Schlagwörter » Nonsense

Working on Updates

After making a resolution to put writing on my calendar, and carving out two hours to keep this resolution, Microsoft thinks it’s appropriate to update my Windows 10. 157 weitere Wörter

Writing

What is being dead? Some thoughts on dying one day.

Today, my mortality hit me.

There are things in this world that are entirely inconsolable to me. Things that I will never understand no matter how many hours I spend pondering upon them. 900 weitere Wörter

Running.

If a girl goes for a run in the forest, but there’s no fitbit attached to her to count her steps, did it really happen? 6 weitere Wörter

Love Ache

I love you in the morning,
Evening, night and noon,
I love you when I don’t see
You and when I do too.
I crave your eyes on mine, 41 weitere Wörter

"Yellow Makes Me Sneeze"

„Yellow Makes Me Sneeze“

Medium: Collage

Size: 5″ x 8″

Travel

Do I overthink?

“You overthink things Jay” they say.

You waste too much time analysing. Tearing things apart with your scrutiny. You think too much.

But what is too much exactly? 635 weitere Wörter

Observation, Induction and Deduction

杂谈系列之三 (逻辑混乱系列)

第一篇杂谈里我谈到了我自己认为的三个研究的概念,观察、发现、和架构。在第二篇杂谈里我说了一些当时对于稳定度这个概念的想法。我认为观察发现乃至于架构应该着重于一些稳定度高的客观世界的表现。而在于稳定性的判断和定义上,我思考能不能用可能对其产生影响的力的大小和多少所构成的环境来表现。这种方法的问题可能在于主观性仍然太强,并且无法照顾到复杂系统中反身性,蝴蝶效应,黑天鹅等一些概念。这个问题后面再讲。

观察、发现、和架构的三个概念是我从自己糟糕的低劣的不足一谈的关于投资和学术研究的学习经验,以及对于正统经济学和社会经济学之争以及对于两者的一些原始假设方法的粗浅思考中感受到的东西。之后对于稳定性的思考也是如此。我发现现实的投资研究可能更注重于观察和一些简单的发现,这样做的结果是迷乱于糟糕的信号和个体间的不一致,并且无法构筑高效而低维的核心。有些社会经济学研究有类似的问题。而许多正统经济学研究沉迷于数学所带来的优美的架构之中,并甚至以毫不实用为荣

虽然可能十分无知和浅学,但是我认为这是一种比较可行而且应该是比较正统(可能不是唯一的)的对世界的贴近方式。事实上,它和一些正统的学术想法接近。比如Andrew Abbott的最近一个演讲

Abbott把理论(theory)与实质(substance)作为他研究生涯中无法脱离的五个根本中最关键的部分。Abbott认为理论有三重意义,抽象性与实际性相对、理论性与经验性相对、一般性与特定性相对。[1] 但是在强调相对的同时,Abbott也承认他可以是一种induction也可以是一种deduction,并且要从研究对象的实质出发的理解。并且强调是对于不同事物的相互关联,来“超越了“收纳”的孤立方式,而使理论成为了纯粹的相互关联。”。最后强调“理论不断地在重新建构它自身,没有一个最终的结果,而是始终处于不断地分析和接受经验性内容的过程当中。” [2]

借用以上概念,简单地来讲的话,观察发现架构实际指一种从实际到抽象,从经验到理论,超越孤立,但仍需要反映实际,并且可以形成一些纯粹的关联,从而得以扩张提高。

发现和架构是对世界的提炼和重新组建。发现的难点在信息的降噪和抽象的提炼。这就是为什么现有的机器学习在量化投资上并没有什么颠覆性的成功的原因。这里的问题其实有两个。一是信息本身的噪音程度。也是我为什么要强调稳定性的概念。二是降噪和抽象提炼包括简单的逻辑归纳,但并不止于此。我在第一篇的杂谈里就谈到了爱因斯坦所说的直觉问题。现有的机器学习很大程度上并没有在学习人类的思维方式,而是一种注重于结果正确率的黑箱模式。这样就导致在高程度的发现和更高一层的架构上几乎是很难有所作为的。alphago也许能远超任何人类棋手,但是我怀疑他能不能提供一种可以的流传的风格门派。但是即便我们见过人类历史中一些伟大的巨人的智慧,我们必须承认对“直觉”也就是高阶段的发现并没有一种成熟可说明的方法,也许这种是初阶的发现上的进一步降维,而我们对不能体感的维度总是觉得难以触摸的。

至于架构的另一个问题,提炼之后架构会不会导致逐渐对实际的偏离,或者说太过注重于实际的贴合会不会导致无法深层次组建架构的问题。也许真正贴近physical law的话可以避免,也许只能不断地重新修正构筑。层次太高,现在不谈也罢。

再来看稳定性。虽然我们一定程度上说明了稳定性的意义,也给出了对稳定性的可能的观测方式,但是问题是,在实际操作层面,稳定性容易变成想当然地使用中期趋势长期趋势来观测,或者说也并没有其他太好的方法(事实上我自己也把长期 18 weitere Wörter

Personal Thought