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.