经济学是一门研究理性人假设下资源如何配置的学科。那么我们在对经济现象建模的时候要回答以下几个问题：1.涉及哪些参与者2.他们可选的方案有哪些3.给定理性人的假设，他们会如何决策，结果如何4.他们的福利如何。所有这些问题正好可以用博弈论来建模，比如1.经济现象所涉及的人正好对应于博弈论中的players2.可行方案对应于strategies3.如何选择和结果如何正好对应于各种解概念（solution concepts），比如大家熟悉的纳什均衡。博弈论最重要的其实就是各种各样的解概念。为何我们要提出这么多解概念呢，因为在许多情况下人们的决策往往依赖于他人的决策，而不是中级微观里解个约束条件最优化那么简单。4.福利正好对应于payoff具体来说的话微观经济领域几乎每个分支都要应用博弈论的知识（宏观我不太了解，但前沿的动态契约理论也会用到）。微观大致有那么几个分支吧1.产业组织（IO）：最基本的古诺模型，就用到了Nash Equilibrium。Stakelberg 模型用到了Subgame perfect equilibrium。2.信息经济学：Spence教育模型就是一个不完全信息动态博弈，用的解概念是perfect Bayesian equilibrium。3.拍卖：一级密封拍卖的均衡就是个Bayesian equilibrium。4.匹配理论：这类模型的建模基本是不同于以上，用的是 ...继续阅读 (43)

...继续阅读 (58)

...继续阅读 (38)

...继续阅读 (38)

...继续阅读 (59)

...继续阅读 (41)

先预设个条件吧，比如路边摊、苍蝇馆、私房菜以及连锁店就不要在讨论范围内了。毕竟路边的小店可能老板本人就是主厨且就那么一两个人，那么他的品控就是他自己的手艺和当天的状态了，真正的私房菜也是这样的。连锁店由于不需要任何烹饪的技巧只是作为最后的拼装组合而存在的员工你也很难说今天巨无霸里面的生菜比昨天的多了两根，而且由于是中央厨房或集中采购的原因除非供应商的问题否则味道基本是不会有变化的。那我们就来说一些正规意义上的餐厅吧。我相信只要是看过hell's kitchen或者master chef的人都会对Ramsay的表现记忆犹新。像hell's kitchen这样节目里出现的店通常后厨的规模并不大，每个挡位都有相对的专人在负责。chef通常不会亲自下厨，他主要的任务是派单以及最后的品控，他需要记住每一桌单的内容，比如1号桌的客人不吃香菜，2号桌的客人不吃香菜，还有三号桌的客人不吃香菜。然后如果这三桌的菜里面出现了香菜chef就要开始骂人了。但是通常他不会让这种事情发生，因为作为chef需要经常在后厨溜达，观看每个档口操作，比如可能牛肉过火了，羊肉烤过了，扇贝还需要再多煎30秒，那边的鸭子别忘了调味。所以一道菜从选材——备料——下单——读单——制作——监控——出品检查——服务员上菜这个流程上每一步都在做着品控当然我说的这是一个理想国度的餐厅，这种餐厅往往只能在日本漫画或者日剧中见到。现实中往 ...继续阅读 (35)

...继续阅读 (38)

...继续阅读 (34)

...继续阅读 (41)

甘博 (Sidney D.Gamble)是一位社会经济学家、摄影家，终生致力于中国城镇和乡村社会经济问题的调查研究。从1908年到1932年，他先后四次访华，积累了一整套价值无比的影像档案，含5000幅黑白照片，几百幅手工上色的玻璃幻灯片等，展现并保存了二十世纪初中国丰富的民族志信息，对今日的学者有着无可估量的价值。更新至第二辑甘博终生致力于中国城镇和乡村社会经济问题的调查和研究。从1908年到1932年，甘博先生先后四次访华。第一次在1908年清朝晚期，他刚刚高中毕业。1917年到1932年期间，甘博三次旅居中国，自费担任北京基督教青年会和中国平民教育运动的研究干事，负责城镇和乡村调查。在他的任期内，甘博用他的摄影机建立了一部有关中国的图像档案：总共5,000幅黑白照片和彩色幻灯片以及30盘16毫米电影胶片。这些影像资料抓住了处在重大历史变革时代的中国：几千年的封建帝王统治即将崩溃，一个年轻的共和国正在诞生却又面对内战的混乱，五四运动和共产主义革命正在兴起。作为普林斯顿大学中国中心–“北京普林斯顿”的义务成员，甘博主持了对中国北方城镇和乡村的社会经济调查，协助在北京建立起社会服务工作，成为西方在中国引进社会学教育和开展社会学工作的先行者。中国历史上的这一时期影像资料稀缺，而甘博的摄影作品向人们提供了窥见这一巨变时代之生活方式的难得一瞥。甘博的照片风格融记实、素描、民俗 ...继续阅读 (91)

...继续阅读 (66)

...继续阅读 (39)

...继续阅读 (124)

...继续阅读 (47)

...继续阅读 (36)

...继续阅读 (42)

...继续阅读 (52)

...继续阅读 (50)

...继续阅读 (39)

...继续阅读 (78)

来讲讲我最爱的研报…（1）比较简单的出彩方式是有新鲜的信息。最近Wells Fargo的分析师发表了一篇对美国最大的牛奶公司Dean Foods的分析，他利用美国的联邦自由信息法案 (Freedom of Information Act)，获取了美国军方按照不同地区划分的08到15年每月牛奶购买价格，然后用这个数据估算Dean Foods分月和地区的盈利率。独特的信息渠道让人眼前一亮。（2）难度更大的是用大家都有的数据分析出新鲜的结论。最近JP Morgan的分析师深入研究了美国农业部的公开数据，得出了一些让人惊讶的结果。在鸡肉行业里，母鸡出生到母鸡生鸡蛋要花六个月，鸡蛋变成能杀掉吃肉的小鸡又要花三个月，但是刚出生的母鸡的数量增长以及鸡蛋的数量增长并不能预测几个月以后的鸡肉增长。反而，这三个数据的增长和衰落是同时发生的。这是为什么呢？我懒得写了，但是结论还是挺有意思的。（3）比起新鲜的信息和深度的信息挖掘，好的研报更重要的地方在于条理清晰、分析了所有重要问题、而且对读者有很强的说服力。一般来说，读完一份好的研报就应该了解关于公司的这些信息：industry landscape, 销售增长，利润率变化，EPS增长，自由现金流预测，是否是一个好公司（ROIC，市场份额，是否高度周期性，客户集中度等等），管理层能力和动机，估值（包括和市场、同类公司以及历史相比）；最后，分析师是否推荐购买 ...继续阅读 (46)

...继续阅读 (35)

...继续阅读 (33)

谢谢@蔺佳&@Energetic Hydra的邀请。关于问题一“冷凝过滤在威士忌酿造中起到什么样的作用？”，请允许我偷懒用以前在类似问题下的答案稍作修改后试着回答吧。“冷凝过滤”在威士忌行业里通常的做法，是将经过熟成的威士忌的温度冷却到摄氏零下10至零上4度的区间内，之后通过物理处理-表面吸附-将威士忌中的脂肪酸和蛋白质从酒液中分离出去。当然在实际操作中所涉及的过程、步骤没所说的这么简单，而且蒸馏厂处理的方式也并不相同，比如在冬季，有的蒸馏厂会在环境温度下（3至4摄氏度）直接进行过滤操作。那么蒸馏厂、调和威士忌公司或者装瓶商为何进行冷凝过滤，而且冷凝过滤是否必须，这是有争议的话题。在继续进行这一话题前有必要说明一下威士忌的本质，让人吃惊的事实是威士忌和伏特加在本质上是同一种东西，区别在于两者各自代表了同一种事物的其中一极，伏特加不同于威士忌之处在于其纯净，而威士忌之所以为威士忌则在于其对“杂质”的追求。简单说来威士忌由酒精、水和其他物质构成，尽管其他物质占比不大，但它是构成威士忌的色泽、香气、味觉和口感来源的主要成分，这些物质会是酮类、醛类、酯类、酚类、同系物、单宁、盐类等。我们知道威士忌的原料是水和谷物，谷物本身含有的一些酯质物质经过制酒的各种工序和陈年以后依旧存在，既由上述的其他物质构成又存在于其他物质之中的酯质，是威士忌风味的来源之一、甚至是让人爱上威士忌的东西。但是这也带来 ...继续阅读 (38)

...继续阅读 (52)

考虑在一个可能的分配方案集合中选择一个分配使得社会中个参与人的效用向量是帕累托最优。例如两个人分一块钱，则可能的分配集合为。假定两个人的效用函数分别为和，那么给定分配, 效用向量为。令为各参与人在权重向量下的效用加权，该加权可视为一个简单的社会福利函数。基本的结论是，如果分配最大化某个严格权重（）下参与人的效用加权，那么就是帕累托有效的。反过来，一定条件下，每一个帕累托最优的分配都最大化社会参与人在某个权重下的加权效用。后一结果可以理解为对帕累托边界的刻画。令为可达到的效用向量的集合（the set of feasible utilities） 。当参与人的效用函数都是凹函数的时候，是凸集 。（上例中的是凸集且比较容易画出来）。定理.假定集合是凸集。如果是一个帕累托有效分配，那么最大化某一权重向量下 所有参与人的加权效用，即存在权重向量，使得.这是个凸优化问题，定理的证明用到超平面分离定理。详细可参考教材 Kreps (2013), Microeconomic Foundations I: Choice and Competitive Markets，章节8.4。来源：知乎 www.zhihu.com作者：知乎用户（登录查看详情）【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载此问题还有2 个回答，查看全部。延伸阅读：数学物理方法和微分方程学科的区别是什么？关于数学 ...继续阅读 (36)

...继续阅读 (30)

...继续阅读 (43)

很高兴看到有人提这个问题。概率图模型(PGM）是我的研究方向（发表的9篇论文中7篇是PGM），也曾做过CMU PGM这门课的TA，对这个方向深深喜爱。先说说PGM的重要性。概率图模型大致可以分为两种，directed graphical model(又称贝叶斯网络）和undirected graphical model（又称马尔可夫随机场）。贝叶斯网络由Judea Pearl 教授发明于上世界80年代，这项工作获得了2011年图灵奖。马尔可夫随机场最早被物理学家用于对原子进行建模，其中的代表作Ising model获得过诺贝尔奖。图灵奖+诺贝尔奖，PGM的重要性可见一斑。另外，PGM是将人工智能（AI）的研究热点从传统AI(如逻辑、推理、知识表示）转向机器学习的重要工作（其他起到这一作用的工作有支持向量机、决策树、boosting等）。概率图模型在实际中（包括工业界）的应用非常广泛与成功。这里举几个例子。隐马尔可夫模型（HMM）是语音识别的支柱模型，高斯混合模型（GMM）及其变种K-means是数据聚类的最基本模型，条件随机场（CRF）广泛应用于自然语言处理（如词性标注，命名实体识别），Ising模型获得过诺贝尔奖，话题模型在工业界大量使用(如腾讯的推荐系统）。等等。PGM优雅的理论。机器学习的一个核心任务是从观测到的数据中挖掘隐含的知识，而概率图模型是实现这一任务的一种很eleg ...继续阅读 (57)