Yougth Blog

大神养成中.....

股票投资基础之三

面对市场波动的心理建设

本篇是投资基础系列第三篇,心理建设篇,通俗讲应该叫“如何才能避免当韭菜”,先说一下怎么算韭菜,就是朋友说这个票涨的不错,我去看看这曲线确实很不错,追进去,如果涨了3个点,赶紧逃,如果跌了3个点,死扛,到跌了10个/20个点,扛不住了,割肉跑路吧,这就是典型的韭菜,而且中国股市绝对有超过一半是韭菜。 为什么说这么做必然是韭菜呢,因为首先你不懂这个股票,且股票短期内的波动可以认为是完全随机的,...

股票投资基础之二

企业估值

之前第一篇商业模式和护城河,讲到了投资首要是看懂企业的商业模式和护城河,如看懂了前面一项,那么第二项要做的就是评估这个企业值真正值多少钱,以确定我到底要多少钱买这个企业才是合适的,这里面主要就涉及到估值。 首先看一个公式:股票市值 = 市盈率 * 净利润。 而股市里面你赚钱大体也是来自这两个方面,要么是企业净利润增长率,要么是市盈率变高了;净利润是其中的可控项目,是我们要通过估值解决的问...

用户行为序列表示系列之一SIM模型

Search-based User Interest Modeling with Lifelong Sequential Behavior Data for Click-Through Rate Prediction(SIM)

背景 在电商推荐中,用户兴趣的建模是一个非常重要的点,现在电商的主流厂的方向也都是在往这个方向发力,其中阿里妈妈是走在前沿的,从18年开始陆续提出了DIN、DIEN、MIND、SIM。 用户兴趣建模最早是用用户画像,在底层会有专门的人来做用户画像,上层的模型在使用建立好的用户画像,他的好处是做出来的东西可解释性比较好,人类易读,但是缺点同样也很明显,就是建立画像和使用画像是两个部分,前后...

股票投资基础之一

商业模式和护城河篇

两年前,我还是一个外行,总觉得炒股是一件很难的事情,尤其是在中国市场,感觉每个人都是韭菜。 通过一年的读经典书和实际操作,算是摸清了一些门道,这个系列里就总结以下目前阶段的一些心得,如果你也信奉价值投资,那么看完或许会有一些收获。 我们做业务或者训练模型,第一步就是要找个目标,然后去想办法建模优化这个目标,所以投资也是一样,首先你要有一个自己的目标,一般是超过指数多少多少。然而中国股票指...

机器学习基础系列之一

最大似然估计与交叉熵损失在模型中的应用

最大似然估计 最大似然估计(Maximum Likelihood Estimation),简称MLE,假设现在有个抛硬币机器,我们可以任意使用这个机器抛硬币后观测结果,假设只有两种情况,正面或者反面,假设抛硬币机器每次出的结果是服从某个已知分布的,而且每次出的结果都不受之前的结果的影响,即独立的,那么最大似然估计就是已经拿到观测结果,反推具有最大可能(概率最大)导致出现这个分布函数的参数。...

多目标系列之二ESMM模型

ESMM模型详解

再上一篇MMOE中遗留下来一个问题,在多阶段多目标优化中,后面阶段转化必然要在前一阶段转化成功的基础上产生的,这两阶段的关系怎么建模到模型中,看看ESMM是怎么解决的。 ESMM原始论文是阿里2018年发在SIGIR上面,《Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conver...

多目标系列之一MMOE模型

MMOE模型详解

现在客户运营已经离不开多目标了,原先做新闻推荐会关注单纯点击率,现在基本上会关注人均时长或者留存,都是围绕着多目标展开的。 多目标可以从两个维度分,第一个维度是多个目标前后有依赖关系,比如文章推荐或者商品购买推荐,都是有转化漏斗的,需要先点击才能发生阅读时长或者点赞,在商品上就是先点击后购买转化;另一种是前后目标没有依赖关系的,比如抖音沉浸式短视频,点击开就会播放视频,那么产生的指标例如点...

被讨厌的勇气

《被讨厌的勇气》读书笔记

周五晚上看奇葩说今年最后一期,说到失眠、抑郁的话题,平常傻乐的大老师忽然特别走心的建议看一下《被讨厌的勇气》,说他每隔一段时间就会去翻一翻,很好奇是什么样的书能让大老师这样洒脱的人这么上心。 目的论 现在想一个问题:你过的开心吗?现在的生活是你想要的吗?如果可以重新开始你会选择过这样的生活以及变成现在的你吗? 我想大多数人都会回答不开心,感觉光是能解开你不开心的问题这本书就值了。 让...

贝叶斯个性化BPR算法

Bayesian Personalized Ranking Loss算法

优化和损失函数是机器学习的一大分支。其中按照大类分为PointWise,就是通过直接预估单个的物品的得分去做排序,在精排环节中最常用;第二类叫PairWise,就是把排序问题看成是其中物品组成的任意pair,然后对比两两pair之间的顺序,所以样本就是这种物品对,这种在召回环节最常用;第三类是ListWise算法,就是需要考虑待排序的物品中任意之间的顺序,把整个列表当作样本,一般在重排环节用...

Youtube2019双塔召回论文精读

youtube论文精读

19年Recsys上youtube出了两篇论文,虽然youtube中国推荐做的贼烂,但是论文依旧延续了精品的传统。 yougth这里对其中热度不是那么高的一篇《Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations》做一个精读。 总体思路 首先大体来讲,一个很有意思的点是,google也...