每一次的行情异动背后,都是散户与庄家的博弈_比特币:CRE

最近一段时间,币圈的繁华大家有目共睹,我手机上的几个币圈资讯软件这两天也是疯狂的给我推送行情异动提醒,让我感觉又到了一年多前的那个疯狂的夜晚。那话说回来了,这次的暴涨肯定又有人要问了,啥情况啊?啥原因啊?正如标题所说,本轮的暴涨会不会是因为散户与庄家的博弈?这就得从博弈论开始说起了。博弈论也叫对策论,本质上是研究参与者在博弈模型中的最佳策略。博弈论总是以参与者绝对理性为前提,考虑整个博弈模型中所有选择可能的得失,再确定自己最佳的选择。我先给大家讲一个经典的博弈模型——智猪博弈。

初夏虎:每一次比特币减半都是很好的投资机会:3月11日,元界DNA创始人兼CEO、元界基金会创始人初夏虎做客BitZ大咖讲堂,与BitZ首席商务官Tiffany进行对话。在分享中,初夏虎结合行业发展轨迹,对元界的发展历程进行了回顾和总结,并对推出DNA的初心以及未来前景进行了深度解析。初夏虎表示,每一次比特币减半都是很好的投资机会,投资者要抓住这个机会,挖掘更多有价值的公链,推动行业发展同时实现财富增值。[2020/3/11]

一个猪圈中有两只高智商的猪,一只大猪一只小猪,猪圈的一头是食槽,另一头放着一个踏板,踩一下踏板就会有一定数量的的猪食落入食槽。如果其中一只猪去踩了踏板,另一只猪就可以提前吃到猪食。由于大猪小猪的食量,速度都不一样,大猪比小猪跑的更快,吃的也更多。所以就会出现两种情况:小猪踩了踏板,则大猪很有可能会在小猪到达食槽之前将食物吃完,小猪空手而归;大猪踩了踏板,则小猪会抢先吃掉一部分食槽中的猪食,大猪吃的就吃的没那么多;两只猪都不踩踏板,就都没得吃。在这个例子中,对小猪而言,无论大猪是否踩动踏板,小猪不去踩踏板总比踩踏板好。反观大猪,明知小猪不会去踩踏板,但是它去踩踏板总比不踩都没得吃强,所以只好亲历亲为了。也就是在智猪博弈的模型中,帕累托最优的选择,已经变成了大猪踩踏板,小猪等着吃,这已经不关乎“小猪懒不懒”、“大猪勤不勤奋”的问题了,而是因为大猪小猪都明白对于自己最佳的选择是什么,大猪也是出于自利的目的选择踩踏板。这就是博弈论中最广为人知的博弈模型之一。那这次的暴涨结果有没有可能是基于散户与庄家的博弈,得出的最优解呢?会不会是因为庄家发觉散户后继无力,只能主动地去“踩踏板”,选择少吃不如不吃呢?实际上情况可能更严重一些。

Coinbase CEO:每一个国家都需要发展加密领域专业知识:Coinbase首席执行官Brian Armstrong就印度最高法院推翻央行加密货币银行禁令一事评论表示:“如果这是真的,印度加密货币发展的一大步。任何一个国家,如果不能在这个领域发展专业知识,培育和帮助初创企业,长期而言都将很难成为全球性金融玩家。世界上的金融中心都在很大程度上接受了它,以保持自己的地位。”[2020/3/5]

假如小猪这时候刚进猪圈,它还不知道踩了踏板之后食槽会掉下食物,还以为会有人主动过来像以前一样喂食。而大猪深谙其中的道理,选择主动踩踏板告诉小猪这样做是有食物吃的,并且先饿着肚子假装这么多的食物是足够两只猪一起吃的。在大猪刻意营造出的这种前提下,小猪是不是就会模仿大猪的做法,不断地去踩踏板?而这时候的大猪只要静静的呆在食槽的附近,就可以做到毫不费力的获得食物。如果庄家选择在这个时间段放出一些未来可能利好,再用手中的筹码进行拉盘,从而带动散户的投资情绪,让散户以为牛市到来,并不断地追涨。那庄家是不是就可以坐收渔翁之利?实际上的每次所谓暴涨暴跌,其实都可以看做是散户与庄家之间的一次博弈。当然,以上只是我的一些想法,有可能但不一定。我想告诉大家的还是那句“陈词滥调”,一定要做一名价值投资人而不是价格投资人。不要因为一些所谓的利好利空消息而盲目入场,只有当你深刻了解到你投资的产品背后的价值之后,再选择入手不迟。现在的人大都喜欢盲目从众,缺乏独立思考的能力。这也是我为什么一直提倡授人以鱼不如授人以渔的原因,我希望告诉你的是《区块链方法论》,而不是如何炒币。好了,今天的《区块链方法论》就到这里了,喜欢我文章的朋友可以关注我文章首发平台跟我互动,我们下期不见不散!

声音 | Morgan Creek联合创始人:每一笔养老金都应该引入比特币:通用电气(General Electric)宣布冻结约2万名美国员工的养老金计划,并将暂停大约700名员工的补充养老金福利,以改善其财务状况。Morgan Creek Digital联合创始人Anthony Pompliano发布推文称,随着时间的推移,美国的养老金问题只会越来越严重。承诺会被打破。每一笔养老金都应该引入比特币。(The Daily Hodl)[2019/10/9]

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

水星链

[0:15ms0-1:810ms