钱钞面额的设计除了有方便计算之外,还可以示出一个国家或区域*的特性,就像人的名片一样。
全世界都先後被欧洲人统治过,除了中、日、韩、泰、尼泊尔、衣索比亚。我们先看东亚国家的货币
| 硬币 | 钞 |
泰国 | 0.25、0.5、1、5 | 10、20、50、100、500、1000 |
日本 | 1、5、10、50、100、500 | 1000、2000(纪念)、5000、10000 |
韩国 | 1、5、10、50、100、500 | 1000、5000、10000 |
朝鲜 | 0.01、0.05、0.1、0.5、1 | 1、5、10、50、100、500 |
台湾 | 1、5、10、20(新)、50 | 100、200(新)、500、1000 |
中国大陆 | 0.1、0.5、1 | 1、2(退出)、5、10、20(新)、100 |
我们可以看得出来,2字头的并不多,我暂且称这种系统为1-5
我们再看英国和其前殖民地
| 硬币 | 钞 |
英国 | 0.01、0.02、0.05、0.1、0.2、0.5、1、2 | 5、10、20、50 |
美国 | 0.01、0.05、0.1、0.25、0.5(少)、1(少) | 1、2(少)、5、10、20、50、100 |
加拿大 | 0.01、0.05、0.1、0.25、1、2 | 5、10、20、50、100 |
澳大利亚 | 0.01、0.02、0.05、0.1、0.2、1、2 | 5、10、20、50、100 |
纽西兰 | 0.01、0.02、0.05、0.1、0.2、1、2 | 5、10、20、50、100 |
新加坡 | 0.01、0.05、0.1、0.2、0.5、1 | 2、5、10、20、100、1000、10000 |
南非 | 0.01、0.05、0.1、0.2、0.5、1、2、5 | 0、20、100、200 |
2字头常常出现,我称之为1-2-5。而且币值相近,最大通常为 100。
而荷兰系统的也很有趣
| 硬币 | 钞 |
荷兰 | 0.05、0.1、0.25、1、2.5、5 | 10、25、50、100、250、1000 |
荷属安地列斯 | 0.01、0.025、0.1、0.25、1 | 5、10、25、50、100、250 |
苏利南 | 0.01、0.05、0.1、0.25、1 | 5、10、25、100、500、1000、5000、10000、25000 |
阿鲁巴 | 0.05、0.1、0.25、0.5、1 | 5、10、25、50、100、500 |
我称之为1-25-5或1-25
而共产国家大多有3字头前钞,像是
人民币 1953 3 圆
越南 1985 30 Dong
蒙古 1966/1983 3 Turik
苏联 1947/1961/1991 3 Rubles
古巴 1989/1995 3 Peso
你可能认为这是苏共的产物,但是早在 1840 俄罗斯就有 3 Rubles 了
好,在扯了这麽多之後,除了显示文化之外,还有什麽意义?对搜集者来说,一个很重要的东西是稀有的程度,也就是说不同的面额,印制量也不同。
考虑现金交易,1元、2元、3元…,并假设每一种金额出现的机率一样。虽然在现实中每一种出现的机率当然不一样,大额交易出现的机会比较小,但是大额钱钞的市价主要是尤其面额所决定,而货以稀为贵的因素对大额钱钞的市价影响较少。
在1-5系统之下
现金交易个位数是 0、1…9 的机会都是 10%,1 的时候需要一个 1 元,9 的时候需要一个 5 元和 4个 1 元。所以在一次现金交易中 1 元用到次数的期望值是
0.1 (0 + 1 + 2 + 3 + 4 + 0 + 1 + 2+ 3 + 4) = 2
而 5 元用到次数的期望值是
0.1 (0 + 0 + 0 + 0 + 0 + 1 + 1 + 1+ 1 + 1) = 0.5
所以 1 元要印的量是 5 元的 4 倍。同样的道理可以延伸到 10 元、50 元等。
那在1-2-5系统之下呢?
我们要多做一个假设那又是能尽量用大面额就用大面额,6 = 5+1 而不是 2+2+2。计算後的结果是 0.4, 0.8, 0.5。除了知道1、2、5的需求比例以外,0.4 + 0.8 + 0.5 = 1.7 < 2.5 = 2 + 0.5 表示平均只要用 1.7 张个位钞票就可以表示所有的个位数,正合我们的期望。而理论最低值是 1,每一个数字都有一张;理论最大值是 4.5,只有1。
另外,如果一个数字距离它上一层的数字较远(以相除商为准),需要量的期望值就比较高。但是为什麽在1-2-5系统中1和5的需要量不同呢?那是因为1-2-5不是一个完整整除数列,5不能被2整除。所以在导出公式的时候,一定要考虑这两种情况。(事实上其中一个是另一个的特殊状况)
先看比较简单的状况:完整整除数列
在 N 进位的系统下,令 a0, a1, a2, ..., an 为数列,ai < N。令商数列 qi = ai+1 / ai,qn = N / an。ai 和 qi 都是正整数。
在此不赘述计算过程,ai 需求量的期望值是 (qi - 1)/2,符合之前的假设,qi 越大所需要越多。
在不完整数列的情况下,令 ai+1 = aiqi + ri,ai、qi 都是正整数,ri 为正整数或零。
ai 需求量的期望值是 (1/N)((qi - 1)aiqiqi+1...qn/2 + f(ri)qi+1 qi+2...qn + f(ri+1)qi+2 qi+3...qn + f(rn-1)qn + f(rn))。而 f 的定义是 f(x) = 要组成 0, 1, ..., x-1,共需要几个 ai(有 a0 到 ai-1 的帮忙)。当 ri 小或 qi 大的时候,这个公式会趋近於完整数列的公式。
不管是1-5或是1-2-5,我们都可以看到一种不平均分配,不管你如何修改,都没有办法创造出一种完美又对称的系统。这是因为 10 进位的 10 = 2*5。2 不等於 5。如果我们使用 16 进位,16 = 2*2*2*2,可以用1-4(分别需要 1.5 和 1.5)或1-2-4-8(各需 0.5)。两种都呈现一种对称的完美。如果使用1-2-4-8,那不管总数是多少,每一种面额最多只需一张,又是另一种完美。
但是使用 16 进位会有一个小小的坏处那就是乘法表不再是九九而是 FF。是 10 进位的 2.78 倍。
*唉,每次都要讲「国家或区域」才能保持完全的政治正确,例如说香港从来不是一个国家,但是有自己的港币,欧元区有超过十个国家,但是共用一个货币 | |