這是我第一次玩“現(xiàn)金流”游戲，由于看過《富爸爸窮爸爸》≈沒看過，所以“現(xiàn)金流”認知模型智能從零開始。

第一個問題：如何做信息采集，也就是收集游戲流程關(guān)鍵點。由于對流程基本完全沒有直接的認知，無法做數(shù)據(jù)埋點，只能一步一步地通過實驗了解游戲進程及其相應(yīng)的規(guī)則和條件。一共踩了三個坑：第一，為了找到數(shù)據(jù)邊界，盲目做了高風險的嘗試，給第一次破產(chǎn)埋了種子；第二，對游戲的核心——“風險”理解不夠準確，過于注重避害，導致沒有收集到趨利的樣本信息；第三，采集的信息高度有偏，只能通過游戲不斷試錯，缺乏收集試對的經(jīng)驗。

第二個問題：流程是如何表達的？這里有一件事是我疏漏的，就是沒有對每一步前進做好總結(jié)和記錄。幾乎每一個前進的步驟都是通過感覺實施的，這意味著對將要進行建模的數(shù)據(jù)做無效編碼。一個可行的方案是復(fù)盤時將游戲中所面臨的問題封層，以后每一次游戲體驗都是每一個層次的細化，將游戲流程表達為決策樹。

第三個問題：數(shù)據(jù)該如何建模。模型風險的核心是結(jié)構(gòu)風險最小化。首先我們要建立一個風險最小化函數(shù)。先考慮最簡單的情況，假設(shè)收益之間是獨立的，總收益=資產(chǎn)收益+售賣現(xiàn)金流+工資。每個收益要考慮風險，并加上市場行情變化，那么總收益=(資產(chǎn)收益*(靜默風險+市場風險)*a+售賣現(xiàn)金流*(機會風險+市場風險)*b+工資*失業(yè)風險*c)*買保險的概率+d，abc分別是三種收入相對于總收益的權(quán)重參數(shù)，d是偏置項。我們的目標就是優(yōu)化這四個參數(shù)，使總收益最大。收益值和風險概率都可以從每一次的游戲中得到。由于第一個目標是突圍到大賽道，那么可以將總收益換成1和0的形式，即是否能突圍大大賽道，1是能，0是不能。至此，進入大賽道的目標函數(shù)確定了，一個帶四個參數(shù)的二分類問題。

第四個問題：如何計算和使用四個參數(shù)？這個沒有任何捷徑，不斷地練習和收集其他伙伴的游戲信息作為訓練數(shù)據(jù)集。

第五個問題：模型得到之后怎么用？模型得到之后，我們就可以進行實時的預(yù)測了。由于所有的牌都是有限的閉區(qū)間，那么在足夠的伯努利實驗下，風險值基本是固定的。我們把當前的資產(chǎn)收益、售賣現(xiàn)金流和工資帶到我們的模型里，如果預(yù)測為1，那么在風險中我們勝出的概率就很大，否則需要通過歸因分析判斷當前的主要風險點在哪個方面。

總結(jié)：意識突圍很重要，精細化每個點的風險和收益是核心手段，收集好每次的結(jié)果數(shù)據(jù)是有效捷徑。