Непосвященные это не до конца понимали, но реальным ключом была инженерия фирмы – как она объединила все эти факторы и силы в единую автоматизированную торговую систему. Фирма покупала определенное количество акций с положительными сигналами, часто комбинацией более детальных отдельных сигналов, и совершала короткие продажи акций с отрицательными сигналами (движения, определяемые тысячами строк исходного кода).

«Мы не можем объяснить нашу каждую отдельно взятую сделку, просто сказав, что, по нашему мнению, одна акция будет расти, а другая – падать, – объясняет старший сотрудник. – Каждая сделка зависит от всех других сделок, и от того, что мы планируем делать в ближайшем или отдаленном будущем. Это большая, сложная оптимизационная задача, основанная на предпосылке о том, что мы достаточно хорошо прогнозируем будущее, чтобы делать деньги из наших прогнозов, и что мы понимаем риски, стоимость, воздействие и структуру рынка достаточно хорошо, чтобы использовать их».

То, как фирма совершала сделку, настолько же важно, как и то, на что она поставила. Если Medallion обнаружит прибыльный сигнал, например, что доллар вырастет на 0,1 % между 9:00 и 10:00 часами утра, он не будет покупать его, когда часы пробьют 9:00, потенциально сигнализируя другим о том, что движение будет происходить каждый день в это же время. Вместо этого он распределяет покупки на протяжении часа непредсказуемым образом, чтобы сохранить свой торговый сигнал. Medallion разработал методы торговли на основе некоторых из своих самых сильных сигналов «на полную мощность», как назвали его инсайдеры, таким образом, чтобы влияние на цены было таким, при котором конкуренты не могли бы их вычислить. Это как услышать об огромной скидке на популярный товар в Target и скупить почти все товары со скидкой в момент открытия магазина, так, что никто больше даже не узнает, что распродажа состоялась.

«Мы можем торговать по одному и тому же сигналу в течение года, но это будет выглядеть как совершенно по-разному для тех, кто не знает наших сделок», – говорит инсайдер.

Саймонс подытожил такой подход в своей речи в Южной Корее в 2014 году: «Это большая задача в области машинного обучения, если вы хотите смотреть на это таким образом. Это изучение прошлого, понимание, что происходит и как это может случайно повлиять на будущее». (5)

Долгое время Боб Мерсер был необычной, но в целом доброжелательной фигурой в компании. Седовласый, с темными бровями, он предпочитал носить очки в оправе и высококлассную обувь. Мерсер часто насвистывал и дразнил нескольких либеральных коллег, но в основном он просто разговаривал с Питером Брауном.