Денег больше чем у бога. Хедж-фонды и рождение новой элиты

13 ВЗЛОМЩИКИ КОДОВ

В городке Ист Ситокет побывало не так много хедж-Финансистов. Местечко находится в часе езды от Манхэттена по трассе Long Island Express-way, и от скопления хедж-фондов Гринвича его отделяет клин Атлантического океана. Но этот сонный район Лонг-Айленда стал домом для, возможно, самого успешного в истории хеджевого фонда — Renaissance Technologies. Начав свою деятельность примерно в то же время, когда Дэвид Свенсен инвестировал в Farallon, Renaissance Technologies очень быстро богател; за период с конца 1989 года по 2006-й их ведущий фонд Medallion в среднем приносил 39 % годовых¹. К середине 2000-х оказалось, что основатель Renaissance Technologies, Джеймс Саймонс, зарабатывал больше всех среди хедж-фондов. Он не был самым известным в мире миллиардером, но он был, наверное, самым умным из них.

Саймонс был математиком и дешифровщиком, вечным биржевиком и предпринимателем, и его небывалый успех родился в результате комбинации этих увлечений. Со студенчества он был игроком-любителем на товарной бирже, настраивая систему съема информации, которая и привела его к славе. Как предприниматель, он открыл свое дело: имя его компании, Renaissance Technologies, отражало свое происхождение из высокотехнологичного венчурного капитала. Как дешифровщик, Саймонс работал на секретный Институт оборонного анализа Пентагона, где он понял, как создавать исследовательские организации, полностью закрытые для посторонних и готовые к сотрудничеству со «своими». Как математик, он поставил свое имя под прорывом, известным как теория Черна — Саймонса, и получил приз Освальда Веблена — высшую награду в области геометрии, которая вручается Американским математическим сообществом. Ведомый своими разносторонними увлечениями, Саймонс успешно вложил деньги, подаренные на свадьбу, в спекуляцию соей, был уволен из Института оборонного анализа за позицию против войны во Вьетнаме и проехал из Бостона в Боготу на скутере «Ламбретта» — и это все до своего тридцатилетия. За время колумбийского путешествия он хорошо узнал страну и, объединившись со своими новыми друзьями из местных жителей, открыл там завод по производству кафеля.

Ранние рыночные приключения Саймонса имели мало общего с математикой. Он занимался товарными фьючерсами, основываясь на предчувствиях спроса и предложения, подхваченный волной бурного подъема и роста 1970-х годов. Но математик внутри него жаждал найти замену модели интуитивных оценок, и он зажегся идеей создания устройства, которое будет торговать за него. На излете 1970-х Саймонс набрал команду выдающихся математических умов для работы над созданием такого устройства. Он нанял Леонарда Баума, шифровальщика, работавшего с Саймонсом в Институте оборонного анализа. Он пригласил Джеймса Акса, призера Американского математического сообщества в теории чисел, а также Элвина Берлекампа, математика из Беркли, который тоже был ветераном Института оборонного анализа. Название и структура собственности множественных начинаний Саймонса менялись вместе с людьми, которых он привлекал в свою сеть. Он владел инвестиционным фондом на Бермудах и компанией на Восточном побережье, а также возглавлял кафедру математики Университета Стоуни-Брук на Лонг-Айленде, до того как уволился в 1977 году, чтобы полностью сфокусироваться на бизнесе.

Безусловно, люди в команде Саймонса были интеллектуальными гигантами, но важно было также, что их опыт в шифровании и в других аспектах военных коммуникаций имел некоторое отношение и к финансам. Берлекамп, например, работал над системами, посылающими сигналы, напоминающие «призраки» — слабые следы кода в море флуктуационного шума, вполне похожие на едва различимые шаблоны, что прячутся в откровенно бессистемных и эффективных рынках. Во время сражения воздушному прикрытию с земли посылаются сообщения, которые должны быть настолько неслышными и прозрачными, чтобы не выдать позиции армии. Враг не просто должен быть не в состоянии расшифровать эти послания, он вообще не должен заподозрить, что что-то передается в эфир. Противники на поле боя, одураченные такими системами, казались Берлекампу очень похожими на экономистов, заявлявших, что движения рынка абсолютно произвольны. Они в упор смотрели на призраков, и не видели их. И ничего не подозревали². Команда Саймонса начала экспериментировать с алгоритмами дешифровки и использовать их в поиске шаблонов-призраков в рыночных данных. Простые экономисты в той же лиге играть просто не могли, так как не обладали специальными математическими знаниями, необходимыми в такой работе.

Первые достижения команды Саймонса были достаточно скромными. Несмотря на свое преимущество специалиста в области математического моделирования, Леонард Баум быстро устал от поиска золотых алгоритмов; он читал деловые газеты и сделал серьезную ставку на британский фунт, что дало очень большую прибыль. Джеймс Акс увяз с проектом компьютерной торговли; но он был непостоянной личностью и доходы от его системы были также непостоянны. Тем не менее к 1988 году Саймонс построил платформу для будущего успеха. Вместе с Аксом он основал Medallion Fund, названный так в честь медалей, которые они оба получили за достижения в геометрии и теории чисел. Medallion работал с товарными и финансовыми фьючерсами, основываясь на сигналах, генерируемых компьютерами. Несмотря на то что в сердце системы не было ничего примечательного — это была простая модель следования за трендом, подобная построенной в Commodities Corporation почти десятью годами ранее, — небольшая порция денег была размещена именно в соответствии с определенным набором правил. Это заложило основу будущего успеха Саймонса.

Идея принадлежала Генри Лауферу, сотруднику математического факультета Университета Стоуни-Брук³. Лауфер был фигурой самодостаточной. Однажды, после какого-то спора, Акс попытался наказать его, объявив бойкот на несколько месяцев, но Лауфер этого даже не заметил. Но эксцентричность Лауфера компенсировалась его талантом. Погоня за призраками привела к триумфу в середине 1980-х: Лауфер выделил шаблоны движения рынков в ответ на потрясения. Сразу после появления новых данных цены на товары или валюты начинали скакать в зависимости от реакций различных инвесторов, и хотя невооруженному глазу эти колебания казались бессистемными, ученый, в арсенале которого были статистические очки высокого разрешения, мог разглядеть в этих движениях определенные шаблоны. Конечно, колебания товарных котировок не повторялись в ответ на разные новости. Это было бы слишком очевидно. Но если вы изучили тысячи реакций на тысячи событий, более чем в половине случаев возникала определенная последовательность взаимосвязей. Раз за разом ставя на эти последовательности, команда Саймонса выигрывала гораздо чаще, чем теряла. А если ставить часто и помногу, можно было иметь приличный доход⁴.

Алгоритмы Medallion, описывающие прибыльные шаблоны, были и остаются тайной. Но основания для их открытия и тех феноменальных доходов, что они приносили, можно понять по крайней мере в общих чертах. Одной из составляющих успеха был принцип краткосрочности. Изучая поведение товарного рынка за короткий период времени, Лауфер мог собрать тысячи наблюдений, увеличивая шансы встретить повторяющиеся шаблоны, обладающие статистической значимостью. Более того, краткосрочные сигналы ценились выше, и их было легче искать. Если вы в состоянии предсказать, как будет вести себя предмет торговли в ближайшие несколько дней, то вы вполне успеете рискнуть и получить награду. Инвестиционная компания Tiger мечтает купить фирму, стоимость которой удвоится за пару лет, но статистический трейдер, заработавший четверть процента за сутки, окажется значительно богаче. Наконец, краткосрочные прогнозы склонны внушать больше доверия, чем долгосрочные. Меньше времени для непредвиденных, сбивающих с цели факторов. Работая с краткосрочными прогнозами, которые были достаточно верны, команда Саймонса могла удачно размещать ставки и увеличивать доходы.

Когда в 1988 году Саймонс и Акс основали Medallion Fund, около 15 % капитала шло на краткосрочные сигналы, остальные деньги отводились на традиционные модели следования за трендом⁵. Фонд начал свою деятельность многообещающе, но затем ушел в крутое пике. К маю 1989 года доходность упала почти на четверть от максимума, и Саймонс решил приостановить торговлю. Джеймс Акс страстно настаивал, что доходность схемы скоро восстановится, но Саймонс был настолько убежден, что Акс ошибается, что разорвал партнерство. Заручившись поддержкой Берлекампа и Лауфера, он погрузился в размышления и исследования, намереваясь принять решение о будущем Medallion Fund.

Проблемой, по мнению Саймонса и команды, стало то, что трендовая основа схемы Medallion Fund себя исчерпала. Слишком много подражателей Commodities Corporation «столпилось» вокруг: брокеры, такие как Дин Виттер, рекламировали дюжины товарных фондов своим клиентам. Следование за трендом стало трендом⁶. После многомесячных дискуссий Саймонс с коллегами решил сделать краткосрочные сигналы Лауфера новым сердцем системы. В 1990 году, который стал первым полным годом торговли после перезагрузки, Medallion Fund зафиксировал 56 % прибыли после выплат. Это было хорошее начало.

Элвин Берлекамп отреагировал на такое эльдорадо тем, что обналичил свою долю. Он продал акции компании, управляющей Medallion Fund, и вернулся к исследовательской деятельности в Беркли. Но Саймонс отнесся к ситуации с присущим ему упорством предпринимателя. На протяжении почти 10 лет он привлекал к работе над своими проектами все новых и новых математиков, искренне веря, что методы криптографии помогут рано или поздно взломать рыночные коды и шифры. Теперь он чувствовал, что оказался прав, и был решительно настроен не упустить свое преимущество. Он приобрел долю Берлекампа, и вложил то, что осталось, в работу Renaissance Technologies. Вооруженный доходами Medallion Fund, он удвоил усилия по привлечению в свою команду математиков, организовав мозговой трест в здании High Technology Incubator на Лонг-Айленде, недалеко от больницы Стоуни-Брук. Инвестиции окупились довольно быстро. Постоянно пополняющаяся исследовательская группа обнаружила, что шаблоны, работающие для американских товарных рынков, часто работают и для рынков зарубежных. А после нескольких неудач методы охоты за призраками, применяемые командой Саймонса, помогли обнаружить шаблоны поведения фондовых рынков.

По мере расширения мозгового треста на Лонг-Айленде Саймонс набирал в его ряды специалистов по вычислительной технике, физиков и астрономов, но никогда не нанимал экономистов. Ему нужны были люди, рассматривающие рынок как некий математический ребус, далекий от плоти и крови экономики. Безусловно, иногда абстрактность ученых приводила к странным результатам. Однажды член факультета проводил презентацию по результатам работы Medallion Fund за прошедшую неделю и представил сначала данные за пятницу, затем за понедельник, четверг, вторник, а затем среду, предполагая, что коллеги воспримут эту странную последовательность вполне естественно, так как компьютеры сортируют дни в алфавитном порядке. В другой раз Renaissance Technologies устраивала обед для пяти сотен инвесторов. Один ученый вызвался помочь Саймонсу в написании программы, которая поможет разработать план рассаживания гостей. Он планировал определить вероятности наилучшего сочетания взаимных симпатий и затем дать компьютеру оптимизировать план сервировки.

Какое-то время доска в кабинете Саймонса была исписана расчетами, насколько незамужняя дама, специалист в алгебраической геометрии, может поладить с женатым инструктором по дзюдо и т. д. Час обеда настал, компьютерная программа посадила одного из давних инвесторов Renaissance Technologies рядом с женщиной, которая могла бы ему понравиться. Дама подала на него в суд за сексуальное домогательство.

Тем не менее большую часть времени математический подход к миру был оглушительно успешен. Саймонс вкладывал огромные деньги в компьютеры, которым скармливалась любая возможная форма информации: цены на финансовых рынках, экономические релизы, данные информагентств и даже статистика по погоде. Чем глубже ученые погружались в охоту за призраками, тем больше прибыльных шаблонов они находили. Например, мозговой трест обнаружил, что хорошая утренняя погода в городе имеет тенденцию предшествовать восходящему движению на фондовой бирже. Покупая в ясные дни в часы завтрака и продавая чуть позже, Medallion Fund мог далеко пойти, только вот прибыль не покрывала затрат на транзакции, именно поэтому Renaissance Technologies открыли этот сигнал общественности.

Большое число шаблонов, обнаруженных Renaissance Technologies, по отдельности были весьма скромны — в конце концов при первом приближении рынки эффективны. Но, имея в арсенале множество мелких недочетов и соединив их в единую торговую программу, Renaissance Technologies построила систему, приносящую прибыль из года в год, особенно в периоды нестабильности. В 1994 году, когда Майкл Стейнхардт потерял миллиарды при переплавке рынка облигаций, Medallion Fund вернул 71 % после вычетов. В разгар кризиса 2008 года фонд заработал 80 % после вычетов и почти 160 % до вычетов.

К моменту отставки в 2009 году Саймонс умножал свои миллиарды не один раз. Только в 2006 году его личная прибыль была заявлена на отметке в 1,5 миллиарда долларов, столько же, сколько составил корпоративный доход 115 тысяч сотрудников Starbucks и 118 тысяч сотрудников Costco, вместе взятых. Фотография специалиста по взлому секретных кодов появлялась на обложках журналов: зачесанная назад прядь седых волос и посеребренная сединой борода, обрамляющая морщинистое лицо заядлого курильщика. К удивлению всего мира рискованного инвестирования, магия Medallion Fund оказалась способной противостоять конкурентному давлению на протяжении 1990-х и 2000-х годов. Ко времени написания этих строк — в начале 2010 года — не похоже, чтобы фонд сдавал позиции.

ПЕРВЫЙ КОНКУРЕНТНЫЙ ВЫЗОВ RENAISSANCE Technologies получила от Дэвида Шоу, специалиста по вычислительной технике из Колумбийского университета. Шоу основал компанию, назвав ее своим именем — D. Е. Shaw, — в 1988 году, тогда же, когда Medallion Fund начал торговлю. Так же как и команда Саймонса, Шоу сфокусировался на достаточно коротких временных промежутках и нанимал математиков и ученых вместо трейдеров и экономистов. Так же как и команда Саймонса, он яростно добивался точности в числах: его сотрудники вскоре обнаружили, как надо подавать информацию: нельзя говорить, что выполнение программного задания займет от трех до восьми недель, — ему надо было говорить, что это займет 5,25 недели с погрешностью в две недели⁷. Но, несмотря на схожесть, между Саймонсом и Шоу были и различия. И они оказались существенными.

Шоу попал в мир финансов через отдел торговли ценными бумагами за счет собственных средств банка Morgan Stanley, куда его взяли для создания компьютерной системы в поддержку количественного трейдинга. Шел 1986 год, работа в Morgan Stanley кипела. Секретный отдел аналитики собственных операций банка тестировал компьютеризированную систему получения прибыли от краткосрочных эффектов ликвидности на фондовых рынках. Как в 1970-х открыл Майкл Стейнхардт, крупная заявка на продажу от пенсионного фонда может выбить стоимость акций из колеи; при условии, что за этой продажей не стоит никакой информации, то есть пенсионный фонд продает акции, потому что ему нужна наличность, а не потому, что он реагирует на плохие новости, Стейнхардт мог извлечь выгоду, купив и придержав акции, пока цена на них не вернется на прежний уровень. Отдел аналитики собственных операций Morgan Stanley намеревался обойти Стейнхардта в этой игре. Для определения ценовых колебаний, основанных не на информации, команда квонтов рассортировала акции в пары: колебания у Ford имели тенденцию повторять изменения GM, American Airlines шли за United Airlines, International Paper — за Georgia-Pacific и т. д. Если одни акции падали в то время, когда их парные стояли на месте, вероятнее всего, это было спровоцировано трейдером институционального блока, которому понадобились наличные, — в этом случае цена вскоре возвращалась к исходному уровню, создавая прекрасную возможность обогатиться⁸. Конечно, метод Morgan Stanley не был безупречным, но этого и не требовалось. Чтобы получать прибыль, фирме достаточно было угадывать больше чем в половине случаев.

Проработав в Morgan Stanley несколько лет, Шоу захотел заниматься чем-то большим, чем построение компьютерной системы отдела. Он был поражен ограниченностью подхода, применяемого банком. Разобравшись, как получать прибыль от простого парного трейдинга, отдел аналитики собственных операций инвестировал во все возможные исследования. Привлекались физики, стремившиеся применить к рынкам теорию хаоса, математики, пытавшиеся рассчитать сложные дифференциальные уравнения для моделирования изменения курсов акций, и даже, согласно расчету одного ветерана, системы, использующие 3D-очки для отслеживания шаблонности изменения цен⁹. Но, по мнению Шоу, человека с научной компьютерной базой, Morgan Stanley игнорировал некоторые потенциально интересные направления. То, как банковские специалисты искали аномалии в финансовых данных, кардинально отличалось от подхода, который бы использовала университетская команда специалистов по вычислительной технике, и технологии для комбинирования аномалий в трейдинг-модели также очень разнились. Совершенно не предполагая, куда это его заведет, Шоу уволился из Morgan Stanley, снял офис в Гринвич Виллидж над книжной лавкой, принадлежавшей коммунистам, и открыл собственную фирму.

Подход Шоу начал приносить результаты уже в первые полгода работы. Там, где Morgan Stanley искал сложные нелинейные шаблоны и не находил ничего интересного, Шоу быстро идентифицировал многообещающие аномалии. Во многом так же, как это было у команды Саймонса, шаблоны-призраки, которые обнаруживал Шоу, не поддавались объяснению. Когда он находил и распечатывал повторяющиеся шаблоны, никакие известные термины не могли прояснить причудливые завитки на бумаге. Эффекты были настолько далеки от интуитивных, что Шоу не нужна была никакая скоростная торговая система. Ему не надо было стараться опередить все заявки, размещенные на рынке, потому что он был уверен, что никакие соперники не появятся¹⁰. Очень скоро прибыль потекла рекой, и Шоу вырос из офиса в Гринвич Виллидж. В 1989 году он переехал в просторный офис в историческом районе Флатирон, а двумя годами спустя — в футуристическую башню на Восточной 45-й улице. Тем временем сбитые с толку боссы Morgan Stanley закрыли отдел аналитики собственных операций. Журналист, посетивший в 1994 году фирму Шоу, был поражен увиденным: к тому времени там работало 135 человек, и выручка составляла 5 % суточного оборота Нью-Йоркской фондовой биржи. Дресс-код работников был повседневным, и в фирме витал легкий дух богемы. Сотрудники расстилали спальные мешки, чтобы переночевать прямо в офисе. «Если не уходишь домой, фокусироваться намного легче», — объяснил молодой человек по имени Джефри Безос, который стал основателем интернет-гиганта розничной торговли Amazon¹¹.

Как и в случае с другими количественными трейдерами, подход Шоу к рынкам фундаментально отличался от подхода экономистов. Те в основном начинали с принятия безупречных арбитражных операций: если два обязательства или две акции были теоретически равны, они должны стоить одинаково; если они не равны, экономисты были склонны предполагать, что рано или поздно они сблизятся. Но ученые не искали взаимосвязей между ценами, которые должны были существовать. Они смотрели на данные и задавались вопросом, какие взаимосвязи действительно существовали¹². Более того, данные, которые они изучали, были тщательнейшим образом очищены от всех возможных ошибок и неточностей — информация настолько чистая, что большинство финансовых умов доступа к ней просто не имели. Снова и снова сотрудники Шоу убеждались, что аномалии просто состоят из искаженных цифр. Например, стратегия, свойственная академическому подходу, может заключаться в покупке акций, чья цена неожиданно упала. Но если ценовой ряд IBM меняется от 60 долларов к 61, а затем к 16 долларам, это последнее число никакой не сигнал. Это опечатка.

Создав свою команду количественного анализа, Шоу вышел за рамки моделирования цен на акции. Опционы оказались благодатной почвой. Ранние модели опционов, созданные, помимо прочих, двумя нобелевскими лауреатами из LTCM — Робертом Мертоном и Майроном Шоулзом, — предполагали, что изменения цен на акции распределены определенным образом. Крах 1987 года продемонстрировал, что это предположение не просто шатко, а смертельно неверно — истина заключалась в том, что экстремальные ценовые колебания случались гораздо чаще, чем следовало из нормального распределения. Задача состояла в том, чтобы разработать более совершенную ценовую модель. Шоу воспринял это как шанс. Его математики были сильнее в моделировании, чем любые другие игроки рынка, но как непосредственные участники рынка имели лучший доступ к данным по ценам, чем математики в университетах. Как и следовало ожидать, команде Шоу удалось создать ценовую модель опционов, и это дало ему преимущество на множественных рынках. Фирма извлекала выгоды из несовпадений в различных деривативных сделках на акции, особенно существенные в Японии¹³. Фирма запустила филиалы по работе с конвертируемыми ценными бумагами — обязательствами с опционом на акции. Она открыла отделение по опционному маркет-мейкингу и вскоре вела в этой сфере бизнеса половину всех сделок.

К 1995 году штат Шоу насчитывал более 200 сотрудников, и никто не оспаривал его достижений. Хотя достижения эти отличались от успехов Medallion. Шоу создал механизм для обнаружения аномалий в ценах на акции, так же как Renaissance — для фьючерсов и чуть позже для акций, и фирма Шоу утверждала, что некоторые их стратегии приносили доход более чем 40 %, вполне сравнимый с Medallion. Хотя команда Шоу не распространяется о деталях, но она не могла вложить столько же капитала в эти золотые алгоритмы, иначе и прибыль была бы гораздо больше. Тем не менее Шоу был больше готов расширять дело. В 1995 году фирма запустила в работу интернет-провайдера Juno Online, а также FarSight — пробный шар в банковских и брокерских операциях онлайн. Помимо усилий, направленных на создание рынков опционов, Шоу вступил в так называемый третий рынок, где котирующиеся ценные бумаги продавались вдали от биржи. В этом бизнесе доминировал гениальный пользователь Сети по имени Берни Мэдофф, и возникшая на горизонте команда Шоу полагала, что ее преимущество в количественном анализе позволит заработать приличные деньги. Но Мэдофф всегда имел в запасе способы наверстать нехватку продвинутого анализа, и специалисты Шоу успеха не достигли.

Готовность Шоу к экспериментам была одновременно его преимуществом и недостатком. Запуская различные проекты, он диверсифицировал риски, и некоторые из начинаний окупались вполне прилично. Но иногда Шоу влезал в уже популярные области, рискуя застрять в толпе трейдеров, когда рынок начинало потряхивать. В 1997 году его фирма организовала альянс с Bank of America, целью которого, помимо прочего, было превратить аномалии в облигации. К сожалению, оказалось, что эта стратегия частично совпадала с арбитражными операциями, практикуемыми LTCM и его имитаторами. В результате D. Е. Shaw пострадала в турбулентности рынка облигаций, которая аккомпанировала коллапсу Long-Term Capital в 1998 году. «На тот момент для Шоу это могло стать концом игры», — скажет позже один из трейдеров фирмы. Компания продала часть своего торгового портфеля, понеся убытки, перекрывшие поступления того года от всех стратегий, вместе взятых. Испытав на себе, насколько стратегии фиксированного дохода на высокой доле заемных средств могут пострадать от кризиса ликвидности, Шоу на несколько лет отошел от арбитражных операций с облигациями, но уже в 2002 году он стал понемногу к ним возвращаться.

ПОКА ШОУ СОЗДАВАЛ СВОЮ СИСТЕМУ, КОЕ-ЧТО назревало в другом неожиданном сегменте этого бизнеса. Пол Тюдор Джонс, «лихой кавбой с дикого Запада» и основатель фонда Robin Hood, инвестировал плоды своих достижений в проект компьютерной торговли. Ранние фазы этих усилий заключались в том, чтобы соответствовать энергии юности, бушующей в Джонсе. Торговые системы носили такие имена, как Madonna и Material Girl, и были грубы со статистической точки зрения, а их результативность едва ли соответствовала их знаменитым тезкам. Но в начале 1990-х стиль Джонса изменился. Он был чрезвычайно публичным человеком, но сбавил обороты. Он был горячим манхэттенским холостяком, но женился и переехал в Гринвич. Его компания тоже повзрослела. Кеды как у Брюса Уиллиса получили отставку, и Тюдор из трейдера-одиночки превратился в холеного основательного работодателя, на которого работали первоклассные менеджеры. Джонс привлек к работе Джеймса Паллотту, финансового аналитика из Бостона, который должен был развить его макроторговлю. Он привлек лондонского волшебника Марка Хеффернана, которого когда-то назвали величайшим независимым трейдером империи Goldman Sachs. Растущие амбиции Тюдора влияли и на его притязания в компьютерной торговле, в особенности после появления в 1995 году Сушила Вадвани.

Вадвани был и одаренным экономистом, и порождением рынка. Он преподавал экономику и статистику в Лондонской школе экономики и был членом Комитета по кредитно-денежной политике Банка Англии. Но он пришел к Тюдору через Goldman Sachs, где стал работать инвестиционным стратегом. В его обязанности в Goldman Sachs входило консультировать собственно банковских трейдеров и их внешних клиентов масштаба Пола Тюдора Джонса. Потолкавшись плечом к плечу с этими игроками, он постиг границы чистого экономического мышления¹⁵. Вопреки представлениям команды современных теоретиков идентификация алогичной ценовой аномалии была только началом мыслительного процесса трейдера. Следующим шагом было идентифицировать спусковой механизм — причину, почему аномалия могла бы выровняться, ведь иначе она осталась бы навсегда такой, как есть. Спусковым механизмом могли стать предстоящие выборы, психологический переломный момент, обозначенный в графиках, или другой фактор, способный изменить поведение крупных институциональных инвесторов. Сознательно или нет, ведущие дискреционные трейдеры действовали по сигналам от этой смеси факторов. Задачей Вадвани у Джонса было создать устройство, которое бы имитировало их напряженный мыслительный процесс.

Система Вадвани использовала внимательные наблюдения Пола Джонса и его экс-коллеги по Goldman Sachs, Марка

Хеффернана. Он начал с создания простой модели: например, система могла купить индекс фондового рынка, если экономические показатели были позитивными, если организации-инвесторы сидели на грудах свободной наличности и если сигналы от рынка опционов говорили о вероятном росте настроений. Затем он наблюдал, как торгуют Джонс и Хеффернан и прощупывал предпосылки их действий. Почему один из них занял определенную позицию в десять утра? Почему он укрепился в ней тремя часами позже? Трейдеры чаще всего принимали во внимание те же факторы, что были заложены в программу Вадвани, только они сочетали их по-другому. Чем больше Вадвани слушал, тем скрупулезней он совершенствовал свою модель¹⁶.

Решение, когда покупать фондовые индексы, валюту или нефтяные фьючерсы, составляло лишь часть работы. Следующей задачей было понять, какого размера позиции открывать. Система краткосрочной торговли, которая так укрепила Medallion Джима Саймонса, тоже столкнулась с этой проблемой, но несколько иначе. Поскольку они работали в краткосрочных рамках, существовал риск повернуть цену против самих себя, если они начинали торговать слишком внезапно и активно. Поэтому им надо было рассчитывать объем ставки, который бы не уничтожил их прибыль. Но Вадвани разрабатывал систему, способную торговать на ликвидных рынках в более длительной перспективе. Он располагал временем развернуть позицию до нужного ему размера без провоцирования цены против себя. Ограничивающим фактором был только риск, на который он собирался пойти. Если он ставил слишком мало — деньги оставались на столе, если слишком много — мог стать банкротом. Понимание, когда пускаться во все тяжкие, а когда потерпеть, всегда было главной составляющей мастерства всех великих трейдеров мира. Разглядеть лучшие возможности и поставить по-крупному — это могло дать больший результат, чем наращивание своих проверенных ставок. Модель Вадвани подходила к этой проблеме, устанавливая определенные трейдерские «показатели Z»: чем больше существовало уверенности в победе и чем выше была ожидаемая прибыль, тем больше система ставила на эту позицию.

По мере продвижения в работе над моделью, Вадвани понимал, что не только размер торговли нуждался в постоянном определении. Необходимо было изменять тип сделок в зависимости от обстановки. В моменты турбулентности животные инстинкты имели большее значение, чем в спокойные времена, поэтому компьютерная система должна была взвешивать настроения рынка опционов более тщательно¹⁷. В то же время, когда экономика вступала в рецессию, каждая следующая негативная новость могла оказывать большее влияние на финансовые рынки, чем предыдущая. В хорошие времена низкий уровень занятости мог ударить по акциям лишь слегка, но во времена спада все проявлялось гораздо сильнее. По существу, серьезные усилия по компьютерному инвестированию нужно было основывать не на одной программе. В стабильные времена арбитражный стиль LTCM хорошо окупался: нужна была программа, ставящая на исчезновение ценовых аномалий. Во времена нестабильности арбитражная схема представлялась опасной: нужна была программа следования за трендом. Вадвани понял, что в идеале нужно разработать пути автоматического переключения между этими системами.

Вадвани ушел от Тюдора в Банк Англии в 1999 году, до того как у него появилось время выстроить свое видение. Первая версия его программы — система следования за трендом под именем Techno-Fundamentals — успешно зарабатывала деньги с конца 1997 года, но задача по созданию системы, переключающей программы в соответствии с состоянием рынка, оставалась невыполненной. Вадвани вернулся к разработкам в 2002 году, когда основал собственный хеджевый фонд Wadhwani Asset Management в Лондоне, а тем временем программная торговля Джонса продолжала развиваться. К 2008 году на компьютеризированной программе торговли фирмы Пола Джонса уже работало более 50 человек. Их алгоритмы приносили более 3 миллиардов долларов при общем капитале Тюдора в 17 миллиардов¹⁸.

Рок-н-ролльщик в кедах от Брюса Уиллиса пережил серьезную трансформацию.

И все же, как и у D. Е. Shaw, достижения имели свои границы. Созданные Тюдором системы не были оригинальны, как программы, разработанные командой Джеймса Саймонса в Renaissance Technologies. Тот факт, что система Тюдора была разработана экономистом из Goldman Sachs и частично основана на инстинктах трейдера из Goldman Sachs, объяснял многое: как бы гениальны ни были Вадвани и Хеффернан, они происходили из сердца экономического истеблишмента и другие представители этой среды вполне могли использовать похожие стратегии. Горстка фирм перетягивала горстку именитых экспертов. Каждая смена работодателя сводила к минимуму вероятность, что какая-то компания создаст уникальную систему.

Тем временем Саймонс шел своей дорогой. Он нанимал серьезных ученых и математиков, а не любимых Шоу молодых аналитиков и уж точно не ветеранов Уолл-стрит¹⁹. Он ограничил перекрестные контакты с конкурентами, расположив компанию на Лонг-Айленде, далеко от Нью-Йорка, Гринвича и Лондона. Он не использовал идеи, исходящие от академических финансистов. Какое-то время факультет в Ист-Ситокете перелопачивал академические финансовые издания и проводил еженедельные обсуждения последних статей, но вскоре отказался от этого занятия, как от не приносящего никаких плодов. Исследователи в Renaissance разработали системы, соответствующие им по классу. «Одного взгляда на них было достаточно, чтобы понять, что есть боги бизнеса, а есть простые смертные, как я» — слова Вадвани отражали мнение всей индустрии²⁰.

В 1993 ГОДУ САЙМОНС СДЕЛАЛ ДВА ВАЖНЫХ ВЛОЖЕния в свой мозговой трест — он пригласил Питера Брауна и Роберта Мерсера. Они пришли из исследовательского центра IBM, и на протяжении следующих лет своими успехами Medallion во многом был обязан именно им. К ним же перешли бразды правления фондом, когда Саймонс решил уйти в отставку. Они прекрасно друг друга дополняли. Браун фонтанировал энергией: он спал по пять часов, страстно откликался на любое обсуждение дня и какое-то время разъезжал по офису на уницикле. Мерсер был спокойной составляющей дуэта: он был невозмутимым, как игрок в покер, и никогда не страдал ночными кошмарами, босс в IBM шутливо называл его роботом. До устройства в Renaissance Браун и Мерсер немного занимались криптографией, но их истинные достижения лежали в другой сфере. Они открыли схожую область — компьютеризированный перевод.

До момента когда Браун и Мерсер решили заняться переводом, в этой области доминировали программисты, которые на самом деле владели каким-либо иностранным языком. Применяемый ими подход состоял в том, чтобы понять суть языка, разобраться в грамматике и синтаксисе и научить компьютер, что la fllle значит «девочка», a les filles — это множественное число, почти как научить школьника. Но метод Брауна и Мерсера был другим. Они не знали французского, и они не были готовы пробираться через грамматику или синтаксис. Вместо этого они раздобыли записи канадского парламента, где были тысячи страниц парных отрывков на английском и французском. Они скормили материал компьютеру IBM и поставили задачу найти соответствия.

В отличие от результатов Брауна и Мерсера, достигнутых позже в Renaissance, их эксперимент в IBM был опубликован²¹. Процесс начался с чистки данных: так же как финансовые архивы по ценам должны были проверяться на «плохие связки», то есть места, где цена заявлялась на отметке 16 долларов вместо 61, так и запись из канадского парламента могла содержать опечатки, способные запутать переводческую программу. Следующим шагом компьютер начал сканировать данные на повторяемость шаблонов. Все, что знал компьютер вначале, было то, что любое английское слово могло быть переведено любым из 58 тысяч французских слов в данном образце, но как только компьютер проходил через парные отрывки, он обнаруживал, что большинство английских слов встречались лишь в некоторых из них. Тут же 99 % неопределенности исчезало. Далее компьютер приступал к серии более изощренных сравнений. Например, он предполагал, что английское слово скорее всего будет соответствовать французскому, если они встречаются в предложении на одном о том же месте. К этому моменту начали формироваться явные пары слов, такие как «lait — молоко» и «pourquoi — почему». Но другие корреляции были менее заметны. Чтобы их рассмотреть, нужно было проходить по данным снова и снова, каждый раз немного изменяя алгоритмы. Только так можно было различить такие едва заметные пары, как «marque d’un asterisque — отмеченный звездой» и неуловимые «qui s’est fait bousculer — потрепанный в бою», рассказывали Браун и Мерсер.

У дешифровщиков в Институте оборонного анализа этот метод удивления бы не вызвал²². Действительно, Браун и Мерсер использовали инструмент, называемый «алгоритм максимизации ожиданий» и цитировали его создателя, Леонарда Баума — того самого Баума, который работал на институт и позже на Саймонса²³. И хотя идея «статистического машинного перевода» казалась вполне естественной дешифровщикам, создателями традиционных переводческих программ она была встречена в штыки. Один обозреватель язвил, что «грубая сила компьютеров не есть наука», а когда выпуск газеты был представлен на собрании экспертов перевода, один из них вспоминал: «Мы были ошарашены… Люди качали головами и отпускали смешки недоверия или даже враждебности». — «Где же лингвистическая интуиция?» — интересовалась аудитория. Ответом было: «В том то и дело. Ее нет». Фред Желинек, один из менеджеров IBM, который следил за Брауном и Мерсером, подсыпал соли на рану. «С каждым уволенным лингвистом моя система начинает работать лучше», — говорил он скептикам²⁴.

К тому времени когда Браун и Мерсер ушли в Renaissance, скептики начали капитулировать. Разобравшись с канадскими парламентскими отчетами, программа команды IBM могла переводить и другие материалы. Если вы давали ей статью из французской газеты, программа пробегала по своей парламентской базе, находя соответствия с расшифрованным материалом. Результаты на голову превосходили конкурирующие переводческие системы, и через несколько лет появление статистического машинного перевода праздновалось среди специалистов по компьютерным разработкам как нечто сродни интеллектуальной революции²⁵. Канадская политическая риторика оказалась более полезной, чем могли предположить. Браун и Мерсер преподали миру очередной урок на тему искусственного интеллекта.

Урок касался разницы между человеческими существами и компьютерами. Ранние переводческие программы пытались научить компьютер словарному запасу и грамматике, потому что именно так учатся люди. Но компьютерам больше соответствует другой подход: они могут научиться переводить с английского на французский, не отвлекаясь на правила каждого из языков. Компьютерам не нужно понимать спряжение глаголов или окончания прилагательных прежде, чем они примутся за гору политических речей; они предпочитают сначала получить тексты, затем применить к ним свой код, алгоритм за алгоритмом. Также компьютерам ничего не стоит держать в памяти миллионы предложений, они могут учить язык кусками, не мучаясь с грамматическими правилами, используемыми студентами-людьми для запоминания. Например, компьютер может запомнить английский перевод для фраз la fllle est intelligente и les filles sont intelligentes и дюжину подобных, но ему необязательно понимать, что filles — это множественное число filles, a est и sont — разные формы глагола etre и т. д.²⁶ В противовес хмыканью критиков в адрес команды IBM грубая сила компьютерной памяти могла, по сути, стать заменой человеческому представлению об уме и науке. Кроме того, компьютеры склонны работать лучше, когда они не пытаются достичь результатов человеческим путем.

Как это могло помочь работе Medallion? Вероятно, никак. И опять же причины потрясающей успешности фонда остаются секретом. Очевидно лишь, что подход Брауна и Мерсера к программированию фундаментально отличался от того, что по этому поводу думали разработчики программ других хедж-фондов. Например, у Тюдора Сушил Вадвани натаскивал компьютер подходить к рынкам, как это делали бы трейдеры-люди. Браун и Мерсер, напротив, сами тренировались подходить к проблеме, как это делали бы компьютеры. В компании D. Е. Shaw часто начинали с теорий о рынке, которые потом тестировались на данных. Браун и Мерсер, наоборот, сначала снабжали компьютер данными и ждали от него ответов. Подход D. Е. Shaw напоминает работу программистов, которые учили компьютеры французской грамматике. Подход Брауна и Мерсера напоминает работу дешифровщиков, которые не обязаны начинать с учебника грамматики. Загруженные бессвязными на первый взгляд данными и лишенные каких бы то ни было подсказок, они упорно просеивали материал в поисках повторений, используя мощь компьютеров в охоте на призраков, невидимых человеческим глазом.

У многочисленных конкурентов Renaissance есть свои причины отказаться от погони за призраками. Компьютер может отобрать фальшивые призраки, существующие только по воле случая и соответственно не имеющие никакой ценности для прогноза. Эрик Вепсик, ведущий авторитет по статистике в D. Е. Shaw, приводит пример из Суперкубка: раньше говорили, что, если выигрывала команда из Национальной футбольной лиги, рынок начинал расти. С точки зрения статистики такая взаимосвязь может существовать, но с точки зрения здравого смысла это простое совпадение. Из-за угрозы случайных корреляций, маскирующихся под смысловые сигналы, Вепсик высказал мысль, что торговать по статистическим показателям может быть опасно, если только это не подкреплено интуицией. В 1990-х, например, система D. Е. Shaw начала находить странные корреляции между несвязанными ранее акциями — кабельные компании, медиакомпании и фирмы, торгующие потребительской электроникой, казалось, все начали реагировать на какую-то новую необъяснимую силу. Основываясь только на этом наблюдении, команда Шоу была готова отклонить корреляции как статистическую случайность. Но как только фирма поняла, что совпадения основывались на интуиции — отражали технологическую эйфорию, охватившую все названные индустрии, — они сразу приобрели товарную ценность²⁷. Более того, основанные на интуиции сигналы имели дальнейшее преимущество: если вы понимали, почему они работают, возможно, вы могли понять, почему они перестают работать, и имели больше шансов перестать торговать ими до того, как они выйдут за рамки полезных. Короче говоря, Вепсик утверждал, что простой поиск шаблонов — это лишь малая часть того, что делают D.E.Shaw, даже если фирма делает лишь часть этого.

И вновь это контрастирует с Renaissance. В то время как D. Е. Shaw выросли из статистического арбитража с акциями, уходя сильными корнями в фундаментальную интуицию, Renaissance выросли из технического товарного трейдинга, традиционно рассматривающего данные по ценам как преобладающие²⁸. В то время как D. Е. Shaw нанимали молодых специалистов по биржевому анализу всех мастей, важные годы старта Renaissance были большей частью сформированы авторитетными криптографами и программистами переводческих систем — экспертами, специализирующимися в различении истинных и ложных призраков. Роберт Мерсер, как и Вепсик, был озабочен ложными корреляциями. «Если кто-то выдвинет теорию о влиянии на рынок фаз Венеры, мы потребуем серьезных подтверждений», — говорил он, и добавлял, что «некоторые сигналы, не основанные на интуиции, действительно работают». Действительно, именно неинтуитивные сигналы зачастую приносили Renaissance большую прибыль. «Сигналы, с помощью которых мы торговали без перерыва на протяжении пятнадцати лет, не имеют смысла, — объясняет Мерсер, — в противном случае их обнаружил бы кто-то еще»²⁹.

К КОНЦУ 2000-Х ИССЛЕДОВАТЕЛЬСКИЕ УСИЛИЯ Renaissance переросли арендованные на Лонг-Айленде площади в здании высокотехнологичного инкубатора. Саймонс перевел факультет в кампус со спортивным залом, освещенными теннисными кортами, прудом с золотыми рыбками и огромным застекленным потолком в холле, заливающим солнечным светом лестницу, отделанную сланцем. Место напоминало эксклюзивный центр научных исследований — удобный, сдержанный, идеально чистый, — а на одной из дверей антисептического коридора кто-то прикрепил статью под заголовком «Почему большинство опубликованных исследовательских находок ложны». Комнаты без окон, заставленные компьютерными серверами, охранялись сложными системами ключей, но самой поразительной чертой центра была его открытость. Там, где другие хедж-фонды возводили и укрепляли внутреннюю китайскую стену, строго дозируя доступ сотрудников к информации в попытке защитить секреты, атмосфера в Renaissance была совершенной другой. Ученые свободно бродили по коридорам, оглядываясь только из страха столкнуться с Питером Брауном, гоняющим на своем уницикле: на сложных поворотах были даже установлены зеркала, чтобы вовремя заметить приближающегося Брауна.

Саймонс страстно верил в атмосферу открытости. Как и в Институте оборонного анализа, деятельность его компании была закрыта для чужаков, чтобы сохранить секретность, но открыта для своих, чтобы поощрять командную работу. По вторникам с утра в кампусе Renaissance весь факультет в составе приблизительно девяноста докторов наук собирался вместе для так называемого Большого Собрания. Каждое улучшение трейдинговой программы Medallion начиналось с презентации на одном из таких собраний. Исследователь объяснял свою идею, дополняя рассказ симуляциями того, как она может слиться с другими работающими в системе сигналами, затем отвечал на вопросы. Один коллега мог поинтересоваться, как предлагаемый сигнал будет работать во время кризиса, как, например, кризис LTCM, другой — как он покажет себя в периоды низкой волатильности. В течение нескольких дней после Большого Собрания ученые могли свободно заходить в кабинет человека, выдвинувшего предложение, и задавать ему возникшие вопросы. В конце этого периода организовывалось Малое Собрание. Теперь встречались только те ученые, у кого еще остались вопросы, и Браун с Мерсером решали, давать ли идее зеленый свет. Затем происходила финальная проверка. Генри Лауфер, ветеран охоты за призраками с 1980 года, сохранил титул ведущего специалиста и право вето.

Саймонс разработал компенсаторную систему для усиления культуры командной работы. Зарплата исследователей зависела от доходов фирмы, а не от узких результатов какого-то одного подразделения. Принцип сотрудничества был также вписан в инфраструктуру технологии. В IBM Браун и Мерсер создали систему, над которой одновременно могло работать большое количество программистов, и они повторили этот трюк в Renaissance. Для выражения новой идеи исследователь мог даже использовать внутренний язык программирования — в компьютерной работе, как и в повседневной речи, неологизмы очень полезны³⁰. В архитектуру научного сотрудничества вливались тонны данных, производимых современным обществом. Чем глобальнее становился мир финансов, тем больше статистики от иностранных рынков вливалось в систему. Чем больше бизнес становился цифровым, тем больше новых данных становились общедоступными — интернет-продажи, привычка бродить по Интернету и т. д. Компьютеризация финансов закрутила ураган информации. В прежние времена можно было отследить цену акции, сделка за сделкой. Теперь стало возможным увидеть каждую заявку и предложение по каждой акции, включая те, что не реализовались. Чем шире становились возможности, тем сложнее их было охватить умом. Но взаимное сотрудничество в Renaissance могло справиться с этой трудностью и использовать ее для процветания.

С другой стороны, практика командной работы, популярная в компании, заключала определенный риск. Подразумевалось, что ни один член команды не уйдет, прихватив секреты фирмы, и тем самым не создаст конкуренции. Как в романе Джона Гришэма «Фирма» в Renaissance тщательно продумывали вопросы внутренней лояльности. На собеседованиях соискателей информировали, что если они вступят в ряды компании, то в финансовой индустрии не смогут работать больше ни на кого. Фирма, как правило, не нанимала людей с Уолл-стрит отчасти оттого, что любой, кто раз сменил команду, может сделать это снова. Для усиления соглашений об отказе от конкуренции и неразглашении, которое подписывали исследователи, они были обязаны вкладывать пятую часть своего дохода в Medallion Fund, и в случае увольнения деньги запирались там, как своеобразный залог на четыре года. Также помогал тот факт, что фирма располагалась в тихом городке Ист-Сетокете, в милях от конкурентов. Как только сотрудник определял своих детей в местную школу, он уже не хотел никуда уходить.

Тем не менее в 2003 году схема дала сбой. В своем стремлении нанимать лучшие умы планеты Renaissance обнаружили одно из достижений бывшего Советского Союза: государство собирало самых умных детей из пятнадцати республик и перевозило их в Институт физики и высоких технологий в Москве. Там, разлученные со своими семьями, вундеркинды проходили интенсивную подготовку, и те, кто выжил в этой жесткой атмосфере, после распада Союза оказались востребованными во всем мире. В Renaissance наняли одного такого русского. А он порекомендовал еще одного, и довольно скоро центр в Ист-Сетокете имел внушительное русское собрание. Но лидеры компании никогда не задумывались о поведенческих последствиях советского воспитания. Дети, взрослевшие в рушащейся политической системе, были склонны считать власть продажной, а единственной задачей человека — заботиться только о себе. Дети, разлученные с родителями, имели еще больше шансов вырасти неисправимыми индивидуалистами. И конечно, проработав в Renaissance достаточно долго, чтобы постичь их секреты, двое русских исследователей выдвинули Саймонсу ультиматум. Они воспротивились соглашению об отказе от конкуренции и затребовали повышения зарплаты. При отказе Саймонса они грозили, что уволятся и примкнут к соперникам³¹.

Шантажа Саймонс не потерпел, и русские ушли в другой хедж-фонд. С первого взгляда это была катастрофа. Благодаря открытой структуре Renaissance русские хорошо разобрались в принципах работы системы. Если бы они начали торговлю на сигналах Renaissance, то легко перетянули бы часть их прибыли. Это как если бы пираты производили клон самого продаваемого патентованного средства фармацевтической компании. Финансовые инновации не защищены патентами так, как защищены медицинские, поэтому было непонятно, сработают ли для Саймонса механизмы законной защиты. Тем более примечательно, что работа Medallion по-прежнему заставляла конкурентов глотать пыль. Подобно пьющим яд и остающимся в живых фокусникам, Саймонс стал еще более загадочной фигурой, чем прежде.

Как это было возможно? Частично ответ можно найти у адвокатов Саймонса: подав в суд на русских и их нового работодателя, Саймонс мог удержать их от запуска конкурирующей схемы на полную мощь, а в 2006 году было принято соглашение о том, что русские оставят торговлю³². Но адвокаты — это не все, ведь русским удалось использовать систему на протяжении двух-трех лет, но именно в эти годы дела у Medallion шли особенно хорошо, даже если предположить, что они могли идти еще лучше, не случись этой кражи интеллектуальной собственности. Урок состоял в том, что инфраструктура Renaissance важна не меньше исследований, которые постоянно продвигаются. Огромное количество денег и времени требуется для того, чтобы установить систему, ежедневно впитывающую триллионы байт информации, делающую эту информацию удобоваримой для исследователей и превращающую результаты исследований в сотни тысяч автоматических сделок, совершающихся без сучка и задоринки на рынках от Испании до Сингапура³³. И пока русские пытались создать хотя бы вполовину сравнимую платформу, собрание умов Renaissance продвигалось дальше. Каждый вторник в Ист-Сетокете начинался очередным Большим Собранием и новым набором свежих идей. Русские изо всех сил старались поспеть за стремительно несущейся целью.

ДЖЕЙМС САЙМОНС ОКАЗАЛ ПАРАДОКСАЛЬНОЕ влияние на всю индустрию хеджевых фондов. Medallion Fund был своеобразной машиной «Формулы I», созданной одной из автомобилестроительных компаний. У большинства клиентов не было шанса даже посидеть внутри, но существование машины, от которой текли слюнки, воодушевляло их на покупку обыкновенных средств передвижения. Фонд, торгующий на краткосрочных сигналах, не может позволить себе быть слишком большим, ведь факторы ликвидности и ограниченности во времени не дают ему ставить слишком много на каждую из сделок. Поэтому в 1993 году Medallion закрылся для внешних инвесторов, а к началу 2000-х около 6 миллиардов долларов, размещенных в фонде, почти полностью принадлежали сотрудникам³⁴. Но само существование Medallion создало ореол, распространявшийся на всю индустрию, компенсируя удар, который был нанесен коллапсом Long-Term Capital репутации торговли методом черного ящика.

После каждого появления фотографии Саймонса на обложке финансового журнала новый поток денег от организаций вливался в системы количественной торговли. Сам Саймонс капитализировал этот феномен. В 2005 году он запустил новое предприятие Renaissance Institutional Equities Fund, который должен был вобрать в себя бросающиеся в глаза 100 миллиардов долларов институциональных накоплений. Единственным способом управления таким огромным объемом было открытие нового отделения, где стратегии краткосрочной торговли уступили более ликвидным, долгосрочным. И поскольку выделение чистых шаблонов лучше работает для краткосрочных торгов, следовательно, Саймонс предлагал фонд, работающий на других формах сигналов, которые, возможно, уже были разведаны D. Е. Shaw и другими конкурентами. К лету 2007 года прибыль нового детища Саймонса составила 25 миллиардов долларов, сделав его одним из крупнейших хедж-фондов в мире. Но потом разразился финансовый кризис. Его последствия ощутили почти все, включая Саймонса.