The mathematician who cracked Wall Street | Jim Simons

번역: Park Haesik 검토: Jihyeon J. Kim

Chris Anderson: You were something of a mathematical phenom.

크리스 앤더슨 : 당신은 수학계의 전설같은 사람입니다.

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

이른 나이에 이미 하버드와 MIT에서 강의를 했고

And then the NSA came calling.

그리고 NSA에서 연락을 취해왔습니다.

What was that about?

어땠나요?

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

짐 사이먼: 글쎄요, NSA, 그러니까 국가안보국이죠.

they didn't exactly come calling.

그 사람들이 와서 오라고 한건 아니었습니다.

They had an operation at Princeton, where they hired mathematicians

이들은 프린스턴에서 작전같은 걸 했는데 거기에서 수학자들을 고용했어요.

to attack secret codes and stuff like that.

비밀암호 해독 같은 걸 하기 위해서 말이죠.

And I knew that existed.

저는 그런게 있다는 걸 알고 있었습니다.

And they had a very good policy,

이 사람들은 아주 괜찮은 정책을 가지고 있었습니다.

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

왜냐하면 여기서 시간의 절반을 수학을 연구하는데 할애할 수 있었고

and at least half your time working on their stuff.

그 사람들 일을 하는데 절반 정도의 시간을 썼습니다.

And they paid a lot.

그리고 돈도 많이 줬구요.

So that was an irresistible pull.

거절하기 힘든 제안이었죠.

So, I went there.

그래서 가게 된겁니다.

CA: You were a code-cracker.

CA: 당신은 암호해독가 였습니다.

JS: I was.

JS: 그랬죠.

CA: Until you got fired.

CA: 해고되기 전까지요.

JS: Well, I did get fired. Yes.

JS: 예, 해고됐죠. 맞습니다.

CA: How come?

CA: 어떻게 된건지요?

JS: Well, how come?

JS: 어떻게 된거냐고요?

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

해고될 당시에 베트남전이 한창이었습니다.

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

제 조직의 상사의 상사는 전쟁광이었고

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

이 사람은 뉴욕타임즈 주간판에 어떻게 배트남전에서 승리할 지에 대한

about how we would win in Vietnam.

메인기사를 실었습니다.

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

저는 그 전쟁이 맘에 들지 않았습니다. 멍청한 짓이라 생각했죠.

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

그래서 타임즈에 편지를 썼고 타임즈에서 기사로 내보냈습니다.

saying not everyone who works for Maxwell Taylor,

맥스웰 테일러(전 미합참의장) 밑에서 일하는 사람 모두가

if anyone remembers that name, agrees with his views.

그 사람의 관점에 동의하는 건 아니다라는 내용이었고

And I gave my own views ...

저의 생각을 말했죠.

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

CA: 그렇군요. 그래서 그렇게...

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

JS: 물론 테일러 장군과 다른 관점이었죠.

But in the end, nobody said anything.

하지만 그땐 이걸로 아무도 문제삼지 않더군요.

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

그리고 당시 29살이었을 때 어떤 친구가 다가와서

and said he was a stringer from Newsweek magazine

자기가 뉴스위크 잡지 기자라고 하면서

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

저를 인터뷰하고 싶다고 하더군요 그리고 제가 뭘하고 있는지 물었습니다.

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

그래서 말해줬죠, "지금은 대부분 수학을 연구하고 있다.

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

그리고 전쟁이 끝나고 나면 이 사람들 일을 할거다." 라고요.

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

그리고 그날 유일하게 잘한 한 가지를 했습니다.

I told my local boss that I gave that interview.

인터뷰를 했다고 지역상사에게 말했고

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

"뭐라고 했어?"라고 묻더군요.

And I told him what I said.

그리고 제가 말한 걸 말했습니다.

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

"테일러 장군에게 전화를 해야겠어" 라고 하더니

He called Taylor; that took 10 minutes.

전화를 걸더군요. 한 10분정도 걸렸는데

I was fired five minutes after that.

그리고 5분 뒤에 해고를 당했습니다.

CA: OK.

CA: 그렇군요

JS: But it wasn't bad.

JS: 하지만, 그렇게 나쁘진 않았습니다.

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

CA: 나쁘진 않았겠네요, 스토니브룩으로 가서

and stepped up your mathematical career.

수학자로서 경력을 쌓았으니까요.

You started working with this man here.

여기 이 남자와 함께 일을 시작 하셨는데요.

Who is this?

이분은 누구죠?

JS: Oh, [Shiing-Shen] Chern.

JS: 아, 천이요 [천싱선-중국수학자]

Chern was one of the great mathematicians of the century.

천은 이 세기에 가장 훌륭한 수학자 중 하나입니다.

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

버클리 대학원생일 때부터 알아왔는데요.

And I had some ideas,

전 몇 가지 아이디어가 있었고

and I brought them to him and he liked them.

그걸 이 친구에게 말했더니 좋아하더군요.

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

그리고 함께 연구를 시작했습니다. 여러분이 쉽게 이해할 수 있는

There it is.

여기 위에 이거요.(웃음)

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

이것이 그 유명한 공동연구 발표로 이어졌죠.

Can you explain at all what that work was?

어떤 내용인지 설명해 주실수 있나요?

JS: No.

JS: 아뇨.

(Laughter)

(웃음)

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

JS: 제말은, 그게 다른 사람한테는 설명할 수 있습니다만.

(Laughter)

(웃음)

CA: How about explaining this?

CA: 그래도 한번 설명해보시는게 어때요?

JS: But not many. Not many people.

JS: 하지만 이해할 만한 사람이 많지는 않죠.

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

CA: 저에게 구와 관련이 있다고 하셨었죠.

so let's start here.

여기 시작해보죠.

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

JS: 맞습니다. 하지만 이렇게 설명드리죠.

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

이것과 관련이 있었습니다만,

that work was good mathematics.

그 연구는 훌륭한 수학이었습니다.

I was very happy with it; so was Chern.

저는 만족했고, 천도 그랬죠.

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

하위 분야가 나오기 시작했고 지금은 그 분야가 매우 다양합니다.

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

하지만 흥미로운 점은 물리학에 응용되었다는 겁니다.

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

우리가 몰랐던 분야였죠. 최소한 저는 물리학은 모릅니다.

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

그리고 천이 물리학에 대해 잘 알고 있었다고 생각하지 않습니다.

And about 10 years after the paper came out,

논문이 나오고 10년쯤 뒤

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

프린스턴의 에드워드 리튼이라는 친구가 끈이론에 이걸 응용했습니다.

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

그리고 러시아 쪽 사람들이 응집물질이라는 것에 이걸 적용하기 시작했죠.

Today, those things in there called Chern-Simons invariants

오늘날 천-사이먼스 이론은

have spread through a lot of physics.

물리학의 많은 분야에서 활용되고 있습니다.

And it was amazing.

멋진 일이죠.

We didn't know any physics.

저희는 물리학에 대해 잘 몰랐습니다.

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

물리학에 적용될 거라곤 생각도 못했죠.

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

하지만 바로 이것이 수학입니다. 어디로 튈지 전혀 알 수가 없습니다.

CA: This is so incredible.

CA: 멋지군요.

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

저희는 진화가 어떻게 인간의 지성을 형성하는지를 얘기하고 있습니다.

that may or may not perceive the truth.

그것이 진실이든 아니든 말이죠.

Somehow, you come up with a mathematical theory,

당신은 수학이론을 만들었습니다.

not knowing any physics,

물리학에 대해선 전혀 모른상태에서요.

discover two decades later that it's being applied

그리고 20년 후 이 이론이 우리의 현실 물리세계를 설명하는데

to profoundly describe the actual physical world.

적용되고 있다는걸 알게 되었습니다.

How can that happen?

어떻게 이런 일이 일어날 수 있죠?

JS: God knows.

JS: 신만이 알겠죠.

(Laughter)

(웃음)

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

유진 위그너란 유명한 물리학자가 있습니다.

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

이 사람은 수학의 엄청난 효율성에 대해 에세이를 썼었죠.

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

그리고 이 수학은 현실세계에 기반을 둡니다.

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

우리는 계산하고 측정하죠, 모든 사람이 그렇게 하죠.

and then it flourishes on its own.

그리고 수학은 자생적으로 발전을 했습니다.

But so often it comes back to save the day.

하지만 가끔 큰 발견에 있어 매우 중요한 역할을 합니다.

General relativity is an example.

상대성이론이 한 예입니다.

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

(헤르만)민코프스키는 기하학 모델을 가지고 있었고 이걸 보고 아인슈타인은 깨달았죠.

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

"이거 괜찮은데, 이걸로 상대성이론을 만들수 있겠어." 라고 말이죠

So, you never know. It is a mystery.

누가 알겠어요. 신비한 일이죠.

It is a mystery.

수수께끼입니다.

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

CA: 자, 여기 독창적인 수학적 도형이 있는데요.

Tell us about this.

설명 부탁드립니다.

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

JS: 자 이건 공입니다. 구체죠.

you know, those squares.

이건 정사각형입니다.

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

제가 여기 설명하려고 하는 것은 1700년대 위대한 수학자인

the great mathematician, in the 1700s.

오일러가 처음 고안해낸 것인데요.

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

지속적으로 발전되어 수학에서 매우 중요한 분야가 되었습니다.

algebraic topology, geometry.

대수학, 위상수학, 기하학등 말이죠.

That paper up there had its roots in this.

저 논문들은 여기에 기반을 두고 있습니다.

So, here's this thing:

자 여기를 보시죠.

it has eight vertices, 12 edges, six faces.

이건 8개의 꼭지점, 12개의 선, 6개의 면으로 이루어져 있습니다.

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

자 다른 각도에서 볼까요. 꼭지점 - 선 + 면을 하면

you get two.

2라는 값이 나옵니다.

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

2가 나왔습니다. 멋진 숫자죠.

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

여기 다른게 있습니다. 여긴 구를 둘러싼 삼각형들이 보이시죠.

this has 12 vertices and 30 edges

이건 12개의 꼭지점, 30개의 선,

and 20 faces, 20 tiles.

20개의 면으로 이루어져 있습니다.

And vertices minus edges plus faces still equals two.

여기서 다시 꼭지점-선+면을 하면 여전히 2라는 값이 나옵니다.

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

구를 덮고있는 다각형 그리고 삼각형,

cover this thing with all kinds of polygons and triangles

또는 조합을 하든 어떤 방식으로든 만들 수 있습니다.

and mix them up.

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

그리고 꼭지점 - 모서리 + 면을 하면 항상 2가 나옵니다.

Here's a different shape.

여기 다른 모양이 있습니다.

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

이건 토러스 또는 도넛표면인데요. 직사각형의 16개의 꼭지점과

covered by these rectangles, 32 edges, 16 faces.

32개 모서리 16개 면으로 둘러싸여 있습니다.

Vertices minus edges comes out to be zero.

여기에 꼭점-모서리+면을 하면 0이 나옵니다.

It'll always come out to zero.

언제나 0입니다.

Every time you cover a torus with squares or triangles

직사각형, 삼각형 아니면 무슨 형태든

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

이 토러스(도넛형)를 감싸면 항상 0을 얻게됩니다.

So, this is called the Euler characteristic.

이걸 오일러 표수라고 부릅니다.

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

그리고 위상불변이라고 하죠.

It's pretty amazing.

무엇을 하든

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

항상 똑같은 답을 얻는다는 것은 아주 멋진 일입니다.

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

이것이 1700년대 중반부터 연구되기 시작해서

into a subject which is now called algebraic topology.

현재 대수적 위상수학이라는 학문이 되었습니다.

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

CA: 당신의 연구는 여기서 아이디어를 얻어

into higher-dimensional theory,

고차원 물체, 고차원 이론으로 발전시켰습니다.

higher-dimensional objects, and found new invariances?

그리고 새로운 불변성을 발견하셨죠?

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

JS: 고차원 불변성은 이미 있었습니다.

Pontryagin classes -- actually, there were Chern classes.

폰트리아긴(수학자)수업에도 있었고 천의 수업에도 있었습니다.

There were a bunch of these types of invariants.

이런 종류의 불변성은 많았죠.

I was struggling to work on one of them

저는 이것들 중 하나를 연구해서

and model it sort of combinatorially,

모형화 하는데 애를 썼습니다.

instead of the way it was typically done,

일반적으로 하던 방식말고요.

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

그리고 이것이 제 연구로 이어졌고 저희는 새로운 걸 발표했죠.

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

하지만 거의 70권이나 되는 수학서적과

who wrote almost 70 volumes of mathematics

책을 쓸 때 그의 무릎위에서 놀았을 13명의 자녀들을 가진

and had 13 children,

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

오일러가 없었다면

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

아마도 이런 불변성을 없었을 겁니다.

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

CA: 좋습니다. 거기 담긴 놀라운 지적내용을 최소한 맛보기라도 보여주셨습니다.

Let's talk about Renaissance.

르네상스 테크놀로지에 대해 얘기를 해 보죠.

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

NSA의 암호해독가였던 당신은

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

금융계의 암호해독가가 되었습니다.

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

당신은 효율적 시장 이론을 받아들이지 않았습니다.

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

어떤 면에서, 20년간 엄청난 수익을 만들어 낸 방법을 찾으셨는데요

The way it's been explained to me,

제가 들은 바로는 말이죠.

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

놀라운 점은 단지 수익의 크기가 아니라

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

다른 헤지펀드와 비교해서 놀라울 만큼 낮은 변동성과 리스크를

compared with other hedge funds.

취한다는 점입니다.

So how on earth did you do this, Jim?

도데체 어떻게 하신건가요, 짐?

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

JS: 훌륭한 사람들을 모아서 한거죠.

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

거래를 시작할 당시에 저는 수학에 지쳐 있었습니다.

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

30대 후반에 돈도 좀 있었고요.

I started trading and it went very well.

그리고 투자를 시작했는데 제법 괜찮았습니다.

I made quite a lot of money with pure luck.

운좋게 돈을 많이 벌었죠.

I mean, I think it was pure luck.

제 말은 그땐 정말 운이었습니다.

It certainly wasn't mathematical modeling.

분명히 수학적 모델같은게 아니었죠.

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

하지만 데이터를 살펴보았고 얼마뒤

it looks like there's some structure here.

여기에 어떤 구조가 있다는 걸 깨달았습니다.

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

그리고 수학자 몇명을 고용해서 모델을 만들기 시작했습니다.

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

IDA(Institute for Defense Analyses)에서 하던 일이랑 비슷했습니다.

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

알고리즘을 만들고 컴퓨터로 테스트하는 겁니다.

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

작동하나? 않하나? 그런 식이죠.

CA: Can we take a look at this?

CA: 여기를 한번 봐주실까요?

Because here's a typical graph of some commodity.

여기 평벙한 매매 그래프가 있습니다.

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

제가 이걸 봤을 때, 무작위의 상승과 하락을 반복하고 있으며

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

전체적으로는 약간 올라간 걸로 보입니다.

How on earth could you trade looking at that,

도데체 어떻게 저걸 보고

and see something that wasn't just random?

무작위가 아닌 뭔가를 볼 수 있는겁니까?

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

이건 오래전의 그래프입니다.

commodities or currencies had a tendency to trend.

재화와 통화는 어떤 경향을 가집니다.

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

꼭 이것처럼 들쭉날쭉할 필요가 없고 짧은 기간들 속에 있는 경향을 말합니다.

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

그리고 여러분들이 "지난 20일의 평균적인 움직임으로

by the average move in the past 20 days --

오늘은 어떨지 예측을 해보겠어"라고 한다면 , - 여기 이게 20일입니다.

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

이건 좋은 예측이 될겁니다. 그리고 돈을 벌겠죠.

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

수 년전에는 이런 시스템이 통했습니다.

not beautifully, but it would work.

훌륭하진 않지만 어쨌든 통했습니다.

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

돈을 벌고, 돈을 잃고, 다시 돈을 벌겁니다.

But this is a year's worth of days,

하지만 이건 1년짜리 데이터입니다.

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

이 전체 기간을 보면 돈을 벌게 되는 겁니다.

It's a very vestigial system.

잔존가치 시스템이라고 할 수 있습니다.

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

CA: 당신은 다른 길이의 기간들을 테스트하셨군요.

and see whether, for example,

예를 들어 10일의 경향, 15일의 경향으로

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

다음에 무슨 일이 있을지 예측가능한지 테스트하신거군요.

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

JS: 그럼요. 가능한 모든걸 시도해서 뭐가 최선인지 보는 겁니다.

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

추세를 따르는 방식은 60년대엔 아주 좋은 방식이었습니다.

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

70년대에도 그럭저럭 괜찮았죠.

By the '80s, it wasn't.

80년대엔 그렇지 않았습니다.

CA: Because everyone could see that.

CA: 모든 사람들이 이걸 볼 수 있었기 떄문이죠?

So, how did you stay ahead of the pack?

그럼 당신은 어떻게 앞서갈 수 있었던 겁니까?

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

JS: 저희는 더 짧은 주기의 접근법 등

shorter-term approaches to some extent.

다른 방식들을 발견하면서 앞서갈 수 있었습니다.

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

하지만 진짜 중요한 건 엄청난 자료를 모았다는 겁니다.

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

처음에는 수작업으로 다 해야했습니다.

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

연방준비은행으로 가서 이자율 변동내역을 복사하는 등의 일을 했죠

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

왜냐하면 당시엔 컴퓨터에 그런게 없었거든요.

We got a lot of data.

우린 많은 자료를 가지고 있었고

And very smart people -- that was the key.

매우 뛰어난 사람들을 데리고 있었습니다. 이것이 가장 중요한 점이었습니다.

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

전 정말로 금융거래 전문가를 어떻게 고용하는 지 몰랐습니다.

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

몇명 고용한 적은 있습니다. 일부는 돈을 벌었고, 일부는 못벌었죠.

I couldn't make a business out of that.

그렇게는 사업을 할 수가 없었습니다.

But I did know how to hire scientists,

하지만 과학자를 고용하는 방법은 알고 있었죠.

because I have some taste in that department.

제가 그 쪽 분야엔 일가견이 있으니까요.

So, that's what we did.

그렇게 된겁니다.

And gradually these models got better and better,

그리고 이 모델들은 점점 개선되고 나아졌습니다.

and better and better.

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

CA: 당신은 르네상스에서 대단한 일을 하신 걸로 잘 알려져 있습니다.

which is building this culture, this group of people,

바로 사람들인데요.

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

돈에 동기부여를 받지 않는 사람들 말입니다.

Their motivation was doing exciting mathematics and science.

이 사람들의 동기는 멋진 수학과 과학인데요.

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

JS: 저도 그렇길 바랍니다.

But some of it was money.

하지만 일부는 돈때문이겠죠.

CA: They made a lot of money.

CA: 많은 돈을 벌지요.

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

JS: 아무도 돈때문에 오는건 아니라고 말을 못하겠습니다.

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

많은 친구들이 돈때문에 왔습니다.

But they also came because it would be fun.

하지만 역시 재미있어서 온 것이기도 합니다.

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

CA: 여기에서 머신러닝(Machine Learning)이 한 역할은 무엇인가요?

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

JS: 어떤 면에서, 저희가 한 것은 머신러닝이죠.

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

많은 데이터를 보고 더욱 더 개선될 때 까지

until you get better and better at it.

서로 다른 예상전략을 시뮬레이션 하는겁니다.

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

꼭 피드백을 받을 필요는 없지만

But it worked.

작동했습니다.

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

CA: 이런 예상전략들은 가공하기 힘들고 예측하기도 힘들텐데요.

I mean, you looked at everything, right?

제 말은, 모든 걸 들여다 봤다는 거죠?

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

날씨, 치마길이, 정치적 견해 등등

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

JS: 치마길이를 시도해본 적은 없습니다만.

CA: What sort of things?

CA: 그럼 어떤 걸요?

JS: Well, everything.

JS: 음, 전부다요.

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

곡물양, 물론 햄길이는 아닙니다.

Weather, annual reports,

날씨, 년간 리포트,

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

분기 리포트, 역사 데이터, 뭐든지 한번 말해보세요.

Whatever there is.

We take in terabytes of data a day.

저희는 하루에 테라바이트의 정보를 처리합니다.

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

이것들을 저장하고, 조정해서 분석을 할 수 있게 만듭니다.

You're looking for anomalies.

그리고 특이점들을 찾습니다.

You're looking for -- like you said,

효율적 시장이론이

the efficient market hypothesis is not correct.

맞지않는 특이점을 찾는 겁니다.

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

CA: 하지만 어떤 특이점들이 단순히 무작위일수도 있지 않나요.

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

이상한 특이점들을 보고 언제 서로 연결이 되는지

and see when they align?

아는게 비밀인가요?

JS: Any one anomaly might be a random thing;

JS: 어떤 특이점은 무작위일수도 있습니다.

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

하지만, 자료를 충분히 갖기고 있다면 무작위가 아니라는걸 알 수 있습니다.

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

당신은 어떤 특이점이 충분히 오랜 기간 지속되고

the probability of it being random is not high.

무작위일 가능성은 그렇게 높지 않다는걸 알 수 있습니다.

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

시간이 지나면서 이런 특이점은 점차 없어지고 씻겨 내려갈 겁니다.

So you have to keep on top of the business.

따라서 비지니스의 꼭대기에서 흐름을 다 알아야 합니다.

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

CA: 많은 사람들은 헤지펀드를 보고 매우 놀랍니다.

and are sort of ... shocked by it,

by how much wealth is created there,

얼마나 많은 부가 여기서 창출되는지

and how much talent is going into it.

얼마나 많은 인재들이 여기로 흘러가는지에 대해서요.

Do you have any worries about that industry,

이런 헤지펀드나 일반적인 금융업계에 대해 우려를 하시는지요?

and perhaps the financial industry in general?

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

금융업이 폭주기관차라든가 아니면

I don't know -- helping increase inequality?

불평등을 가중시킨다든가 말이죠.

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

헤지펀드계에서 무슨일이 일어나고 있는지 말씀해 주시겠습니까?

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

JS: 지난 3,4년간

hedge funds have not done especially well.

헤지펀드들은 특별히 실적이 좋지 않았습니다.

We've done dandy,

저희는 괜찮았지만

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

전반적인 헤지펀드는 그렇게 좋지 못했습니다.

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

모두가 알다시피 주식시장이 상승하고

and price-earnings ratios have grown.

수익률이 오르면서

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

지난 5년, 6년간 생긴 어마어마한 부는

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

헤지펀드에 의해 생긴게 아닙니다.

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

이건 다른 얘기지만 사람들이 저에게 "헤지펀드가 뭐예요"라고 물으면

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

저는 1과 20이라고 말합니다.

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

뭐 지금은 2와 20 이겠네요.

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

2%의 고정수수료과 수익금의 20%를 말합니다.

Hedge funds are all different kinds of creatures.

헤지펀드들은 모두 다릅니다.

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

CA: 당신은 이것보다 더 많은 수수료를 부과한다는 말이 있던데요.

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

JS: 한때는 저희가 세계에서 가장 높은 수수료를 부과했었죠.

Five and 44, that's what we charge.

4% 그리고 44%를 부과했습니다.

CA: Five and 44.

CA: 4와 44라.

So five percent flat, 44 percent of upside.

4%의 고정수수료와 44%의 수익금이죠.

You still made your investors spectacular amounts of money.

그런데도 투자자들에게 엄청난 돈을 안겨 주셨죠.

JS: We made good returns, yes.

JS: 많이 돌려줬죠. 맞습니다.

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

사람들이 "뭐 이렇게 높은 수수료가 다있어?" 라고 화를 내면

I said, "OK, you can withdraw."

"좋아요, 그럼 돈을 빼시면 됩니다." 라고 했습니다.

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

그럼 "아니요. 어떻게 돈을 더 벌수있죠?" 라고 하더군요

(Laughter)

(웃음)

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

하지만 말씀드렸다시피 시기가 되면

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

모든 투자자들의 주식을 사들였습니다.

CA: But should we worry about the hedge fund industry

CA: 하지만 많은 다른 문제들과 달리

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

헤지 펀드가 세계의 많은 수학자들과 인재들을

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

끌어들이는데 대해 걱정을 해야하지 않을까요?

JS: Well, it's not just mathematical.

JS: 글쎄요, 그렇게 보진 않습니다.

We hire astronomers and physicists and things like that.

저희는 천문학자, 물리학자 같은 사람들을 고용합니다.

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

크게 걱정할 필요는 없다고 봅니다.

It's still a pretty small industry.

아직까지 작은 규모의 산업입니다.

And in fact, bringing science into the investing world

사실, 과학을 투자업계에 들이는건

has improved that world.

이 업계에 좋은 일이긴 합니다.

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

불확실성을 줄이고 유동성을 늘이죠

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

이익은 더 줄어듭니다. 왜냐하면 사람들이 그렇게 하고 있거든요.

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

그러니 아인슈타인이 가서 헤지펀드를 시작할 거라고 우려하지는 않습니다.

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

CA: 당신은 이제 투자업계의 중간자에서 벗어나

at the other end of the supply chain --

실제 투자를 하고 계신데요.

you're actually boosting mathematics across America.

바로 미국 전역에서 수학을 부흥시키고 계십니다.

This is your wife, Marilyn.

여기 부인, 매릴린이 보이네요.

You're working on philanthropic issues together.

부인과 함께 인도적 문제 해결에 노력하고 계신데요.

Tell me about that.

그것에 대해 말씀해 주시죠.

JS: Well, Marilyn started --

JS: 음, 매릴린이 시작했죠.

there she is up there, my beautiful wife --

저기 위에 있네요 아름다운 부인이죠.

she started the foundation about 20 years ago.

20년전에 재단을 설립했어요.

I think '94.

94년에요.

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

저는 93년이라고 우기지만 부인은 94년이라고 하더군요.

but it was one of those two years.

하지만 두 해중 하나겠죠 뭐.

(Laughter)

(웃음)

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

저희는 단지 기부를 좀 더 편하게 하기 위해 재단을 설립했습니다.

She kept the books, and so on.

부인이 재무같은 것을 담당했었죠.

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

사실, 당시에는 어떤 비젼같은게 없었습니다. 하지만 점차 비젼이 생기기 시작했죠.

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

수학, 과학과 기초연구에 집중하자는 것이었습니다.

And that's what we've done.

그게 우리가 해 오고 있는 일입니다.

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

저는 6년전에 르네상스를 그만두고 재단에서 일하기 시작했습니다.

So that's what we do.

그게 저희가 하는 일입니다.

CA: And so Math for America is basically investing

CA: "미국을 위한 수학 재단"은 기본적으로

in math teachers around the country,

미국전역의 수학교사들에게 투자를 하고 있습니다.

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

이들에게 추가적인 수입을 주고 계시고 그리고 지원과 코칭도 하고 계시죠.

And really trying to make that more effective

그리고 이를 더욱 효과적이고

and make that a calling to which teachers can aspire.

교사들이 동기부여를 받도록 하고 계십니다.

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

JS: 예, 나쁜 선생들을 두들겨 패는 대신에요.

which has created morale problems all through the educational community,

지금까지 교육계 전반에 걸쳐 사기문제가 대두되어 왔습니다.

in particular in math and science,

특히 수학과 과학이 그렇죠.

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

우리는 좋은 교사들을 발굴해서 자격을 주고

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

년 15,000불의 추가적인 수입을 주고 있습니다.

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

현재 뉴욕 공립학교의 수학, 과학 교사 800명을 지원하고 있습니다.

as part of a core.

핵심 중 하나죠.

There's a great morale among them.

이 사람들은 매우 강한 자부심을 가지고 있고

They're staying in the field.

교육계에 계속 있을겁니다.

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

내년에는, 1,000명이 될겁니다.

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

이건 뉴욕시 공립학교 수학과학교사의 10%에 해당하는 숫자입다.

(Applause)

(박수)

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

CA: 짐, 여기 당신이 지원하는 또 다른 프로젝트가 있습니다.

Research into origins of life, I guess.

생명의 기원에 관한 연구인데요.

What are we looking at here?

여기 이게 뭔가요?

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

JS: 이건 잠시만 아껴두도록 할게요.

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

조금 있다 이것에 대해 말씀드리겠습니다.

Origins of life is a fascinating question.

생명의 기원은 정말 매력적인 주제입니다.

How did we get here?

우리는 어떻게 여기에 왔나?

Well, there are two questions:

글쎄요, 여기엔 두 가지 질문이 있습니다.

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

하나는 지질학 요소에서 생물학적 요소로 가는 길이 무엇이냐는 겁니다.

how did we get here?

어떻게 여기에 왔냐의 문제죠.

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

또 다른 질문은 "우리는 무엇과 함께 시작했는가." 입니다.

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

이 과정에서 무슨 물질들이 작용을 했을까요?

Those are two very, very interesting questions.

이 두 가지는 매우 흥미로운 질문들입니다.

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

첫 질문은 지질에서 RNA같은 것으로 가는 지리한 과정입니다.

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

어떻게 작용한걸까 이고

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

다른 질문은 무엇과 함께 작용할까의 질문입니다.

Well, more than we think.

우리가 생각하는 것 이상이죠.

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

저기 찍혀 있는 건 새로 생성되고 있는 별입니다.

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

천 억개의 별이 있는 우리 은하계는

about two new stars are created.

매년 새로운 별이 두 개씩 탄생합니다.

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

왜인지는 묻지 마세요, 어쨌든 생성되고 있으니까요

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

이 별들이 안정화 하는데는 100만년이 걸립니다.

So, in steady state,

안정적인 상태에서

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

2백만개의 별들이 지금 이 순간에도 형성되고 있습니다.

That one is somewhere along this settling-down period.

저건 안정화 단계에 있는 별입니다.

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

그리고 수 많은 쓰레기들이 주위를 선회하고 있습니다.

dust and stuff.

바로 먼지와 물질들이죠.

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

어쩌면 태양계를 형성하거나, 다른 형태를 일수도 있습니다.

But here's the thing --

하지만 중요한 것은

in this dust that surrounds a forming star

형성중인 별주변을 도는 이 먼지속에서

have been found, now, significant organic molecules.

많은 유기분자들을 발견했다는 겁니다.

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

메탄뿐아니라 포름알데히드, 시안화물 등

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

생명의 기본구조물들을 발견했습니다.

So, that may be typical.

따라서 이 물질들은 평범한 물질일 수 있습니다.

And it may be typical that planets around the universe

그리고 우주를 돌고있는 수많은 행성들이 바로

start off with some of these basic building blocks.

이 생명을 구성하는 물질들과 함께 생성될 수도 있다는 거죠

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

그럼 우주 어딘가에 생명체가 살 수도 있다는 말일까요?

Maybe.

아마도요.

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

하지만 이 질문은 미약한 물질단계에서

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

생명에 이르는 것이 얼마나 힘든 과정이냐는 겁니다.

And most of those seeds will fall on fallow planets.

대부분의 유기물질은 황량한 행성으로 그냥 떨어지겠지요.

CA: So for you, personally,

CA: 그러니까 개인적으로

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

우리가 어디에서 왔고, 어떻게 생명이 생겼는지에 대한

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

질문에 해답을 찾는것 이것이 당신이 바라는 것이군요.

JS: Would love to see.

JS: 예 맞습니다.

And like to know --

이 과정이 너무나 힘들어 불가능하다면

if that path is tortuous enough, and so improbable,

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

우리가 어떻게 시작되었는지와 상관없이 우주에서 생명은 우리 하나일 겁니다.

But on the other hand,

하지만 우주를 떠다니는 이런 유기물 먼지들을 봤을 때

given all this organic dust that's floating around,

we could have lots of friends out there.

저 바깥에는 많은 외계인 친구들이 있을 수 있습니다.

It'd be great to know.

어주 멋진 일이죠.

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

CA: 짐, 몇년전 엘런 머스크와 이야기를 나눌 기회가 있었는데요.

and I asked him the secret of his success,

제가 성공의 비결이 뭐냐고 물은 적이 있습니다.

and he said taking physics seriously was it.

그는 물리학을 중요시해라 라고 하더군요.

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

말씀하시는 걸 들으니 바로 당신의 인생과 함께한

that has infused your whole life.

수학을 중요하게 생각하라는 걸로 들리네요.

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

수학은 당신에게 엄청난 부를 안겨주었고

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

지금은 미국 전역의 수많은 아이들의 미래에 투자를 하고계시죠.

Could it be that science actually works?

과학이 실제로 통할까요?

That math actually works?

수학이 실제로 통할까요?

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

JS: 수학은 확실히 통합니다. 수학은 통해요.

But this has been fun.

즐기고 있습니다.

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

매릴린과 함께 일하면서 재능을 나누는 것은 아주 즐거운 일입니다.

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

CA: 지식을 진지하게 받아들이면서훨씬 많은 것을

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

그것으로 부터 얻을수 있다는 생각은 저에게 큰 영감을 주었습니다.

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

당신의 멋진 인생이야기와 TED에 와주셔서 감사드립니다.

Thank you.

감사합니다.

Jim Simons!

여러분 짐 사이먼스였습니다!

(Applause)

(박수)