以前谈过的一个问题.
比如经典的数字识别问题.
给定feature和对应的结果,实际上就是一个拟合问题.
当时基于的考虑和思路就是,即使给定feature空间并不是全息的.
或者说并不是事实上的对现实的足够描述.
但理论上也可以找到一个从低维空间project回高维空间的matrix.
同样的,在project回的高维表示下,就存在一个对output space的projector.
于是在这个思路下就变成了一个纯粹的解矩阵乘的问题了.
所以当时觉得activation function意义不是很大.
但这里有几个问题.
一个是project回高维的向量未必是正确或者说有意义的.
另一个是高维project回低维的时候也同样.
而且从等式层面来说,两者可以合并.
也就是说从结果上来说,即便有解,解也可能是无限的.
这样的话,其实就没意义了.
而且理论上来说,也不一定有解.
虽然对于output space的单一维度来说.
理解为一组weighted local minimum的方式也没什么太大的问题.
比如针对是否是数字0的一组regression.
但这里还是有个比较致命的隐含假设.
也就是因果性.
因为这个思路暗含的是output space是input space的一个因果性变换.
或者说在某种程度上,input是可以涵盖/推导出output的.
但实际上,对于手写数字识别这个来说,并不是.
它并不存在一个确定性的从手写到数字的映射关系.
更多的只是一种习惯性.
从人的直觉上来说,认为一个手写字体是数字几的过程实际上是一个认为它"应该"是几的过程.
所以本质上来说,这是一个概率问题.
更明确地说,是给定一组feature vector,如何把它变换到一个概率空间的问题.
也就是如何把一个向量变成一个概率描述.
所以多项式变化或者说某种标量化之后,再做某种density性质的函数分布变换就变地很有意义了.
因此从这个角度来说,training的过程不过是在给定的activation function的特性/density性质曲线上,把vector scale过去.
于是,从某种程度上来说,neural network本质上就是某种probability machine.
不同结构的neural network不过是概率组合思路的不同罢了.
2016-12-22
2016-11-26
关于广场舞的一些发散
有时候晚上跑步经过某广场,看到有人在跳广场舞就会想动机.
是什么驱使这些人做这些行为的.
尤其一些整装制服,有纪有律的时候.
从旁观的角度来说,这是一种服从式的娱乐.
如果可以称之为娱乐的话.
领队的口号或者无论来自于什么形式的节奏.
往大了点说,可以说是某种对过去生活方式的一种外在的表现缅怀之类的.
尤其考虑到年龄和年代背景的话.
青春时期从集体主义走来,多多少少会在生活方式上留下一些烙印和特有的反射.
而广场舞同时作为一种舞蹈和集体活动又或多或少地契合了一些所谓的人生的遗憾点和荣耀点.
群体下的高度制度化和服从性.
以及舞蹈所需要的妆容等,带有一些少女情绪的东西在里面.
某种程度上来说,可能更像是一种自我补偿的方式.
当然,抛开这些形而上的意识形态方面的东西的话,可能只是单纯地恰好有了这么一种打发时间的方式.
就像下棋或者散步什么的.
如果近一点观察的话,会发觉里面似乎是有某种形式的阶级/阶层存在的.
一级是具有统一服装的不分部分.
次一级是没有统一服饰但是具有相当规模的相对固定的群体.
再一个就是不属于上述两者的第三阶级.
第三阶级的一个特点就是会游离在上述两个阶级旁边,以模仿的形式参与进来.
如果以竞技的概念来说,大概就是种子,专业和业余的区别吧.
但不管以什么形式理解.
不能否定但就是存在这一种单向但类似promotion但一种情况.
也就是阶级之间但单向转化.
或者说职阶路径的金字塔形式.
自下而上的转换.
如果考虑顶端存在一个容量限度的话.
那就是可繁殖的金字塔形式.
也就是达到一定程度之后会做分裂发展.
那么纯理论上上来说,只要下级有源源不断的人参与进来.
则金字塔的数量将随之呈幂次方式增长.
对于给定的金字塔层次分布特征和总人数的话,就存在一个理论上的金字塔数量上限.
把金字塔这个概念转换为族群或者说社区的话,也就是说对于一定时期来说.
整体只可能存在有限的基于广场舞构建起来的社群.
考虑地理分布的话,也就是一定的地理空间上,最多只能存在若干个特定的社群.
而社群的的层次分布特征和规模可能就跟这个区域的人口和硬件设施相关了.
但无论如何,数量固定或者说增长天花板的存在是确定性的.
然后考虑这些社群构成的网络结构以及对应的信息流动特征.
把社群本身作为网络节点的话,由于人群活动特征和地理位置的关系.
节点间的消息传递距离可以认为是跟地理位置远见相关的.
换句话来说,对于地理位置较近的两个社群之间的信息流动和交换可能更为频繁和快捷.
反过来说,对于地理位置相隔比较远的节点之间,信息的传播以及有效性就相对地更弱一些.
也就是说,对于特定区域来说,信息的传递范围和有效性是可预知/估计的.
其覆盖度相关于社群的数量和各个社群的大小.
如果定义一定的信息传递有效性的量化值的话,那么就可以把信息值在范围内的社群视为一个有效信息传播网络.
或者说是整个"稀疏"信息网络中的"稠密"子网.
提这个概念的本质还是为了强调,信息的传播范围的局限性.
那么,对于一个传播范围具有明显局限性的信息网络.
或者更直观地,定义为一个有限的局域网的话,如何具化并且最大化信息的价值呢?
比如传播了某家店适合周末家庭聚餐的化,如何使得这条信息价值最大化呢?
由于前面所说的,网络的局域特性和规模限制,即便转化率100%,那么对于单条信息来说,价值也可能有限.
尤其如果考虑实际的化,转化率是一个i.i.d的话,如果社群规模太小,转化率又不高的话,可能就因为数值上的原因被衰减掉.
从而使得整体的转化率以及对应的可兑现价值降低.
那么有解决方法么?
这里价值上限存在的一个原因是隐含了一个条件.
即兑现只能是针对现有的局域网络而言的.
所以,如果这个兑现网络是另外一个更广泛的广域网的话,那么至少从量级上来说,还可以再提升一下.
也就是说,如果能把消息传递扩展出这个社区的话,至少价值兑现能够进一步扩大.
考虑回归到人的个体角度看待.
那么在消费过程中,原有的社群网络就扩展为了一个多层网络结构.
一层是以广场舞人群为个体群居的稀疏的网络.
也就是一开始所考究的网络结构.
然后由这个网络延伸出来的基于"吃饭"或者说家庭关系的节点网络.
或者反过来,考虑整个人类社会的整体关系网络.
那么前面说的稀疏结构网络就是这个整体网络的一个子集/子空间.
也就是说,从这个角度来说,价值兑现所面对的就不是原来的局限性网络,而是整体人类.
所以理论上来说,信息传递是可以扩展出去的.
问题在于怎么样或者以何种形式扩展出去.
在考虑这个问题之前还有一个问题就是.
如果这种扩展方式是不经过广场舞网络的节点到达的话,那么就没有意义了.
也就是说,如果可以不经过广场舞网络节点转化的话,从商业层面来说,就没有存在的必要性了.
或者说,就没有必要构建这么一个子网了.
即是说,如果存在这么一种扩展方式的话,那么它必须要满足几个条件.
一个是经由局域网节点.
二是比不经由局域网节点能带来更高的转换率或者成交数.
其中第二点可以是第一点的副作用.
也就是说,局域网节点作为gateway能够提高流量的效率效能.
以计算机网络的角度来考虑这个问题的话,就是这些gateway从路由层面来说,提供了更高的网络分发能力.
而更好的网络分发能力就意味着诸如时延带宽方面的优势.
也就是说广场舞节点要能够为消费行为提供某种优势.
而对于消费行为来说,绝大多数优势都可以以某种方式或者形式通过"折现"体现出来.
最直接的方式自然是折价了.
而折价从商家的角度来说,只要边际存在就不是问题.
于是问题就变成了.
在给定的商家的成本收益曲线的边际空间内,让广场舞节点具有更大的边际优势从而让商家愿意优先原则作为实现呢?
从价格层面上来说,商家给出的价格越低,那么从边际角度来说,就需要越多的成交量.
也就是说,对于给定的价格优势,节点需要做的是保证一定数量的成交量.
某种形式上来说,就是作为商家的销售存在,背负这一定额度的销售任务KPI.
那么,如何让广场舞参与者有更高的意愿尤其是自主意愿去完成这些KPI呢?
也就是前面说的,如何让其把消息扩展出去的动力更强烈.
从等价交换的角度来说,要有动力完成这些销售任务,也就因为这完成任务会有相应的激励.
考虑到前面的广场舞网络存在性的隐含条件,这种激励应该是反馈或者说作用于参与者在广场舞网络中的角色的.
当把激励,角色,KPI放在一起的时候就有一些很熟悉的概念/模式浮现出来了.
想想游戏的类似场景.
是什么驱使这些人做这些行为的.
尤其一些整装制服,有纪有律的时候.
从旁观的角度来说,这是一种服从式的娱乐.
如果可以称之为娱乐的话.
领队的口号或者无论来自于什么形式的节奏.
往大了点说,可以说是某种对过去生活方式的一种外在的表现缅怀之类的.
尤其考虑到年龄和年代背景的话.
青春时期从集体主义走来,多多少少会在生活方式上留下一些烙印和特有的反射.
而广场舞同时作为一种舞蹈和集体活动又或多或少地契合了一些所谓的人生的遗憾点和荣耀点.
群体下的高度制度化和服从性.
以及舞蹈所需要的妆容等,带有一些少女情绪的东西在里面.
某种程度上来说,可能更像是一种自我补偿的方式.
当然,抛开这些形而上的意识形态方面的东西的话,可能只是单纯地恰好有了这么一种打发时间的方式.
就像下棋或者散步什么的.
如果近一点观察的话,会发觉里面似乎是有某种形式的阶级/阶层存在的.
一级是具有统一服装的不分部分.
次一级是没有统一服饰但是具有相当规模的相对固定的群体.
再一个就是不属于上述两者的第三阶级.
第三阶级的一个特点就是会游离在上述两个阶级旁边,以模仿的形式参与进来.
如果以竞技的概念来说,大概就是种子,专业和业余的区别吧.
但不管以什么形式理解.
不能否定但就是存在这一种单向但类似promotion但一种情况.
也就是阶级之间但单向转化.
或者说职阶路径的金字塔形式.
自下而上的转换.
如果考虑顶端存在一个容量限度的话.
那就是可繁殖的金字塔形式.
也就是达到一定程度之后会做分裂发展.
那么纯理论上上来说,只要下级有源源不断的人参与进来.
则金字塔的数量将随之呈幂次方式增长.
对于给定的金字塔层次分布特征和总人数的话,就存在一个理论上的金字塔数量上限.
把金字塔这个概念转换为族群或者说社区的话,也就是说对于一定时期来说.
整体只可能存在有限的基于广场舞构建起来的社群.
考虑地理分布的话,也就是一定的地理空间上,最多只能存在若干个特定的社群.
而社群的的层次分布特征和规模可能就跟这个区域的人口和硬件设施相关了.
但无论如何,数量固定或者说增长天花板的存在是确定性的.
然后考虑这些社群构成的网络结构以及对应的信息流动特征.
把社群本身作为网络节点的话,由于人群活动特征和地理位置的关系.
节点间的消息传递距离可以认为是跟地理位置远见相关的.
换句话来说,对于地理位置较近的两个社群之间的信息流动和交换可能更为频繁和快捷.
反过来说,对于地理位置相隔比较远的节点之间,信息的传播以及有效性就相对地更弱一些.
也就是说,对于特定区域来说,信息的传递范围和有效性是可预知/估计的.
其覆盖度相关于社群的数量和各个社群的大小.
如果定义一定的信息传递有效性的量化值的话,那么就可以把信息值在范围内的社群视为一个有效信息传播网络.
或者说是整个"稀疏"信息网络中的"稠密"子网.
提这个概念的本质还是为了强调,信息的传播范围的局限性.
那么,对于一个传播范围具有明显局限性的信息网络.
或者更直观地,定义为一个有限的局域网的话,如何具化并且最大化信息的价值呢?
比如传播了某家店适合周末家庭聚餐的化,如何使得这条信息价值最大化呢?
由于前面所说的,网络的局域特性和规模限制,即便转化率100%,那么对于单条信息来说,价值也可能有限.
尤其如果考虑实际的化,转化率是一个i.i.d的话,如果社群规模太小,转化率又不高的话,可能就因为数值上的原因被衰减掉.
从而使得整体的转化率以及对应的可兑现价值降低.
那么有解决方法么?
这里价值上限存在的一个原因是隐含了一个条件.
即兑现只能是针对现有的局域网络而言的.
所以,如果这个兑现网络是另外一个更广泛的广域网的话,那么至少从量级上来说,还可以再提升一下.
也就是说,如果能把消息传递扩展出这个社区的话,至少价值兑现能够进一步扩大.
考虑回归到人的个体角度看待.
那么在消费过程中,原有的社群网络就扩展为了一个多层网络结构.
一层是以广场舞人群为个体群居的稀疏的网络.
也就是一开始所考究的网络结构.
然后由这个网络延伸出来的基于"吃饭"或者说家庭关系的节点网络.
或者反过来,考虑整个人类社会的整体关系网络.
那么前面说的稀疏结构网络就是这个整体网络的一个子集/子空间.
也就是说,从这个角度来说,价值兑现所面对的就不是原来的局限性网络,而是整体人类.
所以理论上来说,信息传递是可以扩展出去的.
问题在于怎么样或者以何种形式扩展出去.
在考虑这个问题之前还有一个问题就是.
如果这种扩展方式是不经过广场舞网络的节点到达的话,那么就没有意义了.
也就是说,如果可以不经过广场舞网络节点转化的话,从商业层面来说,就没有存在的必要性了.
或者说,就没有必要构建这么一个子网了.
即是说,如果存在这么一种扩展方式的话,那么它必须要满足几个条件.
一个是经由局域网节点.
二是比不经由局域网节点能带来更高的转换率或者成交数.
其中第二点可以是第一点的副作用.
也就是说,局域网节点作为gateway能够提高流量的效率效能.
以计算机网络的角度来考虑这个问题的话,就是这些gateway从路由层面来说,提供了更高的网络分发能力.
而更好的网络分发能力就意味着诸如时延带宽方面的优势.
也就是说广场舞节点要能够为消费行为提供某种优势.
而对于消费行为来说,绝大多数优势都可以以某种方式或者形式通过"折现"体现出来.
最直接的方式自然是折价了.
而折价从商家的角度来说,只要边际存在就不是问题.
于是问题就变成了.
在给定的商家的成本收益曲线的边际空间内,让广场舞节点具有更大的边际优势从而让商家愿意优先原则作为实现呢?
从价格层面上来说,商家给出的价格越低,那么从边际角度来说,就需要越多的成交量.
也就是说,对于给定的价格优势,节点需要做的是保证一定数量的成交量.
某种形式上来说,就是作为商家的销售存在,背负这一定额度的销售任务KPI.
那么,如何让广场舞参与者有更高的意愿尤其是自主意愿去完成这些KPI呢?
也就是前面说的,如何让其把消息扩展出去的动力更强烈.
从等价交换的角度来说,要有动力完成这些销售任务,也就因为这完成任务会有相应的激励.
考虑到前面的广场舞网络存在性的隐含条件,这种激励应该是反馈或者说作用于参与者在广场舞网络中的角色的.
当把激励,角色,KPI放在一起的时候就有一些很熟悉的概念/模式浮现出来了.
想想游戏的类似场景.
2016-11-17
精英悖论
下午吃某吉野家.
恰好旁边有店员招聘面试,就旁听了下.
发觉有个比较有趣的点.
提到.
如果表现比较好的话,会多给机会安排加班.
这个刚开始听到的瞬间挺奇怪的.
因为按照既有逻辑来说,加班并算不上是一种福利或者说激励.
甚至于算不上是一种受欢迎的东西.
然后听到店员说到了时薪制和固定月薪的区别理论.
大概就是时薪讲究的是多劳多得.
不像月薪是固定收入.
更看中的个人的进取心云云
这里不管它这套理论的对错与否.
先看下两种形式的收益.
假定时薪形式下单位时间收益为paid.
那么收益就是一个关于时间hours和paid的函数
f(paid,hours) = paid*hours
假定月薪形式下收益为earn.
另两者收益相等则有:
earn = paid * hours.
对于paid和标准hours是fair的前提下.
也就是说不存在时薪不合理和过长工时的前提下.
在时薪模式对于个人来说,存在通过提高hours来增加收益的激励方式.
这也就是被当作福利的一种解释.
对于企业来说.
给定一定的公时需求,在月薪和时薪模式下付出成本是没有区别的.
但是效用上就存在一定差异了.
因为月薪模式下对个人是不存在激励方式的.
也就是说相对地,单位时间的效用是没有竞争机制的.
而在时薪模式下,轮值是某种竞争优胜的结果.
所以一定程度上来说,公司层面的效用是增强提高的.
某种形式上来说,时薪制就像一个LRU cache.
是一种overload的weighted eviction/selection strategy.
或者gradient descent的search过程.
在有限的budget constrain下面,寻求一个较优解.
从效率效用方面来说,确实是一个非常优秀的方案.
广义上来说,无论是时薪还是月薪还是年薪以及其他时间周期性质的薪酬支付方式都只是粒度上的差异.
细粒度对于粗粒度来说,都存在一种技术上的效率效用优势.
抽象层面来说,时间性质的支付也不过是一种记件支付方式.
本质上是企业对需求单元/期望产出的效用优先的收购策略.
所以理论上来说,如果对于企业运转成本的方方面面能够做到尽可能细粒度的量化的话.
就存在一个渐进效用增强的过程.
也就是实现成本收益层面的效用优化.
所以如果以这个角度考量KPI/OKR之类的量化考量方案.
这些方案或者说制度的问题在于只提供的了量化方式.
但是缺乏相应的"激励"机制.
之所以用"激励",是因为这里所指的并不是对于结果的奖励策略.
记件支付的核心在于它的竞争属性.
它跟纯粹淘汰制度的区别在于,它关心的不是总体排序的排位问题.
而是在满足基准要求的前提下的优先级选择问题.
前者存在即使淘汰机制正常运作,但也不能保证基准要求能够被满足.
因为它考察但是整个产出分布.
而竞争机制是只考虑基准线以上但产出分布.
尽管可能竞争属性被动地会成为淘汰机制的一个基准线之上的特例.
但本质上来说,两者但出发点不同.
"淘汰"只是个被动的副作用.
竞争属性隐含的另一个特征就是参与者的不唯一性.
而大多数量化考核方案里隐含的一个假设就是参与者唯一.
所以结果只是对最终表现的performance的一个评分体系.
面对的结果要么就是支付约定的费用,要么就是支付高于约定的费用.
而参与者不唯一的话,无论结果如果.
都只是支付约定的费用.
但得到的参与者当中效益最大化的一个.
所以,理想情况下,效用优化的核心不在于量化的方式粒度.
而是内生的竞争导致的效率优化.
某种形式上的弱肉强食的进化论.
而在现实中,可能由于各种因素可能并不能都保证一个期望产出有多个竞标者的存在.
更常见的情景是集结一些优势的力量去做纯粹的奖励激励.
但有时也可以看到有些公司会在内部存在一些所谓但内耗.
即使存在不同的团队在做类似的事情的情况.
尤其是某些知名公司的后来的知名产品.
于是这里就存在一个可能很有趣的观察结果.
即是,一个可能平均素质不算特别好的团队作出了一款跟平均素质高很多的团队差不多好的产品.
这里从结果上来说,可以有很多解释.
但从前面所述效用成本优化的角度来说,只是因为在给定budget的前提下,前者是竞争体系下幸存的性比高的一方.
而后者只是fair value.
某种层面上来说,后者更是under performance的.
而前者是near optimistic.
所以实际上来说,这个"差不多好的产品"其实是两个成本区间的上下限的交集区域.
因此也就不难理解为什么会有这种观察结果了.
所以某种程度上来说,一定的人员冗余反而可能是一种成本效用方面的优势.
恰好旁边有店员招聘面试,就旁听了下.
发觉有个比较有趣的点.
提到.
如果表现比较好的话,会多给机会安排加班.
这个刚开始听到的瞬间挺奇怪的.
因为按照既有逻辑来说,加班并算不上是一种福利或者说激励.
甚至于算不上是一种受欢迎的东西.
然后听到店员说到了时薪制和固定月薪的区别理论.
大概就是时薪讲究的是多劳多得.
不像月薪是固定收入.
更看中的个人的进取心云云
这里不管它这套理论的对错与否.
先看下两种形式的收益.
假定时薪形式下单位时间收益为paid.
那么收益就是一个关于时间hours和paid的函数
f(paid,hours) = paid*hours
假定月薪形式下收益为earn.
另两者收益相等则有:
earn = paid * hours.
对于paid和标准hours是fair的前提下.
也就是说不存在时薪不合理和过长工时的前提下.
在时薪模式对于个人来说,存在通过提高hours来增加收益的激励方式.
这也就是被当作福利的一种解释.
对于企业来说.
给定一定的公时需求,在月薪和时薪模式下付出成本是没有区别的.
但是效用上就存在一定差异了.
因为月薪模式下对个人是不存在激励方式的.
也就是说相对地,单位时间的效用是没有竞争机制的.
而在时薪模式下,轮值是某种竞争优胜的结果.
所以一定程度上来说,公司层面的效用是增强提高的.
某种形式上来说,时薪制就像一个LRU cache.
是一种overload的weighted eviction/selection strategy.
或者gradient descent的search过程.
在有限的budget constrain下面,寻求一个较优解.
从效率效用方面来说,确实是一个非常优秀的方案.
广义上来说,无论是时薪还是月薪还是年薪以及其他时间周期性质的薪酬支付方式都只是粒度上的差异.
细粒度对于粗粒度来说,都存在一种技术上的效率效用优势.
抽象层面来说,时间性质的支付也不过是一种记件支付方式.
本质上是企业对需求单元/期望产出的效用优先的收购策略.
所以理论上来说,如果对于企业运转成本的方方面面能够做到尽可能细粒度的量化的话.
就存在一个渐进效用增强的过程.
也就是实现成本收益层面的效用优化.
所以如果以这个角度考量KPI/OKR之类的量化考量方案.
这些方案或者说制度的问题在于只提供的了量化方式.
但是缺乏相应的"激励"机制.
之所以用"激励",是因为这里所指的并不是对于结果的奖励策略.
记件支付的核心在于它的竞争属性.
它跟纯粹淘汰制度的区别在于,它关心的不是总体排序的排位问题.
而是在满足基准要求的前提下的优先级选择问题.
前者存在即使淘汰机制正常运作,但也不能保证基准要求能够被满足.
因为它考察但是整个产出分布.
而竞争机制是只考虑基准线以上但产出分布.
尽管可能竞争属性被动地会成为淘汰机制的一个基准线之上的特例.
但本质上来说,两者但出发点不同.
"淘汰"只是个被动的副作用.
竞争属性隐含的另一个特征就是参与者的不唯一性.
而大多数量化考核方案里隐含的一个假设就是参与者唯一.
所以结果只是对最终表现的performance的一个评分体系.
面对的结果要么就是支付约定的费用,要么就是支付高于约定的费用.
而参与者不唯一的话,无论结果如果.
都只是支付约定的费用.
但得到的参与者当中效益最大化的一个.
所以,理想情况下,效用优化的核心不在于量化的方式粒度.
而是内生的竞争导致的效率优化.
某种形式上的弱肉强食的进化论.
而在现实中,可能由于各种因素可能并不能都保证一个期望产出有多个竞标者的存在.
更常见的情景是集结一些优势的力量去做纯粹的奖励激励.
但有时也可以看到有些公司会在内部存在一些所谓但内耗.
即使存在不同的团队在做类似的事情的情况.
尤其是某些知名公司的后来的知名产品.
于是这里就存在一个可能很有趣的观察结果.
即是,一个可能平均素质不算特别好的团队作出了一款跟平均素质高很多的团队差不多好的产品.
这里从结果上来说,可以有很多解释.
但从前面所述效用成本优化的角度来说,只是因为在给定budget的前提下,前者是竞争体系下幸存的性比高的一方.
而后者只是fair value.
某种层面上来说,后者更是under performance的.
而前者是near optimistic.
所以实际上来说,这个"差不多好的产品"其实是两个成本区间的上下限的交集区域.
因此也就不难理解为什么会有这种观察结果了.
所以某种程度上来说,一定的人员冗余反而可能是一种成本效用方面的优势.
如此而已
这两年其实挺怕自己闲下来的.
一旦有时间就会各种想各种推演.
一不小心就觉得挺委屈无奈的.
感觉活着真地.
挺无聊,无趣的.
理性地说,世界形形色色.总有好的和不好的.
心情愉快地时候自然能够云淡风轻.
自己做好就行了.
其他人怎么样,过分不过分,自己委屈不委屈其实无所谓.
毕竟自己底线/原则/世界观在那.
后果怎么样都该是自己能承受该承受的.
说地不好听点,就是自己作的,含着泪也要继续作下去.
但始终地.
有能够无所谓的时候,也就自然会有有所谓的时候.
很难说一个人会没有负面情绪的时候.
所不同的是以什么形式展示或者消化而已.
残酷点说,每个人都有每个人的委屈.
所以没有人是有权力有资格委屈的.
即便有,也了无意义.
你人生观价值观受到挑战了,要崩塌了,要转变了.
对其他人来说,其实并没有什么意义.
每个人都是独立的个体.
每个人都有自己认为对的事情.
哪怕冲突对立的两面,也各自有其存在的合理性.
偏激点说,站在马加爵的立场,其行为有着其对应的合理性.
站在其室友的立场也同样有着类似的合理性.
区别只在于能不能以其对应的角度看待而已.
所谓的换位思考大抵就是这种无谓的上帝视角的揣测.
也正因为这种自觉不自觉的揣摩,可能觉得没什么是不对的.
至少没什么是绝对的大是大非.
所以很多时候,感觉就是一个空壳在看待问题.
存在的意义不过就是以各种不同的位面去理解去揣测.
于是当停下来的时候,会有种莫名的空虚空洞感.
你会发觉忽然不知道自己真正的想法是什么了.
就好像在做阅读理解,在沉浸电影剧情.
你可以衍生发展出很多细节和感受.
但没有一个是自己真实但刚想.
一切不过是对作者也罢,剧情也罢的一种推演和试图还原.
即使有涉及到一些观感,也不过是一种适宜的揣度.
有时候真地觉得很疲惫.
过马路闯下红灯有什么问题.
feedly看都不看就mark as read有什么问题.
标记为在读的书直接弃了有什么问题.
是的.
这些都没什么问题.
这些都有什么意义?
人生就是这种各种各样的自我怀疑自我自我折磨.
有什么意义呢.
为什么不放弃呢.
莫名奇妙的坚持总会有各种莫名奇妙的理由.
但不管对自己对他人是什么借口.
自己其实清楚.
有了第一次就会有第二次.
放弃很简单.
坚持其实也很简单.
有问题只是在于选.
只是在于选了之后就没得选了.
所谓的没有回头路.
这是种很莫名奇妙的精神洁癖.
或者说是对自己劣根性的心知肚明.
你知道自己战胜不了某种瘾性,某种心魔.
你知道用什么借口来说服自己.
所以你只能回避去想.
因为你没有那种自制能力.
于是不停地拿各种东西填充自己.
不停地去消耗,去逃避.
你很难说妥协是错还是对.
毕竟认输可能会是一种如释重负的感觉.
尤其实际上,可能并不存在所谓的赢家.
而且没人会对这种输赢感兴趣.
甚至感知不到这种莫名其妙的书生气.
说到底.
不过就是自己给自己所做的枷锁,负赘.
说好听点是人生追求/原则/底线/人生观.
其实不过是种中二想法.
就像世界和平.
就像改变世界.
you are not qualified.
但是你要觉得你是的话.
便是.
意思不是只要努力的心灵鸡汤.
只是你硬要付出代价的话.
别人也阻止不了你.
毕竟事不关己.
再说关己又如何.
谁能确保哪个才是真实的想法.
行尸走肉也未必就一定是负面阴暗的.
就像人或者可能本来就没有什么意义.
活着就是活着.
死了也就是死了.
如此而已.
一旦有时间就会各种想各种推演.
一不小心就觉得挺委屈无奈的.
感觉活着真地.
挺无聊,无趣的.
理性地说,世界形形色色.总有好的和不好的.
心情愉快地时候自然能够云淡风轻.
自己做好就行了.
其他人怎么样,过分不过分,自己委屈不委屈其实无所谓.
毕竟自己底线/原则/世界观在那.
后果怎么样都该是自己能承受该承受的.
说地不好听点,就是自己作的,含着泪也要继续作下去.
但始终地.
有能够无所谓的时候,也就自然会有有所谓的时候.
很难说一个人会没有负面情绪的时候.
所不同的是以什么形式展示或者消化而已.
残酷点说,每个人都有每个人的委屈.
所以没有人是有权力有资格委屈的.
即便有,也了无意义.
你人生观价值观受到挑战了,要崩塌了,要转变了.
对其他人来说,其实并没有什么意义.
每个人都是独立的个体.
每个人都有自己认为对的事情.
哪怕冲突对立的两面,也各自有其存在的合理性.
偏激点说,站在马加爵的立场,其行为有着其对应的合理性.
站在其室友的立场也同样有着类似的合理性.
区别只在于能不能以其对应的角度看待而已.
所谓的换位思考大抵就是这种无谓的上帝视角的揣测.
也正因为这种自觉不自觉的揣摩,可能觉得没什么是不对的.
至少没什么是绝对的大是大非.
所以很多时候,感觉就是一个空壳在看待问题.
存在的意义不过就是以各种不同的位面去理解去揣测.
于是当停下来的时候,会有种莫名的空虚空洞感.
你会发觉忽然不知道自己真正的想法是什么了.
就好像在做阅读理解,在沉浸电影剧情.
你可以衍生发展出很多细节和感受.
但没有一个是自己真实但刚想.
一切不过是对作者也罢,剧情也罢的一种推演和试图还原.
即使有涉及到一些观感,也不过是一种适宜的揣度.
有时候真地觉得很疲惫.
过马路闯下红灯有什么问题.
feedly看都不看就mark as read有什么问题.
标记为在读的书直接弃了有什么问题.
是的.
这些都没什么问题.
这些都有什么意义?
人生就是这种各种各样的自我怀疑自我自我折磨.
有什么意义呢.
为什么不放弃呢.
莫名奇妙的坚持总会有各种莫名奇妙的理由.
但不管对自己对他人是什么借口.
自己其实清楚.
有了第一次就会有第二次.
放弃很简单.
坚持其实也很简单.
有问题只是在于选.
只是在于选了之后就没得选了.
所谓的没有回头路.
这是种很莫名奇妙的精神洁癖.
或者说是对自己劣根性的心知肚明.
你知道自己战胜不了某种瘾性,某种心魔.
你知道用什么借口来说服自己.
所以你只能回避去想.
因为你没有那种自制能力.
于是不停地拿各种东西填充自己.
不停地去消耗,去逃避.
你很难说妥协是错还是对.
毕竟认输可能会是一种如释重负的感觉.
尤其实际上,可能并不存在所谓的赢家.
而且没人会对这种输赢感兴趣.
甚至感知不到这种莫名其妙的书生气.
说到底.
不过就是自己给自己所做的枷锁,负赘.
说好听点是人生追求/原则/底线/人生观.
其实不过是种中二想法.
就像世界和平.
就像改变世界.
you are not qualified.
但是你要觉得你是的话.
便是.
意思不是只要努力的心灵鸡汤.
只是你硬要付出代价的话.
别人也阻止不了你.
毕竟事不关己.
再说关己又如何.
谁能确保哪个才是真实的想法.
行尸走肉也未必就一定是负面阴暗的.
就像人或者可能本来就没有什么意义.
活着就是活着.
死了也就是死了.
如此而已.
2016-11-09
反全球化的政治正确性
反全球化会有什么问题?
被看成全球化特征之一的就是关税的降低.
以此造成的贸易成本利润比变化和活跃性.
反过来说,它解决的是关税问题.
那么为什么会存在关税.
一是常规的财政行为.
二则是对商品的加权作用.
第一点无需赘述.
第二点造成的结果就是进出口物品的价格系数调整.
以及对应的成本变化.
在单个市场内的同质同价商品中,低成本优势自然高于高成本.
因此,对于同质商品而言,关税的作用是某种形式的本地有待措施.
一种行政手段上的利润补助.
换个角度来说,外来品要在单一市场内有竞争力所能依靠就不能是价格策略.
而应该是对应的质方面的层次.
也就是提供本地所不能提供的优质优势.
因此,从这个方面来说,关税的作用是做差异化分层/选择.
结合两点来说,就是保证本地商品的多样性等层次前提下,对本地商品提供一定的竞争补贴.
那么全球化降低关税的作用就是让这种竞争补贴变小.
在本地产能质量不变的前提下,补贴变小叶就意味着外来品店成本因素变低.
相对地就是本地成本低上升,和竞争力的下降.
一个极端的优势就是被外来品替代.
从成本利润低角度来说,这个全球化的影响实际上就是资源配置向成本低的方向流动的一个过程.
就宏观上来说,这就像一个gradient descent的求解过程.
理论上是能够实现最优化的资源配置问题的.
但这里有几个问题.
因为宏观考虑的是整个graph的流向平衡问题.
并不关心各个节点的实际情况.
也就是说,从成本流向的角度来说,有些节点是可能存在不对等流量迁移的.
即使某个市场可能没有任何的商品成本优势,而只能纯进口.
从抽象的graph的角度来说,就是存在一些节点是末端/净流入节点.
相应地,也可能存在一些节点是净流出节点.
而这里的流向是抽象的现金流/资本流动.
净流出也就意味着从资产的角度来说是一只负增长的.
而资产的取值范围是存在下界的.
也就是说,理论上这个graph是不稳定.
因为净流出节点会随着时间的前进而消失,从而使得整个graph需要重新计算/搜索均衡点.
因此,这里的问题在于对成本流向的无限制.
而实际上,由于存在各种不同的贸易协议/单边/多边关税条约等,以国家为单位构图等话,实际上会是多个sub-graph的相对复杂的均衡求解问题.
因为不同的协定之间存在的不同的成本流向变化趋势.
对单一商品的流动而言,在不同的协议框架下有不同的路径.
尽管理论上来说,可以把它们合并为简单的单一层graph.
但本质上的问题还是对关税这个权重系数的考量.
只是单纯的全球化低关税的话,就从"政治正确"的层面上来说是不可取的.
没有一个国家愿意承担单纯的输入国.
即便愿意,从广义的贸易角度来说,也不可能存在一个国家的经济体系能够使纯输入的.
因为这意味着这个国家变成单纯的世界贸易的印钞机,无限地对外产生资产信用价值.
而这个资产信用是没有任何支撑的.
所以这个层面的全球化是不合适的.
那么就只有闭关锁国的全面本地化么.
也不尽然.
毕竟如果能在保证收支平衡的前提下做成本流量优化,那对节点和整个graph来说,还是可以保证稳定的.
所以反全球化的意义不是单纯的高关税和贸易保护.
而是针对问题解的cost function的变更.
从greedy的搜索全局最优解,转变为寻找可能的让节点收支平衡并让graph的成本流量总和尽可能地大的一些local解.
以这个角度来说,川普的自利/利己主义的思路并没有什么大问题.
作为分布式系统中,单节点实现为保证自己收支平衡的策略大概是最简单的方式了.
所以,如果把反全球化理解为一种基于"政治正确"的目标函数的重定义的话,反而是一种进步.
毕竟,它把一个复杂的系统还原为了一个个相对独立可控的单元.
不至于一个链条上的某个节点失控就造成整体系统的雪崩.
被看成全球化特征之一的就是关税的降低.
以此造成的贸易成本利润比变化和活跃性.
反过来说,它解决的是关税问题.
那么为什么会存在关税.
一是常规的财政行为.
二则是对商品的加权作用.
第一点无需赘述.
第二点造成的结果就是进出口物品的价格系数调整.
以及对应的成本变化.
在单个市场内的同质同价商品中,低成本优势自然高于高成本.
因此,对于同质商品而言,关税的作用是某种形式的本地有待措施.
一种行政手段上的利润补助.
换个角度来说,外来品要在单一市场内有竞争力所能依靠就不能是价格策略.
而应该是对应的质方面的层次.
也就是提供本地所不能提供的优质优势.
因此,从这个方面来说,关税的作用是做差异化分层/选择.
结合两点来说,就是保证本地商品的多样性等层次前提下,对本地商品提供一定的竞争补贴.
那么全球化降低关税的作用就是让这种竞争补贴变小.
在本地产能质量不变的前提下,补贴变小叶就意味着外来品店成本因素变低.
相对地就是本地成本低上升,和竞争力的下降.
一个极端的优势就是被外来品替代.
从成本利润低角度来说,这个全球化的影响实际上就是资源配置向成本低的方向流动的一个过程.
就宏观上来说,这就像一个gradient descent的求解过程.
理论上是能够实现最优化的资源配置问题的.
但这里有几个问题.
因为宏观考虑的是整个graph的流向平衡问题.
并不关心各个节点的实际情况.
也就是说,从成本流向的角度来说,有些节点是可能存在不对等流量迁移的.
即使某个市场可能没有任何的商品成本优势,而只能纯进口.
从抽象的graph的角度来说,就是存在一些节点是末端/净流入节点.
相应地,也可能存在一些节点是净流出节点.
而这里的流向是抽象的现金流/资本流动.
净流出也就意味着从资产的角度来说是一只负增长的.
而资产的取值范围是存在下界的.
也就是说,理论上这个graph是不稳定.
因为净流出节点会随着时间的前进而消失,从而使得整个graph需要重新计算/搜索均衡点.
因此,这里的问题在于对成本流向的无限制.
而实际上,由于存在各种不同的贸易协议/单边/多边关税条约等,以国家为单位构图等话,实际上会是多个sub-graph的相对复杂的均衡求解问题.
因为不同的协定之间存在的不同的成本流向变化趋势.
对单一商品的流动而言,在不同的协议框架下有不同的路径.
尽管理论上来说,可以把它们合并为简单的单一层graph.
但本质上的问题还是对关税这个权重系数的考量.
只是单纯的全球化低关税的话,就从"政治正确"的层面上来说是不可取的.
没有一个国家愿意承担单纯的输入国.
即便愿意,从广义的贸易角度来说,也不可能存在一个国家的经济体系能够使纯输入的.
因为这意味着这个国家变成单纯的世界贸易的印钞机,无限地对外产生资产信用价值.
而这个资产信用是没有任何支撑的.
所以这个层面的全球化是不合适的.
那么就只有闭关锁国的全面本地化么.
也不尽然.
毕竟如果能在保证收支平衡的前提下做成本流量优化,那对节点和整个graph来说,还是可以保证稳定的.
所以反全球化的意义不是单纯的高关税和贸易保护.
而是针对问题解的cost function的变更.
从greedy的搜索全局最优解,转变为寻找可能的让节点收支平衡并让graph的成本流量总和尽可能地大的一些local解.
以这个角度来说,川普的自利/利己主义的思路并没有什么大问题.
作为分布式系统中,单节点实现为保证自己收支平衡的策略大概是最简单的方式了.
所以,如果把反全球化理解为一种基于"政治正确"的目标函数的重定义的话,反而是一种进步.
毕竟,它把一个复杂的系统还原为了一个个相对独立可控的单元.
不至于一个链条上的某个节点失控就造成整体系统的雪崩.
2016-10-29
汇率问题
资本外流有什么问题呢?
或者说大批量的人民币换美元有什么影响?
就汇率方面来说,美元的大量买入需求自然会拉低人民币汇率.
相对的就是人民币的贬值.
在一般的国际贸易中,相对的低汇率通常有利于出口.
所以这个并不算一个问题.
那么问题是什么呢?
外汇储备的减少?
这点在以前来说可能会是个问题.
但以如如今中国在世界上的经济体量和影响力,并没有太强的依靠美元信用背书的理由.
尤其加入SDR之后,至少名义上已经不是几十年前那种无信用货币了.
而且以通常的兑换渠道来说,由于普通居民换汇的管制,换汇的规模是总体可控的.
于是,换汇的风险点到底是什么呢?
人民币兑换美元,一方面是换入美元.
另一方面自然是换入人民币.
对于后者,即人民币的买入方来说.
一个自然是央行.
一个就是境外银行/市场.
以前也稍外谈过点.
人民币的一个问题就是存在着央行无法掌控的离岸人民币市场.
这个市场的存在导致的问题就是货币的供给或者说通胀/货币政策的问题.
因为这一部分人民币相对国内来说是不流通的.
所以从流通性层面来说,在行使货币政策的时候多多少少会受到这个"固定通胀因素"的影响.
因此,从字面上来说"阻止资本外流"其实是对抗通胀的一种变种说法.
或者说近一两年的人民币问题主要思路.
解决离岸市场,增强人民币的独立性/控制能力.
但在这个时间点上可能会复杂点.
目前看到的各种渠道兑换美元的目的无外乎几个.
一是规避风险.
二是保值/抵抗通胀.
第二点是比较有趣的地方.
在某种贬值预期下,于是就有了所谓的"外流"动机.
而"外流"的动作有实质上地触发或者助长了贬值预期.
这是一个颇耐人寻味的一个循环.
除非有很强的升值信号,不然哪怕是汇率稳定下来.
从博弈均衡的角度来说,也没有足够的动机让外流停止/收敛.
所以,从这点上来说,所能做的只能是尽可能地限制外流.
那么最初的贬值预期来自于哪里呢?
这个跟一是同一个理由.
规避国内的经济危机风险.
而这个经济危机指向的则是实体经济的疲乏和房地产的火爆.
至于最初是实体疲软导致房地产投资活跃,还是地产繁荣导致的实体衰败就不好说了.
就现阶段来说,是地产的高预期回报在策略上优于实体投资.
这个跟贬值预期是类似的.
同样形式的自反馈增强循环.
地产等问题以前好像也谈过.
走向无非是一个通胀形式的通缩预期,实际缺乏流动性的一个局面.
而经济系统一旦没有流动性,自然就是灾难了.
到这里其实可以看到,无论外流的目的是什么.
触发因素当中有一点就是通胀外皮.
从某种程度和充满来说,都恰好指向的是流动性紧缩的通缩实际.
也就是说通常所说的,虽然货币供给不断上涨,但实际流动性缺没有相应的增长/增强.
而造成这种诡异局面的就是那两个自反馈循环.
离岸市场和地产投资.
前者又恰好在某种程度上是后者的一个结果.
所以这里的一个关键点在于如何让资金离开房地产.
从纯计量角度来说,一个几乎必然的结果就是让地产投资的回报低于实业.
这样才能让资金有重新均衡的动机.
而房价怎么样,崩不崩其实是无所谓.
甚至于说可能更利于资金脱离这个反馈链.
当然,前提是没有其他衍生的社会问题.
所以,其实没有什么保汇率还是保房价的问题.
有的只是如何让经济发展回到正常轨道上来.
而就目前的情况来说.
减少变量,多加限制尽可能地让问题简单化不失为一个稳妥的办法.
毕竟,这是至少有两个自反馈东西点系统了.
或者说大批量的人民币换美元有什么影响?
就汇率方面来说,美元的大量买入需求自然会拉低人民币汇率.
相对的就是人民币的贬值.
在一般的国际贸易中,相对的低汇率通常有利于出口.
所以这个并不算一个问题.
那么问题是什么呢?
外汇储备的减少?
这点在以前来说可能会是个问题.
但以如如今中国在世界上的经济体量和影响力,并没有太强的依靠美元信用背书的理由.
尤其加入SDR之后,至少名义上已经不是几十年前那种无信用货币了.
而且以通常的兑换渠道来说,由于普通居民换汇的管制,换汇的规模是总体可控的.
于是,换汇的风险点到底是什么呢?
人民币兑换美元,一方面是换入美元.
另一方面自然是换入人民币.
对于后者,即人民币的买入方来说.
一个自然是央行.
一个就是境外银行/市场.
以前也稍外谈过点.
人民币的一个问题就是存在着央行无法掌控的离岸人民币市场.
这个市场的存在导致的问题就是货币的供给或者说通胀/货币政策的问题.
因为这一部分人民币相对国内来说是不流通的.
所以从流通性层面来说,在行使货币政策的时候多多少少会受到这个"固定通胀因素"的影响.
因此,从字面上来说"阻止资本外流"其实是对抗通胀的一种变种说法.
或者说近一两年的人民币问题主要思路.
解决离岸市场,增强人民币的独立性/控制能力.
但在这个时间点上可能会复杂点.
目前看到的各种渠道兑换美元的目的无外乎几个.
一是规避风险.
二是保值/抵抗通胀.
第二点是比较有趣的地方.
在某种贬值预期下,于是就有了所谓的"外流"动机.
而"外流"的动作有实质上地触发或者助长了贬值预期.
这是一个颇耐人寻味的一个循环.
除非有很强的升值信号,不然哪怕是汇率稳定下来.
从博弈均衡的角度来说,也没有足够的动机让外流停止/收敛.
所以,从这点上来说,所能做的只能是尽可能地限制外流.
那么最初的贬值预期来自于哪里呢?
这个跟一是同一个理由.
规避国内的经济危机风险.
而这个经济危机指向的则是实体经济的疲乏和房地产的火爆.
至于最初是实体疲软导致房地产投资活跃,还是地产繁荣导致的实体衰败就不好说了.
就现阶段来说,是地产的高预期回报在策略上优于实体投资.
这个跟贬值预期是类似的.
同样形式的自反馈增强循环.
地产等问题以前好像也谈过.
走向无非是一个通胀形式的通缩预期,实际缺乏流动性的一个局面.
而经济系统一旦没有流动性,自然就是灾难了.
到这里其实可以看到,无论外流的目的是什么.
触发因素当中有一点就是通胀外皮.
从某种程度和充满来说,都恰好指向的是流动性紧缩的通缩实际.
也就是说通常所说的,虽然货币供给不断上涨,但实际流动性缺没有相应的增长/增强.
而造成这种诡异局面的就是那两个自反馈循环.
离岸市场和地产投资.
前者又恰好在某种程度上是后者的一个结果.
所以这里的一个关键点在于如何让资金离开房地产.
从纯计量角度来说,一个几乎必然的结果就是让地产投资的回报低于实业.
这样才能让资金有重新均衡的动机.
而房价怎么样,崩不崩其实是无所谓.
甚至于说可能更利于资金脱离这个反馈链.
当然,前提是没有其他衍生的社会问题.
所以,其实没有什么保汇率还是保房价的问题.
有的只是如何让经济发展回到正常轨道上来.
而就目前的情况来说.
减少变量,多加限制尽可能地让问题简单化不失为一个稳妥的办法.
毕竟,这是至少有两个自反馈东西点系统了.
2016-10-14
关于时间旅行的中学物理演算
如果时间倒流回怎么样呢?
一个直觉的想象就是诸如自由落体的从下往上.
这里隐含的一个解释就是诸如p=vt的话.
倒流只是简单t符号的改变.
那么,当人回到屋顶之后这个系统该怎么演化呢?
也就是对应的此时的直觉上的f(t)函数应该是什么呢?
人是往后退回那个方向?
通常的这种想象是基于回退是依据"原有"的上下文来做的唯一推断.
就像拿胶片来回播放.
但如果考虑无限回退的话,这个点上下文追溯假设还合理么?
就比如给定一段胶片,是可以在给定的区间内做单向的确定回放.
但对于片段外该如何进行,就存在着各种可能性了.
所以如果把倒流理解为t的符号改变就显得不是那么合理了.
那么只能是对应的矢量函数中的矢量各纬度的方向改变了.
假设对运动的描述p=vt的物理描述是正确的,且时间t作为符号改变的主因不合理的话.
那么符号改变的由来应该就是v了.
如果v是常数,或者说整体是简单的匀速运动,那么倒流的直觉印象也不过是方向的改变.
但如果是非匀速作用呢?
考虑简单的匀减速运动.
p=v+0.5*a*t^2
则当倒流是就变成了
p=-v-0.5*a*t^2
->
p=-(v+0.5*a*t^2)
这里假设了a也是矢量,同样参与到倒流中.
再定义这里的t是一个单向的函数参数.
即对于倒流发生的时刻t,t+delta为倒流后delta时间,t-delta为倒流前时间.
那么在倒流后到delta时刻的位置p就跟倒流前delta时刻的位置不一样了.
比如p(1) = v_0+0.5*a*t^2 = |v_0+a|
此时发生倒流到话,
p(1+1) = p(2) = v_1+0.5*at^2 = |v_1+a|
v_0和v_2显然存在差值.
也就是说在这种框架下,倒流发生之后,物体的状态会跟直觉上的认识有所偏差.
并不是人所预想中的过去的状态.
这里还有个比较诡异的地方.
不管是把t当作是矢量还是非矢量,t^2都是一个单纯的数.
还有一点就是对t是单向函数参数的假设delta.
这里隐含的思路是倒流后的描述函数中t的作用形式不变,且是单向递增的.
如果在倒带的时候,虽然影像记录上的"时间是回放的",但隐含了实际中的时间这个绝对测量标准.
如果把这个假设剔除掉呢?
考虑向量
p(0) = [v_0,a]
p(2) = [v_1,a]
这里把t不作为一个纬度考虑.
因为如果考虑进来就是
p(0) = [v_0,a,t]
p(2) = [v_1,a,t]
t绝对标准
或者
p(0) = [v_0,a,t_0]
p(2) = [v_1,a,t_1]
t可变/相对.
则无论是哪种情况,都不能让|p(0)| = |p(2)|
所以考虑为
p(0) = [v_0,a]
p(2) = [v_1,a]
这里|p(0)| = |p(2)|也是不成立的.
然则,如果倒流或者说"t-delta"的作用是让|p(0)| = |p(2)|成立呢?
也就是说,在这个系统回退的时候,它的作用其实是对各个维度的一种修正补偿作用.
就像以光速恒定作为这种"绝对标准"媒介做的时空可变性一样.
那么,如果这个维度补偿的函数是确定性且可逆的,那么在进行非倒流计算/正向计算的时候就应该会包含所有维度的补偿.
也就是说,如果这个函数存在,那么它也应该是一个包含所有维度的计算式.
于是,即便有这个描述式,并且有办法操控这个式子以任何可能的数值发生作用.
或者直白地说,能通过它操控系统的正向逆向演化,那么对于系统内的人来说,也是没有意义的.
因为这里存在的前提是|p(0)| = |p(2)|.
而如果只是对其中一部分维度做操控的话,那么久回退到
p(0) = [v_0,a,t_0]
p(2) = [v_1,a,t_1]
的状态.
也就是这种"时间回溯"的结果会存在不符合人类直觉认知/期望的现象.
一个直觉的想象就是诸如自由落体的从下往上.
这里隐含的一个解释就是诸如p=vt的话.
倒流只是简单t符号的改变.
那么,当人回到屋顶之后这个系统该怎么演化呢?
也就是对应的此时的直觉上的f(t)函数应该是什么呢?
人是往后退回那个方向?
通常的这种想象是基于回退是依据"原有"的上下文来做的唯一推断.
就像拿胶片来回播放.
但如果考虑无限回退的话,这个点上下文追溯假设还合理么?
就比如给定一段胶片,是可以在给定的区间内做单向的确定回放.
但对于片段外该如何进行,就存在着各种可能性了.
所以如果把倒流理解为t的符号改变就显得不是那么合理了.
那么只能是对应的矢量函数中的矢量各纬度的方向改变了.
假设对运动的描述p=vt的物理描述是正确的,且时间t作为符号改变的主因不合理的话.
那么符号改变的由来应该就是v了.
如果v是常数,或者说整体是简单的匀速运动,那么倒流的直觉印象也不过是方向的改变.
但如果是非匀速作用呢?
考虑简单的匀减速运动.
p=v+0.5*a*t^2
则当倒流是就变成了
p=-v-0.5*a*t^2
->
p=-(v+0.5*a*t^2)
这里假设了a也是矢量,同样参与到倒流中.
再定义这里的t是一个单向的函数参数.
即对于倒流发生的时刻t,t+delta为倒流后delta时间,t-delta为倒流前时间.
那么在倒流后到delta时刻的位置p就跟倒流前delta时刻的位置不一样了.
比如p(1) = v_0+0.5*a*t^2 = |v_0+a|
此时发生倒流到话,
p(1+1) = p(2) = v_1+0.5*at^2 = |v_1+a|
v_0和v_2显然存在差值.
也就是说在这种框架下,倒流发生之后,物体的状态会跟直觉上的认识有所偏差.
并不是人所预想中的过去的状态.
这里还有个比较诡异的地方.
不管是把t当作是矢量还是非矢量,t^2都是一个单纯的数.
还有一点就是对t是单向函数参数的假设delta.
这里隐含的思路是倒流后的描述函数中t的作用形式不变,且是单向递增的.
如果在倒带的时候,虽然影像记录上的"时间是回放的",但隐含了实际中的时间这个绝对测量标准.
如果把这个假设剔除掉呢?
考虑向量
p(0) = [v_0,a]
p(2) = [v_1,a]
这里把t不作为一个纬度考虑.
因为如果考虑进来就是
p(0) = [v_0,a,t]
p(2) = [v_1,a,t]
t绝对标准
或者
p(0) = [v_0,a,t_0]
p(2) = [v_1,a,t_1]
t可变/相对.
则无论是哪种情况,都不能让|p(0)| = |p(2)|
所以考虑为
p(0) = [v_0,a]
p(2) = [v_1,a]
这里|p(0)| = |p(2)|也是不成立的.
然则,如果倒流或者说"t-delta"的作用是让|p(0)| = |p(2)|成立呢?
也就是说,在这个系统回退的时候,它的作用其实是对各个维度的一种修正补偿作用.
就像以光速恒定作为这种"绝对标准"媒介做的时空可变性一样.
那么,如果这个维度补偿的函数是确定性且可逆的,那么在进行非倒流计算/正向计算的时候就应该会包含所有维度的补偿.
也就是说,如果这个函数存在,那么它也应该是一个包含所有维度的计算式.
于是,即便有这个描述式,并且有办法操控这个式子以任何可能的数值发生作用.
或者直白地说,能通过它操控系统的正向逆向演化,那么对于系统内的人来说,也是没有意义的.
因为这里存在的前提是|p(0)| = |p(2)|.
而如果只是对其中一部分维度做操控的话,那么久回退到
p(0) = [v_0,a,t_0]
p(2) = [v_1,a,t_1]
的状态.
也就是这种"时间回溯"的结果会存在不符合人类直觉认知/期望的现象.
2016-09-25
宽松悖论
考虑汽车厂商自由金融产品解决的问题。
本质是低利率的现金流交换。
传统金融场景里，对于厂商／经销商来说是即期的款项到账。
自有金融的话，则更像是一种债权逆回购。
区别在于当前账面的现金流大小。
换句话说，就是当前的账面现金多少困难并不是一个很重要的问题。
这里隐含的原因一个可能是现金流比较充沛。
一种是现金的远期回报预期不高。
尤其第二种。
如果对于现金的投资回报率预期不高，或者说没有特别好的投资渠道。
那么以放债方式也不是一个不合适的策略。
毕竟可以有一个比较稳定的远期预期。
以上汽集团来说。2015年的营收利润构成是
制造业661 billion - 585 billion = 72 billion（10.8%）
金融服务9 billion - 2 billion = 7 billion（77.7%）
但从利润率上看，是金融服务占有绝对优势的。
如果不考虑金融构成的话，打包一下。
假如所有销售都转换为自由金融产品的贷款的话，那么简单的算术就是10.8+77.7=88.5了。
当然，这里的问题在于金融服务实际会可能复杂些。
至少包括融资资金的利差和自有资金的直接放贷。
即比如能以2%的利率融资，然后再以3%的利率贷出的话，那么利润率就是50%了。
但自由资金的话，可能就是3%。
然后考虑下实现周期或者说周转周期。
因为债权毕竟是一个中长期的预期。
如果现金周转比较快的话，那么实际利润率就没那么高了。
毕竟周期在那。
所以这里应该是存在一个类似供需曲线的金融实业资本比例的。
假设这条曲线符合供需曲线的大部分特征的话。
那么理论上就在给定利差的情况下，有一个均衡的金融实业的比例点。
从性质上来说，利差越大，那么对应的金融资产的构成比例就会越高。
或者说，如果实业的回报率进一步降低的话，那么同样的金融资产的比例会相对的变高。
如果刺激实体的货币政策依然以低利率宽松为主的话，那么曲线就会相应地继续推高金融资产的比例。
因为利差在不断扩大，或者说利差的空间再不停提升。
然后考虑资金流动周期的问题。
因为金融资产的本身性质，所以前面也说了，资金的流动性会变差。
流动周期变长。
金融资产比例高就意味着货币乘数效应降低。
而由于刺激／宽松的一个目的是保证现有现金流量级的。
所以一个直接的后果应该就是流动性差的资金会越来越多。
一个极端的例子就是超发的货币马上转变成了长期存款 。
导致的后果就是实际上的宽松变成无止尽的货币增发。
从财务角度来说，就是低利率的给企业融资，然后转换为企业自身的长期债权。
对应的，企业的“促销”导致的高额度的居民消费转变为了这种长期的企业债权。
由于不能及时变现，所以从现金的角度上来说，企业的可流动资金并没有增加多少。
如果进一步从上而下地宽松的话，那么只会加剧这种困境。
那么如果把债务以CDS之类的方式转售给银行呢？
这样的话，至少可以不用从上而下的释放流动性。
可以把企业的中长期“固定资产”变为银行的中长期”固定资产“。
这样的话，只要没有大规模的违约，就不会触发银行的系统性风险造成更大的问题。
但是如果有潜在的一定规模的违约风险的话，这种做法就是显而易见的次贷重现了。
然则，如果不这么做的话，无限制的宽松也只是在推后和加剧问题的严重性而已。
所以可能更重要的考虑如何减少和降低违约风险以及对应造成的伤害。
本质是低利率的现金流交换。
传统金融场景里，对于厂商／经销商来说是即期的款项到账。
自有金融的话，则更像是一种债权逆回购。
区别在于当前账面的现金流大小。
换句话说，就是当前的账面现金多少困难并不是一个很重要的问题。
这里隐含的原因一个可能是现金流比较充沛。
一种是现金的远期回报预期不高。
尤其第二种。
如果对于现金的投资回报率预期不高，或者说没有特别好的投资渠道。
那么以放债方式也不是一个不合适的策略。
毕竟可以有一个比较稳定的远期预期。
以上汽集团来说。2015年的营收利润构成是
制造业661 billion - 585 billion = 72 billion（10.8%）
金融服务9 billion - 2 billion = 7 billion（77.7%）
但从利润率上看，是金融服务占有绝对优势的。
如果不考虑金融构成的话，打包一下。
假如所有销售都转换为自由金融产品的贷款的话，那么简单的算术就是10.8+77.7=88.5了。
当然，这里的问题在于金融服务实际会可能复杂些。
至少包括融资资金的利差和自有资金的直接放贷。
即比如能以2%的利率融资，然后再以3%的利率贷出的话，那么利润率就是50%了。
但自由资金的话，可能就是3%。
然后考虑下实现周期或者说周转周期。
因为债权毕竟是一个中长期的预期。
如果现金周转比较快的话，那么实际利润率就没那么高了。
毕竟周期在那。
所以这里应该是存在一个类似供需曲线的金融实业资本比例的。
假设这条曲线符合供需曲线的大部分特征的话。
那么理论上就在给定利差的情况下，有一个均衡的金融实业的比例点。
从性质上来说，利差越大，那么对应的金融资产的构成比例就会越高。
或者说，如果实业的回报率进一步降低的话，那么同样的金融资产的比例会相对的变高。
如果刺激实体的货币政策依然以低利率宽松为主的话，那么曲线就会相应地继续推高金融资产的比例。
因为利差在不断扩大，或者说利差的空间再不停提升。
然后考虑资金流动周期的问题。
因为金融资产的本身性质，所以前面也说了，资金的流动性会变差。
流动周期变长。
金融资产比例高就意味着货币乘数效应降低。
而由于刺激／宽松的一个目的是保证现有现金流量级的。
所以一个直接的后果应该就是流动性差的资金会越来越多。
一个极端的例子就是超发的货币马上转变成了长期存款 。
导致的后果就是实际上的宽松变成无止尽的货币增发。
从财务角度来说，就是低利率的给企业融资，然后转换为企业自身的长期债权。
对应的，企业的“促销”导致的高额度的居民消费转变为了这种长期的企业债权。
由于不能及时变现，所以从现金的角度上来说，企业的可流动资金并没有增加多少。
如果进一步从上而下地宽松的话，那么只会加剧这种困境。
那么如果把债务以CDS之类的方式转售给银行呢？
这样的话，至少可以不用从上而下的释放流动性。
可以把企业的中长期“固定资产”变为银行的中长期”固定资产“。
这样的话，只要没有大规模的违约，就不会触发银行的系统性风险造成更大的问题。
但是如果有潜在的一定规模的违约风险的话，这种做法就是显而易见的次贷重现了。
然则，如果不这么做的话，无限制的宽松也只是在推后和加剧问题的严重性而已。
所以可能更重要的考虑如何减少和降低违约风险以及对应造成的伤害。
2016-09-10
关于Softmax的一些想法
考虑softmax = e^{x_k} / \sum e^{x_i} .
如果令y=e^x的话,则是一个较为一般的形式:
softmax = y / \sum y_i.
更一般的,假设y>0的话,则其实是一个类似percentage的东西.
比如y是一个投资份额/资金比例,那么\sum y就是每个个体的资本之和.
也就是总资本.
所以本质上来说,这种情况下更类似于一种dimension contribution的衡量方式.
那么,如果 考虑下数据分布呢?
一个极端的情况就是y=y_c,也就是所有y具有同一个值.
也就是说每个dimension的contribution区分度不会太大.
宽松一点来说,如果 y的variance的不大的话.
那么softmax的值也不会有太大的偏差.
再考虑一种情况.
即对于y来说,存在两个value group,y_a和y_b.
且y_a << y_b,或者宽松一点,y_a < y_b. 如果整体\sum y比较大,或者dimension比较多. 那么即使是y_b/ \sum y 的值可能也不会比 y_a/ \sum y的值来地更显著. 但从数据分布的人工直觉上来说,y_a和y_b的 contribution应该是存在有区分度的. 所以,单从这个角度来说,softmax对于高维度的feature vector来说,可能并不是一个很好的选择. 或者从某个层面上来说,更适合于一组互斥的feature set或者说classification/category. 如果去掉y>0的约束呢?
如果允许y<=0的话,那么直觉上就不太能将之于contribution做关联/联想了. 考虑坐下变化. softmax=y / \sum y_i ->
softmax = (y/n) / mean(y)
对于给定的数据来说,n和mean(y)可以认为是一个常量.
那么这样的话,softmax实际上就是一个对于feature y的scalar function.
反过来说,对于每个特定的 feature set的 单个feature来说.
这个 scalar是在某种程度上encdoe/ embeded了n和mean(n)这个样本相关的信息的.
所以,从这个角度考虑的话,softmax更像是一种 relative measure.
而且是针对每个独立的feautre set的一种某种程度上来说是标准的映射/转换过程.
但,这种映射在不同的feature set/ vector之间是不是有可比性呢?
因为维度n是固定相同的.
所以,实际上就两张情况.
mean(y)相同或相近的情况自然不用说了.
考虑mean(y)差异比较大的情况.
假设mean_a(y) << mean_b(y). 那么,对于给定的y其对应的softmax的值对应的relative position就会有比较大的偏差了. 从直觉上来说,虽然可能再这些值当中存在着某种程度的structure/level. 但由于数值上的区分度差异或者说classification的需要. 这些差异信息就可能被从计量的层面上被抹掉. 所以,从信息完整程度上来说,softmax也不太适合这种差异比较大的情况. 当然,这个可能可以通过具体地再套一层 normalize function. 或者再加一层network layer去 project到更高的维度再做softmax. 但考虑y>0的情况的话,可能也不是一个好的解决方法.
某种程度上来说,就像softmax名字所说的,着重点在max,注意点在soft.
也就是针对某个单一 dominated的 feature的产生作用.
所以从这个角度考虑的话,也不是说DNN和NN有多大的本质区别.
可能只是一些数据分布差异所带来的工程化处理/解决方案/方式/方法而已.
如果令y=e^x的话,则是一个较为一般的形式:
softmax = y / \sum y_i.
更一般的,假设y>0的话,则其实是一个类似percentage的东西.
比如y是一个投资份额/资金比例,那么\sum y就是每个个体的资本之和.
也就是总资本.
所以本质上来说,这种情况下更类似于一种dimension contribution的衡量方式.
那么,如果 考虑下数据分布呢?
一个极端的情况就是y=y_c,也就是所有y具有同一个值.
也就是说每个dimension的contribution区分度不会太大.
宽松一点来说,如果 y的variance的不大的话.
那么softmax的值也不会有太大的偏差.
再考虑一种情况.
即对于y来说,存在两个value group,y_a和y_b.
且y_a << y_b,或者宽松一点,y_a < y_b. 如果整体\sum y比较大,或者dimension比较多. 那么即使是y_b/ \sum y 的值可能也不会比 y_a/ \sum y的值来地更显著. 但从数据分布的人工直觉上来说,y_a和y_b的 contribution应该是存在有区分度的. 所以,单从这个角度来说,softmax对于高维度的feature vector来说,可能并不是一个很好的选择. 或者从某个层面上来说,更适合于一组互斥的feature set或者说classification/category. 如果去掉y>0的约束呢?
如果允许y<=0的话,那么直觉上就不太能将之于contribution做关联/联想了. 考虑坐下变化. softmax=y / \sum y_i ->
softmax = (y/n) / mean(y)
对于给定的数据来说,n和mean(y)可以认为是一个常量.
那么这样的话,softmax实际上就是一个对于feature y的scalar function.
反过来说,对于每个特定的 feature set的 单个feature来说.
这个 scalar是在某种程度上encdoe/ embeded了n和mean(n)这个样本相关的信息的.
所以,从这个角度考虑的话,softmax更像是一种 relative measure.
而且是针对每个独立的feautre set的一种某种程度上来说是标准的映射/转换过程.
但,这种映射在不同的feature set/ vector之间是不是有可比性呢?
因为维度n是固定相同的.
所以,实际上就两张情况.
mean(y)相同或相近的情况自然不用说了.
考虑mean(y)差异比较大的情况.
假设mean_a(y) << mean_b(y). 那么,对于给定的y其对应的softmax的值对应的relative position就会有比较大的偏差了. 从直觉上来说,虽然可能再这些值当中存在着某种程度的structure/level. 但由于数值上的区分度差异或者说classification的需要. 这些差异信息就可能被从计量的层面上被抹掉. 所以,从信息完整程度上来说,softmax也不太适合这种差异比较大的情况. 当然,这个可能可以通过具体地再套一层 normalize function. 或者再加一层network layer去 project到更高的维度再做softmax. 但考虑y>0的情况的话,可能也不是一个好的解决方法.
某种程度上来说,就像softmax名字所说的,着重点在max,注意点在soft.
也就是针对某个单一 dominated的 feature的产生作用.
所以从这个角度考虑的话,也不是说DNN和NN有多大的本质区别.
可能只是一些数据分布差异所带来的工程化处理/解决方案/方式/方法而已.
2016-06-26
交易价值与货币政策及风险兑现
考虑,如果交易都是等价交换的,那么理论上来说,这个市场的量化描述应该是零和的.
因为"价值"不过是从一边移动到另一边.
即便考虑现实一点的非等价交换,即某些交易有人愿意付出额外/高于实际价值的成本的话,也可以把这种额外成本量化为某种确定参数.
附加到等式左右,使其保持平衡.
而且这种做法也有着比较符合直觉的现实意义解释.
尽管,从总体上来说,这种量化会使得某些"价值"沉默下来.
因为这种额外量化不一定能在其他交易种交换出去/流动起来.
一个简单的例子就是,一个人A愿意以高于市场价10%的价格从B购买某样物品.
那么这10%就是它的private held的成本.
如果没有其他的第三者C在其他的交易里以对应C的private value把这个A的private held的10%的成本转嫁出去的话.
那么对于A来说,就有了10%的沉默资本.
当然,因为有着A->C的交易的存在可能,所以理论上也并不一定会让市场上的所有价值沉默下来.
那么,有没可能让所有价值都沉默/流动性死亡呢?
回头重新审视这个交易过程的话.
实际上,这里的"价值"是通过"交易"这个动作展示的.
从某种程度上来说,在交易没有发生之前,价值是不存在的.
也就是是说,价值这个衡量标准是依附于交易而存在的.
不管是完全的等价交换,还是通过假如private value的强制平等交换形式.
从数值角度上来说,都是仅仅跟当前交易相关的.
所以,从这个角度上来说,价值沉默或者说流动性死亡是个伪命题.
因为只要有交易行为,就有价值.
只有有交易行为,才有价值.
于是考虑一下financial bubble的问题.
一些形式的market crisis是由于对资产/资本的overvalued导致的.
前面说到,value只存在于交易行为中.
那么,没有交易的话,是如何兼容overvalued的呢?
如果把overvalued的value看作是某种对资产的public agreement的话.
那么这些private value作为某种形式的common sense也并不是不可以.
也就是说,虽然没有交易发生,但是如果认为市场认为这个价值是公允的.
那么,即使没有交易发生,也可以认为它的价值存在.
即是说,即便没有交易,但如果市场认为价值公允,那么也是可以计量的.
比如说,对于资产Asset A,整个市场都认为如果发生交易的话,其价值Value是V,则可以计量A的价值V为AV.
如果市场上有n个Asset的话,则整体市场价值Capital C为
C=\sum_{i}^{n} AV_i
然后考虑一下货币M.
出于一般等价物和交换的需要.
理论上上来说,存在C的capital就需要对应的M的货币量money供应.
也就是理想状态下应该有
M=C.
但如果Asset存在overvalued的情况,
也就是实际的AV_* < AV的话. 则有 C_* = \sum_{i}^{n} AV_*_i < \sum_{i}^{n} AV_i ->
C_* < C < M ->
M - C_* > 0
即,在overvalued的情况下,总体货币量大于实际的资产交易价格.
这是什么意思呢?
考虑下这里M的具体含义.
假设有\alpha要像\beta出售新增Asset A.
双方agree的value为V.
那么对于市场来说,就是新增了V的asset,因为这个A在之前是不存在的.
相对于货币侧来说,就需要新增对应V的M来作为记账/等价物进行流通.
也就是说M的意义在于\alpha出售完之后,需要持有M来保持交易的平衡.
如果\beta再将其出售给\gamma的话,由于A已经在市场上存在/登记过了.
所以不需要重复的投入M来保持平衡.
即M的意义是对市场新增资本的初始公允界定.
于是重新考虑
M - C_* > 0.
因为存在的overvalued,所以实际在后期的交易中C_*的价值低于初期.
而由于M是一个初期的估值量化固定.
那么dead capital D
D = M - C_*
的意义就代表这overvalued的部分,也就是不可交易的部分.
一个极端的情况就是D=M.
也就是市场上对所有资本的交易时估值都是零.
即没有人愿意做交易.
但同时有存在的等量的货币M.
由于没有交易的动机,所以M的存在意义也等于0.
在这种情况下market crash的话,即便是通过货币政策调控M也是无济于事.
以为M的意义只在于衡量动态交易时的公允价值.
或者说动态价值.
如果动态价值不恢复到初期水平,也就是D>0的话.
无论如何调整M都是无用的.
这跟实际的直觉比起来好像感觉有点odd.
考虑比如dotcom bubble.'
一家高科技公司估值上扬,那么对于市场来说就存在一个option.
即在未来的某个时期,其估值能够兑现.
对于市场的表现来说,就是资金流向/买入这个long position.
如果是小范围的,或者说这个long position对整体C而言是可以忽略不计的.
那么,即使未来这个option不能兑现,那么对应的D值也很小.
加上如果存在一些理论上C_* > C的情况的话,D还是可以为0甚至<0的.
而且考虑到货币的乘数效应,在M 真正realize C之前,C的值已经等于或者接近C_*了.
但如果是大范围的行为的话.
或者说,已经触发的M的实际补给.
比如,通过各种借贷和杠杆进入long position.
对应的作为的借出方的银行等金融机构就可能存在暂时性的流动性需求.
这样的话,就可能触发中央机构的宽松/流动性补充机制,快速/短期内地锁定/realize C的值的话,就可能造成D的快速兑现.
于是,都让market crash的时候,这里的D就对应了这些无法回收的债务/坏账.
所以,这里的本质在于对C价值的过早实现.
而过早实现的契机在于银行等金融机构的流动性缺失.
或者说货币投放的直接下游的流动性确实.
因为如果这些下游还有流动性的话,那么只不过是D分布在有偿还能力的借款方还是作为自己的坏账而已.
因此,某种程度上来说.
宽松的货币政策是对某个是个市场所有动态交易价值的一个快照.
因为"价值"不过是从一边移动到另一边.
即便考虑现实一点的非等价交换,即某些交易有人愿意付出额外/高于实际价值的成本的话,也可以把这种额外成本量化为某种确定参数.
附加到等式左右,使其保持平衡.
而且这种做法也有着比较符合直觉的现实意义解释.
尽管,从总体上来说,这种量化会使得某些"价值"沉默下来.
因为这种额外量化不一定能在其他交易种交换出去/流动起来.
一个简单的例子就是,一个人A愿意以高于市场价10%的价格从B购买某样物品.
那么这10%就是它的private held的成本.
如果没有其他的第三者C在其他的交易里以对应C的private value把这个A的private held的10%的成本转嫁出去的话.
那么对于A来说,就有了10%的沉默资本.
当然,因为有着A->C的交易的存在可能,所以理论上也并不一定会让市场上的所有价值沉默下来.
那么,有没可能让所有价值都沉默/流动性死亡呢?
回头重新审视这个交易过程的话.
实际上,这里的"价值"是通过"交易"这个动作展示的.
从某种程度上来说,在交易没有发生之前,价值是不存在的.
也就是是说,价值这个衡量标准是依附于交易而存在的.
不管是完全的等价交换,还是通过假如private value的强制平等交换形式.
从数值角度上来说,都是仅仅跟当前交易相关的.
所以,从这个角度上来说,价值沉默或者说流动性死亡是个伪命题.
因为只要有交易行为,就有价值.
只有有交易行为,才有价值.
于是考虑一下financial bubble的问题.
一些形式的market crisis是由于对资产/资本的overvalued导致的.
前面说到,value只存在于交易行为中.
那么,没有交易的话,是如何兼容overvalued的呢?
如果把overvalued的value看作是某种对资产的public agreement的话.
那么这些private value作为某种形式的common sense也并不是不可以.
也就是说,虽然没有交易发生,但是如果认为市场认为这个价值是公允的.
那么,即使没有交易发生,也可以认为它的价值存在.
即是说,即便没有交易,但如果市场认为价值公允,那么也是可以计量的.
比如说,对于资产Asset A,整个市场都认为如果发生交易的话,其价值Value是V,则可以计量A的价值V为AV.
如果市场上有n个Asset的话,则整体市场价值Capital C为
C=\sum_{i}^{n} AV_i
然后考虑一下货币M.
出于一般等价物和交换的需要.
理论上上来说,存在C的capital就需要对应的M的货币量money供应.
也就是理想状态下应该有
M=C.
但如果Asset存在overvalued的情况,
也就是实际的AV_* < AV的话. 则有 C_* = \sum_{i}^{n} AV_*_i < \sum_{i}^{n} AV_i ->
C_* < C < M ->
M - C_* > 0
即,在overvalued的情况下,总体货币量大于实际的资产交易价格.
这是什么意思呢?
考虑下这里M的具体含义.
假设有\alpha要像\beta出售新增Asset A.
双方agree的value为V.
那么对于市场来说,就是新增了V的asset,因为这个A在之前是不存在的.
相对于货币侧来说,就需要新增对应V的M来作为记账/等价物进行流通.
也就是说M的意义在于\alpha出售完之后,需要持有M来保持交易的平衡.
如果\beta再将其出售给\gamma的话,由于A已经在市场上存在/登记过了.
所以不需要重复的投入M来保持平衡.
即M的意义是对市场新增资本的初始公允界定.
于是重新考虑
M - C_* > 0.
因为存在的overvalued,所以实际在后期的交易中C_*的价值低于初期.
而由于M是一个初期的估值量化固定.
那么dead capital D
D = M - C_*
的意义就代表这overvalued的部分,也就是不可交易的部分.
一个极端的情况就是D=M.
也就是市场上对所有资本的交易时估值都是零.
即没有人愿意做交易.
但同时有存在的等量的货币M.
由于没有交易的动机,所以M的存在意义也等于0.
在这种情况下market crash的话,即便是通过货币政策调控M也是无济于事.
以为M的意义只在于衡量动态交易时的公允价值.
或者说动态价值.
如果动态价值不恢复到初期水平,也就是D>0的话.
无论如何调整M都是无用的.
这跟实际的直觉比起来好像感觉有点odd.
考虑比如dotcom bubble.'
一家高科技公司估值上扬,那么对于市场来说就存在一个option.
即在未来的某个时期,其估值能够兑现.
对于市场的表现来说,就是资金流向/买入这个long position.
如果是小范围的,或者说这个long position对整体C而言是可以忽略不计的.
那么,即使未来这个option不能兑现,那么对应的D值也很小.
加上如果存在一些理论上C_* > C的情况的话,D还是可以为0甚至<0的.
而且考虑到货币的乘数效应,在M 真正realize C之前,C的值已经等于或者接近C_*了.
但如果是大范围的行为的话.
或者说,已经触发的M的实际补给.
比如,通过各种借贷和杠杆进入long position.
对应的作为的借出方的银行等金融机构就可能存在暂时性的流动性需求.
这样的话,就可能触发中央机构的宽松/流动性补充机制,快速/短期内地锁定/realize C的值的话,就可能造成D的快速兑现.
于是,都让market crash的时候,这里的D就对应了这些无法回收的债务/坏账.
所以,这里的本质在于对C价值的过早实现.
而过早实现的契机在于银行等金融机构的流动性缺失.
或者说货币投放的直接下游的流动性确实.
因为如果这些下游还有流动性的话,那么只不过是D分布在有偿还能力的借款方还是作为自己的坏账而已.
因此,某种程度上来说.
宽松的货币政策是对某个是个市场所有动态交易价值的一个快照.
2016-06-10
维度问题
下午在某猫咖啡的一个发散的延续.
可能以前也有过类似的想法,记不太清楚了.
考虑一个简单定义.
Revenue = Earning - Cost.
即利润为收入减去之处.
一般来说,maximize revenue的方式基本就是maximize earning.
但很多时候,earning并不是可以无限增加的.
尤其如果考虑cost本身可能跟earning存在一定程度的关联关系/受同一类变量控制/相关.
所以,如果考虑给定earning存在一个upper bound的话.
那么,剩下的maximize的思路就落在minimize cost/cost down上面了.
下午的思路是构造一个类产业链的闭环,也就是把cost转化为earning.
也就是做类似于把
Revenue = Earning - Cost
中的cost的符号允许负值.
这个其实也就是石油化工行业里常见的产业链的群聚效应.
把某个链条上的支出成本转化为收入利润.
或者类似与金融银行业对资产负债表的一些腾挪手段.
尤其是资产打包转售等,改变会计计量性质的东西.
这个从本质上来说,有点类似于剩余价值理论.
在既有的支出成本的基础上,尽可能地把它从资产负债表的一端移动到另一端.
某种程度上来说,就是一种资源优化配置的特例.
那么以这个角度考量Uber的话.
原则上来说,Uber是作为一种闲散资源的再组合利用.
一种类似中介/agency的东西.
从广义上来说,也就是社会资源的优化配置的方式.
在之前考虑这个的角度是以附加值的形式所做的资源调度.
即,考虑司机用车作为一个既成现实的话.
Uber所做的是让这个事实支出的同时带来跟多的附加收益.
是在
Revenue = Earning - Cost
中对Earning做加法的一个思维方式.
如果这里尝试用cost down的思路看呢?
即不把Uber的行为作为对司机的一种added value,而是作为一种cost down的方式理解.
对于整个social group来说.
纯理想状态下,没有Uber等公共交通方式的话,那么就是一人一车的情况.
公共交通的出现,形式上就是对activities做了一个group/batch,缩减了对应的一些固定开销.
比如空气/交通拥挤度/燃料等各种广义上的公共成本.
所以,从这个角度来说,把Uber理解为cost down的一种模式也不无不可.
跟added value相比,cost down有一个诡异/有趣的在于.
added value的角度里,某个行为是认为可以避免的,或者说可以层叠的.
以Uber来说,载不载人是一个可选项,获得收益只是一个better choice.
但是cost down的角度则是,这是一个不可避免的开销.
因为是必要支出,所以才存在所谓的缩减,而不是取消.
对于Uber来说,这个角度的立足点是整体社会效率,而不是个人效率.
某种形式的宏观和微观层面的差异.
如果是个人效率角度的话,Uber的cost down就应该是直接补贴车主的费用等.
尽管,事实也是这样.
但对于交通等问题的cost down等,就被从设计上忽略掉了.
因为是基于个体层面的,所以社会宏观层面的这些因素是这个微观体系描述不了的.
从某种程度上来说,Google所做的也是一种cost down方式.
因为对于信息的检索获取是存在overlap的.
作为一种公共资源/公共设施/公共调度,所解决的问题便是这类overlap带来的重复成本.
所以,从某种程度上来说,控制成本和提高附加值/开源和节流不矛盾的点在于维度层面的区别.
从宏观维度上做的节流/cost down措施,反馈到微观层面的话,就是某种形式的added value.
就像Uber司机的收益一样.
微观收益来源于宏观上的成本缩减.
顺着这个思路考察UberRUSH的话.
sharing实际上是multiplexing.
也就是把各个路径上具有类似职能/功能的点揉合在了一起,做了某种形式的复用.
从而减少某种形式的重复开销.
可能以前也有过类似的想法,记不太清楚了.
考虑一个简单定义.
Revenue = Earning - Cost.
即利润为收入减去之处.
一般来说,maximize revenue的方式基本就是maximize earning.
但很多时候,earning并不是可以无限增加的.
尤其如果考虑cost本身可能跟earning存在一定程度的关联关系/受同一类变量控制/相关.
所以,如果考虑给定earning存在一个upper bound的话.
那么,剩下的maximize的思路就落在minimize cost/cost down上面了.
下午的思路是构造一个类产业链的闭环,也就是把cost转化为earning.
也就是做类似于把
Revenue = Earning - Cost
中的cost的符号允许负值.
这个其实也就是石油化工行业里常见的产业链的群聚效应.
把某个链条上的支出成本转化为收入利润.
或者类似与金融银行业对资产负债表的一些腾挪手段.
尤其是资产打包转售等,改变会计计量性质的东西.
这个从本质上来说,有点类似于剩余价值理论.
在既有的支出成本的基础上,尽可能地把它从资产负债表的一端移动到另一端.
某种程度上来说,就是一种资源优化配置的特例.
那么以这个角度考量Uber的话.
原则上来说,Uber是作为一种闲散资源的再组合利用.
一种类似中介/agency的东西.
从广义上来说,也就是社会资源的优化配置的方式.
在之前考虑这个的角度是以附加值的形式所做的资源调度.
即,考虑司机用车作为一个既成现实的话.
Uber所做的是让这个事实支出的同时带来跟多的附加收益.
是在
Revenue = Earning - Cost
中对Earning做加法的一个思维方式.
如果这里尝试用cost down的思路看呢?
即不把Uber的行为作为对司机的一种added value,而是作为一种cost down的方式理解.
对于整个social group来说.
纯理想状态下,没有Uber等公共交通方式的话,那么就是一人一车的情况.
公共交通的出现,形式上就是对activities做了一个group/batch,缩减了对应的一些固定开销.
比如空气/交通拥挤度/燃料等各种广义上的公共成本.
所以,从这个角度来说,把Uber理解为cost down的一种模式也不无不可.
跟added value相比,cost down有一个诡异/有趣的在于.
added value的角度里,某个行为是认为可以避免的,或者说可以层叠的.
以Uber来说,载不载人是一个可选项,获得收益只是一个better choice.
但是cost down的角度则是,这是一个不可避免的开销.
因为是必要支出,所以才存在所谓的缩减,而不是取消.
对于Uber来说,这个角度的立足点是整体社会效率,而不是个人效率.
某种形式的宏观和微观层面的差异.
如果是个人效率角度的话,Uber的cost down就应该是直接补贴车主的费用等.
尽管,事实也是这样.
但对于交通等问题的cost down等,就被从设计上忽略掉了.
因为是基于个体层面的,所以社会宏观层面的这些因素是这个微观体系描述不了的.
从某种程度上来说,Google所做的也是一种cost down方式.
因为对于信息的检索获取是存在overlap的.
作为一种公共资源/公共设施/公共调度,所解决的问题便是这类overlap带来的重复成本.
所以,从某种程度上来说,控制成本和提高附加值/开源和节流不矛盾的点在于维度层面的区别.
从宏观维度上做的节流/cost down措施,反馈到微观层面的话,就是某种形式的added value.
就像Uber司机的收益一样.
微观收益来源于宏观上的成本缩减.
顺着这个思路考察UberRUSH的话.
sharing实际上是multiplexing.
也就是把各个路径上具有类似职能/功能的点揉合在了一起,做了某种形式的复用.
从而减少某种形式的重复开销.
2016-05-22
历史的车轮
前段时间看到不少人在谈付费问答的东西.
往大一点看,可以说是用互联网思维颠覆了传统咨询行业.
当然,实际是什么就是另一回事了.
这里想说的是,想起了一点老旧的事情.
记得在RSS还繁荣昌盛的时候.
大概也是还有人写blog的时候,曾经有那么一个话题.
或者说争论/讨论吧.
RSS到底应该不应该只输出摘要,还是说要输出全文.
那时候,分享还是一种固有的默契.
免费也还是单纯没什么杂念的免费.
也正因为这样,连输出摘要引导流量回主站都会被人思考评审一番.
不像现在的自媒体.
各种付费阅读和封闭订阅已经是一种常态.
乃至于趋势上来说,也越来越多的类似darknet的存在.
名义上或者实质上的更关注于特定圈子群体的私密性分享.
在公共空间里剩下的更多的是各种营销和宣传.
或者哗众取宠.
毕竟,互联网让人看到了各种变现的渠道.
一个人的吃喝拉撒举手投足,在这个舞台上,只要有关注度,就有流量,就有可能变成实实在在的财富.
每个人都想着怎么把自己的才能所学做各种各样的变现.
每个举动,都想着是不是能够有足够的回报.
毕竟,不能变现的东西,很多时候确实没什么意义.
也于是的,各种信息资源,只要是存在着不对等/稀缺性,就成了潜在的有价值/能变现的东西.
既然是能够变成实实在在的利益,那么还有什么理由无私/免费的分享出去呢?
所以,这个也没什么好批判的.
毕竟人要生活.
商业要存续.
如果一个曾经开放单纯平等的东西,会慢慢地变成阶级化中心化.
那也是这个系统内的大多数群体的共同选择和内在需求驱动的.
毕竟,即便是在那些good old days,各种开放社区也同样存在这层级的流动和自然隔离.
尤其是随着这个开放系统的普及,越来越多各种各样的人加入.
观念/观点/时间观之间不无地会存在着各种各样的冲突.
就像各个社交媒体的上的各种troll,或者一些dark side的东西.
毕竟,并不是每一人都能像和菜头一样地内心强大经得起种种.
所以,即便有着一些良好传统的心态,作为一名画师,一个写手,或者某个领域的专业人员,去无偿分享一些东西.
也有可能会收到各种各样负面的东西.
于是,一边是设立了门槛并且能够获得收益的系统,一边是即便呕心沥血也依然可能遭受非议的系统.
一个自然的选择自然是倾向于前者.
于是有质量的凋零和曲终人散,也是自然而然的事.
所以,有时候也很难说,这个世界还有没有"分享"这种东西.
或者说是大家变功利了,或者说是被放逐了.
或者只是个人单纯的念旧和跟不上时代而已.
但不管怎么说,越来越多的内容和圈子正在设立各种各样的门槛大概是一个趋势.
至少,在现阶段是这样.
不知道这到底是算社会的一种进步还是说倒车.
几年前风风火火的MOOC还号称要革现存教育制度的命.
而同时世界上各个角落还有着各种各样说清资质水平的各种培训机构.
用今天的话来说,就是MOOC为什么是MOOC.
为什么MOOC不能是培训班.
或者反过来说,为什么培训班不能是MOOC.
你很难说这到底是不是钱的问题.
还是回报的问题.
就像欧洲的难民问题.
你不知道是纯粹的道德压力问题,还是人性使然还是某种形式的政治压力.
但事实就是向着并不是让人很愉快的方向发展.
所以必须承认,实际上并不喜欢这种趋势.
可能是以为自己已经落后时代了.
也可能是因为不是既得利益者.
或者融入不到新社会.
不管怎样.
这就是现状.
为什么要分享.
既然分享不能带来什么,还可能招来非议.
那么,为什么还要分享.
所以,某种程度上来说,互联网还是开放的.
只是可能因为各种各样的原因变得sparse了而已.
往大一点看,可以说是用互联网思维颠覆了传统咨询行业.
当然,实际是什么就是另一回事了.
这里想说的是,想起了一点老旧的事情.
记得在RSS还繁荣昌盛的时候.
大概也是还有人写blog的时候,曾经有那么一个话题.
或者说争论/讨论吧.
RSS到底应该不应该只输出摘要,还是说要输出全文.
那时候,分享还是一种固有的默契.
免费也还是单纯没什么杂念的免费.
也正因为这样,连输出摘要引导流量回主站都会被人思考评审一番.
不像现在的自媒体.
各种付费阅读和封闭订阅已经是一种常态.
乃至于趋势上来说,也越来越多的类似darknet的存在.
名义上或者实质上的更关注于特定圈子群体的私密性分享.
在公共空间里剩下的更多的是各种营销和宣传.
或者哗众取宠.
毕竟,互联网让人看到了各种变现的渠道.
一个人的吃喝拉撒举手投足,在这个舞台上,只要有关注度,就有流量,就有可能变成实实在在的财富.
每个人都想着怎么把自己的才能所学做各种各样的变现.
每个举动,都想着是不是能够有足够的回报.
毕竟,不能变现的东西,很多时候确实没什么意义.
也于是的,各种信息资源,只要是存在着不对等/稀缺性,就成了潜在的有价值/能变现的东西.
既然是能够变成实实在在的利益,那么还有什么理由无私/免费的分享出去呢?
所以,这个也没什么好批判的.
毕竟人要生活.
商业要存续.
如果一个曾经开放单纯平等的东西,会慢慢地变成阶级化中心化.
那也是这个系统内的大多数群体的共同选择和内在需求驱动的.
毕竟,即便是在那些good old days,各种开放社区也同样存在这层级的流动和自然隔离.
尤其是随着这个开放系统的普及,越来越多各种各样的人加入.
观念/观点/时间观之间不无地会存在着各种各样的冲突.
就像各个社交媒体的上的各种troll,或者一些dark side的东西.
毕竟,并不是每一人都能像和菜头一样地内心强大经得起种种.
所以,即便有着一些良好传统的心态,作为一名画师,一个写手,或者某个领域的专业人员,去无偿分享一些东西.
也有可能会收到各种各样负面的东西.
于是,一边是设立了门槛并且能够获得收益的系统,一边是即便呕心沥血也依然可能遭受非议的系统.
一个自然的选择自然是倾向于前者.
于是有质量的凋零和曲终人散,也是自然而然的事.
所以,有时候也很难说,这个世界还有没有"分享"这种东西.
或者说是大家变功利了,或者说是被放逐了.
或者只是个人单纯的念旧和跟不上时代而已.
但不管怎么说,越来越多的内容和圈子正在设立各种各样的门槛大概是一个趋势.
至少,在现阶段是这样.
不知道这到底是算社会的一种进步还是说倒车.
几年前风风火火的MOOC还号称要革现存教育制度的命.
而同时世界上各个角落还有着各种各样说清资质水平的各种培训机构.
用今天的话来说,就是MOOC为什么是MOOC.
为什么MOOC不能是培训班.
或者反过来说,为什么培训班不能是MOOC.
你很难说这到底是不是钱的问题.
还是回报的问题.
就像欧洲的难民问题.
你不知道是纯粹的道德压力问题,还是人性使然还是某种形式的政治压力.
但事实就是向着并不是让人很愉快的方向发展.
所以必须承认,实际上并不喜欢这种趋势.
可能是以为自己已经落后时代了.
也可能是因为不是既得利益者.
或者融入不到新社会.
不管怎样.
这就是现状.
为什么要分享.
既然分享不能带来什么,还可能招来非议.
那么,为什么还要分享.
所以,某种程度上来说,互联网还是开放的.
只是可能因为各种各样的原因变得sparse了而已.
2016-05-02
网络结构与经济系统
五一到开平走了走.
自然不自然地对会对物价和经济水平有点认识.
大概算了下,按房价来说,可能就是3-4k左右的水平.
跟老家那边4-5k来说算很便宜了.
尤其老家那边在广东在经济也算倒数的.
物价方面也可以说是相当地便宜.
有点比较有意思的是.
在某饭店吃完饭结账,看到老板在用算盘算账.
在看习惯了各种贴着微信支付宝支付标签的人来说.
而且看某些田地,据说还是以插秧方式耕作的.
某种微妙的时空错层感.
不过主要想到的是这种跟老家对比之下的,经济水平跟价格水平的不对称关系.
也就是说,经济的发达程度,跟本地价格水平似乎并不存在一个明显的对应关系.
经济较为发达也并不意味着价格水平就会相对高些.
但想想,也不是特别难理解.
如果一个地方的经济贸易主要是自给自足型的话,那么来自外来的价格因素影响就有限.
在这种情况下,价格因素应该是趋于较为稳定合理情况的.
因为从现金/交易流向的角度来看的话,可以认为这是一个闭合的系统.
无论内里的交易状况如何复杂,从总体上来说都是一个零和的结构.
把这里面的所有经济个体考虑为一个network或者graph的节点.
从flow的角度来说,如果任意一个节点出现了异常的流量变化.
那么由于整个系统的是零和的,则必然会对该节点的进出节点产生流量变化影响.
递归地,就会对全网的流量造成一个整体的调整.
在这个调整过程中,就有可能使得某些节点消失,从而改变整个网络的拓扑结构.
这个改变会带来两个可能的影响结果.
一个是保持网络依然是零和的流量系统.
另一个则是使得这个零和特性消失.
如果是后者的话,那么也就意味着自给自足型的经济模式被打破.
而如果是前者的话,其实也可以反过来考虑两种结论.
一个经济闭合体如果保持着零和的特性,那么也就意味着要么是处在一个均衡的状态.
要么就是处于一个依然维持零和的网络变换中间态.
均衡状态的话,没什么好说的.
结构和模式以及流向都是固定参数.
持续的动态零和的话,则说明系统的流量可能是一个不稳定的变化过程.
甚至可能节点的建立和湮灭也是一个频繁的事情.
前者的一个宏观体现可能是价格水平变动比较频繁,并且可能在种类之间尤其做切换.
后者则可能是一些经济模式的不断/快速变化.
不过总得来说,如果是构架一个闭合的零和经济系统的话,那么在给定的网络总流量的前提下.
应该是有办法设计和调控/制造一种均衡状态的.
那么对于非自给自足的经济体来说呢?
在这这情况下,对于的模型就应该是经济体自身做个一个大的super node,然后同时有流入流出的flow.
同样地,在这种模型下,依然在一个算术意义上的零和系统.
但跟完全闭合的系统所不同的是,由于进出的流量是一个外部因素/变量.
所以,虽然能够暂时制造一种均衡状态,但始终来说是一个带random variable的描述式.
但换个角度,如果把这个super node看成一个更大范围内的经济体系统的单一节点的话,则是有可能存在使得这个更大的经济系统均衡的方式的.
那么,就存在使得每个节点进出流量保持恒定状态的规划方式.
也就是说,通过递归的方式,保证一个上层经济系统均衡的情况下,可以让下层经济系统退化为一个semi-zero system.
然后应用同样的方式,使得这个semi-zero system保持均衡状态.
所以,简单来说,这个可以认为是某种形式的流量规划.
当然,现实条件可能更复杂些.
毕竟各种产业存在着不同级别的细分.
即使有办法全部细分归类,然后构建成一个layer/stacked network,也可能并不是feasible的.
因为每个network stack/plane之间可能存在着各种交叉连接的graph形式.
当然,理论上是有可能做一些特化,做些pruning的优化处理的.
比如针对跨network plane的graph节点先做均衡/stationary的处理,让stack稳定之后再做network plane的均衡处理.
不过说到底,最多定性层面的possible而已.
自然不自然地对会对物价和经济水平有点认识.
大概算了下,按房价来说,可能就是3-4k左右的水平.
跟老家那边4-5k来说算很便宜了.
尤其老家那边在广东在经济也算倒数的.
物价方面也可以说是相当地便宜.
有点比较有意思的是.
在某饭店吃完饭结账,看到老板在用算盘算账.
在看习惯了各种贴着微信支付宝支付标签的人来说.
而且看某些田地,据说还是以插秧方式耕作的.
某种微妙的时空错层感.
不过主要想到的是这种跟老家对比之下的,经济水平跟价格水平的不对称关系.
也就是说,经济的发达程度,跟本地价格水平似乎并不存在一个明显的对应关系.
经济较为发达也并不意味着价格水平就会相对高些.
但想想,也不是特别难理解.
如果一个地方的经济贸易主要是自给自足型的话,那么来自外来的价格因素影响就有限.
在这种情况下,价格因素应该是趋于较为稳定合理情况的.
因为从现金/交易流向的角度来看的话,可以认为这是一个闭合的系统.
无论内里的交易状况如何复杂,从总体上来说都是一个零和的结构.
把这里面的所有经济个体考虑为一个network或者graph的节点.
从flow的角度来说,如果任意一个节点出现了异常的流量变化.
那么由于整个系统的是零和的,则必然会对该节点的进出节点产生流量变化影响.
递归地,就会对全网的流量造成一个整体的调整.
在这个调整过程中,就有可能使得某些节点消失,从而改变整个网络的拓扑结构.
这个改变会带来两个可能的影响结果.
一个是保持网络依然是零和的流量系统.
另一个则是使得这个零和特性消失.
如果是后者的话,那么也就意味着自给自足型的经济模式被打破.
而如果是前者的话,其实也可以反过来考虑两种结论.
一个经济闭合体如果保持着零和的特性,那么也就意味着要么是处在一个均衡的状态.
要么就是处于一个依然维持零和的网络变换中间态.
均衡状态的话,没什么好说的.
结构和模式以及流向都是固定参数.
持续的动态零和的话,则说明系统的流量可能是一个不稳定的变化过程.
甚至可能节点的建立和湮灭也是一个频繁的事情.
前者的一个宏观体现可能是价格水平变动比较频繁,并且可能在种类之间尤其做切换.
后者则可能是一些经济模式的不断/快速变化.
不过总得来说,如果是构架一个闭合的零和经济系统的话,那么在给定的网络总流量的前提下.
应该是有办法设计和调控/制造一种均衡状态的.
那么对于非自给自足的经济体来说呢?
在这这情况下,对于的模型就应该是经济体自身做个一个大的super node,然后同时有流入流出的flow.
同样地,在这种模型下,依然在一个算术意义上的零和系统.
但跟完全闭合的系统所不同的是,由于进出的流量是一个外部因素/变量.
所以,虽然能够暂时制造一种均衡状态,但始终来说是一个带random variable的描述式.
但换个角度,如果把这个super node看成一个更大范围内的经济体系统的单一节点的话,则是有可能存在使得这个更大的经济系统均衡的方式的.
那么,就存在使得每个节点进出流量保持恒定状态的规划方式.
也就是说,通过递归的方式,保证一个上层经济系统均衡的情况下,可以让下层经济系统退化为一个semi-zero system.
然后应用同样的方式,使得这个semi-zero system保持均衡状态.
所以,简单来说,这个可以认为是某种形式的流量规划.
当然,现实条件可能更复杂些.
毕竟各种产业存在着不同级别的细分.
即使有办法全部细分归类,然后构建成一个layer/stacked network,也可能并不是feasible的.
因为每个network stack/plane之间可能存在着各种交叉连接的graph形式.
当然,理论上是有可能做一些特化,做些pruning的优化处理的.
比如针对跨network plane的graph节点先做均衡/stationary的处理,让stack稳定之后再做network plane的均衡处理.
不过说到底,最多定性层面的possible而已.
2016-04-17
一些关于交易策略的计算
考虑一个交易策略.
有Winning的概率获得Return的收益.
同时有1-Winning的概率获得Lose的收益
那么进行一次交易后的
Cash_1 = Cash_0 * (1+Return)*Winning*(Realize_0) + Cash_0 * (1-Lose)*(1-Winning)*(1-Realize_0)
其中Realize_0为实际发生的是Return的收益还是Lose的收益.
即 Realize_0 = {0,1}
推广下就是
Cash_{n+1} = Cash_0 * \prod_i^n ( (1+Return)*Winning*Realize_i) +(1-Lose)*(1-Winning)*(1-Realize_i) )
令Cash_0 = 1
->
Cash_{n+1} = \prod_i^n ( (Winning+ Return*Winning)*Realize_i + (1-Lose)*(1-Winning) - (1-Lose)*(1-Winning)*Realize_i )
->
Cash_{n+1} = \prod_i^n (Winning+ Return*Winning - (1-Lose)*(1-Winning))*Realize_i + (1-Lose)*(1-Winning)
对于给定策略来说,Winning Return 和Lose都是一个常数.
令
A = (Winning+ Return*Winning - (1-Lose)*(1-Winning))
B = (1-Lose)*(1-Winning)
则有
Cash_{n+1} = \prod_i^n A*Realize_i+B
由于Realize_i的取值为离散的1和0.
考虑让n=p+q,其中p为取值1的数量,q为取值0的数量.
则有
Cash_{n+1} = ((A+B)^p) * (B^q)
->
Cash_{n+1} = ((1+Return)*Winning)^p) * ((1-Lose)*(1-Winning))^q
考虑Winning=0.5,Return = Lose = k的情况.
->
Cash_{n+1} = ( (1+k)^p*(1-k)^q )/2^n
由于Winning为0.5,也就是说当n->\infty的时候p=q
->
Cash_{n+1} = (1-k^2)^(n/2) / 2^n
->
Cash_{n+1} = \sqrt{ ((1-k^2)/4)^n }
在这种条件下,要有实际意义的盈利空间就意味着
Cash_{n+1} > 1
->
\sqrt{ ((1-k^2)/4)^n } > 1
->
((1-k^2)/4)^n > 1
->
(1-k^2)/4) > 1
->
3+k^2 < 0 但由于k>0
->
3+k^2 > 3
与需要满足的条件矛盾.
也就是说,在50%胜率,且单次交易盈亏幅度相同的情况下.
随着交易次数的增加,收益率是趋向0的.
这个跟直觉上可能有点冲突.
对于给定的50 50胜率的重复实验来说,其期望应该是
E=1+Return-Lose
当Return=Lose的时候
E=1即不变的.
但这里隐含的条件是每次执行策略都是相互独立/完全相同的初始条件的.
对于实际上的操作来说,每次的策略执行的Cash_i是不同的,且依赖于上一次的结果.
所以,对于这种类型的交易策略来说,并不能直接套用这类期望计算.
一个较为直观的解释是.
假设胜率为50%,收益率为正负10%.
那么对于两次分别正负的策略执行来说,就有可能存在
1.1*0.9 = 0.99
虽然收益率的幅度相同,但是由于基数不同,所以导致了实际并不为一的情况.
而且就这种情况来说,要使得收益为1.
1.1*x=1
->
x=0.909
换句话来说,在这种胜负均等的简单情况下,也要求正收益率要高于负收益率.
如果考虑实际的市场波动情况的话,结果可能更复杂.
考虑
Cash_{n+1} = ((1+Return)*Winning)^p) * ((1-Lose)*(1-Winning))^q
当n->\infty
Winning = p/(p+q)
也就是p的出现次数跟总次数的比值会趋近于Winning.
->
Cash_{n+1} = (1+Return)^p * p^p * (p+q)^(-p) * (1-Lose)^q * q^q * (p+q)^(-q)
->
Cash_{n+1} = ( (p+p*Return)^p * (q-q*Lose)^q ) / (p+q)^(p+q)
令Return=x,Lose=0,p+q=n
->
Cash_{n+1} = (p+p*x)^p *q^q / ((p+q)^(p+q))
->
Cash_{n+1} = ((p+p*x)/n)^p * (q/n)^q
当n->\infty
Winning = p/(p+q) = w
->
Cash_{n+1} = (w+w*x)^p * (1-w)^((p-w*p)/w)
->
Cash_{n+1} = ( ((w+w*x)/(1-w)) * (\sqrt[w](1-w)) ) ^ p
令Cash_{n+1} > 1
->
( ((w+w*x)/(1-w)) * (\sqrt[w](1-w)) ) ^ p > 1
当n-> \infty时,不管w/胜率为多少,那么p-> \infty
->
((w+w*x)/(1-w)) * (\sqrt[w](1-w)) > 1
->
((w+w*x)/(1-w))^w * (1-w) > 1
对w求偏导数
->
\frac{ \partial( ((w+w*x)/(1-w))^w * (1-w) ) }{ \partial w } = (w+1)*( ((x+1)*w)/(1-w) )^w * \log (x+1)*w/(1-w)
而
\frac{ \partial( \log (x+1)*w/(1-w) )}{ \partial w } = (\log(x+1)) / ((1-w)^2)
假设x>=0的话,
则\frac{ \partial( \log (x+1)*w/(1-w) )}{ \partial w } = (\log(x+1)) / ((1-w)^2) > 0
即\log (x+1)*w/(1-w)是一个关于w的区间内的单调递增函数.
由于w \in [0,1],
则\log (x+1)*w/(1-w) \in [-\infty,+\infty]
那么对于\log (x+1)*w/(1-w)来说就存在一个零点w_0.
使得
当w 0
即当 w < w_0时,((w+w*x)/(1-w))^w * (1-w) > ((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0)
当w>w_0时,\log (x+1)*w/(1-w) > 0.
((w+w*x)/(1-w))^w * (1-w) < ((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0) 即((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0)为给定x的对于w的最小值. 那么对于给定的收益率x \log (x+1)*w/(1-w) = 0 ->
(x+1)*w/(1-w) = 1
->
w = w_0 = 1/(x+2)
->
((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0) = ((x+1)/(x+2))^((x+3)/(x+2)) > 1
->
x<-3 也就是说,并不存在一个收益率,使得无论其胜率如何都能产生正的收益. 这其实是很符合直觉感受的. 但对于给定的收益率x,还是能得出一个交易胜率下限要求的. ((w+w*x)/(1-w))^w * (1-w) > 1
令x=0.01
->
w>0.9987
当然,这个通常没有什么意义.
如果有99%胜率的交易策略,那么也不用做这些计算了.
有Winning的概率获得Return的收益.
同时有1-Winning的概率获得Lose的收益
那么进行一次交易后的
Cash_1 = Cash_0 * (1+Return)*Winning*(Realize_0) + Cash_0 * (1-Lose)*(1-Winning)*(1-Realize_0)
其中Realize_0为实际发生的是Return的收益还是Lose的收益.
即 Realize_0 = {0,1}
推广下就是
Cash_{n+1} = Cash_0 * \prod_i^n ( (1+Return)*Winning*Realize_i) +(1-Lose)*(1-Winning)*(1-Realize_i) )
令Cash_0 = 1
->
Cash_{n+1} = \prod_i^n ( (Winning+ Return*Winning)*Realize_i + (1-Lose)*(1-Winning) - (1-Lose)*(1-Winning)*Realize_i )
->
Cash_{n+1} = \prod_i^n (Winning+ Return*Winning - (1-Lose)*(1-Winning))*Realize_i + (1-Lose)*(1-Winning)
对于给定策略来说,Winning Return 和Lose都是一个常数.
令
A = (Winning+ Return*Winning - (1-Lose)*(1-Winning))
B = (1-Lose)*(1-Winning)
则有
Cash_{n+1} = \prod_i^n A*Realize_i+B
由于Realize_i的取值为离散的1和0.
考虑让n=p+q,其中p为取值1的数量,q为取值0的数量.
则有
Cash_{n+1} = ((A+B)^p) * (B^q)
->
Cash_{n+1} = ((1+Return)*Winning)^p) * ((1-Lose)*(1-Winning))^q
考虑Winning=0.5,Return = Lose = k的情况.
->
Cash_{n+1} = ( (1+k)^p*(1-k)^q )/2^n
由于Winning为0.5,也就是说当n->\infty的时候p=q
->
Cash_{n+1} = (1-k^2)^(n/2) / 2^n
->
Cash_{n+1} = \sqrt{ ((1-k^2)/4)^n }
在这种条件下,要有实际意义的盈利空间就意味着
Cash_{n+1} > 1
->
\sqrt{ ((1-k^2)/4)^n } > 1
->
((1-k^2)/4)^n > 1
->
(1-k^2)/4) > 1
->
3+k^2 < 0 但由于k>0
->
3+k^2 > 3
与需要满足的条件矛盾.
也就是说,在50%胜率,且单次交易盈亏幅度相同的情况下.
随着交易次数的增加,收益率是趋向0的.
这个跟直觉上可能有点冲突.
对于给定的50 50胜率的重复实验来说,其期望应该是
E=1+Return-Lose
当Return=Lose的时候
E=1即不变的.
但这里隐含的条件是每次执行策略都是相互独立/完全相同的初始条件的.
对于实际上的操作来说,每次的策略执行的Cash_i是不同的,且依赖于上一次的结果.
所以,对于这种类型的交易策略来说,并不能直接套用这类期望计算.
一个较为直观的解释是.
假设胜率为50%,收益率为正负10%.
那么对于两次分别正负的策略执行来说,就有可能存在
1.1*0.9 = 0.99
虽然收益率的幅度相同,但是由于基数不同,所以导致了实际并不为一的情况.
而且就这种情况来说,要使得收益为1.
1.1*x=1
->
x=0.909
换句话来说,在这种胜负均等的简单情况下,也要求正收益率要高于负收益率.
如果考虑实际的市场波动情况的话,结果可能更复杂.
考虑
Cash_{n+1} = ((1+Return)*Winning)^p) * ((1-Lose)*(1-Winning))^q
当n->\infty
Winning = p/(p+q)
也就是p的出现次数跟总次数的比值会趋近于Winning.
->
Cash_{n+1} = (1+Return)^p * p^p * (p+q)^(-p) * (1-Lose)^q * q^q * (p+q)^(-q)
->
Cash_{n+1} = ( (p+p*Return)^p * (q-q*Lose)^q ) / (p+q)^(p+q)
令Return=x,Lose=0,p+q=n
->
Cash_{n+1} = (p+p*x)^p *q^q / ((p+q)^(p+q))
->
Cash_{n+1} = ((p+p*x)/n)^p * (q/n)^q
当n->\infty
Winning = p/(p+q) = w
->
Cash_{n+1} = (w+w*x)^p * (1-w)^((p-w*p)/w)
->
Cash_{n+1} = ( ((w+w*x)/(1-w)) * (\sqrt[w](1-w)) ) ^ p
令Cash_{n+1} > 1
->
( ((w+w*x)/(1-w)) * (\sqrt[w](1-w)) ) ^ p > 1
当n-> \infty时,不管w/胜率为多少,那么p-> \infty
->
((w+w*x)/(1-w)) * (\sqrt[w](1-w)) > 1
->
((w+w*x)/(1-w))^w * (1-w) > 1
对w求偏导数
->
\frac{ \partial( ((w+w*x)/(1-w))^w * (1-w) ) }{ \partial w } = (w+1)*( ((x+1)*w)/(1-w) )^w * \log (x+1)*w/(1-w)
而
\frac{ \partial( \log (x+1)*w/(1-w) )}{ \partial w } = (\log(x+1)) / ((1-w)^2)
假设x>=0的话,
则\frac{ \partial( \log (x+1)*w/(1-w) )}{ \partial w } = (\log(x+1)) / ((1-w)^2) > 0
即\log (x+1)*w/(1-w)是一个关于w的区间内的单调递增函数.
由于w \in [0,1],
则\log (x+1)*w/(1-w) \in [-\infty,+\infty]
那么对于\log (x+1)*w/(1-w)来说就存在一个零点w_0.
使得
当w
即当 w < w_0时,((w+w*x)/(1-w))^w * (1-w) > ((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0)
当w>w_0时,\log (x+1)*w/(1-w) > 0.
((w+w*x)/(1-w))^w * (1-w) < ((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0) 即((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0)为给定x的对于w的最小值. 那么对于给定的收益率x \log (x+1)*w/(1-w) = 0 ->
(x+1)*w/(1-w) = 1
->
w = w_0 = 1/(x+2)
->
((w_0+w_0*x)/(1-w_0))^w_0 * (1-w_0) = ((x+1)/(x+2))^((x+3)/(x+2)) > 1
->
x<-3 也就是说,并不存在一个收益率,使得无论其胜率如何都能产生正的收益. 这其实是很符合直觉感受的. 但对于给定的收益率x,还是能得出一个交易胜率下限要求的. ((w+w*x)/(1-w))^w * (1-w) > 1
令x=0.01
->
w>0.9987
当然,这个通常没有什么意义.
如果有99%胜率的交易策略,那么也不用做这些计算了.
2016-03-19
信贷扩张与杠杆均衡
杠杆(leverage)大概是近两年来出现在大众视野里比较高频的一个词.
一个是去年的股灾源因,基本认同是由于加杠杆和去杠杆造成的.
另一个大概就是各种互联网金融消费,即是花呗白条之类的信用贷款.
特别地是后者,在对待信用卡方便还比较谨慎或者相对有门槛的人,也因此走上了信用消费的道路.
虽然通常来说,这个并不认为是杠杆,或者至少不是狭义层面的杠杆.
本质上来说,杠杆是一种对时间的风险压缩函数.
尽管,在一般体现上,对应的可能是资本的信贷倍数.
但如果从投资角度上来看,加杠杆的行为可以认为是对某种行为的相对确定的预期回报所做出的策略.
比如对于某项投资,有着10%利润预期,那么自然从纯数学上来说,基数越大越好.
如果把这种预期投资展开,作为一种类似久期或者永续债券方式看待的话.
那么对于给定基数funding和杠杆系数leverage,和固定的每期return on investment ROI.
则加杠杆的总投入为funding * leverage.
则等价于在固定ROI n年之后的本息投入.
即使(1+ROI)^n = leverage.
相当于是把未来几年的收益提前兑现.
当然,实际精确些的还要考虑risk free interest rate等.
但直观的说,就相当于把这么一个n年的时间周期压缩到当下.
同时,如果把这种duration的看法还原成原来的投资行为.
那么对应的,投资失败带来的lose也就可以认为是被压缩的风险的兑现.
从这个角度看的话,加杠杆无非是把未来N年的某种固定投资回报几率的行为的兑现集中在同一时刻兑现而已.
这会带来什么问题呢?
概率上来说,lose/gain的几率应该是不变的,对应的数量也自然不会变.
但考虑到杠杆压缩之后,多次的相对独立时间变为单次实验,那么自然有存在的比较大的variance.
所以,就可能存在要么资本快速扩张,要么快速湮灭的情况.
于是,以这个思路考察信贷扩张的话.
也就不难理解,为什么信贷扩张有时候能产生一些经济高速发展的奇迹,同时也可能发生各种各样的问题.
当前的信贷扩张是种什么情况呢?
大概就是十几亿人忽然明白了杠杆这种玩法,然后遇上一个市场的上升周期.
于是纷纷加杠杆意图缩短自身的财富累计时间周期.
这一点没什么值得评论的.
问题在于,这种杠杆/压缩能无限进行下去么?
即使抛弃单次概率事件的variance,使得leverage之后的mean return保持不变.
那么,因为时间/兑现周期被压缩了N年,从某种层面上来说就是资本在当下被扩张了N年发展应有的数量.
在这个基础上看到话,也就是资本规模也随着杠杆而做了巨量的扩充.
有多少增长的资本在流动市场,那么也就意味这有多少对应的货币.
资本无限扩张带来的自然就是对应的应量计量货币的增长.
不考虑其他情况的话,也就是通货膨胀的对应增长.
但如果对于的消费能力和工资水平没有增长的话,那么就存在一个错级和断裂的可能.
错级是因为非资本运作带来的收益赶不上通胀的速度.
换句话说,就是"实业"相对来说就是亏损状态.
没有实际利润存在,也就意味着没有存在的价值.
当然,管制行业是另一回事.
但从社会层面上来说,实业的萎缩直接的结果就是终端消费的萎缩.
即使不做过度推演,很自然的一个结果就是资本虚热,而消费停滞.
一旦没有生产在作用,即使资本层面没有问题,社会层面的运转也会随之断裂.
一个简单的说明模型就是,两个人互相买卖房屋.
以为存在信用/信贷扩张关系,所以价格可以不断上扬.
但实际上并没有对应的生产实物以支持这种不断攀升的货币/资本水平.
与此同时,由于信贷出口的关系,名义上的流动货币和实际的流动货币时间就存在一个差值.
以为增长的货币实际是互相买卖的账面流动,而非实际的消费促使的.
所以,一方面是信贷扩张带来的账面通货膨胀.
一方面是消费水平维持不变而总货币超发带来的畸形的流动性缺失/经济萧条,以及可能的实际的通货紧缩状态.
因为实际消费所需要的货币量并没有改变.
于是,从这个角度来说,信贷扩张带动经济增长的模式并不是能一直无限延伸下去的.
而是应该存在一个理论的计量式或者定量限定,将扩张带来的时间压缩函数控制在一定范围内.
保证某种程度上的合理的预期收益/风险兑现.
直觉是,这个杠杆均衡点的函数,应该是一个相对简单的跟收益率相关的函数.
放大到普世尺度的话,就是某种行业相关的加权函数或者多维向量了.
一个是去年的股灾源因,基本认同是由于加杠杆和去杠杆造成的.
另一个大概就是各种互联网金融消费,即是花呗白条之类的信用贷款.
特别地是后者,在对待信用卡方便还比较谨慎或者相对有门槛的人,也因此走上了信用消费的道路.
虽然通常来说,这个并不认为是杠杆,或者至少不是狭义层面的杠杆.
本质上来说,杠杆是一种对时间的风险压缩函数.
尽管,在一般体现上,对应的可能是资本的信贷倍数.
但如果从投资角度上来看,加杠杆的行为可以认为是对某种行为的相对确定的预期回报所做出的策略.
比如对于某项投资,有着10%利润预期,那么自然从纯数学上来说,基数越大越好.
如果把这种预期投资展开,作为一种类似久期或者永续债券方式看待的话.
那么对于给定基数funding和杠杆系数leverage,和固定的每期return on investment ROI.
则加杠杆的总投入为funding * leverage.
则等价于在固定ROI n年之后的本息投入.
即使(1+ROI)^n = leverage.
相当于是把未来几年的收益提前兑现.
当然,实际精确些的还要考虑risk free interest rate等.
但直观的说,就相当于把这么一个n年的时间周期压缩到当下.
同时,如果把这种duration的看法还原成原来的投资行为.
那么对应的,投资失败带来的lose也就可以认为是被压缩的风险的兑现.
从这个角度看的话,加杠杆无非是把未来N年的某种固定投资回报几率的行为的兑现集中在同一时刻兑现而已.
这会带来什么问题呢?
概率上来说,lose/gain的几率应该是不变的,对应的数量也自然不会变.
但考虑到杠杆压缩之后,多次的相对独立时间变为单次实验,那么自然有存在的比较大的variance.
所以,就可能存在要么资本快速扩张,要么快速湮灭的情况.
于是,以这个思路考察信贷扩张的话.
也就不难理解,为什么信贷扩张有时候能产生一些经济高速发展的奇迹,同时也可能发生各种各样的问题.
当前的信贷扩张是种什么情况呢?
大概就是十几亿人忽然明白了杠杆这种玩法,然后遇上一个市场的上升周期.
于是纷纷加杠杆意图缩短自身的财富累计时间周期.
这一点没什么值得评论的.
问题在于,这种杠杆/压缩能无限进行下去么?
即使抛弃单次概率事件的variance,使得leverage之后的mean return保持不变.
那么,因为时间/兑现周期被压缩了N年,从某种层面上来说就是资本在当下被扩张了N年发展应有的数量.
在这个基础上看到话,也就是资本规模也随着杠杆而做了巨量的扩充.
有多少增长的资本在流动市场,那么也就意味这有多少对应的货币.
资本无限扩张带来的自然就是对应的应量计量货币的增长.
不考虑其他情况的话,也就是通货膨胀的对应增长.
但如果对于的消费能力和工资水平没有增长的话,那么就存在一个错级和断裂的可能.
错级是因为非资本运作带来的收益赶不上通胀的速度.
换句话说,就是"实业"相对来说就是亏损状态.
没有实际利润存在,也就意味着没有存在的价值.
当然,管制行业是另一回事.
但从社会层面上来说,实业的萎缩直接的结果就是终端消费的萎缩.
即使不做过度推演,很自然的一个结果就是资本虚热,而消费停滞.
一旦没有生产在作用,即使资本层面没有问题,社会层面的运转也会随之断裂.
一个简单的说明模型就是,两个人互相买卖房屋.
以为存在信用/信贷扩张关系,所以价格可以不断上扬.
但实际上并没有对应的生产实物以支持这种不断攀升的货币/资本水平.
与此同时,由于信贷出口的关系,名义上的流动货币和实际的流动货币时间就存在一个差值.
以为增长的货币实际是互相买卖的账面流动,而非实际的消费促使的.
所以,一方面是信贷扩张带来的账面通货膨胀.
一方面是消费水平维持不变而总货币超发带来的畸形的流动性缺失/经济萧条,以及可能的实际的通货紧缩状态.
因为实际消费所需要的货币量并没有改变.
于是,从这个角度来说,信贷扩张带动经济增长的模式并不是能一直无限延伸下去的.
而是应该存在一个理论的计量式或者定量限定,将扩张带来的时间压缩函数控制在一定范围内.
保证某种程度上的合理的预期收益/风险兑现.
直觉是,这个杠杆均衡点的函数,应该是一个相对简单的跟收益率相关的函数.
放大到普世尺度的话,就是某种行业相关的加权函数或者多维向量了.
2016-03-10
一点发散
大概是下午还是晚上时候的一个思路.
不知道还接不接地上.
某种程度上来说,neural network有点像数字电路里的基本逻辑.
尤其如果把一个trained network看作一个single unit的话.
DNN实际上就是一堆unit的组合.
从程序语言的角度来说,有点像low level machine code和high level programing language.
把一些基础的底层抽象作为某种形式的feature,去构建更高纬度的描述.
就像一个简单的例子.
一个NN识别长方体,一个NN识别个数,一个NN识别角度关系.
组合一下,差不多就能够描述一张桌子了.
剩下的其实就是这么调参和组合/加权的问题.
而想想,人意识到是一张桌子的过程和采用的feature可能也差不多.
只不过会更复杂一些.
比如context里有屋子,有椅子.
然后概率性地会把对"桌子"的识别的搜索限定到"桌子"的范围内.
就像AlphaGo的policy network.
本质上就是把一些常规棋谱的模式encode进来,提供给value network做一些"常规"的"符合人类直觉"的选择.
只不过这里比较tricky的地方是,policy network encode的模式是一个snapshot.
下子之间不具有关联关系.
所以某种程度上来说,容易出现实际超长步数的策略建议.
回到NN的问题上.
既然一个DNN是一种NN的叠加和组合产生的高阶描述.
那么理论上来说,只要堆叠的NN足够多.
在不考虑运算力和存储等现实约束的前提下,进化出"智能"/"意识"也不是不可能的.
毕竟,人类的所谓学习/创造能力也不过是一些在现有learned feature上组合出来的.
尤其是如果数学推演能描述人类绝大多数甚至全部构成和行为的话.
那么在这点上,两者是完全没有区别的.
即使是matrix里提到的"感情"这种不等式存在.
在形式上来说,也是可以被精确描述和还原的.
所以,在这个层面上来说,讨论AI和人类的区别是没有意义的.
而实际上,这种堆叠不可能是无限细化和实时的.
某种程度上来说,人类对于NN based的AI来说,就是某种形式的laplace's demon.
至少从目前的技术角度来说,类DNN架构里,NN的数量相对于人类的神经系统来说还是非常有限的.
但是,如果换个角度来说,这里就可能存在某种形式的商业逻辑.
也就是一开始所说的数字电路/编程语言的思路.
考虑,如果把所有NN开放到互联网上,以某种公共协议的方式进行数据交换/交互的话.
那么就有可能把这种AI的智能程度提高一个层次.
就像桌子的例子.
通过全网的某种类RPC形式的交互调用可以得到某种encode比较丰富的feature vector.
它的dimension数量可能是想关于NN的数量的.
这么考虑的话,一个集中全网范围的存储和算力的类DNN架构,其"智能"程度也就可能超出现在的想象.
而对于"自主思考"这类问题,本质上来说不过是一些细化的feature组合之后,产生发现一个新的比较有区分度的sub space的过程而已.
比如对于一个自然数的加法group.
某个NN或者DNN能够infer/encode出5+5+5,3+3+3+3这类相同数字的连续加的结果的一些模式.
然后另外某些能够infer/encode出这里有连续数的+操作.
那么两者结合一下就有可能出来关于*的一个NN/DNN.
apply 回去的话,就是一个比较完整的关于*的创造性/学习/新的描述了.
实际上,AlphaGo的reinforced policy network就类似于对supervise policy network的一些模式encode.
对应与+操作的一些high level abstraction.
在基于此上的value network就是类似于infer出来的*操作了.
所以,从这个角度上来说AlphaGo确实是一种比较完整的对于人类思路的复刻.
某种程度上来说,大概所有DNN都是这种模仿方式.
只不过在实现上,由于各自选择的对于low level information的abstract角度不太一样罢了.
而在某些问题领域上,可供选择和考虑的抽象并不是特别多样化,所以是可能存在一定程度的重复工作的.
于是,以这个角度考虑一些做ML方案/平台的各种startup的话,方向倒也没错就是了.
从狭义上来说,都是各自提供了一些自己的pretrain的model给人做二次开发的.
如果能够推广一下,以某种公共协议或者调用方式对各种异构的NN做一个数据交换的话,大概人类文明能有一个比较大程度的飞跃.
尤其如果能推动到数学推演上面的话,以AlphaGo这种搜索方式的话,大概会有相当一部分问题能得到解/证明/证伪.
从这点上来说,AlphaGo的意义还是相当时代性的.
至少也是给通俗世界提供了一种新的思路.
就像前几年把DNN带到工业界的意义一样.
尽管,可能这些东西在学术界躺了几年甚至几十年了.
但终归,总会有像Google这种有能力有威望的人,把它带到人们面前.
创造或者提供一种全新的角度审视一些问题/东西.
不知道还接不接地上.
某种程度上来说,neural network有点像数字电路里的基本逻辑.
尤其如果把一个trained network看作一个single unit的话.
DNN实际上就是一堆unit的组合.
从程序语言的角度来说,有点像low level machine code和high level programing language.
把一些基础的底层抽象作为某种形式的feature,去构建更高纬度的描述.
就像一个简单的例子.
一个NN识别长方体,一个NN识别个数,一个NN识别角度关系.
组合一下,差不多就能够描述一张桌子了.
剩下的其实就是这么调参和组合/加权的问题.
而想想,人意识到是一张桌子的过程和采用的feature可能也差不多.
只不过会更复杂一些.
比如context里有屋子,有椅子.
然后概率性地会把对"桌子"的识别的搜索限定到"桌子"的范围内.
就像AlphaGo的policy network.
本质上就是把一些常规棋谱的模式encode进来,提供给value network做一些"常规"的"符合人类直觉"的选择.
只不过这里比较tricky的地方是,policy network encode的模式是一个snapshot.
下子之间不具有关联关系.
所以某种程度上来说,容易出现实际超长步数的策略建议.
回到NN的问题上.
既然一个DNN是一种NN的叠加和组合产生的高阶描述.
那么理论上来说,只要堆叠的NN足够多.
在不考虑运算力和存储等现实约束的前提下,进化出"智能"/"意识"也不是不可能的.
毕竟,人类的所谓学习/创造能力也不过是一些在现有learned feature上组合出来的.
尤其是如果数学推演能描述人类绝大多数甚至全部构成和行为的话.
那么在这点上,两者是完全没有区别的.
即使是matrix里提到的"感情"这种不等式存在.
在形式上来说,也是可以被精确描述和还原的.
所以,在这个层面上来说,讨论AI和人类的区别是没有意义的.
而实际上,这种堆叠不可能是无限细化和实时的.
某种程度上来说,人类对于NN based的AI来说,就是某种形式的laplace's demon.
至少从目前的技术角度来说,类DNN架构里,NN的数量相对于人类的神经系统来说还是非常有限的.
但是,如果换个角度来说,这里就可能存在某种形式的商业逻辑.
也就是一开始所说的数字电路/编程语言的思路.
考虑,如果把所有NN开放到互联网上,以某种公共协议的方式进行数据交换/交互的话.
那么就有可能把这种AI的智能程度提高一个层次.
就像桌子的例子.
通过全网的某种类RPC形式的交互调用可以得到某种encode比较丰富的feature vector.
它的dimension数量可能是想关于NN的数量的.
这么考虑的话,一个集中全网范围的存储和算力的类DNN架构,其"智能"程度也就可能超出现在的想象.
而对于"自主思考"这类问题,本质上来说不过是一些细化的feature组合之后,产生发现一个新的比较有区分度的sub space的过程而已.
比如对于一个自然数的加法group.
某个NN或者DNN能够infer/encode出5+5+5,3+3+3+3这类相同数字的连续加的结果的一些模式.
然后另外某些能够infer/encode出这里有连续数的+操作.
那么两者结合一下就有可能出来关于*的一个NN/DNN.
apply 回去的话,就是一个比较完整的关于*的创造性/学习/新的描述了.
实际上,AlphaGo的reinforced policy network就类似于对supervise policy network的一些模式encode.
对应与+操作的一些high level abstraction.
在基于此上的value network就是类似于infer出来的*操作了.
所以,从这个角度上来说AlphaGo确实是一种比较完整的对于人类思路的复刻.
某种程度上来说,大概所有DNN都是这种模仿方式.
只不过在实现上,由于各自选择的对于low level information的abstract角度不太一样罢了.
而在某些问题领域上,可供选择和考虑的抽象并不是特别多样化,所以是可能存在一定程度的重复工作的.
于是,以这个角度考虑一些做ML方案/平台的各种startup的话,方向倒也没错就是了.
从狭义上来说,都是各自提供了一些自己的pretrain的model给人做二次开发的.
如果能够推广一下,以某种公共协议或者调用方式对各种异构的NN做一个数据交换的话,大概人类文明能有一个比较大程度的飞跃.
尤其如果能推动到数学推演上面的话,以AlphaGo这种搜索方式的话,大概会有相当一部分问题能得到解/证明/证伪.
从这点上来说,AlphaGo的意义还是相当时代性的.
至少也是给通俗世界提供了一种新的思路.
就像前几年把DNN带到工业界的意义一样.
尽管,可能这些东西在学术界躺了几年甚至几十年了.
但终归,总会有像Google这种有能力有威望的人,把它带到人们面前.
创造或者提供一种全新的角度审视一些问题/东西.
2016-02-28
房价合理性及其他
晚上跑步的时候继续理了下思路.
如果说房地产的繁荣是货币宽松导致的.
那么基于这前提,直接的渠道应该是信贷的宽松.
原则上来说,信贷出去的资金应该是首先到各层级的生产上面,然后经由生产下传到消费及其他.
也就是说,应该是从生产到工资收入水平再到物价反应上面.
这是要给比较标准的宽松路径.
把房产消费作为寻常消费的一个环节的话,增长的幅度应该是基本同步于物价,相关于收入增长水平的
然而实际的感受可能是房价的增长速度远超物价和薪资水平的增长.
那么反过来也就是说实际并不是这么一个反馈过程.
考虑信贷扩张这个是基本事实的话,那么就有可能是资本的流向并不是走生产到消费的过程.
回想两个东西.
地方政府债务和信托违约.
一般来说,地方经济的发展套路无非就是招商引资.
配套的就是各种工业/第三产业服务区块的建立.
这里就涉及到地方政府信托举债.
假设宽松的货币政策第一步到达的就是这个地方的话.
那么接下来按照常规的思路就是基于开发区的一个地产增值预期.
基于的前提是经济发展带来的便利,以及地方资源的倾斜带来的周边地域的房产增值契机.
这个不能说是不理性/不合理的.
因为确实存在相对确定的可能性和预期.
当然前提是地方投资真地起到了效果.
那么在这样一种一致预期下,有民间资本参与投资/投机也是和理所当然的事情.
然后考虑一个工业园区相关的前提事件.
征地拆迁.
新的经济中心和产业区对土地的规模化有一定要求.
于是,征地拆迁也就是自然而然的事情.
考虑到一般人并没有什么特别的理财和资金管理方式,以及拆迁的直接结果是重置业.
联系新园区周围的地产增值契机和民间资本的投机性,对周边房产做一到两轮的换手还是比较合理的.
一是回迁的需要.
二是个人迁移和投机管理的转手.
就这个阶段来说,价格应该还是比较合理的水平.
即使有一定的溢价,从长期来说,也只是一些价格水平的浮动性表现.
然后考虑一个问题.
如果这种政策性的基建无止境地扩张呢?
或者说,对这种扩张,存在一个比较长周期的持续预期呢?
那么在"经济回报带动周边房价相对其他地区溢价"的预期也不变更的前提下,直接的结果自然是征地拆迁成本提升.
以及跟重要的投机回报的明确预期.
这个时候考虑企业借贷.
原则上来说企业贷款的用途和去向是有着一定程度的监管的.
但通过关联交易等,也并不是说不能挪作他用.
尤其如果考虑.
对于传统的生产加工交割型企业来说,通常在上下游之间存在一个款项的信用期.
而且一般可能长达3个月甚至一年的交割期.
对于借贷来的资金,就至少一定程度上存在一定的闲置时期.
作为一种金融资产进入投机行业,虽然有些激进,但也不是完全不可能的做法.
那么,把这个作为第二阶段来看的话,存在什么问题么?
企业通过信贷通道到地产投机,而地产在一个比较一致的预期上面存在的较大的获利空间.
于是,反过来对企业的资产状况有某种程度上的良性反应/扩张.
但如果这种利润率不断攀升的话,资本的扩张就可能掩盖掉实际运营状况的一些问题.
一种最直接的问题就是生产或者主业萎缩情况被金融资产的增长所掩盖.
另外一种可能性就是款项逾期造成的流动性问题导致上下游产业的连锁性恶化情况.
在这种情况下,实际生产存在问题,造成产业的萎缩,直接的后果就是失业率和收入水平以及整体社会消费水平的衰退.
而由于生产的减少,可能相应地存在供给下降造成的价格水平反而上涨.
这里的问题在于,金融资产能一直增长下去么?
即使在不改变信贷无限扩张的前提下.
因为信贷在不违约的前提下始终存在这一个偿付成本.
即使作为循环贷款,无限展期的话,也无可回避地要面对不断攀升的负债成本.
那么用什么来支撑这种摊薄呢?
原则上来说,偿付的预期除了政府的信用之外,起经济上支撑作用的还是基建开发的回报预期.
也即是最初的招商扩张预期.
对于一些地方而言,这种回报的预期并没有缩减.
尤其是一些发达城镇.
毕竟是内在的实际扩张需求.
而对于一些欠发达或者扩张动力不是那么充足的地方,就不一定有那么强有力的支撑了.
如果回报支撑不那么强烈,也就是存在着债务违约的风险.
一旦违约,那么就涉及几个问题.
一是对于基于经济建设回报预期的周边地产增值预期的破灭.
这个就牵涉到投机的各种民间资本.
尤其如果考虑前述所假设的企业的话,就是地方企业产业节点开始的流动性问题扩散.
针对企业的性质和影响力来说,可能是跨区域的连锁效应.
二是对于贷出方的银行来说就是一笔坏账问题.
隐含的意思就是不良资本增多,资本充盈率受影响.
从风控角度上来说贷款发放会更更趋谨慎,从而在形式上缩减货币的流通率和乘数效应,造成某种程度上的通货紧缩现象.
如果不良率达到一定程度,那么即使央行持续不断地做宽松政策,在一些银行业管制条例的约束下,也可能起不到什么实际的效果.
也就是说,对于银行来说,根源在不良率.
如果稍微扩展一下的话,可以联想下不久之前的关于下调银行拨备覆盖率的消息.
基于这两点的话,一个明显的结论就是违约的危害还是系统性大范围的.
所以,某种程度上来说,债务问题得消化而不是让其自然发生.
债务问题的核心在于信贷扩张带来的投机风险累计.
考虑到风险已经差不多到了一个容易兑现的水平,所以即使停止扩张信贷,也并不能解决问题.
更何况,考虑到如果实际经济萧条的话,可能更不能停止信贷的扩张乃至进一步夸大刺激.
一种消化方式就是中止风险的累计.
即消除或者终止投机的预期.
也就是说,在风险兑现/爆发前,让其停止运作.
或者把去库存这个词放到这里,从另一个角度理解.
即如果不考虑房价是不是虚高,而是尽可能地把当前的价格水平兑现,终止债务的进一步扩大和恶化.
这样的话,只要不再让投机资本进入这个击鼓传花的环节的话,就存在消化风险的可能性.
所以在这个前提假设下,进一步刺激房地产的消费是符合逻辑的.
但对应的应该有对投机资本的管控,尤其是走企业信贷通道的资金的合规使用的监管加强.
而对于专门的投机资本,反而可能并不是一个问题.
因为毕竟是正常的投资活动,无可厚非也合理合法.
最重要的一点是对于整体经济来说,并没有什么决定性的影响,不像生产链条上的流通资金那么重要.
但是这个对于本身有着内在扩张需求的地区而言有没有意义呢?
对于企业信贷的违规使用问题,道理是一样的.
但对于投机资本来说就不太一样了.
因为基建投入的回报预期是坚苦的,于是对于民间资本来说,投机行为的影响就不能完全忽略.
在价格水平没有超过当地的收入水平以及增长水平的前提下,任何投机行为造成的价格上涨都是合理的.
从长期来看,总会到达一个价格/收入的边际条件.
投机不过是缩短了这个过程而已.
所以,对于这些地区,在这个阶段合理不合理只是看是否超出收入水平而已.
这里一个比较微妙或者会所有趣的问题就是.
在有投机推动的情况下,价格水平存不存在超出收入水平的情况.
对于一个地方而言,土地资源是有限的.
而同时收入水平的变化又并不是一个层级均匀和对等的结构.
也就是说,存在这一定程度的优胜劣汰的贫富不均现象.
在竞争资源有限的情况下,自然会出现一个定向的流动和聚集.
同时,由于收入的增长分布并不是一个线性的分布.
所以,必然地区域的竞争和价格分布会呈现某种量子化或者说离散性分布.
也就是所谓的天花板造成的阶层隔离.
从表现上来说,就是可能存在一些中心城和卫星城的区别.
或者说以商圈和办公区做分割的某种收入水平的隔离带.
区域中心的区别/区分则可能是一个跟交通遍历程度相关的函数.
也就说制约与人的活动范围.
所以某种程度上来说,只要一个地方的内在扩张需求或者说人流流动没有改变,价格水平的任何变化都是合理的.
因为存在这一个自然的市场调节过程.
所以,如果以这个角度审视城镇化的话,可能重点就不是放在欠发达地区,而是应该考虑饱和发达城市的周边.
在交通距离上做一些筛选功能迁移,并由此做进一步扩散结构.
某种程度的社会主义.
以"平均"/均线调整扩散为核心的先富带动后富思路.
如果说房地产的繁荣是货币宽松导致的.
那么基于这前提,直接的渠道应该是信贷的宽松.
原则上来说,信贷出去的资金应该是首先到各层级的生产上面,然后经由生产下传到消费及其他.
也就是说,应该是从生产到工资收入水平再到物价反应上面.
这是要给比较标准的宽松路径.
把房产消费作为寻常消费的一个环节的话,增长的幅度应该是基本同步于物价,相关于收入增长水平的
然而实际的感受可能是房价的增长速度远超物价和薪资水平的增长.
那么反过来也就是说实际并不是这么一个反馈过程.
考虑信贷扩张这个是基本事实的话,那么就有可能是资本的流向并不是走生产到消费的过程.
回想两个东西.
地方政府债务和信托违约.
一般来说,地方经济的发展套路无非就是招商引资.
配套的就是各种工业/第三产业服务区块的建立.
这里就涉及到地方政府信托举债.
假设宽松的货币政策第一步到达的就是这个地方的话.
那么接下来按照常规的思路就是基于开发区的一个地产增值预期.
基于的前提是经济发展带来的便利,以及地方资源的倾斜带来的周边地域的房产增值契机.
这个不能说是不理性/不合理的.
因为确实存在相对确定的可能性和预期.
当然前提是地方投资真地起到了效果.
那么在这样一种一致预期下,有民间资本参与投资/投机也是和理所当然的事情.
然后考虑一个工业园区相关的前提事件.
征地拆迁.
新的经济中心和产业区对土地的规模化有一定要求.
于是,征地拆迁也就是自然而然的事情.
考虑到一般人并没有什么特别的理财和资金管理方式,以及拆迁的直接结果是重置业.
联系新园区周围的地产增值契机和民间资本的投机性,对周边房产做一到两轮的换手还是比较合理的.
一是回迁的需要.
二是个人迁移和投机管理的转手.
就这个阶段来说,价格应该还是比较合理的水平.
即使有一定的溢价,从长期来说,也只是一些价格水平的浮动性表现.
然后考虑一个问题.
如果这种政策性的基建无止境地扩张呢?
或者说,对这种扩张,存在一个比较长周期的持续预期呢?
那么在"经济回报带动周边房价相对其他地区溢价"的预期也不变更的前提下,直接的结果自然是征地拆迁成本提升.
以及跟重要的投机回报的明确预期.
这个时候考虑企业借贷.
原则上来说企业贷款的用途和去向是有着一定程度的监管的.
但通过关联交易等,也并不是说不能挪作他用.
尤其如果考虑.
对于传统的生产加工交割型企业来说,通常在上下游之间存在一个款项的信用期.
而且一般可能长达3个月甚至一年的交割期.
对于借贷来的资金,就至少一定程度上存在一定的闲置时期.
作为一种金融资产进入投机行业,虽然有些激进,但也不是完全不可能的做法.
那么,把这个作为第二阶段来看的话,存在什么问题么?
企业通过信贷通道到地产投机,而地产在一个比较一致的预期上面存在的较大的获利空间.
于是,反过来对企业的资产状况有某种程度上的良性反应/扩张.
但如果这种利润率不断攀升的话,资本的扩张就可能掩盖掉实际运营状况的一些问题.
一种最直接的问题就是生产或者主业萎缩情况被金融资产的增长所掩盖.
另外一种可能性就是款项逾期造成的流动性问题导致上下游产业的连锁性恶化情况.
在这种情况下,实际生产存在问题,造成产业的萎缩,直接的后果就是失业率和收入水平以及整体社会消费水平的衰退.
而由于生产的减少,可能相应地存在供给下降造成的价格水平反而上涨.
这里的问题在于,金融资产能一直增长下去么?
即使在不改变信贷无限扩张的前提下.
因为信贷在不违约的前提下始终存在这一个偿付成本.
即使作为循环贷款,无限展期的话,也无可回避地要面对不断攀升的负债成本.
那么用什么来支撑这种摊薄呢?
原则上来说,偿付的预期除了政府的信用之外,起经济上支撑作用的还是基建开发的回报预期.
也即是最初的招商扩张预期.
对于一些地方而言,这种回报的预期并没有缩减.
尤其是一些发达城镇.
毕竟是内在的实际扩张需求.
而对于一些欠发达或者扩张动力不是那么充足的地方,就不一定有那么强有力的支撑了.
如果回报支撑不那么强烈,也就是存在着债务违约的风险.
一旦违约,那么就涉及几个问题.
一是对于基于经济建设回报预期的周边地产增值预期的破灭.
这个就牵涉到投机的各种民间资本.
尤其如果考虑前述所假设的企业的话,就是地方企业产业节点开始的流动性问题扩散.
针对企业的性质和影响力来说,可能是跨区域的连锁效应.
二是对于贷出方的银行来说就是一笔坏账问题.
隐含的意思就是不良资本增多,资本充盈率受影响.
从风控角度上来说贷款发放会更更趋谨慎,从而在形式上缩减货币的流通率和乘数效应,造成某种程度上的通货紧缩现象.
如果不良率达到一定程度,那么即使央行持续不断地做宽松政策,在一些银行业管制条例的约束下,也可能起不到什么实际的效果.
也就是说,对于银行来说,根源在不良率.
如果稍微扩展一下的话,可以联想下不久之前的关于下调银行拨备覆盖率的消息.
基于这两点的话,一个明显的结论就是违约的危害还是系统性大范围的.
所以,某种程度上来说,债务问题得消化而不是让其自然发生.
债务问题的核心在于信贷扩张带来的投机风险累计.
考虑到风险已经差不多到了一个容易兑现的水平,所以即使停止扩张信贷,也并不能解决问题.
更何况,考虑到如果实际经济萧条的话,可能更不能停止信贷的扩张乃至进一步夸大刺激.
一种消化方式就是中止风险的累计.
即消除或者终止投机的预期.
也就是说,在风险兑现/爆发前,让其停止运作.
或者把去库存这个词放到这里,从另一个角度理解.
即如果不考虑房价是不是虚高,而是尽可能地把当前的价格水平兑现,终止债务的进一步扩大和恶化.
这样的话,只要不再让投机资本进入这个击鼓传花的环节的话,就存在消化风险的可能性.
所以在这个前提假设下,进一步刺激房地产的消费是符合逻辑的.
但对应的应该有对投机资本的管控,尤其是走企业信贷通道的资金的合规使用的监管加强.
而对于专门的投机资本,反而可能并不是一个问题.
因为毕竟是正常的投资活动,无可厚非也合理合法.
最重要的一点是对于整体经济来说,并没有什么决定性的影响,不像生产链条上的流通资金那么重要.
但是这个对于本身有着内在扩张需求的地区而言有没有意义呢?
对于企业信贷的违规使用问题,道理是一样的.
但对于投机资本来说就不太一样了.
因为基建投入的回报预期是坚苦的,于是对于民间资本来说,投机行为的影响就不能完全忽略.
在价格水平没有超过当地的收入水平以及增长水平的前提下,任何投机行为造成的价格上涨都是合理的.
从长期来看,总会到达一个价格/收入的边际条件.
投机不过是缩短了这个过程而已.
所以,对于这些地区,在这个阶段合理不合理只是看是否超出收入水平而已.
这里一个比较微妙或者会所有趣的问题就是.
在有投机推动的情况下,价格水平存不存在超出收入水平的情况.
对于一个地方而言,土地资源是有限的.
而同时收入水平的变化又并不是一个层级均匀和对等的结构.
也就是说,存在这一定程度的优胜劣汰的贫富不均现象.
在竞争资源有限的情况下,自然会出现一个定向的流动和聚集.
同时,由于收入的增长分布并不是一个线性的分布.
所以,必然地区域的竞争和价格分布会呈现某种量子化或者说离散性分布.
也就是所谓的天花板造成的阶层隔离.
从表现上来说,就是可能存在一些中心城和卫星城的区别.
或者说以商圈和办公区做分割的某种收入水平的隔离带.
区域中心的区别/区分则可能是一个跟交通遍历程度相关的函数.
也就说制约与人的活动范围.
所以某种程度上来说,只要一个地方的内在扩张需求或者说人流流动没有改变,价格水平的任何变化都是合理的.
因为存在这一个自然的市场调节过程.
所以,如果以这个角度审视城镇化的话,可能重点就不是放在欠发达地区,而是应该考虑饱和发达城市的周边.
在交通距离上做一些筛选功能迁移,并由此做进一步扩散结构.
某种程度的社会主义.
以"平均"/均线调整扩散为核心的先富带动后富思路.
2016-02-21
关于转化效果的一点延伸
考虑像电商等平台的推广位.
通常来说是有限的.
换句话说,在一定顶尖内,为这些广告位付费的广告主用户也是有限的.
那么,在不考虑增加广告位等扩展的前提下,盈利的提升就应该对于广告位的竞价价格增长.
但这个竞价不是无止境增长的.
最基本的,对于投放广告方来说,投放的决策一个边界在于用户导入成本和用户lift time value的一个差额边际.
在这个边际为0之前,就有持续投入的动力.
反之就没有必要继续投入.
因此,对于广告平台来说,竞价的利润边际在于广告主的成本边际.
那么如果这个边际被触大之后呢?
或者说除此之外还有其他拉动利润增长的方式么?
考虑Google的广告网络.
Google的广告渠道一个是搜索结果里的展示.
一个是各个站点内的Google广告.
共同的点在于,对于一个页面访问session来说,广告位是固定的.
但是展示内容并不是长期固定.
对于不同的展示人群来说,在同一时间同一页同一广告位存在着不同的展示内容.
也就是不同的广告主投放.
换个角度来说,就是对于整体人群在同一时刻做了区别性的对待.
某种类似A/B Test的隔离策略.
或者说某种分时策略/思路.
其关键点在于,并不是通过扩展广告位来解决销售增长的问题.
而是某种形式的"space sharing".
一个简单的描述就是,考虑一个页面有N个展示位,总共有P数量的人群访问/PV.
那么,对于不扩展广告位的做法来说,就是只能销售N个展示.
但是,如果对PV数量P做个划分/sharing.
即假设分成G组/group的群体.
那么实际上就相当于在同一时间由原来的N个impression变为G*N个impression.
也就是说,在这种情况下,可销售展示的个数从N变为N*G.
也就是说通过简单改变G的数值就可以相对轻松的增加可销售基础.
这里的一个隐含假设是PV是无限的.
或者是对G的再划分不敏感的.
也就是说,PV的基数基本使得,即使G不停划分和细化,对于一定用户基数的广告主来说,也不会转化率方面的波动影响.
那么这里的一个问题就是,转化效果的评估再用转化率这种百分比方式还合适么?
假设对于当个广告主来说,有用户基数U,转化率为R.
总共有N个广告主的话,就是总共N*U*R的总体PV转化.
那么对于广告平台来说,没有产生价值的pv数margin就是M=P-N*U*R.
然后考虑做了G划分的情况.
这时总体的转化PV就是G*N*U*R,未产生价值的pv margin就是M=P-G*N*U*R.
也就说说,对于M来说,这是一个关于G的函数.
函数特性是-1,也就是G越大,margin越小.
于是,对于一定流量的广告平台来说,策略选择的一个依据就是尽可能地minimize M.
也就是提高可转化PV的数量.
这样的话,只考察广告主的转化率水平并不能很好地反映minimize的objective satisfaction.
因为一个情况就是G退化为1的情况也并不影响广告主的转化率.
实际上,对于minimize objective的一个最直观反应就是有效广告价值PV数E的增长.
也就是E=P-M.
即只要看转化PV增长了多少就可以了.
换句话来说,在广告平台的角度,调整展示策略的一个效果评估主要应该看转化PV的增长绝对数值.
而不是单纯地关注广告主的转化率变化.
一个极端情况就是,一个策略的调整导致广告主的转化率下降.
但是对于平台来说,因为转化基数变更了,所以整体盈利是上升的.
这里的一个积极意义还在于,转化基数的变更可能对应的是曝光类型的多样化.
也就是说,参与曝光的广告主也变多了.
那么,一个理想的策略调整结果就应该是广告主的转化率没有太大的边际波动.
同时转化基数得到增长,拓展了广告主的曝光个数.
某种程度上来说,可以说是保持点击转化的前提下.
对广告的展示和消费人群做更多的个性化方面的区分.
通常来说是有限的.
换句话说,在一定顶尖内,为这些广告位付费的广告主用户也是有限的.
那么,在不考虑增加广告位等扩展的前提下,盈利的提升就应该对于广告位的竞价价格增长.
但这个竞价不是无止境增长的.
最基本的,对于投放广告方来说,投放的决策一个边界在于用户导入成本和用户lift time value的一个差额边际.
在这个边际为0之前,就有持续投入的动力.
反之就没有必要继续投入.
因此,对于广告平台来说,竞价的利润边际在于广告主的成本边际.
那么如果这个边际被触大之后呢?
或者说除此之外还有其他拉动利润增长的方式么?
考虑Google的广告网络.
Google的广告渠道一个是搜索结果里的展示.
一个是各个站点内的Google广告.
共同的点在于,对于一个页面访问session来说,广告位是固定的.
但是展示内容并不是长期固定.
对于不同的展示人群来说,在同一时间同一页同一广告位存在着不同的展示内容.
也就是不同的广告主投放.
换个角度来说,就是对于整体人群在同一时刻做了区别性的对待.
某种类似A/B Test的隔离策略.
或者说某种分时策略/思路.
其关键点在于,并不是通过扩展广告位来解决销售增长的问题.
而是某种形式的"space sharing".
一个简单的描述就是,考虑一个页面有N个展示位,总共有P数量的人群访问/PV.
那么,对于不扩展广告位的做法来说,就是只能销售N个展示.
但是,如果对PV数量P做个划分/sharing.
即假设分成G组/group的群体.
那么实际上就相当于在同一时间由原来的N个impression变为G*N个impression.
也就是说,在这种情况下,可销售展示的个数从N变为N*G.
也就是说通过简单改变G的数值就可以相对轻松的增加可销售基础.
这里的一个隐含假设是PV是无限的.
或者是对G的再划分不敏感的.
也就是说,PV的基数基本使得,即使G不停划分和细化,对于一定用户基数的广告主来说,也不会转化率方面的波动影响.
那么这里的一个问题就是,转化效果的评估再用转化率这种百分比方式还合适么?
假设对于当个广告主来说,有用户基数U,转化率为R.
总共有N个广告主的话,就是总共N*U*R的总体PV转化.
那么对于广告平台来说,没有产生价值的pv数margin就是M=P-N*U*R.
然后考虑做了G划分的情况.
这时总体的转化PV就是G*N*U*R,未产生价值的pv margin就是M=P-G*N*U*R.
也就说说,对于M来说,这是一个关于G的函数.
函数特性是-1,也就是G越大,margin越小.
于是,对于一定流量的广告平台来说,策略选择的一个依据就是尽可能地minimize M.
也就是提高可转化PV的数量.
这样的话,只考察广告主的转化率水平并不能很好地反映minimize的objective satisfaction.
因为一个情况就是G退化为1的情况也并不影响广告主的转化率.
实际上,对于minimize objective的一个最直观反应就是有效广告价值PV数E的增长.
也就是E=P-M.
即只要看转化PV增长了多少就可以了.
换句话来说,在广告平台的角度,调整展示策略的一个效果评估主要应该看转化PV的增长绝对数值.
而不是单纯地关注广告主的转化率变化.
一个极端情况就是,一个策略的调整导致广告主的转化率下降.
但是对于平台来说,因为转化基数变更了,所以整体盈利是上升的.
这里的一个积极意义还在于,转化基数的变更可能对应的是曝光类型的多样化.
也就是说,参与曝光的广告主也变多了.
那么,一个理想的策略调整结果就应该是广告主的转化率没有太大的边际波动.
同时转化基数得到增长,拓展了广告主的曝光个数.
某种程度上来说,可以说是保持点击转化的前提下.
对广告的展示和消费人群做更多的个性化方面的区分.
2016-02-08
关于红包的一些杠杆算术
下午简单估算了下微信红包除夕那天的流水,可能有1600亿的样子.
引申的一个问题是,如果这笔流水是阿里系产生的会怎么样.
毕竟,双十一那天的流水貌似也才900亿.
考虑这么一个玩法.
系统产生一些虚拟货币,以某种参与形式分发给用户,并诱导作为红包分享.
这个虚拟货币可以是天猫积分之类可以直接抵现/折扣的.
那么以微信的数值替换过来的话,就相当于产生了1600亿的消费储备金.
然后这1600亿能最终产生多少消费呢?
也就是杠杆率有多少呢?
假设最终的杠杆率为Multiply,那么实际上对于红包数额Bonus,对应的转化收入Revenue存在关系:
Revenue=Multiply*Bonus
这里如果杠杆率Multiply是固定的话,那么对于阿里来说,红包数额Bonus是系统可控的.
也就是相遇说,在这种情况下,理论上收入Revenue是可以操控的.
某种程度上的印钞机.
于是,实际的杠杆率是什么情况呢?
考虑到实际情况中代价/消费并不是100%的转化结果,假设转化率为Conversion.
那么实际的可用消费储备就是Revenue*Conversion.
另外一个考虑就是,阿里的代金/消费券实际上是一种补贴,并不是没有成本的.
这个成本的约束应该在平台和卖家间的交易费率的约束.
实际的Revenue=Bonus*Multiply*Conversion - Fund
其中Fund为补贴的等值金额.
对于卖家来说,一件商品的成本为Value,售价为Price,出售数量为Amount
那么其利润Earning=(Price-Value)*Amount.
这里Value可以认为是一个固定成本.
则,Earning实际上是一个关于Price和Amount的函数.
考虑电商平台上还存在一定的推广因素.
这个因素既影响价格Price,也影响销售Amount.
定义价格因素为Advertis,销售影响为函数f(Advertise)的话
Earning=(Price-Advertise-Value)*Amount*f(Advertise).
回到平台上面.
考虑交易费率Tax.
对于平台来说,总体的收益是关联于商家的Earning以及对应的Tax的.
简单考虑Tax为固定比率的话,那么平台的收入
Income=Earning*Tax + g(Advertise).
其中,g(Advertise)为卖家的推广费用.
展开一下就是
Income=(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise)
这里,令Income=Revenue的话,则有
(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise) = Bonus*Multiply*Conversion - Fund
考虑一般供需曲线约束的话,价格Price和Amount是存在一定的函数关系的.
更近一步的话,考虑销售数量在供需曲线之外,也是关于推广费用Advertise的函数.
那么,上式的左边除去Value和Tax等常量则就是一个关于Advertise的函数i(Advertise).
变换下的话,有
Multiply = (i(Advertise) + Fund)/(Bonus*Conversion)
对于理想的理性均衡市场来说,给定推广费率Advertise,那么市场总体价值i(Advertise)就是一个常数.
如果在假设红包的消费转化力Conversion也是常数并且分别记为k,1/a的话,简化记述为:
Multiply = a*(k+Fund)/Bonus.
这里Fund是红包补贴的成本,Bonus则是红包对应的金额.
把杠杆率Multiply代入回Revenue的话,有
Revenue=a*(k+Fund)*Conversion - Fund
->
Revenue=a*k*Conversion+(a*Conversion-1)*Fund
所以简单地说,就是存在一个投入多少,对应产出多少的类固定收益.
至于实际如何,就看拟合不拟合地了了.
引申的一个问题是,如果这笔流水是阿里系产生的会怎么样.
毕竟,双十一那天的流水貌似也才900亿.
考虑这么一个玩法.
系统产生一些虚拟货币,以某种参与形式分发给用户,并诱导作为红包分享.
这个虚拟货币可以是天猫积分之类可以直接抵现/折扣的.
那么以微信的数值替换过来的话,就相当于产生了1600亿的消费储备金.
然后这1600亿能最终产生多少消费呢?
也就是杠杆率有多少呢?
假设最终的杠杆率为Multiply,那么实际上对于红包数额Bonus,对应的转化收入Revenue存在关系:
Revenue=Multiply*Bonus
这里如果杠杆率Multiply是固定的话,那么对于阿里来说,红包数额Bonus是系统可控的.
也就是相遇说,在这种情况下,理论上收入Revenue是可以操控的.
某种程度上的印钞机.
于是,实际的杠杆率是什么情况呢?
考虑到实际情况中代价/消费并不是100%的转化结果,假设转化率为Conversion.
那么实际的可用消费储备就是Revenue*Conversion.
另外一个考虑就是,阿里的代金/消费券实际上是一种补贴,并不是没有成本的.
这个成本的约束应该在平台和卖家间的交易费率的约束.
实际的Revenue=Bonus*Multiply*Conversion - Fund
其中Fund为补贴的等值金额.
对于卖家来说,一件商品的成本为Value,售价为Price,出售数量为Amount
那么其利润Earning=(Price-Value)*Amount.
这里Value可以认为是一个固定成本.
则,Earning实际上是一个关于Price和Amount的函数.
考虑电商平台上还存在一定的推广因素.
这个因素既影响价格Price,也影响销售Amount.
定义价格因素为Advertis,销售影响为函数f(Advertise)的话
Earning=(Price-Advertise-Value)*Amount*f(Advertise).
回到平台上面.
考虑交易费率Tax.
对于平台来说,总体的收益是关联于商家的Earning以及对应的Tax的.
简单考虑Tax为固定比率的话,那么平台的收入
Income=Earning*Tax + g(Advertise).
其中,g(Advertise)为卖家的推广费用.
展开一下就是
Income=(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise)
这里,令Income=Revenue的话,则有
(Price-Advertise-Value)*Amount*f(Advertise)*Tax + g(Advertise) = Bonus*Multiply*Conversion - Fund
考虑一般供需曲线约束的话,价格Price和Amount是存在一定的函数关系的.
更近一步的话,考虑销售数量在供需曲线之外,也是关于推广费用Advertise的函数.
那么,上式的左边除去Value和Tax等常量则就是一个关于Advertise的函数i(Advertise).
变换下的话,有
Multiply = (i(Advertise) + Fund)/(Bonus*Conversion)
对于理想的理性均衡市场来说,给定推广费率Advertise,那么市场总体价值i(Advertise)就是一个常数.
如果在假设红包的消费转化力Conversion也是常数并且分别记为k,1/a的话,简化记述为:
Multiply = a*(k+Fund)/Bonus.
这里Fund是红包补贴的成本,Bonus则是红包对应的金额.
把杠杆率Multiply代入回Revenue的话,有
Revenue=a*(k+Fund)*Conversion - Fund
->
Revenue=a*k*Conversion+(a*Conversion-1)*Fund
所以简单地说,就是存在一个投入多少,对应产出多少的类固定收益.
至于实际如何,就看拟合不拟合地了了.
2016-02-07
关于自动泊车及其他
考虑一个自动泊车的算法问题.
给定一个平面,考虑位置和车头朝向的话.
实际上就是一组(x,y,\theta)的三元向量p的描述.
对于传动/转向/制动系统来说,应该是存在一个函数变换f.
给定一组机械参数,对应的是位置和朝向的\delta值.
那么问题实际上就简化为,给定要给起始位置的描述向量A,和一个最终位置的向量B().
根据函数f的\delta变换约束,求一个AB的平滑曲线的问题.
直接的gradient descent求解的话存在几个问题.
一个是实际情况下存在一些障碍物的问题,也就是限制的\delta变换函数f的选择范围.
另一个是并不能保证最终求得的解是满足需求意愿的.
对于第一点来说,原则上只是在每一步改变cost function的问题.
但随之而来会带来跟第二个问题相同的境况.
某种程度上来说,这种greedy的搜索算法面临的问题始终是不一定存在这样的解.
而且,考虑到搜索的深度和广度问题,即使存在这样的解,在时间效率和复杂度上也可能不是很实用.
那么,能不能在不改变基本算法的前提下,尽可能地做写prune之类的降低复杂度和搜索空间呢?
考虑对于一个给定的点p,在一个f的变换下,存在一个关于x,y的偏移范围的L2-distance约束.
也即是说,每一次f变化所能造成的"最大"\"最小"差量是已知的.
于是,粗略的考虑的话,变换次数是跟AB两点间的L2-distance有关的.
换句话说,减少目标的L2-distance的话,就可能减少搜索空间的代价.
为什么是可能呢?
考虑点A的描述为(x,y,\theta),B的描述为(x,y,-\theta).
这两个向量在x,y空间的L2-distance是零.
但显然这时候的解并不是预期中的不用做什么.
那么,这个有什么实际意义呢?
毕竟,对于给定的AB两点,并不存在改变这两点xy纬度下的L2-distance的方式.
换个角度.
考虑存在一条经过B点的由f驱动的曲线S.
也就是存在一条预设定的泊车路线.
那么就存在一个可能的裁剪方式,把问题变换为求A点到这条预定曲线S上某点U的问题.
而U的求解可以简单的是上面提到的xy维度的L2-distance判定.
进一步地,给定一条曲线S的话,求解U的过程可以是直接的使用(x,y,\theta)坐标系的点到曲线最短距离来计算.
这样的话,就存在一定的可能性,使得算法的整体搜索空间有一定幅度的缩减.
但问题的根本并没有什么太大的改观.
依然是被一个约束限制着.
那就是这个搜索路径不一定存在所期望的路径解.
另一个问题是交互方面的.
不考虑硬件约束的话,是存在能得到周围障碍图的能力的.
基于此,以及车辆本身的一些参数,是存在自动寻找落点的方式的.
即使没有地面导引指示.
本质上可以理解为是一个空间填充问题.
但在一些极端情况下可能存在一些比较不太合理的方案.
一种情况就是,如果周围都是空旷地方的情况.
在这种情况下,filling slot的最有策略就是选择不动.
但实际预期的情况可能并不是如此.
考虑人工介入的情况.
给定一块触摸屏幕,通过一些简单的拖拽方式是可以以所见即所得的方式定义终点B的参数的.
因为基本上所有的物理/成象参数都存在一个固定已知的换算/变换关系.
所以这个方案在是现实并没有什么太大的困难.
实际上,扩展考虑下.
如果车辆设备全部能够电子通讯化的话,远程/遥控驾驶并不是一件非常复杂的事情.
之所以不能或者说没有实现的关键点可能在于通讯延时的问题.
考虑一个40km/h世俗,远程通讯延时是200ms的话.
那么"实时"传回的图像至少存在2米的距离参数.
再加上人体反应和round triptime的话,在人的角度看待做出的反应可能只是针对10米之前的情况做出的判断了.
这个对于交通安全来说,并不是一个能接受的事情.
但换个角度来说,如果是一个直连车辆的设备,那么延时就可能可以降低两个一两个数量级.
达到近似real time的情况.
也就是说,理论上,接个手柄或者键盘等输入设备来驾驶也不是完全不可能的.
给定一个平面,考虑位置和车头朝向的话.
实际上就是一组(x,y,\theta)的三元向量p的描述.
对于传动/转向/制动系统来说,应该是存在一个函数变换f.
给定一组机械参数,对应的是位置和朝向的\delta值.
那么问题实际上就简化为,给定要给起始位置的描述向量A,和一个最终位置的向量B().
根据函数f的\delta变换约束,求一个AB的平滑曲线的问题.
直接的gradient descent求解的话存在几个问题.
一个是实际情况下存在一些障碍物的问题,也就是限制的\delta变换函数f的选择范围.
另一个是并不能保证最终求得的解是满足需求意愿的.
对于第一点来说,原则上只是在每一步改变cost function的问题.
但随之而来会带来跟第二个问题相同的境况.
某种程度上来说,这种greedy的搜索算法面临的问题始终是不一定存在这样的解.
而且,考虑到搜索的深度和广度问题,即使存在这样的解,在时间效率和复杂度上也可能不是很实用.
那么,能不能在不改变基本算法的前提下,尽可能地做写prune之类的降低复杂度和搜索空间呢?
考虑对于一个给定的点p,在一个f的变换下,存在一个关于x,y的偏移范围的L2-distance约束.
也即是说,每一次f变化所能造成的"最大"\"最小"差量是已知的.
于是,粗略的考虑的话,变换次数是跟AB两点间的L2-distance有关的.
换句话说,减少目标的L2-distance的话,就可能减少搜索空间的代价.
为什么是可能呢?
考虑点A的描述为(x,y,\theta),B的描述为(x,y,-\theta).
这两个向量在x,y空间的L2-distance是零.
但显然这时候的解并不是预期中的不用做什么.
那么,这个有什么实际意义呢?
毕竟,对于给定的AB两点,并不存在改变这两点xy纬度下的L2-distance的方式.
换个角度.
考虑存在一条经过B点的由f驱动的曲线S.
也就是存在一条预设定的泊车路线.
那么就存在一个可能的裁剪方式,把问题变换为求A点到这条预定曲线S上某点U的问题.
而U的求解可以简单的是上面提到的xy维度的L2-distance判定.
进一步地,给定一条曲线S的话,求解U的过程可以是直接的使用(x,y,\theta)坐标系的点到曲线最短距离来计算.
这样的话,就存在一定的可能性,使得算法的整体搜索空间有一定幅度的缩减.
但问题的根本并没有什么太大的改观.
依然是被一个约束限制着.
那就是这个搜索路径不一定存在所期望的路径解.
另一个问题是交互方面的.
不考虑硬件约束的话,是存在能得到周围障碍图的能力的.
基于此,以及车辆本身的一些参数,是存在自动寻找落点的方式的.
即使没有地面导引指示.
本质上可以理解为是一个空间填充问题.
但在一些极端情况下可能存在一些比较不太合理的方案.
一种情况就是,如果周围都是空旷地方的情况.
在这种情况下,filling slot的最有策略就是选择不动.
但实际预期的情况可能并不是如此.
考虑人工介入的情况.
给定一块触摸屏幕,通过一些简单的拖拽方式是可以以所见即所得的方式定义终点B的参数的.
因为基本上所有的物理/成象参数都存在一个固定已知的换算/变换关系.
所以这个方案在是现实并没有什么太大的困难.
实际上,扩展考虑下.
如果车辆设备全部能够电子通讯化的话,远程/遥控驾驶并不是一件非常复杂的事情.
之所以不能或者说没有实现的关键点可能在于通讯延时的问题.
考虑一个40km/h世俗,远程通讯延时是200ms的话.
那么"实时"传回的图像至少存在2米的距离参数.
再加上人体反应和round triptime的话,在人的角度看待做出的反应可能只是针对10米之前的情况做出的判断了.
这个对于交通安全来说,并不是一个能接受的事情.
但换个角度来说,如果是一个直连车辆的设备,那么延时就可能可以降低两个一两个数量级.
达到近似real time的情况.
也就是说,理论上,接个手柄或者键盘等输入设备来驾驶也不是完全不可能的.
2016-01-26
流动性风险
关于房价,考虑总价为p,7成按揭,5.4%的利率,30年360期.
则月还款额d与总价的关系为:
d=0.7*p*(0.054/12*(1+0.054/12)^360)/((1+0.054/12)^360-1) = 0.00393*p ~ 0.004*p
也就是说,房贷每存在一个百分点的弹性,就对应这0.004个百分点的总价提升空间.
对于一个月净收入30k的家庭,15k房贷的话.
也就是还有15k的弹性空间,即100个点的弹性空间.
对应地就是对于房价来说,就至少还有100*0.004 = 0.4 ＝ 40％的上升幅度.
这里只是随便举个数字.
实际上,如果考虑到各个层次人群的收入水平分布的话.
理论上就存在一个对应的房产价格水平需求曲线.
直观上来说,也就是对应着不同层次房价的一个临界点.
而考虑对于部分高收入人群来说,弹性空间可能远不止100个点.
所以,对于地区性甚至区块性的房地产热度/健康度有别也就不难理解了.
某种程度上的经济基础决定上层建筑.
这里可能还有另外一个约束就是首付l的承受范围.
250*d=p=(10/3)*l
->
75*d = l
如果认为d的上限是月收入的话,那么实际上首付的上限区间在6.25年收入的范围内.
当然,考虑到中国存在比较复杂的信贷拆解渠道,这个约束某种程度上是可以忽略的.
所以,关键的还是跟贷款弹性空间有关的那个约束.
然后考虑下投资性的行为.
假设有250d的资金,那么就能够支付三套75*d的房子的首付.
此时还剩25d的现金,也就是能够支持大概25d/3d = 8.3个月的月供.
考虑房价年增幅为p,在第8个月出手,则3套房总价值在(1+8*(p/12))*250*d
获利为 (1+8*(p/12))*250*d - 250d + (25d -3d*8) = 188.5d.
比率为188.5d/250d = 75.4%,对应年收益率为231.1%.
即是一年2.3倍左右的风险收益.
以十年期展望的话,就是4142倍的增长.
这个是以持续投资为基础计算的.
那么换个角度思考.
在这种持续反复投入的前提下,对于流通的货币而言,相当于有一个4142倍的杠杠将流动性聚集到一个行业.
反过来就是说,如果要保持其他行业的流通率不变,那么就意味着需要补充等值的流通货币/流动性.
这并不是一个让人很舒服的概念.
某种程度上上来说,如果这个资金的规模足够大.
也就意味着在这10年里,有相当一部分的经济增长是固化在了这些固定资产的价格上面.
这样有什么问题呢?
即使经济的增长不足以继续维护这个模式,那么最理想的情况下,也还有最长8个月的时间来缓解.
而且,考虑到实际上的清偿能力弹性的分布,可能也只是错层重新撮合一下.
有实际损失的只是无法匹配的部分.
但如果是实际的经济萧条的话呢?
考虑到保守的消费观念,可能即使价格合适以及能够负担,但也并不一定能促成交易的转接的完成.
然后就是破产抵押,作为银行账上虚增的资产.
但这部分资产并不能即使变现.
同时从宏观角度来说,货币供应过剩,也不能通过流动性工具做操作.
于是局面就是实际上的通货紧缩加上货币政策的无效化.
因为无法通过降低利率刺激流动性,同时由于缺乏流动性,利率有上升的内在动力.
如果利率上升则又会进一步加剧流动性的紧缩状况.
所以可能的情况是利率不变,丧失调控能力.
然后就是联动地考虑外汇及其他.
如果人民币汇率已经国际化了,经济不景气,加上表面上的通货膨胀.
出现贬值倒也不是一个不好的局面.
如果没有国际化,基于同样的考虑,发生贬值也不算一件坏事.
只不过传导时间可能没有前者那么立竿见影而已.
但如果抛售到一定程度,央行无法释放这部分流动性的话,结果可能会更严重.
以为本来就是以为不能释放流动性造成的事实紧缩.
所以,这里需要的可能是直接市场上的,外资到人民币的变换.
不过归根到底,这个风险的基本点在于当初4142倍的资本固化造成的流动性事实缺失.
则月还款额d与总价的关系为:
d=0.7*p*(0.054/12*(1+0.054/12)^360)/((1+0.054/12)^360-1) = 0.00393*p ~ 0.004*p
也就是说,房贷每存在一个百分点的弹性,就对应这0.004个百分点的总价提升空间.
对于一个月净收入30k的家庭,15k房贷的话.
也就是还有15k的弹性空间,即100个点的弹性空间.
对应地就是对于房价来说,就至少还有100*0.004 = 0.4 ＝ 40％的上升幅度.
这里只是随便举个数字.
实际上,如果考虑到各个层次人群的收入水平分布的话.
理论上就存在一个对应的房产价格水平需求曲线.
直观上来说,也就是对应着不同层次房价的一个临界点.
而考虑对于部分高收入人群来说,弹性空间可能远不止100个点.
所以,对于地区性甚至区块性的房地产热度/健康度有别也就不难理解了.
某种程度上的经济基础决定上层建筑.
这里可能还有另外一个约束就是首付l的承受范围.
250*d=p=(10/3)*l
->
75*d = l
如果认为d的上限是月收入的话,那么实际上首付的上限区间在6.25年收入的范围内.
当然,考虑到中国存在比较复杂的信贷拆解渠道,这个约束某种程度上是可以忽略的.
所以,关键的还是跟贷款弹性空间有关的那个约束.
然后考虑下投资性的行为.
假设有250d的资金,那么就能够支付三套75*d的房子的首付.
此时还剩25d的现金,也就是能够支持大概25d/3d = 8.3个月的月供.
考虑房价年增幅为p,在第8个月出手,则3套房总价值在(1+8*(p/12))*250*d
获利为 (1+8*(p/12))*250*d - 250d + (25d -3d*8) = 188.5d.
比率为188.5d/250d = 75.4%,对应年收益率为231.1%.
即是一年2.3倍左右的风险收益.
以十年期展望的话,就是4142倍的增长.
这个是以持续投资为基础计算的.
那么换个角度思考.
在这种持续反复投入的前提下,对于流通的货币而言,相当于有一个4142倍的杠杠将流动性聚集到一个行业.
反过来就是说,如果要保持其他行业的流通率不变,那么就意味着需要补充等值的流通货币/流动性.
这并不是一个让人很舒服的概念.
某种程度上上来说,如果这个资金的规模足够大.
也就意味着在这10年里,有相当一部分的经济增长是固化在了这些固定资产的价格上面.
这样有什么问题呢?
即使经济的增长不足以继续维护这个模式,那么最理想的情况下,也还有最长8个月的时间来缓解.
而且,考虑到实际上的清偿能力弹性的分布,可能也只是错层重新撮合一下.
有实际损失的只是无法匹配的部分.
但如果是实际的经济萧条的话呢?
考虑到保守的消费观念,可能即使价格合适以及能够负担,但也并不一定能促成交易的转接的完成.
然后就是破产抵押,作为银行账上虚增的资产.
但这部分资产并不能即使变现.
同时从宏观角度来说,货币供应过剩,也不能通过流动性工具做操作.
于是局面就是实际上的通货紧缩加上货币政策的无效化.
因为无法通过降低利率刺激流动性,同时由于缺乏流动性,利率有上升的内在动力.
如果利率上升则又会进一步加剧流动性的紧缩状况.
所以可能的情况是利率不变,丧失调控能力.
然后就是联动地考虑外汇及其他.
如果人民币汇率已经国际化了,经济不景气,加上表面上的通货膨胀.
出现贬值倒也不是一个不好的局面.
如果没有国际化,基于同样的考虑,发生贬值也不算一件坏事.
只不过传导时间可能没有前者那么立竿见影而已.
但如果抛售到一定程度,央行无法释放这部分流动性的话,结果可能会更严重.
以为本来就是以为不能释放流动性造成的事实紧缩.
所以,这里需要的可能是直接市场上的,外资到人民币的变换.
不过归根到底,这个风险的基本点在于当初4142倍的资本固化造成的流动性事实缺失.
2016-01-18
一致的逻辑
某天去龙岗,然后外夜不归宿.
于是首先想到要解决的问题就是手机充电.
本来觉得是件挺不成问题的事的,然后发觉只有自己的是USB Type-C的接口.
然后想了想,大概随便买条Type-C的线凑合着应该也没什么问题.
去周围的一些便利店,商场,手机卖场以及通讯店铺问了下,都说没有.
这个结果倒是挺意外的.
不过倒也不难理解.
毕竟现在还不算一个非常普及的接口.
期间比较有趣的到时各种店员面对询问的反应方式.
有些直接问有没有USB Type-C的线.
然后看到对方一脸茫然的样子.
某些还是一些手机店的柜台店员.
有时候换个方式问有没手机数据线电源线.
对方的反应是有些意料之外的逻辑的.
问的是Android的数据线还是Apple的数据线.
这个反问是有点始料未及的.
想了下,某种程度上来说,确实是一个区分方式.
在接口和sim卡上面,Android在相当的一段时期内还是用的大众的接口.
而iPhone才时不时地变换各种接口标准.
所以,这种区分方式并没有大的问题.
但仔细想想里面的逻辑的话.
实际上是并没有采取技术上的USB类型分类来描述,而是采用了一种类似基于经验的直觉印象来区分.
就像早期称呼Android机器的G1,G2,G4等代号.
这是个比较有趣的东西.
为什么会选择使用一些经验解释而不是已有的官方称谓呢?
一种可能是认知上的成本所制约的.
USB,micro USB,USB Type-C这些标准技术区分对于一部分人来说可能是一种认知上的负担.
基于语言上的障碍,无法将这种自身语言模型无法准确描述的东西对应到实际物体的区别.
那么,对于"大口","小口"这类直观称呼来说呢?
为什么也存在没有接受的情况.
想了想,可能是知识结构的差异所造成的.
"大口"/"小口"这类称谓隐含的一些上下文条件是,明确了是以USB口外观为区别的描述.
也就是说,这里涉及两个认知.
一是知道什么是USB口.
二是对"大小"有区分概念.
后者可能是一种常识性的普适知识.
但前者就可能对于一些群体来说是一种知识面上的确实.
所以,当使用这种称谓的时候,由于信息的不够充分,所以不能产生预计的那种描述区分称谓.
也就是由于无法定义USB口/对USB口是什么没有概念,导致的后续的知识断层,以及由此产生的认知缺失.
于是,用这个思路理解"安卓的"还是"苹果的"问法的话.
实际上就是用"品牌"的替换了"USB口的概念"的作用.
换个角度来说,对一个东西的描述,是基于某种经验延伸出来的区分/差异来构建的.
首先是对一个物体的某个部分的特征有相应的概念.
然后是对这个概念存在一种区别度的方式.
然后考虑.
当说两个东西相同或者不同的时候,实际上表述的是,这个东西的某个点不能被区分/能被区分.
比如说,"Android手机"和"Apple手机".
表达这两个概念不同的时候,实际上是说这两个概念下面所属的某个点存在区分度.
可以是底层OS的实现不同,或者说手机的生产商不同等等.
也就是说,"Android手机和Apple手机是不同的"这个陈述的其实是,某个点的认知的区分度.
扩展一下,当两个或者两个人同时表达这个观点的时候,就存在这么一种情况.
都认同观点的逻辑性.
即两者存在不同.
但对于各自的依据却可能并不相同.
那么泛化一下的话,就存在一种极端的情况.
互相之间的"交流"是通畅和谐没有争议的,但实际上各自所指涉的东西确实完全不同的.
也就是某种程度上来说,"交流"/"沟通"的定义存在着至少两种情况.
一种是着眼的区分点是一致的信息的交换,即双方说的是同一件事.
一种是纯粹的逻辑结果的交换,即双方只是在把对方所说的转换为自己认为对方所应该说的事情.
实际上,前者也可以由后者来描述.
考虑交流双方A和B.
cognitive_statement_for_b = B(statement_of_a)
B对A的话语的理解,是B基于自身关注点的一个转换/重构后的理解.
因此,第一种情况实际上就是cognitive_statement_for_b === statement_of_a 的一个特殊情况而已.
于是,所谓的交流,某种程度上是一种有些唯心的东西.
本质上是基于自身的一些"知识点"所构建的,关于别人的动机的某种反演过程.
它并不一定就是事实上的结果.
即使在双方的逻辑世界中可能都并没有差错.
想想,就像是有两个黑盒,跟对方做一个互相通信,然后都没有表现出任何的偏差和错误.
于是,能说这两个黑盒是等价的么?
或者说,能说两个黑盒对对方的描述函数都是正确的么?
或者换个角度.
如何证明自己和他人所看到的世界是相同的呢?
两个人看两台电视的同一频道 和 两个人看一台电视有什么差别 之间存在什么差别么?
退一步来说,在"交流"顺畅,但双方对对方的转换函数跟实际不一致的情况下.
所谓的逻辑性是指什么?
就像用表情包交流.
如何确定自己理解的对方的表达的意思就是对方真正要表达的意思.
而不是一种"双方都觉得理解了对方的意思,但实际上只是两个平行故事"的事实.
某种程度上来说,就是如何定义"一致的逻辑"的问题.
于是首先想到要解决的问题就是手机充电.
本来觉得是件挺不成问题的事的,然后发觉只有自己的是USB Type-C的接口.
然后想了想,大概随便买条Type-C的线凑合着应该也没什么问题.
去周围的一些便利店,商场,手机卖场以及通讯店铺问了下,都说没有.
这个结果倒是挺意外的.
不过倒也不难理解.
毕竟现在还不算一个非常普及的接口.
期间比较有趣的到时各种店员面对询问的反应方式.
有些直接问有没有USB Type-C的线.
然后看到对方一脸茫然的样子.
某些还是一些手机店的柜台店员.
有时候换个方式问有没手机数据线电源线.
对方的反应是有些意料之外的逻辑的.
问的是Android的数据线还是Apple的数据线.
这个反问是有点始料未及的.
想了下,某种程度上来说,确实是一个区分方式.
在接口和sim卡上面,Android在相当的一段时期内还是用的大众的接口.
而iPhone才时不时地变换各种接口标准.
所以,这种区分方式并没有大的问题.
但仔细想想里面的逻辑的话.
实际上是并没有采取技术上的USB类型分类来描述,而是采用了一种类似基于经验的直觉印象来区分.
就像早期称呼Android机器的G1,G2,G4等代号.
这是个比较有趣的东西.
为什么会选择使用一些经验解释而不是已有的官方称谓呢?
一种可能是认知上的成本所制约的.
USB,micro USB,USB Type-C这些标准技术区分对于一部分人来说可能是一种认知上的负担.
基于语言上的障碍,无法将这种自身语言模型无法准确描述的东西对应到实际物体的区别.
那么,对于"大口","小口"这类直观称呼来说呢?
为什么也存在没有接受的情况.
想了想,可能是知识结构的差异所造成的.
"大口"/"小口"这类称谓隐含的一些上下文条件是,明确了是以USB口外观为区别的描述.
也就是说,这里涉及两个认知.
一是知道什么是USB口.
二是对"大小"有区分概念.
后者可能是一种常识性的普适知识.
但前者就可能对于一些群体来说是一种知识面上的确实.
所以,当使用这种称谓的时候,由于信息的不够充分,所以不能产生预计的那种描述区分称谓.
也就是由于无法定义USB口/对USB口是什么没有概念,导致的后续的知识断层,以及由此产生的认知缺失.
于是,用这个思路理解"安卓的"还是"苹果的"问法的话.
实际上就是用"品牌"的替换了"USB口的概念"的作用.
换个角度来说,对一个东西的描述,是基于某种经验延伸出来的区分/差异来构建的.
首先是对一个物体的某个部分的特征有相应的概念.
然后是对这个概念存在一种区别度的方式.
然后考虑.
当说两个东西相同或者不同的时候,实际上表述的是,这个东西的某个点不能被区分/能被区分.
比如说,"Android手机"和"Apple手机".
表达这两个概念不同的时候,实际上是说这两个概念下面所属的某个点存在区分度.
可以是底层OS的实现不同,或者说手机的生产商不同等等.
也就是说,"Android手机和Apple手机是不同的"这个陈述的其实是,某个点的认知的区分度.
扩展一下,当两个或者两个人同时表达这个观点的时候,就存在这么一种情况.
都认同观点的逻辑性.
即两者存在不同.
但对于各自的依据却可能并不相同.
那么泛化一下的话,就存在一种极端的情况.
互相之间的"交流"是通畅和谐没有争议的,但实际上各自所指涉的东西确实完全不同的.
也就是某种程度上来说,"交流"/"沟通"的定义存在着至少两种情况.
一种是着眼的区分点是一致的信息的交换,即双方说的是同一件事.
一种是纯粹的逻辑结果的交换,即双方只是在把对方所说的转换为自己认为对方所应该说的事情.
实际上,前者也可以由后者来描述.
考虑交流双方A和B.
cognitive_statement_for_b = B(statement_of_a)
B对A的话语的理解,是B基于自身关注点的一个转换/重构后的理解.
因此,第一种情况实际上就是cognitive_statement_for_b === statement_of_a 的一个特殊情况而已.
于是,所谓的交流,某种程度上是一种有些唯心的东西.
本质上是基于自身的一些"知识点"所构建的,关于别人的动机的某种反演过程.
它并不一定就是事实上的结果.
即使在双方的逻辑世界中可能都并没有差错.
想想,就像是有两个黑盒,跟对方做一个互相通信,然后都没有表现出任何的偏差和错误.
于是,能说这两个黑盒是等价的么?
或者说,能说两个黑盒对对方的描述函数都是正确的么?
或者换个角度.
如何证明自己和他人所看到的世界是相同的呢?
两个人看两台电视的同一频道 和 两个人看一台电视有什么差别 之间存在什么差别么?
退一步来说,在"交流"顺畅,但双方对对方的转换函数跟实际不一致的情况下.
所谓的逻辑性是指什么?
就像用表情包交流.
如何确定自己理解的对方的表达的意思就是对方真正要表达的意思.
而不是一种"双方都觉得理解了对方的意思,但实际上只是两个平行故事"的事实.
某种程度上来说,就是如何定义"一致的逻辑"的问题.
2016-01-15
一些猜想
之前谈过一点离岸人民币的想法.
说谈其实也说不上,只是一个发散的猜测罢了.
当时的考虑是央行有回收离岸人民币的动机.
需要回收冲减超发的货币,让通胀率回归真实水平.
现在再翻出来考虑的化,可能还有加入SDR后的一些考虑.
之前也说过,某种程度上来说,离岸人民币是一个历史包袱.
算是一个制度和管控跟不上经济发展造成的问题.
谈汇率市场化的话,那么这个市场里就至少存在这个央行所无法直接施加影响的地方.
因为交兑渠道和价格是在一个相对自由的市场.
某种程度上来说跟一般的商品市场无异.
如果要市场化,尤其加入SDR,央行所谋求的应该是对人民币的控制权和调控能力.
完全市场化的话,当然实际上抹去离岸市场的存在价值.
但带来的后果是失去了一道经济上的防火墙.
也就是直接带入到世界经济的变化要素里.
这个对于谨慎的中国来说,是一个充满变数的环境.
因此,至少在没有充分的把握/控制能力之前,这个大概不会是一个方案.
那么,市场化/自由化的动机是什么呢?
自然是为了可能的更多和更方便的资本/杠杆来带动中国的经济.
于是,如果不能一步到位地市场化的话,自然的思路就是尽可能地去除不确定因素.
其中一个因素就是离岸市场.
离岸市场的一个问题是离岸人民币的流通性问题.
这个不参与到国内的流转,但毕竟是发行货币.
只是从某个流通环节开始突然从基础货币里消失,但实际影响还在.
另一个问题是离岸交易对央行人民币标价的浮动影响.
也即是在一定程度上来说,即使央行坚定一个定价.
但是因为存在离岸市场的自由交易和套利动机,其价格也可能不得不跟设定的价格产生一定程度的便宜.
弱化了央行对人民币的调控能力.
如何消灭这个因素呢?
直接的思路就是让这个市场消失,或者影响最小化.
离岸市场能产生影响的根本在于有人民币存量.
如果这个存量不存在了,那么自然就没有这个市场以及没有其对应的影响力了.
所以,如果从这个角度考虑的话,前段时间人民币贬值也就不难理解.
需要抛售美元来买入离岸人民币,从而加强对人民币的定价权.
作为代价的外汇储备和对应的汇率风险呢?
美元储备下降不会对人民币的实际价格产生影响么?
历史原因人民币的国际估值基本是通过美元外汇储备来支撑的.
主要是早期中国并不具有可靠的国际信用背书,以及足够的经济后盾作为支撑.
而现在这个原因继续成立的理由可能并不那么坚固了.
离岸市场的存在本身在侧面就证明了人民币在国际市场的一定影响力.
毕竟有了交兑需求也就证明了人民币已经某种程度上被接受和认可.
另一个方面加入SDR本身也是一种世界范围的肯定和认可.
所以,一定程度上来说,外汇储备的下降对人民币信用的影响,长期来看有限.
短期内有汇率波动也是正常的.
毕竟,交易和宏观趋势是两回事.
但在一个相当的时期内,人民币贬值是一个比较确定的事.
毕竟,短期内,对人人民币的估值应该还是跟外汇储备挂钩的.
这个共识模型不改变的话,作为代价贬值是必然的.
以及对应的,离岸市场的交易买入也会在一定时期内拉动央行的定价,这个也是难免的.
而对于经济的影响来说.
即使央行完成了这个绞杀行动,那么也还是需要有一定的时间去消化这些人民币的.
所以,估计可以预期之后会有一段偏向紧缩的货币政策来消化和修正流通的影响.
货币收紧的话,经济会如何?
一方面的表现应该紧缩下的高利率.
另一方面就是随之而来的流通速率的降低.
流通不畅基本上就等于衰退了.
因为乘数效果已经因为速率的降低而大大减弱,所以对这个周期内的货币流通数额将打个折扣.
存在不影响流通速率而又保持高利率的情况么?
流通的源头在于一些上游企业的效益变化.
而高利率的负面作用在于企业举债成本的上升.
所以,某种程度上来说,寻找的是一种保证上游企业效益,同时又不会对造成对企业的巨大债务成本.
于是考虑两个词.
供给侧改革和金融创新.
把前者理解为效率优化,后者理解为新型债务方式的话,似乎也没什么不对.
效率优化理解为并购重组和淘汰落后产能的话,某种程度上来说跟十几年前的国企改革没什么太大的本质区别.
后果自然也可能没什么太大异同.
所谓的阵痛是难免的.
而且但从人员考虑的话,某种程度上来说也可以为一些下游链条里提供一些转型劳动力.
毕竟,以现在的人口流动能力来说,至少可能在一定程度上做到一些人口分布的调整.
以及随之产生的劳动力变化和可能的地方经济模式改变.
想想城镇化这个词.
至于新型债务.
可能是企业融资的新方式.
也可能是新的融资渠道.
形式可能是不太喜闻乐见的A股市场股权推动的融资,也可能是各种民间渠道的资金拆借.
本质上是在收紧银根的同时,疏导和劝诱社会的闲散资金充当流动性的激素,补充/填充高利率带来的融资成本问题.
当然,即使这些都是对的.
那么带来的一个自然的问题就是,实际上的货币紧缩,但同时又对资金进行针对性流向调整.
结果自然是相当一部分的资金进入生产领域,而消费领域的流动性需要一定滞后的时间才能被传导到.
而且如果在一定时期内没有带动起想要的流通效果,也就是消费严重滞后的话,反过来自然就会对上游生产产生负面影响.
极端情况就是消费停滞带来的饥饿式的产能过剩.
所以可能时间点的掌控和对流通的反馈敏感度更为重要一点.
还有一些乱七八糟的猜测是关于港币.
港币的一个思路是自从股市去杠杆之后的沪港通套利行为.
这里面一个是股市本身的套利,一个是夹杂汇率因素的套利.
尤其后者在最近这段时间尤为明显.
这里面除了常规的股市交易价差之外,还隐含了一个港币和人民币的通道.
而港币本身是跟美元挂钩的.
所以,逻辑上来说,应该是存在一个人民币跟美元的套利行为.
只不过桥梁是通过港币,而不像离岸市场那么直接.
于是想想港币的波动可能就有迹可循了.
而因为港币还是确确实实的以美元储备为支撑做锚定的.
所以如果央行继续目前的离岸打击策略,相信港币脱钩美元挂钩人民币的日子不远了.
毕竟,到时可能已经没有足够的资本锚定美元了.
说谈其实也说不上,只是一个发散的猜测罢了.
当时的考虑是央行有回收离岸人民币的动机.
需要回收冲减超发的货币,让通胀率回归真实水平.
现在再翻出来考虑的化,可能还有加入SDR后的一些考虑.
之前也说过,某种程度上来说,离岸人民币是一个历史包袱.
算是一个制度和管控跟不上经济发展造成的问题.
谈汇率市场化的话,那么这个市场里就至少存在这个央行所无法直接施加影响的地方.
因为交兑渠道和价格是在一个相对自由的市场.
某种程度上来说跟一般的商品市场无异.
如果要市场化,尤其加入SDR,央行所谋求的应该是对人民币的控制权和调控能力.
完全市场化的话,当然实际上抹去离岸市场的存在价值.
但带来的后果是失去了一道经济上的防火墙.
也就是直接带入到世界经济的变化要素里.
这个对于谨慎的中国来说,是一个充满变数的环境.
因此,至少在没有充分的把握/控制能力之前,这个大概不会是一个方案.
那么,市场化/自由化的动机是什么呢?
自然是为了可能的更多和更方便的资本/杠杆来带动中国的经济.
于是,如果不能一步到位地市场化的话,自然的思路就是尽可能地去除不确定因素.
其中一个因素就是离岸市场.
离岸市场的一个问题是离岸人民币的流通性问题.
这个不参与到国内的流转,但毕竟是发行货币.
只是从某个流通环节开始突然从基础货币里消失,但实际影响还在.
另一个问题是离岸交易对央行人民币标价的浮动影响.
也即是在一定程度上来说,即使央行坚定一个定价.
但是因为存在离岸市场的自由交易和套利动机,其价格也可能不得不跟设定的价格产生一定程度的便宜.
弱化了央行对人民币的调控能力.
如何消灭这个因素呢?
直接的思路就是让这个市场消失,或者影响最小化.
离岸市场能产生影响的根本在于有人民币存量.
如果这个存量不存在了,那么自然就没有这个市场以及没有其对应的影响力了.
所以,如果从这个角度考虑的话,前段时间人民币贬值也就不难理解.
需要抛售美元来买入离岸人民币,从而加强对人民币的定价权.
作为代价的外汇储备和对应的汇率风险呢?
美元储备下降不会对人民币的实际价格产生影响么?
历史原因人民币的国际估值基本是通过美元外汇储备来支撑的.
主要是早期中国并不具有可靠的国际信用背书,以及足够的经济后盾作为支撑.
而现在这个原因继续成立的理由可能并不那么坚固了.
离岸市场的存在本身在侧面就证明了人民币在国际市场的一定影响力.
毕竟有了交兑需求也就证明了人民币已经某种程度上被接受和认可.
另一个方面加入SDR本身也是一种世界范围的肯定和认可.
所以,一定程度上来说,外汇储备的下降对人民币信用的影响,长期来看有限.
短期内有汇率波动也是正常的.
毕竟,交易和宏观趋势是两回事.
但在一个相当的时期内,人民币贬值是一个比较确定的事.
毕竟,短期内,对人人民币的估值应该还是跟外汇储备挂钩的.
这个共识模型不改变的话,作为代价贬值是必然的.
以及对应的,离岸市场的交易买入也会在一定时期内拉动央行的定价,这个也是难免的.
而对于经济的影响来说.
即使央行完成了这个绞杀行动,那么也还是需要有一定的时间去消化这些人民币的.
所以,估计可以预期之后会有一段偏向紧缩的货币政策来消化和修正流通的影响.
货币收紧的话,经济会如何?
一方面的表现应该紧缩下的高利率.
另一方面就是随之而来的流通速率的降低.
流通不畅基本上就等于衰退了.
因为乘数效果已经因为速率的降低而大大减弱,所以对这个周期内的货币流通数额将打个折扣.
存在不影响流通速率而又保持高利率的情况么?
流通的源头在于一些上游企业的效益变化.
而高利率的负面作用在于企业举债成本的上升.
所以,某种程度上来说,寻找的是一种保证上游企业效益,同时又不会对造成对企业的巨大债务成本.
于是考虑两个词.
供给侧改革和金融创新.
把前者理解为效率优化,后者理解为新型债务方式的话,似乎也没什么不对.
效率优化理解为并购重组和淘汰落后产能的话,某种程度上来说跟十几年前的国企改革没什么太大的本质区别.
后果自然也可能没什么太大异同.
所谓的阵痛是难免的.
而且但从人员考虑的话,某种程度上来说也可以为一些下游链条里提供一些转型劳动力.
毕竟,以现在的人口流动能力来说,至少可能在一定程度上做到一些人口分布的调整.
以及随之产生的劳动力变化和可能的地方经济模式改变.
想想城镇化这个词.
至于新型债务.
可能是企业融资的新方式.
也可能是新的融资渠道.
形式可能是不太喜闻乐见的A股市场股权推动的融资,也可能是各种民间渠道的资金拆借.
本质上是在收紧银根的同时,疏导和劝诱社会的闲散资金充当流动性的激素,补充/填充高利率带来的融资成本问题.
当然,即使这些都是对的.
那么带来的一个自然的问题就是,实际上的货币紧缩,但同时又对资金进行针对性流向调整.
结果自然是相当一部分的资金进入生产领域,而消费领域的流动性需要一定滞后的时间才能被传导到.
而且如果在一定时期内没有带动起想要的流通效果,也就是消费严重滞后的话,反过来自然就会对上游生产产生负面影响.
极端情况就是消费停滞带来的饥饿式的产能过剩.
所以可能时间点的掌控和对流通的反馈敏感度更为重要一点.
还有一些乱七八糟的猜测是关于港币.
港币的一个思路是自从股市去杠杆之后的沪港通套利行为.
这里面一个是股市本身的套利,一个是夹杂汇率因素的套利.
尤其后者在最近这段时间尤为明显.
这里面除了常规的股市交易价差之外,还隐含了一个港币和人民币的通道.
而港币本身是跟美元挂钩的.
所以,逻辑上来说,应该是存在一个人民币跟美元的套利行为.
只不过桥梁是通过港币,而不像离岸市场那么直接.
于是想想港币的波动可能就有迹可循了.
而因为港币还是确确实实的以美元储备为支撑做锚定的.
所以如果央行继续目前的离岸打击策略,相信港币脱钩美元挂钩人民币的日子不远了.
毕竟,到时可能已经没有足够的资本锚定美元了.
2016-01-11
板栗的剥法
晚上心血来潮想吃板栗.
于是便去买了斤,23块.
顺手Google了下成本价,感觉利润率还蛮高的.
然后想到了一个问题.
利润率高就是一门好生意么.
或者说,单纯看利润率是不是就能判断是否有价值/值得去做.
考虑简单的revenue = income - investment.
对于一个商品而言,价格/售价带来的收入income是大致固定的.
那么,要提高利润/收入revenue的话,减少成本investment的投入就是很自然而然的想法.
但这里隐含一个奇妙的假设.
那就是这个计算是基于单次交易的.
也就是说并没有考虑周转率.
或者说转化时间.
一个稍微极端点的例子就是.
存在一个利润率为80%的交易A与一个利润率为1%的交易B.
A的交易周期或者说完成时间是100年,而B则只需要1秒.
那么,不用计算也知道在一定时期内B的累计收益要比A高.
修正一下的话,就应该是
revenue = (income - investment)/transation_time.
拆分一下的话就是
revenue = income/transation_time - investment/transation_time.
如果一个产品的生命/销售周期是确定的.
那么income/transation_time的部分就是一个常数.
所以,maximize revenue的方法实际上就是minimize investment/transation_time.
把这个minimize的部分换个角度看的话,实际是就是要求单位时间的内的投入尽可能地少.
如果transation_time不是确定的话,但预期收入income和预计投入investment是确定的话,不如一些成熟产品的销售开发等.
则明显的只能通过缩短transaction_time来达到优化revenue的结果.
如果都是不可预期的呢?
比如一个新东西的研发,可能一切都是不那么确定.
考虑另外一种形式.
revenue = income - investment - transation_cost.
这里,尽管income和investment可能也是当前不确定的因素.
但在研发或者说投产之后,则可以认为是已知的.
换句话说虽然是不能实现量化的,但从性质上来说两者的运算是一个常数.
因此,问题也就简化为minimize transation_cost了.
这里取巧的是并没有定义具体的transation_cost是什么.
而只是一种泛化的对影响交易流动速率/周转率的东西的一个统称.
具体到栗子的问题.
影响它周转率的是什么呢?
一个是人流,一个是炒栗子的速度.
给定一定的炒栗子的速度,那么周转率就首先受人流量的制约.
当人流量到达一定程度的时候,就收到炒栗子的速度的制约,而且存在一个极限瓶颈.
这里仔细想想的话,其实是分几个阶段.
第一阶段是收人流制约的阶段.
这时候该如何最大化收益呢?
自然是想办法增加流量.
思路可以是招揽顾客,这是基于地点固定的假设针对landing转化率的优化.
或者切换不同时间点人流地方,这是基于地点不固定的针对流量的渠道优化.
甚至更进一步的,以横向开店的方式综合landing和渠道的流量优化.
从现实角度来说,这个阶段基本上是可以无限延续下去的.
只要市场还没有饱和.
如果已经饱和了,那处于什么阶段都是无意义的.
因为过剩使得这时候并不存在进一步优化的空间.
单纯思路上考虑的话,第二个阶段就是栗子产量更不上需求的阶段了.
一个自然的想法当然是提高生产效率了.
使得单位时间的产出栗子数跟上需求的增长.
然而,如果存在一个物理极限呢?
考虑下定义产量跟不上需求这个描述.
实际上就是
demand - supply > 0
利益最大化的过程实际上就是让
demand - supply -> 0
的过程.
而前面的假设是supply已经达到物理极限了.
那么还存在优化的可能么?
如果以某种形式减少demand呢?
考虑这里的supply其实是一个时间相关的函数.
所谓的达到极限也即使supply的速率达到了一个极限.
既然supply是个时间相关的速率函数,那么demand也应该是一个时间相关的速率函数.
也就是说实际上,它表征的并不是需求的总量,而是需求的单位时间速率.
做个定义
demand = (people * demand_per_person)/ unit_of_time
这样的话,即使前面假设people继续增长,那么通过调节demand_per_person也可以维持不等式里demand的值.
这个demand_per_person的实际意义可能是分量,也可能是配给的限额或者其他类似等价的东西.
另外一个思路是考虑supply.
原本的supply假设是跟demand无关的.
如果有关呢?
如果demand可以转化为某种形式的supply呢?
一个可能的形式就是如果买栗子的用户自己炒栗子的话,那么demand - supply = 0就是恒成立的.
跟最初的单方的炒栗子的物理极限无关.
退一步来说,把炒的过程分解摊分给用户,也能在一定程度上扩展物理极限的约束.
相对与demand_per_person的方案来说,转化demand为supply的方式理论上跟持续一点.
毕竟现实里demand_per_person并不是一个可无限细分的量.
所以,理论上来说,貌似是一个在市场不饱和的前提下永续下去的东西.
到这,发觉栗子没吃完就已经有些腻了.
于是,大概也不是一个特别不容易饱和的东西.
于是便去买了斤,23块.
顺手Google了下成本价,感觉利润率还蛮高的.
然后想到了一个问题.
利润率高就是一门好生意么.
或者说,单纯看利润率是不是就能判断是否有价值/值得去做.
考虑简单的revenue = income - investment.
对于一个商品而言,价格/售价带来的收入income是大致固定的.
那么,要提高利润/收入revenue的话,减少成本investment的投入就是很自然而然的想法.
但这里隐含一个奇妙的假设.
那就是这个计算是基于单次交易的.
也就是说并没有考虑周转率.
或者说转化时间.
一个稍微极端点的例子就是.
存在一个利润率为80%的交易A与一个利润率为1%的交易B.
A的交易周期或者说完成时间是100年,而B则只需要1秒.
那么,不用计算也知道在一定时期内B的累计收益要比A高.
修正一下的话,就应该是
revenue = (income - investment)/transation_time.
拆分一下的话就是
revenue = income/transation_time - investment/transation_time.
如果一个产品的生命/销售周期是确定的.
那么income/transation_time的部分就是一个常数.
所以,maximize revenue的方法实际上就是minimize investment/transation_time.
把这个minimize的部分换个角度看的话,实际是就是要求单位时间的内的投入尽可能地少.
如果transation_time不是确定的话,但预期收入income和预计投入investment是确定的话,不如一些成熟产品的销售开发等.
则明显的只能通过缩短transaction_time来达到优化revenue的结果.
如果都是不可预期的呢?
比如一个新东西的研发,可能一切都是不那么确定.
考虑另外一种形式.
revenue = income - investment - transation_cost.
这里,尽管income和investment可能也是当前不确定的因素.
但在研发或者说投产之后,则可以认为是已知的.
换句话说虽然是不能实现量化的,但从性质上来说两者的运算是一个常数.
因此,问题也就简化为minimize transation_cost了.
这里取巧的是并没有定义具体的transation_cost是什么.
而只是一种泛化的对影响交易流动速率/周转率的东西的一个统称.
具体到栗子的问题.
影响它周转率的是什么呢?
一个是人流,一个是炒栗子的速度.
给定一定的炒栗子的速度,那么周转率就首先受人流量的制约.
当人流量到达一定程度的时候,就收到炒栗子的速度的制约,而且存在一个极限瓶颈.
这里仔细想想的话,其实是分几个阶段.
第一阶段是收人流制约的阶段.
这时候该如何最大化收益呢?
自然是想办法增加流量.
思路可以是招揽顾客,这是基于地点固定的假设针对landing转化率的优化.
或者切换不同时间点人流地方,这是基于地点不固定的针对流量的渠道优化.
甚至更进一步的,以横向开店的方式综合landing和渠道的流量优化.
从现实角度来说,这个阶段基本上是可以无限延续下去的.
只要市场还没有饱和.
如果已经饱和了,那处于什么阶段都是无意义的.
因为过剩使得这时候并不存在进一步优化的空间.
单纯思路上考虑的话,第二个阶段就是栗子产量更不上需求的阶段了.
一个自然的想法当然是提高生产效率了.
使得单位时间的产出栗子数跟上需求的增长.
然而,如果存在一个物理极限呢?
考虑下定义产量跟不上需求这个描述.
实际上就是
demand - supply > 0
利益最大化的过程实际上就是让
demand - supply -> 0
的过程.
而前面的假设是supply已经达到物理极限了.
那么还存在优化的可能么?
如果以某种形式减少demand呢?
考虑这里的supply其实是一个时间相关的函数.
所谓的达到极限也即使supply的速率达到了一个极限.
既然supply是个时间相关的速率函数,那么demand也应该是一个时间相关的速率函数.
也就是说实际上,它表征的并不是需求的总量,而是需求的单位时间速率.
做个定义
demand = (people * demand_per_person)/ unit_of_time
这样的话,即使前面假设people继续增长,那么通过调节demand_per_person也可以维持不等式里demand的值.
这个demand_per_person的实际意义可能是分量,也可能是配给的限额或者其他类似等价的东西.
另外一个思路是考虑supply.
原本的supply假设是跟demand无关的.
如果有关呢?
如果demand可以转化为某种形式的supply呢?
一个可能的形式就是如果买栗子的用户自己炒栗子的话,那么demand - supply = 0就是恒成立的.
跟最初的单方的炒栗子的物理极限无关.
退一步来说,把炒的过程分解摊分给用户,也能在一定程度上扩展物理极限的约束.
相对与demand_per_person的方案来说,转化demand为supply的方式理论上跟持续一点.
毕竟现实里demand_per_person并不是一个可无限细分的量.
所以,理论上来说,貌似是一个在市场不饱和的前提下永续下去的东西.
到这,发觉栗子没吃完就已经有些腻了.
于是,大概也不是一个特别不容易饱和的东西.
2016-01-10
一点评论
其实想想,大概很多人上个网刷个微博评论下热点事件,也只是一种娱乐方式吧.
并不一定说是有什么特定的倾向或者立场.
多数情况可能只是一种狂欢性质的群体活动.
这两天看快播的事件也是.
印象中依稀还记得当年快播被查封的时候舆论的风向.
大抵是没有今天这么为色情内容申冤的.
所以这两天其实也挺不解为什么"技术本身并不可耻"这个观点是怎么被套用上来的.
想了想,可能的一个因素大概是衍生自GFW吧.
毕竟有段时间以来,一些工具的作者相继地收到一个行政上的干涉.
可能就像某个评论说的,只是恰好捞了一些技术人员的同情产生的类似同感的情绪罢了.
其实大家都明白,在相当长的一段时期内,快播的品牌形象确实是跟色情视频捆绑在一起的.
在事发前还没有同情情绪的时候,还有相当程度的负面的关于捆绑和流氓的名声.
当然,这些在今天已经无所谓了.
虽然说,勉强也可以套用技术中立的论点.
而同样的,百度迅雷腾讯等提供或者曾经提供过类似服务的,也一并列入了这个类似同情的情绪当中.
客观一点说,这股"同情情绪"的根源还是来自于面对公检法的一种传统印象的"弱势".
就像虽然说舆论上对辩方的表现有极度的嘲讽和贬损,但是实际上还是认为这个案子的结论是必然有罪的.
这是个很微妙的情绪.
一方面是对有罪的自我认知.
一方面又是对无罪的某种自我辩护.
尽管,"有罪"的这个心里可能并不一定是来自于认为快播确实触犯了相关法律法规.
而是基于脸谱化的对公检法屈打成招的印象的一种推断.
但不管怎么来说,这是一种挺矛盾的心理.
认为快播无罪的,除了一些也是对脸谱化印象的逆反心理之外,还有相当程度的就是基于上面提到过的技术中立性的感情牌.
虽然该案的起诉点在于传播淫秽物品并牟利,跟版权的传播正当性并没有什么关系.
但可能也是受辩方律师的一些思路影响.
辩方想的可能是通过直接否定掉传播责任来脱罪.
所以看直播的文字资料以及相当程度的衍生段子都是围绕类避风港原则的传播点原则来展开的.
某种程度上来说,跟控方就一直没在同一个频道对话过.
就视频播放来说,快播事实上是存在两类有交叉的内容的.
一个是版权视频.
一个就是案件所指涉的色情视频.
后者某种程度上来说也算前者的一部分子集.
除去用户自己制造的部分,其他也是带有版权的色情视频.
辩方用版权来回避否定传播的有罪性质.
而控方的着力点则并不在于视频版权的合法性,而在于视频的内容本身是否违反了法律法规.
即是否是色情视频.
这个也是案件的一个基本核心.
所以,理论上来说,即使辩方在这方面的辩护做得再好再天衣无缝,但对于罪名本身是毫无帮助的.
某种程度上来说,只是在无谓的消耗时间和某种形式的娱乐大众.
因此,人民日报也会有相关的评论文章来指责这种舆论上的偏离主题的表现.
毕竟是两回事,不能混为一谈.
而且就庭上承认知道有色情内容(知道有色情内容并做过专门过滤)这一点来说,更是给自己提供了一个不利的因素.
因为这基本上就是帮助对方确认了传播淫秽内容并牟利这个命题的前半部分了.
剩下的控方只要再提供证据证明有传播并因此牟利就能完成控诉的证据链了.
牟利这点对于控方来说相对容易证明.
毕竟互联网公司的盈利模式相对单一.
而且实际上确实也是因为附加的广告产生的收入,
即使有部分并不是色情内容,但却是确实产生了收入.
所以大概也就能理解为什么会继续引用技术中立性来做辩护了.
这里的中立性的另一层意思是色情内容的消费传播并不是快播的责任.
所援引的证据是并不存储和分发内容.
而控辩双方的一个争论焦点就在于缓存服务上的内容属于不属于存储行为.
技术上来说,快播这点并没有问题.
然后是分发.
快播引用的是虽然有提供搜索服务,但是针对性地添加了110系统,所以不存在主观故意的动机.
这个辩护也没什么缺点.
但也只是勉强去除了主观故意的传播这一点.
并没有完全的免去针对传播的指控.
所以,原则上来说,如果只是到这个程度的话,即使控方不能以最高量刑入刑,也至少能以一个较低的量刑入罪了.
想到这里的话,大概有些明白为什么辩方一直坚称技术无罪了.
毕竟,到了这个阶段,只能再加证明具有客观上的不可抗性了.
也即是用户的使用行为不是快播的责任,从而不构成是快播传播的这一论点.
快播在证明不可抗性的时候使用的是有做措施过滤过滤但效果不好.
这个出发点可能也并不是很好.
因为这点恰恰是否定的不可抗性,证明是有能力干涉的.
所以,就这个结果来说,快播可能还是避免不了客观上传播淫秽内容并牟利的罪名.
某种程度上的共犯或者协助犯罪的定性.
而且实际上来说,控方还可能利用相应法律法规规定的信息服务商的自律条款来推导这个不可抗性的辩护.
打回到主观传播的途径上面.
于是想想,快播在传播这一点上的辩护余地并不如想象的多.
剩下的一点希望可能反倒是在牟利这一点上.
毕竟,即使不是对于案件而是正常的公司运营角度上来看,也可能并不容易区分具体流量的盈利程度和价值.
而且从事实上来说,并没有足够的量化证据证明广告的收入是来自于视频的播放.
尤其如果并没有在播放前加入贴片或前置帧广告的话,就更难直接关联了.
某种程度上来说,也并不是完全的没有胜诉的希望.
并不一定说是有什么特定的倾向或者立场.
多数情况可能只是一种狂欢性质的群体活动.
这两天看快播的事件也是.
印象中依稀还记得当年快播被查封的时候舆论的风向.
大抵是没有今天这么为色情内容申冤的.
所以这两天其实也挺不解为什么"技术本身并不可耻"这个观点是怎么被套用上来的.
想了想,可能的一个因素大概是衍生自GFW吧.
毕竟有段时间以来,一些工具的作者相继地收到一个行政上的干涉.
可能就像某个评论说的,只是恰好捞了一些技术人员的同情产生的类似同感的情绪罢了.
其实大家都明白,在相当长的一段时期内,快播的品牌形象确实是跟色情视频捆绑在一起的.
在事发前还没有同情情绪的时候,还有相当程度的负面的关于捆绑和流氓的名声.
当然,这些在今天已经无所谓了.
虽然说,勉强也可以套用技术中立的论点.
而同样的,百度迅雷腾讯等提供或者曾经提供过类似服务的,也一并列入了这个类似同情的情绪当中.
客观一点说,这股"同情情绪"的根源还是来自于面对公检法的一种传统印象的"弱势".
就像虽然说舆论上对辩方的表现有极度的嘲讽和贬损,但是实际上还是认为这个案子的结论是必然有罪的.
这是个很微妙的情绪.
一方面是对有罪的自我认知.
一方面又是对无罪的某种自我辩护.
尽管,"有罪"的这个心里可能并不一定是来自于认为快播确实触犯了相关法律法规.
而是基于脸谱化的对公检法屈打成招的印象的一种推断.
但不管怎么来说,这是一种挺矛盾的心理.
认为快播无罪的,除了一些也是对脸谱化印象的逆反心理之外,还有相当程度的就是基于上面提到过的技术中立性的感情牌.
虽然该案的起诉点在于传播淫秽物品并牟利,跟版权的传播正当性并没有什么关系.
但可能也是受辩方律师的一些思路影响.
辩方想的可能是通过直接否定掉传播责任来脱罪.
所以看直播的文字资料以及相当程度的衍生段子都是围绕类避风港原则的传播点原则来展开的.
某种程度上来说,跟控方就一直没在同一个频道对话过.
就视频播放来说,快播事实上是存在两类有交叉的内容的.
一个是版权视频.
一个就是案件所指涉的色情视频.
后者某种程度上来说也算前者的一部分子集.
除去用户自己制造的部分,其他也是带有版权的色情视频.
辩方用版权来回避否定传播的有罪性质.
而控方的着力点则并不在于视频版权的合法性,而在于视频的内容本身是否违反了法律法规.
即是否是色情视频.
这个也是案件的一个基本核心.
所以,理论上来说,即使辩方在这方面的辩护做得再好再天衣无缝,但对于罪名本身是毫无帮助的.
某种程度上来说,只是在无谓的消耗时间和某种形式的娱乐大众.
因此,人民日报也会有相关的评论文章来指责这种舆论上的偏离主题的表现.
毕竟是两回事,不能混为一谈.
而且就庭上承认知道有色情内容(知道有色情内容并做过专门过滤)这一点来说,更是给自己提供了一个不利的因素.
因为这基本上就是帮助对方确认了传播淫秽内容并牟利这个命题的前半部分了.
剩下的控方只要再提供证据证明有传播并因此牟利就能完成控诉的证据链了.
牟利这点对于控方来说相对容易证明.
毕竟互联网公司的盈利模式相对单一.
而且实际上确实也是因为附加的广告产生的收入,
即使有部分并不是色情内容,但却是确实产生了收入.
所以大概也就能理解为什么会继续引用技术中立性来做辩护了.
这里的中立性的另一层意思是色情内容的消费传播并不是快播的责任.
所援引的证据是并不存储和分发内容.
而控辩双方的一个争论焦点就在于缓存服务上的内容属于不属于存储行为.
技术上来说,快播这点并没有问题.
然后是分发.
快播引用的是虽然有提供搜索服务,但是针对性地添加了110系统,所以不存在主观故意的动机.
这个辩护也没什么缺点.
但也只是勉强去除了主观故意的传播这一点.
并没有完全的免去针对传播的指控.
所以,原则上来说,如果只是到这个程度的话,即使控方不能以最高量刑入刑,也至少能以一个较低的量刑入罪了.
想到这里的话,大概有些明白为什么辩方一直坚称技术无罪了.
毕竟,到了这个阶段,只能再加证明具有客观上的不可抗性了.
也即是用户的使用行为不是快播的责任,从而不构成是快播传播的这一论点.
快播在证明不可抗性的时候使用的是有做措施过滤过滤但效果不好.
这个出发点可能也并不是很好.
因为这点恰恰是否定的不可抗性,证明是有能力干涉的.
所以,就这个结果来说,快播可能还是避免不了客观上传播淫秽内容并牟利的罪名.
某种程度上的共犯或者协助犯罪的定性.
而且实际上来说,控方还可能利用相应法律法规规定的信息服务商的自律条款来推导这个不可抗性的辩护.
打回到主观传播的途径上面.
于是想想,快播在传播这一点上的辩护余地并不如想象的多.
剩下的一点希望可能反倒是在牟利这一点上.
毕竟,即使不是对于案件而是正常的公司运营角度上来看,也可能并不容易区分具体流量的盈利程度和价值.
而且从事实上来说,并没有足够的量化证据证明广告的收入是来自于视频的播放.
尤其如果并没有在播放前加入贴片或前置帧广告的话,就更难直接关联了.
某种程度上来说,也并不是完全的没有胜诉的希望.
订阅：
博文 (Atom)