作者: admin

  • 穿越时空,走进中世纪:一个充满传奇与变革的时代

    中世纪,这个被历史学家称为“古典时代”和“近现代”之间桥梁的时期,横跨公元476年到1492年,涵盖了欧洲历史的漫长篇章。它见证了西罗马帝国的衰落与崩溃,蛮族入侵的冲击,基督教的兴起和传播,以及封建制度的建立和发展。中世纪并非一个“黑暗时代”,而是充满了传奇故事、文化繁荣和社会变革的时代。

    罗马帝国的余晖:从衰败到分崩离析

    公元2世纪,罗马帝国达到了其疆域的顶峰,但接下来的两个世纪却见证了其统治力的衰落。经济问题、来自边界的外部压力以及频繁的政权更迭,共同构成了“三世纪危机”。军费开支不断增长,军队规模膨胀,而罗马军团逐渐被骑兵和小规模部队取代。财政压力下,税收不断加重,而愿意承担本地行政管理的人却越来越少。

    为了应对危机,公元286年,皇帝戴克里先将帝国分为东西两部分,但并没有真正分裂。然而,内战和外部压力不断加剧,最终导致了西罗马帝国的崩溃。公元476年,西罗马帝国最后一位皇帝罗慕路斯·奥古斯都被废黜,标志着西罗马帝国的正式灭亡。

    蛮族入侵:新秩序的建立

    西罗马帝国的衰落为蛮族入侵提供了机会。日耳曼蛮族入侵西罗马帝国,建立了各自的王国,如法兰克王国、西哥特王国、汪达尔王国等。这些入侵者带来了新的文化和习俗,与罗马文化融合,形成了新的社会秩序。

    欧洲民族大迁徙,这个时代最显著的特征之一,改变了欧洲的政治版图和人口结构。法兰克人、阿勒曼尼人、勃艮第人进入高卢,盎格鲁人、撒克逊人、朱特人进入不列颠岛,汪达尔人征服了北非,匈人则在欧洲中部和东部掀起了一波又一波的侵略浪潮。

    中世纪前期:新社会的形成与发展

    在西罗马帝国崩溃后,欧洲进入了中世纪前期。这个时期,新的社会秩序逐渐形成,基督教成为主要的宗教信仰,并对欧洲文化产生了深远的影响。

    墨洛温王朝的建立,标志着法兰克王国的兴起。法兰克国王克洛维皈依基督教,并通过与罗马教廷的合作,逐渐征服了高卢地区。

    拜占庭帝国,作为东罗马帝国的继承者,在经历了短暂的衰落后,在查士丁尼大帝的统治下,经历了一段复兴时期。查士丁尼大帝编纂了罗马法,并收复了部分失地,但最终未能阻止斯拉夫人的入侵和阿瓦尔人的扩张。

    农业社会在中世纪前期占据主导地位。土地所有制形式多样,农民的生活水平也因地区而异。城市生活和文化发生了巨大的变化,罗马式城市衰落,而新的城镇逐渐兴起。

    中世纪中期:繁荣与冲突并存

    公元1000年以后,中世纪中期到来。农业科技的进步带来了经济繁荣,欧洲人口迅速增长。封建制度逐渐完善,庄园成为主要的社会组织结构。

    十字军东征,从1095年开始,旨在从穆斯林手中夺取耶路撒冷和其他圣地。十字军东征对欧洲社会产生了重大影响,促进了欧洲与东方的交流,并推动了欧洲的商业发展。

    经院哲学在中世纪中期占据思想界的主导地位。托马斯·阿奎纳的神学理论、乔托·迪·邦多纳的绘画、但丁和杰弗里·乔叟的诗歌,都体现了这一时期的文化成就。

    中世纪后期:危机与转型

    中世纪后期,欧洲经历了饥荒、瘟疫和战争的考验。1347年至1350年间爆发的黑死病,夺走了欧洲三分之一的人口,对欧洲社会造成了巨大的冲击。

    宗教改革,从1517年开始,对天主教教会的教义和制度进行了批判,并最终导致了基督教的分裂。

    中世纪后期,欧洲的文化和科技发展日新月异,预示着欧洲近代史的开端。

    结语

    中世纪是一个充满传奇与变革的时代。它见证了欧洲从罗马帝国的衰落到现代社会的形成,也见证了基督教的兴起和传播,以及封建制度的建立和发展。中世纪并非一个“黑暗时代”,而是充满了传奇故事、文化繁荣和社会变革的时代。

    参考文献

    • 维基百科:中世纪
    • 杨豫. 世界文明史. 台北: 知書房出版集團. 2000.
    • Cunliffe, Barry. Europe Between the Oceans: A History. Oxford: Oxford University Press, 2007.
    • Collins, Roger. Early Medieval Europe, 300–1000. London: Macmillan, 1991.
    • Brown, Peter. The World of Late Antiquity. London: Thames & Hudson, 1971.
    • Wickham, Chris. The Inheritance of Rome: A History of Europe from 400 to 1000. London: Penguin Books, 2005.
    • Backman, Clifford R. Worlds of Medieval Europe. New York: Oxford University Press, 2007.
    • James, Edward. Europe’s Barbarians. London: Routledge, 2002.
    • Gies, Frances, and Joseph Gies. Life in a Medieval City. New York: HarperCollins, 1994.
    • Reilly, Bernard F. Medieval Spains. Cambridge: Cambridge University Press, 1993.
    • Loyn, H.R. “Jews.” The Middle Ages. Ed. Norman F. Cantor. New York: Macmillan, 1966.
    • Adams, Robert M. A History of Western Art. New York: McGraw-Hill, 1991.
    • Geary, Patrick J. Before France and Germany: The Creation of the West, 481–911. New York: W.W. Norton & Company, 2002.
    • Toulmin, Stephen, and June Goodfield. The Fabric of the Heavens: The Development of Astronomy and Dynamics. Chicago: University of Chicago Press, 1982.
  • 算法交易:更复杂,更不可预测?

    近年来,算法交易在金融市场中迅速崛起,彻底改变了金融资产的交易方式。然而,算法交易带来的影响并非简单地提高了交易效率,而是带来了更复杂、更不可预测的市场动态。本文将带您深入探讨算法交易如何改变了金融市场的复杂性和不确定性。

    算法交易的兴起:从自动化到智能化

    算法交易是指使用预先编写的交易指令自动执行交易,这些指令会根据时间、价格、交易量等因素进行调整。算法交易利用了计算机的速度和计算能力,在交易速度和效率上远远超过了人工交易。

    算法交易的发展可以追溯到 20 世纪 70 年代,当时纽约证券交易所推出了“指定订单周转系统”(DOT)。随着全电子交易市场的兴起,程序化交易也随之出现,它允许根据各种因素自动执行交易。20 世纪 80 年代,程序化交易在标普 500 股票和期货市场之间广泛使用,形成了指数套利策略。

    21 世纪初,算法交易的复杂性和智能化程度大幅提升。2001 年,IBM 研究人员在国际人工智能联合会议上发表了一篇论文,证明了在金融市场中使用的电子拍卖的实验性实验室版本中,两种算法策略(IBM 自己的 MGD 和惠普的 ZIP)能够始终优于人工交易者。

    2005 年,美国证券交易委员会(SEC)实施了“国家市场系统法规”,改变了交易方式,例如“交易通过规则”,该规则规定市场订单必须以最佳可获得价格发布和执行,从而防止经纪公司从匹配买卖订单的价格差异中获利。

    随着更多电子交易市场的开放,其他算法交易策略也随之出现,例如:

    • 市场做市:通过持续发布高于当前市场价格的卖出限价单(或报价)或低于当前价格的买入限价单(或出价)来获取买入价差。
    • 统计套利:利用统计模型识别多个证券之间的价格差异,并通过同时买入和卖出这些证券来获取无风险利润。
    • 事件套利:利用特定事件(例如合同签署、监管批准、司法裁决等)来改变两种或多种金融工具的价格或利率关系,从而获取利润。
    • 高频交易:以高周转率和高订单交易比率为特征的算法交易形式。

    算法交易带来的复杂性和不确定性

    研究表明,算法交易虽然能够提高市场流动性,但也带来了新的复杂性和不确定性。

    微观层面的确定性与宏观层面的不确定性

    算法交易遵循预先设定的规则,在微观层面,算法的自动化行为使某些部分的交易动态更加可预测。然而,在宏观层面,整体的交易动态变得更加复杂和不可预测。

    更细致的市场洞察与更大的不确定性

    算法交易能够深入挖掘市场数据,发现人类交易者无法察觉的细微价格差异,从而在更细致的层面上进行交易。然而,这种更细致的市场洞察也带来了更大的不确定性,因为市场动态变得更加复杂,可能的交易结果也更加多样化。

    信息理论:理解复杂性和不确定性的关系

    信息理论为我们提供了一个框架,帮助我们理解算法交易带来的复杂性和不确定性的关系。

    • 信息熵:信息熵衡量的是一个随机变量的不确定性。信息熵越大,不确定性越大;信息熵越小,不确定性越小。
    • 预测复杂性:预测复杂性衡量的是预测一个动态过程所需的最小信息量。预测复杂性越大,动态过程越复杂;预测复杂性越小,动态过程越简单。
    • 剩余不确定性:剩余不确定性衡量的是在已知过去信息的情况下,对未来事件的不确定性。剩余不确定性越大,预测的准确性越低;剩余不确定性越小,预测的准确性越高。

    研究表明,算法交易会增加交易动态的预测复杂性和剩余不确定性。这似乎是一个矛盾,但信息理论解释了这种现象:算法交易创造了新的结构,但同时也增加了可能的交易结果,从而导致更大的不确定性。

    算法交易的未来:更复杂,更不可预测?

    算法交易的快速发展带来了新的挑战,例如:

    • 黑箱问题:算法交易的复杂性使得交易者难以理解算法的决策过程,增加了市场风险。
    • 系统性风险:算法交易的快速执行速度可能会导致市场波动加剧,甚至引发系统性风险。
    • 市场操纵:一些交易者利用算法进行市场操纵,例如“欺骗性报价”和“报价填充”。

    算法交易的未来发展趋势是更加复杂和智能化。随着人工智能技术的不断发展,算法交易将变得更加强大,也更加难以理解和控制。这将给金融市场带来更大的挑战,也需要监管机构和市场参与者共同努力,确保算法交易的健康发展。

    参考文献

    • Hilbert, M., & Darmon, D. (2020). How Complexity and Uncertainty Grew with Algorithmic Trading. Entropy, 22(5), 499. https://doi.org/10.3390/e22050499
    • The New Investor, UCLA Law Review, available at: https://ssrn.com/abstract=2227498
    • The New Financial Industry, Alabama Law Review, available at: https://ssrn.com/abstract=2417988
    • Virtu Financial Form S-1, available at https://www.sec.gov/Archives/edgar/data/1592386/000104746914002070/a2218589zs-1.htm
    • Wikipedia: Algorithmic trading
人生梦想 - 关注前沿的计算机技术 acejoy.com 🐾 步子哥の博客 🐾 背多分论坛 🐾 借一步网 沪ICP备2024052574号-1