2016年8月29日 星期一

圖解稱霸世界的戰術



前言:
在研究選擇權時發現,跟期貨原理完全是不同結構。期貨很單純,就是靠計算期望值為核心的玩法。但選擇權類似圍棋,需要佈局,還要懂得接技。當第一步失招後,後面要接技,而且一直接技。主要是投降輸一半,勝利時加強追擊贏者全拿。讓我覺得這不就跟戰爭一樣格局?所以我嘗試從歷史戰爭中找看看各種戰術,而不打算正規的照選擇權書上說的來學習選擇權。
本書記錄是在天馬行空的亂想,路過的勿認真。賠錢就自認誤信網路謠言吧。

隨記:
P.38 絕大多數的場合,戰敗的一方會撒退,防守於當前可視為據點的城塞。→這就是千點關卡之所以像磁鐵的原理,只要多空有一方不出戰,死守住關鍵價就會造成黏盤區間。所以問題就在於找出時間點,多空方終究是要對決。暴風前的寧靜算是徵兆嗎?量縮價縮,然後到達奇異點,爆開?
P.48 攻城戰除了長期包圍採行的斷糧戰術以外,通常還有動員全力的強攻,以避開正面攻擊的奇襲作戰。其中又以強攻為下下之策。要塞既是因防禦而建的設施。
P.48 史實的記載中,全力仰攻而能一舉攻陷的例子,可說屈指可數。→最有效的就是圍城斷糧,最後餓到從內部瓦解。但最怕就是有援兵。
P.56 一旦無法給予決定性的打擊,撒退的敵人還是會重整旗鼓,捲土重來。→如果下跌或上漲是井然有序,代表輸的一方並沒有受很大傷害。所以接下來佈局應該加重防禦而非深入敵區。
P.57 對於補給無望、兵力不足的一方而言,把握勝利契機,只有速戰速決。→急殺2%以內且沒什麼量能者,大多是這種戰術吧。賣弄的就是一個奇襲,然後立即收兵。
P.57 騎兵為主力的突襲部隊,大迂迴繞道至敵軍背後發動奇襲。→現貨應該就是正面主力部隊,奇襲應該要就屬期貨和選擇權。所以看來選擇權buy side主要是用在奇襲,而非常態的兵種。尤其是看似平靜無波時,buy side 的威力才恐怖,10倍報酬,只會發生在buy side。
P.66 一之谷戰役的勝利,在於採行了騎兵優點得以發揚的迂迴機動戰術,同時通過情報使奇襲的效果得以發揮至最大這兩點。→看來選擇權需要用到情報,不能靠機率。
P.71 騎兵的本質機能在於活用機動力進行迂迴奇襲、截斷敵軍退路。
P.71 騎兵聯合一體的衝鋒,會造成步兵防線浮動,使隊伍自亂陣腳。對付排列有破綻的步兵棋隊時,騎兵發揮了最大的威力。→看到井然有序的現貨價格,第一步棋是用期貨衝殺,先破陣,讓形態改變。接著再用主力部隊現貨壓入,最後擴大戰果用選擇權sell side賺權利金,因波動加大價格上揚。
P.99 漢尼拔將全軍分成四個戰列,親自指揮的1萬5千名精兵部署於最後列。→精兵要留在關鍵時才動用,而非每戰都一馬當先帶頭衝。如果對方佈陣嚴謹,精兵(主力)。要保留下來,待最佳時機才使用。所以佈局時,要先輕後重。如果一試即破才追加重兵,如果初戰發現阻力很大,後面可接的不一定是重兵出擊,可以選擇防禦等新一輪的機會出現。
P.112 羅馬戰線柔腸寸斷,漢尼拔縱虎兵奔擊下山。→在所有重要關卡點設好伏兵,才能對另一方嚴重打擊,如果只作單點打擊,對方退守到之前一個關鍵點就穩住了。所以成功的佈局是要在事前就知道攻擊的三個關鍵點,並在對方未聚集前就予以猛烈攻擊,破陣。想想這就是利用已知會發生的事在佈局。像入秋後會出現石油出現供給過剩的現象和財報空窗期(廠商備料生產年底消費),這就可以先佈好各關鍵點打擊的兵力。只要出現利空事件(時機出現),就可以作出三連擊的戰術。

P.123 戰術的要義與真諦就在於分散敵軍、舉全軍之力集中攻打
P.123 要詳查地形確切運用,才能使戰術變得靈活。→每個市場都有其特殊結構,不可能只用一套策略全用到所有市場。故進入市場前,要詳加研究遊戲規則、歷史走勢才可能擬出靈活的策略。想想之前讀到一篇策略需要有穿透性(全部市場適用),覺得完全背離了現實世界。
P.128 機動力、戰鬥力以及動員的簡便性決定了勝負。→散戶要學的對像就是游牧民族的戰術。倉位小進出快,螢運近乎零成本(相較企業的廠租和人事費極高)。不需要建主堡,所以也沒什麼要守的陣地,通常都是場外等待狙擊的機會。還真是不同結構的戰術思維基礎。
P.134 傭兵部隊確實具有強大的戰力,但另一方面,能否完全信善卻值得存疑。→員工=傭兵,所以家族企業不會把上位給員工。主要是當公司不再獲利時,員工首要目標就是自保,盡可能的把近利轉入自己口袋。所以我該避免開創公司才是上策。簡單的賺到足夠自用的錢就好,而不是把事情複雜化到賺更多的錢,結果可能在壞運來時加速滅亡,雇員絕對是第一個落跑的份子。但老闆無法落跑只能收尾。所以大企業之所以可貴是不太會倒,員工會選擇站在同一條船上。小企業只要一個大浪打上來,船員立馬跳船求生。
P.137 對於緊張至極的士兵而言,進食具有重要的意義。→開打後通常不是馬上分出勝負,會打個三天三天夜是很正常的事,所以吃飽睡暖是久兵之道。
P.142 突擊騎兵是為求重點突破的部隊。換言之,若不是在卸除敵軍外層防衛後,再投入戰場以決勝負形勢,就應該要投入在衝斷敵人戰列的連結點,是一種使用限制極大的兵種。→各種兵種各有優缺,不可偏廢只用一種兵種在戰術使用上。看來現貨我也要學習才行。
P.157 攻城戰的困難之處,在於兵力會受到堅強的防禦所削減,可能有遭到後援部隊夾擊的風險,同時難以估計後勤補給數量。→把千、百點整數關卡看成是大小城池就可以初步運用守城原理:易守難攻的特性。而當攻破後出現的一瀉千點也類似破城之後的大敗逃,勝利一方因占據城池而有立足點,進而只要派出小部份兵力追擊擴大戰果。
P.174 戰術並無時代之分。→股市的恐懼與貪婪,不管世界如何變化,最終決策者還是人,不是電腦。
P.182 留克特拉戰役→利用敵人破自己最強的陣形,騎兵敗逃反向衝進己方精銳部隊,此時精銳部隊被迫散開,接著就等領便當了。

心得感想:
如果我推論沒錯的話,選擇權不是單純數學的優勢操作工具。應該說數學占的比重沒有期貨那麼巨大,而是戰略/戰術層級的思維,在未來可預期的事情中架構出高勝率的戰術。sell side有個特性,不用很精準的預測落點,只要大方向對就會賺錢(賣出逆向價外賺權利金),這跟期貨完全不同。
兵種:現貨=主力、期貨=騎兵、選擇權BuySide=弓手(奇兵)、選擇權SellSide=禁軍(守城)。
塔吉納戰役 參圖P.138

戰爭很少靠戰一兵種取勝,大多是混合兵種,讓各兵種發揮自有強項,弱項則藏身在別兵種強項之下,讓整體效益加乘。
這本書分很多時段在讀,每次讀的時候,都在想一個問題,戰爭論融合股市操作,這行為有點蠢!但從另一個面向想,如果我採用正規股市學習法,我有優勢嗎?嗯…明顯我沒有優勢,而且是劣勢。股市老手一定會針對基本策略做出極佳的反制之道。意思是同一條路後進者會是條充荊棘之路,而非前人走過時的光明大道。或許走一條沒人走的路,才有機會發現新藍海策略。所以又繼續用奇怪的方式在研究股市,這條路還是覺得亂可笑的,哈!!這裡沒有機率、沒有期望值、沒有數字,完全背離當今主流的另一種邏輯架構-協同作戰的加乘效益。
任何戰爭,兵是耗材,從來不是主角,斯巴達是精兵主義,一個人常常可以打十個。但對上創新的戰術打擊,也是戰敗收場,可想見單兵不具有決勝性,也就是戰技只是枝末細節不足成大事。股市上來說當沖就是純戰技的演出,但被抬出場的速度之快,絕對超出想像。兵不貴多,一個單位做對了,就可以吃整年。這就是戰術層級以上的思維。也就是說好的戰術絕對不是每回戰鬥都是滿倉。而是主力佈在安穩度高的大趨勢中,而真正會賺錢的是失敗率很高的奇兵,而因為不易成功所以給予的兵力占比很低,估錯時傷不到整體,但成功可以大賺一個資本額。另外亞歷山大的預備部隊,非在關鍵時刻不予動用的精兵。看來我也要建一組預備「金」兵,放在另一個保險箱。除非至決戰點,不然只保持不動以安穩軍心,其實是我那脆弱的心。

2016年8月28日 星期日

誰賺走了你的薪水



前言:
在讀了《親愛的臥底經濟學家》後就得這作著實在了得,所以再找他的其它作品來讀看看。

隨記:
P.16 少聽點猜測,多看些證據,然後才信之不疑。
P.16 要找答案,別問鄰居(當地居民),他們只會(很有理性地)誇大其辭,去問房地產經紀人最準。→作者在說當附近治安變壞,原居民會想搬出,而供給會變大,造成平均價格下滑。也就是說經紀人的話也不能信,只有他的報價具有價值。越好的地區房價很難下跌,通常是根本沒有賣方。前陣子走過一個頂級社區,我出現心動的感覺,所以去查了一下售價,沒有!沒人肯賣,只找到5年前的成屋報價。第一眼看到1千5百萬!心動不已、相見恨晚!!再看一眼,怎麼多一個零,暗!
P.92 置身於多元化都市環境中的各行各業,似乎欣欣向榮,可是在整個鎮只有一種產業的地方卻傾向衰微。→三義木什麼的、鶯歌陶什麼的,想當然爾之後只會沒落。不是聚在一起就有競爭力。去過一次,價格一致,再也不去。
P.95 掙扎求生的都市有如陷阱。→劣化中的都市引來的是低技術的人才,表示因為在成功的都市無法生存才轉入次級市場嘗試。也就是說除非你是退休生活,不然別搬到鄉下,或次級都市,在那只會越賺越少,或者根本沒有賺錢的工作機會。
P.172 對手越差,賽局理論越沒用,因為此理論是假設玩家不會犯錯。→也就是說假設大家都是理性且充滿智慧的對手,只是很多地方只存在感情用事的人,賽局理論會直接失效。
P.194 優秀的談判高手知道當那條明線造成要法協調的歧見,你必須在不擦掉那條線的前提下設法妥協。→作者舉工會揚言沒加薪10%就不上工。這10%就是條明線,所以在此條件下能變動的不是10%,而是其他條件。例分3年加薪達10%,或今年營業額達到目標加10%時即加薪10%…等移動可變動部分,讓事情有所妥協。
P.254 多軸紡紗機遲遲未能在歐陸普及的原因,在於法國的勞工便宜和英國的科學天分或商業頭腦高人一等無關。→在今日也通用,看著台北市的路邊停車格居然還在用收費員,就瞭解科技不是問題,價格才是


心得感想:
每個作家就有獨特的見解,但大概就只能出一本書。而這本書與《親愛的臥底經濟學家》的思維大同小異。食之無味棄之可惜。

女力時代



前言:
這應該算舊資訊,三十年前至今的事,而不是現在正在發生的事。

隨記:
P.24 柴契爾夫人的人生不是因為一場舞會而轉變,而是透過牛津大學的學術途徑。→這點感受很深,大學經歷是個非常重要的關鍵點。再上去的碩博士效益就呈現嚴重遞減。因越上去,反而是走進非常狹小的領域,不像大學時的什麼都學,本科基礎專業,分析技巧、處理問題的方法、科學論證原理、人際交流學習和藏書量充沛的大學圖書館。
P.55 「家務」開始不需要花那麼多時間完成,一個家庭的平均孩子數目急速下降,離婚率飆升,就業市場改變讓男人足以「養家活口」的好工作數量開始萎縮,而適合大批女性工作開始增加,其中包括許多兼職工作。→這倒沒想過,在這三十年來男人薪資下降主因可能來自女性進入就業市場,在原市場供給變兩倍後,整體薪資就會下降,而今日男人比以前男人窮酸並非完全因無能而是時代的改變。黃金單身漢只會更少,女人也要學著接受這變化,因為妳的姊妹正在分食就業市場,拉低妳白馬王子的薪水。蠻有趣的賽局。夫妻一同進入就業市場是最佳策略。從這觀點來看,結婚是個財富優勢策略,打破我原本想的邏輯,我原本認定結婚只是為了生小孩,而就今日就業賽局來看,結婚是利益最大化的決策。效益為賺取最大薪資(雙薪)和最小化的開支(伙食、租金成本)。看來花點時間在愛情婚姻上是非常值得的事情。主要不是要小孩,而是可因1+1所得到的綜效比二個獨立者加總的效益高出許多,也就是說物質生活只因結婚就直接向上推高一個等級,而其他條件未曾改變(你沒變聰明也沒加薪更沒中彩券)。真是個神奇的數學不等式,1+1>2的共構加成效果。
P.57 有錢人愈有錢,窮人生孩子。→教育讓人看更廣,看到外在世界如此迷人。無知並沒眼界,所以唯一可選擇的只有射精來探索小小的山洞,滿足那微不足道的好奇心。結果就生一窩的窮小孩。而精英份子正忙著打拼事業沒空生小孩。此消彼漲下,大多數人出生在窮人家,並不意外。而壞事當然要接二連三,大多數小孩資質平庸,誰的錯?嘿嘿,父母一定說你不用功念書,從來不說出真誠的那句話:其實是我造成的!好了,木已成舟,你還是得收這個爛尾。要怎麼收呢?有什麼具體做法呢?我是想砍老人…年金以作報答(誤)。平凡的背景。任何好事對我來說都是賺,反運氣再不好也就只是這樣子而已,哼哼。
P.76 為了生孩子要放棄最多的女性,是那群專業與商業精英,她們也是最不願意這麼做的人。
P.77 一旦人們成為母親前的人生展望愈暗淡,薪水愈低,養孩子領津貼的生活,就會看起來愈發誘人。→生小孩拼獎金,台灣政府越來越想搞這東西來吸選票。
P.102 高薪讓我們的女性精英,得以取得一度似乎即將消失,但現在生活不可或缺的東西:佣人階級。
P.125 女人做得沒比較多。→女人工作完回家常會負擔家事,而常誤以為女人負擔較重,但就總負擔量大約對等,男人躺沙發可能是他賺得比較多(正職),而女的是兼職。不然女的早選擇離婚了。
P.130 女性伴侶賺得錢愈多、教育程度愈高,男性投入無酬家事的時數也愈高。→男女間是對價關係,一切都是貢獻度問題。同樣女的太過份,男的也可以提出離婚。
P.133 目前在許多家庭,人們依舊花費許多力氣協商、再協商誰應該做什麼事-值得一提的是,當職責愈不明確,每個人感受到的壓力就愈大。
P.144 為了寶貝,自願當奴隸。→愛總是被無限擴大,結果自己糊裡糊塗的被愛壓死。在還沒生下前,你都可補救。愛小孩不代表一定要生出來。不生也可能是對大家都好的決策。至於宗教總是出張嘴,當嘴上聖人。小孩又不是他養,只會說風花雪月的話而已。
P.168 學歷不一定永遠都幫你打開大門,但沒有學歷,會愈來愈多大門將永遠緊閉
P.172 女性在精英大學入學這關也表現得很優秀,既然金字塔頂端的位子有限,所以精英的組成分子也跟著改變。
P.176 念書也是為了建立人脈→當時傻傻的聽父母的話,認真念書,其實是錯一半。應該是認真念有用的科目,剩下雜魚必修就60分低飛即可,把時間留給社交學習,沒有學會人脈養成是我犯的一大錯誤。什麼是雜魚?通識、會計等。我到現在還是對同理心與愛心之間的差異,感到頗有微詞,不就感情因子罷了。會計在資訊科中是雜魚,因為用到的機會不高,而且認為這知識很糟糕。我一直覺得總資產=業主權益+負債。這等式非常有問題,問題在於負債本身就是負的東西,怎麼可以是資產的一部份。邏輯一開始就結構錯誤,導致各種怪異弊端叢生。
P.188 (張茵)在任何商業交易中,重點不是性別,而是你應該如何運用腦袋制勝
P.219 老師曾是最優秀、最聰明的那群人。→以往女性能選擇的工作以教師為主,導致最優秀的女性必成老師,而今日工作選項變多,而且社會價值轉變,跟錢走,已成為主流。可以想見,今日的老師素質是倒退的,即使供過於求的現狀下。連人渣都能為人師,我真的不知現代教育是什麼了。
P.310 很少男人會排斥下定決心展現魅力的漂亮女孩。→善用「姿本力」,這才是槓桿力。純粹的專業會輸給宅到爆的男性。何不用點魅力讓宅男幫妳呢?
P.317 首先,訊號就只是訊號,它不是真相,可以被假造
P.317 如果你想爭取到最好的東西,就得發送「昂貴訊號」。→追女友,首先就要有台雙B轎車。和一堆花海。而這些昂貴的東西並沒有什麼實際用處。台北Uber隨叫隨到,比自己當車奴還划算。啊,其實我要說的是,雙B可以借來的。花海可以用信用卡刷的,結婚後再一起分擔來還。訊號可以偽造,而且還蠻常見。
P.324 誰說「衣服是一種宣言」?那可真是輕描淡寫,因為衣服從不閉嘴。→穿雙藍白拖出門就已大聲的告訴眾人。我是小混混,專們來騙吃騙喝的。(昨天新聞才報導過)
P.324 服飾永遠是顯示財富與地位的重要方式。→穿著有品味的只有兩種人:有錢人或騙子。正常人會滿足物質層再講就品味,但騙子會反其道而行,其目的不言而喻。
P.327 打扮得體的重要性可能與日俱增→職場本身就是軍備競賽,只有笨女孩才不懂打扮。但我發現還真的不少笨女孩。剪個超級短髮、穿著中性,好像是去拼命,而不是去賺錢。我總是投以讚嘆的眼光看待這些窮忙的拼命三女。
P.403 懷孕的是女人、生孩子的是女人、餵母乳的也是女人。就算有配方奶粉與擠乳器,如果由母親提供新生兒最多照顧,事情可能會簡單許多,而一旦你踏上了那條路,由母親擔起較大的育兒責任,為何要為了倒過來而倒過來?→這段話在說別捨本逐末,但新時代的女性會嗆,有什麼不可以。當然可以,只是傻傻的遶了一大段路而已。
P.404 成功女性不喜歡嫁給不如自己的人。→這是死穴,無解的死穴。所有結構會因這點而改變。男人之所以叫男人,是因為要擔負比自己弱的另一半。這種責任感是男人原生性的本能,男人並不會因為女人比自己弱而不喜歡,反而還感到有點討喜。這差異代表著,女性喜歡被愛,男人喜歡追愛。主從架構已定,其實女權論者完全沒立足點,因為妳們並不愛一個比你軟弱的男人。結果女性的核心價值觀並沒有因世界改變而有所變動。

心得感想:
人生不過是無盡賽局罷了。人生中的每場賽局最佳策略只有兩個要點:1.活著、2.最小損失。通常對你最大利益的選項常常伴隨致命性風險,因對手(包括親人)也希望結果對自己最有利。你的最大利益對他人有所損害。所以對方絕對不會讓你稱心如意。所以採取些防禦選項會是比較簡單輕鬆的路線。只要你活著,對手自己不小心裁了,最後收割者還是你,只是時候晚了點。女人呀、女人,別太會算計小數點後的東西。這是我發現老女人的特別之處,少女就不會算這麼多,但得到更多。實在很詭異的現象。兵法上的多算多勝、少算少勝,並不是萬事皆然。或許根本是知識還太低層次,怎麼算都是下策。還是多讀點書吧!媽。(註一)
看完只能說書名很給力,但內容完全不是這麼回事。本書在說女性因「知識」(力)的提升,讓整個社會產生新的結構變化。而有些事不會改變至少生小孩男人不管怎麼學習都不可能懷孕。所以有些創意留在腦中,像舉重得金牌,是損己利人(教練的荷包)的行為決策,或者大方展示自己的腋毛腿毛。而要到達精英層唯一的方法就是充實知識量能,然後再運用點女性優勢外貌(打扮)。簡單兩個要點,讓妳輕鬆跳升好幾階人生關卡。
成功不是靠蠻「力」,而是智取。
只有少數女性能穿透基因本能,變成征服者,而不是原本的被追求者,但畢竟這是逆勢做法,聰明的女人大概也不會選擇這條路,因為會再進一步的深思「何必呢?」。快樂的本質不就是享受人追我而不是我追人,學姊只想載人是廣告,信的人就只是傻瓜。

註一:笨蛋為何笨?
這是種邏輯悖離,如同酒後為何一定會開車一樣。酒後早失去判斷力當然會選擇潛意識行為,怎麼來的就怎麼回去。開車去喝酒就是決定一切,所以不是酒後不開車,而是不要開車去有酒的地方。愚蠢的國家宣導。根本是「你丟我撿」新版本而已(我當那個丟垃圾的人,你來撿)。那笨蛋為何笨,就本身資質就很差。根本不知道什麼是對的決策。連讀書是有益的都不知道,或者愚笨到以為無知就是最聰明,自以為是的認定閱讀的沒我社會經歷來的有價值。因為是笨蛋,所以任何思考和行為都無法超脫笨。

2016年8月21日 星期日

了解人工智慧的第一本書



前言:
這本書具現化了運氣差是什麼意思,跟《大演算》撞期,而且還比較晚一週出。感覺像似三采出版用了些資訊優勢讓另一家出版社吃到悶棍。到底是巧合還是被算計?不知道,只能說本書如果出在大演算前應該是雙贏,因為這本比較像導讀。但順序反過來讀就變得,本書價值近乎零。

隨記:
P.17 「人工智慧」(AI,Artificial Intelligence)。
P.27 目前市區有三成至五成空間當成停車場使用,但未來如果大家不再買車,只在需要利用可自動駕駛的車,那麼停車場可以少很多,塞車問題也得到解決。→想想台灣汽車公司真的只能當代理了,科技戰怎麼打的過世界大廠。自動駕駛這項根本是一個超級高牆,能跨過去的沒有幾家。
P.72 要把像人類思考的機器,稱之為「人工智慧」。→最早的定義。
P.75 探索樹→這轉化的概念要學起來,非常有價值性。

P.82 在19✖19的棋盤上有黑白棋子的圍棋,其合數約有10的360次方那麼多。→這種天文數字已無法用對照表的方式產出,所以圍棋的演算法突顯了靠計算而不能靠暴力記憶法解決的完美測試工具。
P.85 最小最大法(minimax,預測下下步)→這個方法有意思,把思考數量化了,下次拿來在選擇權策略上使用看看。讓自己利益最大化的棋步=自己收益-對手收益  ,這代表著不是光看自己最大化收益是怎麼下,還要計算對手怎麼下的綜合計算。
P.87 祕訣一:找出更好的特徵量。
P.87 所獲特徵量就是「在資料當中要關注什麼部分」,程式的動作會因為特徵量的不同而產生變化。→就是指權重。像交通路線規劃,在平時是依最短路徑。而在尖峰時會加重車流量少的路線作規劃。
P.88 祕訣二:以蒙地卡羅法改變評鑑機制。→概念是有限的暴力破解法(brute-force)。關鍵在於有限。像圍棋要全解需要10的360次方,這超出電腦極限,但如果只計算十步內所有棋局,這就變成電腦辦得到的事情了。反正對手是人類,這算是針對人類極限在設計的策略,並不完美,但很有用。
P.109 並非華生本身理解問題的意義後再回答,而是它高速地抓出似乎與問題中所包括的關鍵字有所關聯的答案而已。→例:你不是醫生根本對病理不瞭解,但透過網路,用關鍵字搜尋,常常能找到可能的答案。我常常靠這方法解決我生理毛病,而且運作還蠻良好的,雖然我不知「為什麼」,但卻把問題有效的解決了。什麼事讓我這麼傲驕呢?薦骨痛,對照組我爸。他當時選擇的是開刀,然後身體就變很差。而我當我面對這問題時(約33歲),我運用網路嘗試解決這問題,我一開始假設是骨刺,慢慢的分析資料最後找到是薦骨痛,接著食補、換椅子、床、枕頭、爬山(註一)。現在已很少發作了。當然也有很失敗的經驗,而且是近期發生,感覺非常打臉的經驗,智慧似乎沒有因年紀增長而變得更完善,但我知道什麼叫停損點(就醫)。事情是發生手上出現一片紅,我一直不知成因為何。可能是燙到熱水或者過敏(就說我記憶實在是個渣,連怎麼發生的都沒什麼印象),我就放著、放著,起水泡了還是放著。在某日起床發現有刺痛時知道,不能再放著了,立馬掛號找醫生了。醫生只看一眼開了強力腎上線素,使用一天後立即見效。當下知道書上說的,醫生不能信是有問題的。心中升起的是「閃開,讓專業的來處理問題」。蠻有趣的經驗。
P.124 電腦無法把符號以及它所指稱的意義連結起來,很難處理「意義」這東西。
P.126 所謂的「學習」就是「分類」
P.130 分類方式

  • 最鄰近法(nearest neighbor):取得最靠近的。→例蘋果是水果,蘋果就不會是公司。
  • 簡單貝氏分類法(Naive Bayes):先看資料的各項特徵屬於哪類,再加總在一起。→例:蘋很很甜(水果),iphone大賣(電腦),股價大漲(公司),所以加權後蘋果90%機率是指企業而非水果。
  • 決策樹(decision tree):根據某一數值是否帶有某種屬性,做為分類標準。→簡單說就是一直問yes/no,最後即得到答案。例:蘋果是水果嗎?(no)。有做手機嗎?(yes)。是公司嗎?(yes),最後只會指向為企業。
  • 支援向量機(Support Vector Machine):在分類時力求讓類別與類別間的邊界區間(空白區間)最大化。→例:看蘋果所有屬性離「水果」和「企業 」的距離加總在推算(我猜的)
  • 神經網路(Neural Network):希望藉由模仿人腦的神經迴路完成分類的作業。

P.149 人類很擅於掌握特徵量→看圖像最明顯,人類第一眼就能辨視出圖上是什麼,機器完全呆住。
P.159 「深度學習」(deep learning)讓電腦可以根據資料,自行創造出特徵量。不由人類設計特徵量,而是電腦自行取得高層次的特徵量,不再據以分類圖片。→電腦的觀點與人類觀點大不相同。如同蝙蝠和人類所看到的世界也天差地遠,但依然能辨視出相同的東西。而目前人類用自己的觀點在告訴電腦,結果電腦怎麼辨視都總是茫茫然,就變成猜對的機率一直在75%,直到找到方法讓電腦用自己的觀點去學習看到的事物才讓正確率大幅提升到目前的85%。
P.213 奇點指的是當「人工智慧能夠自行創造出超越自己能力的人工智慧」的那個時點。→跟我想的奇點不同,我以為是指當電腦能自行思考判斷的那個時間點。
P.215 人類=智慧+生命→當智慧能獨立運作時,時間將不再具有任何意義。對機器來說時間是無限,機器根本是第四次元(這裡指的是時間)物種。

心得感想:
在人類未解開大腦如何思考前,有可能目前所有有關人工智慧的研發方向都是錯誤的,但只要找到思考的訣竅,科技就能馬上突破這個問題,如同知道鳥飛行原理,即可創造出飛機,雖然鳥是用翅膀震動,但最根本原理是一致的,空氣浮力。人類因利用機器製造出生物無法擬出的螺旋機組,讓人類飛的更高更遠,到現在直接變成噴射式的推進。這就知道人工智慧問題在兩個節點上,一個是人類想到(或理解),另一個就是科技是否達到最低要求水準。通常人類早想到了,只是科技力並沒辦法跟上人類思考速度。像蒸氣火車發明幾乎是世界同步出現的產物。也就是說目前人類已發現人工智慧可行的方法(暴力運算),但設備跟不上。看一下個人電腦速度才剛突破老鼠的運算力。作者認為電腦要取代人類還早,這似乎是受到線性思考的影響,被自己過往的痛所羈絆住。這就是經驗者的共同困境,放不下過往。也造成該行業者總是無法突破的主因,常常變成非本科系的才能發現創意而製造出破壞式的革新。這點要提醒自己,每隔幾年就放下一切,歸零。只留下最核心的本質,其他都放掉重組測試,這才能永續進化,我想那段時間應該會很痛苦吧。

註一:爬山與腰痛的關係
上山時你要用到股間力向前推,這能讓腰間到尾椎整個運動起來,讓身體自己發現不適在那,讓他自行修復。即然要花費資源修復吃好料的當然不能少。而下山你會震盪整個脊椎,並為了止住向前傾倒,而讓地心引力幫你推回錯位的區塊。爬山真是對腰很好,但不要背東西。我看一堆爬台北附近的小山都背一大包,像是爬百岳似的,大可不必。連七星山上去下來,帶水都是沒必要的舉動。

2016年8月15日 星期一

大演算



前言:
這本書我並不打算以瞭解電腦學習原理而讀,我是為了尋找智慧交易的原理。換種說法,讀書為何?增廣知識?我並不認同。知識是快樂的原理?我也不認同,我反而覺得知識是痛苦的根源(註一)。那知識用來做什麼?對我而言知識的價值在於轉換成金錢。又是錢!!有錢才能去享受人生,所以知識只是個過程(方法、手段),不是目的(快樂)。呃…又天馬行空飛太遠了,來品書吧。

隨記:
P.41 機器人學習是解決人工智慧的關鍵。
P.41 每一種演算法(algorithm)不管多麼複雜,都可以簡化成僅僅是這三種:「且」(and)閘、「或」(or)閘、以及「非」(not)閘。
P.50 如果你不能用演算法表達一件事理,就表示你可能還不明白這事。→物理學或工程師稱為方程式(equations),牛頓第二定律可稱得上是方程式代表(F=ma;F淨外力,是所有施加於物體的力的向量和,m 是質量,a 是加速度。)。
P.51 如果一個演算法需要比電腦所提供的記憶體空間更大,那麼演算法是沒用的。
P.51 時間複雜性問題→沒有解不開的密碼,只是超出期望的時間,代表著無效用。
P.56 從技術面來說,機器人學習是人工智慧的一個支領域,但由於機器人學習擴展得如此廣大與成功,以至於如今已讓它引以為榮的父母-人工智慧黯然失色。
P.66 有了大數據和機器學習,你可以比以前理解更複雜的現象。在大多數領域中,傳統上,科學家只使用非常有限種類的模型,像是線性迴歸(linear regression),這種模型就是當你的資料所對應畫成的曲線,總是呈現一條直線。→暗!!這實在是一語驚醒夢中人,我的系統模型的極限就是線性回歸,這是人類(嚴格來說是我)的極限。再複雜一點我的判斷力就會崩解。目前看來是無解,這已不是個人問題,只有二條路,導入程式交易,或早點賺夠錢,快點退出市場因為我的優勢越來越弱。
P.81 大多數的學習機器人只有機百行程式碼。→相較目前系統都是萬行起跳。現行的系統叫暴力條件式,把所有狀況都透過人工寫出的判斷式而成。而非原理+邏輯判斷(演算法)。
P.90 簡單的函數往往會產生令人驚訝的複雜解決方案。→股市就是這概念的證明,原理很簡單:用五毛價格買進一元價值的商品。一個方程式就能自我判斷無限多變的狀況。這裡就超出作者所說的,給予電腦當今所知的原理,在此基礎上,電腦的自我學習速度會呈幾何式的爆發性成長。機器不需要從零開始的隨機嘗試,而是在當今科學知識的基礎下向上跳升,也就是說智慧型自動交易會比我預估的時程還要要提早10倍(指數概念)。看來智慧交易在10年內會成為主流,應是無法避免的事,只要把索羅斯、巴菲特、西蒙抓進系統開發團隊,世界金融交易會出現超級跳躍式的發展。我只能希望這事別太快發生,至少在我賺夠錢之前。再給我十年就行了。賺夠我就退出股市。
P.106 賽亞.伯林(Isaiah Berlin)令人印象深刻的指出,有些思想家就是所謂的狐狸,他們知道很多小的事情;而另一些思想家則是所謂的刺猬,他們知道一件大事。→終於知道狐狸與刺猬是指什麼了,這蠻鳥的比喻。
P.111 最重要的是,我們必須擔心大演算,可能落入壞人之手。第一道防線,首先確保只有好人可以取得大演算,否則的話,如果無法清楚確認誰是好人,那麼就讓大演算成為一種開放原始碼(open-sourced)。第二是意識到,無論機器學習演算法有多好,它只能與它所取得的數據資料一樣好。所以誰控制了數據資料,就等於控制了學習器。
P.114 理論的力量在於它簡化多少我們對世界的描述
P.114 在現實生活中,我們從來沒有足夠的數據資料,可以用來澈底判定這個世界
P.115 即使我們在某個時間點上,擁有世界上完整的知識,物理學定律仍然不能允許我們判定它的過去和未來。這是因為純粹的地做出這些預測所需要的計算量,將超出任何可以想像的電腦運算能力。實際上,為了完美的模擬宇宙,我們需要另一個同樣的宇宙。
P.120 機器學習的五大學派
符號理論派(Symbolists):將學習視為是逆向演繹法,從哲學、心理學和邏輯思路方面取得概念。
類神經網路學派(Connectionists):導傳遞演算法可以模擬人腦思考行為,是受到神經科學和物理學的啟發。
演化論學派(Evolutionaries):遺傳程式規劃會在電腦上模擬演化,澈底運用遺傳基因和演化生物理論。
貝氏定理學派(Bayesians):相信學習的機率推理的形式,是根據統計學的理論。
類比推理學派(Analogizers):支持向量機從相似度判斷進行推論學習,並受到心理學和數學的影響。
→結果精華就在本書的背面。
P.125 機器學習五大學派概念整合圖示→其實我有看沒有懂。感覺這種整合違背簡單原則。大概最終是死路一條。如同愛因斯坦在用三次元解大一統,而大一統可能要用更高一階的次元(空間)觀點才容易解出來。在更高一階解低一層很容易,但低層解高一階層就很複雜。人類永遠無法理解四次元空間是什麼樣子。這就陷入無盡困境。看來大演算只能靠電腦去自我突破。到時只有電腦才知道更高一階是什麼,人類永遠無法接觸到的階層。

P.130 理性主義者認為感官會欺騙,認定邏輯推理才是通往知識的唯一可靠路徑;經驗主義者則認為所有推理都容易犯錯的。知識必須從觀察和實驗得來
P.130 理性主義者喜歡在邁出第一步之前,就提前計畫一切;而經驗主義者更喜歡嘗試新事物,並且看看它們是如何發生的。
P.141 牛頓原理(Newton's Principle):無論我們所觀看到的事物為何,這一切必然都是真實的。這就是宇宙一切事物的各種真實現象。→簡單說你發明的新理論必須合理解釋現實中發生的事件,不然論點是有問題的。
P.143 所有幸福的家庭都是一樣的,而每個不幸的家庭,則各有各的不幸。→完美只有一種型態,不完美可以萬種變化。
P.160 如無必要,勿增實體。→用極簡化對極複雜。這比用複雜對極複雜還有效,因複雜的系統在現實世界中還是太過簡陋,但因為複雜系統反而先搞死自己的身心。不如簡單的邏輯,在關鍵點起槓桿作用。例:複雜的天氣預報,還不如看到天空一片烏雲,趕緊躲進屋內有用。降雨機率68%,這在說什麼…。我知道在相同條件下有68%會下雨,但實際上非常難運用,照著帶傘都讓人沮喪不已的氣象預測。我可以假設氣象預測是偽科學嗎?

P.160 即使我們最詳盡複雜的模型,往往也對現實的過度簡化
P.162 歸納是逆向演繹法則。
P.166 逆向演繹一個運算式往往困難的,因為反向運算並不會只有一唯一的解。→例:22=(-22)=4。水的由來可以是溶冰也可以是凝結水也可以合成氫+氧,眼前有杯水,你怎麼確定它的由來?
P.184 大腦可以用數十億個神經元,同時進行大量的平行計算,但每個神經元的計算速度很慢,因為人腦神經元充其量每秒只能激發1000次。→電晶體每秒可接通或斷開數十億次。所以人在圖形辨視能遠大於電腦主要是目前人類的多工能力遠超出電腦多工運算。這算是人類目前的優勢,應該多加善用。操作時盡可能把所有圖表展開來看。
P.265 一個過於簡化的模型,但你擁有足夠數據資料去估算,比一個完美的模型,但你沒有足夠的資料還要好。→大多完美的模型資料都不足。你怎麼可能連一隻蝴蝶正在拍動翅膀都有資料呢?即使有也存不下這麼多資料。地球的資料總和等於地球本身。
P.272 一切都是相關聯的,但不是直接的。→氣溫高,並非只因太陽,日照長只是其中之一的關聯因子,但不是直接因子,。不能因太陽太大所以熱,如果你身在北極就會立即體悟之間的差異了。氣溫高是複合性的結果。太陽占比很高,但不是全部。油價和股價的關係,嘿嘿。
P.286 「馬可夫鏈」的部分是它涉及採取一系列的步驟,其中每個步驟只會取決於前面一個步驟。馬可夫鏈蒙地卡邏演算法的理念,是進行一種隨機漫步(random walk),就像眾所周知的酒鬼一樣,以這樣的方式,在網路中從一個狀態跳轉到另一個狀態;就長遠來看,每一種狀態被造訪的次數會與它的有機率成正比。→PageRank網頁排名的計算原理,由別處網頁連結數推算這網頁的重要性,也就是被引用的次數決定網頁的排名。而我想到的是臨界值的概念壞運極端值爆發的時間點,所有好運的機率加總,意思是說,每發生對股市的好消息就是對大壞事發生機率的累加,直到累加到超越歷史數值時,就是瀕臨極限點,也就是隨時會出現災難來平衡這種連續的美好的運氣。但這要怎麼量化,就是我目前最大的問題所在。好事怎麼變成數字!?美國不升息=好事所以+1?還是+10?呃…先記起來馬可夫鏈蒙地卡邏演算法的核心概念,把各子項的機率加總可推導幾乎必定的結果。空氣+陽光+水=生命體必然出現的臨界閥值。
P.289 貝氏方法:P(假設 | 數據資料)=P(假設)✖P(數據資料 | 假說)/P(數據資料)。
P.356 維度化簡(dimensionality reduction)。→例當你在整理書架上的書時,你會按某種排序(主題),而讓你找書時一目瞭然,或調整某個邏輯。讓計算大幅減少。降維度是一種效率化的方法。線性迴歸也是這一個方法的代表。但想想又不是一體適用,航空線在二維圖上是曲線 但三維是直線。

P.399 機器學習五大學派的架構圖

P.453 不要失去工作的最好辦法是你要將工作自動作,如此一來,你才會有時間從事你之前無法做到的各部分工作,而這些工作也是電腦在短期間內不可能去做的事情。
P.453 電腦已經學會了如何做你的工作,請不要試圖與它競爭,要善加利用電腦。→看來我要強化excel的技能。excel真是出色的工具,輕鬆打掉一批不會用電腦的經驗老手。
P.467 如果我們能夠設計出比人們更聰明的機器,那麼反過來說,這些機器應該也可以設計出比它們還要聰明的機器。→我們無法阻止機器獲得思考能力,我們該做的正確決策是,盡可能讓機器站在人類這一方,而不是中立,雖然有些機器的邏輯會發現中立也不壞,但只要不要過半,人類是可以永存於這個次元。而不會被機器看作是可有可無的東西,而不會用純邏輯判斷而消滅或拋棄。總結來說,不是禁止機器,而是與之共存。禁止代表著,只要有一個人成功製造人工智慧,那世界就是他獨享,然而機器因永生而一統世界,不如開放。到時讓機器人之間的不同邏輯交叉對峙,人類反而安然於世。舉例來說,我很討厭狗,如果世界只有我這邏輯的人類,狗一定會被消滅。狗該感謝有與我不同思考邏輯的人存在。

心得感想:
電腦+大數據=GIGO,產出廢物而已,理由是目前電腦運算速度、容量和電力不是無限,也就是假設前題錯誤。這種隨機式的學習如同暴力破解法是不適當的,必須導入原理。目前只有人腦可以有效解出原理,像牛頓解出F=ma,愛因斯坦解出E = mc2。所以當今的問題不是讓電腦憑一股傻勁在那瞎子摸象,而是給予該領域的原理,在原理下嘗試無限可能。換種說法,找十萬隻猴子無法止盡的打字也是能打出莎士比亞全集,而因為某隻猴子打出莎士比亞全集就把他當文學大師,結果必然失敗。但如果莎士比亞能把原理列出來和給一本字典,這十萬隻猴子在此基礎架構下,打出高段文學的機率就爆增,讓整個成功率幾何式上升。結論:電腦+大數據之外還要導入原理。
本書最大價值應該是在P.479 延伸閱讀,列出大量的書單,反而作者截取的內容變的很空虛。知其然,而不知其所然。只是大多書籍都不會有中譯本。我該基於私心把這段話刪除,避免英文優勢的人,得到此資訊,哈!

註一:知識是痛苦的根源
這原理我怎麼解說都覺得沒切到我的那感覺。第一次解釋是知識越多你離人群越遠的孤離感,但這不是什麼壞事,寫到後面感覺自己很孤單似的,但這並不是痛苦,其實還蠻爽的感覺。我覺得真正的關鍵是,知識帶來是知道更多,也發現自己是如此的渺小和無力,也知道更多發現自己處在極度不平等的狀態與人競爭(基因、資源)。也因知道更多欲望變得更大更廣。這一切主要是突顯無知是快樂的主因,因為知道的就是手上有的,而不知你該擁有但沒有的。呃…,先這樣吧。怎麼解釋都覺得不順。



2016年8月11日 星期四

系統思考



前言:
本書開頭就感到地雷的味道,紀念死掉的原作者。當一本書扯上感情作為訴求時,就是場災難。讀完之後心得也只剩哀悼,我的時間。

隨記:
P.32 一旦我們看清結構和行為之間的關係,我們便能開始了解系統如何運作。
P.34 大道至簡
P.34 由於複雜系統中存在反饋延遲,經過一段時間之後,問題會變得更加嚴重,而且更加難以解決。一針不補,十針難縫。千里之堤,潰於蟻穴。
P.36 看清系統的結構,認識到系統自身恰恰是問題的根源。→例社會保險(系統),原本是要保障你的未來,現在複雜過度不但沒有保障未來,反而是現在投入,未來可能會領不到,因為國家財政負債越來越大。法律系統原本很單純,殺人者死,現今複雜化後,反而變成犯罪者的保護傘。稅制系統原本只是向富人稅金,而複雜化後,變成大多數稅都是窮人在付。
P.40 不能只藉由了解系統的各個構成部分來認識系統整體的行為。→瞎子摸象,各自只瞭解一小部份。
P.44 一個系統中可能包含很多子系統,而它也可以嵌入到其他更大的系統之中,成為那個更大的系統的一個子系統。→地球上有太陽系,下有洋流系統。
P.48 要想推斷出系統的目標,最好的方法是仔細觀察一段時間,看看系統有那些行為
P.59 人類的大腦似乎更加容易關注存量,而不是流量。→我們比較留心石油剩多少,而不是留心耗損或增加的改變。
P.64 當某一個存量的變化影響到與其相關流入量或流出量時形成反饋迴路。→當銀行存款減少時,花錢金額就縮手,並努力賺錢。反之很有錢時花錢如流水,並且不願意認真工作。
P.72 增強迴路會強化系統原有變化態勢。→以牙還牙,最後就是至少有一方會死亡。複利效果,隨著時間增加效果加速越大。
P.85 由反饋迴路所傳遞的資訊只能影響未來的行為它不能足夠快地發送一個信號,修正由當前反饋所驅動的系統行為。哪怕是非物理性的資訊,也需要時間反饋到系統之中。→四兩撥千斤也要轉個幾下才能造成改變。《Kung Fu Panda 2》
改向只要一點點力氣
但要完全反轉,就需要耗費更多的資源和時間。

 P.153 世界遠遠大於我們對它的認識。→你所有擬出的模型都不是真實世界,所以意外事件是常常發生的常態事件。你知道的太少,而且你永遠不可能全部知道。簡單說一個人的極限遠遠不及全知的1%。這個限制要一開始就要有自知之明。
P.157 就像冰山浮在水面之上的部分一樣,事件只是一個更為巨大的複雜系統中為人可見的一小部分,但往往不是最主要的。
P.157 當遇到一個問題時,善於進行系統思考的人要做的第一件事,是尋找資料了解系統的歷史情況以及行為隨時間變化的趨勢。
P.194 這個世界是非線性的。
P.199 相對於壓制,應對「政策阻力」的另一種方式是,放棄、廢止無效的政策,將資源和能量應用於增強和堅持更具建設性的目標。
P.246「槓桿點」(leverage points):在系統中的某處施加一個小的變化,就能導致系統行為發生影著的轉變。
P.247 複雜系統的特徵之一是「違反直覺」。→無法一眼就找出槓桿點,也就是複雜的系統沒有簡單的答案。

心得感想:
本書主要在說一個模組:存量、入量、出量,三者間的關係。就以個人資產來說,存量=總資產,流入=收益,流出=支出。你的各種行為都會影響,這三項的變化,正向決策會減少支出增加收益,反之亦然。有些行為具有強化作用,像所學越多收入越好,或者信用卡刷到爆的循環率。而有些關鍵行為可成為槓桿力,像錢滾錢的方法。而外部也能影響你,像政府的貨幣貶值策略,而常常拌隨的是延遲效果-通膨。這需要長時間才會有所影響。這只是單純的你的帳戶系統,再串接眾多帳戶後變成一個超級複雜的系統,國家總資產(當然還有更上層的系統,世界金流)。所以本書只是在說明變動因子(出入量的改變),會比固定因子(存量)還重要。因為常被人所忽略。相信這時大腦已一片混亂了,把圖畫出來,一切都變的有著力點。思考才能展開。例如心智圖、賽局樹等圖表。至於作者的水龍頭圖表,我覺得很弱且不流暢。當作失敗之示範比較合適。流程圖都比水龍頭圖更簡單扼要。

水龍頭圖


流程圖(網路隨便找)






2016年8月10日 星期三

馮紐曼




前言:
想說來看看天才的人生,但看到快睡著了。

隨記:
P.41 1871年至1872年間,布達佩斯由貴族政治轉變為設計精巧的財閥政治,該年立法頒佈的四百位布達佩斯議員名額中,有兩百名額是那些納稅名單中繳付最高稅款的納稅人。→這恰巧讓布達佩斯成為當代歐洲第六大城市,也是對民主政治的嘲諷吧。這點值得留意,為何不讓納稅最多的人擁有立法立委資格?他們貢獻度最高,名額不用多,前十名就能引動多繳稅的誘因,而造成逃漏稅的慣老闆一下就被看出來,因為與同行老大納稅額的額度相距懸殊,馬上就知道有問題。老二不能逃漏稅,老三自然也不能,而進而連鎖效應的串連下去。這招妙,可惜純民主制不允許這巧妙的計謀。
P.67 「如果怎樣,就會怎麼」的看法嗤之以鼻。→事後諸葛的行為沒有意義,本故事在說鐵達尼號如果注意細節就不會沉船,而馮紐曼認為就算避開那些細節問題,當時仍可能會出現另一種隨機狀況,而其中一些(雖然不是全部)可能會導致更糟的災難。對於發生的事就別千金難買早知道,因為意外本身就是未知。即使僥倖躲過,反而因沒問題而強化了信念,下次用相同原理建造五倍大的鐵達尼。未知的錯誤無法避免,最好期望它盡早成為已知的錯誤。
P.133 只憑經驗指的是基於觀察及實驗而不是抽象證明。→嘗試對問題作抽象的思考,而不是一再驗證,很多東西怎麼驗答案都是錯誤。火雞從出生到死前前都一再觀察、實驗吃人類飼料是安全無虞,直到被宰時才知道問題所在。
P.214 他一生主要的娛樂就是思考問題,若被別人打斷,他最仁厚也最常有的反應就是不理那個打斷他思考的人。→連馮紐曼這種社交能力超高的,也不喜歡被人打斷思考。

心得感想:
想說能在本書找些有關數學的啟發,結果沒有。只有個非常簡單的賽局陣列(古巴導彈)。書中的馮紐曼存在感非常稀薄,不像是主角似的。這本書冷門到連博客來都搜尋不到,只能在圖書館找到,果然圖書館是各種爛書的最終去處。這本書很明顯就是作者的文筆實在太差了。


2016年8月7日 星期日

數學教你不犯錯 上



前言:
我沒想過數學是我的優勢,因為我覺得數學所學並不高深,雖然大學聯考是靠數學才上大學的,想想還真是極端型的人格,數學近滿分、英文近零分。最近看了些文章才發現原來數學是我的優勢,或許我該重拾數學,讓我優勢再強化。不然我的交易對手大多都是英文高手,我根本沒有任何優勢。英文就很奇怪,那個無形的高牆就是找不到方法突破。不像數學我很輕易的抓到感覺。我的數學是概數邏輯,90%。

隨記:
P.12 假如你去醫院的恢復室看看,你會發現腿上有槍傷的人,比胸部有槍傷的人更多,這並不是因為胸部不容易挨槍彈,而是胸部吃子彈的人難以存活。→膝蓋中箭的人廢話特別多,因為是胸口中箭的人早死掉了。
P.12 把某些變數設為零→機身上消失的彈孔故事發現,零可能代表的是無生還,或負面作用。
P.13 你的假設是什麼?這些假設有沒有道理?→佛教因果論常玩弄這招,你做壞事就會得惡報,但如果你真的去實驗後會發現,做好事跟做壞事,接下所發生的事呈現隨機。多玩幾次後就明瞭,善惡因果論只是個騙術。除非你真的想做善事才去做,不然領了1百張好人卡就別怨什麼,自找的。做善事只是滿足自我的虛榮心罷了。
P.21 當數學遠離它的經驗源頭後,甚至是成為第二代或第三代的產物,只受到來自「實存」世界的理念間接啟發,便會身陷於極度的險境。它愈追求美化,愈來愈純粹「為藝術而藝術」。→在說純數可能脫離理實而變的空洞化的問題。
P.31 非線性思維的意思是說:你該往哪個方向前進,取決於你目前在哪兒。→直線(線性)只有一個方向,曲線(非線性)隨著條件改變方向。
P.33 拉弗曲線→非線性,很多事不是呈現線性(直線)發展,而是到達某個呈度後就會扭曲。而我們在推估事情發展時常常忘記極限的設定,像最近氣溫天天創新高,但別忘了24節氣的夏至(6/21),大暑(7/22)都已過去了,代表日照長度也開始反轉,接下來不會再無限的氣溫上升,而是反轉向下。當然反轉是非常細微不易觀察到,因為還是很熱,要一路熱到中秋節(9/15)之後,才會明顯感受到真的反轉了。

P.36 政府收的錢最後都自己用掉,而且經常把錢糟蹋掉而未加以善用。→國家只需要少少的稅收,維持基本水準才是最佳化的狀態,越多稅收只會揮攉。
P.40 並非所有曲線都是直線,然而處處可見線性的推論
P.49 完美的圓並無特殊之處。每一條曲線,只要放大到夠大,看起來都像是直線。只要曲線沒有尖銳的轉角,不管它多麼纏繞扭曲,都滿足這個特性
P.53 0.3333...=1/3而左右各乘3就=0.99999...=3/3。→=1。無窮小就是什麼都沒有。
P.61 在數學裡,你很少會從概念發明人那裡,得到概念最清晰說明→這點出為何我看不懂尼采自己表述的哲理了。太過生澀。任何論點需要一再演化,最後才可能變成一種完美型態,原生的想法並不是最完善的理論,只是個好的起點/方向。
P.62 當你懂了如何用對的方式做事,就很難允許自己(頑固一點的人甚至不可能),再用錯誤的方式解釋那件事。→我找到知己了。我懂那感覺!!我知道真理後,我無法用善來解釋道理,因為善是錯誤的東西。善是惡的反義,代表是種偏向的思維。簡單問自己,為何執著於善?中性不行嗎?善是通往極惡的最有效的路逕。大多極惡者都靠善來達成自己為惡的目的。
P.70 當你認真思考數學問題時,難免會有需要6*8(九九乘法表),如果每次都得拿計算機來算的話,你永遠無法達到思想的流暢性。→留意這問題,我的確有越來越依靠計算機的習慣,連基本運算都懶得心算了。
P.72 數學需兼顧精確答案與有頭腦的估計,既需要流暢運用既存算法,也需臨場搞出所以然的直覺
P.84 大數法則→硬幣擲一萬次非常趨向50%的理論值。但如果只丟一次呢?一次性的機會,就是種運氣問題,對or錯。

P.92 錢幣沒有記憶。→所以不會參考之前擲的人頭是否過多,而下次必出數字。
P.96 數字會變負時,免談百分比。→常會造成加總是出現超出100%總和的計算悖離。
P.119 巧合比你想的多:遭閃電擊中或中樂透,都是不太可能發生的事,但不斷會有人碰到這些事。這是因為世界上的人實在太多了。→大樂透頭獎才1/1400萬,每個人買一張基本上是可以開出2個頭獎中獎人。
P.186 不可告人的論文真相:刑求數據直到它坦白為止
P.190  0.05這個數直畢竟沒有任何特殊之處。它只是費雪選定的慣用門檻。→約定成俗,造就很多人在這點位,上下齊手、動手腳以符合顯著水準。所以在這點位附近的報告可能都要留意,有造假的機動。
P.191 數據常是一團亂而推論往往很困難。→光最簡單的股市計量法,資料來源沒有絲毫的模糊空間,但統計出來的結果也非常難解讀。隨機式的量化,得出來的是垃圾報告。量化也是要講理論,沒有道理所產出只是一種巧合。
P.193 統計的目的不在於告訴我們該相信什麼而在於告訴我們該做什麼。統計的目的在於決策而非回答問題。→古人可以統計出一年約365天,但統計無法說明為什麼!
P.203 在採取行動前,讓我們再畫個(貝氏)方塊圖。→這個在自我否定時很好用,股市長期來看是隨機走勢,但近三個月你準確度超出平均值10%(>60%),這時你認為自己已達新境界,但其實只是僥倖。把方塊圖畫出來就會清醒知道自己的謬誤而保守行事。為何?條件式:你從母體全部預測中篩取這三個月作新母體,讓整個統計偏移了10%,除非把方塊圖作出來不然你看不清問題。經刻意的篩選扭曲了數據,最終也失去統計的效用。
P.230 貝氏方塊圖→不止正方形,還可加掛





心得感想:
關於沃德(Abraham Wald)一眼看穿飛機彈孔的故事大多耳熟能響,但我跟大多數人一樣,這那裡用到數學?單純的邏輯推理,但故事背後,他得交報告,而看到數學公式就讓人大為驚訝!這不是加減乘除就寫得出來。數學的精確性才是價值所在,這點邏輯是辦不到的。結論:正確的邏輯+數學=最佳(極限)方案。不信就注意你手機吧!過保固就會出問題!這麼精準的耗損率絕不是巧合。


[2016年8月9日 解構數學與英文的差異]
數學簡單之處在於完全符合邏輯不太需要死記,英文是文化累積的產物不具有很清晰的邏輯結構。這導致我無法用邏輯來推理英文。連最基本的S+V,主詞+動詞也不是絕對的公式。常聽對話就知道就知道,常開頭是F字,結尾再用F字…,文法只是老師們偷懶的說詞罷了,根本不是一體適用。走文法之路是死路一條,因為有無窮的例外。我潛意識對於無法邏輯化的東西就會裝死…,死都不肯讓它進入我的大腦,然後就無法記住。簡單用臉來說好了,我無法對臉作非常明確的辨視,所以我很難記住別人,也造就我不想跟人走太近。因為我根本記不住。記人臉跟語言(國文、英文)一樣,是一種硬性記憶,無法邏輯化。我國文造詣也只是及格水準,可以寫寫文章和說說話而已。想想這是種烙印式的結果,因為每天在用所以才記得住。總結來說,我的特長是對邏輯思考方面有優勢,對記憶完全處於弱勢。這就是我的先天「條件式」。有多少人懂自己的優缺呢?我想很多人都覺得自己是天才,十項全能吧。我呢?我專挑比我的弱的人吃他豆腐。看到比我強的人,我就投降輸一半。所以整個期望值就變成,勝了全取,敗了輸一半。還是有賺頭。這樣有搞頭嗎?放心!
世上天才很少,但不知自己是豆腐的很多。