例如，如果一个借贷者需要对股息或利息缴纳预扣税，但一些潜在的借贷者不需要缴纳预扣税。根据可能适用的任何相关特定或一般反避税规定或原则，借款人可免税获得股息，并以更高费用或更高股息的形式与贷款人分享部分收益。做市商和交易员在权益工具上提取的证券贷款通常是大额且持续时间长的。对于贷款人来说，这些贷款代表了实现利润最大化的最大机会。这也是将这些业务部门称为股票贷款台的原因，尽管它们会出借超额收益证券、处理回购协议、管理抵押品和其他与证券借贷相关的活动。贷款市场的证券供应主要来自受益所有人的投资组合，如养老金、保险公司和其他此类基金。大多数基金或资产所有者通过基金或中介经纪人工作。中间人在贷款人和借款人之间起作用。对于他们的服务，中间人的作用是分散的。许多机构发现，把股票借给一两个中间人，然后再借给更多的交易对手是很方便的。这节省了管理费用并限制了信用风险。利差是中间经纪人和受益所有人之间以及中间经纪人和最终借款人之间讨价还价的结果。12附录：独家估价符号和术语词典oBit，办公桌上的借书簿，在特定时间的股份，t，用于担保，i。

这是外部贷款人借入的现有金额，因此也可以称为借阅簿Lit，在特定时间t收到的定位请求，以共享为单位，用于安全性，即δit∈ [0,1]，在某一特定时间，债券转换为借款的转换率t，用于担保，即，我们可以简化为每个证券的转换率相同δi，债券转化为债券的转换率，i。我们可以进一步简化，使其在时间和债券上保持恒定δiLit，则表示交易台在特定时间以股份形式收到的超额需求，t，用于安全，i.oIit，中间人在特定时间以股份形式持有的内部库存，t，用于安全，i.oOit，可在特定时间从利益所有人处获得的额外供应，而非独家股份，t，用于安全，i.oAit，在特定时间从专用池中取出的金额，以股份为单位，t，用于担保，i.oHit，专用池中可用的股份，在特定时间，t，用于担保，i.oRit，中介在特定时间收取的贷款利率，t，直到下一个时间段，t+1，用于担保，i.oQit，Rit在特定时间的替代利率，t，在下一个时间段t+1之前，这可能是从其他受益所有人处获得供应的速率，也可能是在其他受益所有人处没有可用速率时的理论速率。奇特≤ 丽特Sit，在特定时间t，直到下一个时间段t+1，对于证券，i.oβ=（1+s）是贴现系数，s是无风险利率。

将连续的时间延长纳入短速率过程可能会导致进一步的并发症υ、 独家合同的估价，期限从t=0延长至t=t.o独家合同的总期限，t.oP，在整个期限T内，独家代理为中介机构提供的利润t和Teare是历史时间序列的开始和结束时间。on、 专用池中可用证券的数量，i∈ {1，…，n}c、 每次将股份收回或放回专用账户时的交易成本N、 交易间隔的数量每个交易区间的长度，τ=T/N。我们假设时间区间的持续时间相同，但这很容易放松。在连续时间内，这变成，N→ ∞, τ → 0.o然后时间被分成离散区间，tk=kτ，k=0。。。，N.我们将其简化，并以单位增量将其写成t=0到t=t通常情况下，考虑一年内的每日增量。支付的费用通常也适用于周末和节假日，尽管这些日子的任何变量都不会发生变化。一些公司使用252个交易日来计算每日贷款利率和其他费用Γ0，Γbeta，Γbeta交替，Γ事务，Γ保守，Γ交替，Γ历史, 是一组估值。13附录：估价证明13。1.屋顶的证明。首先，我们通过如下推理简化约束。

如果有其他外部供应，Oit，被使用，那么我们有IIT+Hit≤ 位+ΔiLit=> Iit+Ait≤ 位+ΔiLit=> 美国在台协会≤ 位+ΔiLit- Iit=> 如果位+ΔiLit≤ 当Ait=0时，Ait的最大可能值由Ait=min[Hit，max（位+δiLit- Iit，0）]零利润的标准为我们提供了排他性的最大可能值的表达式。P=maxAitE（TXt=0βtnXi=1aitItrit）-TXt=0/βtnXi=1命中率！）=E（TXt=0nXi=1βtmin[Hit，max（Bit+δiLit- Iit，0]SitRit-TXt=0（tnXi=1HitSit！）=> 实际值=实际值≤ Γ0=E（PTt=0Pni=1βtmin[Hit，max（Bit+δiLit- Iit，0）]SitRitPTt=0βt（Pni=1HitSit））13.2命题2的证明。让下面的变量{T aket，Givet}由下面相应的函数表示，表示捕获何时需要从中获取（当包括现有借款和部分定位请求在内的总需求大于内部库存时）或回馈给独占的条件。高位≡ 塔克特≡最大值（位+ΔiLit）- Iit，0）（位+δiLit- （Iit）=1如果位+δiLit>Iit0至其他低状态≡ 吉维特≡麦克斯（Iit）- 一点- δiLit，0）（Iit- 一点- δiLit）=1如果位+δiLit<Iit0，则值得注意的是，T与Givetar是互斥的。在给定的时间段内，其中只有一个可以成为一个。我们考虑以下四种可能发生的情况：背靠背或连续时间段。[{T aket-1，T aket}{T aket-1，Givet}{Givet-1，Givet}{Givet-1，T aket}]在上述场景中，以下是相应产生的交易成本。

当一种状态从接受到给予或从给予到接受发生变化时，这是有代价的。[{0}{c}{0}{c}]以上等价于[{T aket，T aket-1} {T aket，Givet-1} {Givet，Givet-1} {Givet，T aket-1}] ≡ [{0}{c}{0}{c}]下表（图12）总结了四种组合中的一种发生时，基于连续时间段内变量之间的差异而产生的交易成本。例如，{Givet，T aket-1} 意味着在时间段t- 1、系统处于高状态，或关闭-1=1，在时间段t内，它处于低状态，或给定=1。因此，当这个组合发生时，我们有，c（给定- 吉维特-1） =c和c（T aket）- 塔克特-1) = -c、 {T aket，T aket-1} {T aket，Givet-1} {Givet，Givet-1} {Givet，T aket-1} c（T）aket- 塔克特-1） 0摄氏度-cc（T）aket- 吉维特-1） c0-c 0c（给定）- 吉维特-1) 0 -c 0 cc（给定值）- 塔克特-1) -c 0 c 0图12：交易成本表从中我们得到了产生的交易成本的表达式，请记住，在第一时间段，高状态或采取标准总是会产生成本。赎金≡ tc=E（nXi=1c{T akei0}+TXt=1nXi=1c[|{T akeit]- 别吃了-1} - {Giveit- 给它-1}|])=> tc=E（nXi=1c最大值（Bi0+δiLi0）- Ii0，0）（Bi0+δiLi0- Ii0）+TXt=1nXi=1c最大值（位+ΔiLit）- Iit，0）（位+δiLit- （Iit）-麦克斯（比特）-1+δiLit-1.- Iit-1，0）（位-1+δiLit-1.- Iit-1)-麦克斯（Iit）- 一点- δiLit，0）（Iit- 一点- δiLit）-麦克斯（Iit）-1.- 一点-1.- δiLit-1,0）（Iit-1.- 一点-1.- δiLit-1)=> ν事务=EPTt=0Pni=1min[命中，最大（位+δiLit- Iit，0]SitRit- （TC）PTt=0Pni=1HitSit13.3定理113.3.1交替加权方案的渐近期望值的证明。

我们继续采用替代加权方案的期望值，极限为k→ ∞, 如下，E林克→∞（k） kPi=1kPj6=iσj~nikPi=1σi= E林克→∞（k） kPi=1kPj=1σj~ni- σiüi！kPi=1σi= E林克→∞（k） kPi=1kPj=1σj~ni-kPi=1σi~nikPi=1σi= E林克→∞（k）kXi=1（νi）-kPi=1σi~nikPi=1σi根据估值是否具有相同的最终预期值，我们考虑两种情况。请注意，以下两种情况都有共同的情况。林克→∞（k） kPi=1σi~nikPi=1σi=0，因为每个方差和估值都是有限的，并且以下估值和方差的组合是一致有界的，即limk→∞Pki=1σivi（Pki=1σi）≤ M、 任何实数，估值之间的协方差为零，cov（vi，vi）=0；（Pki=1σi）k→ 0作为k→ ∞没有一个人能主宰总数，用，林克→∞最大值σikPi=1σi→ 0 ; 林克→∞最大值σiγikPi=1σi~ni→ 0首先，使用切比雪夫版本的大数定律（Loeve 1977），当所有估值都具有相同的最终预期值时，E林克→∞（k） kPi=1kPj6=iσj~nikPi=1σi= E林克→∞（k）kXi=1（νi）- E[Γi]+E[Γi]）-kPi=1σi~nikPi=1σi= E林克→∞（k）kXi=1（νi）- E[Γi]）+kXi=1E[Γi]-kPi=1σi~nikPi=1σi=> E林克→∞（k） kPi=1kPj6=iσj~nikPi=1σiP-→ E[γ](∵ 林克→∞（k） （kXi=1（νi）- E[νi]））p-→ 0和limk→∞（k） kXi=1E[Γi]=kkE[Γ]=E[Γ]）第二，当估值有确定但不同的方法时，我们使用切比雪夫版本的拉金数定律，给出结果，E林克→∞（k） kPi=1kPj6=iσj~nikPi=1σi= E林克→∞（k）kXi=1（νi）-kPi=1σi~nikPi=1σi- E[\'k]+E[\'k]在这里，\'/k=（k）关键绩效指标=1（νi）=> E林克→∞（k） kPi=1kPj6=iσj~nikPi=1σiP-→ E[？k](∵ 林克→∞（k） （kXi=1（νi））- E（？k）=limk→∞k- E（°k）p-→ 0）13.3.2备选加权方案的渐近方差。

看看替代方差加权组合的方差和极限，k→ ∞,给，V ar林克→∞（k） kPi=1kPj6=iσj~nikPi=1σi= 林克→∞（k） kPi=1kPj6=iσj！V ar（γi）kPi=1σi= 林克→∞（k） kPi=1kPj6=iσj！σikPi=1σi= 林克→∞（k） kPi=1kPj=1σj- 我！σikPi=1σi= 林克→∞（k） kPi=1kPj=1σj！+σi- 2.σikPj=1σj！σikPi=1σi= 林克→∞（k） （kXi=1σi）+（k）kPi=1σikPi=1σi-（k）kPi=1σikPi=1σi= 0∵kPi=1σikPi=1σi≤ NkPi=1σikPi=1σi≤ N、 任何实数，我们有最后的第四和第六个时刻，从limk开始→∞（k） kXi=1σi=0。13.3.3最小方差加权证明的渐近期望值。我们可以应用（Etemadi 2006）中的定理1，该定理给出了当权重单调递减时，随机变量的任何加权平均值收敛到简单平均值的结果，这可以通过构造很容易满足，因为我们可以根据方差以合适的方式排列权重。这个定理也可以在13.3.1节中使用，但我们用大数定律提供的证明更直接。