Человек, который разгадал рынок. Как математик Джим Саймонс заработал на фондовом рынке 23 млрд долларов

Собеседование проходило одноэтапно: претендент рассказывал о своих достижениях, пытался решить пару сложных задач, связанных с теорией вероятности и другими научными областями, а затем принималось решение, подходит ли он для работы в компании.

Каждого кандидата, как правило, на протяжении 45 минут закидывали вопросами полдюжины научных сотрудников, а затем просили рассказать перед всеми о своих научных исследованиях.

Саймонс и Паттерсон обычно обращали внимание на опытных ученых, которые уже могли похвастаться определенными достижениями, или на новоиспеченных PhD с серьезными, на их взгляд, диссертациями. Даже именитые соискатели были обязаны пройти тест на умение кодировать – требование, которое говорило о том, что каждый должен уметь программировать и выполнять работу, считающуюся в других компаниях непрестижной. Кроме того, важно было поладить с коллективом. «Химия – важная штука, – говорит действующий руководитель. – Вы будто входите в новую семью».

В 1997 году сотрудники Medallion установили трехэтапный процесс для определения статистически значимых стратегий получения прибыли или того, что они называли торговыми сигналами. Выявить аномальные паттерны в исторических ценовых данных; убедиться, что эти отклонения были статистически значимыми, устойчивыми во времени и не случайными; и узнать, объяснимо ли выявленное поведение цен.

Какое-то время они делали ставку в первую очередь на те модели, в которых ученые Renaissance могли разобраться. Большинство из них касалось соотношения между ценой, объемом и прочими рыночными данными с опорой на поведение инвесторов на протяжении этого периода, или с учетом других факторов. Одна из беспроигрышных стратегий заключалась в том, чтобы делать ставки на коррекции[117]. Как оказалось, примерно 60 % активов, стоимость которых внезапно и значительно возрастала или, наоборот, снижалась, хотя бы частично корректировались в цене. Прибыль от подобных коррекций позволила Medallion преуспеть, особенно на волатильных рынках, когда цены возрастали, прежде чем откатиться до определенного уровня.

Тем не менее в 1997 году больше половины торговых сигналов, обнаруженных командой Саймонса, оказывались неинтуитивными, то есть теми, которые невозможно полностью объяснить. Большинство компаний, занимающихся квантовой торговлей, игнорируют сигналы, для объяснения которых не могут придумать разумную гипотезу, но Саймонс и его коллеги не любили тратить слишком много времени на поиск причин того или иного феномена рынка. Если сигналы соответствовали различным показателям статистической значимости, то они спокойно использовали их, отметая лишь самые абсурдные предположения.

«Конечно, мы бы стали учитывать объем спроса, деленный на изменение цены, показанный тремя днями ранее, – говорит управляющий Renaissance. – Но не ерунду вроде повышенной прибыльности вложений в акции, названия которых начинаются с буквы А».

Дело не в том, что они хотели проводить сделки, в которых не было никакого смысла; они просто искали статистически обоснованные стратегии. Повторяющиеся паттерны, для которых нет явного логического объяснения, дают дополнительное преимущество: конкуренты едва ли обратят на них внимание и воспользуются ими, большинство не станет проводить подобные сделки.

«Если вы находили легко объяснимые, значимые сигналы, то их уже давно использовали другие, – объяснял Браун. – Существуют сигналы, которые вы не способны понять, но они есть и они могут быть относительно важными». (3)

Очевидный риск применения необъяснимых стратегий заключается в том, что лежащие в их основе закономерности могут быть результатом бессмысленных совпадений.

Если уделить достаточно времени сортировке данных, то будет нетрудно определить сделки, которые на первый взгляд принесут невероятную прибыль, но это происходит в результате случайных совпадений. Кванты называют этот ошибочный подход переподгонкой данных. Подчеркивая, что глупо рассчитывать на сигналы, в которых отсутствует какая-либо логика, квантовый инвестор Дэвид Лейнвебер позднее определит, что доходность акций в США можно прогнозировать с точностью до 99 %, объединив данные по годовому производству масла в Бангладеш, производству сыра в США, а также поголовья овец на территории Бангладеш и США. (4)