Człowiek, który rozszyfrował rynki finansowe. Gregory Zuckerman
Читать онлайн книгу.
rewelacjami na rynku.
Simons miał prawie 178 centymetrów wzrostu. Był jednak lekko przygarbiony, głowa mu siwiała, włosy nieco się przerzedzały, wyglądał więc na trochę niższego i starszego. Jego brązowe oczy okalały zmarszczki, to najprawdopodobniej efekt nałogowego palenia, którego nie potrafił albo po prostu nie chciał rzucić. Jego surowe, wyraziste rysy twarzy i łobuzerski błysk w oku przypominały przyjaciołom nieżyjącego już aktora Humphreya Bogarta.
Na uporządkowanym biurku Simonsa stała ogromna popielniczka, czekająca na strzepnięcie popiołu z następnego zapalonego papierosa. Na ścianie wisiał dość makabryczny obraz przedstawiający lisa zjadającego królika. Obok, na stoliku kawowym przy kanapie i dwóch wygodnych skórzanych fotelach leżał jakiś artykuł naukowy omawiający skomplikowane matematyczne tematy, przypominając o świetnie rozwijającej się karierze akademickiej Simonsa, którą porzucił ku ogromnemu zaskoczeniu swoich kolegów matematyków.
Poświęcił już całe piętnaście lat na poszukiwania skutecznej formuły inwestowania. Na początku handlował instrumentami finansowymi, jak inni, polegając na intuicji i instynkcie, ale wzloty i upadki przyprawiały go o ból brzucha. W pewnym momencie był już tak zniechęcony, że jeden z pracowników martwił się, czy nie myśli o samobójstwie. Simons zatrudnił dwóch znanych i upartych matematyków, by razem z nim handlowali instrumentami, ale tacy wspólnicy spowodowali tylko straty i wprowadzili niemiłą, pełną złośliwości atmosferę. Rok wcześniej wyniki Simonsa były tak fatalne, że zmusiło go to do wstrzymania inwestycji. Niektórzy spodziewali się, że zakręci kurek z pieniędzmi i zakończy wszystkie operacje.
Mając drugą żonę i trzeciego wspólnika w biznesie, Simons postanowił przyjąć radykalny styl inwestowania. Pracując z Elwynem Berlekampem, teoretykiem gier, Simons zbudował model komputerowy mogący przetwarzać ogromne ilości danych i wybierać idealne transakcje. Było to naukowe i metodyczne podejście, którego celem było po części wyeliminowanie z procesu inwestycyjnego emocji.
– Jeśli będziemy mieli wystarczającą ilość danych, wiem, że potrafimy prognozować – powiedział Simons do kolegi.
Jego najbliżsi rozumieli, czym naprawdę się kierował. Simons uzyskał tytuł doktora w wieku dwudziestu trzech lat. Potem został wziętym, pracującym dla rządu łamaczem kodów, uznanym matematykiem i pionierskim administratorem uniwersytetu. Potrzebował nowego wyzwania i większego pola do działania. Simons powiedział przyjacielowi, że rozwiązanie odwiecznej zagadki rynku i podbój świata inwestycji „będzie czymś niezwykłym”. Chciał być tym, który wykorzysta matematykę, by wygrać z rynkiem. Wiedział, że jeśli potrafi to rozgryźć, to zarobi miliardy dolarów, a może jeszcze więcej. Zapewne wystarczająco dużo, by mieć wpływ na świat Wall Street i nie tylko tam. Niektórzy podejrzewali, że taki był jego prawdziwy cel.
W handlu instrumentami, jak w matematyce, rzadko zdarza się dokonać czegoś przełomowego, będąc w średnim wieku. Simons był jednak przekonany, że jest u progu czegoś szczególnego, a być może nawet historycznego. Z papierosem Merit między dwoma palcami Simons sięgnął po telefon, by jeszcze raz zadzwonić do Berlekampa.
– Widziałeś złoto? – zapytał chropowatym głosem z akcentem wskazującym, że wychował się w Bostonie.
– Tak, widziałem ceny złota – odpowiedział Berlekamp. – I nie, nie musimy korygować naszego systemu tradingowego. – Simons nie nalegał i jak zwykle uprzejmie się rozłączył. Berlekampa zaczynało jednak irytować to natręctwo Simonsa. Poważny i szczupły, z niebieskimi oczami patrzącymi zza grubych okularów, Berlekamp pracował na drugim końcu kraju w biurze oddalonym o krótki spacer od Uniwersytetu Kalifornijskiego w Berkeley, gdzie wciąż jeszcze nauczał. Gdy dyskutował o swoich transakcjach z absolwentami wydziału biznesu, ci czasami wyśmiewali metody przyjęte przez niego i Simonsa, nazywając je „szarlatanerią”.
– Och, przestań. Komputery nie mogą konkurować z ludzkim osądem – powiedział kiedyś do Berlekampa jeden z nich.
– Zrobimy to lepiej niż ludzie – odpowiedział Berlekamp.
Prywatnie Berlekamp rozumiał, dlaczego ich podejście okrzyknięto współczesną alchemią. Nawet on nie potrafił w pełni wytłumaczyć, dlaczego ich model rekomenduje pewne transakcje.
Pomysły Simonsa wydawały się oderwane od rzeczywistości nie tylko na akademickim kampusie. Złoty wiek tradycyjnego inwestowania zaświtał, gdy George Soros, Peter Lynch, Bill Gross i inni przepowiedzieli kierunek, w którym zmierza inwestowanie, rynki finansowe i globalna gospodarka. Olbrzymie zyski osiągnęli dzięki swojej inteligencji, intuicji oraz staromodnym analizom ekonomicznym i badaniom korporacyjnym4. W odróżnieniu od swoich rywali Simons nie miał pojęcia, jak oszacować przepływy pieniężne, zidentyfikować nowe produkty lub prognozować poziom stóp procentowych. Przekopywał góry informacji o cenach. Nie było nawet poprawnej nazwy takiego sposobu handlowania, w którym brano by pod uwagę czyszczenie danych (ang. data cleansing), sygnały i analizę danych historycznych (ang. backtesting), czynniki, z którymi była zupełnie niezaznajomiona większość profesjonalistów z Wall Street. W roku 1990 tylko nieliczni korzystali z poczty elektronicznej, nie było jeszcze przeglądarek internetowych, a algorytmy – jeśli w ogóle były komuś znane – najczęściej uważano za procedury działające krok po kroku. Podobne do tych, które umożliwiły maszynie stworzonej przez Alana Turinga złamanie kodu stosowanego przez nazistów do przesyłania wiadomości podczas II wojny światowej. Idea, że te formuły mogą kierować, a nawet pomagać rządzić, codziennym życiem milionów ludzi, że kilku byłych profesorów matematyki może wykorzystać komputery do spuszczenia batów wytrawnym i sławnym inwestorom, wydawała się daleko idąca, by nie powiedzieć, że wręcz niedorzeczna.
Simons był jednak z natury pewnym siebie optymistą. Zauważył pierwsze sygnały sukcesów swoich systemów komputerowych i zaświtała nadzieja. Poza tym nie miał wielkiego wyboru. Jego niegdyś świetnie prosperujące inwestycje w przedsięwzięcia wysokiego ryzyka zmierzały donikąd. A on z całą pewnością nie chciał znów być nauczycielem akademickim.
– Popracujmy nad systemem – powiedział Berlekampowi w jednej z kolejnych naglących rozmów telefonicznych. – Wiem, że w przyszłym roku możemy zwiększyć zyski o 80 procent.
– Osiemdziesiąt procent w ciągu roku? Teraz już naprawdę przesadził – pomyślał Berlekamp.
Powiedział Simonsowi, że tak olbrzymie zyski są nieprawdopodobne. I że naprawdę nie musi wciąż dzwonić. Simons jednak nie potrafił przestać. W końcu było tego za wiele. Berlekamp odszedł z firmy. Dla Simonsa był to kolejny cios.
– Do diabła z tym. Sam się wszystkim zajmę – powiedział do przyjaciela.
Mniej więcej w tym samym czasie, w innej części stanu Nowy Jork, pięćdziesiąt mil dalej, wysoki, przystojny naukowiec w średnim wieku wpatrywał się w białą tablicę, starając się sprostać własnym wyzwaniom. Robert Mercer pracował w rozległym centrum badawczym firmy IBM na przedmieściach Westchester i poszukiwał sposobów na poprawę jakości komputerowej transkrypcji mowy na tekst, a nawet tłumaczenia na inny język i wykonywania innych podobnych zadań. Zamiast stosować konwencjonalne metody, Mercer starał się rozwiązać problemy za pomocą początkowych form uczenia maszynowego na wielką skalę. Wraz z kolegami zasilał komputery taką ilością danych, która umożliwiała im samodzielne wykonywanie zadań. Mercer pracował dla komputerowego giganta już blisko dwadzieścia lat, ale wciąż nie miał jasności, ile mogą osiągnąć – on i jego zespół.
Koledzy nie potrafili go rozgryźć. Nawet ci, z którymi od lat blisko współpracował. Mercer był niezwykle uzdolniony. Był też dziwakiem i człowiekiem społecznie nieprzystosowanym. Codziennie na
Badania korporacyjne (ang.