چرا نیوتن در بورس ورشکست شد، اما یک ریاضی‌دان مرموز ثروتمندترین نابغه‌ تاریخ شد؟

چطور ممکن است اسحاق نیوتن، یکی از بزرگ‌ترین نوابغ تاریخ، بخش زیادی از ثروتش را در حباب «شرکت دریای جنوبی» ببازد، اما چند قرن بعد، ریاضی‌دان دیگری به نام جیم سایمنز با صندوق «مدالیون» خود، به ثروتمندترین ریاضی‌دان تاریخ تبدیل شود؟ نیوتن در جواب شکست خود گفته بود: «من می‌توانم حرکت اجرام آسمانی را محاسبه کنم، اما جنون مردم را نه.»

ما می‌خواهیم در این مقاله، داستان شگفت‌انگیز تلاش برای رام کردن همین «جنون» با استفاده از ریاضیات را برایتان تعریف کنیم. سفری که از سال ۱۹۰۰ در بورس پاریس با لویی باشلیه شروع شد که می‌گفت بازار مثل شیر یا خط انداختن، غیرقابل‌پیش‌بینی است و به جیم سایمنز رسید که نشان داد بازار، آنقدرها هم تصادفی نیست. او به‌جای فیزیک‌دانان، سراغ رمزگشاها رفت و با مدل‌های آماری پیشرفته، الگوهایی را در دل آشوب بازار پیدا کرد که هیچ‌کس نمی‌دید و به بازدهی رؤیایی ۶۶ درصد در سال رسید.

اما موفقیت سایمنز یک پارادوکس بزرگ را آشکار کرد: هرچه افراد بیشتری الگوهای مخفی بازار را کشف کنند و براساس آن‌ها معامله کنند، آن الگوها زودتر خنثی و ناپدید می‌شوند. آیا این یعنی تلاش نوابغی مثل سایمنز، درنهایت ما را به همان بازار کاملاً تصادفی و غیرقابل‌پیش‌بینی‌ای می‌رساند که باشلیه در ابتدا تصور می‌کرد؟

موفقیت در ریاضیات، موفقیت در بازارهای مالی را تضمین نمی‌کند، فقط کافی است این را از اسحاق نیوتن بپرسید. در سال ۱۷۲۰، نیوتن ۷۷ساله و ثروتمند بود و دارایی‌اش پس از چندین دهه تدریس در کمبریج و شغل جانبی‌اش به‌عنوان رئیس ضراب‌خانه‌ی سلطنتی، به ۳۰ هزار پوند، معادل ۶ میلیون دلار امروزی می‌رسید. نیوتن برای رشد این ثروت، در سهام سرمایه‌گذاری کرد و یکی از بزرگ‌ترین امیدهایش «شرکت دریای جنوبی» (South Sea Company) بود.

کسب‌وکار این شرکت پررونق بود و قیمت سهامش به‌سرعت بالا می‌رفت. تا آوریل ۱۷۲۰، ارزش سهام نیوتن دوبرابر شد، به همین دلیل او فکر کرد دیگر کافی است و سهامش را فروخت. اما قیمت همچنان به سیر صعودی‌اش ادامه داد.

وقتی از او پرسیدند چرا چنین فاجعه‌ای را پیش‌بینی نکرده بود، نیوتن پاسخ مشهور خود را داد: «من می‌توانم حرکات اجرام آسمانی را محاسبه کنم، اما جنون مردم را نه.»

حالا بیایید به چند قرن بعد برویم: سال ۱۹۸۸، استاد ریاضیاتی به نام جیم سایمنز، صندوق سرمایه‌گذاری «مدالیون» را تأسیس کرد. طی ۳۰ سال بعد، بازدهی این صندوق هر سال بالاتر از میانگین بازار بود و آن‌هم نه فقط کمی بالاتر: مدالیون سالانه ۶۶ درصد بازدهی داشت.

با این نرخ رشد، ۱۰۰ دلار سرمایه‌گذاری‌شده در سال ۱۹۸۸، امروز به ۸ میلیارد دلار (با فرض تداوم همان بازده) تبدیل می‌شد. این موفقیت، جیم سایمنز را به‌راحتی به ثروتمندترین ریاضی‌دان تاریخ تبدیل کرد.

سایمنز چه چیزی را درست فهمید که نیوتن نفهمید؟ نیوتن اسیر احساسات و «جنون مردم» شد و سایمنز به شکار الگوها رفت. ولی در این میان سایمنز از مزیت خاصی بهره می‌برد: او توانست بر شانه‌های غول‌هایی بایستد که پیش از او، تلاش کرده بودند برای این آشوب، مدلی ریاضی بیابند.

پیشگام استفاده از ریاضیات برای مدل‌سازی بازارهای مالی، لویی باشلیه بود. او در ۱۸۷۰ متولد شد، در ۱۸ سالگی والدینش را از دست داد و ناچار شد کار پدرش را در تجارت شراب ادامه دهد. چند سال بعد کسب‌وکار خانوادگی را فروخت و برای تحصیل در رشته فیزیک به پاریس رفت. او که باید خرج خودش و خانواده‌اش را درمی‌آورد، شغلی در تالار بورس اوراق بهادار پاریس پیدا کرد.

چیزی که توجه باشلیه را جلب کرد، قراردادهایی به نام «اختیار معامله» (Options) بود: شرایطی که خریدار با پرداخت مبلغی به فروشنده، حق انجام معامله مشخصی در آینده را برای خود می‌خرد. چنین حقی چقدر می‌ارزد؟ با اینکه این قراردادها از قرن‌ها قبل وجود داشتند، هیچ‌کس پاسخ روشنی برای این سؤال نداشت.

قیمت‌ها با چانه‌زنی و توافق تعیین می‌شدند و معامله‌گران در مهی از حدس و امید پیش می‌رفتند، بی‌آنکه بدانند این «حق انتخاب در آینده» را چگونه باید ارزش‌گذاری کرد.

باشلیه که به احتمالات علاقه‌مند بود، فکر می‌کرد باید راه‌حلی ریاضی برای این مشکل وجود داشته باشد. او از استاد راهنمای خود هنری پوانکاره (Henri Poincaré) پرسید می‌تواند این موضوع را برای رساله‌ی دکترای خود انتخاب کند؟ در آن زمان پرداختن به ریاضیات مالی اصلاً مرسوم نبود، اما در کمال شگفتی باشلیه، پوانکاره موافقت کرد.

اما تعداد خریداران و فروشندگان می‌تواند تحت‌تأثیر عوامل مختلفی قرار بگیرد: سیاست، رقبای جدید، نوآوری، آب‌وهوا و هر چیز دیگری! باشلیه متوجه شد که پیش‌بینی دقیق همه‌ی این فاکتورهای خارجی، عملاً غیرممکن است.

پس باشلیه فرض کرد که در هر لحظه، قیمت با احتمال برابر می‌تواند بالا یا پایین برود. اگر این روند را در بلندمدت دنبال کنیم، مسیر قیمت‌های سهام از قدم‌زدن تصادفی (Random Walk) پیروی می‌کند؛ گویی حرکت بعدی آن‌ها با بالا انداختن یک سکه تعیین می‌شود.

این تصادفی بودن، نشانه‌ی یک بازار «کارا» تلقی می‌شود. منظور اقتصاددانان از کارایی این است که شما نمی‌توانید با معامله‌کردن پول درآورید. اگر شما و من می‌توانستیم بازار فردا را پیش‌بینی کنیم، امروز دست به معامله می‌زدیم. در این صورت، سهامی که قرار بود فردا بالا برود، به‌خاطر خرید ما، اکنون بالا می‌رفت.

خودِ عمل پیش‌بینی، بر آینده تأثیر می‌گذارد. چرا؟ چون اگر بتوان فردا را پیش‌بینی کرد، همان پیش‌بینی بلافاصله در قیمت امروز منعکس می‌شود؛ پس فردایی برای پیش‌بینی باقی نمی‌ماند. در یک بازار کاملاً کارا، قیمت‌های فردا نمی‌توانند هیچ قدرت پیش‌بینی‌کننده‌ای داشته باشند.

ایده‌ی باشلیه شبیه تخته‌ی گالتون است؛ تخته‌ای پر از میخ که توپ‌های کوچکی از بالای آن پایین می‌افتند. هر توپ در برخورد با هر میخ، می‌تواند با احتمال ۵۰/۵۰ به چپ یا راست منحرف شود. مسیر دقیق هیچ توپی را نمی‌توان پیش‌بینی کرد، اما اگر هزاران توپ را رها کنیم، در نهایت الگویی منظم پدید می‌آید: بیشتر توپ‌ها در میانه جمع می‌شوند و تعداد کمتری به دو سوی دورتر می‌روند؛ همان منحنی زنگوله‌ایِ معروف یا «توزیع نرمال».

باشلیه باورداشت قیمت سهام هم چنین رفتاری دارد. هر تغییر قیمتی مانند یکی از همین انحراف‌های تصادفی است: گاهی کمی بالا می‌رود، گاهی پایین. در هر لحظه نمی‌توان جهت بعدی را دانست، اما وقتی حرکت‌های فراوان را کنار هم می‌گذاریم، یک الگوی آماری مشخص دیده می‌شود.

در بازه‌های زمانی کوتاه، تغییرها معمولاً کوچک‌اند و نتایج نزدیک باقی می‌مانند؛ درست مثل توپ‌هایی که هنوز چند ردیف بیشتر پایین نیامده‌اند و نزدیک مرکز تخته جمع‌اند. اما هرچه زمان بگذرد و گام‌های تصادفی بیشتری برداشته شود، دامنه‌ی ممکنِ قیمت‌ها وسیع‌تر می‌شود: توپ‌ها فرصت بیشتری دارند تا از مرکز دور شوند. در نتیجه، منحنی توزیع گسترش می‌یابد: شکل کلی زنگوله‌ای حفظ می‌شود، ولی پایه‌اش بازتر است.

اما نکته‌ی شگفت‌انگیز این بود که باشلیه دریافت دقیقاً همان معادله‌ای را بازکشف کرده که چگونگی «انتشار گرما» از مناطق با دمای بالا به مناطق با دمای پایین را توصیف می‌کند؛ یعنی همان معادله‌ای که ژوزف فوریه در ۱۸۲۲ کشف کرد. باشلیه این پدیده را «تابش احتمالات» نامید. ولی ازآنجاکه او در حوزه‌ی مالی می‌نوشت، جامعه‌ی فیزیک به او توجهی نکرد و ایده‌اش برای دهه‌ها در حاشیه ماند.

سال ۱۸۲۷، گیاه‌شناس اسکاتلندی، رابرت براون، متوجه شد که گرده‌های گل معلق در آب زیر میکروسکوپ، به‌طور تصادفی حرکت می‌کنند. او این پدیده را با ذرات غیرآلی مانند غبار گدازه نیز آزمایش کرد و همان حرکت را دید. این پدیده بعدها به نام خودش، حرکت براونی (Brownian motion) شناخته شد؛ اما علت آن یک معما باقی ماند.

هشتاد سال گذشت تا آلبرت اینشتین در سال ۱۹۰۵ پاسخ را یافت. در آن زمان، ایده‌ی وجود اتم‌ها و مولکول‌ها تازه داشت پذیرفته می‌شد، اما هنوز بسیاری شک داشتند. اینشتین این فرضیه را مطرح کرد که حرکت براونی از برخورد تریلیون‌ها مولکول آب به ذره‌ی گرده در هر لحظه ناشی می‌شود. گاهی‌اوقات، برخوردها از یک سمت کمی بیشتر از سمت دیگر است و ذره، جهشی آنی می‌کند.

درست مانند قیمت سهام در مدل باشلیه، یا توپ‌ها در تخته‌ی گالتون، مکان موردانتظار ذره با یک توزیع نرمال توصیف می‌شود که با گذشت زمان گسترش می‌یابد. این همان پدیده‌ی «انتشار» است. اینشتین با حل معمای حرکت براونی، شواهد قطعی برای وجود اتم‌ها و مولکول‌ها یافت. او هیچ ایده‌ای نداشت که باشلیه پنج سال قبل، همین ریاضیات را در بورس پاریس کشف کرده بود.

باشلیه از این توزیع احتمالات برای قیمت‌گذاری «عادلانه»ی اختیار معامله استفاده کرد. طبق نظریه‌ی او قیمت عادلانه، قیمتی است که «بازدهی موردانتظار» خریداران و فروشندگان را با هم برابر می‌کند؛ هر دو طرف باید شانس یکسانی برای سود یا زیان داشته باشند.

او رساله‌ی خود را تمام کرد، اما همان‌طور که گفته شد، زمانه هنوز آماده نبود. فیزیک‌دانان علاقه‌ای نشان نمی‌دادند و معامله‌گران هم چیزی از این ریاضیات نمی‌فهمیدند. حلقه‌ی گمشده، کسی بود که بتواند از این ایده‌ها پول واقعی دربیاورد.

چند دهه گذشت تا این حلقه‌ی گمشده در جایی پیدا شد که هیچ اقتصاددانی دنبالش نمی‌گشت: لاس‌وگاس.

در دهه‌ی ۱۹۵۰، دانشجوی جوان فیزیک به نام اِد تورپ در حال گذراندن دکترایش بود که میزهای بلک‌جک را راه خوبی برای پول درآوردن دید. در آن زمان، دیلر فقط از یک دسته کارت استفاده می‌کرد. تورپ قادر بود تمام کارت‌های بازی‌شده را در ذهن نگه دارد و از این طریق بفهمد آیا دست برتر را دارد یا نه. به‌این‌ترتیب او روش «شمارش ورق‌ها» (Card Counting) را ابداع کرد.

او یک صندوق پوشش ریسک (Hedge Fund) راه انداخت و همان مهارت‌هایی را به کار گرفت که در بازی بلک‌جک جواب داده بودند: مدیریت ریسک و یافتن برتری‌های آماری و تکرار دقیق آن‌ها تا کسب سود قطعی. نتیجه حیرت‌انگیز بود: صندوق تورپ به مدت ۲۰ سال، سالانه حدود ۲۰ درصد بازدهی داشت.

برای درک کاری که تورپ و بعدها ریاضی‌دانان وال‌استریت انجام دادند، باید بدانیم «اختیار معامله» (Option) دقیقاً چیست و چرا تا این اندازه قدرتمند است.

قدیمی‌ترین نمونه‌ی شناخته‌شده از یک اختیار معامله به حدود ۶۰۰ سال پیش از میلاد برمی‌گردد:

فیلسوف یونانی، تالس، پیش‌بینی کرده بود که تابستان آینده محصول زیتون فراوانی خواهد داشت. او می‌توانست دستگاه‌های روغن‌کشی بخرد، اما سرمایه‌اش کافی نبود. در عوض، به صاحبان دستگاه‌ها مبلغ کمی پرداخت تا «اختیار اجاره‌ی» دستگاه‌هایشان را برای تابستان آینده با قیمتی ازپیش‌تعیین‌شده برای خود تضمین کند.

وقتی تابستان پربار فرارسید، قیمت اجاره‌ی دستگاه‌ها سر به فلک کشید. تالس دستگاه‌ها را با قیمت از پیش توافق‌شده اجاره کرد، آن‌ها را با نرخ بالاتر به دیگران اجاره داد و مابه‌التفاوت را به جیب زد، بدون اینکه مالک دستگاهی باشد. تالس در واقع نخستین «اختیار خرید» (Call Option) ثبت‌شده در تاریخ را اجرا کرده بود.

اختیارات «اروپایی» فقط در تاریخ سررسید قابل استفاده‌اند، درحالی‌که اختیارات «آمریکایی» در هر زمانی تا آن تاریخ قابل اعمال‌اند. ما برای سادگی، روی مدل اروپایی تمرکز می‌کنیم.

اختیارات یا آپشن‌ها، سه مزیت عمده دارند که آن‌ها را به یکی از ابزارهای کلیدی در بازارهای مدرن تبدیل می‌کند:

محدودکردن زیان: اگر شما یک سهم را مستقیماً بخرید، هر افت قیمت به معنی ضرر مستقیم است. مثلاً اگر سهامی را به قیمت ۱۰۰ دلار بخرید و ارزشش به ۷۰ دلار سقوط کند، ۳۰ دلار از دست می‌دهید. اما اگر به‌جای خرید سهم، یک اختیار خرید ۱۰ دلاری خریده باشید، در بدترین حالت فقط همان ۱۰ دلار را از دست می‌دهید. به بیان ساده، با اختیار معامله، زیان شما از پیش سقف دارد.

اهرم (Leverage): اختیارات به شما اجازه می‌دهند با پول کمتر، بازدهی (یا زیان) بسیار بیشتری کسب کنید. در واقع، آن‌ها ذره‌بین سود و زیان هستند. برای مثال فرض کنید سهام اپل در حال حاضر ۱۰۰ دلار است و شما و شما انتظار رشد آن را دارید.

سناریوی الف؛ خرید مستقیم سهام: شما یک سهم می‌خرید و منتظر می‌مانید. اگر قیمت به ۱۳۰ دلار برسد، ۳۰ دلار سود می‌کنید. یعنی بازدهی ۳۰ درصدی.

سناریوی ب؛ خرید اختیار خرید: شما به‌جای خرید سهم، یک اختیار خرید با قیمت اعمال ۱۰۰ دلار می‌خرید که فقط ۱۰ دلار هزینه دارد. اگر پیش‌بینی‌تان درست باشد و سهام به ۱۳۰ دلار برسد، از حق خود استفاده می‌کنید: سهم را ۱۰۰ دلار می‌خرید و بلافاصله ۱۳۰ دلار می‌فروشید. سود ناخالص شما ۳۰ دلار است، اما چون برای اختیار ۱۰ دلار پرداخت کرده‌اید، سود خالصتان ۲۰ دلار می‌شود.

در این حالت، شما فقط ۱۰ دلار سرمایه‌گذاری کرده‌اید و ۲۰ دلار سود داشته‌اید. یعنی بازدهی ۲۰۰ درصدی. اما فراموش نکنید: اگر سهام پایین‌تر از ۱۰۰ دلار برود، کل ۱۰ دلار، یعنی ۱۰۰درصد سرمایه‌تان را از دست می‌دهید. به همین دلیل است که می‌گویند اهرم، هم سود را افزایش می‌دهد و هم زیان را.

پوشش ریسک (Hedge): انگیزه‌ی اصلی ابداع اختیار معامله نه قمار بلکه کاهش ریسک بود. فرض کنید سهامی دارید و نگرانید که قیمتش پایین بیاید. می‌توانید با خرید یک اختیار فروش (Put Option)، حق فروش آن سهم را در قیمتی مشخص برای خود نگه دارید تا زیان خود را محدود کنید.

در دهه‌ی ۱۹۶۰، اِد تورپ این مفهوم «پوشش ریسک» را به سطحی کاملاً ریاضی رساند. او مدلی طراحی کرد که در آن معامله‌گر می‌تواند با تغییر پویای موقعیت خود در سهام و اختیار معامله، ریسک را تقریباً به صفر برساند.

اد تورپ دقیقاً روی همین ایده‌ی پوشش ریسک متمرکز شد. او پیشگام نوعی پوشش ریسک ریاضیاتی به نام «هجِ دلتا» (Delta Hedging) بود.

فرض کنید «باب» یک اختیار خرید را به «آلیس» می‌فروشد. اگر قیمت سهام بالا برود، آلیس سود می‌کند، چون اختیارش ارزشمندتر شده؛ اما باب در موقعیت مقابل قرار دارد: با هر یک دلار افزایش قیمت، او یک دلار ضرر می‌بیند. باب برای جبران این ریسک، می‌تواند خودش سهام واقعی همان شرکت را بخرد.

در این صورت، اگر قیمت بالا برود، زیانی که از فروش اختیار می‌بیند با سودی که از سهام می‌گیرد جبران می‌شود. اگر برعکس، قیمت پایین بیاید و اختیار از سوددهی بیفتد، باب می‌تواند سهامش را بفروشد تا از کاهش ارزش آن هم ضرر نکند.

باب عملاً با این کار، برای آلیس یک اختیار مصنوعی خلق کرده، درحالی‌که خودش از تفاوت قیمت‌ها سودی اندک ولی تضمین‌شده می‌گیرد. این همان جوهره‌ی هج دلتا است: ایجاد تعادل میان اختیار و دارایی پایه برای حذف نوسان‌های ناگهانی بازار.

درعین‌حال تورپ ایراد مدل باشلیه را هم دریافت: قیمت سهام کاملاً تصادفی نیست؛ اگر کسب‌وکاری خوب کار کند، قیمت آن در طول زمان یک «روند» (Drift) صعودی کلی خواهد داشت. تورپ مدل دقیق‌تری ارائه داد که این «روند» را در نظر می‌گرفت و این مدل را برای خود و سرمایه‌گذارانش مخفی نگه داشت.

سال ۱۹۷۳ در تاریخ مالی نقشِ «سالِ صفر» را برای مشتقات بازی کرد: فرمولِ بلک–شولز–مرتن منتشر شد و تقریباً هم‌زمان، بورس اختیار معامله‌ی شیکاگو (CBOE) آغاز به کار کرد.

دو اقتصاددان، به نام‌های فیشر بلک و مایرون شولز، مقاله‌ای منتشر کردند که انقلابی در درک ریسک و قیمت‌گذاری به پا کرد. کمی بعد، رابرت مرتن نیز به‌طور مستقل نسخه‌ی خود را از همان ایده مبتنی بر حسابان تصادفی توسعه داد.

اد تورپ بعدها گفت: «فکر می‌کردم این حوزه برای خودم خواهد بود... اما کار آن‌ها بهتر بود، چون ریاضیات بسیار دقیقی پشت استنتاج خود داشتند.»

منطقشان هم این بود که اگر شما هیچ ریسک اضافه‌ای را نمی‌پذیرید، قاعدتاً نباید هیچ پاداش یا سود بیشتری هم دریافت کنید.

بلک و شولز برای مدل‌سازی رفتار قیمت سهام، نسخه‌ی تکامل‌یافته‌ای از مدل باشلیه را به کار گرفتند: از نگاه آن‌ها حرکت قیمت سهام در هر لحظه، شامل یک بخش تصادفی (Randomness) و یک بخش روند کلی (Drift) است.

 زیبایی فرمول بلک–شولز در این بود که ورودی‌های مشخصی داشت و یک «قیمت» دقیق بیرون می‌داد. بیایید با این ورودی‌ها بیشتر آشنا شویم:

در مدتی کوتاه، فرمول بلک–شولز از یک ایده‌ی دانشگاهی به استاندارد طلایی وال‌استریت تبدیل شد. کارگزاران، مؤسسات سرمایه‌گذاری و دیگر بازیگران بزرگ حوزه‌ی مالی به سرعت آن را پذیرفتند. بازار اختیارات معامله‌ی بورسی و سایر بازارهای مشتقات مانند قراردادهای آتی و سوآپ‌ها رشدی سریع و حیرت‌انگیز را تجربه کردند و به صنایعی چند تریلیون دلاری تبدیل شدند.

امروزه اندازه‌ی بازارهای مشتقات در جهان، بر اساس «ارزش اسمی»، چندصد تریلیون دلار برآورد می‌شود، رقمی بسیار بزرگ‌تر از کل ارزش دارایی‌های پایه‌ای (مانند سهام و اوراق‌قرضه) که این مشتقات بر پایه‌ی آن‌ها ساخته شده‌اند. اما این اغراق نیست: چون اختیارات به شما اجازه می‌دهند دارایی پایه را به ۵، ۱۰، ۲۰ یا ۵۰ قرارداد مشتقه متفاوت تبدیل کنید؛ هرکدام با پروفایل‌های ریسک و پاداش خاص خود.

با استفاده از این معادله، می‌توانید به‌طور دقیق یک اختیار را خرید روی کالایی که از قیمت نفت پیروی می‌کند، قیمت‌گذاری کرده و بخرید. اگر قیمت نفت بالا برود، آن اختیار سود می‌دهد و هزینه‌ی بالاتر سوخت شما را جبران می‌کند.

اما همان فرمولی که برای مهار ریسک طراحی شده بود، روی تاریکی هم داشت: اهرم.

در سال ۲۰۲۱، ماجرای سهام گیم‌استاپ (GameStop) این چهره‌ی دیگر را به‌روشنی آشکار کرد. گروهی از کاربران شبکه‌ی اجتماعی ردیت تصمیم گرفتند با صندوق‌های پوشش ریسکی که روی سقوط سهام گیم‌استاپ شرط بسته بودند مقابله کنند.

این بازارها اقتصاد جهانی را باثبات‌تر می‌کنند یا بی‌ثبات‌تر؟ مشخصاً هر دو. در زمان‌های عادی، این بازارها نقدشوندگی و ثبات را افزایش می‌دهند. اما در دوران بحران، وقتی ترس و بی‌اعتمادی بر بازار حاکم می‌شود، همین ابزارهای اهرمی می‌توانند در جهتی واحد عمل کنند:

همه‌ی موقعیت‌ها به‌طور هم‌زمان بسته می‌شوند، سرمایه‌ها از بازار بیرون می‌روند و افت قیمت‌ها و سقوط بزرگ بازار شتاب می‌گیرد.

سال ۱۹۹۷، مرتن و شولز جایزه‌ی نوبل اقتصاد را دریافت کردند؛ بلک همکارشان دو سال قبل درگذشته بود. فرمولی که زمانی راز بازار محسوب می‌شد، حالا در دسترس همه بود و صندوق‌های پوشش ریسک برای کسب برتری، باید راه‌های بهتری برای یافتن ناکارآمدی‌های جزئی بازار پیدا می‌کردند. اینجا بود که جیم سایمنز دوباره وارد صحنه شد.

سایمنز پیش از ورود به بازار سهام، ریاضی‌دان برجسته‌ای بود و «نظریه‌ی چِرن-سایمنز» او، پایه‌های ریاضی نظریه‌ی ریسمان را بنا نهاد. او در اوج فعالیت آکادمیک، به دنبال چالش جدیدی رفت و در ۱۹۷۸ «رنسانس تکنولوژیز» را تأسیس کرد.

استراتژی او: استفاده از یادگیری ماشین برای یافتن الگوها در بازار سهام. «کار واقعی، جمع‌آوری حجم عظیمی از داده‌ها بود.» او و تیمش در روزهای اول، داده‌های تاریخی نرخ بهره را دستی از فدرال رزرو کپی می‌کردند، چون نسخه‌ی کامپیوتری وجود نداشت.

او از ارتباطات آکادمیک خود برای استخدام بهترین دانشمندان، استفاده کرد. معیار استخدام او چه بود؟ «کسی با دکترای ریاضی یا فیزیک که روش‌های علمی را در عمل به کار گرفته و به نتایج مطلوبی رسیده باشد.» نه کسی که چیزی از محاسبات مالی بداند.

یکی از نخستین افرادی که جیم سایمنز به تیمش آورد، لئونارد بام بود؛ ریاضی‌دانی که همراه همکارانش در دهه‌ی ۱۹۶۰، پایه‌گذار مدل‌های پنهان مارکوف (Hidden Markov Models - HMM) شد.

کمی بعد، رنسانس صندوق مشهور «مدالیون» را با استفاده از HMM و دیگر استراتژی‌های داده‌محور راه‌اندازی کرد؛ صندوقی که به پربازده‌ترین صندوق سرمایه‌گذاری تمام دوران تبدیل شد.

این موفقیت چنان خیره‌کننده بود که نگاه اقتصاددانان را هم دگرگون کرد. بردفورد کرنل از دانشگاه UCLA، در مقاله‌ای نوشت که شاید خود فرضیه‌ی بازار کارا (Efficient Market Hypothesis - EMH) اشتباه باشد. او صندوق مدالیون را «نمونه‌ی نقض نهایی» این فرضیه نامید؛ چون اگر بازارها واقعاً تمام اطلاعات را در خود منعکس می‌کردند، چنین بازدهی پایداری غیرممکن بود.

به‌زعم کرنل بازار سهام الگوهای قابل‌پیش‌بینی در خود دارد و با این حساب شکست‌دادن بازار ممکن است؛ «اگر مدل‌های درست، آموزش درست، منابع و قدرت محاسباتی لازم را داشته باشید.»

داستان این معادله، داستان فیزیک‌دانان و ریاضی‌دانانی است که الگوها را در دل تصادف یافتند. اما این داستان، نهایتاً به تناقضی اساسی ختم می‌شود.

همان‌طور که در ایده‌ی بازار کارای باشلیه دیدیم، هر چقدر افراد بیشتری تلاش کنند با پیش‌بینی بازار پول در بیاورند و براساس آن پیش‌بینی‌ها معامله کنند، قیمت‌ها کمتر قابل‌پیش‌بینی می‌شوند. خود عمل پیش‌بینی، آینده را تغییر می‌دهد و الگو را خنثی می‌کند.

به همین ترتیب اگر روزی ما (یا ماشینی مانند مدالیون) بتوانیم تمام الگوهای پنهان در بازار سهام را کشف کنیم، نفسِ دانستن آن الگوها و معامله براساس آن‌ها، باعث محو شدنشان خواهد شد.

اگر آن روز فرابرسد، سرانجام به همان بازاری خواهیم رسید که لویی باشلیه در سال ۱۹۰۰ تصور کرده بود: یک بازار کاملاً کارا، جایی که تمام حرکات قیمت، واقعاً و مطلقاً تصادفی هستند.