Contenidos
Charla «Una rara entrevista con el matemático que descifró Wall Street» de TED2015 en español.
Jim Simons era un matemático y criptógrafo que se dio cuenta de que las complejas matemáticas utilizadas para descifrar códigos podrían ayudar a explicar los patrones en el mundo de las finanzas. Miles de millones más tarde, él trabaja para apoyar a la nueva generación de profesores de matemáticas y a académicos. Chris Anderson, curador de TED, conversa acerca de su vida fuera de lo común llena de números.
- Autor/a de la charla: Jim Simons
- Fecha de grabación: 2015-03-17
- Fecha de publicación: 2015-09-03
- Duración de «Una rara entrevista con el matemático que descifró Wall Street»: 1383 segundos
Traducción de «Una rara entrevista con el matemático que descifró Wall Street» en español.
Chris Anderson: Tú eras algo así como un fenómeno matemático.
De muy joven ya impartías clases en Harvard y en el MIT.
Y luego llegó a llamarte la NSA.
¿Qué pasó?
Jim Simons: Bueno, la NSA, la Agencia de Seguridad Nacional, no vino precisamente a llamarme.
Tenían una operación en Princeton, y contrataron a matemáticos para atacar a los códigos secretos y cosas por el estilo.
Yo sabía que existía.
Tenían una muy buena política, porque la mitad del tiempo podía uno trabajar en sus propias matemáticas, y la otra mitad trabajabas para las cosas de ellos.
Y pagaban muy bien.
Así que era algo irresistible.
Y fui allí.
CA: Eras un descifrador de códigos.
JS: Así es.
CA: Hasta que te despidieron.
JS: Me despidieron.
Sí.
CA:
¿Por qué?
JS: Bueno,
¿por qué?
Me despidieron porque la guerra de Vietnam estaba en marcha, y el gran jefe en mi organización era un súper fan de la guerra y escribió un artículo en la portada del New York Times sobre cómo íbamos a ganar en Vietnam.
Y no me gustaba aquella guerra, pensaba que era absurda.
Y escribí una carta al Times que publicaron, diciendo que no todos los que trabajaban para Maxwell Taylor, —si alguien se acuerda de ese nombre—, estaban de acuerdo con él.
Y di mi propia opinión…
CA: Oh, ya veo…
JS: …
que era diferente a la del general Taylor.
Pero al final, nadie dijo nada.
Tenía 29 años entonces, y un chico vino y dijo que era un informante de la revista Newsweek y quería entrevistarme para preguntarme qué hacía con respecto a mis opiniones.
Y le dije: «Estoy haciendo sobre todo matemáticas y cuando termine la guerra, entonces haré sobre todo otras cosas».
Entonces hice lo único inteligente en ese día.
Le dije a mi jefe de departamento que había dado esa entrevista.
Y él preguntó: «
¿Qué dijiste?
«.
Y yo le expliqué lo que dije.
Y luego dijo: «Tengo que llamar a Taylor».
Llamó a Taylor, duró 10 minutos.
Me despidieron cinco minutos después de eso.
CA: Bien.
JS: Pero no fue malo.
CA: No fue malo, porque te fuiste a Stony Brook y avanzaste en tu carrera matemática.
Comenzaste a trabajar con este hombre.
¿Quién es este?
JS: Shiing-Shen Chern.
Chern era uno de los grandes matemáticos del siglo.
Lo había conocido siendo estudiante en Berkeley.
Yo tenía algunas ideas, se las expuse a él y le gustaron.
Juntos, hicimos este trabajo, que pueden ver fácilmente ahí.
Ahí está.
CA: Eso les llevó a la publicación de un famoso artículo juntos.
¿Puedes explicar qué era ese trabajo?
JS: No.
(Risas)
JS: Bueno, podría explicárselo a alguien.
(Risas)
CA:
¿Qué tal si lo explicas?
JS: Pero no a muchos.
No a mucha gente.
CA: Creo que me dijiste que tenía algo que ver con esferas, empecemos por aquí.
JS: Sí, así es, pero diré de ese trabajo, que sí que tenía que ver con eso, pero antes de llegar a eso, el trabajo era buenas matemáticas.
Yo estaba muy contento y también Chern.
Incluso abordó un subcampo que ahora está floreciente.
Pero, lo más interesante, es que se aplicó a la física, algo de lo que no sabíamos nada, al menos yo no sabía nada de física, y no creo que Chern tampoco supiera mucho.
Unos 10 años después de publicarse el artículo Ed Witten en Princeton lo comenzó a aplicar a la teoría de cuerdas y la gente en Rusia lo aplicó a lo llamado «materia condensada».
Hoy, esas cosas se llaman invariantes Chern-Simons que se ha extendido mucho en la física.
Y fue increíble.
No sabíamos de física.
Nunca se me ocurrió que se aplicaría a la física.
Pero eso pasa con las matemáticas, nunca se sabe dónde irán.
CA: Esto es tan increíble.
Hemos hablado de cómo la evolución da forma a las mentes humanas que pueden o no percibir la verdad.
De alguna manera, con una teoría matemática, sin saber nada de física, descubres que dos décadas después se aplica para describir detalladamente el mundo físico real.
¿Cómo es posible?
JS: Dios lo sabe.
(Risas)
Pero un famoso físico, Eugenio Wigner, escribió un ensayo sobre la eficacia irracional de las matemáticas.
Estas matemáticas con raíces en el mundo real —en cierto sentido, aprendemos a contar, medir, lo que todo el mundo haría—, luego florecen por sí solas.
Pero muy a menudo se trata de volver a salvar los muebles.
La relatividad general es un ejemplo.
Hermann Minkowski tenía esa geometría, y Einstein se dio cuenta, «¡Oye! Es en lo mismo que puedo enmarcar la relatividad general».
Por lo tanto, nunca se sabe.
Es un misterio.
Es un misterio.
CA: Aquí pues hay algo de ingenuidad matemática.
Háblanos de esto.
JS: Es una bola, es una esfera, y tiene un enrejado alrededor, sabes, esos cuadrados.
Lo que mostraré, lo observó originalmente Leonhard Euler, el gran matemático, en el 1700.
Y se desarrolló en un campo muy importante de las matemáticas: topología algebraica, geometría.
Ese artículo de entonces tenía sus raíces en esto.
Así que, aquí está esto: tiene ocho vértices, 12 aristas, seis caras.
Y si nos fijamos en la diferencia, vértices, menos aristas, más caras, uno obtiene dos.
Bien, dos.
Es un buen número.
Esta es una manera diferente de hacerlo, son triángulos que cubren…
esto tiene 12 vértices y 30 aristas y 20 caras o 20 azulejos.
Y vértices menos aristas más caras todavía es igual a dos.
Y de hecho, se puede hacer de cualquier manera, aplicado a todo tipo de polígonos y triángulos y mezclarlos.
Y uno toma vértices, menos aristas, más caras y uno siempre obtendrá dos.
Aquí hay una forma diferente.
Este es un toro o la superficie de un donut: 16 vértices cubierto por estos rectángulos, 32 aristas, 16 caras.
Los vértices menos aristas son cero.
Siempre se obtendrá cero.
Cada vez que se cubre un toro con cuadrados o triángulos o lo que sea, se obtiene cero.
Esto se llama la característica de Euler.
Y se llama invariante topológica.
Es bastante increíble.
No importa cómo se haga, siempre se obtiene la misma respuesta.
Ese fue el primer empuje, desde mediados de la década de 1700, un tema que ahora se conoce como topología algebraica.
CA: Y su propio trabajo tomó una idea que se trasladó en la teoría de dimensiones superiores, objetos de dimensiones superiores, y
¿ha encontrado nuevas invariantes?
JS: Sí.
Había invariantes ya de dimensiones superiores.
Clases de Pontryagin, en realidad, tipos de Chern.
Había un montón de esos tipos de invariantes.
He tenido problemas para trabajar en uno de ellos y modelarlo en una especie de combinatoria, en lugar de la forma cómo se realiza normalmente, y que dio lugar a este trabajo descubriendo cosas nuevas.
Pero si no hubiera sido por el Sr.
Euler que escribió casi 70 volúmenes de matemáticas y tuvo 13 hijos, que al parecer mecía en sus rodillas mientras escribía, si no hubiera sido por Euler, tal vez no habrían resultado esas invariantes.
CA: Eso por lo menos nos da una idea de esa mente increíble.
Hablemos de Renacimiento.
Porque tomaste esa mente increíble y de haber sido descifrador de códigos en la NSA, te convertiste en descifrador de códigos en la industria financiera.
Seguro que no compraste una teoría de mercado eficiente.
Encontraste una forma de crear rendimientos sorprendentes hace más de dos décadas.
La forma cómo me han explicado lo notable sobre lo que hiciste no es solo el tamaño del rendimiento, es que las tomaste con sorprendentemente baja volatilidad y el riesgo, en comparación con otros fondos de inversión.
¿Cómo lo lograste, Jim?
JS: Lo hice uniendo a un grupo maravilloso de personas.
Al empezar con el comercio bursátil, estaba un poco cansado de las matemáticas.
Tenía 30 años, tenía un poco de dinero.
Empecé práctica bursátil y me fue muy bien.
Hice mucho dinero por pura suerte.
Quiero decir, creo que fue pura suerte.
Ciertamente no fue un modelo matemático.
Pero en el estudio de los datos, tras un tiempo me di cuenta de que al parece existía cierta estructura.
Y contraté unos matemáticos y empecé a hacer algunos modelos, como el tipo de cosas que hacía en el Instituto de Análisis de Defensa.
Uno diseña un algoritmo, lo prueba en una computadora.
¿Funciona?
¿No funciona?
Etc.
CA:
¿Echamos un vistazo a esto?
Aquí hay un gráfico típico de algunos productos básicos.
Lo miro y digo: «Eso es solo una caminata aleatoria, arriba y abajo, con una ligera tendencia al alza en todo ese período de tiempo».
¿Cómo pudiste comerciar viendo eso, y detectar algo que no era simplemente al azar?
JS: Hace tiempo, este es un gráfico de los viejos tiempos, las materias primas o divisas tenían una tendencia a la tendencia.
No la ligera tendencia que ves aquí, sino tendencias en los períodos.
Y si decides, hoy voy a predecir, con base en el promedio móvil de los últimos 20 días, tal vez eso sea una buena predicción, y se puede hacer algo de dinero.
Y, de hecho, hace años, un sistema así funcionaba, no muy bien, pero funcionaba.
Se hacía dinero, se perdía dinero, se hacía dinero.
Pero el año valía la pena y podías hacer algo de dinero durante ese período.
Es un sistema muy rudimentario.
CA:
¿Así que pusiste a prueba longitudes de tendencias en el tiempo para ver si, por ejemplo, una tendencia de 10 días o de 15 era predictiva de lo que sucedía después.
JS: Claro, se podía probar todo eso y ver qué funcionaba mejor.
Seguir tendencias habría sido estupendo en los años 60, y estaba bien en los años 70.
Pero en los años 80, ya no era así.
CA: Debido a que todo el mundo podía detectarlo.
Así que,
¿cómo lograste tomar la delantera?
JS: Nos pusimos en la delantera del resto buscando otros enfoques, enfoques de corto plazo hasta cierto punto.
La verdad es que tuvimos que reunir una enorme cantidad de datos, y tuvimos que hacerlo a mano al principio.
Fuimos a la Reserva Federal y copiamos registros de tipos de interés y cosas así, pues no estaban en las computadoras.
Obtuvimos una gran cantidad de datos.
Y gente muy inteligente, esa fue la clave.
Yo en verdad no sé cómo contratar gente para el comercio bursátil.
Había contratado a algunos, algunos hicieron dinero, otros no.
No sabía hacer más negocios que eso.
Pero sabía cómo contratar científicos, porque me gusta ese departamento.
Entonces, eso fue lo que hicimos.
Y poco a poco estos modelos se fueron mejorando, y mejorando.
CA: Se les reconoce por hacer algo notable como en Renacimiento, construir esa cultura, ese grupo de personas, que no eran solo armas contratadas, que no estaban por dinero.
Su motivación era hacer matemáticas emocionantes y ciencia.
JS: Bueno, me gustaría que fuera cierto.
Pero algunos se movían por el dinero.
CA: Hicieron mucho dinero.
JS: No puedo decir que ninguno no viniera por el dinero.
Creo que a muchos de ellos les movía el dinero.
Pero también vinieron porque era fascinante.
CA:
¿Qué papel jugó la máquina de aprendizaje en esto?
JS: En cierto modo, hicimos una máquina de aprendizaje.
Ante una gran cantidad de datos, se intenta simular diferentes esquemas de predicción, hasta que es mejor y mejor.
No necesariamente se retroalimenta la forma cómo lo hicimos.
Pero funcionó.
CA:
¿Estos diferentes esquemas de predicción pueden ser muy descontrolados e inesperados?
Quiero decir, consideraban todo,
¿no?
¿Observaban el tiempo, la longitud de los vestidos, la opinión política?
JS: Sí, pero la longitud de los vestidos no la consideramos.
CA:
¿Qué cosas, pues?
JS: Bueno, todo.
Todo es grano para el molino, excepto las longitudes del dobladillo.
Tiempo, informes anuales, informes trimestrales, datos históricos, volúmenes, lo que sea.
Lo que haya.
Eran terabytes de datos diariamente.
Y lo almacenábamos y lo preparábamos para su análisis.
Uno busca anomalías.
Uno busca, como has dicho, que la hipótesis del mercado eficiente no es correcta.
CA: Pero cualquiera anomalía podría ser algo al azar.
Por lo tanto,
¿el secreto era observar múltiples anomalías extrañas y ver cuando se alinean?
JS: Cualquier anomalía podría ser algo al azar; Sin embargo, si uno tiene suficientes datos se puede predecir que no lo es.
Se puede observar una anomalía que persiste durante un tiempo suficientemente largo, la probabilidad de que no sea aleatoria es alta.
Pero esto se desvirtúa con el tiempo; las anomalías pueden desteñirse.
Hay que mantenerse en la cresta del negocio.
CA: Mucha gente mira el sector de fondos de cobertura y de alguna manera, están sorprendidos por la cantidad de riqueza que se crea allí, y cuánto talento se va a allí.
¿Tienes alguna preocupación concerniente a la industria, y quizá al sector financiero, en general?
¿Del tipo que esté fuera de control, y que contribuya a aumentar la desigualdad?
¿Cómo se sostendrá lo que sucede en el sector de fondos de cobertura?
JS: Creo que en los últimos 3 o 4 años, los fondos de cobertura no lo han hecho especialmente bien.
Hemos hecho el dandi, el sector de fondos en su conjunto no lo ha hecho muy bien.
El mercado de valores ha estado de buena racha, subiendo como todos saben, y los ratios precio-beneficios han crecido.
Así que una gran cantidad de la riqueza creada en el pasado, digamos, 5 o 6 años, no se ha creado por los fondos de cobertura.
La gente me preguntaba: «
¿Qué son fondos de cobertura?
«.
Y yo digo: «1 y 20».
Lo que significa, —ahora es 2 y 20—, 2 % de tarifa fija y el 20 % sobre las ganancias.
Los fondos de cobertura son seres diferentes.
CA: Se dice que cobras honorarios ligeramente más altos que eso.
JS: Cobramos las tarifas más altas en el mundo en este momento.
5 y 44, eso es lo que cobramos.
CA: 5 y 44.
Así que 5 % tarifa plana, y 44 % de alza.
Y aún así haces que tus inversores ganen cantidades espectaculares de dinero.
JS: Sí, logramos un buen rendimiento.
La gente se molesta: «
¿Cómo se pueden cobrar esas tasas altas?
«.
Y yo: «Bueno, pueden irse».
Pero, «
¿Cómo puedo obtener más?
«, era lo que decía la gente…
(Risas)
Pero en un momento dado, como he dicho, compramos todos los inversores, por tener una capacidad para el fondo.
CA:
¿Debemos preocuparnos de que el sector de fondos de cobertura atraiga demasiados talentos matemáticos del mundo que trabajen en eso, en vez de aplicarlo a los otros muchos problemas del mundo?
JS: Bueno, no son solo matemáticos.
Contratamos astrónomos y físicos y otros similares.
No creo que debamos preocuparnos demasiado.
Es todavía un sector bastante pequeño.
Y, de hecho, llevar la ciencia al mundo de la inversión ha mejorado ese mundo.
Se reduce la volatilidad.
Ha aumentado la liquidez.
Los diferenciales son más estrechos porque las personas los negocian.
Por eso no me preocupa que Einstein se vaya al sector del fondo de cobertura.
CA: Sin embargo, estás en una fase de tu vida en que inviertes en el otro extremo de la cadena de suministro.
Estás impulsando las matemáticas en todo EE.
UU.
Esta es tu esposa, Marilyn.
Están trabajando en temas filantrópicos juntos.
Háblame de eso.
JS: Bueno, Marilyn comenzó, —ahí está allí, mi bella esposa— empezó la fundación hace 20 años.
Creo que en 1994.
Yo digo que en el 93, ella dice que fue en el 94, pero fue uno de esos dos años.
(Risas)
Empezamos la fundación, como una forma apropiada de hacer beneficencia.
Ella llevaba la contabilidad y eso.
No teníamos una visión en ese momento, pero poco a poco surgió una visión que era centrarnos en matemáticas y ciencias, centrarnos en la investigación básica.
Y eso es lo que hemos hecho.
Hace 6 años me fui de Renacimiento a trabajar en la fundación.
Así que eso es lo que hacemos.
CA: Y así Math for America básicamente invierte en profesores de matemáticas de todo el país, dándoles un ingreso extra, dándoles apoyo y coaching.
Y realmente tratando de hacer lo que es más eficaz y hacer una convocatoria a la que los profesores puede aspirar.
JS: Sí, en vez de desalentar a los malos profesores, que ha creado problemas morales en la comunidad educativa, especialmente en matemáticas y ciencias, nos centramos en alentar a los buenos y en darles un estatus.
Sí, les damos dinero extra, 15 000 dólares al año.
Tenemos 800 profesores de matemáticas y ciencias en Nueva York en las escuelas públicas hoy, como parte de un núcleo.
Hay una gran moral entre ellos.
Se quedan en el tema.
El año que viene, serán 1000 y serán el 10 % de los profesores de matemáticas y ciencias de las escuelas públicas en Nueva York.
(Aplausos)
CA: Jim, hay otro proyecto filantrópico que has apoyado: la investigación sobre los orígenes de la vida.
¿Qué vemos aquí?
JS: Bueno, espera un segundo, y te diré lo que están viendo.
Los orígenes de la vida es algo fascinante.
¿Cómo llegamos aquí?
Bueno, hay dos preguntas: Una de ellas,
¿cuál es la ruta desde la geología a la biología?
¿Cómo llegamos aquí?
Y la otra,
¿con qué empezamos?
¿Con qué material, qué tenemos que trabajar en esta ruta?
Son dos preguntas muy, muy interesantes.
La primera pregunta es un camino tortuoso desde la geología hasta el ARN,
¿cómo se llegó ahí?
Y la otra,
¿con qué tenemos que trabajar?
Bueno, con más de lo que pensamos.
Así lo de la foto es una estrella en formación.
Cada año en nuestra Vía Láctea, que tiene 100 mil millones de estrellas, se crean dos nuevas estrellas.
No me preguntes cómo, pero se crean.
Y les toma un millón de años estabilizarse.
Así que, en estado estacionario, hay cerca de dos millones de estrellas en formación siempre.
Una está en algún estado de este proceso de decantación.
Y hay toda esta basura circulando alrededor de ella, polvo y otras cosas.
Y que formará, probablemente, un sistema solar, o lo que sea.
Pero aquí está la cuestión, en este polvo que rodea a una estrella en formación se han encontrado, moléculas orgánicas significativas.
Moléculas no solo como el metano, sino formaldehído y cianuro, que son bloques de construcción, semillas, si se quiere, de la vida.
Bueno, puede ser típico.
Y puede ser típico que los planetas alrededor del universo empiecen con algunos de estos bloques de construcción básicos.
¿Significa eso que existirá la vida por todos lados?
Puede ser.
Pero esto es una muestra de lo es tortuoso que este camino desde aquellos inicios frágiles, esas semillas, todo el camino a la vida.
Y la mayoría de esas semillas caerán en planetas de barbecho.
CA:
¿Para ti, personalmente, encontrar una respuesta a esta pregunta de dónde venimos, de cómo sucedió, es algo que te encantaría descubrir?
JS: Sí, me encantaría verlo.
Y gustaría saber si ese camino es muy tortuoso, y tan improbable, que no importa cómo empezar, podríamos ser una singularidad.
Pero por otro lado, debido a este polvo orgánico flotando alrededor, podríamos tener muchos amigos allí.
Sería bueno saberlo.
CA: Jim, hace unos años, tuve la oportunidad de hablar con Elon Musk, y le pregunté el secreto de su éxito, y dijo tomarme la física en serio fue todo.
Escucharte decir que tomar en serio las matemáticas, ha impulsado toda tu vida.
Has hecho una fortuna, y ahora sé que te permite invertir en el futuro de miles y miles de niños en todo EE.
UU.
y en otros lugares.
¿Podría ser que la ciencia realmente funciona?
¿Que las matemáticas realmente funcionan?
JS: Las matemáticas sí funcionan.
Las matemáticas ciertamente funcionan.
Y esto ha sido divertido.
Trabajar con Marilyn y donar ha sido muy bueno, CA: Acabo de encontrar un pensamiento inspirador para mí, que al tomar en serio el conocimiento, se puede obtener mucho más de él.
Así que gracias por tu vida increíble, y por venir aquí a TED.
Gracias.
¡Jim Simons!
(Aplausos)
https://www.ted.com/talks/jim_simons_the_mathematician_who_cracked_wall_street/