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.
2016-10-14
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.
订阅：
博文 (Atom)