Ознакомительная версия. Доступно 21 страниц из 105
команда Axcom делала выводы о недостающей информации и вносила ее в базу данных.
Кармона предложил, чтобы модель делала это автономно, обрабатывая всевозможные фрагменты данных и принимая решения о покупке или продаже. В каком-то смысле он предложил создать раннюю версию системы машинного обучения. Модель станет генерировать прогнозы цен на различные сырьевые товары, опираясь на сложные закономерности, кластеры и корреляции, которые Кармона и его коллеги были не в силах понять самостоятельно или обнаружить невооруженным глазом.
Во всем остальном мире статистики применяли схожие подходы – так называемые ядерные методы – для распознавания образов в наборах данных. По возвращении на Лонг-Айленд Генри Лауфер работал над аналогичным методом машинного обучения в рамках собственного исследования и собирался поделиться своими наработками с Саймонсом и его коллегами. Кармона не знал о том, что подобная работа уже ведется. Он просто-напросто предлагал использовать сложные алгоритмы, на основе которых Акс и Штраус могли выявлять закономерности в текущих движениях цен, имеющих сходство с предыдущими состояниями рынка.
«Воспользуйтесь этим», – призывал Кармона своих коллег.
Когда они рассказали об этом подходе Саймонсу, тот побледнел. Он понимал, каким образом линейные уравнения, на которые они опирались, генерировали предположения относительно торговых операций и распределения капитала. Однако оставалось неясным, почему именно программа Кармона выдавала те или иные результаты. Его беспокоило, что в основе данного метода была модель, которую Саймонс и его коллеги не могли просто свести к набору стандартных уравнений. Для того чтобы получить какие-то результаты, Кармона запускал программу, работающую на протяжении нескольких часов, в течение которых компьютеры распознавали образы, а затем генерировали сделки. Саймонсу казалось, что здесь что-то не так.
«Меня смущает то, какие результаты она выдает, – сказал как-то раз Саймонс своим коллегам, – я не понимаю, почему [программа говорит покупать, а не продавать]».
Со временем его раздражение только усилилось.
«Это какой-то черный ящик!» – воскликнул он с разочарованием.
Кармона был согласен с оценкой Саймонса, но продолжал стоять на своем.
«Просто отслеживай данные, Джим, – сказал он. – Я тут ни при чем, все дело в данных».
Акс, подружившись с Кармон, поддерживал разработанный им подход и отстаивал его перед Саймонсом.
«Это работает, Джим, – убеждал его Аксон. – В этом есть здравый смысл… человек не способен прогнозировать цены».
Акс настаивал, что этим должны заниматься компьютеры. Именно на это изначально и рассчитывал Саймонс.
Тем не менее он по-прежнему сомневался в целесообразности использования такого радикального подхода. Саймонс понимал необходимость применения подобных моделей, однако глубоко в душе не мог с этим смириться.
«Джим любил вдаваться в детали того, как функционирует та или иная модель, – вспоминает Штраус. – Он не был в восторге от ядерного метода».
Со временем Штраус и его коллеги нашли и дополнили другие исторические данные относительно цен, что помогло Аксу разработать новые прогностические модели, опираясь при этом на предложения Кармон. Некоторые из еженедельных сводок о биржевых торгах, обнаруженных ими позднее, восходили к XIX веку (надежная информация, к которой лишь немногие имели доступ). На тот момент они едва ли могли применить эти данные, однако возможность изучать историю и видеть, как рынки реагировали на выходящие за рамки привычного события, позже поможет команде Саймонса разработать и другие модели.
Они позволят извлекать прибыль из обвалов на фондовых рынках и других экстремальных ситуаций, чтобы оставаться активными игроками в такие моменты.
Когда команда Axcom начала тестировать данный подход, они сразу обнаружили улучшение показателей. Компания стала внедрять методы многомерной ядерной регрессии, которые, казалось, лучше всего работают для трендовых моделей или прогнозирования того, как долго будет сохраняться тренд по определенным инструментам.
Саймонс был убежден, что они способны на большее. Идеи Кармон оказались полезными, но этого было недостаточно. Саймонс созванивался и приезжал в Axcom, надеясь усовершенствовать рабочий процесс компании, однако по большей части он выступал в качестве клиентского менеджера, занимаясь поиском богатых инвесторов для фонда и поддерживая с ними отношения. Он также инвестировал в технологические проекты, которые составляли примерно половину от активов в 100 миллионов долларов, которые теперь принадлежали фирме. Саймонс продолжал искать дополнительную интеллектуальную мощь в лице математиков и договорился с уважаемым ученым проконсультировать сотрудников его компании. Этот шаг мог послужить основой для исторически значимого прорыва.
Глава пятая
Я глубоко убежден, что для детей и большинства взрослых главным мотиватором является любопытство, а не деньги.
Элвин Берлекэмп
Если бы Элвину Берлекэмпу сказали, что он поможет осуществить настоящую революцию в мире финансов, он воспринял бы это, как неудавшуюся шутку.
Элвин вырос в Форт-Томасе, штат Кентукки, на южном берегу реки Огайо, посвятил свою жизнь служению Богу, математическим играм и всячески избегал занятий спортом. Его отец был пастырем в Евангелическо-реформатской церкви, ныне известной как Объединенная церковь Христа, одной из крупнейших и наиболее либеральных протестантских конфессий в стране. Уолдо Берлекэмп был добросердечным и сострадательным предводителем экуменического движения, который организовывал совместные службы с различными протестантскими церквями и католическими общинами. Благодаря увлекательным проповедям и присущей ему харизме Уолдо заполучил для церкви верных последователей. Когда семья решила переехать, прощальное собрание посетили 450 прихожан. В знак своей любви и признательности они подарили Уолдо Берлекэмпу новый автомобиль DeSoto.
Будучи уроженцем Форт-Томаса, пригорода Цинциннати с населением в 10 000 человек, который славился своим аболиционизмом[53], у Элвина сформировались непримиримые предубеждения против южан и убежденность в том, что необходимо придерживаться своих принципов, какими бы непопулярными они ни были. Пока другие дети из начальной школы играли, бросали мяч и дрались на игровой площадке, щуплый и серьезный Берлекэмп сидел в классе, соревнуясь несколько иначе. Вместе с друзьями они брали карандаши, бумагу и рисовали игровое поле в виде квадратов. Они поочередно добавляли отрезки определенной длины, связывая точки и заполняя квадраты. Это была старая стратегическая игра под названием «Палочки», популярная в то время на Среднем Западе. Некоторые считали ее простой детской забавой, но на самом деле эта игра на удивление сложна и подчиняется математическим законам – тому, что Берлекэмп будет особенно ценить в будущем.
«Тогда я впервые столкнулся с теорией игр», – говорит Берлекэмп.
К тому времени, как он поступил в среднюю школу Форт-Томас Хайлендс, в 1954 году, он был жилистым юношей ростом 1 м 70 см, который отлично понимал, чем ему хочется заниматься в классе и за его пределами. В школе Берлекэмп любил в основном математику и естественные науки. Одноклассники, заметив его выдающийся ум, выбрали его президентом класса. Юноша питал интерес и к другим предметам.
Ознакомительная версия. Доступно 21 страниц из 105
