|
我曾经碰到过一个女孩子, 修了两个学士学位, 一个是护理, 一个是金融数学. 我真心诚意地表示了敬佩. 当她知道我在金融业工作, 就问我哪方面的数学在金融业比较有用. 我告诉她, 华尔街很少需要高深的数学, 偶尔碰到, 和学校研究所的也不在一个级别. 这儿最大的挑战是, 遇到问题, 你要在相当短的时间里想到, 你的数学武器库里, 哪个可能有用. 这个不行, 再想别的, 说得俗气些, 有点类似急转弯.一旦想到, 其余的工作大部分数学或物理专业的大学生都能完成. 但能否想出来, 实在和好多因素有关, 我能想到的有: 功力, 经验, 运气… 我于是给她举了些例子, 她觉得很有帮助, 我感觉这不是纯粹客套. 所以就有了将这些东西写出来的愿望. 我这儿选的例子, 遵循了下述几点考虑: 少涉及具体技术, 不依赖于特定软件和算法语言, 不牵涉保密问题, 最后一点就是讲的清楚. 我们公司广泛使用我写的一个 Aggregation 的 SAS 程序, 比以前的程序至少快了一倍, 但写在这儿实在不容易, 就只好割爱了. 有些和房贷有关的问题, 可以转换(Mapping)到等价的数学或统计问题, 我就用后者表述, 并告诉大家. 我们公司和房屋贷款有关, 我基本上不涉及这方面的具体技术问题, 但有些术语还是难免涉及. 其中最多用到的是 Prepayment, 我不知道中文如何翻译. 你有一个 30 年的房贷, 你不必一定等到过了 359 个月再开最后一张支票, 你可以提前付掉, 而且没有任何罚款或手续费. 提前的理由五花八门, 大致有如下几种.搬家, 利率下降换新的低利贷款, 赌城或买彩劵发了笔洋财. 一般来说, , 利率低, 这数值就会较大. 刚得到贷款后几个月, 这数值就较小..信用好的比较容易得到贷款, 这数值也会高些. 住房工业是美国的支柱产业之一, 将房屋贷款发行债劵也是其相当独特的做法, 这Prepayment 就是研究这种债劵的关键. 华尔街的 Ph. D., 我想至少有三分之一是在研究这玩艺. 为防止卷入没完没了的技术细节, 大部分情况我会用大家较熟悉的人口模型来替代. |
|
