从风控视角看网络

有一个学渣祈求缓考的梦想,居然在最后一天实现了，莫名的开心了好一会儿~ 虽然去年渣几乎全1过了FRM1，今年忙着NetDAM和Ruta错过了五月份的FRM2考试，然后下半年又忙着搞NetDAM的论文和各种DPU的事情又没了时间去准备.有人问渣为啥会跨界那么远去考FRM，其实渣从来就不是什么考证狂人，基本上是工作刚需的上岗证要考考而已，对于风控因为很早接触第四范式的两位创始人因此对他们在银行的一些风控业务(FinTech)比较感兴趣，加上渣本来对于市场风险的研究已经很多年了，而对于操作风险、流动性风险以及信用风险特别有趣，更不要提CyberRisk本来就是同一个事了，于是就顺手报了考着玩, 紧接着后面就是马老师和老年人的故事事关信用风险拨备的问题。

按照蚂蚁金服的计算方法和巴塞尔协议的历史模拟法回测对于拨备要求差值那么大， 自然对其中的问题非常感兴趣了， 一方面学FRM去了解老年人的玩法，另一方面是通过渣在FinTech上的能力解开这个谜题，只是如今都还没有太大的进展，而这些原因都在尾部风险的度量上…

《老年人的“还呗黑条”当铺》

当然今天的主题并不是讲金融风控而是从风控的视角去看待网络… 首先对于损失和丢包的英文都是Loss，然后对于金融机构流动性管理和网络buffer管理也是类似的，例如在巴塞尔协议三中，规定了一级核心资本充足率高于4.5%，加上其它一级资本充足率要求高于6%, 包含一级二级资本的充足率高于8%，然后还可以适当的加了一些buffer，例如CCB(Capital Conservation Buffer)，即在一级核心资本上增加2.5%的buffer，要求一级核心资本充足率到4.5%+2.5%，  同时监管机构在经济较好时还会增加一些反周期调节的buffer(CCyB,Counter cyclical Buffer)，这个是监管层动态调节的，系数在0~2.5%并要一级核心资本来覆盖，而针对一些系统性重要银行(G-SIBS, Global Systemically important banks)还需要再增加额外的1%~3.5%的资本金需求。

看上去跟一个网络工程师调整QoS队列长度差不多吧？活生生的一个DeepBuffer Swtich呀，而针对buffer的管理上，网络有相应的ECN机制，而金融机构基本上也有一个EWI(Early Warning Indicator).而网络中的Delay又和金融机构的很多久期(Duration)又有了很多说不明道不清的关联.久期大自然风险也大,久期小自然收益也低,延迟也是相似的,很多超低的延迟会影响到吞吐,因为低延迟本质是就代表了极端的低buffer吸收burst的能力自然就差了…

你看似跨界的东西，最终在根源上和算法上那么的相似，Buffer太大了影响效率，Buffer太小导致损失。

Buffer的设计上、延迟的控制上。而本质都是在提高吞吐率(现金流)的情况下尽量的降低损失。而风险的来源就来自于不确定性，对于网络而言就是Jitter.

Jitter本身并不是一个随机事件，Jitter的消除和金融机构的风控本质是相通的,那就是尾部风险抑制，降低相关性。风控中通常以99%VaR来度量，而Jitter对于业务的影响，同样也可以通过P99 Latency来衡量，而针对尾部相关性有一个很简单的词叫Incast.所以我说很多人没看懂SRD要提90% Reduction in tail latency这个事情,因为SRD实实在在的通过切分成512B的信元解耦降低了尾部相关性.

记得很多很多年前，为了吸收Jitter带来的丢包损失那么就是采用大Buffer交换机咯，这就跟马老师说的老年人巴塞尔协议委员会那样，不同的地方需要增加不同的buffer，而且很多值都是拍脑门出来的，而Fintech的方法自然是利用AI,但是Fintech现在很大程度上还只能用在Retail banking里，也就是芝麻信用分的模型。针对企业违约风险实际上是没有很好的办法的，例如某大的雷.而针对信用风险的CVA、DVA、FVA一大堆XVA本身也毫无意义。一句很简单的话说，通过AI模型只能定义到还款能力，而无法估计还款意愿。至于FRM里面的AI只能说是皮毛了… 针对网络同样有Fintech一样的技术，例如华为的ACC

但是这个就是一个简单的调Queue Depth的RL模型而已，而渣19年就完成了一个更复杂的广域网选路，应用评分、故障溯源和强化学习动态选路的模型，并且获得某司创新全球第一的大奖，至于写专利和发论文，你觉得商业机密会那么容易说出来么？

只是给你们一段视频自己找差距吧

技术的创新都是在反复的借鉴中和跨界的学习中吸收灵感的，所谓的天赋可能只是看的比人家的多一点罢了，有点像昨天贴的一文陈省身评价Nash：

因为他对数学不大懂，他是知道哪几个是难问题，大家注意的。他的态度是要知道这个难问题，他就去做，我是了解整个数学各个方面。数学范围大得不得了，并且也很有意思。

Irvinechenlong，公众号：CAM传习录我不是天才

而正是因为对FinTech和AIOps的了解和对算力的追求，以及对极端尾部风险的度量，NetDAM的诞生就源于此，解耦主机内网络的不确定性使得主机间获得几乎一致性的低延迟低抖动传输能力:

很多东西，所谓的深度和广度都会在冥冥中产生着奇怪的反应，同时还要有一点好运气，没有神来之笔，也没有大力出奇迹.

据说渣可以提供如下全栈红码转绿码的服务？