AI无相神功 #75 贪心策略的弊病
AI无相神功 #75 贪心策略的弊病
过度贪心策略的结果，就是当奶茶小妹，外卖小哥。
为何这么说呢？
假设你用贪心策略，来进行求职。就是什么工资高就先去进行什么。例如A家高，去A家。几年后跳槽，B家高，选择去B家。这是一种收入上的贪心策略。其实是好的。这种策略，因为你其实不知道公司发展如何，钱是基础的。先把钱拿到手。
但是过度贪心是什么呢？就是从踏入大学那一刹开始，就开始以每月为单位，每个月都要有进账。每个月希望都挣到最多。你刚进大学，能去做什么呢？答案是，去当奶茶小妹，或者送外卖。
这两个对技能没有什么要求。而且马上可以拿到收入，一个月至少2000+总是有的。
优化目标：总收入
策略：大学开始，每一阶段都获取最大总收入，贪心策略
然后你就进一步发现，在这种贪心策略下，你做什么都是降低总收入。只有加班，多送单子，是提升总收入。这就是贪心策略的最大，弊病！
你有一个鱼塘，你要如何管理，在从第一阶段开始收货最多的鱼呢？
答案：竭泽而渔。
这就是为什么穷人家的孩子，很难发展起来，有些穷人家的孩子，从初中高中开始，就必须每一阶段必须赚取足够的收入。这样，他们的策略自然是每一阶段的贪心策略。
OK，说回量化。如果你的历史数据里有某几个收益特别高的点，例如某个标的一个月涨了10倍。那么贪心策略，会想法设法把那几个点纳入进去。会让你的策略表面上在做A，其实背地里，你的策略只是在想法设法的把哪几个点纳入进每日持仓！
这样你跑出来的策略，一定是高收益的。有那几个十倍的策略，你根本什么都不用管了，基础的收益非常有保证。
但是，你因此，也绝对进入了过拟合的陷阱。历史的情况不一定发生。
我们再来回忆下，贪心策略，本质上是为了解决无法全遍历的问题。假设单次动作最优，默认这是全局最优的前置环节。
选择单次最优也就是把其他非单次最优，全部剪枝掉。但被你剪枝掉的部分，可能有潜在的长期高收益策略。
但如果你的数据里，有这种引诱型数据，或者你没有管理好贪心的程度，你的策略池就都会偏向这种取巧的过拟合。
当然，即便没有这种引诱型数据，策略池至少不会进行取巧的过拟合。但是你也可能漏掉了潜在的高收益策略。
