The mathematician who cracked Wall Street | Jim Simons

Fordító: Maria Ruzsane Cseresnyes Lektor: Péter Pallós

Chris Anderson: You were something of a mathematical phenom.

Chris Anderson: Üstökösnek számítottál a matematikában.

You had already taught at Harvard and MIT at a young age.

Már egészen fiatalon tanítottál a Harvardon és az MIT-n.

And then the NSA came calling.

Azután a Nemzetbiztonsági Ügynökség, az NSA hívott.

What was that about?

Hogyan is volt ez?

Jim Simons: Well the NSA -- that's the National Security Agency --

Jim Simons: Szóval az NSA , vagyis a Nemzetbiztonsági Ügynökség —

they didn't exactly come calling.

nem pontosan az történt, hogy hívtak.

They had an operation at Princeton, where they hired mathematicians

Volt egy részlegük Princetonban, amibe kerestek matematikusokat:

to attack secret codes and stuff like that.

titkos kódok feltörésére meg hasonlókra.

And I knew that existed.

Hallottam róla.

And they had a very good policy,

Nagyon vonzó feltételeket kínáltak,

because you could do half your time at your own mathematics,

mert a munkaidő felében mindenki csinálhatta a maga matematikáját,

and at least half your time working on their stuff.

de az időnek legalább a felét az ő témájukra kellett fordítani.

And they paid a lot.

És sokat fizettek.

So that was an irresistible pull.

Tehát csábító volt.

So, I went there.

Mentem hát.

CA: You were a code-cracker.

CA: Tehát kódfejtő lettél.

JS: I was.

JS: Igen.

CA: Until you got fired.

CA: Amíg el nem bocsájtottak.

JS: Well, I did get fired. Yes.

JS: Igen, elbocsájtottak.

CA: How come?

CA: Hogyan történt?

JS: Well, how come?

JS: Hogy hogyan történt?

I got fired because, well, the Vietnam War was on,

Elküldtek, mert akkor volt a vietnami háború,

and the boss of bosses in my organization was a big fan of the war

és a szervezet nagyfőnöke lelkes híve volt a háborúnak.

and wrote a New York Times article, a magazine section cover story,

Írt egy cikket a New York Timesba, címlapcikk volt a vasárnapi mellékletben

about how we would win in Vietnam.

arról, hogyan fogunk győzni Vietnamban.

And I didn't like that war, I thought it was stupid.

Én nem szerettem azt a háborút, hülyeségnek tartottam.

And I wrote a letter to the Times, which they published,

Írtam egy levelet a Timesnak, amit ők le is közöltek,

saying not everyone who works for Maxwell Taylor,

arról, hogy nem mindenki, aki Maxwell Taylornak dolgozik,

if anyone remembers that name, agrees with his views.

— ha még mond ez a név valamit — ért vele egyet ebben.

And I gave my own views ...

És kifejtettem a magam nézeteit...

CA: Oh, OK. I can see that would --

CA: Aha, látom már, ez...

JS: ... which were different from General Taylor's.

JS: ... nem egyezett Taylor tábornokéval.

But in the end, nobody said anything.

De végül senki nem szólt semmit.

But then, I was 29 years old at this time, and some kid came around

Akkor — 29 éves voltam — valami srác megkeresett,

and said he was a stringer from Newsweek magazine

azt mondta, a Newsweektől van, szeretne interjút csinálni velem,

and he wanted to interview me and ask what I was doing about my views.

és megkérdezné tőlem, hogy mit akarok kezdeni a nézeteimmel.

And I told him, "I'm doing mostly mathematics now,

Mondtam neki, hogy jelenleg többnyire matematikával foglalkozom,

and when the war is over, then I'll do mostly their stuff."

és ha vége lesz a háborúnak, akkor leginkább nekik fogok dolgozni.

Aztán az egyetlen értelmes dolgot tettem, amit aznap tehettem,

Then I did the only intelligent thing I'd done that day --

I told my local boss that I gave that interview.

megmondtam a közvetlen főnökömnek, hogy adtam ezt az interjút.

Errre megkérdezte, hogy mit mondtam.

And he said, "What'd you say?"

And I told him what I said.

Én meg elmondtam neki.

And then he said, "I've got to call Taylor."

Azt válaszolta, hogy fel kell hívja Taylort.

He called Taylor; that took 10 minutes.

Felhívta, ez 10 percig tartott.

I was fired five minutes after that.

Öt percre rá ki voltam rúgva.

CA: OK.

CA: Értem.

JS: But it wasn't bad.

JS: Nem bántam.

CA: It wasn't bad, because you went on to Stony Brook

CA: Nem bántad, mert folytattad Stony Brookban

and stepped up your mathematical career.

és ezzel felgyorsult a matematikai karriered.

You started working with this man here.

Vele kezdtél dolgozni.

Who is this?

Ő kicsoda?

JS: Oh, [Shiing-Shen] Chern.

JS: Shiing-Shen Chern.

Chern was one of the great mathematicians of the century.

Chern volt a század nagy matematikusainak egyike.

I had known him when I was a graduate student at Berkeley.

Még a Berkeley-ről ismertem, végzős koromból.

And I had some ideas,

Volt néhány ötletem,

and I brought them to him and he liked them.

elmondtam neki, és tetszettek.

Together, we did this work which you can easily see up there.

Együtt csináltuk ezt a munkát, ami jól látható itt fenn.

There it is.

Itt van.

CA: It led to you publishing a famous paper together.

CA: Ez elvezetett oda, hogy együtt publikáltatok egy nevezetes cikket.

Can you explain at all what that work was?

El tudod egyáltalán magyarázni, hogy mi volt ez a munka?

JS: No.

Nem.

(Laughter)

(Nevetés)

JS: I mean, I could explain it to somebody.

JS: Úgy értem, van, akinek el tudnám.

(Laughter)

(Nevetés)

CA: Szóval, mi van ezzel a magyarázattal?

CA: How about explaining this?

JS: But not many. Not many people.

JS: De nem sok embernek. Nem soknak.

CA: I think you told me it had something to do with spheres,

CA: Azt hiszem, valami gömbhéjakról volt szó,

so let's start here.

kezdjük hát innen.

JS: Well, it did, but I'll say about that work --

JS: Igen, de most arról a munkáról fogok beszélni —

it did have something to do with that, but before we get to that --

igen, azzal kapcsolatos volt, de mielőtt rátérnénk —

that work was good mathematics.

az a munka jó matematika volt.

I was very happy with it; so was Chern.

Nagyon elégedett voltam vele, akárcsak Chern.

It even started a little sub-field that's now flourishing.

Még egy új kutatási részterületet is elindított, ami ma virágzik.

But, more interestingly, it happened to apply to physics,

De ami még érdekesebb, hogy történetesen van fizikai alkalmazása,

something we knew nothing about -- at least I knew nothing about physics,

amiről semmit nem tudtunk, én legalábbis nem értek a fizikához, és nem hiszem,

and I don't think Chern knew a heck of a lot.

hogy Chern is valami fene sokat értett hozzá.

And about 10 years after the paper came out,

És kb. 10 évvel a cikk megjelenése után

a guy named Ed Witten in Princeton started applying it to string theory

egy pasas Princetonból, Ed Witten, alkalmazni kezdte a húrelméletben,

and people in Russia started applying it to what's called "condensed matter."

Oroszországban pedig a kondenzált anyagokra.

Today, those things in there called Chern-Simons invariants

Ma ezt úgy nevezik itt, hogy Chern-Simons invariánsok,

have spread through a lot of physics.

és a fizika számos területén elterjedt.

And it was amazing.

Ez bámulatos volt.

We didn't know any physics.

Nem értettünk a fizikához.

It never occurred to me that it would be applied to physics.

Sosem merült fel bennem, hogy lenne fizikai alkalmazása.

But that's the thing about mathematics -- you never know where it's going to go.

De hát a matematika már csak ilyen, sosem tudni, mi mire lesz jó.

CA: This is so incredible.

CA: Ez olyan hihetetlen.

So, we've been talking about how evolution shapes human minds

Az imént arról beszélgettünk, hogy az evolúció miként alakítja az emberi elmét,

that may or may not perceive the truth.

amely képes vagy nem képes felfogni az igazságot.

Somehow, you come up with a mathematical theory,

Hogy, hogy nem, előjössz egy matematikai elmélettel,

not knowing any physics,

anélkül, hogy értenél a fizikához,

discover two decades later that it's being applied

majd két évtizeddel később azt látod,

to profoundly describe the actual physical world.

a valós fizikai világ lényegi leírására használják.

How can that happen?

Hogyan lehetséges ez?

JS: God knows.

JS: Isten tudja.

(Laughter)

(Nevetés)

But there's a famous physicist named [Eugene] Wigner,

De egy neves fizikus, Wigner Jenő, írt egy tanulmányt

and he wrote an essay on the unreasonable effectiveness of mathematics.

"A matematika ésszerűtlen hatékonysága a természettudományokban" címmel.

Somehow, this mathematics, which is rooted in the real world

A matematika, amely bizonyos értelemben a valós világból nőtt ki:

in some sense -- we learn to count, measure, everyone would do that --

megtanulunk számolni, mérni, ezt tud mindenki —

and then it flourishes on its own.

önálló életet kezd.

But so often it comes back to save the day.

De gyakran azután visszatér, és valamire az adja a megoldást.

General relativity is an example.

Példa rá az általános relativitáselmélet.

[Hermann] Minkowski had this geometry, and Einstein realized,

fHermann] Minkowskié volt a geometria, és Einstein rájött,

"Hey! It's the very thing in which I can cast general relativity."

"Ó, ez remek, erre építhetek az általános relativitáselméletben."

So, you never know. It is a mystery.

Tehát sosem lehet tudni. Olyan titokzatos.

It is a mystery.

Valóban az.

CA: So, here's a mathematical piece of ingenuity.

CA: Tehát itt van valami zseniális matematikai eredmény.

Tell us about this.

Beszélj nekünk erről.

JS: Well, that's a ball -- it's a sphere, and it has a lattice around it --

JS: Ez egy golyó. Egy gömbhéj, és körülveszi egy rács —

you know, those squares.

ott, azok a négyzetek.

What I'm going to show here was originally observed by [Leonhard] Euler,

Amit most mutatok, azt eredetileg [Leonhard] Euler vette észre,

the great mathematician, in the 1700s.

az 1700-as évek nagy matematikusa.

And it gradually grew to be a very important field in mathematics:

Ez lassanként a matematika egyik nagyon fontos részterületévé nőtte ki magát:

algebraic topology, geometry.

algebrai topológia, geometria.

That paper up there had its roots in this.

Ez a cikk erre vezethető vissza.

So, here's this thing:

Itt van ez a valami:

it has eight vertices, 12 edges, six faces.

van 8 csúcsa, 12 éle, 6 lapja .

And if you look at the difference -- vertices minus edges plus faces --

Ha nézzük ezt a különbséget: csúcsok mínusz élek plusz lapok

you get two.

akkor az eredmény kettő.

OK, well, two. That's a good number.

Tehát kettő. Szép szám.

Here's a different way of doing it -- these are triangles covering --

Most másképp csináljuk, háromszögekkel fedjük le:

this has 12 vertices and 30 edges

van 12 csúcs, 30 él

and 20 faces, 20 tiles.

és 20 lap, 20 csempe.

And vertices minus edges plus faces still equals two.

A csúcsok mínusz élek plusz lapok továbbra is 2 lesz.

And in fact, you could do this any which way --

És valóban, akárhogyan is csinálhatjuk,

cover this thing with all kinds of polygons and triangles

lefedjük ezt a valamit bármilyen sokszögekkel, háromszögekkel

and mix them up.

akár vegyesen.

And you take vertices minus edges plus faces -- you'll get two.

És ha vesszük a csúcsok - élek + lapok számát, kettőt kapunk.

Here's a different shape.

Itt van egy másmilyen alakzat.

This is a torus, or the surface of a doughnut: 16 vertices

Ez egy tórusz, vagy egy úszógumi felszíne: 16 csúcs,

covered by these rectangles, 32 edges, 16 faces.

ezekkel a téglalapokkal lefedve: 32 él, 16 lap.

Vertices minus edges comes out to be zero.

Csúcsok mínusz élek plusz lapok nullára jön ki.

It'll always come out to zero.

Mindig nulla jön ki.

Every time you cover a torus with squares or triangles

Ha egy tóruszt bárhogyan is lefedünk téglalapokkal, háromszögekkel,

or anything like that, you're going to get zero.

vagy bármi hasonlóval, akkor nullát fogunk kapni.

So, this is called the Euler characteristic.

Ezt nevezik Euler-karakterisztikának.

And it's what's called a topological invariant.

És ezt úgy mondják: topológiai invariáns.

It's pretty amazing.

Igen meglepő.

No matter how you do it, you're always get the same answer.

Mindegy, hogyan csináljuk, mindig ugyanaz lesz a válasz.

So that was the first sort of thrust, from the mid-1700s,

Ez volt az első lökés az 1700-as évekből

into a subject which is now called algebraic topology.

egy olyan terület felé, amelyet ma algebrai topológiának neveznek.

CA: And your own work took an idea like this and moved it

CA: Az volt az eredményed, hogy fogtál egy gondolatot.

into higher-dimensional theory,

és áttetted magasabb dimenzióba,

higher-dimensional objects, and found new invariances?

magasabb dimenziós objektumokra találtál új invariánsokat?

JS: Yes. Well, there were already higher-dimensional invariants:

JS: Igen. Voltak már tulajdonképpen magasabb dimenziós invariánsok:

Pontryagin classes -- actually, there were Chern classes.

Pontrjagin-osztályok, és itt voltak a Chern-osztályok.

There were a bunch of these types of invariants.

Volt egy csomó ilyen típusú invariáns.

I was struggling to work on one of them

Sokat kínlódtam az egyikkel,

and model it sort of combinatorially,

hogy kombinatorikai módon modellezzem

instead of the way it was typically done,

a szokásos megközelítés helyett.

and that led to this work and we uncovered some new things.

Ez vezetett ehhez a munkához, és felfedeztünk néhány új dolgot.

But if it wasn't for Mr. Euler --

De ha Euler nem lett volna,

who wrote almost 70 volumes of mathematics

aki majdnem 70 kötetnyi matematikát írt,

and had 13 children,

és 13 gyereke volt,

who he apparently would dandle on his knee while he was writing --

nyilvánvalóan úgy dolgozott, hogy közben a térdén gyereket ringatott,

if it wasn't for Mr. Euler, there wouldn't perhaps be these invariants.

szóval, Euler nélkül talán nem lennének ezek az invariánsok.

CA: OK, so that's at least given us a flavor of that amazing mind in there.

CA: Legalább kaptunk itt valami ízelítőt erről a csodálatos elméről.

Let's talk about Renaissance.

Beszéljünk a Renaissance Technologiesről.

Because you took that amazing mind and having been a code-cracker at the NSA,

Mert hogy azzal az okos fejeddel, amivel a NSA-nál a kódot törted,

you started to become a code-cracker in the financial industry.

a pénzügyi ágazatban kezdtél kódfejtéssel foglalkozni.

I think you probably didn't buy efficient market theory.

Gondolom, nem pénzért vetted a hatékony piacok elméletét.

Somehow you found a way of creating astonishing returns over two decades.

Valahogy rájöttél, miként lehet két évtized alatt bámulatos hozamokat elérni.

The way it's been explained to me,

Nekem úgy mondták,

what's remarkable about what you did wasn't just the size of the returns,

nemcsak a hozam mértéke volt figyelemre méltó,

it's that you took them with surprisingly low volatility and risk,

hanem, hogy meglepően alacsony árfolyam-ingadozással s kockázattal tetted

compared with other hedge funds.

más fedezeti alapokhoz képest.

So how on earth did you do this, Jim?

Hogy a csudában csináltad ezt, Jim?

JS: I did it by assembling a wonderful group of people.

JS: Összeszedtem egy csodálatos csapatot.

When I started doing trading, I had gotten a little tired of mathematics.

Amikor elkezdtem kereskedni, már egy kicsit elegem volt a matematikából.

I was in my late 30s, I had a little money.

Harmincas éveim végén jártam, volt egy kis pénzem.

I started trading and it went very well.

Elkezdtem kereskedni, és nagyon jól ment.

I made quite a lot of money with pure luck.

Elég sok pénzt kerestem puszta szerencsével.

I mean, I think it was pure luck.

Azt hiszem, csak a szerencsének köszönhetem.

It certainly wasn't mathematical modeling.

Nem volt szó matematikai modellről, az biztos.

But in looking at the data, after a while I realized:

De ahogyan áttekintettem az adatokat, egy idő után rájöttem,

it looks like there's some structure here.

olyannak tűnnek, mint amiben van valami rendszer.

And I hired a few mathematicians, and we started making some models --

Felvettem néhány matematikust, és kezdtünk gyártani néhány modellt,

just the kind of thing we did back at IDA [Institute for Defense Analyses].

olyasmiket, mint amilyeneket IDA-nál [a Védelmi Kutatóintézetben] csináltunk.

You design an algorithm, you test it out on a computer.

Algoritmus tervezése, tesztelése számítógépen.

Does it work? Doesn't it work? And so on.

Működik? Nem működik? És így tovább.

CA: Can we take a look at this?

CA: Vethetünk egy pillantást rá?

Because here's a typical graph of some commodity.

Mert hogy ez itt egy tipikus grafikon valami árucikkre vonatkozóan.

I look at that, and I say, "That's just a random, up-and-down walk --

Ha én erre ránézek, azt mondanám, "ez egy véletlen ingadozás fel-le,

maybe a slight upward trend over that whole period of time."

talán egy enyhe növekedő trenddel a vizsgált időszak alatt"

How on earth could you trade looking at that,

Hogy tudnál kereskedni ez alapján,

and see something that wasn't just random?

s meglátni benne valamit, ami nem puszta véletlen?

JS: In the old days -- this is kind of a graph from the old days,

JS: A régi időkben — ez egy grafikon a régi időkből —,

commodities or currencies had a tendency to trend.

az árucikkeknek, valutáknak volt valami trendjük, amelyet követtek.

Not necessarily the very light trend you see here, but trending in periods.

Nem okvetlen valami nyilvánvaló trend, mint itt, de valami időszakos trend.

And if you decided, OK, I'm going to predict today,

És ha eldöntöttük, hogy az elmúlt 20 nap átlagos mozgása alapján

by the average move in the past 20 days --

előrejelzést készítünk, akkor lehetséges,

maybe that would be a good prediction, and I'd make some money.

hogy az jó előjelzés lett, és keresünk rajta.

And in fact, years ago, such a system would work --

Néhány éve tényleg ilyen rendszerek működtek.

not beautifully, but it would work.

Nem nagyon jól, de működtek.

You'd make money, you'd lose money, you'd make money.

Hol nyertünk, hol vesztettünk, újra nyertünk...

But this is a year's worth of days,

De az év napokból áll,

and you'd make a little money during that period.

és ezen időszak alatt is lehetne keresni.

It's a very vestigial system.

Ez egy nagyon lebutított rendszer.

CA: So you would test a bunch of lengths of trends in time

CA: Szóval egy csomó különféle hosszúságú trendet tesztelnél,

and see whether, for example,

és azt néznéd, hogy vajon pl.

a 10-day trend or a 15-day trend was predictive of what happened next.

a 10 napos vagy a 15 napos trend jelezte-e jobban, ami azután történt.

JS: Sure, you would try all those things and see what worked best.

JS: Mindezeket kipróbálhatnánk, és megnézhetnénk, melyik működik a legjobban.

Trend-following would have been great in the '60s,

A trendkövetés a 60-as években volt nagy dobás,

and it was sort of OK in the '70s.

és a 70-es években nagyjából rendben volt.

By the '80s, it wasn't.

A 80-as évekre már nem.

CA: Because everyone could see that.

CA: Mert mindenki láthatta.

So, how did you stay ahead of the pack?

Szóval, hogy sikerült a vetélytársak előtt maradnotok?

JS: We stayed ahead of the pack by finding other approaches --

JS: Úgy, hogy más megközelítéseket találtunk,

shorter-term approaches to some extent.

rövidebb időszakú megközelítéseket bizonyos mértékig.

The real thing was to gather a tremendous amount of data --

Az volt a lényeg, hogy iszonyatos mennyiségű adatot gyűjtöttünk,

and we had to get it by hand in the early days.

és eleinte mindennek magunk kellett utánajárjunk.

We went down to the Federal Reserve and copied interest rate histories

Lementünk a FED-hez, és lemásoltuk, miként alakultak a kamatlábak,

and stuff like that, because it didn't exist on computers.

és más hasonlók, mert nem voltak még meg számítógépen.

We got a lot of data.

Megszereztünk egy csomó adatot.

And very smart people -- that was the key.

És hát a nagyon okos emberek — ez volt a kulcs.

I didn't really know how to hire people to do fundamental trading.

Nem igazán tudtam, hogyan vegyünk fel kereskedőket alaptevékenységekre.

I had hired a few -- some made money, some didn't make money.

Felvettem egy csomót, néhányan hoztak nyereséget, mások nem.

I couldn't make a business out of that.

Ebből nem tudtam üzletet csinálni.

But I did know how to hire scientists,

Azt tudtam, hogyan kell tudósokat felvenni,

because I have some taste in that department.

mert volt már némi tapasztalatom e téren.

So, that's what we did.

Ezt tettük hát.

And gradually these models got better and better,

És ezek a modellek fokozatosan javultak,

and better and better.

egyre jobbak lettek.

CA: You're credited with doing something remarkable at Renaissance,

CA: Attól vagy hiteles, hogy tettél valami figyelemre méltót a Renaissance-nál:

which is building this culture, this group of people,

felépítetted ezt a kultúrát, ezekkel az emberekkel,

who weren't just hired guns who could be lured away by money.

akik nem egyszerű zsoldosok, akiket pénzzel el lehetne csalogatni.

Their motivation was doing exciting mathematics and science.

Őket a matematika és a tudomány izgatta.

JS: Well, I'd hoped that might be true.

JS: Szeretném remélni, hogy talán így van.

But some of it was money.

De ebben a pénznek is része volt.

CA: They made a lot of money.

CA: Sok pénzt kerestek.

JS: I can't say that no one came because of the money.

JS: Nem állítanám, hogy senki sem a pénz miatt jött.

I think a lot of them came because of the money.

Azt hiszem, sokan amiatt jöttek.

De jöttek kedvtelésből is.

But they also came because it would be fun.

CA: Mi volt a szerepe a gépi tanulásnak?

CA: What role did machine learning play in all this?

JS: In a certain sense, what we did was machine learning.

JS: Bizonyos értelemben gépi tanulás volt, amit csináltunk.

You look at a lot of data, and you try to simulate different predictive schemes,

Ránézünk egy csomó adatra, és próbálunk különböző előrejelzési sémákat szimulálni,

until you get better and better at it.

amíg csak jobban és jobban nem megy.

It doesn't necessarily feed back on itself the way we did things.

Ez önmagában nem okvetlen ad visszajelzést, hogy jól csináltuk-e.

But it worked.

De működött.

CA: So these different predictive schemes can be really quite wild and unexpected.

CA: Tehát ezek az előjelzési sémák lehettek egészen vadak és meglepőek.

I mean, you looked at everything, right?

Úgy értem, mindent számításba vettetek, igaz?

You looked at the weather, length of dresses, political opinion.

Az időjárást, a ruhák hosszát, a poltikai véleményt.

JS: Yes, length of dresses we didn't try.

JS: Igen, csak a ruhák hosszát nem próbáltuk.

CA: What sort of things?

CA: Akkor miféle dolgokat?

JS: Well, everything.

JS: Lényegében mindent.

Everything is grist for the mill -- except hem lengths.

Bármit, ami jól jöhet, kivéve a felhajtások hosszát,

Weather, annual reports,

Időjárást, éves jelentéseket, negyedéves jelentéseket;

quarterly reports, historic data itself, volumes, you name it.

a múltbéli adatok önmagukban több kötetet kitesznek, amit csak el lehet képzelni.

Whatever there is.

Ami csak létezik.

We take in terabytes of data a day.

Terabyte-nyi adatot kezelünk naponta.

And store it away and massage it and get it ready for analysis.

Tároljuk, egy kicsit átgyúrjuk, előkészítjük az elemzésre.

You're looking for anomalies.

Anomáliákat keresünk.

You're looking for -- like you said,

Keresünk — ahogyan mondtad —,

the efficient market hypothesis is not correct.

a hatékony piacok elmélete nem megfelelő.

CA: But any one anomaly might be just a random thing.

CA: De bármelyik anomália önmagában akár véletlen is lehet.

So, is the secret here to just look at multiple strange anomalies,

Tehát az lenne a titok, többes anomáliákat keresni,

and see when they align?

és lesni, mikor illenek össze?

JS: Any one anomaly might be a random thing;

JS: Bármelyik anomália lehet véletlen, de ha elég sok adatunk van,

however, if you have enough data you can tell that it's not.

akkor meg tudjuk mondani, hogy ez most nem az.

You can see an anomaly that's persistent for a sufficiently long time --

Tekinthetünk egy tartós anomáliát,

the probability of it being random is not high.

nem nagyon valószínű, hogy az véletlen lenne.

But these things fade after a while; anomalies can get washed out.

De ezek a dolgok idővel elhalványulnak, az anomáliák eltűnhetnek.

So you have to keep on top of the business.

Valahogy mindig uralni kell az üzletet.

CA: A lot of people look at the hedge fund industry now

CA: Sokan úgy tekintenek ma a fedezeti alap ágazatra,

and are sort of ... shocked by it,

és szinte sokkolja őket,

by how much wealth is created there,

hogy mennyi gazdagság származik belőle,

and how much talent is going into it.

és hogy mennyi tehetséget szippant fel.

Do you have any worries about that industry,

Vannak fenntartásaid az ágazattal kapcsolatban,

and perhaps the financial industry in general?

és esetleg magával a pénzügyi ágazattal általában?

Kind of being on a runaway train that's --

Mintha egy elszabadult vonaton ülnénk —

I don't know -- helping increase inequality?

nem is tudom —, hogy csak növeli az egyenlőtlenségeket?

How would you champion what's happening in the hedge fund industry?

Hogyan tudnád megvédeni, ami a fedezeti alap ágazatban történik?

JS: I think in the last three or four years,

JS: Úgy gondolom, az elmúlt három-négy évben

hedge funds have not done especially well.

a fedezeti alapok nem teljesítettek jól.

We've done dandy,

Mi jól csináltuk,

but the hedge fund industry as a whole has not done so wonderfully.

de a fedezeti alap ágazat összességében nem működik valami jól.

The stock market has been on a roll, going up as everybody knows,

A részvénypiacnak jó időszaka volt, felfelé ment, ahogyan közismert;

and price-earnings ratios have grown.

az árfolyam/nyereség mutatók emelkedtek.

So an awful lot of the wealth that's been created in the last --

Tehát, mondjuk, az elmúlt 5-6 éven át keletkezett

let's say, five or six years -- has not been created by hedge funds.

temérdek gazdagság nem a fedezeti alapból származott.

People would ask me, "What's a hedge fund?"

Megkérdezhetik tőlem, hogy mi is az a fedezeti alap?

And I'd say, "One and 20."

Erre azt mondanám, "egy és húsz."

Which means -- now it's two and 20 --

Ami azt jelenti — most kettő és húsz —,

it's two percent fixed fee and 20 percent of profits.

hogy két százalék fix díj, és 20 százalék profit.

Hedge funds are all different kinds of creatures.

Minden fedezeti alap más.

CA: Rumor has it you charge slightly higher fees than that.

CA: Azt beszélik, hogy te ennél valamivel magasabb díjat szabsz meg.

JS: We charged the highest fees in the world at one time.

JS: Egyidőben mi alkalmaztuk a legmagasabb díjat a világon.

Five and 44, that's what we charge.

Öt és 44, ezt alkalmaztuk.

CA: Five and 44.

CA: Öt és 44.

So five percent flat, 44 percent of upside.

Szóval öt százalék alapdíj és a nyereség 44 százaléka.

Még mindig igen szemrevaló összeget hoztatok a befektetőinknek.

You still made your investors spectacular amounts of money.

JS: Igen, jó hozamokat érünk el.

JS: We made good returns, yes.

People got very mad: "How can you charge such high fees?"

Az emberek őrjöngtek: "Hogyan szabhatnak ilyen magas díjakat?"

I said, "OK, you can withdraw."

Azt mondtam: "Visszavonhatja."

But "How can I get more?" was what people were --

De "Hogyan kaphatok többet?" — ez volt a szempontjuk.

(Laughter)

(Nevetés)

But at a certain point, as I think I told you,

Egy bizonyos ponton, ahogy azt szerintem mondtam már,

we bought out all the investors because there's a capacity to the fund.

kivásároltuk az összes befektetőt, mert ez ad szabad kezet az alapnak.

CA: But should we worry about the hedge fund industry

CA: Kell-e félnünk attól, hogy a fedezeti alap ágazat

attracting too much of the world's great mathematical and other talent

túl sok matematikust és más tehetséget szipkáz el

to work on that, as opposed to the many other problems in the world?

a világ egyéb problémái elől?

JS: Well, it's not just mathematical.

JS: Nem csupán matematikáról van itt szó.

We hire astronomers and physicists and things like that.

Alkalmazunk csillagászokat, fizikusokat és hasonlókat is.

I don't think we should worry about it too much.

Nem hiszem, hogy nagyon kéne félnünk tőle,

It's still a pretty small industry.

ez még mindig elég kis terület.

And in fact, bringing science into the investing world

Azzal, hogy tudományt vittünk a befektetői világba,

has improved that world.

ténylegesen fejlődött ez a világ.

It's reduced volatility. It's increased liquidity.

Csökkent az árfolyam-ingadozás. Nőtt a likviditás.

Spreads are narrower because people are trading that kind of stuff.

Kisebb a szórás, mert az emberek ilyesmikkel kereskednek.

So I'm not too worried about Einstein going off and starting a hedge fund.

Nem nagyon félek attól, hogy egy Einstein fedezeti alappal kezdene el foglalkozni.

CA: You're at a phase in your life now where you're actually investing, though,

CA: Most életednek egy olyan szakaszában vagy, hogy befektetéseid

at the other end of the supply chain --

egy egészen más célt szolgálnak:

you're actually boosting mathematics across America.

éppen azon vagy, hogy fellendítsd a matematikát Amerika-szerte.

This is your wife, Marilyn.

Ő Marilyn, a feleséged.

You're working on philanthropic issues together.

Ti most együtt jótékonykodtok.

Tell me about that.

Beszélj most erről.

JS: Well, Marilyn started --

JS: Marilyn kezdte el —

there she is up there, my beautiful wife --

ő az itt fenn, az én gyönyörű feleségem —

she started the foundation about 20 years ago.

ő kezdte az alapítványt, nagyjából 20 éve.

I think '94.

Azt hiszem, 1994-ben.

I claim it was '93, she says it was '94,

Szerintem 1993-ban, ő azt mondja, 1994-ben,

but it was one of those two years.

valamelyik a kettő közül.

(Laughter)

(Nevetés)

We started the foundation, just as a convenient way to give charity.

Úgy indítottuk be, hogy ez egy kényelmes módja a jótékonykodásnak.

She kept the books, and so on.

Ő foglalkozik a könyveléssel, stb.

We did not have a vision at that time, but gradually a vision emerged --

Akkoriban nem volt konkrét elképzelésünk, de lassanként kialakult —,

which was to focus on math and science, to focus on basic research.

a matematikára, a fizikára, az alapkutatásokra összpontosítunk.

And that's what we've done.

Ezt is tettük.

Six years ago or so, I left Renaissance and went to work at the foundation.

Úgy hat éve otthagytam a Renaissance-t, és elmentem dolgozni az alapítványhoz.

So that's what we do.

Tehát ezt csináljuk.

CA: And so Math for America is basically investing

CA: A "Math for America" alapvetően

in math teachers around the country,

az ország matematikatanáraiba fektet be azzal,

giving them some extra income, giving them support and coaching.

hogy plusz jövedelemhez juttatja, támogatja és továbbképzi őket.

And really trying to make that more effective

Igyekszik ezt tényleg hatékonyan tenni,

and make that a calling to which teachers can aspire.

hogy ez olyan hivatás legyen, ami vonzza a tanárokat.

JS: Yeah -- instead of beating up the bad teachers,

JS: Igen, ahelyett, hogy a rossz tanárokat csepülnénk,

which has created morale problems all through the educational community,

ami rontja a hangulatot az egész oktatói társadalomban,

in particular in math and science,

különösen matematikában és fizikában.

we focus on celebrating the good ones and giving them status.

arra összpontosítunk, hogy kiemeljük a jókat, és megbecsüljük őket.

Yeah, we give them extra money, 15,000 dollars a year.

Plusz pénzt adunk nekik, évi 15 000 dollárt.

We have 800 math and science teachers in New York City in public schools today,

800 matematika- és fizikatanárunk van New York városban, állami iskolákból,

as part of a core.

ők adják a gerinc egy részét.

There's a great morale among them.

Náluk jó a munkaszellem.

They're staying in the field.

Maradnak a pályán.

Next year, it'll be 1,000 and that'll be 10 percent

A következő évben ezren lesznek,

ez 10%-a New York állami iskoláiban tanító matematika- és fizikatanároknak.

of the math and science teachers in New York [City] public schools.

(Applause)

(Taps)

CA: Jim, here's another project that you've supported philanthropically:

CA: Jim, van itt egy másik projekt is, amit önzetlenül támogatsz:

Research into origins of life, I guess.

Ugye, ez az élet eredetének kutatása.

What are we looking at here?

Mit kutatunk?

JS: Well, I'll save that for a second.

JS: Várj egy percet.

And then I'll tell you what you're looking at.

Azután elmondom, hogy mit kutatunk.

Origins of life is a fascinating question.

Az élet eredete nagyon érdekes kérdés.

How did we get here?

Hogyan jutottunk el idáig?

Pontosabban, két kérdés van:

Well, there are two questions:

One is, what is the route from geology to biology --

Az egyik: milyen út vezet a geológiától a biológiáig,

how did we get here?

és hogyan jutottunk el ide?

And the other question is, what did we start with?

A másik pedig: mivel kezdődött?

What material, if any, did we have to work with on this route?

Milyen anyagot — ha volt —, kellett használnunk ezen az úton?

Those are two very, very interesting questions.

Mindkettő nagyon érdekes kérdés.

The first question is a tortuous path from geology up to RNA

Az első kérdés egy körülményes folyamat az ásványoktól valami RNS-féléig,

or something like that -- how did that all work?

"Hogyan is működött?"

And the other, what do we have to work with?

A másik, hogy milyen anyag kellett ehhez?

Well, more than we think.

Több ez mint gondolnánk.

So what's pictured there is a star in formation.

Ez a kép itt egy csillag születéséről készült.

Now, every year in our Milky Way, which has 100 billion stars,

Minden évben a Tejútrendszerünkben, amely 100 milliárd csillagból áll,

about two new stars are created.

átlagosan 2 új csillag keletkezik.

Don't ask me how, but they're created.

Ne kérdezd, hogyan, de keletkezik.

And it takes them about a million years to settle out.

Millió év, amíg egy ilyen folyamat lezárul.

So, in steady state,

Így egyensúlyi állapotban egyszerre

there are about two million stars in formation at any time.

kb. kétmillió csillag van születőben.

That one is somewhere along this settling-down period.

Ez itt valahol a folyamat közben van.

And there's all this crap sort of circling around it,

És itt vannak ezek a kis izék, amelyek körülötte keringenek,

dust and stuff.

por és törmelék.

Ebből valószínűleg egy naprendszer keletkezik majd vagy akármi.

And it'll form probably a solar system, or whatever it forms.

But here's the thing --

De van itt egy dolog:

in this dust that surrounds a forming star

a keletkező csillagot körülvevő porban

have been found, now, significant organic molecules.

találtak szervesnek mondható molekulákat.

Molecules not just like methane, but formaldehyde and cyanide --

Nem csupán olyanokat, mint a metán, hanem mint a formaldehid vagy a cianid,

things that are the building blocks -- the seeds, if you will -- of life.

olyanokat, amelyek építőelemek, csírák, mondhatjuk, hogy az élet csírái.

So, that may be typical.

Ez jellemző lehet.

And it may be typical that planets around the universe

És jellemző lehet az is, hogy a bolygók szerte az univerzumban

start off with some of these basic building blocks.

néhány ilyen építőelemmel kezdik létüket.

Now does that mean there's going to be life all around?

Ez vajon azt jelenti, hogy mindenütt kialakul az élet?

Maybe.

Lehetséges,

But it's a question of how tortuous this path is

De ez attól függ, mennyire körülményes az út

from those frail beginnings, those seeds, all the way to life.

azoktól a törékeny kezdetektől, a csíráktól, magáig az életig.

And most of those seeds will fall on fallow planets.

A csírák legtöbbje terméketlen bolygóra hull.

CA: So for you, personally,

CA: Szóval, te személy szerint

finding an answer to this question of where we came from,

választ szeretnél a kérdésre, hogy honnan jöttünk,

of how did this thing happen, that is something you would love to see.

és hogyan történt mindez.

JS: Would love to see.

JS: Igen, szeretném látni a választ.

And like to know --

És tetszik a gondolat,

if that path is tortuous enough, and so improbable,

hogy ha az út körülményes és bizonytalan is,

that no matter what you start with, we could be a singularity.

nem számít, hogyan indultunk, egyediek lehetünk.

But on the other hand,

Másrészt,

given all this organic dust that's floating around,

ha egyszer van ez a szerves hulladék, ami áramlik mindenütt,

we could have lots of friends out there.

lehet egy csomó barátunk a Földön kívül.

It'd be great to know.

Óriási lenne, ha tudnánk.

CA: Jim, a couple of years ago, I got the chance to speak with Elon Musk,

CA: Jim, néhány éve alkalmam volt beszélgetni Elon Muskkal,

and I asked him the secret of his success,

és megkérdeztem, hogy mi a titka a sikerének.

and he said taking physics seriously was it.

Azt válaszolta, hogy komolyan vette a fizikát.

Listening to you, what I hear you saying is taking math seriously,

Most azt hallom tőled, komolyan kell venni a matematikát,

that has infused your whole life.

ez hatja át egész életed.

It's made you an absolute fortune, and now it's allowing you to invest

Ez tett téged abszolut nyertessé, ettől van módod befektetni

in the futures of thousands and thousands of kids across America and elsewhere.

gyerekek ezreinek és ezreinek jövőjébe Amerika-szerte és másutt is.

Could it be that science actually works?

Lehet, hogy a tudomány tényleg hatásos?

That math actually works?

Tényleg működik a matematika?

JS: Well, math certainly works. Math certainly works.

JS: A matematika mindenképp.

But this has been fun.

De ez számomra öröm volt.

Working with Marilyn and giving it away has been very enjoyable.

Marilynnel dolgozni és pénzt osztogatni nagyon élvezetes volt.

CA: I just find it -- it's an inspirational thought to me,

CA: Azt látom, lelkesítő számomra a gondolat,

that by taking knowledge seriously, so much more can come from it.

hogy ha komolyan vesszük a tudást, abból sok minden más is kisülhet.

So thank you for your amazing life, and for coming here to TED.

Köszönet az érdekes élettörténetért, és hogy eljöttél a TED-be.

Thank you.

Köszönöm.

Jim Simons!

Jim Simons!

(Applause)

(Taps)