К ноябрю 1989 года Medallion снова встал на ноги и вовсю работал. Это был быстрый успех. В 1990 году фонд заработал 55 % чистой прибыли. Команда продолжала выверять модели, и результаты все улучшались. Саймонс нанимал математических гениев, например Генри Лауфера, еще одного преподавателя из Стоуни-Брук. Тот был по образованию физиком, в 1965 году окончил Принстон и в 1971 году опубликовал книгу про черные дыры под названием «Нормальные двумерные сингулярности».
[75] В 1980-е он иногда консультировал в Renaissance трейдеров, работавших на товарных рынках, а окончательно перешел в фонд в 1991 году.
В 1993 году Саймонс закрыл фонд для новых инвесторов. На тот момент он управлял 280 миллионами долларов. Саймонсу казалось, что модели не справятся с большими объемами средств. В 1994 году прибыль достигла невероятной отметки в 71 %. Начался «великий забег» Medallion. Деньги текли рекой. Успех не вызывал никаких сомнений, исследователи и трейдеры (сплошь доктора наук) совершенно забыли, что такое поражение. Когда Medallion зафиксировал редкий убыток в 0,5 % за один-единственный квартал 1999 года, как минимум один сотрудник разрыдался.
Тем временем Саймонс приобщился к созданной в 1980-е годы системе статистического арбитража банка Morgan Stanley. Он приобрел Kepler Financial Management — фонд, созданный Робертом Фреем после ухода из APT, где он работал на Нунцио Тарталью. Начинал фонд неважно, но потом набрал обороты. В 1997 году его поглотил Medallion и переименовал в Factor Nova Funds, тем самым добавив мощь статистического арбитража к своей ультрасовременной инвестиционной машине. Это был первый шаг на пути превращения Medallion в настоящий мультистратегический фонд.
К тому моменту Берлекэмп уже ушел. Он покинул Renaissance в конце 1990 года, чтобы заняться наукой в Беркли: разгадывать загадки теории игр, например математические проблемы шахмат. А легендарный Medallion продолжал расти. За эти годы фонд несколько раз пережил несущественные сбои. В марте 2000 года, когда лопнул пузырь доткомов, перевернув с ног на голову тенденции на рынке акций технологических компаний, которые до того оставались неизменными на протяжении нескольких лет, Medallion за три дня потерял 250 миллионов долларов. На тот момент это была почти вся прибыль фонда за текущий год. Но он быстро оправился и в конце года снова добился заоблачных показателей.
На Уолл-стрит не было трейдера, который, услышав о невероятных успехах фонда, не подумал бы: как же они это делают?
Саймонс все эти годы не слишком распространялся о своих секретах и редко давал подсказки. Однажды, говоря о том, как фонд отсеивает данные в поисках моделей поведения цен, он сказал: «Модели движения цен не случайны, — это был камень в огород любителей случайных блужданий по эффективному рынку вроде Юджина Фамы. — И все же они очень близки к случайности, так что извлечь из этого какую-то выгоду очень непросто. Слава богу, не всем заметны эти закономерности».
Усмехнувшись, Саймонс добавил: «Впрочем, скорее всего, Богу особо нет до этого дела».
Однажды в 2003 году Пол Самуэльсон приехал в офис Renaissance в Ист-Сетокет. Экономист из MIT и нобелевский лауреат долгое время считал, что обыграть рынок невозможно. Он объяснял это так: если бы кто-то мог это сделать, он бы спрятался от людей и никому не раскрывал своего секрета.
«Что ж, похоже, я вас нашел», — заявил Самуэльсон под хохот богатых квантов из Ист-Сетокета.
Как же Renaissance обнаруживает неслучайные движения цен? Это все равно что спросить, знают ли в фонде Истину.
Никто за пределами офисов Renaissance Technologies не знает, как работает компания. Немногие уволились оттуда. И они тоже ничего не расскажут.
И все же несколько зацепок есть. Одна из них — большое количество криптографов, помогавших создавать Medallion: Акс, Берлекэмп и, конечно же, сам Саймонс. Криптографы натасканы на то, чтобы находить скрытую информацию в случайной с виду последовательности символов. Renaissance использовал это умение, чтобы проанализировать бесконечные цепочки рыночных данных, например ежесекундно меняющиеся цены на нефть, и одновременно увидеть, как на эти данные влияют другие активы — доллар или золото.
Еще одну зацепку можно найти в принятом компанией в начале 1990-х решении нанять несколько человек, занимающихся туманной и совершенно нетипичной для Уолл-стрит темой распознавания речи.
В ноябре 1993 года Renaissance взял на работу Питера Брауна и Роберта Мерсера, основателей группы распознавания речи в принадлежащем компании IBM исследовательском центре Thomas J. Watson Research Center в Йорктаун-Хайтс округа Уэстчестер. Браун зарекомендовал себя как настоящий трудоголик, зачастую ночевавший в офисе в Ист-Сетокете на встроенной в шкаф кровати, к днищу которой была прикреплена белая доска для презентаций. Он очень беспокоился о своем здоровье и стал заядлым игроком в сквош, так как вычислил, что это самый эффективный способ поддерживать себя в форме.
Его частенько видели в офисе неопрятно одетого, с карандашами, торчащими из всех карманов. Браун умел разгадывать неразрешимые математические загадки, а также собирать неимоверной сложности компьютеры.
А вот Мерсера в Renaissance прозвали «большой пушкой». Если возникала серьезная проблема, требовавшая особого внимания, то, по рассказам одного из бывших сотрудников, компания просто «наводила на нее Боба и стреляла».
В последующие годы Renaissance переманил немало специалистов из группы по распознаванию речи IBM, включая Лалит Баль и братьев Винсента и Стивена делла Пьетра. Поиск в интернете по любому из этих имен выдает множество ссылок на научные статьи начала и середины 1990-х. Потом след теряется.
На первый взгляд, у распознавания речи и инвестиций общего мало. Но если копнуть глубже, обнаруживаются удивительные взаимосвязи. Компьютерные модели, воспринимающие человеческую речь, зависят от ретроспективных данных, симулирующих акустические сигналы. Чтобы максимально эффективно оперировать ими, программы отслеживают сигналы и на основе функций вероятности пытаются угадать, какой звук будет следующим. Программы постоянно работают, чтобы успеть за говорящим.
Финансовые программы тоже состоят из цепочек данных. Если использовать модели распознавания речи для финансовых данных, например цен на соевые бобы, Renaissance сможет оценить границы вероятностей будущего движения цен. Если удача на нашей стороне… если есть преимущество…
Естественно, все совсем не так просто — иначе все специалисты по распознаванию речи тут же побежали бы в хедж-фонды. Есть проблемы, включая качество данных и верность найденных моделей. Но одно понятно: между распознаванием речи и инвестициями есть мощная связь, которую Renaissance умело использует.
Распознавание речи имело огромное значение для улучшения результатов работы Renaissance. Об этом говорит уже то, что Браун и Мерсер были назначены CEO, после того как Саймонс ушел с этого поста в конце 2009 года.
