况2:R=1.
情况1: R 处于区间[0,1)内,即0<=R<1.
bet 1次后,资产余额即随机变量A(1)取值是:赢(概率为60%)了则:A(1)=A(0)+A(0)*R=A(0)*(1+R) 或 输(概率为40%)A(1)=A(0)-A(0)*R=A(0)*(1-R) ,注意R<1,所以bet多少次都不会输完。
以此类推,bet n次后,如果赢了w次(即输n-w次)的资产余额即随机变量A(n)取值是=A(0)*((1+R)^w)*((1-R)^(n-w)),而刚好赢w次(即输n-w次)的概率是:C(n,w)*(p^w)*(1-p)^(n-w), 其中
p=60%, C(n,w)是组合即C(n,w)=n!/w!/(n-w)! (!为阶乘符号)。
于是,随机变量A(n)的期望就是:
E(A(n)) = SUM [C(n,w)*(p^w)*(1-p)^(n-w) * A(0)*((1+R)^w)*((1-R)^(n-w))], SUM是指从w=0到
w=n求和。
求和不难,即上式= A(0)* SUM [C(n,w)* ((1+R)*p)^w * ((1-p)*(1-R))^(n-w) ],注意SUM内的正好是二项式 ((1+R)*p + (1-p)*(1-R))^n 的展开式, 所以
上式= A(0)*((1+R)*p + (1-p)*(1-R))^n = A(0)*(p+R*p +1-p-R+p*R))^n=A(0)*(1+(2p-1)*R))^n
由于由题意A(0)=100,p=60%, 上式=100*(1+0.2*R))^n,bet n次后,资产余额A(n)的期望=100*(1+0.2*R))^n. (注意:是R的递增函数)
情况2: R=1,显然bet n次后,只有全赢资产余额才>0,n次中只要有1次输,就资产余额=0.(假设当资产余额=0后就不再bet下去了,对以后的n, A(n)都=0)那么,资产余额A(n)的期望=全赢概率×全赢后资产余额+0= p^n * A(0) * (1+R)^n +0 =A(0)*(p+pR)^n, 由题意A(0)=100,p=60%, 而情况2时R=1, 资产余额A(n)的期望=100*(1.2^n)
综合情况1和2,总有,资产余额A(n)的期望=100*(1+0.2*R))^n (即情况1的公式也适用于情况2,因为情况2中当R=1时,也恰好=100*(1+0.2*R))^n )
回顾题目要求是:求R使A(10000)的期望值最大,那么要使A(10000)的期望值即 100*(1+0.2*R))
^10000最大,显然R越大越好,所以R=1。
-------- 第2部分,蒙特卡洛模拟使用说明:
我是个蒙特卡洛模拟法(以下简称MC)的铁杆粉丝,因为它思路很简单,但能解决其他方法无法
解决的难题。但是,此处,我觉得(就算我是MC的铁杆粉丝),如果,题意是如我所想的那样,那么MC很不适合解此题,因为:
1. 此题不是一般数值计算,是求数值计算中参数使数值计算的结果取最大值。如果你用MC法,大约
是,随机找个R,由这个R算出很多个(如100万个)资产余额A(10000),求出这么多A(10000)的算术平均,得到这个R下的资产余额期望值的估计值(注意是估计值)。然后再找另一个R,得到第2个R下的资产余额期望值的估计值。。。。从中挑出使资产余额A(10000)期望值的估计值最大的R,(高级一点的挑法是,考虑用simulated annealing方法)。
每个R对应一个估计值,由于是估计值,就不精确,就不能准确反映资产余额的期望值是R的递增函数(见第1部分)的情况,那么,从中挑出使资产余额A(10000)期望值的估计值最大的R,多半也不会是R=1。
2. 就算是用上述方法计算资产余额期望值的估计值,那么这估计误差会很大,比如R=1,只有全赢资产余额才>0,n次中只要有1次输,就资产余额=0,而10000次全赢的概率是多少?是
p^n=0.6^10000=10^-2200,小到比中彩票还要难得多很多,用MC来模拟100万个A(10000),几乎可以肯定这100万个A(10000)全是0,那么会得出资产余额A(10000)期望值的估计值是0的假象。因为100万次模拟不够,10^2200次模拟才可能会有非0的结果。这主要是因为一般MC方法很难对付很重要的极小概率事件。当然,可用importance sampling等方法改进一般的MC,有这时间改进MC,还不如用第1部分的解法直接(而且改进MC也得用到第1部分的解法才行)。
所以,很不建议使用MC。
如对题意有误解或计算有错误,望指正。
|