เปิดประวัติ Jim Simons จากนักคณิตศาสตร์ สู่เทรดเดอร์ระดับท็อป

Jim Simons เป็นหนึ่งในเทรดเดอร์ที่ประสบความสำเร็จสูงสุดในประวัติศาสตร์ — ไม่ใช่ด้วยสัญชาตญาณหรือการคาดการณ์ราคา แต่ด้วยคณิตศาสตร์และอัลกอริทึม กองทุน Medallion ที่เขาก่อตั้งสร้างผลตอบแทนเฉลี่ย 39% ต่อปีตลอด 30 ปี เอาชนะทั้ง Warren Buffett และ George Soros ด้วยห้วง บทความนี้จะพาคุณไปทำความรู้จักกับเส้นทางชีวิตของจิม ไซมอนส์ — จากอาจารย์คณิตศาสตร์สู่ผู้บุกเบิกการเทรดเชิงปริมาณที่เปลี่ยนโฉมหน้าวงการการเงินไปตลอดกาล

ใครคือ Jim Simons — นักคณิตศาสตร์ที่เปลี่ยนโลกการเงิน

James Harris "Jim" Simons เกิดเมื่อวันที่ 25 เมษายน 1938 ในครอบครัวชาวอเมริกันเชื้อสายยิวที่บรู๊คลิน รัฐนิวยอร์ก เขาเป็นลูกคนเดียวของ Matthew Simons เจ้าของโรงงานรองเท้า และ Marcia Simons ตั้งแต่เด็ก Simons แสดงความสนใจในคณิตศาสตร์และการสำรวจธรรมชาติ — ความหลงใหลที่จะนำพาเขาไปสู่เส้นทางที่ไม่เหมือนใคร

สิ่งที่ทำให้ Jim Simons แตกต่างจากนักลงทุนคนอื่นๆ คือการใช้วิธีการแบบ Quantitative Trading (การเทรดเชิงปริมาณ) อย่างเต็มรูปแบบ เขาไม่เคยพยายามเดาทิศทางตลาดด้วยข่าวสารหรือปัจจัยพื้นฐาน แต่สร้างระบบที่วิเคราะห์ข้อมูลจำนวนมหาศาลด้วยอัลกอริทึม ค้นหารูปแบบที่ซ้ำๆ (Pattern) และใช้ประโยชน์จากความไม่สมบูรณ์ของตลาด (Market Inefficiency) ด้วยความเร็วและความแม่นยำที่มนุษย์ทำไม่ได้

ณ ปัจจุบัน Jim Simons มีทรัพย์สินสุทธิประมาณ $28.10 พันล้านดอลลาร์สหรัฐ และถือเป็นหนึ่งในผู้จัดการกองทุนที่ประสบความสำเร็จสูงสุดในประวัติศาสตร์ เขาเกษียณจากตำแหน่ง CEO ของ Renaissance Technologies ในปี 2010 แต่ยังคงมีบทบาทในฐานะ Non-Executive Chairman และใช้เวลาส่วนใหญ่กับการกุศล — ผ่านมูลนิธิ Simons Foundation ที่สนับสนุนงานวิจัยด้านคณิตศาสตร์ วิทยาศาสตร์ และการศึกษา

การศึกษาและก้าวแรกสู่วงการวิชาการ

จบปริญญาเอกอายุ 23 ปี

ในปี 1955 Simons เข้าเรียนที่ Massachusetts Institute of Technology (MIT) และสำเร็จการศึกษาระดับปริญญาตรีสาขาคณิตศาสตร์ในปี 1958 ด้วยอายุเพียง 20 ปี หลังจากนั้นเขาเดินทางไปศึกษาต่อระดับปริญญาเอกที่ University of California, Berkeley ภายใต้การดูแลของศาสตราจารย์ Bertram Kostant นักคณิตศาสตร์ผู้เชี่ยวชาญด้านทฤษฎีการแทนค่า (Representation Theory) และเรขาคณิตเชิงอนุพันธ์ (Differential Geometry)

Simons สำเร็จการศึกษาปริญญาเอกในปี 1961 ด้วยวัยเพียง 23 ปี — หนึ่งในผู้สำเร็จการศึกษาที่อายุน้อยที่สุดในสาขานี้ วิทยานิพนธ์ของเขาเกี่ยวกับ "On the Transitivity of Holonomy Systems" ซึ่งเป็นงานที่มีผลกระทบสำคัญในวงการคณิตศาสตร์

อาจารย์ที่อายุน้อยที่สุด — MIT และ Harvard

หลังสำเร็จการศึกษา Simons ได้รับการแต่งตั้งให้เป็นอาจารย์สอนคณิตศาสตร์ที่ MIT และ Harvard — เป็นหนึ่งในอาจารย์ที่มีอายุน้อยที่สุดในประวัติศาสตร์ของทั้งสองสถาบัน ในช่วงเวลานี้ เขาไม่เพียงแต่สอนหนังสือ แต่ยังทำงานวิจัยด้านเรขาคณิตและโทโพโลยีอย่างจริงจัง

นอกจากงานวิชาการแล้ว Simons ยังมีจิตวิญญาณของนักธุรกิจ — ตอนเรียนที่ MIT เขาเคยเปิดโรงงานผลิตกระเบื้องปูพื้นไวนิลและท่อ PVC ร่วมกับเพื่อนชาวโคลัมเบีย โดยมีพ่อของเขาร่วมหุ้นด้วย ประสบการณ์นี้ปลูกฝังแนวคิดเรื่องการบริหารธุรกิจและการจัดการความเสี่ยงให้กับเขาตั้งแต่เนิ่นๆ

ช่วงเวลาที่ NSA — และการโดนไล่ออกที่เปลี่ยนชีวิต

นักถอดรหัสในสมัยสงครามเวียดนาม

ในปี 1964 ช่วงสงครามเวียดนาม หน่วยงานความมั่นคงแห่งชาติของสหรัฐฯ (National Security Agency, NSA) ได้จ้างนักคณิตศาสตร์จำนวนหนึ่งเพื่อทำงานถอดรหัสและพัฒนาระบบความปลอดภัยทางการสื่อสาร Simons เข้าร่วมทีมวิจัยของ Institute for Defense Analyses (IDA) ที่พรินซ์ตัน ด้วยค่าตอบแทนที่สูงและเวลาทำงานที่ยืดหยุ่น — นักคณิตศาสตร์สามารถใช้เวลาที่เหลือทำวิจัยส่วนตัวได้

งานที่ Simons ทำให้กับ NSA เกี่ยวข้องกับการวิเคราะห์รูปแบบ (Pattern Recognition) และการประมวลผลสัญญาณ (Signal Processing) — ทักษะเหล่านี้จะกลายเป็นรากฐานสำคัญของระบบเทรดที่เขาพัฒนาในภายหลัง

เหตุการณ์ที่ทำให้ถูกไล่ออก

ในปี 1968 เมื่อ Simons อายุ 29 ปี เขาถูกไล่ออกจาก NSA อย่างกะทันหัน สาเหตุคือเขาได้ให้สัมภาษณ์กับนิตยสาร Newsweek เกี่ยวกับสงครามเวียดนาม โดยแสดงความคิดเห็นที่ไม่สอดคล้องกับนโยบายของรัฐบาล เขากล่าวว่า:

"ผมให้ความสนใจกับคณิตศาสตร์เป็นส่วนใหญ่ ถ้าสงครามจบลง ผมก็จะกลับไปเป็นนักคณิตศาสตร์"

คำพูดนี้ถูกรายงานไปถึงพลเอก Maxwell D. Taylor ผู้ดำรงตำแหน่งประธานคณะเสนาธิการร่วมและเคยเป็นเอกอัครราชทูตประจำเวียดนามใต้ ภายใน 5 นาที Simons ถูกไล่ออกจากตำแหน่ง — เหตุการณ์นี้ถูกบันทึกใน Newsweek ด้วยพาดหัวว่า "ไม่ใช่ทุกคนที่ทำงานกับ Maxwell Taylor จะเห็นด้วยกับสงครามเวียดนาม"

ยุคทองของการวิจัย — Chern-Simons Theory

ทำงานร่วมกับ Shiing-Shen Chern

หลังจากออกจาก NSA Simons ได้รับตำแหน่งหัวหน้าภาควิชาคณิตศาสตร์ที่ Stony Brook University ในรัฐนิวยอร์ก ระหว่างปี 1968–1978 ที่นี่เขาได้ทำงานร่วมกับ Shiing-Shen Chern นักคณิตศาสตร์ชาวจีน-อเมริกันผู้ได้รับการยกย่องว่าเป็นนักเรขาคณิตเชิงอนุพันธ์ที่ยิ่งใหญ่ที่สุดในศตวรรษที่ 20

ทั้งสองคนพัฒนาทฤษฎีที่เรียกว่า Chern-Simons Theory ซึ่งเป็นผลงานที่มีผลกระทบอย่างกว้างขวางในฟิสิกส์ทฤษฎี โดยเฉพาะ String Theory และ Quantum Field Theory ทฤษฎีนี้ใช้อธิบายปฏิสัมพันธ์ของอนุภาคในระดับควอนตัม และยังคงเป็นหัวข้อวิจัยที่สำคัญจนถึงปัจจุบัน

รางวัล Oswald Veblen Prize

ในปี 1976 Simons ได้รับรางวัล Oswald Veblen Prize in Geometry จาก American Mathematical Society — หนึ่งในรางวัลที่มีเกียรติสูงสุดในสาขาเรขาคณิต รางวัลนี้มอบให้กับผลงานที่โดดเด่นด้านทฤษฎีเรขาคณิตเชิงอนุพันธ์ของเขา

Simons กล่าวถึง Chern ด้วยความนับถือว่า "เฉินเป็นนักคณิตศาสตร์ที่ยิ่งใหญ่ที่สุดในศตวรรษนี้" และยอมรับว่างานร่วมกันกับ Chern เป็นช่วงเวลาที่มีความหมายที่สุดในอาชีพนักวิชาการของเขา

https://youtu.be/ecTjGNMrjT0

การเปลี่ยนสายจากนักวิชาการสู่เทรดเดอร์

ความเบื่อหน่ายกับคณิตศาสตร์ — และความสนใจตลาดการเงิน

ในช่วงปลายยุค 30 ปี Simons เริ่มรู้สึกเบื่อหน่ายกับงานวิจัยทางทฤษฎี — และสิ่งที่สำคัญกว่าคือเขามีรายได้จากอาชีพนักวิชาการไม่มากนัก เขาเริ่มสนใจการลงทุนในตลาดการเงินและทำการเทรดในเวลาว่าง ขณะศึกษากราฟราคา เขาสังเกตเห็นว่า "มันดูเหมือนจะมีโครงสร้างบางอย่างอยู่ในนั้น" — แนวคิดนี้เป็นจุดเริ่มต้นของการใช้คณิตศาสตร์วิเคราะห์ตลาด

ก่อตั้ง Renaissance Technologies (1982)

ในปี 1982 เมื่ออายุ 44 ปี Simons ตัดสินใจลาออกจากตำแหน่งศาสตราจารย์และก่อตั้ง Renaissance Technologies — บริษัทกองทุนเฮดจ์ฟันด์ที่ใช้แบบจำลองทางคณิตศาสตร์เป็นหลักในการตัดสินใจเทรด (Quantitative Trading)

แนวทางของเขาแตกต่างจากนักลงทุนทั่วไปอย่างสิ้นเชิง:

• ไม่ใช้การวิเคราะห์ปัจจัยพื้นฐาน (Fundamental Analysis) เช่น งบการเงิน ข่าวเศรษฐกิจ
• ใช้ข้อมูลทางสถิติและรูปแบบในอดีต (Historical Pattern) ในการคาดการณ์การเคลื่อนไหวของราคา
• จ้างนักคณิตศาสตร์ นักฟิสิกส์ และนักวิทยาศาสตร์ แทนนักเศรษฐศาสตร์หรือนัก MBA

Simons เริ่มต้นด้วยการนำความรู้ที่ได้จาก NSA — เทคนิคการจดจำรูปแบบ (Pattern Recognition) และการประมวลผลสัญญาณ (Signal Processing) — มาปรับใช้กับข้อมูลตลาดการเงิน เขาสร้างอัลกอริทึมที่วิเคราะห์ข้อมูลราคาหลายล้านจุด ค้นหารูปแบบที่ซ้ำๆ และใช้ประโยชน์จากความไม่สมบูรณ์ของตลาด

กองทุน Medallion — สถิติที่ไม่มีใครทำได้

ผลตอบแทน 39% ต่อปีตลอด 30 ปี

กองทุนหลักของ Renaissance Technologies คือ Medallion Fund ซึ่งเปิดให้บริการครั้งแรกในปี 1988 ผลตอบแทนของกองทุนนี้คือสิ่งที่ไม่เคยมีใครทำได้มาก่อน:

• ผลตอบแทนเฉลี่ย 39% ต่อปี (หลังหักค่าธรรมเนียม) ตั้งแต่ปี 1988–2018
• ผลตอบแทน 66% ต่อปี (ก่อนหักค่าธรรมเนียม)
• เอาชนะดัชนี S&P 500 ที่ให้ผลตอบแทนเฉลี่ย 10% ต่อปีในช่วงเวลาเดียวกัน
• เอาชนะ Warren Buffett (Berkshire Hathaway ให้ผลตอบแทนเฉลี่ย 21% ต่อปี)
• เอาชนะ George Soros (Quantum Fund ให้ผลตอบแทนเฉลี่ย 32% ต่อปี)

กลยุทธ์แบบกล่องดำ (Black Box Strategy)

กองทุน Medallion ใช้กลยุทธ์ที่เรียกว่า Black Box — ระบบอัลกอริทึมที่ซับซ้อนซึ่งแม้แต่พนักงานส่วนใหญ่ก็ไม่รู้รายละเอียดทั้งหมด หลักการสำคัญคือ:

1. เทรดระยะสั้นมาก (High-Frequency Trading) — ถือพอร์ตเฉลี่ยเพียงไม่กี่วัน บางครั้งเพียงไม่กี่ชั่วโมง
2. กระจายความเสี่ยงอย่างกว้างขวาง — เทรดหลายพันตัวหลักทรัพย์พร้อมกัน รวมถึง หุ้น พันธบัตร สกุลเงิน สินค้าโภคภัณฑ์
3. ใช้ข้อมูลทางสถิติเพียงอย่างเดียว — ไม่มีการคาดการณ์ทิศทางตลาดหรือวิเคราะห์ข่าวสาร
4. ใช้ Leverage อย่างระมัดระวัง — แม้จะใช้เลเวอเรจ แต่ระบบถูกออกแบบให้จำกัดความเสี่ยงสูงสุด

เปิดเฉพาะพนักงาน — ไม่รับนักลงทุนภายนอก

สิ่งที่น่าสนใจคือ กองทุน Medallion ไม่เปิดให้นักลงทุนทั่วไปเข้าลงทุน ตั้งแต่ปี 2005 กองทุนนี้เปิดให้ลงทุนเฉพาะ:

• พนักงานปัจจุบันของ Renaissance Technologies
• อดีตพนักงาน

การตัดสินใจนี้เกิดจากเหตุผล 2 ประการ:

1. ขนาดกองทุนจำกัด — กลยุทธ์ที่ Medallion ใช้ต้องการสภาพคล่องสูง หากเงินลงทุนมากเกินไป ประสิทธิภาพจะลดลง
2. รักษาความลับ — ยิ่งมีนักลงทุนภายนอกมากเท่าไร ความเสี่ยงที่กลยุทธ์จะรั่วไหลก็สูงขึ้น

กองทุนอื่นๆ ของ Renaissance เช่น Renaissance Institutional Equities Fund (RIEF) เปิดให้นักลงทุนสถาบันเข้าลงทุนได้ แต่ผลตอบแทนต่ำกว่า Medallion มาก

หลักการเทรดของ Jim Simons — 5 บทเรียนสำคัญ

1. ใช้ข้อมูลแทนสัญชาตญาณ

Simons ไม่เคยพยายาม "เดาทิศทาง" ตลาด เขาเชื่อว่าข้อมูลทางสถิติและรูปแบบในอดีตสามารถให้ข้อมูลที่เชื่อถือได้มากกว่าสัญชาตญาณของมนุษย์ ระบบของเขาวิเคราะห์ข้อมูลหลายล้านจุดต่อวัน และตัดสินใจเทรดโดยอิงจากความน่าจะเป็นทางสถิติเท่านั้น

2. กระจายความเสี่ยง (Diversification)

แม้ว่าแต่ละการเทรดจะมีความเสี่ยง แต่ Medallion เทรดหลายพันตัวพร้อมกัน — เมื่อรวมกันแล้ว ความเสี่ยงรวมจึงต่ำมาก หลักการนี้คล้ายกับการประกันภัย: บริษัทประกันไม่สามารถคาดการณ์ได้ว่าลูกค้าคนไหนจะเกิดอุบัติเหตุ แต่สามารถคำนวณความน่าจะเป็นโดยรวมได้อย่างแม่นยำ

3. จ้างคนเก่ง — แต่ไม่ใช่คนจากวงการการเงิน

Simons จ้างนักคณิตศาสตร์ นักฟิสิกส์ นักวิทยาศาสตร์คอมพิวเตอร์ และนักสถิติ — แต่ ไม่ค่อยจ้างนัก MBA หรือนักการเงินโดยตรง เขาเชื่อว่าคนที่มีความสามารถในการแก้ปัญหาเชิงวิทยาศาสตร์สามารถเรียนรู้ตลาดการเงินได้ แต่คนที่เคยชินกับวิธีคิดแบบเก่าจะยากที่จะปรับตัว

4. ทดสอบทุกอย่าง (Backtesting)

ก่อนใช้อัลกอริทึมใดๆ ในตลาดจริง Simons ทดสอบมันด้วยข้อมูล