(Sorry, Gus melakukan sedikit pekerjaan kecil)

• Gauss Dari gambar ini kita dapat melihat bahwa dalam sejarah matematika, hanya Newton (di sebelah kiri atas) dan Archimedes (di sebelah kanan atas) yang disebutkan di awal adalah satu tingkat dengan Gauss, dan Gauss berada di tengah-tengah. Untuk mencantumkan prestasi hebat Gauss sangat sulit, sebagian karena keterbatasan luas dan banyak hasil yang ia hasilkan, dan sebagian karena keterbatasan kemampuan banyak dari mereka yang saya tidak mengerti.

Konten manajemen risiko dan hubungan Gauss adalah cerita lain yang menarik. Kami telah menyebutkan sebelumnya bahwa kurva normal, yaitu kurva berbentuk bel yang digambar oleh matematikawan yang paling malang dalam sejarah, Von Morse, yang meninggal pada tahun 1754, dan Gauss lahir pada tahun 1777, tetapi dalam penelitian selanjutnya, kami menyebut distribusi normal sebagai distribusi Gauss.

Ini dapat dilengkapi dengan pengetahuan dingin yang menarik, yang disebut hukum von Stigler, bahwa tidak ada teorema ilmiah yang dinamai dengan nama penemu pertamanya. Sebagai contoh, konstanta Euler, e dari logaritma alam sebenarnya ditemukan pertama kali oleh orang Bernoulli; dua besar hukum Newton pertama masing-masing dikemukakan oleh Galileo, Hooke (yang merupakan ironi favorit Newton) dan lain-lain; hukum Loeb yang terkenal adalah hasil John Bernoulli yang dibayar oleh Loeb; dan dalam beberapa kata, angka Arab sebenarnya ditemukan oleh orang India. Bahkan hukum Stigler sendiri, sebenarnya juga dikemukakan oleh seorang ilmuwan Swiss.

Jadi, Anda bertanya kepada siapa yang akan menjadi hakim dalam kasus Dunmow.

Tentu saja, kembali, untuk tujuan apa pun, menuduh Gauss menyalin Pompeii adalah hal yang sangat lucu, setelah semua penyalinan, mungkin semua generasi matematikawan lebih atau kurang menyalin Gauss. Gauss adalah seorang jenius yang tidak biasa, seperti di sekolah tinggi matematika kita semua telah membaca anak-anak Gauss dari persamaan dan perkalian dan remaja Gauss dari cerita tentang lukisan segi tujuh persegi. Sebagai seorang ahli matematika, ia tidak tertarik dengan teorema Fermat karena ia berpikir ia bisa menemukan banyak seperti itu tidak terbukti dan tidak dapat ditolak proposisi, sebagai kalkulator daging manusia yang paling suka adalah berhitung berbagai bintang orbit, juga menyusun sebuah kalender untuk semua orang untuk memeriksa tanggal pasti setiap tahun Paskah.

Jika dewa besar seperti itu masih hidup sekarang, tidak tahu berapa banyak aplikasi aneh yang akan dibuatnya.

Gauss, yang terlibat dalam hampir semua jenis penelitian matematika modern, tidak secara khusus menyatakan pendapatnya tentang manajemen risiko, tetapi ia sangat tertarik pada teori probabilitas dan statistik matematika, seperti perkalian dua terkecil yang kita kenal, yang disebut teorema Gauss-Markov, yang merupakan salah satu hasil dari studi distribusi normal. Saat itu Gauss dipanggil ke sebuah kota kecil di Bavaria untuk melakukan pengukuran geografis, di mana Gauss terus-menerus mengeluh bahwa setiap orang di sekitarnya tidak sepadan dengan kecerdasannya, jika bukan karena jaringan tidak berkembang saat itu, tidak akan ada masalah Sheldon hari ini.

Gauss perlu memperkirakan pengaruh kelengkungan permukaan bumi terhadap jarak permukaan pada saat pengukuran, dan pada saat itu tidak ada satelit, sehingga metode pengukuran utamanya adalah pengukuran terus menerus. Meskipun hasilnya tidak sama setiap kali pengukuran dilakukan, tetapi dengan meningkatnya jumlah pengukuran, aturan yang kita kenal tentang rata-rata berlawanan arah, atau nilai pusat mendekati, muncul lagi, dan melalui distribusi ini, Gauss dapat menilai distribusi nilai-nilai pengamatan ini di sekitar nilai rata-rata, untuk menganalisis keakuratan nilai sampel.

Dan pemikiran ini benar-benar sejalan dengan pemikiran manajemen risiko kita saat ini, bahwa kita perlu menilai keakuratan informasi yang kita miliki. Perbedaan di dunia ini jauh lebih dari keseragaman, setiap bunga berbeda, setiap orang berbeda, tapi kita menempatkan mereka dalam satu kategori karena ada kesamaan yang stabil antara mereka, dan itu adalah esensi dari apa yang kita ingin mengejar atau memahami, dan itu adalah kurva jam, atau Gaussian normal, dimana distribusi sesuai dengan cara kita memahami dunia: menemukan keteraturan di dunia dalam kekacauan.

Distribusi normal mungkin merupakan dasar dan inti dari sebagian besar sistem manajemen risiko. Sebagai contoh, untuk perusahaan asuransi, dengan banyak sampel yang benar-benar independen, seperti kecelakaan mobil di Shanghai tidak mempengaruhi keselamatan lalu lintas umum di Beijing, dan pasien di Chengdu sulit mempengaruhi tingkat kesehatan orang-orang di Shenzhen. Perusahaan asuransi dapat memperoleh harapan hidup setiap kategori dengan mengambil banyak sampel dari berbagai usia dan kelompok yang berbeda, memperkirakan rentang harapan hidup yang berfluktuasi, dan dengan menambahkan riwayat merokok, riwayat penyakit keluarga, riwayat kecanduan ponsel, riwayat insomnia malam hari, dan usia lajang, perkiraan ini akan lebih akurat.

Dan untuk membuat kurva normal yang indah, setidaknya ada dua syarat: pertama, memiliki sebanyak mungkin sampel, dan Anda dapat membayangkan bahwa hanya memeriksa jam kerja tambahan dari anjing keuangan programmer tidak dapat mendasari kemacetan di kota Anda, apalagi cukup banyak cinta yang mungkin tahu apa itu cinta (Oh!); kedua, setiap sampel harus independen satu sama lain, karena tanpa independensi, tidak ada jaminan representasi hukum, yang terdengar agak kontra-intuitif, tetapi Anda dapat membayangkan bahwa semua contoh anak-anak yang membesar di rumah orang lain memiliki masalah ini.

Dan untuk manajemen risiko investasi, kita memiliki paradigma analisis yang serupa: mencari rata-rata perubahan harga saham dari data sejarah yang tidak terhitung jumlahnya, menjelaskan dan memprediksi deviasi dari rata-rata dengan alasan yang berbeda, seolah-olah kita memahami dunia dari kecil ke besar. Namun, apakah pasar saham benar-benar sesuai dengan distribusi normal?

Dikutip dari China Quantitative Investment Association