Мы тестировали системы, максимально углубляясь в историю – как правило, более чем на сто лет назад, делая это для каждой страны, для которой у нас были данные. Это дало мне отличное представление о том, как действовал во времени экономический/рыночный механизм и как его можно использовать. Кроме того, я многому научился и стал оттачивать свои критерии, добиваясь их универсальности и независимости от времени. После того как я тщательно опробовал этот образ действий, я мог прогонять через системы данные в режиме реального времени, а компьютер обрабатывал их и принимал решения, как это сделал бы мой мозг.

В результате в Bridgewater появились системы для принятия решений по процентной ставке, акциям, валютам и драгоценным металлам, которые затем мы объединили в систему управления нашим портфелем. Наша система напоминала ЭКГ, только для экономики; она фиксировала важные сигналы: когда они менялись, мы корректировали наши позиции. Тем не менее я никогда слепо не следовал рекомендациям компьютера: параллельно я проводил собственный анализ, а затем сравнивал результаты. Если решение компьютера отличалось от моего, я разбирался почему. Чаще всего это происходило из-за того, что я что-то упустил из виду. В этих случаях компьютер обучал меня. Однако иногда мне в голову приходили новые критерии, отсутствовавшие в моей системе, и тогда я обучал компьютер. Мы помогали друг другу. Прошло совсем немного времени, и компьютер с его огромными возможностями по обработке данных стал гораздо эффективнее меня. Это было здорово: словно гроссмейстер помогал мне планировать ходы, только действовал он по заданному набору критериев, которые я понимал и считал логичными, а потому мы принципиально не могли разойтись с ним во мнениях.

Компьютер гораздо эффективнее меня обрабатывал большие объемы информации, причем точнее, быстрее и без эмоций. За счет хорошего объема памяти он мог объединять мои знания и знания людей, с которыми я работал, по мере того как моя компания росла. Вместо того чтобы спорить о выводах, мы с коллегами спорили о разных критериях принятия решений. Мы разрешали наши противоречия с помощью объективного тестирования этих критериев. Стремительно растущая мощность компьютеров в тот период была для нас настоящим подарком судьбы. Помню, когда RadioShack[17] вывела на рынок недорогой мини-компьютер, на котором можно было разыгрывать шахматные партии, мы отправили всем нашим клиентам по такому мини-компьютеру с сообщением: «Систематизированный подход от Bridgewater». Уже на втором уровне из девяти возможных этот маленький компьютер разбивал меня в пух и прах. Мы дали каждому из клиентов на собственном опыте почувствовать, как сложно превзойти компьютеризированный процесс принятия решений.

Разумеется, у нас всегда была свобода не следовать рекомендациям системы. Мы пользовались ею меньше чем в 2 % случаев, преимущественно чтобы вывести средства во время экстраординарных событий, которые не поддаются программированию, таких как атака на Всемирный торговый центр 11 сентября. Компьютер превосходил нас во многих отношениях, но он не обладал нашим воображением, пониманием и логикой. Именно поэтому тандем человека и компьютера оказался таким эффективным.

Эти системы принятия решений были гораздо лучше систем прогнозирования, которыми я пользовался раньше, в основном потому, что они учитывали нашу актуальную реакцию на развитие событий, позволяя иметь дело с более широким спектром возможностей. Кроме того, они могли включать расчет по времени. В январской рассылке 1987 года под названием «Зарабатывать деньги или делать прогнозы» я объяснил это так:

За последние три десятилетия, на протяжении которых мы занимаемся созданием этих систем, мы приняли много других правил, которым подчинены все аспекты нашей биржевой торговли. Сегодня, когда данные поступают в режиме реального времени, наши компьютеры обрабатывают информацию из более чем 100 миллионов наборов данных и дают подробные инструкции другим компьютерам, так что это логически мне понятно. Без этих систем я, вероятно, тронулся бы рассудком или просто умер от стресса в попытке выполнить свою работу. Нам, определенно, не удалось бы достигнуть такого успеха, к какому мы пришли. Как вы увидите далее, сейчас я разрабатываю похожие системы, которые помогут нам принимать управленческие решения. Я убежден, что самое полезное, что можно сделать для повышения эффективности решений, – это обдумать свои принципы их принятия, записать это и словами, и в формате компьютерных алгоритмов, по возможности провести обратное тестирование (на основе исторических данных) и применять компьютерную систему в режиме реального времени параллельно с традиционным способом.

Однако я забегаю вперед. Вернемся в 1983 год.

К концу 1983 года в компании работали уже шесть сотрудников. До этого момента я вообще не занимался маркетингом: бизнес развивался благодаря сарафанному радио, а также тому, что люди читали мои ежедневные рассылки и видели публичные выступления. При этом был очевиден растущий спрос на наш анализ, и я понял, что мы могли бы продавать его в дополнение к доходу от консалтинговой деятельности и торговли на бирже. Так что я нанял седьмого сотрудника – Роба Фрида, бывшего коммивояжера, который раньше ходил по домам и продавал Библию. И мы начали обивать пороги, таская за собой проектор и огромную пачку слайдов, пытаясь продать за $3000 в месяц пакет, включающий мою ежедневную рассылку телексом, еженедельные совещания по селекторной связи, аналитические отчеты раз в две недели и раз в квартал, а также ежеквартальные встречи. За следующий год Роб привлек целый ряд компаний и управляющих институциональными инвестициями, в том числе General Electric, Keystone Custodian Funds, Всемирный банк, Brandywine, Loomis Sayles, Provident Capital Management, the Singer Company, Loews Corporation, GTE Corporation и Wellington Management.

На тот момент у нас было три основных бизнес-направления: консалтинговые услуги, управление рисками компаний за поощрительное вознаграждение, а также продажа аналитических пакетов. Мы работали с самыми разными корпоративными, финансовыми и политическими институтами, представленными на рынке: банками, международными компаниями с диверсифицированным бизнесом, товаропроизводителями, производителями продуктов питания, предприятиями коммунального хозяйства и многими другими. Например, мы могли помочь международной компании справиться с валютными рисками, которым она подвержена из-за того, что ведет деятельность в разных странах.