第100章 学在云端

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

她默默思考如何在非合作博弈中找到均衡点。

时间在她的装睡中悄然流逝，飞机继续平稳地飞向目的地。

裴瑜此刻只学经济学，并不是不知道数学的重要性。

对经济相关专业的学生而言，数学底子太重要了。

搞经济研究，不管是建模型还是做数据分析，哪样都离不开数学。

对于就想当个“科研打工人“的学生来说，数学基础这块儿不用太深，能看懂常用的经济模型就够用了。可以把更多时间花在学专业知识上，比如产业经济学、劳动经济学这些具体领域的理论和实际应用。

但要是想当“科研精英“，甚至成为学术圈里说一不二的“老板”，也就是学术领域的领军人物或科研团队的负责人，那数学功底就是必须的。

特别是以后的经济学越来越讲究用公式和模型说话，数学好不好直接决定了研究者能在这条路上走多远。

想当个合格的经济学研究员，数学、统计学这些基本功必须得扎实。微积分、线性代数、概率论这些都得能够熟练运用，不然连经济模型都搞不明白。

要是想做到优秀，那要求就更高了，需在基础学科上毫无短板，无论是微分方程、优化理论，还是高等统计方法，都能信手拈来，游刃有余。

而真正达到大牛级别的经济学研究员，不光基础要牢，还得在数学分析、计算方法或者数据科学这些领域有独到见解，能搞出别人想不到的创新。

数学不仅是工具，更是经济学家思考和表达复杂经济现象的语言，缺乏数学的支撑，研究者很难在理论深度或实证精度上有所突破。

拿高等数学来说，它不仅是商科学生躲不掉的必修课，更是决定科研能力分水岭的“拦路虎”。

微积分、线性代数和优化理论构成了现代经济学理论的基石，无论是消费者理论中的效用最大化、生产者理论中的成本最小化，还是博弈论中的纳什均衡求解，都离不开数学的严谨推导。

其实微积分这套东西，早在300多年前就被牛顿、莱布尼兹那帮数学大佬搞定了。

1986年的大学生和2025年的大学生，学的还是同一套理论。虽然后世经济学用数学的地方越来越多，比如动态规划、随机过程这些高级玩法，但底层逻辑从来没变过。

对裴瑜来说，数学好更多是“会用“，而不是能搞出什么新突破。

拿到Imo金牌之后，数学已经是她最拿得出手的强项了，数学这个“拦路虎”在经济学领域已经拦不住她了，她可不想把现在和以后的时间全耗在推公式上。

她也并不满足于仅仅依靠脑海中系统知识库的“现成”论文，来谋求学术上的成功，这样的生活在她看来太缺乏挑战与乐趣了。

比起数学公式推导，裴瑜在商业案例和经济政策上的眼光和敏锐度才是真本事。

她的兴趣更多在于将经济学原理应用于商业决策或政策制定，比如用行为经济学那套分析消费者心理，或者用博弈论设计更聪明的市场规则，这些实实在在的应用，可比单纯推公式有意思多了。

与其沉溺于照抄系统知识库里的成果，她还不如现在就用存款里的钱去好好享受生活。