The mathematician who cracked Wall Street | Jim Simons

Перекладач: Oleksiy Lohvinov Утверджено: Hanna Leliv

Chris Anderson: You were something of a mathematical phenom.

Крiс Андерсон: Ви були кимось на зразок математичного вундеркінда.

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

Ви почали викладати у Гарвардi та MIT ще молодим.

And then the NSA came calling.

İ потiм вас покликали до АНБ (NSA).

What was that about?

Що це було?

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

Джим Саймонс: Ну, АНБ -- Агентство національної безпеки --

they didn't exactly come calling.

вони не зовсiм прийшли з пропозицiєю.

They had an operation at Princeton, where they hired mathematicians

Вони проводилу операцію у Принстонi, де наймали математикiв,

to attack secret codes and stuff like that.

щоб ті ламали секретнi коди і подібні речі.

And I knew that existed.

І я знав, що таке було.

And they had a very good policy,

У них була дуже добра полiтика,

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

бо половину свого часу можна було займатися математикою

and at least half your time working on their stuff.

і, не менше половини часу -- займатися їхніми завданнями.

And they paid a lot.

Вони дуже добре платили.

So that was an irresistible pull.

Тож від цього важко було відмовитись.

So, I went there.

І я пiшов до них.

CA: You were a code-cracker.

КА: Ви були зламувачем коду.

JS: I was.

ДС: Так.

CA: Until you got fired.

КА: Поки не звiльнили.

JS: Well, I did get fired. Yes.

ДС: Я зробив так, що звiльнили.

CA: How come?

КА: Як це?

JS: Well, how come?

ДС: Ну, як?

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

Мене звiльнили, тому що була вiйна у В’єтнамi,

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

і головний бос у моїй органiзацiї був великим прихильником вiйни.

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

Вiн написав статтю у Нью-Йорк Таймс, яка потрапила на обкладинку,

about how we would win in Vietnam.

про те, як ми переможемо у В'єтнамі.

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

Менi не дуже подобалась ця вiйна, я вважав її безглуздою.

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

Я написав листа до Таймс, якого вони надрукували,

saying not everyone who works for Maxwell Taylor,

в якому сказав, що не всi, хто працює на Максвелла Тейлора,

if anyone remembers that name, agrees with his views.

якщо хтось ще пам'ятає це ім'я, згодні з його поглядами.

And I gave my own views ...

І я висловив свої власні погляди.

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

КА: А, добре. Я розумію, це могло --

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

ДС: які відрізнялися від поглядів генерала Тейлора.

But in the end, nobody said anything.

Але, врешті, ніхто нічого не сказав.

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

Але потім, мені тоді було 29 років, до мене прийшов якийсь хлопчина

and said he was a stringer from Newsweek magazine

і сказав що він репортер журналу Н’юсвік.

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

Він хотів узяти в мене інтерв’ю і запитати про мої погляди.

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

І я сказав йому: "Я зараз переважно займаюся математикою,

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

а коли закінчиться війна, тоді я більше займатимусь їхніми завданнями."

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

Потім я зробив єдину розумну річ, з усіх що зробив того дня.

I told my local boss that I gave that interview.

Я розповів своєму місцевому босу, що я дав це інтерв’ю.

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

І він запитав: "Що ти сказав?"

And I told him what I said.

Я розповів, що сказав.

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

І тоді він сказав: "Я мушу подзвонити Тейлору".

He called Taylor; that took 10 minutes.

Він подзвонив Тейлору. Це зайняло 10 хвилин.

I was fired five minutes after that.

Мене було звільнено 5 хвилин потому.

CA: OK.

КА: Гаразд.

JS: But it wasn't bad.

ДС: Та це не було погано.

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

КА: Це не було погано, бо ви пішли до Стоуні Брук

and stepped up your mathematical career.

і покращили свою математичну кар’єру.

You started working with this man here.

Тут ви почали працювати з цим чоловіком.

Who is this?

Хто це?

JS: Oh, [Shiing-Shen] Chern.

ДС: О, [Шіінґ-Шен] Черн.

Chern was one of the great mathematicians of the century.

Так, Черн був одним із великих математиків століття.

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

Я знав його, коли був аспірантом у Берклі.

And I had some ideas,

Я мав деякі ідеї,

and I brought them to him and he liked them.

виклав їх йому, і вони йому сподобались.

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

Разом ми зробили цю роботу, яку ви можете бачити там, вгорі.

There it is.

Ось вона.

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

КА: В результаті, ви разом опублікували відому статтю.

Can you explain at all what that work was?

Чи можете ви пояснити, що це, взагалі, була за робота?

JS: No.

ДС: Ні.

(Laughter)

(Сміх)

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

ДС: Тобто, я міг би пояснити її комусь.

(Laughter)

(Сміх)

CA: How about explaining this?

КА: Як щодо пояснення цього?

JS: But not many. Not many people.

ДС: Але небагатьом. Небагатьом людям.

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

КА: Здається ви казали мені, що це якось стосувалося сфер,

so let's start here.

тож почнімо звідси.

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

ДС: Що ж, так, стосувалося, але я скажу про ту роботу --

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

вона певним чином стосувалася, але перед тим, як перейти до цього --

that work was good mathematics.

та робота була хорошою математикою.

I was very happy with it; so was Chern.

Я був дуже задоволений нею. І Черн також.

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

Вона навіть започаткувала відгалуження науки, яке зараз у розквіті.

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

Але ще цікавіше, що вона знайшла застосування у фізиці,

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

у тому, про що ми нічого не знали -- принаймні я нічого не знав про фізику,

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

і не думаю, що Черн багато знав.

And about 10 years after the paper came out,

Приблизно через 10 років після публікації статті,

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

хлопець на ім’я Ед Віттен у Принстоні почав застосовувати її до теорії струн,

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

а в Росії почали застосовувати її до того що називається "конденсоване середовище".

Today, those things in there called Chern-Simons invariants

Сьогодні ці речі, які називаються інваріантами Черна-Саймонса,

have spread through a lot of physics.

поширилися у багатьох галузях фізики.

And it was amazing.

І це було дивовижно.

We didn't know any physics.

Ми взагалі не знали фізики.

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

Мені ніколи не спадало на думку, що це застосують у фізиці.

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

Але така вона, математика -- ніколи не знаєш, де її застосують.

CA: This is so incredible.

КА: Це просто неймовірно.

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

Отже, ми говорили про те, як еволюція змінює розум людини,

that may or may not perceive the truth.

який може сприймати або не сприймати правду.

Somehow, you come up with a mathematical theory,

Так чи інакше, ви розробляєте математичну теорію,

not knowing any physics,

зовсім не знаючи фізики,

discover two decades later that it's being applied

через 20 років дізнаєтеся, що вона застосовується,

to profoundly describe the actual physical world.

щоб повністю описати реальний фізичний світ.

How can that happen?

Як таке можливо?

JS: God knows.

ДС: Один Бог знає.

(Laughter)

(Сміх)

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

Але є один відомий фізик, якого звуть [Юджин] Віґнер,

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

він написав есе про необґрунтовану ефективність математики.

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

Так чи інакше, ця математика, яка має коріння у реальному світі,

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

в певному сенсі -- ми вчимося рахувати, вимірювати, усі це роблять --

and then it flourishes on its own.

потім починає жити самостійним життям.

But so often it comes back to save the day.

Але часто вона повертається, щоб розв'язати складну проблему.

General relativity is an example.

Прикладом є загальна теорія відносності.

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

[Герман] Мінковський мав цю геометрію, а Ейнштейн зрозумів:

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

"Це ж якраз та річ, у яку я можу вписати загальну теорію відносності".

So, you never know. It is a mystery.

Отже, ти ніколи не знаєш. Це загадка.

It is a mystery.

Це загадка.

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

КА: Тож, ось приклад математичної винахідливості.

Tell us about this.

Розкажіть нам про це.

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

ДС: Ну, це куля -- це сфера, і вона має решітку навколо себе --

you know, those squares.

тобто, ось ці квадрати.

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

Те, що я покажу тут, вперше помітив [Леонард] Ейлер,

the great mathematician, in the 1700s.

великий математик 18-го століття.

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

І це поступово стало дуже важливою галуззю математики:

algebraic topology, geometry.

алгебраїчна топологія, геометрія.

That paper up there had its roots in this.

Та стаття мала корені у цій галузі.

So, here's this thing:

Тож, ось ця річ:

it has eight vertices, 12 edges, six faces.

вона має 8 вершин, 12 ребер, 6 граней.

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

І, якщо подивитися на різницю -- вершини мінус ребра плюс грані --

you get two.

одержимо два.

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

Гаразд, ну, два. Це хороше число.

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

Ось інший спосіб зробити це -- трикутники вкривають сферу --

this has 12 vertices and 30 edges

тут є 12 вершин, 30 ребер,

and 20 faces, 20 tiles.

20 граней і 20 пластинок.

And vertices minus edges plus faces still equals two.

Вершини мінус ребра плюс грані також дорівнює два.

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

Фактично, ви можете зробити це будь-яким способом --

cover this thing with all kinds of polygons and triangles

вкрити цю штуку різними видами багатокутників і трикутників

and mix them up.

і поєднувати їх.

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

А якщо віднімете ребра від вершин і додасте грані -- отримаєте два.

Here's a different shape.

Ось інша фігура.

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

Це тор, або поверхня пампушки, -- 16 вершин,

covered by these rectangles, 32 edges, 16 faces.

вкритих цими прямокутниками, 32 ребра, 16 граней.

Vertices minus edges comes out to be zero.

Виходить нуль -- вершини мінус ребра [плюс грані].

It'll always come out to zero.

Це завжди буде нуль.

Every time you cover a torus with squares or triangles

Щоразу, як ви вкриватимете тор квадратами або трикутниками

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

або чимось подібним, ви одержите нуль.

So, this is called the Euler characteristic.

Тож, це називається характеристика Ейлера.

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

І це те, що називається топологічним інваріантом.

It's pretty amazing.

Дивовижно.

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

Байдуже, як ви це робите. Результат завжди однаковий.

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

Тож це був перший поштовх, з середини 18-го століття,

into a subject which is now called algebraic topology.

до дисципліни, яка зараз називається алгебраїчною топологією.

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

КА: І у вашій роботі ви взяли подібну ідею і застосували її

into higher-dimensional theory,

до теорії багатовимірного простору,

higher-dimensional objects, and found new invariances?

багатовимірних об’єктів, і виявили нові інваріанти?

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

ДС: Так. Ну, тоді вже були багатовимірні інваріанти:

Pontryagin classes -- actually, there were Chern classes.

класи Понтрягіна -- насправді, були класи Черна.

There were a bunch of these types of invariants.

Була ціла купа такого типу інваріантів.

I was struggling to work on one of them

Я щосили старався працювати над одним із них

and model it sort of combinatorially,

і моделювати його, скажімо, комбінаторно,

instead of the way it was typically done,

замість того способу, в який це зазвичай робилося.

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

Це вилилося у ту роботу, і ми знайшли деякі нові речі.

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

Але якби не пан Ейлер --

who wrote almost 70 volumes of mathematics

який написав майже 70 книжок з математики

and had 13 children,

і мав 13 дітей,

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

яких він, певно, гойдав на коліні, коли писав --

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

якби не пан Ейлер, то, не було б, напевно, і цих інваріантів.

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

КА: Гаразд, тож це, принаймні, дало нам уявлення про той дивовижний розум.

Let's talk about Renaissance.

Поговорімо про Ренесанс.

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

Бо, спираючись на той дивовижний розум і, будучи дешифрувальником АНБ,

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

ви стали дешифрувальником у фінансовій індустрії.

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

Я думаю, ви не розробляли ефективної ринкової теорії.

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

Ви якось знайшли спосіб генерувати вражаючі прибутки протягом 20 років.

The way it's been explained to me,

Як мені це пояснили,

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

дивовижним у тому, що ви зробили, була не величина прибутків,

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

а те, що ви їх отримували з несподівано низькою волатильністю і ризиком,

compared with other hedge funds.

порівняно з іншими хедж-фондами.

So how on earth did you do this, Jim?

Тож як, у біса, ви це зробили, Джиме?

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

ДС: Я зробив це, зібравши чудову групу людей.

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

Коли я почав займатися торгами, я був трохи втомлений від математики.

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

Мені було під сорок, у мене було мало грошей.

I started trading and it went very well.

Я почав торгувати на біржі, і це пішло дуже добре.

I made quite a lot of money with pure luck.

Я заробив досить багато грошей на чистому везінні.

I mean, I think it was pure luck.

Тобто, я думаю, то було везіння.

It certainly wasn't mathematical modeling.

Це, звичайно, не було математичне моделювання.

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

Але, дивлячись на дані, невдовзі я усвідомив:

it looks like there's some structure here.

вони виглядають так, ніби там є якась структура.

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

Я найняв кількох математиків, і ми почали робити деякі моделі --

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

подібні до тих, які ми робили в IDA [Інститут оборонного аналізу].

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

Ви розробляєте алгоритм, тестуєте його на комп’ютері.

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

Чи він працює? Чи не працює? Тощо.

CA: Can we take a look at this?

КА: Ми можемо поглянути на це?

Because here's a typical graph of some commodity.

Бо це типовий графік ціни якогось товару.

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

Я дивлюсь на це і кажу: "Це просто випадковий рух вгору-вниз --

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

можливо, невеликий висхідний тренд упродовж всього періоду".

How on earth could you trade looking at that,

Як ви могли торгувати, дивлячись на це,

and see something that wasn't just random?

і бачити щось, що не було просто випадковим?

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

ДС: У ті часи -- це один із графіків зі тих старих часів --

commodities or currencies had a tendency to trend.

товари або валюти мали тенденції до трендів.

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

Не обов’язково дуже легких трендів, як тут, а циклічних трендів.

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

І якщо ви вирішували, гаразд, сьогодні я зроблю прогноз,

by the average move in the past 20 days --

спираючись на середні коливання за останні 20 днів --

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

можливо, це був би добрий прогноз, і я заробив би трохи грошей.

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

Фактично, багато років тому, така система працювала б --

not beautifully, but it would work.

не бездоганно, але працювала б.

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

Ви б робили гроші, втрачали гроші, робили гроші.

But this is a year's worth of days,

Але цінність року в цих днях,

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

і ви б заробили трохи грошей протягом цього періоду.

It's a very vestigial system.

Це система, що вже зникає.

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

КА: Тож ви перевіряли набір довжин трендів у часі,

and see whether, for example,

і дивилися, наприклад, чи

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

10-денний або 15-денний тренд прогнозував те, що відбувалося далі.

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

ДС: Авжеж, пробували всі ті речі і дивилися що працювало найкраще.

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

Відслідковування тренду працювало чудово в 60-х.

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

І більш-менш нормально в 70-х.

By the '80s, it wasn't.

На початок 80-х -- вже ні.

CA: Because everyone could see that.

КА: Бо кожен міг бачити це.

So, how did you stay ahead of the pack?

Тож, як вам вдавалося залишатися попереду зграї?

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

ДС: Ми залишалися попереду зграї, знаходячи інші підходи --

shorter-term approaches to some extent.

короткотермінові підходи, до певної міри.

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

Насправді завдання полягало в тому, щоб зібрати величезний об’єм даних,

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

і ми мусили збирати їх вручну, в ті дні.

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

Ми пішли до Федерального резерву і скопіювали історію відсоткових ставок

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

і подібні речі, бо цього не було в комп’ютерах.

We got a lot of data.

Ми отримали багато даних.

And very smart people -- that was the key.

А ще дуже розумні люди -- вони були ключовим фактором.

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

Я не знав, як наймати людей для фундаментального аналізу.

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

Я найняв кількох -- деякі заробляли гроші, деякі не заробляли.

I couldn't make a business out of that.

Я не міг зробити бізнес на цьому.

But I did know how to hire scientists,

Але я знав, як наймати науковців,

because I have some taste in that department.

бо був знайомий з цією сферою.

So, that's what we did.

Отже, ось що ми зробили.

And gradually these models got better and better,

Поступово ці моделі ставали все кращими і кращими,

and better and better.

кращими і кращими.

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

КА: Вам приписують створення дечого дивовижного в Ренесансі,

which is building this culture, this group of people,

а саме, створення цієї культури, цієї групи людей,

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

не просто найманих працівників, яких могли б переманити грошима.

Their motivation was doing exciting mathematics and science.

Їх мотивувала до роботи захоплива математика й наука.

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

ДС: Ну, сподівався, що це так і було.

But some of it was money.

Але, частково, це були гроші.

CA: They made a lot of money.

КА: Вони робили великі гроші.

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

ДС: Не можу сказати, що жоден не прийшов через гроші.

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

Думаю, багато з них прийшли через гроші.

But they also came because it would be fun.

Але вони також прийшли, бо мало бути цікаво.

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

КА: Яку роль грало в усьому цьому машинне навчання?

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

ДС: В певному сенсі, те, що ми робили, було машинним навчанням.

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

Дивимось на великий об’єм даних і пробуємо симулювати різні схеми прогнозів,

until you get better and better at it.

поки не почне виходити краще і краще.

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

Цей процес не обов’язково вдосконалював сам себе на основі попереднього досвіду.

But it worked.

Але це працювало.

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

КА: Ці різні схеми прогнозування можуть бути дуже безладними і непередбачуваними.

I mean, you looked at everything, right?

Тобто, ви дивилися на все, так?

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

Ви дивилися на погоду, довжину суконь, політичні погляди.

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

ДС: Так, довжину суконь ми не пробували.

CA: What sort of things?

КА: Якого роду речі?

JS: Well, everything.

ДС: Ну, все.

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

Усе є потенційно важливим -- крім довжин швів.

Weather, annual reports,

Погода, річні звіти,

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

квартальні звіти, історичні дані, об’єми, усе що завгодно.

Whatever there is.

Усе що є.

We take in terabytes of data a day.

Ми отримуємо терабайти даних за день.

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

Зберігаємо їх, обробляємо і готуємо до аналізу.

You're looking for anomalies.

Треба шукати аномалії.

You're looking for -- like you said,

Треба шукати -- як ви сказали,

the efficient market hypothesis is not correct.

ефективна ринкова гіпотеза не є правильною.

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

КА: Але будь-яка аномалія може бути просто випадковістю.

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

Тож, секрет у тому, щоб просто перевіряти численні дивні аномалії і дивитися,

and see when they align?

коли вони узгодяться?

JS: Any one anomaly might be a random thing;

ДС: Будь-яка аномалія може бути випадковістю.

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

Однак якщо у вас достатньо даних, можна розрізнити.

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

Можна побачити аномалію, яка повторюється достатньо довгий час --

the probability of it being random is not high.

імовірність того, що це випадковість, невисока.

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

Але ці речі слабшають з часом; аномалії можуть стати непридатними.

So you have to keep on top of the business.

Отже, вам треба залишатися на вершині цього бізнесу.

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

КА: Багато людей зараз дивляться на індустрію хедж-фондів

and are sort of ... shocked by it,

і вражені тим,

by how much wealth is created there,

які багатства там створюються,

and how much talent is going into it.

і як багато талантів туди залучається.

Do you have any worries about that industry,

У вас не викликає якогось занепокоєння те, що ця індустрія,

and perhaps the financial industry in general?

і, можливо, фінансова галузь загалом,

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

стає чимось на зразок поїзда, що зійшов з рейок --

I don't know -- helping increase inequality?

поглиблюючи нерівність?

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

Що б ви сказали на захист того, що відбувається в індустрії хедж-фондів?

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

ДС: Я думаю, в останні три-чотири роки,

hedge funds have not done especially well.

хедж-фонди були не особливо успішні.

We've done dandy,

У нас все було файно,

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

але індустрія хедж-фондів у цілому не була така успішна.

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

Фондовий ринок був на підйомі, зростав, як усім відомо,

and price-earnings ratios have grown.

і співвідношення ціна/прибуток зростали.

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

Тож величезні об’єми багатств створених за останні, скажімо,

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

п’ять або шість років -- не були створені хедж-фондами.

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

Люди запитують мене: "Що таке хедж-фонд?"

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

А я кажу: "Один і двадцять".

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

Що означає -- тепер це 2 і 20 --

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

це два відсотки фіксованої плати і 20 відсотків від прибутків.

Hedge funds are all different kinds of creatures.

Кожен хедж-фонд - це окремий "звір".

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

КА: Ходять чутки, що ваші розцінки трохи вищі.

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

ДС: Колись наші розцінки були найвищими у світі.

Five and 44, that's what we charge.

П’ять і 44, це наші розцінки.

CA: Five and 44.

КА: П’ять і 44.

So five percent flat, 44 percent of upside.

Отже, п’ять відсотків фіксованої оплати і 44 відсотки від прибутку.

You still made your investors spectacular amounts of money.

І все ж, ви заробляєте для ваших інвесторів величезні гроші.

JS: We made good returns, yes.

ДС: Мали добрі прибутки, так.

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

Люди дуже обурювались: "Як ви можете брати так дорого?"

I said, "OK, you can withdraw."

Я казав: "Добре, можете відмовитися".

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

Але "Як я зможу заробити більше?", -- відповідали люди.

(Laughter)

(Сміх)

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

Проте в певний момент, як, здається, я казав вам,

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

ми викупили акції всіх інвесторів, бо у фонду є така можливість.

CA: But should we worry about the hedge fund industry

КА: Але чи варто нам хвилюватися, що хедж-фонди

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

приваблюють забагато блискучих математиків та інших талановитих людей в усьому світі,

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

щоб працювати на них, замість розв'язувати численні проблеми в світі?

JS: Well, it's not just mathematical.

ДС: Ну, не лише математиків.

We hire astronomers and physicists and things like that.

Ми наймаємо астрономів, фізиків і подібних фахівців.

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

Не думаю, що варто дуже хвилюватися з цього приводу.

It's still a pretty small industry.

Це все ще досить маленька індустрія.

And in fact, bringing science into the investing world

Насправді, залучення науки у світ інвестицій

has improved that world.

покращило цей світ.

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

Зменшило волатильність. Збільшило ліквідність.

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

Спреди стали вужчими, бо люди торгують. І так далі.

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

Тож я не хвилююсь, що Ейншейн піде з науки і створить хедж-фонд.

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

КА: Ви зараз на тому етапі життя, коли, насправді, інвестуєте, хоча

at the other end of the supply chain --

на іншому кінці ланцюжка --

you're actually boosting mathematics across America.

ви насправді піднімаєте математику по всій Америці.

This is your wife, Marilyn.

Це ваша дружина, Мерилін.

You're working on philanthropic issues together.

Ви займаєтесь благодійністю разом.

Tell me about that.

Розкажіть про це.

JS: Well, Marilyn started --

ДС: Отже, Мерилін започаткувала --

there she is up there, my beautiful wife --

ось вона, моя чудова дружина, --

she started the foundation about 20 years ago.

вона започаткувала фонд близько 20 років тому.

I think '94.

Здається в 1994-му.

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

Я кажу, це був 93-й, вона каже, що 94-й,

but it was one of those two years.

але це сталося в один із тих двох років.

(Laughter)

(Сміх)

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

Ми заснували фонд, просто щоб було зручніше жертвувати на благодійність.

She kept the books, and so on.

Вона займалась бухгалтерією та іншим.

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

Тоді у нас не було бачення, але поступово воно з’явилося --

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

зосередитися на математиці й науці, на фундаментальних дослідженнях.

And that's what we've done.

Саме це ми й зробили.

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

Близько шести років тому я залишив Ренесанс і пішов працювати у фонд.

So that's what we do.

Тож це те, чим ми займаємось.

CA: And so Math for America is basically investing

КА: Тож, по суті, Математика для Америки інвестує

in math teachers around the country,

у вчителів математики по всій країні,

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

надаючи їм додаткові надходження, надаючи підтримку й навчання.

And really trying to make that more effective

І справді намагаючись підвищити їхню ефективність

and make that a calling to which teachers can aspire.

і зробити це професією, якої вчителі прагнутимуть.

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

ДС: Так -- замість того, щоб звинувачувати поганих вчителів,

which has created morale problems all through the educational community,

що створює моральні проблеми в усій освітній спільноті,

in particular in math and science,

особливо в математиці та природничих науках,

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

ми зосереджуємось на підтримці хороших вчителів і даємо їм статус.

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

Так, ми даємо їм додаткові гроші, 15 000 доларів на рік.

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

У нас є 800 вчителів природничих наук і математики в державних школах Нью-Йорка,

as part of a core.

як основна група.

There's a great morale among them.

У цій спільноті панує чудовий моральний стан.

They're staying in the field.

Вони тримаються у своїй сфері.

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

Наступного року їх буде 1000, і це буде 10 відсотків

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

усіх вчителів математики і наук державних шкіл міста Нью-Йорк.

(Applause)

(Оплески)

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

КА: Джиме, ось інший проект, який ви підтримуєте пожертвами.

Research into origins of life, I guess.

Дослідження походження життя, здається.

What are we looking at here?

Що ми тут бачимо?

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

ДС: Я повернусь до цього за хвильку.

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

І тоді скажу вам, що ми тут бачимо.

Origins of life is a fascinating question.

Походження життя - захопливе питання.

How did we get here?

Як ми тут опинилися?

Well, there are two questions:

Тож, є два питання:

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

Одне -- яким є шлях від геології до біології --

how did we get here?

як ми тут опинилися?

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

А інше питання - це з чого ми почалися?

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

З яким матеріалом, якщо він був, ми мали працювати на цьому шляху?

Those are two very, very interesting questions.

Це два дуже-дуже цікавих питання.

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

Перше з них - непростий шлях від геології до РНК

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

або чогось такого -- як це все працювало?

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

А інше -- з яким матеріалом ми маємо працювати?

Well, more than we think.

Ну, матеріалу більше, ніж ми думаємо.

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

Отже, тут зображено зірку на етапі формування.

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

Щороку в нашому Чумацькому Шляху, де є 100 мільярдів зірок,

about two new stars are created.

утворюється приблизно дві нові зірки.

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

Не питайте мене як, але вони утворюються.

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

І їм треба приблизно мільйон років на те, щоб стабілізуватися.

So, in steady state,

Отже, у стаціонарному стані

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

є близько двох мільйонів зірок, що формуються, в будь-який момент часу.

That one is somewhere along this settling-down period.

Ця зірка перебуває десь посередині періоду стабілізації.

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

І навколо неї обертається усіляке сміття,

dust and stuff.

пил, речовини.

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

З цього, певно, сформується, сонячна система, або що завгодно.

But here's the thing --

Але ось у чому річ --

in this dust that surrounds a forming star

у цьому пилові, що оточує зірку, яка формується,

have been found, now, significant organic molecules.

знаходять важливі органічні молекули.

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

Не просто молекули, подібні до метану, а формальдегід і ціанід --

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

речі, які є будівельними блоками -- зародками, якщо хочете -- життя.

So, that may be typical.

Отже, це може бути типовим розвитком.

And it may be typical that planets around the universe

І може бути типовим те, що планети в усьому Всесвіті

start off with some of these basic building blocks.

зароджуються, вже маючи деякі з цих будівельних блоків.

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

Тож, чи означає це, що життя буде повсюди?

Maybe.

Можливо.

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

Але це питання того, наскільки складним є цей шлях

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

від тих крихких початкових блоків, тих зародків, аж до життя.

And most of those seeds will fall on fallow planets.

Більшість з тих зародків загинуть на недорозвинутих планетах.

CA: So for you, personally,

КА: Тож для вас, особисто,

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

знайти відповідь на це питання, звідки ми прийшли,

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

як це відбулося, -- це дещо, про що, ви хотіли би дізнатися.

JS: Would love to see.

ДС: Хотів би дізнатися.

And like to know --

І хотів би знати --

if that path is tortuous enough, and so improbable,

чи той шлях є настільки складний і малоімовірний,

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

що з чого б ви не почали, ми, можливо, єдині у Всесвіті.

But on the other hand,

Але, з іншого боку,

given all this organic dust that's floating around,

враховуючи увесь цей органічний пил, що літає навколо,

we could have lots of friends out there.

ми можемо мати багато друзів десь там.

It'd be great to know.

Було б чудово дізнатися.

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

КА: Джиме, пару років тому, я мав нагоду поспілкуватися з Ілоном Маском,

and I asked him the secret of his success,

і я запитав про таємницю його успіху.

and he said taking physics seriously was it.

Він сказав, що це було серйозне ставлення до фізики.

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

Слухаючи вас, я чую, що саме серйозне ставлення до математики

that has infused your whole life.

окриляло вас усе ваше життя.

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

Воно дало вам великі статки, а тепер дає вам змогу інвестувати

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

у майбутнє тисяч і тисяч дітей по всій Америці і деінде.

Could it be that science actually works?

Чи може бути, що наука насправді працює?

That math actually works?

Що математика насправді працює?

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

ДС: Ну, математика безумовно працює. Математика безумовно працює.

But this has been fun.

Але це також цікаво.

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

Працювати з Мерилін і займатися благодійністю дуже приємно.

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

КА: Я вважаю, і ця думка мене дуже надихає,

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

що ставлячись до знань серйозно, можна досягти надзвичайних результатів.

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

Дякую за ваше дивовижне життя, і за те що завітали сюди, на TED.

Thank you.

Дякую.

Jim Simons!

Джим Саймонс!

(Applause)

(Оплески)