量化思维的利与弊
上午好啊，大家~
今天我们谈谈量化思维。
嘻嘻嘻嘻，昨天在直播间尼禄一直在逗我，我不知道他是故意诡辩逗我玩还是实际上就是很推崇量化思维，但不管怎样，秉着“理不辩不明”的想法，今天系统聊一下量化的好处和量化的坑。
我们知道，没有哪种工具是万能的，或者说是完美的，在使用一个工具之前，我们一方面要了解这个工具的优势，另一方面还要看这个工具有哪些不足。
只有在了解工具两面性的基础上，我们才可以更好的运用这个工具；否则，我们很容易被我们制造的工具驯化，受工具所制（哲学狗头）。
尼禄已经说过了，他无时无刻不在收集数据，通过这些数据他可以描绘出眼前这个人的画像，以判断出采用什么样的策略与对方沟通会得到比较好的效果。
按照尼禄的风格，他要的效果一般有俩，要么是商业成功，要么是哄女生开心，而且商业成功对他来说占的比重很大，那么我们其实都是为实现他商业成功目标而准备的训练样本（钢铁直男是不是很可怕又简单得很可爱~）。
既然我们是训练样本，那么我们有理由推测尼禄将自己的部分思维训练成了一个人群分类器，通过输入各种各样的样本来让这个分类器更精准，将来遇到旧样本他这里基本上可以很easy就判断出对方的阶层和兴趣爱好，遇到新样本不好判断时，他可以通过各种问题或场景观测对方的想法，将新样本打上各种标签量化以后，放到自己的训练样本里，同时在人群分类器中加上这个分类。
长此以往，尼禄的人群分类器会越来越精准。
好啦，以上是不是尼禄的思路不重要，但的确是机器学习的思路，现在已经有成熟的算法了，训练数据是我们在网站上的行为，网站通过我们的行为给我们打标签或者直接给出推荐结果，投我们所好，让我们在这里呆更久。
那么，一个人在一个网站上的数据越多，这个给人打标签的模型就会越精准，同时，如果一个平台有我们在其他网站的数据，那么这个数据覆盖的维度就更广，训练出的模型基本上说可以逆天了（当然政府对这块有管控，我们不用太担心）。
举一个简单的例子，要想了解一个人，投其所好，我们是要找多个数据来源的：
不仅要看他在B站上是啥风格，还要看他在知乎、微信、QQ上是啥风格；
不仅要看他现在的风格，还要看他过去的风格；
不仅要看他线上的风格，还要看他线下的风格；
不仅要看他工作的风格，还要看他在生活、感情里的风格；
不仅要看他对爱人的风格，还要看他对家人、朋友的风格；
不仅要看他在人前的风格，还要看他在人后的风格。
数据来源越多，数据的时间维度拉的越长，我们越能精准地判断一个人，对其实施营销或其他控制手段。
所以，量化思维强不强，强啊
而且尼禄这个量化思维是经历过商业成功验证的，所以他很推崇这种想法也就很容易理解了。
好，说完量化的好处，我们来聊聊量化的坑。
量化思维，归根究底，有一个没说破的假设：经济人假设。
极度推崇量化思维的人，他们认为人都是理性的，都是自利的，而且不会干不理智的事。
但现实情况往往不如理论完美，大家在正常情况下都是理性的，自利的，状态好的时候是无私的，岁月静好的，状态差的时候脑子瓦特一下，成啥狗样就见仁见智了。（我突然发现情绪稳定很重要_(:з」∠)_）
不说别人，我们就说一般的、状态好的理性人，他在量化时遇到的坑吧，这样更有说服力。
量化模型追求精准，按理说越准越好。
但如果一个理性人，经历了量化模型精度逐渐提高的过程，他会如何行动呢？
模型逐渐变准意味着模型使用者会逐渐增大他在模型预测结果上的赌注（因为模型使用者是理性人，理性且自利的他不会在模型准确度高的时候还不加大赌注以增大收益），模型准确率越高，赌注越大，高赌注也意味着高风险，这时模型一点点的不准就会造成模型使用者血崩的结果。
也就是说，模型越精准，反而越容易将本来理性的人变得不理性（忽略模型风险），导致崩盘。
现在我们看到了这个悖论：
模型不准时，效果不好，因为模型判断出的结果准确度不高；
模型准时，效果也不好，因为模型精度的逐渐提高会让看起来理性的人做出实际上不理智的行为；
理性的人，越量化越爽，一直量化一直爽，越爽玩越大，利欲熏心，利益巨大时他们会选择对可能的黑天鹅事件视而不见，最终把自己玩死。
这种情况经常在某些富豪身上上演，他们前期使用各种量化思维获利颇丰，最终因为赌注压得太大挂了。
Ray Dalio在《原则》那本书中举了这个例子，那人是他朋友，当时是世界首富，后来把自己玩挂了。
（另外，我很喜欢Ray Dalio的原因是，他是量化思维的高手，而且他跟我们一样也是思维的软件好、硬件不好，现在计算机的存储能力很好，可以帮我们这种人弥补硬件不好的劣势，可以说我们这群人遇到了好的时代）
说起量化的坑，恐怕只有最推崇量化并且将量化践行到极致的人才会知道量化的尽头是坟墓。
通过尼禄说的事，我能感到量化给他带来了很多有利的东西，同时又把他的生活毁得一团糟。
作为一个科班学实证营销模型的人，我不仅量化，而且还总是喜欢算如何才能取得最优结果，也就是那个钟形曲线的顶点。
将量化和控制践行彻底的我，在项目管理上很强，推进项目几乎不会延期并且能保质量。
我最喜欢量化的是时间，但有次因为安排得过于滴水不漏，把我的时间管理系统搞崩溃了。在外人看来，是一件很简单的迟到的小事，但我很清楚这意味着我求最优的量化思维背后隐藏的风险。
后来我看了《黑天鹅》这本书，深感认同。
可怕的不是黑天鹅，可怕的是过于自信的我们在最关键的时点对黑天鹅事件视而不见。
但其实也不用恐慌，我们人类经过漫长的进化，处理黑天鹅事件已经很easy了。
比如说，为啥我们的眼睛、耳朵、鼻孔、手、脚、肾脏等等都是偶数的，其实单份完全可以解决问题，让我们生存下去。
而且从理性的角度看，单份的器官是最优的，可以让我们的边际收益与边际成本平衡，基因他没感情，不会对偶数情有独钟的。
为啥呢，因为人体这个生存机器要抵抗风险。
假设遇到一个未知恶性事件，我们生存的机会是五五开，如果只有一个器官，我们失败的概率是50%，如果有两个器官，我们失败的概率是1-50%*50%=75%，生存的几率一下子提高了50%，血赚！
那可能大家会问，器官不就越多越保险了嘛？
别忘了亲爱的，基因是理性和会算计的，再多个器官对它来说投入就太多了，这个不合算，基因要追求帕累托最优的。
好，说完量化的坑以后，有没有觉得量化思维很刺激很可怕呢？
其实也还好，一般人是没办法把量化践行到极致的，能做到这些的人一般都是喜欢数字的大富豪，到他们那种境界，可能也会慢慢看到量化的弊端。
也就是说低层次的我们追求量化就好啦，等我们的思维提升到了新的高度，自然就会看到量化的弊端，并且找到解决量化弊端的方法。
目前来看，有效利用量化手段的方法是别把量化做太满，并且用多个维度的数据来交叉验证，始终对模型的精度持怀疑态度，然后将造成黑天鹅事件的因素都加进来，不断优化自己的量化模型。
下面附一个Dalio做的视频，我突然觉得我要再看一遍《原则》了_(:з」∠)_
