7. Собеседование с дизайнером

— Сделайте редизайн молчания, — сказал Федор.
— Простите?
— Вы дизайнер. А теперь представьте, что молчание — это продукт. Как бы вы улучшили его UX?
Кандидат начал говорить про звук, пустое пространство, паузы, визуальные маркеры.
— Вы только что уничтожили молчание, — сказал Федор. — А ведь я просил улучшить.

Из сборника «Протоколы невыученного»

#книги
@rybasharp

Агенты в хедж-фондах

Мода на то, чтобы называть все «агентами», дошла и до хедж-фондов. В Блумберге вышла статья, что в Man Group теперь используют нечто под названием AlphaGPT. Эта система изучает датасеты, пишет код и делает бектесты.

Мне не очень понятно, почему это вообще новость. Идея автоматизации работы кванта является одной из направляющих в моей работе уже больше 10 лет, а два года назад я участвовал в разработке прототипа системы со схожей функциональностью.

Даже тогда самой сложной частью была не технология, в прохождение согласований у юристов и комплаенса. А уж сейчас, когда есть vibe-coding и reasoning модели, думаю, что прототип можно собрать за день-два. Ну и название у нашей системы было существенно оригинальнее, чем AlphaGPT!

https://www.bloomberg.com/news/articles/2025-07-10/man-group-says-agentic-ai-is-now-devising-quant-trading-signals

Если для вас статья за пейволлом, можно прочитать здесь https://archive.is/4rKNW

#хеджфонды
@rybasharp

Классификация животных по Борхесу

Недавно ездил на выезд одного сообщества - очень повеселила памятка участника. Раздел «Что взять с собой» напомнил мне о «классификации животных по Борхесу».

Приведу эту классификация так, как она описана в Википедии. https://ru.m.wikipedia.org/wiki/Классификация_животных_(Борхес)

Борхес упоминает «некую китайскую энциклопедию» под названием «Божественное хранилище благотворных знаний», согласно которой животные делятся на:
- принадлежащих Императору;
- набальзамированных;
- прирученных;
- молочных поросят;
- сирен;
- сказочных;
- бродячих собак;
- включённых в эту классификацию;
- бегающих как сумасшедшие;
- бесчисленных;
- нарисованных тончайшей кистью из верблюжьей шерсти;
- прочих;
- только что разбивших цветочную вазу;
- похожих издали на мух.

А в компании, где я раньше работал, подобного рода списки иногда использовались, как управленческий инструмент!

#хеджфонды
#книги
@rybasharp

RenTech v MLP

Как я раньше писал https://t.me/rybasharp/30, в конце хедж-фондах есть два подхода к выплате премий - пропорционально заработанному (в структуре типа «eat what you kill») и по решению менеджмента (в структуре «one team - one dream»). Иногда бывает, что сотрудникам в «one team - one dream» кажется, что им заплатили слишком мало. Тогда они переходят в фонд с другой структурой (часто это Millennium) - так как считают, что вот сейчас со своей супер-альфой заработают очень много и получат справедливую долю.

Бывает, что это приводит к судебным процессам. Самый известный из них - Renaissance Technologies против Millennium. Если кратко - два сотрудника RenTech решили, что лучше сделают свою торговую команду (pod) в MLP. RenTech, в свою очередь, подал в суд, как на MLP, так и на самих сотрудников. Видимо, договориться в частном порядке не получилось. Судились четыре года - вот, чем закончилось https://www.ft.com/content/cae9f016-1eca-11dc-bc22-000b5df10621

На случай пейволла: https://archive.md/eXxhX

#хеджфонды
@rybasharp

1. Собеседование с кандидатом из BigTech

— Расскажите о проекте, которым вы гордитесь, — спросил Федор.
Кандидат начал рассказывать про миграцию инфраструктуры, увеличение MAU, сокращение latency и автоматизацию governance. Говорил красиво, уверенно, с
цифрами.
— Вы сделали это? — уточнил Федор.
— Конечно. Я вёл всю инициативу.
— А вы можете сказать, что стало бы хуже, если бы вы не делали это?
Кандидат замер.
Федор кивнул, закрыл ноутбук и сказал:
— Вы хорошо справились с задачей. Но, возможно, ни на что не повлияли.

Из сборника «Протоколы невыученного»

#книги
@rybasharp

Rocket Scientist of Wall Street

Некоторое время назад мне рассказали, что Kairan Quazi - самый молодой сотрудник SpaceX - ищет новую работу. Он в 14 лет окончил университет, а в 16 уже решил уйти из SpaceX.

Я думал, что он выберет что-то типа OpenAI или какой-нибудь бигтех (все-таки AI и «агенты» на максимальном хайпе сейчас). Однако он поступил мудрее и решил стать quant developer в Citadel Securities. Приятно, что наша индустрия привлекательна для умных и неординарных людей!

https://www.businessinsider.com/teen-prodigy-kairan-quazi-leaves-spacex-joins-citadel-securities-2025-8

#хеджфонды
@rybasharp

13. Собеседование с основателем стартапа

— Я хочу изменить индустрию. Выровнять асимметрию. Демократизировать доступ, — сказал фаундер.
Федор протянул лист бумаги и сказал:
— Напишите на нём фразу, которую вы не готовы произнести публично, но втайне верите.
Фаундер написал.
Федор кивнул:
— Теперь у вас есть стратегия. Остальное — мишура.

Из сборника «Протоколы невыученного»

#книги
@rybasharp

Краткость сестра таланта?

Недавно в Блумберге вышла заметка про дискуссию о научном исследовании. Три автора, один из которых работает в хедж-фонде AQR, написали научную статью, началась активная дискуссия - вышли ответы на нее - а потом даже ответ на ответы. Это привлекло внимание журналистов.

Исследование вот о чем. Кванты больше всего боятся оверфиттинга - ситуации, когда предсказательная модель переобучилась на исторические данные. Думаешь, что нашел закономерность на рынке, а на самом деле это лишь шум. И по самолюбию бьет, и деньги теряешь.

Основной способ предохранения от переобучения - использовать простые и имеющие экономический/«физический» смысл модели с небольшим числом параметров. Авторы статьи, породившей дискуссию, утверждают, что моделей с большим числом параметров бояться не надо - они тоже хорошо работают - и даже лучше маленьких.

https://www.bloomberg.com/news/articles/2025-08-20/aqr-s-hard-to-believe-study-spurs-clash-over-ai-use-for-quants

https://archive.md/IAtRe

#хеджфонды
@rybasharp

31. Собеседование с разработчиком автоматизации

— Вы автоматизировали 90% рутинных задач?
— Да, сократил время на 60%.
— Хорошо. А что останется, когда 90% уйдёт?
— Останется креативность и решение нестандартных задач.
— Вы уверены, что она у вас есть?

Из сборника «Протоколы невыученного»

#книги
@rybasharp

Libero? Cubist!

Пару месяцев назад была новость, что бывший Chief Investment Officer WorldQuant Geoffrey Lauprete запускает свой хедж-фонд Libero - и даже поднял миллиард долларов в него. Похоже, реально правда - даже в UK компания есть: https://find-and-update.company-information.service.gov.uk/company/16307656/officers

Однако пару недель назад вышла другая новость - что Джофри присоединился к фонду Point72 и будет руководить Cubist Systematic Strategies. Оказывается, работать в большом multi-strategy более привлекательно, чем делать свой!

https://archive.is/32P6H

#хеджфонды
@rybasharp

Think like artist. Work like accountant

Некоторое время назад я писал про вдохновение - по мотивам того, что говорит Наваль Равикант. https://t.me/rybasharp/79

Cal Newport в своей книге Deep Work тоже касается этой темы. Если Наваль обращает наше внимание на то, чтобы мы не упускали вдохновение, то Cal говорит о том, что дисциплинировано работать надо и тогда, когда его нет. «Think like artist. Work like accountant» - вот так он это формулирует.

Думаю, что в большой степени это применимо и к ведению телеграм-канала!

#книги
@rybasharp

Deep Work vs Serendipity

Многие современные офисы построены по принципу open space. Считается, что так возрастает вероятность возникновения новых идей - ставка делается на то, что называют serendipity. При этом игнорируют очевидные негативные факторы - в таких офисах шумно, поэтому трудно сосредоточиться, поэтому идею возникают, а реализовать их тяжело.

Cal Newport в книге Deep Work предлагает пересмотреть подход к проектированию офисов. Вместо open space он предлагает использовать hub-and-spoke. Иными словами, сотрудники работают в небольших кабинетах, двери которых выходят в общий коридор. Переговорки, кухня, лаунж и прочее - расположены в другой части здания, так чтобы до них надо было идти по коридору. Таким образом, deep work и serendipity разделены физически.

Я однажды видел офис, спроектированный именно так. В 2012 году (несколько лет до выхода Deep Work) мне повезло провести неделю в Argonne National Laboratory в США. Так вот - ученые там работали в кабинетах по 1-2 человека, а вовсе не в open space!

https://www.anl.gov

#книги
@rybasharp

Человек в помощь алгоритмам?

Хедж-фонд DE Shaw известен как один из пионеров алгоритмической торговли. Его основатель, David Shaw, был ученым в области computer science, потом основал хедж-фонд, заработал достаточно денег, чтобы заниматься вычислительной биохимии. Некоторые мои бывшие коллеги, знакомые с ним лично, говорят, что именно таким и был исходно его план!

Недавно вышла новость, что DE Shaw запускает новый фонд, причем инвестиционные решения в нем будут принимать люди, а не алгоритмы! Видимо, когда под управлением 65+ миллиардов долларов, то без нестандартных ходов не обойтись.

https://www.hedgeweek.com/de-shaw-to-launch-first-human-led-hedge-fund/

#хеджфонды
@rybasharp

SEC v Jian Wu

Недавно узнал о том, что американский регулятор финансовых рынков - Security and Exchanges Commission (SEC) - подает в суд на бывшего сотрудника Two Sigma. Полностью детали здесь: https://www.sec.gov/files/litigation/briefs/2025/comp26398.pdf

Кратко - Jian Wu работал в Two Sigma ресерчером и разрабатывал модели, предсказывающие движения цен акций. SEC утверждает, что он несанкционированно изменил один из параметров в своих моделях, когда те уже использовались в работающих торговых стратегиях.

То есть было две конфигурации модели - одна, чтобы пройти тесты и быть выбранной для использования в торговле. И вторая - которая уже использовалась в торговле. В первом случае предсказательная модель выдавала такие прогнозы, какие требовались, чтобы пройти тесты на уникальность и добавление ценности к уже существовавшим моделям. Во втором - уникальность уже не оптимизировалась.

Напоминает дизельгейт! https://en.m.wikipedia.org/wiki/Volkswagen_emissions_scandal
Там двигатель распознавал, когда машина была на тестовом стенде, и переходил в режим сниженных выбросов.

Утверждается, что в результате этих действий ресерчер необоснованно обогатился на 20+ миллионов долларов, а некоторые из клиентов Two Sigma потеряли примерно 175 миллионов!

Ко всей этой ситуации у меня есть несколько комментариев/вопросов - о них в следующих постах

#хеджфонды
@rybasharp

SEC v Jian Wu (продолжение)

История с ресерчером из Two Sigma началась несколько лет назад. В этой статье приводится точка зрения Jian Wu и вообще дается более широкий контекст ситуации.

https://www.craincurrency.com/compliance-legal-and-regulation/two-sigma-researcher-jian-wu-fights-hedge-fund-over-blame-170

Во-первых, говорится, что в Two Sigma был конфликт владельцев (они же топ-менеджеры). Поэтому неудивительно, что многие процессы в компании могли быть нарушены. В том числе, процесс обновления моделей в проде.

Во-вторых, использовать ли конкретную модель в торговой стратегии - действительно решает отдельная команда, а не ресерчер, который эту модель сделал.

Все это, конечно, не освобождает от ответственности за несогласованное изменение параметров модели в проде. Интересно, почему дело не ограничилось внутренним разбирательством, а дошло до SEC!

#хеджфонды
@rybasharp

SEC v Jian Wu (а бы ли обман?)

Если кратко описать, в чем суть ситуации, то получается вот что:
- ресерчер в хедж-фонде сделал несколько предсказательных моделей
- они прошли критерии для выхода в production
- после вывода в production, ресерчер изменил «decorrelation parameter» - чем ввел хедж-фонд в заблуждение относительно уникальности этих моделей
- в результате этого хедж-фонд выплатил больше 20 миллионов долларов премии этому ресерчеру

Хедж-фонды обычно платят премии на основе value addition - того, что новые модели добавляют к тому, что уже есть. Конкретные формулы отличаются от фонда к фонду, но общий принцип один и тот же. Value addition обычно оценивают по двум составляющим - standalone performance и uniqueness. Как я писал раньше, https://t.me/rybasharp/45, ортогональность/уникальность очень ценна, поэтому за нее готовы платить много.

Кажется, что ситуация выглядит так - на исторических данных (а на них можно нафитить все, что хочешь) удалось добиться и высокого standalone performance, и высокой uniqueness. Далее в проде ресерчер «подкрутил параметры» - и по материалам SEC, standalone performance остался высоким, а уникальность существенно снизилась.

Возникает вопрос - почему же хедж-фонд все же заплатил миллионы долларов премии?! Если на реальных данных уникальность не была высокой, то при нормальных процедурах выплаты премий никаких миллионов бы не было! А если уникальность осталась высокой и на реальных данных, то, кажется, что никакого обмана не было!

Мне кажется, на этом может строиться стратегия защиты в суде. Интересно будет почитать материалы с судебных заседаний, если их опубликуют!

#хеджфонды
@rybasharp