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.

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.

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.

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.