Простите, Гаос сделал небольшую работу.

• Госсе Из этой таблицы мы можем увидеть, что в истории математики только упомянутые в предыдущем абзаце Ньютон (слева в верхней части) и Архимед (справа в верхней части) находятся на одном уровне с Гаусом, а Гаусс находится в середине. Перечислить все достижения Гауса очень сложно, отчасти из-за его ограниченного объема и слишком многого, а отчасти из-за ограниченных способностей.

Содержание управления рисками и гауссовские отношения - это другая интересная история. Мы упомянули ранее о нормальной кривой, то есть о колокольной кривой, нарисованной самым несчастным математиком в истории, Гонмофром, который умер в 1754 году, а Гаус родился в 1777 году.

Это можно дополнить интересным и холодным знанием, известным как закон Гюнстиггера, что ни один научный теорема не назван в честь своего первого открывателя. Например, постоянная Эуры, а фактически естественная симметрия e была первоначально обнаружена Бернули; первые два закона Ньютона были предложены Галилео, Хук (который был любимым иронией Ньютона) и другими; все знают, что закон Лоббида был результатом работы Джона Бернули, за которую заплатил Лоббида; и, в общем, что арабские цифры были изобретены индийцами.

Поэтому вы спрашиваете, кого мы можем попросить расследовать дело Дюмора.

Конечно, в любом случае, обвинение в том, что Гаус скопировал Монро, было бы очень смешным, поскольку, в конце концов, все математики после него скопировали Гауса. Гаус был необыкновенным гением, например, в школьных учебниках по математике мы все читали о детстве Гауса, когда он занимался дифференциальным сложением, а также о том, что в юности Гаус рисовал правильные семнадцать прямоугольников.

Если бы такой великий бог жил сегодня, то не знаю, сколько бы странных приложений он создал.

Принимая участие практически во всех дисциплинах современной математики, Гаус не высказывал никаких особых взглядов на управление рисками, однако у него был большой интерес к теории вероятности и математической статистике, например, к наименьшему двоичному умножению, известному как теорема Гауса-Маркова, которая является частью исследования нормального распределения. В то время Гауса пригласили в какой-то баварский городок для географических измерений, где Гаус постоянно жаловался, что все вокруг него не могут сравниться с его интеллектом, и если бы не то, что в то время сети не были развиты, сегодня не было бы ничего такого, как Шелдон.

В то время не было спутников, поэтому основным методом измерения было постоянное измерение. Несмотря на то, что результаты измерений были разными, с увеличением количества измерений вновь появлялся знакомый нам закономерность поперечного среднего значения, то есть центрального значения, и с помощью этого распределения Гаус мог судить о распределении этих наблюдений вокруг среднего значения, чтобы проанализировать точность значения образца.

И эта мысль фактически совпадает с нашей современной мыслью о управлении рисками, о том, что нам нужно судить о точности информации, которая у нас в руках. Разница в мире гораздо больше, чем согласованность, каждый цветок отличается, каждый человек отличается, но мы причисляем их к одной категории, потому что между ними есть стабильная общность, и именно это мы хотим достичь или понять, и это также и часовая кривая, или гаксовое распределение, где оно соответствует тому, как мы воспринимаем мир: в хаосе мы обнаруживаем порядок в мире.

Нормальное распределение, вероятно, составляет основу и ядро большинства систем управления рисками. Например, для страховых компаний, с помощью множества полностью независимых образцов, например, автомобильная авария в Шанхае не влияет на общую безопасность транспорта в Пекине, и один пациент в Чэнду трудно повлиять на уровень здоровья людей в Шэньчжэне.

Для того, чтобы появилась красивая кривая нормального распределения, нужно как минимум два условия: во-первых, чтобы было как можно больше образцов, и вы можете себе представить, что только исследование сверхурочных часов у программистов-финансовых собак не позволит вывести заторы в вашем городе, не говоря уже о том, что достаточное количество влюбленных может знать, что такое любовь (ух ты!); во-вторых, чтобы каждый образец был независимым друг от друга, потому что без независимости не может быть гарантировано представительство закономерностей, что звучит немного контринтуитивно, но вы можете себе представить, что все примеры детей, рожденных в чужих семьях, имеют эту проблему.

Для управления инвестиционными рисками у нас есть аналогичная модель анализа: искать средние значения изменения цен на акции из огромного количества исторических данных, объяснять и прогнозировать отклонения от средних значений по разным причинам, как если бы мы знали мир от малого до большого. Но действительно ли фондовые рынки соответствуют нормальному распределению? Это может стать еще одной интересной историей управления рисками.

Копировано из Китайского института количественных инвестиций