Xin lỗi, Ghosn đã làm một chút công việc nhỏ.

• Gauss Từ bức tranh này, chúng ta có thể thấy rằng trong lịch sử toán học, chỉ có Newton (trên cùng bên trái) và Archimedes (trên cùng bên phải) được đề cập trong phần trước cùng với Gauss là một cấp, và Gauss vẫn đứng ở giữa. Việc liệt kê những công việc vĩ đại của Gauss là rất khó khăn, một phần là do giới hạn trong phạm vi và kết quả của ông quá nhiều, một phần là do giới hạn trong khả năng.

Nội dung của quản lý rủi ro và mối quan hệ Gauss là một câu chuyện thú vị khác. Chúng ta đã đề cập trước đó về đường cong chính xác, tức là đường cong hình chuông của nhà toán học mórf, người có may mắn nhất trong lịch sử ((Câu chuyện về rủi ro: mórf và đường cong thần thánh)) và mórf qua đời năm 1754, Gauss được sinh ra vào năm 1777, nhưng trong nghiên cứu sau này, chúng ta gọi phân phối chính xác là phân phối Gauss.

Điều này có thể được bổ sung vào một kiến thức lạnh lùng thú vị, gọi là quy luật Jung Stigler, rằng không có định lý khoa học nào được đặt tên theo tên của người phát hiện đầu tiên của nó. Ví dụ như số thường Euler, thực tế số e trong số các đối số tự nhiên là người đầu tiên được phát hiện bởi Bernoulli; hai định luật đầu tiên của Newton đã được đưa ra bởi Galileo, Hooke (đó là người Newton thích châm biếm nhất) và những người khác; quy luật Loeb được tất cả mọi người biết đến là tác phẩm của John Bernoulli, người đã trả tiền cho Loeb; và nói một cách phổ biến hơn, số Ả Rập thực sự là phát minh của người Ấn Độ.

Vì vậy, ông nói ông sẽ nhờ ai xét xử vụ này.

Tất nhiên, trở lại, cho bất kỳ mục đích nào, cáo buộc Gauss sao chép Pomfrey là một điều rất buồn cười, sau khi sao chép, có lẽ tất cả các nhà toán học sau này nhiều hơn hoặc ít hơn đang sao chép Gauss. Gauss là một thiên tài không nổi tiếng, chẳng hạn như trong sách toán học trung học, mọi người đã đọc những câu chuyện về Gauss khi còn nhỏ về các phép tính khác nhau của Gauss và vẽ hình chữ nhật chính xác của Gauss. Là một nhà toán học, ông không quan tâm đến lý thuyết Fermat bởi vì ông nghĩ rằng ông có thể tìm ra một loạt các giả thuyết như vậy mà không có bằng chứng pháp lý và không thể bác bỏ.

Một vị thần vĩ đại như vậy, nếu còn sống ngày nay, chắc chắn sẽ tạo ra rất nhiều ứng dụng lạ.

Gauss, người đã tham gia vào hầu hết các môn toán học hiện đại, không có ý kiến cụ thể về quản lý rủi ro, nhưng ông rất quan tâm đến lí thuyết xác suất và thống kê toán học, ví dụ như phép nhân đôi nhỏ nhất mà mọi người quen thuộc được gọi là định lý Gauss-Markov, và đó là một kết quả của nghiên cứu về phân phối chính xác. Lúc đó, Gauss được gọi đến một thị trấn nhỏ ở Bavaria để thực hiện các phép đo địa lý, nơi Gauss liên tục phàn nàn rằng mọi người xung quanh không bằng với trí thông minh của ông, và nếu không phải vì mạng không phát triển, thì ngày nay sẽ không có Sheldon gì. Nói cách khác, kết quả khác của phép đo là làm cho Gauss nhận ra khả năng của vô tuyến.

Gauss cần ước tính ảnh hưởng của độ cong của bề mặt Trái đất đối với khoảng cách bề mặt, và vào thời điểm đó không có vệ tinh, vì vậy phương pháp chính của Gauss là đo đạc liên tục. Mặc dù kết quả không giống nhau mỗi lần đo, nhưng với số lần đo lường tăng lên, quy luật trung bình theo chiều, hoặc trung bình gần trung tâm, xuất hiện trở lại, và thông qua sự phân bố này, Gauss có thể đánh giá sự phân bố của các giá trị quan sát xung quanh trung bình để phân tích độ chính xác của giá trị mẫu.

Và suy nghĩ này thực sự phù hợp với suy nghĩ về quản lý rủi ro hiện tại của chúng ta, rằng chúng ta cần phải đánh giá sự chính xác của thông tin trong tay chúng ta. Sự khác biệt của thế giới này nhiều hơn là thống nhất, mỗi bông hoa là khác nhau, mỗi người khác nhau, nhưng lý do chúng ta xếp chúng vào một loại là vì chúng có một sự đồng nhất ổn định, đó là bản chất của những gì chúng ta muốn theo đuổi hoặc hiểu biết, và đó cũng là đường cong hình đồng hồ, hoặc Gaussian, nơi phân phối phù hợp với cách chúng ta nhận thức thế giới: đó là tìm ra trật tự của thế giới trong hỗn độn.

Phân phối bình thường có lẽ là nền tảng và cốt lõi của hầu hết các hệ thống quản lý rủi ro. Ví dụ, đối với các công ty bảo hiểm, với vô số mẫu hoàn toàn độc lập, chẳng hạn như một tai nạn xe hơi ở Thượng Hải không ảnh hưởng đến an toàn giao thông chung ở Bắc Kinh, và một bệnh nhân ở thành phố Chengdu cũng khó có thể ảnh hưởng đến mức độ sức khỏe của người dân ở Thâm Quyến. Các công ty bảo hiểm có thể có được tuổi thọ dự kiến của mỗi loại người bằng cách lấy vô số mẫu ở các độ tuổi khác nhau và các nhóm khác nhau, ước tính khoảng cách tuổi thọ dự kiến dao động, và ước tính này sẽ chính xác hơn khi thêm vào lịch sử hút thuốc lá, bệnh tật gia đình, lịch sử nghiện điện thoại di động, lịch sử mất ngủ khuyau và tuổi thọ độc thân.

Và để có được một đường cong đẹp của phân phối chính xác cần có ít nhất hai điều kiện: đầu tiên là có nhiều mẫu nhất có thể, bạn có thể tưởng tượng rằng chỉ điều tra về tình trạng làm việc quá giờ của những con chó tài chính của các lập trình viên là không hợp lý trong tình trạng tắc nghẽn xe hơi của thành phố của bạn, cũng không nói đến tình yêu có thể biết được tình yêu là gì (

Và đối với quản lý rủi ro đầu tư, chúng ta có một mô hình phân tích tương tự: tìm kiếm giá trị trung bình của biến động giá cổ phiếu từ dữ liệu lịch sử khói bốc, giải thích và dự đoán sai lệch của giá trị trung bình với các lý do khác nhau, giống như cách chúng ta nhận thức thế giới từ nhỏ đến lớn. Tuy nhiên, thị trường chứng khoán có thực sự phù hợp với phân phối chính xác không?

Tóm tắt từ Trung Quốc Quantified Investment Society