发布了头条文章：《第十集：该不该选择留学？一个数据建模的实例解释》 上一集，我们大概介绍了数据分析在生活中的应用实例，以及一个基本模型的模块。这一集，我们用出国留学这个实例来解释一下建模的过程和实操。这里先把前提说清楚：我们比较的是去美国读研（2年），和不去美国、走国内路径（在中国完成学业/直接进入国内发展路径）之间的差别。模拟乐观，中性和悲观的三种情景下10年NPV现金差异的结果和分布概率。我们在这一集的目的不是把每一个模块涉及到的知识点都讲清楚，而是给读者一个直观的实际效果：一个最简模型到底能做到什么。

我其实最想分析展示的不是“美国留学到底值不值”，而是让读者看到：建模从来不是给一个简单的好坏结论，而是把一个决策变成一条概率分布。现实生活里几乎所有重大选择都不是确定性的——学费和生活费会波动，汇率会波动，就业空窗期会波动，起薪和增长率更是高度不确定。你如果用一个固定数字去算，最后得到的只是一条“单线剧情”，看起来清晰，其实脆弱：只要某个关键参数偏一点点，结论就可能反转。

所以我们做 Monte Carlo Simulation 的意义，是把这些不确定性“传播”到结果里，让你看到结果长什么样。你最终拿到的不是一句值得或者不值得，而是更有用的信息：第一，结果大概率落在哪个区间；第二，赢的概率有多大（NPV>0 的概率）；第三，最坏情况下会有多糟（左尾风险）；第四，你最需要准备的现金缓冲大概是多少（最大资金缺口）。这四件事加在一起，才是一个决策者真正需要的风险画像。 http://t.cn/AXbayL1x