随机漫步的傻瓜读后感

随机漫步的傻瓜读后感（共8篇）

篇1：随机漫步的傻瓜读后感

随机漫步的傻瓜读后感

（一）我的投资策略是什么？

智造美丽人生

这是我2017年读的第二本书。在年初制订学习计划的时候，我希望能在今年的学习中加强自己的理财知识。理财对于我们每一个人来说都是必修的技能，但是如何理，什么样的投资方式才是最适合目前我的情况，我没有答案。所以，我选择了精读这本《随机漫步的傻瓜》，希望能找到答案。

读完这本书，我的第一反应是，被骗了！翻遍每一个章节，我找不到任何可以立即使用的稳赚不赔的操作方法。但细细品味书中的内容我又感觉获益匪浅，很受启发。书中表达的观点改变了我对于投资的看法，不仅是投资，甚至对于生命的了解都大为增进。作者的思维方式很有意思，沿着这个思路，再去思考投资的实际策略，这就是我读这本书的过程和收获。接下来，我将试着将我的收获分享出来。

随机漫步的傻瓜指什么？

随机性，简单理解就是指运气，在生活中随处可见。而我们的思维习惯喜欢归纳，总结出规律用来预测结果。这本书告诉我们在面对随机性事件的时候，试图通过总结规律来预测未来是不可能的，这么做，就会让我们成为“随机漫步的傻瓜”.作者举了一个火鸡的例子来说明，中国的版本是这样的。一只老母鸡，好吃好喝的被主人养了三年。它总结出了1000天的经验：主人对我很好，每天固定的时间都会伸过手来喂我好吃的。但第三年过年那一天，即第1001天，一直伸过来喂它的手，却抓住了它的脖子，将它摔死了。这只老母鸡成为了春节餐桌上的一道菜。

我们中国的股市是否就是一个真实的案例呢？从1989年中国的股票市场开始试点，到现在运营了20多年的时间，在这短短的时间样本里，我们试图通过总结历史去预测未来的走势，可能会一次次的让预测者成为那只可怜的“母鸡”.股票市场本就是一个巨大的随机环境，在历史数据只有20多年的情况下，预测未来根本是不可能的。

所以，读到这里，我的收获是，在选择投资中国股市的过程中，听所谓专家的预测，或者通过学习技术图谱去预测股价走势，至少对于我来说，不是一个好的方法。

在随机性面前，好的业绩仅是因为运气吗？

作者举了一个“打字机前的猴子”作为例子。如果把无限多的猴子放在打字机前面，让它们去乱敲，那么其中一只肯定会打出一字不差的《西游记》。进一步探讨，猴子中的大文豪既已诞生，读者愿意拿毕生的积蓄去赌这只猴子下一次会打出《红楼梦》吗？

如果我们一定要选择一只能打出《红楼梦》的猴子，是选择这只“大文豪”猴子，还是另选一只“潜力”猴子，或者随机挑选一只？

这个例子当然非常极端。但是却揭示了一个我们通常的思维方式。一个人如果没有做对一些事情，那么他可能将来不会有好的表现。如果一个人的表现优于其他人，那么他将来表现优于其他人的概率就会很高。

但是这个思维方式要有意义，必须考虑以下两个前提：

一、他所从事的工作是否充满了随机性？

二、从事这类工作的人数有多少。

如果猴子的数量很少，比如只有100只，那么打出《西游记》的概率就是0.但如果是无限多只呢？那么打出《西游记》基本是必然的。

按照本书的理论，在充满随机性的环境，参与者的数量非常庞大，历史表现的好坏，不能作为预测下一次表现的依据。

我以基金举例。截止目前，国内的基金公司一共有121家，基金数量6057只。基金所处的环境充满随机性，而基金的数量又非常庞大。因此，某支基金，上一年的业绩大好，是否意味着它今年也会排名靠前？

事实上，基本没有哪支基金可以连续几年都挤进收益榜的前10%.而就算真的有基金连续几年都排名靠前，是否就值得我们押下全部身家？考虑到基金经理还会频繁跳槽，我们当然不能如此简单的进行判断。

因此，选股票也好，选基金也好，历史的业绩有参考价值，但绝对不能作为重要的唯一标准。

读完本书，我拟定的投资策略是什么

随机的市场无法预测，不能掌控，所以承认自己不够聪明，不够坚强，对于我来说就是最好的策略。由于工作的原因，我不可能花费太多的时间在研究市场上，既然不能战胜，那就要学着去拥抱，让市场不管涨跌都带来财富。

我选择以基金定投作为投资方式，以指数基金和债券基金的组合作为投资标的，通过定期调整指数基金和债券基金的持仓配比来平衡风险，这就是我的学习、思考收获。

1968年，法国掀起**，学生在巴黎示威暴动，并大声疾呼：我们要求自相矛盾的权利。

再深入一点，最好的投资策略其实是不断学习。我们要不断尝试摆脱过去行为的束缚。可能过段时间我会完全推翻今天所定下的策略，但不管如何调整，这一定是我深入思考的结果。

2017年2月25日

随机漫步的傻瓜读后感

（二）人人都是那只猴子

文 / McT崂山第二公社&耕读社 王森

所有的事情到底必然性和偶然性哪个更能够左右世界的运行？

我们先来看一个证券市场的例子。标普500指数30年之间的年化收益率9.5%,但是如果去除50个30年间的最差交易日，则你的年华收益率可以达到18.2%,但如果去除掉30年间50个最好的交易日，则你的年化收益率不超过1%——从这个意义上来说，意外因素才是主导标普指数30年间的主因。

当古代人们偶然发现彗星来临时，伴随着天灾人祸，因为无法理解随机性，不接受随机性的概念，宗教和象征意义的艺术作品随之出现，人们会认为彗星等自然现象都有其非凡象征的意义，很多宗教和文艺作品不过是混淆了噪音与信号的界限，将不相关的偶然事件当做强关联的因果关系。

非洲某部落，偶尔因为有人抓了抓鼻子就下起了雨，从此用抓鼻子的形式祈雨。同样，因为央行降息经济繁荣，人们就会赞颂降息这个决定，因为新的CEO上任，公司有了起色，就认为是此人的功绩——这些其实都不完全是因果关系，但是人类不愿意相信偶然性和随机性主导了很多重要事件，都想将其归结于某个意义，某个象征。

如果有无限多的猴子打字机乱摁，只要时间无限长，()总有一只猴子会打出荷马史诗伊利亚特的叙事诗，或者莎士比亚的十四行诗，你会不会用毕生的积蓄去跟这个幸存者签约下一部作品？但是现实当中，这个概率下的幸运的猴子并不是猴子的模样，可能是个专家的形象，也可能是某个成功人士，但因为幸存者偏差，大众只注意到了这个幸存者，其他失败的猴子都消失不见。成功分两种，必然的成功者和幸存者。

对于成功人士的采访，并归纳其共同点，成为很多人学习它们的法宝，但是无论是努力还是节俭，都是成功的必要不充分条件。只统计了成功人士，却没有统计所有具有这些美德的人，其成功概率有多大——所以这种归纳并不能说明什么意义，将必要不充分条件当做了充分必要条件。

由此我想到另一本书里的几个故事，为什么加拿大冰球队的队员生日都是上半年？因为少年队，儿童队的选拔时间是一月份，而半年以上的年龄差距对于年幼的孩子来说，身体条件的差距是非常明显的，而当一个孩子被送入国家的少年队、儿童队，则其他孩子与其的差距又会进一步拉大。

而纽约的犹太律师的成功，更加复杂。它可以归因于他们父母是到美国穷苦的第一代移民，大多数是靠服装小作坊发展起来，后来有了自己的服装店甚至服装品牌，父母的经历对孩子有了正面的激励作用；而第二代犹太移民通过父母的正能量激励，勤奋的学习后进入律师行业，又因为上世纪70年代美国法律的变迁，旧势力的白人律师不愿意做上庭的恶意并购的案子，只愿意做企业的法律顾问，因为在他们看来，上庭那都是有失身份的事情——所以犹太后裔的年轻律师们有了大展身手的舞台，并获得巨大的成功。

为什么盖茨，史蒂夫鲍尔默，乔布斯，埃里克施密特都是1955-1956年生人？是时代选择了他们，还是他们选择了时代？他们本身都具有那个时代其他人无法匹敌的对计算机的了解，和那个时代无价的、无限制的上机时间，以及第一代个人计算机浪潮爆发的大背景。那时的计算机无比昂贵，但盖茨1968年便拥有了24小时上机的条件；而乔布斯的居所就处于美国硅谷所在地——Pala Alto, 惠普的创始人休利特给了乔布斯一些免费的多余的电脑配件，还给了他一份暑期零工。这就好比，你喜欢时装，而你的邻居就是乔治·阿玛尼。

而从一些普通人的人生来看，两个家庭的天才孩子走出了完全不同的轨迹。一个蓝领家庭的孩子，天资聪颖，靠奖学金进入名牌大学，但是脾气暴躁，四任父亲没有一个成功范例，有的失踪，有的自杀，还有被谋杀的，跟同学格格不入，入学时成绩是A, 而离校时成为F, 因为他的母亲不懂如何申报奖学金，从而导致他大学二年级失去奖学金资格，他也因此正式退学，成为蓝领工人，后来自学，到处投稿，却屡屡碰壁，郁郁不得志；另外一个孩子，中产家庭，因为不满意老师进度太慢，打算用化学品谋杀老师，后来被发现，判了缓刑，但是在面临美国曼哈顿计划首席科学家甄选时，靠个人魅力打动评委，晋升主流社会。当他们面临困难时，中产家庭的孩子更懂得如何周旋，而中产家庭的父母也更懂得为孩子辩护/争取，中产家庭的孩子，日程满满，周旋于各种课外活动，当孩子成绩不佳时，家长会站在孩子的一边；而贫困家庭的父母往往惧怕权威，行事消极。实践的智慧来自家庭，没有实践智慧，孩子的天赋再好也难以施展才华。所以同样的天才，处在不同的家庭会产生截然不同的结果。巴菲特、比尔盖茨、乔布斯，哪个是贫困家庭的孩子？

是天赋重要？还是际遇重要？除了幸运的猴子，必然的成功者是不是也附带了人生际遇的偶然因素？

卡内基，1835年生人/洛克菲勒，1839年生人/JP摩根，1837年生人——他们都是在1931-1939年这个美国经济大萧条的时期出生，这个时期诞生了人类历史上最富有的75人当中的14人。他们2、30岁的壮年时期，正赶上了美国1860-1880年的工业革命，铁路/钢铁/华尔街，蓬勃发展，生逢其时。

不得不说，以上的例子里，每个人都是努力和进取的，没有这些良好的品德，他们很难成功，但是同时他们本身又具有他人无法企及的幸运因素。成功学只强调勤奋和天赋，没有指出这里面的特殊因素。成功是一件高风险的事情，但是成功学却通常不会提及，并不是你看了成功者的书，就会获得什么秘籍。

再来说说投资领域。比如10000个人一起买股票，假设他们都不懂股票，或者干脆说，他们都是猴子：50%的胜率，那么第一次会有5000人正确，第二次剩下2500人，第三次1250人，第四次625人……经过若干次淘汰后，最后剩下10人，你能说这10个人都是投资大师吗？现实中，有人就是这么幸运！传媒和受众们会选择只记住这10个人，认为他们有什么成功的秘籍，而忘记失败的那9990个人才是大多数。当然，确实有因为水平高而持续大幅盈利的人，但是你很难区分他们之间的区别。

成功也好，悲剧也罢，都是独特的，具有一定的随机性。有句鸡汤说的很对，你的成功无法复制。在了解了随机漫步的理论后，你或许会开始思考，这些是不是因为概率随机产生的，也由此，你不会再迷信首富成功学。当然，若你只是希望过上不错的小日子，你的努力和结果之间应该是可以划等号的，但是更大的梦想，就需要一点点运气和时代因素了。

如同刘嘉玲在让子弹飞里的台词，我要做的是县长夫人，至于谁是县长，我无所谓。时代和人类社会也会注视着每一个向上攀爬的人：我要的是进步和发展，至于谁是大佬和成功者，我也无所谓。努力并且有天赋的人太多了。

塔勒布《黑天鹅》那本书里讲过一个故事：当一只火鸡被饲养了999天，它心里最感谢的就是饲养它的农夫，但是第1000天，那个感恩节的下午，农夫伸出的手折断了它的脖子，又改变了火鸡的世界观。只是，死去的火鸡不会说话，这个第1000天的奇点没有被流传下来，流传的都是存活的火鸡对农夫的赞扬。统计样本的不足，导致了火鸡无法获得正确的认知，而人类、个体、某个事件，其统计样本不会超过其存活的长度，所以，对于未来，结论一定是开放的、，未知的。现下的真理在时间变迁之后，或许会被某个突发事件证伪。

在证券投资市场，随机性的重要性更加明显。往往是部分幸运的猴子在不知所措的情况下，用错误的逻辑获得了大量的财富，又因为同样的错误逻辑，赔进去了更多的钱。当你赚到一些钱的时候，有没有想过，是不是因为你自己的看法正确才赚到的呢？还是仅仅是随机性赐予的？

这就牵扯到另外一个投资哲学核心的争议：到底是通过学习、提高正确率来赚钱，还是接受现实的不可预测性，通过善输达到大赚的坦途？ 千人千面，每个人都有自己的回答。

总而言之，作者用了一本书的厚度，轻松而诙谐的解释了索罗斯关于“反身性定律”的一部分，解释了人类认知的局限性和无常。这其中的区别在于，索罗斯进一步阐述了易错性和人类事件动能之间的互动。人的认知虽然不一定正确，但是因为共识，可以影响某个市场行情的发展，并因为价格的变动，进一步影响人们的观点，然后人的观点又会进一步影响价格，最终形成价格与大众认知之间的正反馈或者负反馈。

这里要强调一点，无论是塔勒布还是索罗斯，他们的这种怀疑论哲学更适用于投资，因为投资中的一次错误可以让你倾家荡产、悔恨终生，但是做实业，对了一次就终生受益。所以，无论是塔勒布还是索罗斯，都对如何面对大众和自己的错误进行研究，而企业界都是从如何提高正确率来研究。艺术作品在特勒布看来就是一种医学专用品，是基于无知的一种情绪的宣泄，但是，人类的本性需要正面激励，需要对未知的未来有美好的期许，角度不同，结论不同。

这两种哲学都对，也都有各自的优点。成功学也好，企业管理也好，都有自己本身的武断性。之所以不考虑黑天鹅这种旷古的小概率事件，是因为企业的价值通常不会在现实当中大幅波动，就算是波动也不是他们考虑的主要因素。而投资，是基于大概率的、科学的、可持续赌博、并预防小概率的系统性大风险——这种假设就是，一切都有可能是错误的，包括你对自己的认知。但对于除了投资以外的事情，不太有意义。因为大多数人都是生活在简单重复的日常，除了投资，不需要考虑太多小概率事件，而且现实当中，很多错误都可以补救，或者反悔。但是投资里只有一次机会，错过了就是错过了，爆仓了是不可以反悔的。特勒布和索罗斯的哲学是出世的，而通常意义上的成功学是入世的。

用做实业的执着心态去投资一定会死的很惨，因为执着、死不认错、舍我其谁的英雄气概是让你倾家荡产的最佳选择。而用投资的谨小慎微的滑头心态也并不能存活于需要有担当，需要大刀阔斧的实业运营。但是相互之间可以参考借鉴，比如实业上多想想意外因素，而投机上多思考下投资标地的真实价值。

篇幅有限不再多说，篇尾我用吕秀才智斗姬无命的台词作为结束语：

我生从何来，死往何处？我为何要出现在这个世界上？我的出现对这个世界意味着什么？是世界选择了我，还是我选择了世界？ 我和宇宙之间有必然的联系吗？宇宙是否有尽头？时间是否有长短？过去的时间在哪里消失？未来的时间又在何处停止？我在这一刻提出的问题还是你刚才听到的问题吗？

是谁杀了我，而我又杀了谁？

篇2：随机漫步的傻瓜读后感

读完这本书，我的第一反应是，被骗了！翻遍每一个章节，我找不到任何可以立即使用的稳赚不赔的操作方法。但细细品味书中的内容我又感觉获益匪浅，很受启发。书中表达的观点改变了我对于投资的看法，不仅是投资，甚至对于生命的了解都大为增进。作者的思维方式很有意思，沿着这个思路，再去思考投资的实际策略，这就是我读这本书的过程和收获。接下来，我将试着将我的收获分享出来。

随机漫步的傻瓜指什么？随机性，简单理解就是指运气，在生活中随处可见。而我们的思维习惯喜欢归纳，总结出规律用来预测结果。这本书告诉我们在面对随机性事件的时候，试图通过总结规律来预测未来是不可能的，这么做，就会让我们成为“随机漫步的傻瓜”。

作者举了一个火鸡的例子来说明，中国的版本是这样的。一只老母鸡，好吃好喝的被主人养了三年。它总结出了1000天的经验：主人对我很好，每天固定的时间都会伸过手来喂我好吃的。但第三年过年那一天，即第1001天，一直伸过来喂它的手，却抓住了它的脖子，将它摔死了。这只老母鸡成为了春节餐桌上的一道菜。

我们中国的股市是否就是一个真实的案例呢？从1989年中国的股票市场开始试点，到现在运营了20多年的时间，在这短短的时间样本里，我们试图通过总结历史去预测未来的走势，可能会一次次的让预测者成为那只可怜的“母鸡”.股票市场本就是一个巨大的随机环境，在历史数据只有20多年的情况下，预测未来根本是不可能的。

所以，读到这里，我的收获是，在选择投资中国股市的过程中，听所谓专家的预测，或者通过学习技术图谱去预测股价走势，至少对于我来说，不是一个好的方法。

在随机性面前，好的业绩仅是因为运气吗？作者举了一个“打字机前的猴子”作为例子。如果把无限多的猴子放在打字机前面，让它们去乱敲，那么其中一只肯定会打出一字不差的《西游记》。进一步探讨，猴子中的大文豪既已诞生，读者愿意拿毕生的积蓄去赌这只猴子下一次会打出《红楼梦》吗？

如果我们一定要选择一只能打出《红楼梦》的猴子，是选择这只“大文豪”猴子，还是另选一只“潜力”猴子，或者随机挑选一只？这个例子当然非常极端。但是却揭示了一个我们通常的思维方式。一个人如果没有做对一些事情，那么他可能将来不会有好的表现。如果一个人的表现优于其他人，那么他将来表现优于其他人的概率就会很高。

但是这个思维方式要有意义，必须考虑以下两个前提：

一、他所从事的工作是否充满了随机性？

二、从事这类工作的人数有多少。

如果猴子的数量很少，比如只有100只，那么打出《西游记》的概率就是0.但如果是无限多只呢？那么打出《西游记》基本是必然的。

按照本书的理论，在充满随机性的环境，参与者的数量非常庞大，历史表现的好坏，不能作为预测下一次表现的依据。我以基金举例。截止目前，国内的基金公司一共有121家，基金数量6057只。基金所处的环境充满随机性，而基金的数量又非常庞大。因此，某支基金，上一年的业绩大好，是否意味着它今年也会排名靠前？

事实上，基本没有哪支基金可以连续几年都挤进收益榜的前10%.而就算真的有基金连续几年都排名靠前，是否就值得我们押下全部身家？考虑到基金经理还会频繁跳槽，我们当然不能如此简单的进行判断。因此，选股票也好，选基金也好，历史的业绩有参考价值，但绝对不能作为重要的唯一标准。

读完本书，我拟定的投资策略是什么？随机的市场无法预测，不能掌控，所以承认自己不够聪明，不够坚强，对于我来说就是最好的策略。由于工作的原因，我不可能花费太多的时间在研究市场上，既然不能战胜，那就要学着去拥抱，让市场不管涨跌都带来财富。

我选择以基金定投作为投资方式，以指数基金和债券基金的组合作为投资标的，通过定期调整指数基金和债券基金的持仓配比来平衡风险，这就是我的学习、思考收获。

1968年，法国掀起**，学生在巴黎示威暴动，并大声疾呼：我们要求自相矛盾的权利。

篇3：随机漫步的傻瓜读后感

在机械工程领域，超过75%的设计活动是变异式设计或基于案例的设计[1]，设计重用可以有效地提高此类设计的效率。三维CAD模型含有大量的设计知识，重用它们可以有效地支持设计重用。随着三维CAD模型数量的急剧增长，三维CAD模型的检索受到了越来越多的关注。

基于图的检索方法正是三维CAD模型检索中非常重要的一个研究分支。目前常见的方法有基于Reeb图的方法[2]、基于骨架图的方法[3]、基于特征依赖图的方法[4]等。然而，受限于图匹配的复杂度，现有的这类方法效率往往很低。为了满足检索的需求，如何提高三维CAD模型相似评价的效率引起了大家的关注，如Li等提出的基于知识通过预筛选缩减匹配空间的方法[5];Ramesh等提出的将加工特征分解成7个向量进行比较的方法[6];Srinivas等提出的基于特征类型抽象层次的方法[7];Iyer等提出的基于成组技术的方法[8];Bai等提出的基于层次骨架图的方法[9]等。虽然这些算法在一定程度上改善了相似评价的效率，但在最差情况下其复杂度仍为指数级，并未从根本上解决该问题。

本研究针对三维CAD模型检索的需要，提出一种基于随机漫步图匹配[10]的三维CAD模型相似评价算法。其目标是通过图转换函数消除特征依赖图中的末端节点;通过概率归一化函数消除特征间的不合理干扰;凭借随机漫步图匹配较低的时间复杂度达到高效的相似评价。

1 基于随机漫步的三维CAD模型相似评价

1.1 基于图变换函数的末端节点消除

随机漫步图匹配算法虽然具有较高的效率，但是难以直接应用于三维CAD模型的相似评价中。这是因为三维CAD模型有大量的末端特征，反映在特征依赖图上就是大量的末端节点(即出度为0的节点)，而该算法无法匹配具有末端节点的图。为此，本研究通过图转换函数将一对待匹配的特征依赖图转换为另一对不含末端节点，且保持同构性的新图，从而将原始图的匹配转化为新图的匹配。具体地说，对任意给定图G={E,V}，设si是原图中的末端节点，则转换函数g(G)={V',E'}=G'可定义如下:

该函数具有如下性质:(1)G1和G2同构G'1和G'2同构，匹配G1和G2等价于匹配G'1和G'2;(2)G'中不存在末端节点，可直接应用随机漫步图匹配算法匹配。因此将G转换为G'匹配是合理的。

证明如下:

(1)G'中的节点可分为两类:原图中的节点n和新增的节点p，可分别证明其不是末端节点。

对原图中的节点n，由G'定义可知:

式中Dout(G,n)—节点n在图G中的出度。

所以，n,n∈V,Dout(G',n)>0。

对新增的节点p，根据G'定义有Dout(G',p)=1。

因此G'中没有末端节点。

(2)因G1,G2同构，所以G1=PG2PT，由定义知:

式中M,N—值为0或1的行向量。

记G'1和G'2的节点分别为u和v，有:

令]有:

由于P是同构变换矩阵，任意N中元素nj为:

式中i—在变换P下与vj匹配的ui的下标;ki—PN中的第i个元素。

那么vjis a sink nodeuiis a sink nodeki=nj=miPN=M，所以有:

因此g(G)没有改变原始图的同构性。

1.2 基于概率归一化函数的不合理干扰消除

随机漫步图匹配算法里节点的特征量取决于该节点在图中的整体拓扑地位，因此只要有新节点加入，其他节点的特征量一定会改变。在特征依赖图中，这个性质造成了特征间的不合理干扰。为此，本研究基于特征量x*的线性变化性质，通过概率归一化函数将随机漫步所求出的特征量进行归一化，消除该干扰。

线性变化性质可描述如下:设有图G={E,V}，若图G'={E',V'}满足V'=V∩{nnew}，E'=E∩{(pnew,nnew)}=1，则:

式中pnew—nnew惟一的前驱节点;k—常数。

该性质说明若新加入的特征fnew依附于特征fp，那么任意与fp不连通的特征z在原图和新图中的特征量成常数比。定义概率归一化函数f(x1*,x2*)=[(x*1fi,x*2fi)]如下:

使用该函数对特征量进行归一化，就可以消除特征图中新特征对原有特征的不合理干扰。对x*线性变化性质的证明如下:

令集合Vo=V-{pnew}，则Vo可划分为两部分:

则有∀n∈Vo1，∀m∈Vo2,there is no edge(m,n)。因为若存在边(m,n)，则在pnew到m的路径末尾添加边(m,n)可得到pnew到n的路径，与Vo的定义矛盾。另一方面，令W=[wij]满足:

则求x*和x*'分别等价于求解这两个方程组:

因为E'=E∩{(pa(nnew),nnew)}，则:

按照定义，可以得到:

进一步得出:

∀i∈Vo1，记W和W'中第i行向量对应的方程分别为Eo1,Eo1'，那么由上可知它们的变量系数相同，且均只含Vo1中的节点概率。同时，Eo1和Eo1'的常数项分别是记Eo1的解为Xo1，若令k那么Xo1'=Xo1·k显然是Eo1'的解，得证。

1.3 三维CAD模型相似评价算法

通过图转换函数消除特征依赖图的末端节点和通过概率归一化函数消除特征间的不合理干扰后，本研究分析三维CAD模型的特征依赖图，发现其具有以下特点:

(1)节点分为基体节点和普通节点两类。有且仅有一个基体节点;

(2)基体节点表示该模型的基体特征，具有重要的设计语义;

(3)节点的类型属性表征对应的特征的类型，具有重要的设计语义;

(4)普通节点与基体节点的距离含有重要的拓扑信息，表达了重要的设计语义。

针对特征依赖图的上述特点，可得到以下匹配原则:

(1)基体节点只能与基体节点匹配;

(2)类型属性不相同的节点不能匹配;

(3)与基体节点距离不同的节点不能匹配。

按照上述匹配原则，本研究提出了基于随机漫步图匹配的三维CAD模型相似评价算法，其具体流程如下:

(1)求解节点特征量。通过g(G)将图G1,G2转化为G'1,G'2。对图中的节点p，以x(j|q)表示点q采取跳转的概率，取常数d，以x(p|q,l)表示从点q跳转到点p的概率，记M(e)为边e的权重，令x(p|q,l)=则概率跳转函数形成的马尔科夫链如下:

求解该式的稳态分布，再以概率归一化函数进行归一化，即为所需的特征量x*。

(2)对节点进行分类。遍历G'1,G'2，记录下基体节点nb到每个节点n的最短路径，记为Td(n)。将所有Td值相同且特征类型相同的节点归为一类，记为C。

(3)求解节点间的最佳匹配。为每一个分类C构造二部图BGc:BGcij=S(ai,aj,xi*,xj*),S表示节点i,j的相似度，其值由属性a及特征量x*决定。利用二部图的最佳匹配算法[11]求出每个BG的最优匹配，即可得到所有的配对节点。

(4)计算最终相似度。对所有配对节点的相似度S求加权和，即为最终的相似度。

1.4 算法分析

求解特征量的复杂度取决于解x*的方法，采用LU分解法可达到o(N3)。对节点分类的复杂度为o(N)。记分类数为Nc，分类Ci节点数为Nci，则=N，求最佳匹配的复杂度为。求D的复杂度为o(N)。综上，复杂度为o(N3)。

2 实验结果及分析

本研究以ACIS为几何引擎，My SQL为数据库系统，在Microsoft Visual C++2003开发环境下实现了本研究的算法，并在Pentium4 1.6 GHz CPU,2.0 GB DDR3内存，80 GB硬盘的PC机上进行了测试。下面的两组测试结果分别用来测试本研究算法的有效性和效率。

2.1 有效性测试

在实验中，笔者建立了一个包含236个三维CAD模型及对应特征依赖图的数据库，以特征类型及特征尺寸为节点属性，进行相似评价测试。实验结果如表1所示(表1中左侧表示输入模型;右侧表示检索的结果，下方数字表示计算出的相似度)。

从表1可以看出，本研究的相似评价算法有如下特点:(1)模型和本身的相似度一定为100%;(2)局部特征的差异不会干扰其他特征的相似度，如输入模型b与第2个检索结果的差别仅在局部特征，因此它们相似度较高;(3)相似度较好地反映了拓扑和形状的综合信息，如输入模型c和第2个检索结果拓扑相似，尺寸也较为接近，因此它们具有较高的相似度。

2.2 效率测试

在实验中，本研究随机生成了节点数为20,40,80，普通节点到基体节点最大距离分别为1,3,6的多个特征依赖图，结果如图1所示(纵坐标采用对数时间轴，横坐标表示特征依赖图节点的数目;3条线记录最大距离分别为1,3,6的特征依赖图匹配100次所需的时间，单位为s。

实验结果表明，在最差情况下，即特征依赖图中普通节点与基体节点的最大距离为1时，因为无法按照拓扑距离对节点进行分类，其计算时间与节点个数接近简单的立方关系，远远低于指数级，这说明随机漫步图匹配的高效性得到了保留。随着最大距离的增加，其匹配时间的增长率明显下降。这说明通过引入“按最大距离分组”的原则明显缩减了匹配空间，显著提升了匹配效率。在实际应用中，普通节点到基体节点的最大距离为1的特征依赖图一般比较简单，算法常数因子很小。而在另外两条曲线中，当节点数增长到80时，计算时间在1 s左右，因此总体上本研究的相似评价算法效率较高。

3 结束语

本研究提出了基于随机漫步图匹配的三维CAD模型相似评价算法。通过图转换函数消除了特征依赖图中的末端节点;通过概率归一化函数消除了特征间的不合理干扰。该算法具有多项式级的复杂度，实现了对三维CAD模型的高效相似评价。实验结果表明，该方法具有较好的有效性和较高的效率。

摘要：为了提高三维CAD模型检索的效率,提出了基于随机漫步图匹配的相似评价算法。使用图转化函数消除特征依赖图的末端节点;使用概率归一化函数消除特征间的不合理干扰,实现了对三维CAD模型的高效相似评价。实验结果表明,该方法具有较好的有效性和较高的效率。

关键词：三维CAD模型,相似评价,随机漫步,图匹配

参考文献

[1]ULLMAN D G.The Mechanical Design Process[M].NewYork:McGraw-Hill,1997.

[2]BESPALOV D,REGLI W C,SHOKOUFANDEH A.ReebGraph based Shape Retrieval for CAD[C].ASME DETC2003,Chicago,Illinois,United States,2003.

[3]GAO W,GAO S M,LIU Y S,et al.Multi resolutional simi-larity assessment and retrieval of solid models based on DBMS[J].Computer-Aided Design,2006,38(9):985-1001.

[4]CICIRELLO V A,REGLI W C.Resolving Non-uniquenessin Design Feature Histories[C]//Proceedings of the FifthACM Symposium on Solid Modeling and Applications.NewYork:[s.n.],1999:76-84.

[5]LI M,FUH J Y H,ZHANG Y F,et al.General and PartialShape Matching Approaches on Feature-Based CAD Modelsto Support Efficient Part Retrieva[C]//ASME ConferenceProceedings,2008.New York:[s.n.],2008:121-130.

[6]RAMESH M,YIP-HOI D,DUTTA D.Feature based shapesimilarity measurement for retrieval of mechanical parts[J].Journal of Computing and Information Science in Engi-neering,2001,1(3):245-256.

[7]SRINIVAS G,FASSE E D,MAREFAT M M.Retrieval ofSimilarly Shaped Parts from a CAD Database[C]//IEEE In-ternational Conference on Systems,Man,and Cybernetics.San Diego:[s.n.],1998:2809-2814.

[8]IYER S,NAGI R.Automated retrieval and ranking of simi-lar parts in agile manufacturing[J].IIE Transactions,1997,29(10):859-876.

[9]白静,唐韦华,刘玉生,等.面向实体模型相似评价的层次图生成与高效匹配研究[J].计算机辅助设计与图形学报,2009,21(7):869-879.

[10]MAGGINI G M,SARTI L.Exact and approximate graphmatching using random walks[J].Pattern Analysis andMachine Intelligence,IEEE Transactions,2005,27(7):1100-1111.

篇4：做一个随机漫步的傻瓜

这里首先要解释一下什么叫做黑天鹅事件。欧洲人千百年来观察到的天鹅都是白色的，因此得出了天鹅都是白色的结论。直到他们在澳大利亚看到第一只黑天鹅，这条近似真理的存在信条才被打破。后人以此来形容生活中发生的影响巨大的、颠覆性的、不可预知的重大事件。

比如911事件。巴菲特说，我们几乎考虑到了飓风、地震、海啸、战争等无数情况，最后却发现历史上赔付最高的事件，竟然和这些事情毫无关联。黑天鹅事件典型的特征就是，发生突然，影响巨大，虽然事后可以有种种解释，虽然可以预防，但事前却无法预测。

美国人对标普500三十年来的交易进行分析，七千三百个交易日的平均收益是9.8%，但如果扣除50个最差的交易日，收益将飙升到19.8%；而如果扣除50个最好的交易日，收益则会降到1.8%。所以事实上，决定整个大局的，是黑天鹅这样的极少数事件，而非日复一日的交易。

所以，很多人成功，尤其是交易员，很可能只是在多头市场的时候做多而已。换句话，只是恰巧他运气好。当然他自己会把这个理解为自己的交易技术和判断水平。但从一个相当长的时期来看，他的收益会逐步趋同于一般的傻瓜。所以你会发现，几乎没有人会成为华尔街的常青树。

这其实和我之前的看法一致。大部分成功不具有可复制性，这就好像俄罗斯轮盘（就是左轮枪里面就一颗子弹，大家轮流朝脑袋上开，死的算输），如果你在轮盘中获胜，你将获得一千万。很多人只看到这个结果，而看不到失败者的殒命。所以，我们看到的成功的结果，往往是剔除了失败者后的结果。这样看起来，我们会得出很多错误的结论，比如做XX会赚钱。

我之前写过一篇做趋势必死的文章，大概阐述的就是这个道理。而事实上，大家耳熟能详的领域，这种事情屡见不鲜，甚至现在还有很多人在为电商、团购、移动互联网这样的事情买单。

所以，大部分成功是一个随机事件，成功者也许就是个傻瓜。当然他会认为是自己有本事，然后会出来兜售自己的成功经验。有些人信了，然后这些人就毁了，除非他们足够好运。

所以我佩服的人里面，乔布斯是一个，史玉柱是一个，都是做一个成了，又做一个又成了。乔布斯苹果皮克斯苹果的路径堪称神迹，史玉柱从巨人到巨人。这么看周鸿祎也不错，从3721到奇虎。雷军就差点了，投的项目都是虎头蛇尾，不能善终。至于马化腾李彦宏，恐怕无法再次复制自己的成功。

我一直认为，大部分成功者是历史需要一个成功者而恰好他就站在那里，所以成功了。这就和弹坑安全一样，因为很少会有两个炸弹掉进同一个坑里。所以如果有人站在那里成功了，你再去站，就白搭了。强势逆天的人，全世界也没有几个，最好就不要奢望了。就好像很多人融不到资都会跟我说，马化腾当年卖腾讯也没人要。

对了，最后忘了说怎么预防黑天鹅事件了，很简单，抑制你的贪婪。

篇5：《随机致富的傻瓜》读后感心得

直到读了《随机致富的傻瓜》(中信版)之后，才发现，两者原来是同一本书!而这本书，我已经向身边所有爱书的朋友推荐了——几乎。而据我所知，这本中信版的《傻瓜》已经掀起一阵傻瓜风潮呢，出版商应该是发了一笔财的。

而这时，已是那本傻瓜译名的书出版6年以后的事了。

其实，对每一本书，每一个读者都会有不同的感受。此书我介绍给一个学统计学并在券商中服务的朋友看，他说，仅仅是科学常识的普及读物罢了，没什么大不了。我想，这跟他从小扎实的科学训练功底并具有相当的科学思想有关吧。因为，这本书实际上确有一本概率论普及读物的模样。他会觉得，书本里说的很多道理他已经知道和在实践了呢。另外有些人则跟我一样有如获至宝的感觉。所以，你要不要购买一本书并读它，别人的说法很难成为真正的依据。

但是，仍然有一些硬指标可以作为评价一本好书的标准——是不是作者自己“活”出来的一本书。这本书就是一本由作者本人“活”出来的书。就像作者自述的那样，这种书里没有——不是由作者独立发展出来的思想，没有经过充分提炼而不能轻而易举的书写出来的东西。它是作者自己生活体验与思考的产物。这样的书，即使不适合当下的你来阅读，你也可以收藏起来或者干脆送给适合的人来读。这一点，你甚至在这本书的前言里就能够看出来。

篇6：读《随机致富的傻瓜》有感心得

这样的人如何在球队滥竽充数，是一个高深的技巧。今天把我中学校队、大学系队，毕业多年参加业余足球联赛还能时而蒙进球的秘籍公开，不是有本书叫《生活中的经济学》吗，其实万物是相通的，能在球队滥竽充数混得很好，在股票交易市场也能傻瓜般的随机致富。

第一、定位

这样条件的人，最适合当前锋。

后卫责任重大，射门射歪只是一次可能的进球没有，后卫防守失误却是货真价实输一球。前锋球没射进整个球队的心声都是“再来再来”，防守丢球全队的心理暗示都是“操!”，如果你再遇到一个速度快技术好的前锋，你在场上那是相当的尴尬。当前卫?更不靠谱，前后奔跑，上得去下得来，以我的体力，只能支撑6分钟。大范围的转移更是受到脚力的限制，视野开阔有什么用，晚上踢球，你还能瞧得见月亮呢。恩，守门员不好耍，只好当前锋。

第二、如何当前锋

1、学会走。

业余足球，特别不靠谱，跑位?你跑这里球到那里去了。你冲到门口，球传到身后。这是一个机遇的世界，你要学会节省体力，不要瞎跑，跑和不跑，进球的几率差异不大，那你为什么不把有限的体力用到最后那一射呢。教练队长如果骂你，答应一声，但别理他，进球才是硬道理。

2、低估对方的能力。

世界顶级球星都有失误，业余球赛，就千万别相信对方后卫停球的能力了，别人传球给他，你一定要逼上去，10次必有一次停在你的脚下，那就是机会。也别相信对方守门员开球就一定能到中场，10次保不准就有一次开到你脚下，这就是大好机会。

3、跟着自己方最优秀的队员跑。

他射门的机会多，卡他的人量也最大，距他不超过十米，尽量与他平行，他射门你捡漏，他被围堵往外传球80%就到你的脚下，而你身边已没有防守的人。

第三、态度

你采用这样的踢球方式，容易遭骂，但进球能灭骂，但万一进不了球呢，尽管你动了很多脑筋，不进球的时间还是要比进球的时间多得多。所以一定要谦虚，非常的谦虚。从不埋怨,相反，为每一个队友加油，为每一个精彩喝彩，跟为你传球的人击掌。

第四、基本功

虽然你实战能力不好，但你要很“范”的玩球，第一次认识队友，你一个人在那里颠球不落，立马就让人认可了你的基本功，同学们，第一印象那是非常的重要啊。我从初一就开始练习颠球，练他个七八年傻瓜蛋也能颠它二十几三十个，这也就够了。颠多了也没啥意义。我上初中的时候没多少人踢球，上体育课就我一个人就在那里颠啊颠，孤独而执着，这个画面后来深深的印在了我老婆的记忆中。

篇7：读《随机致富的傻瓜》心得感悟

该书特别强调分析问题等不要被随机涨落干扰。“有无数信息统计上不重要，不足以推演出有意义的结论。(p. 53)” “太密切注意随机性的人反倒会被烧伤，由于体验倒一连串的痛苦，情绪上筋疲力尽。(p. 60)”因此，理财处事都要超越些，洒脱些。“只知道卖力工作的人，会失去注意焦点，脑筋也会变得迟钝。此外，他们最后会淹没在随机性之中。…工作伦理会使人只留意噪声，而忽略了有意义的信号。(p. 11)”

作者对人性的弱点有深刻的认识。弱点之一就是多数人缺乏历史感。“我们的本性不擅长以历史为师。…天生拒斥别人的经验…(p. 48)”而正是历史是经过滤波的。“时间尺度短的新闻充斥噪声，时间尺度长的历史中噪声则多已剔除。(p. 59)”因此，“越老的东西越美。(p. 51)”我个人的感觉，熟读历史的人见识一般更高明些。有个研究者注意到的例子。49年之际，许多学历史的学者逃离大陆，继续体面和有成就的学者生活，而文学、哲学学者多数留下，过着匮乏、没有尊严和提心吊胆的日子。

人性的另个弱点是“我们是概率盲。某些偏见已经深深嵌进我们的大脑，阻碍我们处理较复杂、可能需要更精确评估概率的环境。(p. 163)” “我们生来不会把不同的事情独立开来看待。…我们都太认真地看待周遭的事情。(p. 197)”这也是种虚妄的自尊的思想根源。“每个人都认为自己的成功全凭实力，毫无侥幸，只有失败时才会认为是机运使然。(p. 141)”当然，人生作为个整体也并非全是随机性支配。所谓天道公平，就是指有种遍历性。“拥有一身好本领却穷困潦倒的人，最后一定会爬起来。幸运的傻瓜可能得助于生命中的某些好运气，但长期而言，他的处境会慢慢趋近于运气没那么好的白痴。(p. 50)”

作者对社会的看法深得我心。“致富纯粹是自利行为，不是社会行为。资本主义的优点在于社会能够善用人们的贪婪，而不是他们的善行，同时也不需要颂扬这种贪婪为一种道德或知性成就。(p. 129)”

关于科学的应用，作者非常精辟地指出，“我们将必须在听信律师和听信经济学家两种错误之间摇摆不定。前者拒绝接受科学，胡言乱语，讲得天花乱坠;后者则应用有瑕疵的理论，而且太过认真看待自己的科学。科学的美妙之处，在于他允许这两种错误。幸好有中庸之道可走，只是去走的人少之又少。(p. 172)”

篇8：做个随机致富的傻瓜

相对于传统的大店，能依靠无边界互联网的电商是随机致富的高手，虽然他们很长时间内在赔本赚吆喝。因为如果遇到经济不景气的状况时，会有更多的人选择价格相对低廉的B2C或者C2C，这对他们倒是好事。

更重要的是，就像亚马逊一样，电商还可以利用范围经济来抵御经济的寒流，你可以看到，京东利用范围经济已经摆脱了亏损。

数据显示，2013年京东的供应链金融的利息收入就达到了2.22亿元。

其实，国美苏宁也有供应链金融，但这只是建立在拉长对供应商的账期之上，是对供货商的盘剥。而京东的供应链金融却要巧妙得多，虽然也是以账期为设计基础，但却是以缩短供应商的账期来操作。它的设计思路就是互联网思维：快鱼吃慢鱼。

北京亚昆供应链管理有限公司是闪速数据存储卡产品 SanDisk 中国区的总代理，也是京东的供应商之一，主要向京东提供 SanDisk 的相机卡、手机卡、U盘、固态硬盘等产品，但亚昆仅仅做 SanDisk 的网络销售，并没有向线下传统渠道国美、苏宁等卖场供货。

据亚昆董事王琳瑞介绍，SanDisk 产品在京东销售得很好，但随着销售额的增长，他也开始面临资金周转越来越慢的问题。

SanDisk 早期与亚昆合作时，采用的是现款结账，但后期也采用账期方式，金额和时间上都不够用。而在京东方面合同约定会有 40-50 天的账期，尽管从零售行业来说，这已经是一个不算慢的账期，但依然会占用亚昆一部分资金。

“如果增加 1000 万元的销售额，差不多 70% 资金都会留在京东，而且销售额越大京东占用的资金就越大。”王琳瑞说，这意味着在上下游的账期周转中，亚昆往往要支付更多的钱。

事实上这也是亚昆不做线下国美、苏宁销售的原因之一：3 个月的账期会让资金周转越来越难。

京东采取了巧妙地办法，“应收账款融资”。亚昆参与了京东的供应链金融“应收账款融资”计划，正常情况下京东会在收货后 40 天通过银行付账，但在这个计划里，亚昆只需3-5 个工作日就能够从银行拿到部分货款，进行下一轮的周转，而京东会在原有的 40 天账期时限里，将资金付给银行。

如果中间没有京东，亚昆去和银行融资，就需要进行抵押，而且还面临着很难从银行贷款的问题。这正是京东强调的，京东供应链金融“并不占用供应商”资金的原因，京东只是一个变相担保的作用。

当供货商的毛利能够覆盖拿到资金的利息时，供货商就会愿意去做这件事情。据了解，目前京东供应链金融服务的年利率是7%-8%，而目前业内普遍的年利率是 20%。

此前，京东的供应链金融可以做到上午申请，下午批贷。而“京保贝”的上线又使融资效率大幅提升，这同时也意味着快鱼吃慢鱼的互联网思维正让京东的供应链金融进入良性循环。

2月下旬，京东又在大数据的基础上推出了京东白条，尽管这目前看来只是营销的手段，但谁能保证未来其不能带来真金白银呢？电商的优势就是客户和数据，而这也是发展消费金融的优势。

电商专家鲁振旺介绍，京东通过京东白条可以刺激用户的大额消费，由此做大整体销售额，帮助京东快速扩张市场份额；另一方面，用户之前使用信用卡分期付款的利息收益，此前都被银行攫取，京东拥有庞大的现金流，完全可以做到“放贷”挣钱。

其实，和京东相比，传统企业也有类似的可以做“白条”的对象，传统企业的团购客户很多，这就相当于B2B，对这些企业完全可以做规模更大的消费信贷。但问题是传统企业不具备类似互联网思维。互联网思维有个经典的思维模式叫“痛点思维”，只有你设计的产品或者服务让消费者惊讶到“真有这样的好事！”时，他们才会真正地把你放在心上，而京东白条的思路就是这样。

对传统连锁企业而言，触网不仅是线上网上商城和线下实体门店的融合，还有更多的思路。比如利用O2O的社会化渠道。

目前，苏宁已经提出了“全客群”的概念，即面向个人、家庭和企事业三类消费群体。可以说，这就有了亚马逊的味道，亚马逊也是“全客群”，甚至还向别的互联网创业企业提供云服务。

除了向这些企业卖服务和产品外，传统零售企业还可以利用这些企业达到触网的目的。那么，如何把线下的商品提供给企业呢？像移动、电信、银行、保险这些企业为了表达客户关怀，有向自己的顾客送礼品的需要，但之前受制于物流和配送，他们不可能真正把实物商品放到他们的营业厅来发放，而现在，O2O的电子凭证已经使线下商品数字化，可以和这些企业的积分商城、网上营业厅甚至银行的手机银行网站打通，而这些也是传统零售企业触网的一个社会化营销渠道。

此外企业还可以把线下商品数字化后，放入各区域黄牛开设的网站进行销售，然后分成。此外还可以利用微信，微博，视频网站等社会化的营销渠道。

这些社会化营销渠道是否有用？当然。因为消费者的消费行为正变得碎片化和无边界，也就是随机性更强，且千禧一代消费者还喜欢与朋友分享，网络型更强，这些消费者的消费外部效应更强，这样会带来更多的随机消费，所以营销也必须适应他们的消费行为，整合各种营销通道，以利用客户的随机消费行为致富。

黑天鹅事件（Black swan event）