Maafkan saya, Ghosn telah melakukan sedikit kerja kecil.

• Gauss Dari gambar ini, kita dapat melihat bahawa dalam sejarah matematik, hanya Newton (di sebelah kiri tertinggi) dan Archimedes (di sebelah kanan tertinggi) yang disebutkan di awal adalah satu peringkat dengan Gauss, dan Gauss juga berada di tengah-tengah. Menggambarkan prestasi hebat Gauss adalah sangat sukar, sebahagiannya kerana terhad kepada panjang dan banyak hasilnya, dan sebahagiannya kerana terhad kepada keupayaan yang banyak daripadanya saya tidak faham.

Kandungan pengurusan risiko dan hubungan Gauss adalah cerita lain yang menarik. Kami telah menyebut sebelum ini bahawa kurva normal, iaitu kurva berbentuk lonceng yang digambar oleh ahli matematik yang paling malang dalam sejarah, Von Morf, yang meninggal pada tahun 1754, dan Gauss dilahirkan pada tahun 1777, tetapi dalam kajian kemudian, kami menyebut distribusi normal sebagai Gauss.

Ini boleh menambah pengetahuan sejuk yang menarik, yang dipanggil hukum Jung Stigler, bahawa tidak ada teorema saintifik yang dinamakan dengan nama penemu pertamanya. Sebagai contoh, Euler’s constant, e yang sebenarnya adalah logaritma semula jadi yang pertama kali ditemui oleh orang Bernoulli; dua pertama dari tiga hukum Newton yang besar telah dikemukakan oleh Galileo, Hooke (yang merupakan orang yang paling disukai Newton) dan lain-lain; hukum Loeb yang terkenal adalah hasil John Bernoulli yang dibayar oleh Loeb; dan secara umum, nombor Arab sebenarnya diciptakan oleh orang India.

Jadi, siapa yang perlu anda minta untuk menghakimi perkara Dunmow?

Sudah tentu, untuk tujuan apa pun, menuduh Gauss menyalin Pomfrey adalah perkara yang sangat lucu, kerana menyalin, mungkin semua ahli matematik dari generasi ke generasi lebih atau kurang menyalin Gauss. Gauss adalah seorang jenius yang tidak terkenal, seperti kita semua telah membaca dalam buku matematik sekolah menengah tentang Gauss sebagai anak kecil dan penjumlahan persamaan dan pencatatan segi tujuh belas yang tepat.

Saya tidak tahu berapa banyak aplikasi aneh yang akan direka oleh tuhan besar seperti ini jika dia masih hidup hari ini.

Gauss, yang terlibat dalam hampir semua jenis penyelidikan matematik moden, tidak secara khusus menyatakan apa-apa pendapat mengenai pengurusan risiko, tetapi dia sangat berminat dengan teori kebarangkalian dan statistik matematik, seperti penggandaan kedua terkecil yang kita kenal, yang dipanggil teori Gauss-Markov, yang merupakan hasil dari kajian mengenai pengedaran normal. Gauss dipanggil ke sebuah bandar kecil di Bavaria untuk melakukan pengukuran geografi, di mana Gauss terus mengeluh bahawa setiap orang di sekelilingnya tidak sepadan dengan kecerdasannya, jika bukan kerana rangkaian tidak berkembang pada masa itu, tidak akan ada apa-apa Sheldon hari ini.

Gauss perlu menganggarkan kesan kelengkungan permukaan bumi terhadap jarak permukaan pada masa pengukuran, dan pada masa itu tidak ada satelit, jadi kaedah utama pengukuran adalah pengukuran terus menerus. Walaupun hasilnya tidak sama setiap kali pengukuran dilakukan, tetapi dengan peningkatan jumlah pengukuran, peraturan yang kita kenal tentang rata-rata arah, atau nilai pusat yang berdekatan, muncul lagi, dan melalui pembahagian ini, Gauss dapat menilai pembahagian nilai pengamatan di sekitar nilai rata-rata, untuk menganalisis ketepatan nilai sampel.

Dan pemikiran ini adalah sama dengan pemikiran pengurusan risiko kita sekarang, bahawa kita perlu menilai kebenaran maklumat yang kita ada. Perbezaan di dunia ini jauh lebih banyak daripada keserasian, setiap bunga adalah berbeza, setiap orang adalah berbeza, tetapi kita meletakkan mereka dalam satu kategori kerana mereka mempunyai kesamaan yang stabil, dan itulah yang kita mahu untuk mengejar atau memahami, dan ini adalah kurva jam, atau Gaussian normal, di mana ia sesuai dengan cara kita melihat dunia: iaitu, di dalam kekacauan kita dapati dunia yang teratur.

Sebaran normal mungkin merupakan asas dan teras kebanyakan sistem pengurusan risiko. Sebagai contoh, bagi syarikat insurans, dengan banyak sampel yang sepenuhnya bebas, seperti kemalangan kereta di Shanghai tidak mempengaruhi keselamatan trafik keseluruhan di Beijing, dan seorang pesakit di Chengdu sukar mempengaruhi tahap kesihatan orang di Shenzhen.

Terdapat sekurang-kurangnya dua syarat yang diperlukan untuk membuat kurva normal yang cantik: pertama, sebanyak mungkin sampel, dan anda boleh bayangkan bahawa hanya siasatan kerja lebih masa pada anjing kewangan pengaturcara tidak dapat menghasilkan kesesakan lalu lintas di bandar anda, sama seperti bagaimana cukup cinta dapat mengetahui apa itu cinta (ah!); kedua, setiap sampel perlu saling bebas, kerana tanpa itu, anda tidak dapat menjamin perwakilan peraturan, dan ini terdengar agak kontra-intuitif, tetapi anda boleh bayangkan bahawa semua contoh anak-anak yang membesar di rumah orang lain mempunyai masalah ini.

Dan untuk pengurusan risiko pelaburan, kita mempunyai paradigma analisis yang serupa: mencari nilai purata perubahan harga saham dari data sejarah yang tidak jelas, menjelaskan dan meramalkan penyimpangan dari nilai purata dengan sebab yang berbeza, seolah-olah kita memahami dunia dari kecil hingga besar. Tetapi adakah pasaran saham benar-benar sesuai dengan peredaran normal?

Dipetik dari China Quantitative Investment Association