Машина, платформа, толпа. Наше цифровое будущее

Часто в таких случаях покупатель уже имеет сходное предложение. Скажем, компания Facebook уже создала сама функцию обмена сообщениями и фотохостинг к тому моменту, когда купила WhatsApp и Instagram. В обоих случаях было легко убедить себя, что стартап-выскочка не представляет угрозы. Однако определенный сигнал от толпы – что появилась другая новация и что она была быстро принята – убедил руководителей более крупной и давно существующей на рынке компании приобрести то, что создали «лидеры среди пользователей» или другие новаторы. Нередко это бывает весьма затратно; Facebook заплатила миллиард долларов за Instagram[661] и больше 20 миллионов за WhatsApp[662]. Однако все же лучше отдать такие деньги, чем потерпеть крах.

ИСПОЛЬЗОВАНИЕ ТОЛПЫ ДЛЯ ВЛИЯНИЯ НА ТОРГИ

Мы прогнозируем, что в ближайшие годы немалому количеству традиционных компаний, многие из которых весьма успешны, бросят вызов соперники, опирающиеся на толпу. Такой пример можно увидеть в загадочной и очень странной сфере автоматизированного инвестирования.

В течение долгой истории инвестиций в какие-либо активы – акции компаний, государственные облигации, драгоценные металлы и другие продукты, недвижимость и прочее – фактически все решения, что именно нужно покупать, принимались людьми. Были созданы значительные технологические ресурсы, позволяющие автоматизировать работу по реальной покупке активов (с последующим отслеживанием курсов) после принятых решений, но сами эти решения почти всегда принимались разумом, а не машиной.

Изменения появились в 1980-х, когда первопроходцы Джеймс Саймонс, один из наиболее квалифицированных математиков своего поколения, и Дэвид Шоу, специалист по компьютерам, основали компании Renaissance Technologies и D. E. Shaw соответственно, чтобы использовать машины для принятия инвестиционных решений. Эти компании просеивали огромные объемы данных, строили и тестировали количественные модели поведения цен на активы в различных условиях и работали над тем, чтобы решения о покупке принимали не люди, а программный код и математика.

Лучшие компании такого рода добились впечатляющих результатов. В управлении D. E. Shaw в октябре 2016 года находилось свыше 40 миллиардов долларов[663], а ее Composite Fund за десятилетие перед 2011-м обеспечивал годовую доходность в 12 процентов[664]. Компания Two Sigma, созданная бывшим специалистом по искусственному интеллекту и участником математических олимпиад Джоном Овердеком, управляет 6-миллиардным Compass Fund, который в течение десятилетия обеспечивал годовую доходность 15 процентов[665]. Доходность почти всех фондов затмевается характеристиками Medallion Fund, существующего внутри Renaissance и открытого почти исключительно для ее работников. В течение двадцати с лишним лет после своего появления в середине 1990-х годов он обеспечивал средний годовой доход, превышающий 70 процентов (до вычетов)[666]. За время существования он принес более 55 миллиардов прибыли и на сайте Bloomberg был назван «вероятно, величайшей в мире машиной по зарабатыванию денег»[667].

Джон Фосетт, программист и предприниматель, который занимался финансовыми услугами, был впечатлен успехами количественного анализа, но его беспокоило, что в ядре инвестиционной отрасли анализ используется недостаточно. По оценкам Фосетта, к 2010 году в мире имелось всего от трех до пяти тысяч профессиональных инвесторов, использующих статистический анализ. Он рассказывал нам: «Мне эти числа казались слишком малыми. Меня беспокоило, что [у многих инвесторов] нет достаточного доступа к тому, что я считал современной практикой инвестиций. В какой области вы поставили бы на людей, действующих самостоятельно, а не на комбинацию человека и машины? В каждом конкретном случае вы предпочтете более автоматизированную версию»[668].

Фосетт увлекся идеей открыть количественное инвестирование для толпы и для этого в 2011 году вместе с Жаном Бредашем основал компанию Quantopian. Она столкнулась с пугающей задачей создания технологической платформы для статистического анализа, сравнимой с теми, что имеются у ведущих компаний отрасли. Такая платформа должна была давать инвесторам возможность загружать собственные алгоритмы, затем быстро тестировать их в различных рыночных условиях: подъемах и спадах деловой активности, периодах высоких и низких процентных ставок и прочем. Для это требовалась проверка алгоритмов на исторических данных. Фосетт и его коллеги стремились к тому, чтобы их тестирование так же надежно давало результаты, как аналоги у институциональных инвесторов.