跳到主要內容

一滴水的價值看通貨膨脹及經濟成長

 一滴水的價值有多少?10年前在雜貨店可能可以用10元買到一瓶600cc的礦泉水,現在大約可能要20元;所以一滴水的價值漲一倍嗎?

回到「經驗分享」頁面

那麼如果水都會通貨膨脹,那麼我投資報酬率就算是100%,把通貨膨脹算進去,也等於完全沒賺錢,不是嗎?10年前的10元跟10年後的20元都只能買1瓶水。

10年前的一滴水可用來種一粒稻米,現在的一滴水可以生產出台積電5奈米製程的晶片,兩者價值相差絕對不只一倍,所以投資台積電換來的報酬絕對勝過水漲價的幅度,也可以說10年前用10元買入台積電,10年後的價值絕對不止20元,因為台積電產品的價值可以換算成很多很多瓶礦泉水。

那麽,是什麼造成一瓶水變貴呢?如果我是台積電的員工,公司的產品可以賣很多錢,因此我的薪水應該不錯,我也會願意用較貴的金額買一瓶水。

假如每家公司都因為產品或生產線改良而提升競爭力,且公司的商品或服務價值提升而能換取別家公司更多更好的商品或服務,那麽大家的購買力都會提升,也會願意用更高的金額買一瓶水了吧?

經濟成長

換個比喻。假設全世界只有一個人,他努力的耕田並且種出來的作物不僅足夠而且有餘,這時候他會想要做什麼?

蓋一棟糧倉,儲存一輩子所需要的食物。

糧倉蓋完並花幾年儲存完一輩子所需要的糧食之後,他會精進廚藝,以吃到更好吃的料理。

亦或是,他會去旅遊。

或者研究怎麼做腳踏車。

從一開始只有一塊田地到後來有糧倉、腳踏車及能吃更好的料理。經濟成長了吧?

就算世界上只有一個人經濟也會成長。

貨幣流通量必須隨經濟成長而增加

現在假設世界上有兩個人,一個人是稻農,一個人是養豬農。

剛開始,他們彼此都認真做自己的事,認真養豬跟種稻。不過運氣很好,種稻跟養豬的成果都很好,他們彼此吃都綽綽有餘。

他們開始貿易,並且決定用貨幣。一開始市場上只有10枚1元硬幣,並且講好,1人先各拿5元,稻米一袋1元,豬一頭2元。貿易就此展開。

後來因為稻米跟豬實在太多了,貨幣跟本不夠用,只好多製造一些硬幣,讓交易能夠順暢。貨幣的數量增多,但是稻米跟豬的價格沒變。

稻米跟豬的價格沒變,因為貨幣跟商品(稻米跟豬隻)等比例增加,且稻農跟養豬農對彼此的商品需求沒有改變。

當然,這邊假設稻農跟養豬農彼此的商品供給雖然增加,不過他們就算降低稻米跟豬的價格,對方也不會買更多,因為吃不完。

通貨膨脹

延續上面,現在來了第三人,A先生,他負責製造手機。

他必須吃東西才能生存,所以他開始跟稻農及養豬農交易,不過他不知道一台手機賣多少錢。

他詢問了稻農及養豬農,發現他們很想要一台手機,因為手機不僅可以讓生活更便利也可以提供娛樂,就決定定價一隻手機為100元。

A先生很快地賺了很多錢,並覺得稻米一袋1元,豬一頭2元真得很便宜,就毫不吝嗇的購買稻米跟豬。

稻農跟養豬農發現,把稻米跟豬隻賣給彼此不好賺,所以他們拉高價格賣給A先生,一直拉高到A先生也覺得有點貴為止。

市場上的稻米還是稻米,豬隻還是豬隻,不過價格上升了。

手機、稻米跟豬隻3者的交換價值最終達到平衡,形成通貨膨脹。

這種通貨膨脹來自於市場供給、需求循環推升的經濟成長。

資產與被動收入的關係可參考:股票能創造被動收入?

回到「經驗分享」頁面

留言

這個網誌中的熱門文章

母體變異數(population variance)、樣本變異數(sample variance)及自由度(degrees of freedom)

母體指的是所有的數據,樣本指的是從母體抽樣的數據,舉例來說,一個班級有40人,它們的身高,40個身高數據,若只針對這個班,就是母體,但是,卻只是代表全校學生身高的一部分,也就是樣本。 回到「機率統計」頁面 樣本平均數(mean)不是母體平均數,樣本變異數(variance)也不是母體變異數,一個班40個人身高的平均數很難剛好是全校學生的身高平均數。 一個班40個人的身高變異數也不會是全校學生的身高變異數。 變異數計算 母體變異數的定義如下: 而樣本變異數的定義如下: 奇怪的地方 平均數 雖然樣本平均數不是母體平均數,不過,如果不斷重複從同一個母體抽樣平均,會得到一個近似母體平均數的數字。舉例來說,從一個學校所有學生中,不斷隨機選出40個學生取平均數,再將這些平均數平均,結果會接近直接算全校學生的身高平均數。 也就是說樣本平均數的期望值就是母體平均數: 變異數 樣本變異數跟母體變異數就沒這麼單純了。奇怪的地方是,為什麼樣本變異數公式的除術是n-1,而不是像平均數計算一樣用n? 為何樣本變異數要除的是(n-1)? 除數為n的話,變異數會太小 如果樣本變異數的除數是n,樣本變異數就會常常比母體變異數小。為什麼呢? 因為,樣本是從母體抽取的,抽樣的數據算出平均,並且抽樣的數據會相對的接近抽樣的平均,總不會剛好抽出的樣本平均數剛好是母體平均數,且樣本數據離樣本平均數就像母體數據離母體平均數一樣分散吧? 假設母體數據為0-99的整數,共100個數據,從中選出10個數字,然後計算樣本的平均數,分別用n及n-1當作除數算出變異數,連續執行200次,並將200個樣本平均數及200個樣本變異數平均。 也就是取得樣本平均數及樣本變異數的期望值,結果如下: 母體平均數 = 49.5

中央極限定理(central limit theorem)證明

中央極限定理(central limit theorem )指的是從一個獨立同分布(Independent and identically distributed, i.i.d)取出之變數數量趨近無限多時,其平均數(mean)將趨近常態分布(normal distribution)。 回到「機率統計」頁面 目錄: 動差母函數(moment generating function) 常態分布的動差母函數 中央極限定理證明 中央極限定理模擬 中央極限定理應用 動差母函數(moment generating function) 動差母函數為機率密度函數(probability density fFunction, PDF)及累積分佈函數(cumulative distribution function CDF)之外,另一種描述機率分布模型的一種方式。 定義 M X (t) = E[e tx ] 而 e tx 的泰勒級數(Taylor series)為 e tx  = 1 + tx + t 2 x 2 /2! +  t 3 x 3 /3! + ... 則 M X (t) 的泰勒級數為 M X (t) = E[e tx ]  = 1 + tE[x] +  t 2 /2! E[x 2 ] +  t 3 /3! E[x 3 ] + ... 因此,當t = 0時,以t取 動差母函數m次微分,就可以找到其分布模型的第m動差。 特性 M X+Y (t) = E[e t(x+y) ] =  E[e tx+ty ] =  E[e tx e ty ]  =  E[e tx ]  E[ e ty ] =  M X (t)  M Y (t)  常態分布的動差母

HYG、LQD 與 TLT 風險報酬比較

10 年期公債除了站上 4%,再撰寫這篇文章時,已經在 4.3% 徘迴,上次在 這篇文章 研究了現在是否應該要買 LQD 而不是 TLT,本篇文章我想研究非投資等級債是否更適合。 買點 HYG 現在 HYG 價格為 74.04,距離近一次低點 2020/3/20 的 69.75,差別為 5.794% LQD 上次低點在 2020/10/14 的 100.38 附近,與目前的 105.01 相差 4.612%。 TLT 上次低點在 2022/11/4 的 94.22 附近,與目前的 95.16相差 1%。 殖利率上升時,公司債的表現 TLT 2009-01-06 到 2010-01-05 跌了 16.364% 這段期間美國 30 年期公債殖利率從 3.04% 漲到  3.74%,漲了 0.7%。 TLT 2012-11-14 到 2013-11-13 跌了 15.701% 這段期間 美國 30 年期公債殖利率從 2.73% 漲到  3.83%,漲了 1.1%。 TLT 2016-07-29 到 2017-07-28 跌了 10.307% 這段期間 美國 30 年期公債殖利率從 2.18% 漲到  2.89%,漲了 0.71%。 TLT 2021-11-18 到 2023-8-15 跌了 32.695% 這段期間美國 30 年期公債殖利率從 1.97% 漲到  4.35%,漲了 2.38%。 結論 HYG 現在也很便宜,在公債殖利率還有可能持續上漲狀況下,表現可能勝過公債及投資等級公司債。

如何在Chart.js的圖上加上X軸或Y軸名稱

 Chart.js可以幫助網頁顯示各類圖表,要在X軸及Y軸上標示名稱方法如下: 找到Chart物件。 在Chart物件內找到options。 在options內找到scales,若無,自行加上scales。 即可在scales下設定X軸及Y軸的標示。 程式碼範例 <div> <canvas id="myChart"></canvas> </div> <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <script> const labels = [ '1', '2', '3', '4', '5', '6', ]; const data = { labels: labels, datasets: [{ label: '數據', backgroundColor: 'rgb(255, 99, 132)', borderColor: 'rgb(255, 99, 132)', data: [0, 10, 5, 2, 20, 30, 45], }] }; const config = { type: 'line', data, options: {scales:{ x:{ title:{ display:true, text:"月" } }, y:{ title:{ display:true, text:"unit" } } } } }; var myChart = new Chart( document.ge

賭徒破產理論(Gambler's ruin)機率公式證明

賭徒破產理論(Gambler's ruin)指指的是兩位賭徒,每局賭1元,A賭徒有i元,B賭徒有n-i元,兩人不斷的賭,直到一人輸光為止。 回到「機率統計」頁面 前言 假設A賭徒勝率為p,輸的機率就是1-p,稱為q,我們要求算A贏光所有錢的機率。 讓p(i)代表A賭徒擁有i元的時候,獲得最後勝利的機率。 p(0) = 0,因為已經輸光所有錢並且賭局已結束。 p(n) = 1,因為已經贏光所有錢並且賭局已結束。 那麼p(i)呢? 遞迴公式(recursive formula) 假設A有i元,它下一局有可能贏,有可能輸。贏的機率為p,輸的機率為1-p = q。 不論這一局是贏還是輸,A要贏光所有錢的機率還是沒有算出來。 這局贏了,接下來贏光所有錢的機率為p(i+1)。 這局輸了,接下來贏光所有錢的機率為p(i-1)。 因此,p(i) = p*p(i+1) + q*p(i-1),且可以繼續延伸,例如p(i+1) = p*p(i+2) + q*p(i)、p(i-1) = p*p(i-) + q*p(i-2)... 每個公式需要套用原本的公式,稱為遞迴公式公式,而遞迴公式解法可以像解微分方程(differential equation)一樣,可以先用猜的! 例如dx/dt = rx,微分之後x還是在公式裡,可以先猜測x = e^y。 猜測 假設,p(i) = x i ,並帶入p(i) = p*p(i+1) + q*p(i-1),得到  x i   = p* x i+1  + q * x i-1 x = p* x 2  + q p* x 2  - x + q = 0 解一元二次方程式得 x = 1 或 x = q/p 微分方程 p(i) = x i , x = 1 或 x = q/p,且有兩已知數 p(0) = 0 及 p(n) = 1。 而x i 的x有兩個根(root),必須都帶入線性組合(linear combination)公式求解。 p(i) = A(1) i  + B ( q/p ) i  =  A +  B ( q/p ) i  p(0) = A + B = 0 , A = -B p(n) = A + B ( q/p ) n   = 1 A + B ( q/p ) n  = -B +  B ( q/p ) n  = B(-1 +  ( q/p ) n )