リスクの小物語 (6) 申し訳ありませんが,ゴースは小さな仕事をしました.

リスク小史 (?? リスク小史) 申し訳ありませんが,ゴースはちょっとした仕事をしました.

• ゴース この図から,数学の歴史上,前文で言及したニュートン (左上) とアキメドス (右上) のみ,ゴースと一階であり,ゴースは真ん中に立っていることがわかる.ゴースの功績を挙げることは困難である.その理由の一部は,彼の成果があまりにも多く,一部は,その能力が非常に限られているためである.

  リスクマネジメントの内容とゴッズに関する関係は別の面白い話である.前述した正規分布曲線,すなわち史上最も倒れた数学者,モフが描いた鐘状の曲線 ("リスクの小史記 (四):モフと神の曲線) "は,モフが1754年に死去し,ゴッズは1777年に生まれたが,後の研究では,正規分布をゴッズ分布と呼んでいる.

  これは,最初の発見者の名前の後に命名された科学定理がないという興味深い冷たい知識の補足として,オラ定数,つまり自然対数であるeはバーヌーリ家によって最初に発見されました.ニュートンの三大法則の最初の2つは,それぞれガリレオやフック (ニュートンのイロニズム好き) によって提案されました.誰もが知っているロダ法が,ロダが必ず買う必要のあるジョン・バーヌーリの成果です.さらに一般的には,アラビア数字は,実際にはインド人が発明しました.そして,スイスの学者自身も,ロダが最初に提案しました.

  ユムモーフの事件を誰が判断する?

  勿論,何のためにもゴースを摩夫抄襲だと非難するのは非常に面白いことだ.結局は,抄襲については,おそらく後世の数学者全員が,多かれ少なかれゴースを抄襲している.ゴースは,天才だった.例えば,高校の数学の本では,子供時代のゴースの差値列表や,少年ゴースの尺度図が正の17の側面を描いた物語を見ています.

  この様な大神たちが,今日生きていたら,どんな奇妙なAPPをデザインするかはわかりません.

  近代数学のほぼすべての科目を研究しているゴースは,リスク管理について特に何も書いていないが,概率論や数学的統計に興味がある.例えば,よく知られている最小二乗法,ゴース・マルコフ定理は正規分布の研究の分岐点である.ゴースはババリアの小さな町に地理測定のために呼ばれた.そこでゴースは,周りの誰もが彼の知恵に相応しくないと絶えず文句を言う.もしネットワークが発達しなかったならば,今日シェルドンは存在しなかっただろう.

  測量時に地球表面の曲率が地表距離に及ぼす影響を推定する必要があったとき,ゴースは衛星がなかったので,測量の主な方法は測である. 測量ごとに結果が異なるが,測定回数が増加するにつれて,我々の馴染みのある方向均等値,すなわち中心値が値に依存する法則が再び出現し,この分布の状況によって,ゴースは,これらの観測値が平均値の周りの分布について判断し,サンプル値の精度を分析することができる.ゴースは,正規分布が博以外でも適用されていることを最初に発見した人物であり,正規分布が最終的に彼の名で命名された理由であり,当然,分布の統計的性質の研究も重要であった.

  この考えは,現在のリスクマネジメントの考えと一致しています. 私たちが持っている情報の正確さを判断する必要があるということです. この世界の違いは,一致性よりもはるかに大きいのです. すべての花は異なる,すべての人が異なるのです. しかし,私たちはそれらを分類する理由は,それらの間には安定した共通点があるからです. これが私たちが追求し,理解したいことの本質です. これは時計回り曲線,あるいはゴース正規性 (Gauce's law) の分布です. これは,私たちが世界を認識する方法に合致する場所です. つまり,混乱の中で世界を発見する秩序です.

  

  正常分布はおそらくほとんどのリスク管理システムの基礎と核心を構成する.例えば,保険会社にとって,上海での自動車事故のような無数の完全独立したサンプルが北京の交通安全全体に影響を及ぼさない場合,成都の患者も深?? の人々の健康レベルに影響を及ぼすことは難しい場合,保険会社は,無数の異なる年齢,異なる集団のサンプルを抽出することで,各カテゴリーの人の寿命を推定し,寿命が変動する範囲を推定することができ,喫煙史,家族史,携帯電話依存症史,深夜睡眠不足史,独身時間の長さを追加すると,このような推定はより正確になります.

  正規分布の美しい曲線が形成されるためには,少なくとも2つの条件が必要です. まず,可能な限り多くのサンプルの存在,つまり,プログラマの金融犬の時間外調査だけで,あなたの街の渋滞状況を推測できないと想像してください. それどころか,十分な恋愛が,恋愛とは何かをどのように知ることができるのか,なんて言うまでもありません. そして2つ目は,各サンプルは相互に独立したもので,独立性がないので,規則の代表性を保証することはできません.

  投資のリスク管理では,同様の分析モデルがあります. 煙のような歴史的なデータから株価変動の平均値を探し,異なる理由を使って平均値への偏差を解釈し予測します. それは,私たちが世界を理解する小から大までの方法と同じです. しかし,株価は本当に正規分布に適合していますか? これはリスク管理の歴史の別の面白い話かもしれません.

中国定量投資学会より