看了【选择老公的期权定价模型】后,我写了篇情感中的效用函数

前几日,无意中看了一个投行女“萝莉分布”写的一篇自媒体文章《选择老公的期权定价模型》,在文章中作者将衍生金融工具中“看涨期权定价模型”中各要素做了如下赋值:

她将将女性择偶比作购买了一份看涨期权合约,影响合约价值的因素有以下几点:

标的资产价格(S):男方现有的自身价值(物质基础、外貌、性格、人品等)

合约的执行价(K):男方所保留的价值(其对自身价值有所保留、不愿分享给女方的部分,如婚前财产等)

波动率(Sigma):男方的成长性(未来发展潜力)

利率(r):男方对女方的情感程度(关系的亲密程度、信任程度、三观契合度)

分红率(q):男方的其他关系对其影响(其父母、朋友、前妻/前女友、小孩对男方的影响)

到期日(T):二人关系的持续时间

对模型中各变量要素,做了分析,并对女性择偶提出了自己的指导意见。

前几天,看到一篇官方数据报道:常年男女的结婚率于达到了近10年来,历史的最低值,于是各种关于探讨为什么现在年轻人不愿意结婚了,说法众说纷纭,有感于此,本文主要站在男性角度来分析情感中的效用函数

一、导语

因为资源的稀缺性,于是有了经济,由于人在生来,拥有不同的相貌,地位,金钱以及周围不同的环境,未来发展的不同趋势,所以爱情也是一种稀缺资源,"真正的爱情",亦如很多人所说一生只有一次,或者说真爱错过之后再难寻,所以大多数年轻人都在寻觅,期望得到一个好的眷旅.资源的稀缺性注定我们要追求"经济"。在具体选择中,提现到个人身上就是经济学中所说的“效用”

二、爱情的收益效用函数  我们常把个人获得满意度的大小,用"效用u"来衡量,爱情的收益我们在这里假设有两部分组成,即直接的物质部分U'',间接的精神部分U'''组成,在此,我们只用最简单的一元线性函数去计算(二次方及以上过于复杂)。如下:U=qU''+(1—q)U'''来表示在情感中的总获得,

其中u''=X+AY+B+C,X为直接从对方获得的物质数量,以元为单位计量,Y为你赠于对方的礼物量,A为基于自己Y礼物赠送的交叉获得弹性,即你在赠于对方Y价值量的前提下对方反赠你多少价值的礼物,B为从亲朋好友那里获得的赠送价值并由你实际获得的量,C爱情的额外获得,即生育的子女以及所带来的快乐,养老等的综合。

U'''为由于爱情带来的美好,而使你获得的巨大的满足感和幸福感。其计算可以根据由于对方进入你的生活,对你带来的美好,这些美好使你学业、生活、工作升迁,达到更好的进步程度。   注释:

   1、B 适用于爱情发展到一定阶段,:对方的朋友都认识你并和你建立关系、对方的亲戚知道你、快到谈婚论嫁,只要上述三个阶段中有一个,你就可能获得额外获得,因此要根据个人实际决定要不要B

  2 ,C由于其很难用具体量计算, 一般视为外生变量,在有子女之前,这个量可以不计入, U'''

  3、q为爱情获得物质精神分布指数,以0.5为分界点,分三个类型  (1)0—0.5 为显性物质型偏好爱情,重视爱情中的物质获得。  (2)0.5为爱情无显性偏好型爱情,即同时享受爱情与物质  (3)0.5—1为显性精神型偏好爱情,即所谓柏拉图式爱情。 这样爱情收益函数建立完毕。  

三、爱情的成本函数

 爱情的成本,我们假设由固定成本和可变成本、特定惩罚成本组成,固定成本也称沉没成本,是指爱情中业已付出的成本,以元来计量.可变成本是指由于爱情失去所带来的精神痛苦。在此,我们也是用简单的一元线性函数,来表示即:C=F+[q/(1-q)]V+P,

其中F=Y—MY, M为为基于自己Y元礼物对方赠送的交叉获得弹性.V为由于分手所带来的精神损失,你可以把它用数量化和你的心理难受度来加和求得,其中数量化是指由于爱情失去,你难过不去上班,或者去酒吧喝酒,所产生的或有损失来量化.心理难受度可以用你会难受多少天,这难受会对你学习工作以及对人生多大影响自己估计一个数值,最后把V用X表示出来,这样爱情的收益,成本就都统一为X,Y为变量的函数.

  注释:1,Y,q的含义如原先在收益函数中给出的定义.

    2,p为惩罚成本,比如情感中的不忠行为可能导致的损失,我们嘉定情感中的双方,彼此相对忠诚,所以可以定义为外生变量,不于计算在内.

    这样爱情成本函数建立完毕.

三、爱情的总利润函数

于是基于X,Y变量基础之上的爱情总利润(R)函数,即为   R=U—C= qU''+(1—q)U'''—{F+[q/(1-q)]V+P}.,

  由于假使爱情中的人仍部分的符合”理性人”原则,即她\他所做的决定仍符合追求自身利益最大化的原则.,而做为理性人,我们总是追求爱情成本最小化之下的爱情收益最大化,在这里爱情成本函数成为约束条件,爱情收益函数成为目标函数,

于是由拉格朗日函数,可建立如下新函数Z= qU''+(1—q)U'''—¢{F+[q/(1-q)]V+P}.(,¢为不等于零的常数)


分别对X,Y求偏导数,求出X Y ¢ 代入R函数,这样你就能确定最适合的X,Y量,来经营自己的爱情.

   由于具体参数的数据化,因人而异,因此本文没有做详实的数据计算,

但从这个函数公式中,我们可以得到如下几个结论:

  一,爱情概率密度服从指数分布,即 

当x+y>o  f(x)=1/@×exp(-(x+y)/@) 

当x+y为其它时, f(x)=0,

我们称X+Y服从参数为@的指数分布,该分布具有概率P={X+Y>S+t|X+Y>S}=P{X+y>t}

即是说如果以X+Y是某一份爱情的寿命,那么爱情已经使用了s小时,它再能使用S+t小时的条件概率,与从开始使用时算起它至少能使用t小时的概率相同,也就是爱情对它使用s小时无记忆,正如我们的爱情在岁月面前,以前的伤痕会渐渐消退,幸福永远会在前面,所以失意的朋友不必难过,相信明天会更美好.

  二,爱情服从正态分布,小概率事件会发生,但那概率是相当之小的,也就是失恋是有的,当然其前提是在事件发生中x会取不同的数.即我们要不断的追求爱情,不要因为一棵树,闭目掩饰了一片森林。

三,爱情并不如想象的甜美,正如我在假设爱情总收益时,总把X,Y当作可计算的实际变量,这其实是一种现实,正如很多人在分析为什么近十年结婚率达到了历史的最低值所告诉我们的那样,没有面包的爱情都很容易crush!所以好好努力的工作和学习,不要迷失进取的动力。


 对于我这样一个大龄未婚男来说,分析这样一个问题,也算是难为我了,我想用《选择老公的期权定价模型》,来为我这篇文章做个结语,:模型只是分析问题的手段,最终的决策取决于每个当事人的判断和选择。不同的人、不同的人生阶段,会有不一样的选择,这才造就了世间万象、不一样的人生。

  牛顿曾说过:“我可以估计天体物理的轨迹,却无法预测人类的疯狂”。当真爱降临时,一切分析都会显得苍白无力。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,179评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,229评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,032评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,533评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,531评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,539评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,916评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,813评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,568评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,654评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,354评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,937评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,918评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,152评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,852评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,378评论 2 342

推荐阅读更多精彩内容

  • 文章作者:Tyan博客:noahsnail.com | CSDN | 简书 声明:作者翻译论文仅为学习,如有侵权请...
    SnailTyan阅读 6,445评论 0 4
  • 30天了! 要更加认真哦!
    Cheer_up阅读 207评论 8 3
  • 如果将来发达了,问我有笔钱会投向哪里,我会投到教育,不为别的,教育意味着希望,possible。一个赌徒在赌场里最...
    刘鲨鱼阅读 227评论 0 1
  • 老妈说:我最有钱了。 我说,你挣几个钱,就敢吹牛。 老妈说,你看我,一天一个日/亿(我们老家的土话,日的发音跟亿相...
    urna阅读 389评论 3 5