RISKY STORY (6.) Maaf, Gauss hanya melakukan sedikit kerja.

Yang Risco, S.S. Maaf, Gauss telah melakukan sedikit kerja.

• Gauss Dari gambar ini, kita dapat melihat bahawa dalam sejarah matematik, hanya Newton (kiri paling tinggi) dan Archimedes (kanan paling tinggi) yang disebut di atas yang berada pada satu peringkat dengan Gauss, sementara Gauss berada di tengah-tengah. Menyatakan prestasi hebat Gauss adalah sukar, sebahagiannya kerana ia terhad kepada satu artikel dan dia menghasilkan terlalu banyak, sebahagiannya kerana ia terhad kepada banyak keupayaan yang saya tidak dapat memahami (saya yang jujur dan lurus). Dengan sebutan yang lebih popular, masalah matematik dibezakan menjadi empat kategori yang telah dibuktikan oleh Gauss, kajian Gauss, yang dikemukakan oleh Gauss dan dinamakan dengan nama Gauss.

  Kandungan pengurusan risiko dan hubungan Gauss adalah satu cerita yang menarik lagi. Kita telah menyebut sebelum ini kurva normal, iaitu kurva jam yang dicatatkan oleh ahli matematik yang paling tidak bertanggungjawab dalam sejarah ("Sejarah Risiko" (4): Gauss dan Kurva Tuhan), dan Gauss dilahirkan pada tahun 1777, tetapi dalam kajian seterusnya, kita semua memanggil distribusi normal sebagai distribusi Gauss.

  Ini dapat menambah pengetahuan yang menarik yang sejuk, yang dikenali sebagai hukum von Stiegler, bahawa tidak ada teorema saintifik yang dinamakan dengan nama penemu pertama; contohnya, konstan Eura, yang sebenarnya adalah logaritma semula jadi, e yang pertama kali dijumpai oleh orang Bernoulli; dua undang-undang pertama Newton yang pertama telah dikemukakan oleh Galileo, Hooke (yang merupakan salah satu yang paling disukai Newton) dan lain-lain; undang-undang Lotta yang terkenal adalah hasil John Bernoulli, yang mestilah membayar Lotta; dan secara umum, nombor Arab sebenarnya dicipta oleh orang India; bahkan undang-undang Stiegler sendiri sebenarnya juga dikemukakan oleh seorang sarjana Switzerland.

  Oleh itu, anda berkata siapa yang akan menilai perkara ini.

  Sudah tentu, untuk apa jua tujuan, tuduhan bahawa Gauss menyalin Pommower adalah sesuatu yang sangat lucu, kerana semua ahli matematik pada masa akan datang lebih atau kurang menyalin Gauss. Gauss adalah seorang jenius yang tidak dapat diandalkan, seperti dalam buku matematik sekolah tinggi, semua orang telah membaca kisah-kisah tentang Gauss sebagai kanak-kanak, seperti perbandingan perbezaan dan skala Gauss sebagai remaja yang melukis tujuh belas sisi, sebagai seorang ahli matematik, dia tidak berminat dengan Teorema Fermat kerana dia percaya bahawa dia dapat mencari satu set proposisi seperti ini yang tidak dapat dibuktikan dan tidak dapat ditolak, sebagai kalkulator daging manusia, yang paling tepatnya dia adalah mengira orbit pelbagai bintang Jupiter, membuat kalendar dan meminta semua orang untuk mengetahui tarikh Paskah setiap tahun.

  Jika Tuhan seperti ini masih hidup hari ini, saya tidak tahu berapa banyak aplikasi aneh yang akan dicipta.

  Gauss, yang terlibat dalam hampir semua kajian matematik moden, tidak mempunyai pendapat khusus mengenai pengurusan risiko, tetapi dia berminat dengan teori kebarangkalian dan statistik matematik, seperti perkalian terendah dua yang biasa dikenali sebagai teorema Gauss-Markov, yang juga merupakan satu cabang kajian mengenai pengagihan normal. Gauss dipanggil untuk melakukan pengukuran geografi di sebuah bandar kecil di Bavaria, di mana Gauss terus-menerus mengadu bahawa setiap orang di sekelilingnya tidak layak untuk kepandaiannya, jika bukan kerana rangkaian tidak berkembang pada masa itu, tidak ada apa-apa yang akan terjadi pada hari ini.

  Gauss perlu menganggarkan kesan kepada jarak permukaan ketika ia membuat pengukuran, dan pada masa itu tidak ada satelit, jadi kaedah pengukuran utama adalah pengukuran secara berterusan. Walaupun hasil setiap pengukuran berbeza, dengan peningkatan jumlah pengukuran, persamaan arah yang kita kenal, atau undang-undang nilai pusat bergantung pada ketinggian, muncul lagi, dan melalui keadaan pengagihan ini, Gauss dapat menentukan pembahagian nilai-nilai pengamatan ini di sekitar nilai-nilai rata untuk menganalisis ketepatan nilai sampel. Gauss mungkin orang pertama yang menemui aplikasi pembahagian normal di luar Gamble, dan ini adalah sebab mengapa pembahagian normal akhirnya dinamakan dengan namanya, tentu saja kajian mengenai sifat statistik pembahagian juga penting.

  Dan pemikiran ini sebenarnya adalah selaras dengan pemikiran pengurusan risiko kita sekarang, bahawa kita perlu menilai ketepatan maklumat yang kita miliki. Perbezaan dunia ini jauh lebih daripada keserasian, setiap bunga berbeza, setiap orang berbeza, tetapi alasan kita meletakkan mereka dalam satu kategori adalah kerana mereka mempunyai persamaan yang stabil antara mereka, itulah hakikat yang ingin kita capai atau fahami, dan ini juga adalah bentuk kurva jam, atau norma Gauss, di mana pembahagian sesuai dengan cara kita melihat dunia: mencari dunia dalam kekacauan.

  

  Pembahagian normal mungkin merupakan asas dan teras bagi kebanyakan sistem pengurusan risiko. Sebagai contoh, bagi syarikat insurans, dengan menggunakan banyak sampel yang sepenuhnya bebas, seperti kemalangan kereta di Shanghai yang tidak mempengaruhi keselamatan lalu lintas keseluruhan di Beijing, seorang pesakit di Chengdu juga sukar untuk mempengaruhi tahap kesihatan penduduk Shenzhen, syarikat insurans dapat memperoleh jangka hayat yang diharapkan untuk setiap kumpulan dengan mengambil banyak sampel dari pelbagai peringkat umur, kumpulan yang berbeza, dan menganggarkan rentang turun naik jangka hayat, yang menjadi lebih tepat dengan memasukkan sejarah merokok, sejarah keluarga, sejarah ketagihan telefon bimbit, sejarah tidur malam dan jangka masa yang lama.

  Tetapi untuk membuat kerucut yang cantik untuk pembahagian normal, sekurang-kurangnya dua syarat diperlukan: pertama, terdapat sebanyak mungkin sampel, anda boleh membayangkan bahawa hanya menyiasat anjing kewangan pengaturcara yang bekerja lebih banyak tidak dapat membuat kesesakan di bandar anda, apalagi bagaimana hubungan yang cukup mungkin mengetahui apa itu cinta.

  Untuk pengurusan risiko pelaburan, kita mempunyai paradigma analisis yang sama: mencari rata-rata perubahan harga saham dari data sejarah yang seperti lautan asap, menerangkan dan meramalkan penyimpangan dari rata-rata dengan pelbagai sebab, seperti cara kita memahami dunia dari kecil ke besar. Tetapi adakah pasaran saham benar-benar sesuai dengan pembahagian normal?

Dibaharui oleh China Quantitative Investment Society