如果你在1988年投給巴菲特一塊錢，三十年後一塊錢能變成一百五十塊。
如果這一塊錢當時投給一家叫大獎章的基金，三十年後會變成四萬塊。
平均每年的費前收益率百分之六十六，年化收益百分之三十九……
那個吊打巴菲特和索羅斯的人，就是詹姆斯·西蒙斯。
西蒙斯38年出生，20歲從麻省理工數學系畢業，23歲就獲得加州伯克利分校的數學博士。25歲同時被麻省理工和牛津大學聘用為數學系導師。
因為驚人的數學天賦，被老美中情局的選中。辭去教職，於64到68四年間在CIA，進行毛子間諜網通訊密碼的破解工作……
在西蒙斯入職前的十年中，老美通訊密碼領域一直不敵毛子。因此中情局決定大量啟用新人，來嘗試新的破解手段。
在這個大背景下，西蒙斯學會了怎麼樣透過建立數學模型，來分析毫不關聯的海量資訊，並與一群頂級數學家們，共同開發出一套高效的快速資料分析模型。
CIA利用這套模型，成功瓦解了克格勃間諜的加密通訊網路。
可能是因為不會拍馬屁，也可能是性格使然，分析模型功成後不久，因為跟上司吵了一架，西蒙斯被開除了。
離開CIA後，他去了石溪大學繼續教學。並用了十年的時間，為學校建立起數學系。還與陳省身共同提出 “陳-西蒙斯理論”，獲得了幾何學屆的最高獎項之一維布倫獎……
石溪大學位於紐約長島北岸。
在當時……應該不止是當時，也不止是石溪大學，很多學生最大的憧憬，就是畢業後去六十英里外的曼哈頓工作，或是去那裡當老闆。
準確的說，是去曼哈頓區從百老匯路延伸到東河的一條街道——華爾街。
時年四十歲的西蒙斯，聽多了一夜暴富的華爾街神話，不由得也生出了興趣。
隨著一番瞭解，他發現影響金融的因素太多了。
颳風下雨、政治軍事、國際大勢，任何一絲風吹草動，都會作用於股票和期貨的曲線上。
而所有拋開表象，所有的一切其實都可以用數學的思維來理解。甚至可以說，所謂的金融，其實就是數學遊戲。與他在中情局工作時破解毛子密碼，有很大的相似之處。
比如莊家操控股價時用來迷惑散戶的那些手段，與間諜傳輸訊息時丟擲的誤導資訊，邏輯上完全相同。
按照這個思路，如果執著於金融資料表象，等同於掉進了毛子間諜的陷阱……
隨著對金融市場研究的深入，西蒙越發印證了自己的判斷。於是在78年四月，辭去了石溪大學的職務，在華爾街成立了一家名為Monemetrics的基金公司，還說服中情局的同事納倫德·鮑姆入夥。
納倫德·鮑姆是一名頂尖數學家和資料處理專家。
他探索出的鮑姆-韋爾奇演算法，也叫廣義向前向後演算法，是後世許多大資料模型在實踐得以運用的核心演算法之一。
比如，語音識別技術和搜尋引擎的聯想功能。
廣義向前向後演算法
最精彩之處，是可以直接分析完全陌生的行業資料。
就像一個人，即便完全不懂足球比賽的規則，但只要瞭解一些歷史賽事和選手狀態的資料，就能對下一場比賽的結果做出預測。
其底層邏輯，相當於利用已知的溫度、溼度和風向等資料，透過數學模型運算來預測明天的天氣。
相比之下傳統操作員，相當於一個上了歲數的老人……呃，也可能是中年人，忽然感覺到關節難受，便根據經驗判斷明天會下雨。說白了就是經驗主義。
鮑姆-韋爾奇演算法在後世應用非常廣，幾乎是每個碼農的必修課。但在當下，還是Monemetrics基金的秘密武器。
二人以該演算法為核心，加上在CIA工作期間的技術和經驗累積，Monemetrics公司幾乎可以用閉著眼賺錢來形容。
去年年底英鎊不有過一段時間的強勢上漲嘛。
西蒙斯和鮑姆完全沒有關注任何金融資料和財務報表，也沒有僱傭金融分析師，市場預測師之類的專業人士，甚至從頭至尾連戴英那邊發生了甚麼都不知道，只單純依靠演算法給出的預期，就毫不費力的賺了幾萬美元。
聽著不是很多是吧？
二人眼下的盈利邏輯雖然賺錢，演算法的完善程度和計算機處理速度，都還只處於很初級的階段，交易策略十分穩健。不會做高風險高收益的高槓杆操作。
正常點的投資基金也都是這樣的。追求的穩健的收益率，不是一夜暴富。
Monemetrics公司要等到87年，另一名數學家和一名程式設計師加入，並引入量化交易的概念後，才開始真正的發力……
老子怎麼說的來著？
常在河邊走哪有不溼鞋。
去年年底到今年年初，黃金價格經歷了一輪史無前例的暴漲後，在隨後兩個多月裡價格幾乎腰斬。過程說起來就一句話，實際上中間的波折十分劇烈。
80年一月的尖峰和斷崖式下落
主要是沒人想到會跌的那麼狠，太多人和機構在下落過程中伺機進場抄底，也不乏利用波幅做短線獲利的人。
那些不重要。
重要的是，在其中一輪跌漲跌的過程中，金價接近波峰時，演算法並沒有給出賣出預測。對演算法絕對自信的西蒙斯，完全沒有猶豫的選擇繼續持倉……
期貨交易在進入下降通道後，很容易形成單邊市。隨著價格曲線呈銳角下落，西蒙斯能做的只有兩件事，籌錢補交保證金和祈禱合約到期前出現回彈。
西蒙斯的運氣不錯，山窮水盡之前價格回彈了。但金價持續下跌的大行情下，即便出現回彈，價格也遠追不如上一輪波峰。
再加上持倉成本，只這一波就幾乎把 Monemetrics公司創立近兩年時間所得的盈利和本金一把虧光。
自信的西蒙斯懵了，連續多日的徹夜難眠後，總算想明白了問題所在——算力過載和引數不足。
既然發現了問題，接下來自然是解決問題。
他要做的還是兩件事：
尋找更加強大…不，最強大的計算。
尋找最大最快的儲存裝置，將所有金融資料整編進資料庫……