章節概述#

本章記錄了彼得·布朗（Peter Brown）和羅伯特·默瑟（Robert Mercer）從 IBM 語音辨識團隊加入文藝復興科技的過程。派特遜的招募哲學——尋找「不快樂的聰明人」——成功吸引了這兩位日後改變公司命運的關鍵人物。同時，弗雷的股票交易模型遭遇嚴重執行問題，布朗和默瑟從零開始重建系統，奠定了大獎章進軍股票市場的技術基礎。

派特遜的招募策略#

• 派特遜的招募哲學：尋找「不快樂的聰明人」（unhappy smart people）
• 目標是非金融背景的頂尖科學家——他們沒有華爾街的壞習慣，且更願意接受純數據驅動的方法
• 1993 年，派特遜寫信給 IBM 華生研究中心（Watson Research Center）的布朗和默瑟
• 兩人最初都把信扔進了垃圾桶

布朗的背景#

• 父親亨利·布朗（Henry Brown）是貨幣市場基金（money market fund）的共同發明人
• 在哈佛大學主修數學
• 曾在埃克森美孚（ExxonMobil）從事語音轉文字研究
• 在卡內基美隆大學（Carnegie Mellon）取得博士學位
• 加入 IBM 語音辨識團隊，參與了「深藍」（Deep Blue）西洋棋電腦的命名

默瑟的背景#

• 父親湯瑪斯·默瑟（Thomas Mercer）是新墨西哥州的科學家
• 童年時見到 IBM 650 電腦，從十歲開始學習程式設計
• 曾在柯特蘭空軍基地（Kirtland Air Force Base）武器實驗室工作
• 在伊利諾大學取得電腦科學博士學位
• 加入 IBM 華生研究中心，在弗雷德·傑利內克（Fred Jelinek）的語音辨識團隊工作

IBM 語音辨識與量化交易的連結#

• IBM 團隊使用鮑姆-韋爾奇演算法（Baum-Welch algorithm）處理語音辨識問題
• 這與文藝復興使用的隱馬可夫模型（Hidden Markov Model）方法論高度相似
• 貝氏統計方法（Bayesian methods）是兩個領域的共同基礎
• 從噪音中提取訊號——無論是語音還是市場數據——需要相同的數學直覺

布朗和默瑟在 IBM 的經驗完美契合了文藝復興的需求：他們擅長處理大量嘈雜數據、建立統計模型、從看似隨機的訊號中辨識模式。語音辨識和金融市場的共通點在於：兩者都需要在不確定性中做出最佳預測。

加入文藝復興#

• 派特遜的跟進電話恰好在默瑟母親車禍身亡、父親病危的時期
• 這段人生低谷讓默瑟更願意考慮職業轉變
• 1993 年，布朗和默瑟正式加入文藝復興，薪資翻倍
• 兩人被分配到不同專案，後來重新合作研發股票交易系統

弗雷的股票模型困境#

• 弗雷（Robert Frey）在凱普勒金融管理公司開發的股票模型擅長找到訊號，但執行面一塌糊塗
• 模型產生的交易訊號無法有效轉化為實際獲利
• 系統架構鬆散，程式碼分散在多個獨立模組中
• 西蒙斯意識到股票交易需要全新的技術架構

從零開始重建#

• 布朗和默瑟接手股票交易專案，決定推翻一切，從頭來過
• 他們建立了一個單一統一系統，將所有約束條件（交易成本、滑價、流動性）直接整合進模型
• 新系統約有 50,000 行程式碼，相比弗雷的分散架構是巨大的工程升級
• 以均值回歸（mean reversion）作為核心策略——價格偏離歷史均值後傾向於回歸
• 系統於 1995 年上線，初期表現不穩定，但逐漸站穩腳步

布朗和默瑟重建股票交易系統的決策，是文藝復興歷史上最關鍵的技術轉折之一。他們不是修補既有系統，而是設計了一個能夠自動考慮所有交易摩擦的統一架構。這個系統最終成為大獎章基金股票交易部門的基石，也是基金日後規模擴張的技術基礎。