چطور با علم ریاضی میلیاردر میشوند؟
شاید شما هم در دوران تحصیل در مدرسه و یا دانشگاه بارها از خود پرسیده اید که یادگیری دانش ریاضی در زندگی شما به چه کاری خواهد آمد؟ البته برخی از مباحث نسبتا سادهتر ریاضی مانند محاسبه درصد و نرخ رشد و مانند اینها شاید در زندگی روزمره به کار بیایند، اما مباحث پیچیدهتر مانند محاسبه مشتق، انتگرال، لگاریتم و یامباحث مربوط به آمار و احتمالات حداقل در ظاهر کارایی چندانی ندارند. اما بر خلاف تصور رایج، دانش ریاضی اتفاقا میتواند پول ساز هم باشد.
کد خبر :
۵۷۶۹۳
بازدید :
۴۵۰۶
پوریا عطاریان | شاید شما هم در دوران تحصیل در مدرسه و یا دانشگاه بارها از خود پرسیده اید که یادگیری دانش ریاضی در زندگی شما به چه کاری خواهد آمد؟ البته برخی از مباحث نسبتا سادهتر ریاضی مانند محاسبه درصد و نرخ رشد و مانند اینها شاید در زندگی روزمره به کار بیایند، اما مباحث پیچیدهتر مانند محاسبه مشتق، انتگرال، لگاریتم و یامباحث مربوط به آمار و احتمالات حداقل در ظاهر کارایی چندانی ندارند. اما بر خلاف تصور رایج، دانش ریاضی اتفاقا میتواند پول ساز هم باشد.
در آمد ریاضیدانان در برخی کشورهای جایگاه نسبتا خوبی دارد. برای مثال بنابر فهرست مجله نیوزویک در مورد پردرآمدترین مشاغل در آمریکا، درآمد یک ریاضیدان در جایگاه هجدهم مشاغل پردرآمد قرار میگیرد (با میانه دستمزد بیش از ۱۰۰ هزار دلار در سال) و برای مثال درآمد یک ریاضیدان در آمریکا به طور متوسط از درآمد یک دامپزشک بیشتر است.
موضوع فقط این نیست که ریاضیدانان به طور متوسط چقدر پول در میآورند، بلکه به کارگیری دانش ریاضی در زندگی روزمره میتواند به میلیاردر شدن یک فرد بینجامد.
برای مثال ریاضیدانان تلاش کرده اند تا با مدلهای پیچیده ریاضی عملکرد بازار سهام را پیش بینی کنند و اتفاقا با همین شیوه موفقیتهای قابل توجهی را هم به دست آورده اند.
اما شاید یکی از مثالهای جذاب موفقیت به کار گیری دانش ریاضی در مواردی که ظاهرا ربطی به ریاضی ندارند، به مورد آقای بیل بنتر باز میگردد. آقای بنتر در رشته فیزیک تحصیل کرد، اما به آمار و احتمالات هم علاقه داشت و به همین خاطر تلاش کرد تا علم احتمالات را هم بیاموزد.
سپس از دانش ریاضی برای ساخت مدلی جهت پیش بینی عملکرد اسبهای مسابقهای بهره برد. البته ساخت چنین مدلی کار چندان سادهای نیست.
آقای بنتر مجموعه گستردهای از متغیرهایی که فکر میکرد ممکن است بر عملکرد اسبها تاثیر گذار باشند را جمع آوری کرد. مواردی مانند تغذیه اسب ها، میزان استراحت آنها و حتی وضعیت آب و هوا در میان این متغیرها جای میگرفتند. او به طور خاص عملکرد اسبهای مسابقهای در هنگ کنگ را تحت نظر گرفت و البته برای جمع آوری دادههایی مانند آرشیو وضعیت آب و هوا در هنگ کنگ مجبور شد تا به انگلستان سفر کند.
همچنین علاوه بر عملکرد خود اسب ها، نحوه شرط بندی دیگران نیز در نتیجه مدلهای آقای بنتر تاثیر گذار بودند. سپس آقای بنتر تلاش کرد به کمک آزمون و خطا، مدلش را بهبود ببخشد. متغیرهایی که ظاهرا تاثیری در عملکرد اسبها نداشتند از مدل خارج شدند و متغیرهای موثرتر در مدل باقی ماندند.
در واقع مدلهای ریاضی آقای بنتر در ابتدا چندان در پیش بینی نتایج مسابقات خوب عمل نمیکرد، اما آقای بنتر به مرور این مدلها را بهبود بخشید تا عملکرد آن بهتر شود. آقای بنتر از نتایج مدلهایش برای شرط بندی در مسابقات اسب دوانی در هنگ کنگ استفاده کرد.
البته آن طور که خودش به مجله بلومبرگ بیزنس ویک گفته، هدفش از این کار صرفا پول درآوردن نبوده بلکه به این خاطر جذب بازار شرط بندی روی اسبها شده که موفقیت در این بازار با استفاده از مدلهای ریاضی غیرممکن به نظر میرسید. نتیجه را میتوانید حدس بزنید، پس از چندین سال آزمون و خطا، دقت الگوریتمهای آقای بنتر به حدی افزایش یافته بود که در مقیاس کلان شکست دادن آنها غیر ممکن به نظر میرسید.
او از راه پیش بینیهای الگوریتمهای ریاضی اش در مجموع توانست نزدیک به یک میلیارد دلار به دست بیاورد و آنطور که بلومبرگ مینویسد، اگر از مدلهای بازارهای مالی بهره گرفته بود میتوانست خیلی زودتر به این سطح از درآمد برسد. در واقع تجربه آقای بنتر، که نمونهای در تجربههای مشابه پرشمار است، نشان میدهد که حتی با به کارگیری دانش ریاضی هم میتوان ثروتمند شد.
منبع: روزنامه هفت صبح
۰