– Но это потребовало бы огромной работы? Как вы справились с ней?

– У меня был партнер, блестящий компьютерщик, и мы начали с того, что для создания этих тикеров наняли 40 студентов из местных колледжей. Они тщательно подобрали четверть миллиона тегов. Идея заключалась в том, чтобы объединить эти теги-тикеры с неструктурированными данными, получаемыми от операторов социальных сетей, таких как Twitter и Facebook, чтобы мы могли измерить относительную частоту, с которой эти теги упоминались в этих социальных сетях в режиме реального времени. Например, я бы мог бы в результате сказать вам, сколько людей говорило о приобретении iPhone в течение трех недель перед данным выпуском iPhone по сравнению с такими же периодами для предыдущих выпусков iPhone.

– Как вы платили за эту деятельность?

– Я вложил $1 млн своей торговой прибыли в запуск компании TickerTags, и еще несколько миллионов мы привлекли со стороны.

– Разве ценность этих тегов не будет зависеть от навыков людей, которые их собирают? Откуда вы знали, что эти 40 студентов правильно выполняли ваше задание?

– Я обучил их тому, как создавать теги для компании. У каждого студента был свой список. Для каждой компании в их списке им было дано указание исследовать компанию, исследовать квартальные отчеты о доходах, находить новостные статьи о компании – все это имело конечную цель: определить драйверы цены именно для этой компании. Они отмечали любое слово, связанное с чем-либо, что могло повлиять на данную компанию. Например, для компании Wendy’s тегом был «крендель с беконом» и «чизбургер».

В итоге мы получили более миллиона тегов, отображающих деятельность более чем 2000 компаний. Мы смогли обнаруживать отклонения в обсуждениях и понимать, был ли интерес к детализированной теме большим или меньшим, чем к конкретному критерию, был ли этот критерий свойственным для данной компании в сравнении с предыдущим годом и был ли это конкурирующий продукт. Всякий раз, когда вокруг детализированной темы поднимается частота разговорных фраз, наша система это регистрирует. Я считал, что это была кульминация всего, над чем я работал, что мы, возможно, создали самый эффективный продукт институциональных данных для Уолл-стрит.