周小结丨仿真系统
前言
正如过往一再强调：
提升之路不是投资号。这里只记录我自己成长过程的经验和教训，包括学习、生活、投资和公益等。
投资记录和反思只是其中一小部分而已。如之前误关注了，现在取消关注来得及，免得后续浪费时间，变成沉没成本了。
过去一周，最大收获是努力了将近半年的资产资金管理的仿真系统，终于通过评审，准备上线试运行了。
在脱敏的情况下，我分享一些经验和教训，也算是自己的一些反思和沉淀吧。
背景
去年底我们团队接到个任务：
总办希望有个决策体系，让他们在做决策时，量化地展现不同决策对不同关键指标的影响。
接到任务后，对各个关键指标尝试拆解联动关系，包括定价对量级的影响，期数对回款的影响，不同合作模式对流动性的影响……
但模拟到最后，有个地方没法通过简单的数据模拟出来，那就是资产和资金的匹配效果，不能简单地用数据分析方法模拟。
最大的问题是这个不是简单线性关系，且是多目标规划。
暴力破解
基于对过往数据的分析，我们发现资产的关键特征在某些特定时间都是比较稳定的。那这就存在了通过离线数据模拟线上的可能性。
比如某网约车平台，发现每个工作日晚上十点，南山科技园特定区域突然下单量就是其他时段的几十倍，那他们就可以根据这个规律，提前安排调度。
同理，我们也提前一天给资产根据特征分组，第二天每个最小颗粒来时，直接指定最优的资金。
那什么是最优呢？我不学无术，一开始提出的暴力破解方案，就是把所有可能性都试一遍。
举个更直观的例子：假如我们从南山要去香港机场，可以有很多方式。现在要选一种费用最低，用时最短的方案。
我的解决方案是：把所有的方式，所有的时段，分不同人数的方案，甚至不同天气都试一遍，不就知道答案吗？
从理论上是可行的，但实操发现完全行不通。最大的阻碍是算力问题。
如果只是去香港，可知的方式就那么多，即便衍生很多，还是有可能全部试一遍的。
但资产和资金的数量等级就不一样，再考虑幂的影响，直接就想放弃了，当时有局外的小伙伴说，估计天河也不够用。
最小费用最大流
这时，ACM（国际大学生程序设计竞赛）的伙伴X出场了，他建议基于我们模拟的目标是特定量级的利润最高，可以尝试用最小费用最大流来解决。
最小费用最大流问题：经济学和管理学中的一类典型问题。
在一个网络中每段路径都有“容量”和“费用”两个限制的条件下，此类问题的研究试图寻找出：流量从A到B，如何选择路径、分配经过路径的流量，可以在流量最大的前提下，达到所用的费用最小的要求。
比如上图，边上的黑色数字是容量，括号是里是费用。假如有一批货物3份从S到T，应该怎么走才是最小费用呢？
有多种方式可以达到最大流3：
① S->3->T (2) + S->3->2->T (1)
这种流法的费用是（3×2+4×2）+（3×1+1×1+1×1）= 14 + 5 = 19
② S->3->T (2) + S->1->2->T (1)
这种流法的费用（3×2+4×2）+（1×1+2×1+1×1）= 14 + 4= 18
后者（18）比前者（19）的费用更低。事实上，后者正是这个网络的最小费用最大流。
介绍完毕，因为我是算法文盲，再说下去就贻笑大方了。
这个终于解决了算力问题了。当然实际用时，我们已经根据这个改了好多衍生版本。但，接下来又遇到的是限制条件问题。
剪枝
在现实中，会遇到很多限制性条件，意味着不可能完全达到理论的最优。
在跟业务团队很多轮沟通后，我们确认了几十个限制因子及梳理的剪枝方案。
后记
经过不断的迭代，在上周我们的离线数据终于出来，目前看比较理想。
首先，解决了各种条件下，各种量化结果的测算，这个十分有利于后续的分析决策系统的开发。
其次，相比线上已有的模型，同约束条件下的利润增幅还挺诱人。当然这个得线上实操才能最终确认。
感谢团队的小伙伴，终于完成了第一步，也让我这个南郭先生还能混在团队里继续滥竽充数。
拓展阅读
周小结丨习惯、爱好、追剧和生活
关于本号