بیوگرافی جیم سایمنز؛ سرمایه‌داری که با ریاضی معمای بازار را حل کرد

وقتی پای سرمایه‌گذاری به میان می‌آید، هیچ‌کس به گرد پای جیم سایمنز (Jim Simons) نمی‌رسد؛ نه وارن بافت، نه استیو کوهن و نه حتی جورج سوروس که احتمالاً نام‌های آشناتری برایتان هستند. شرکت «رنسانس تکنولوژی» سایمنز، صندوق پوشش سرمایه‌ی پرآوازه‌ای به‌نام مدالیون دارد که به مدت ۳۰ سال، متوسط بازده‌‌ی سالانه‌ی آن بدون حساب کسریات ۶۶ درصد بوده است. به عبارت ساده‌تر، اگر در سال ۱۹۸۸ در صندوق مدالیون ۱۰۰ دلار سرمایه‌گذاری کرده بودید، ۳۰ سال بعد این رقم به ۳۹۸٫۷ میلیون دلار می‌رسید!

عجیب‌تر اینکه سایمنز افرادی را به استخدام مدالیون درآورده بود که هیچ چیز از سرمایه‌گذاری نمی‌دانستند؛ کارمندان مدالیون در عوض مانند خود او ریاضی‌دان و دانشمند بودند. درحالی‌که سرمایه‌گذاران عادی برای انجام معاملات به شم اقتصادی‌ و غریزه، مشورت با مدیران اجرایی و آنالیز گزارش‌های درآمد تکیه می‌کردند، سایمنز مسیر متفاوتی را برای سرمایه‌گذاری در پیش گرفت.

سایمنز به‌عنوان ریاضی‌دانی کهنه‌کار معتقد بود بازار به‌صورت منطقی رفتار می‌کند؛ پس تصمیم گرفت با رویکردی علمی به حوزه‌ی سرمایه‌ وارد شود. او تصمیم‌های خود را برپایه مجموعه‌های بزرگی از داده، مدل‌های کامپیوتری و الگوریتم‌ها می‌گرفت و الهام‌بخش انقلابی بود که وال استریت را درنوردید.

جیم سایمنز هیچ‌وقت آرام‌وقرار نداشت؛ برایش نه ریاضی‌دان بودن کافی بود، نه استاد MIT و هاروارد بودن و نه رمزگشایی برای آژانس امنیت ملی آمریکا در طول جنگ سرد. به قول همسر اولش باربارا بلوستین در کتاب مردی که معمای بازار را حل کرد، «جیم از همان دوران کودکی فهمید که پول مساوی است با قدرت.»

جیم سایمنز، پیشگام سرمایه‌گذاری با مدل‌های کامپیوتری و معروف‌ به «پادشاه آنالیز کَمی» (Quant King)، در سن ۸۶ سالگی در ۱۰ می ۲۰۲۴ (۲۱ اردیبهشت ۱۴۰۳) در منهتن نیویورک درگذشت. این داستان ریاضی‌دانی است که به‌کمک جادوی ریاضی و الگوریتم‌ها، بزرگ‌ترین ماشین پول‌سازی جهان را در شرکت مرموز خود تولید کرد و به بزرگ‌ترین سرمایه‌گذار تاریخ تبدیل شد.

جیمز هریس سایمنز (James Harris Simons)، تنها فرزند متیو سایمنز و مارسیا کانتور، در ۲۵ آوریل ۱۹۳۸ در بروکلاین، حومه‌ی شهر بوستون به دنیا آمد. مادرش در مدرسه‌ی جیمی به‌صورت داوطلبانه کار می‌کرد و تحقق رویاهای خودش را در فرزندش می‌دید. پدر جیمی نماینده‌ی فروش فاکس قرن بیستم بود، اما بعداً در کارخانه‌ی کفش‌سازی پدرزنش مشغول به کار شد. متیو بعدها به پسرش گفت که ای کاش شغل آینده‌دارش در صنعت فیلم‌سازی را برای شغلی که از او انتظار می‌رفت، رها نکرده بود. درسی که جیمی از حرف پدرش گرفت این بود: «کاری را که دوست داری انجام بده، نه کاری که احساس می‌کنی باید انجام دهی.»

کاری که جیمی بیش از هر چیز دیگری دوست داشت انجام دهد، فکر کردن به ریاضیات بود. ذهن او همیشه درگیر اعداد و اَشکال بود. در سه‌سالگی می‌توانست اعداد را ضرب‌در و تقسیم‌بر دو کند و تمام توان‌های دو تا عدد ۱۰۲۴ را می‌دانست. در چهارسالگی، وقتی پدرش برای بنزین‌زدن توقف کرد، جیمی داشت به یکی از پارادوکس‌های زنون معروف‌ به تناقض دو بخشی فکر می‌کرد.

در هشت‌سالگی وقتی دکتر خانوادگی به جیمی گفت شغل ایدئال برایش پزشکی است، جیمی جواب داد:‌ «من می‌خواهم ریاضی‌دان یا دانشمند شوم.» دکتر اصرار کرد که پول در ریاضیات نیست، اما جیمی گفت که به پول اهمیتی نمی‌دهد.

سایمنز همان‌طور که امیدوار بود، در رشته‌ی ریاضیات دانشگاه MIT مشغول به تحصیل شد و به‌خاطر دوره‌ی ریاضیات پیشرفته‌‌ای که در دبیرستان گذرانده بود، سال اول را به‌صورت جهشی خواند. او با اعتماد‌به‌نفس بیش‌ازحد تصمیم گرفت در ترم دوم، سراغ جبر انتزاعی مقطع فوق‌لیسانس برود؛ اما نتوانست هم‌پای همکلاسی‌هایش پیش رود. پس کتابی درباره‌ی جبر انتزاعی خرید و کل تابستان را به مطالعه پرداخت تا اینکه بالأخره به قول خودش «شکوفا» شد.

سال بعد، وقتی به قضیه‌‌ی استوکس رسید که ترکیب شگفت‌انگیزی از حساب دیفرانسیل و انتگرال، جبر و هندسه بود، عملکردش در کلاس به‌قدری خوب بود که دانشجویان از او کمک می‌گرفتند. سایمنز از اینکه می‌دید قضایا و فرمو‌ل‌های قدرتمند می‌توانند راز حقایق را برملا کنند و حوزه‌‌های متمایز در ریاضیات و هندسه را به هم پیوند دهند، به وجد آورده بود. او می‌گفت: «مفاهیم ریاضی برایم زیبا و ظرافت‌مندانه بود.»

سایمنز پس از سه سال تحصیل در دانشگاه MIT، مدرک لیسانس خود را در رشته‌ی ریاضیات گرفت و در حین تحصیل در مقطع دکترا در دانشگاه کالیفرنیا، برکلی، اولین طعم سرمایه‌گذاری را چشید. او به یک کارگزاری در سانفرانسیسکو رفت تا معاملات آتی سویا انجام دهد.

سایمنز در سال ۱۹۶۱ برای تدریس به MIT بازگشت و احساس می‌کرد که مسیر آینده‌اش مشخص شده است. او در مصاحبه‌ای در سال ۲۰۲۰ با مؤسسه‌ی فیزیک آمریکا گفت: «به یاد می‌آورم که روزی در کتاب‌خانه نشسته بودم و با خودم گفتم، خب، اول استادیار و بعد دانشیار و بعد استاد می‌شوم و همین‌طور به زندگی ادامه می‌دهم تا بمیرم. اما آن لحظه فکر کردم که شاید چیزهای دیگری هم در دنیا وجود داشته باشد.»

در سال ۱۹۶۳، سایمنز موقعیتی تحقیقاتی را در دانشگاه هاروارد پذیرفت و دوره‌ی پیشرفته‌ی معادلات دیفرانسیل با مشتقات جزیی را در مقطع فوق‌لیسانس تدریس کرد. سایمنز اطلاعات زیادی از این مبحث نداشت، اما تدریس را روش خوبی برای یادگیری‌اش می‌دانست. او به دانشجویانش می‌گفت که مبحث درس را یکی دو هفته قبل از کلاس یاد گرفته است؛ اعترافی که از نظر دانشجویان بامزه بود.

یک سال بعد، سایمنز دانشگاه هاروارد را نیز رها کرد تا برای رمزگشایی از پیام‌های کدگذاری‌شده‌ی اتحاد جماهیر شوروی در طول جنگ سرد به گروه اطلاعاتی IDA بپیوندد. مؤسسه‌ی تحلیل‌های دفاعی (Institute for Defense Analyses)، وابسته‌به آژانس امنیت ملی بود که بزرگ‌ترین و مخفیانه‌ترین آژانس اطلاعاتی ایالات‌متحده به‌شمار می‌رود.

با شروع کار در IDA، حقوق سایمنز دوبرابر شد و توانست بدهی‌هایش را صاف کند. علاوه‌براین، می‌توانست درکنار همکاری با دولت، به پروژه‌های ریاضی شخصی خود برسد. تنها مشکل کار در IDA این بود که نمی‌توانست از دستاوردهایش به کسی بگوید، چراکه تمام اعضای گروه به رازداری سوگند خورده بودند.

سایمنز در دوره‌ی پرآشوبی به سازمان اطلاعاتی IDA پیوست، چراکه کدهای پیچیده‌ی شوروی بیش از یک دهه بود که به‌طور منظم رمزگشایی نشده بودند. بااین‌حال، کار در سازمان اطلاعاتی به سایمنز آموخت چطور برای تشخیص و تفسیر الگوها در داده‌های به‌ظاهر بی‌معنی، مدل‌های ریاضی بسازد.

سایمنز بیش از سه سال برای آژانس امنیت ملی کار کرد تا اینکه به‌خاطر اعتراض به جنگ ویتنام اخراج شد. ماکسول تیلور، رییس IDA در مقاله‌ای برای نیویورک تایمز تاکید کرده بود که ایالات متحده در شرف پیروزی در جنگی بود که ارزشش را داشت. سایمنز در نامه‌ای به سردبیر نوشت که «هرگونه دستاورد سیاسی ناشی از پیروزی نظامی ممکن نیست بتواند هزینه‌های هنگفت اقتصادی، فکری و اخلاقی آن را جبران کند.»

سه روز بعد، رییس‌جمهور آمریکا توقف بمباران ویتنام را اعلام کرد که نشانه‌ای از پایان جنگ بود. سایمنز تصور کرد که این خبر به این معنی است که می‌تواند به کارش برگردد، اما به او گفتند زحمت برگشت را به خود ندهد.

زمانی‌که سایمنز در IDA مشغول به رمزگشایی بود، اوقات فراغتش را به بررسی بازار سهام اختصاص داد. او به کمک سه همکار دیگر سیستم جدیدی برای معاملات سهام طراحی کردند و مدعی شدند روش آن‌ها می‌تواند دست‌کم ۵۰درصد سود سالانه داشته باشد.

ویژگی منحصربه‌فرد سیستم سایمنز این بود که اصلا سعی نمی‌کرد با نظریه‌ی اقتصاد یا سایر روش‌های مرسوم، حالت‌های مختلف بازار سهام را شناسایی یا پیش‌بینی کند و اصلا به دنبال بررسی چرایی ورود بازار به برخی از حالت‌ها نبود.

سایمنز و همکارانش نیز برای پیش‌بینی قیمت سهام، رویکرد مشابه‌ای را با تکیه بر ابزار ریاضی پیچیده‌ای به نام «مدل پنهان مارکوف» (Hidden Markov Model) پیشنهاد کردند. درست همان‌طور که قمارباز ممکن است براساس تصمیمات حریف، وضعیت روحی او را حدس بزند، سرمایه‌گذار نیز ممکن است وضعیت بازار را از تغییرات قیمت آن استنتاج کند.

استدلال سایمنز این بود که درک تمام اهرم‌های زیربنایی بازار سهام اهمیتی ندارد، بلکه یافتن یک سیستم ریاضی منطبق با این اهرم‌ها با قابلیت سوددهی ثابت مهم است. مدل سایمنز پیش‌درآمد وقوع انقلاب‌هایی در حوزه‌ی مالی بود؛ ازجمله سرمایه‌گذاری عاملی، استفاده از مدل‌های مبتنی‌بر حالت‌های غیرقابل مشاهده و سایر روش‌های سرمایه‌گذاری کَمی که ده‌ها سال بعد دنیای سرمایه‌گذاری را در نوردید.

سایمنز پس از اخراج از IDA و در سن ۳۰ سالگی، با پیشنهاد دوست ریاضی‌دان خود موفق شد ریاست دپارتمان ریاضی دانشگاه استونی بروک در نیویورک را به‌عهده بگیرد. سایمنز در استونی بروک به کشفی دررابطه با کَمی‌کردن اَشکال در فضاهای منحنی و سه‌بعدی رسید. وقتی کشف خود را به فیزیک‌دان نابغه‌ای به‌نام شیینگ-شن چرن نشان داد، چرن متوجه شد که این نظریه می‌تواند در تمام ابعاد و نه فقط در فضای سه‌بعدی صدق کند. چرن و سایمنز در مقاله‌‌ی ۱۹۷۴ باعنوان «فرم‌های مشخصه و متغیرهای هندسی»، ثابت تغییرناپذیر چرن-سایمنز را معرفی کردند که در حوزه‌های مختلف ریاضی به کار می‌رفت.

در سال ۱۹۷۶ و در سن ۳۷ سالگی، سایمنز به‌خاطر مقاله‌اش با چرن و همچنین تحقیقات قبلی‌اش در زمینه‌ی واریته‌های حداقل، جایزه‌ی ازوالد وبلن انجمن ریاضی آمریکا را در هندسه دریافت کرد که بالاترین درجه‌ی افتخار در این حوزه بود. یک دهه بعد، فیزیکدان نظری ادوارد ویتن و دیگران دریافتند که نظریه‌ی چرن-سایمنز در طیف وسیعی از حوزه‌های فیزیک، ازجمله ماده‌ی متراکم، نظریه‌ی ریسمان و ابرگرانش کاربرد دارد. این نظریه حتی برای روش‌هایی که شرکت‌هایی مثل مایکروسافت برای توسعه‌ی کامپیوترهای کوانتومی با توانایی حل مسائل بسیار پیچیده‌ ازجمله توسعه‌ی دارو و هوش مصنوعی به کار می‌بردند، بسیار حیاتی بود.

تا سال ۱۹۷۷، سایمنز دیگر متقاعد شده بود که بازارهای ارزی به‌شدت پرسود هستند. ارزهای جهانی بی‌توجه به قیمت طلا بالا و پایین می‌شدند و پوند انگلیس سقوط کرده بود. از نظر سایمونز، دوران جدید و بی‌ثباتی آغاز شده بود. در سال ۱۹۷۸، سایمنز سرانجام فضای دانشگاهی را ترک کرد تا شرکت کوچکی را با تمرکز بر تجارت ارز راه‌اندازی کند؛ تصمیمی که نه به مذاق پدرش خوش آمد و نه ریاضی‌دان‌هایی که او را می‌شناختند.

اما سایمنز ماجرا را طور دیگری می‌دید. او تا چهل‌ سالگی هم حرفه‌ی رمزگشایی را تجربه کرده بود، هم از ارتفاعات ریاضیات بالا رفته بود و هم دپارتمان ریاضی موفق خودش را راه‌اندازی کرده بود. حالا مطمئن بود که می‌تواند دنیای معاملات را هم فتح کند.

سرمایه‌گذاران قرن‌ها در تلاش بودند تا معمای بازار را حل کنند و بر آن مسلط شوند؛ اما به‌ندرت به موفقیت بزرگی دست می‌یافتند. برخی از سرمایه‌گذاران و تحلیل‌گران فرازونشیب‌های بازار را کاملا تصادفی می‌دانستند و معتقد بودند تمام اطلاعات ممکن از قبل در قیمت‌ها لحاظ شده؛ پس فقط رویدادهایی که پیش‌بینی‌شان ناممکن است می‌تواند قیمت‌ها را بالا یا پایین کند. اما سایمنز از دنیای ریاضیات آمده بود و به بررسی موشکافانه‌ی مجموعه‌های بزرگی از داده و یافتن نظم و الگو در جایی که دیگران فقط اتفاقات تصادفی می‌دیدند، عادت داشت.

سایمنز به این نتیجه رسید که بازار سهام همیشه به‌طور منطقی و قابل توضیحی به اخبار یا رویدادها واکنش نشان نمی‌دهد و تکیه بر تحقیقات سنتی، پیش‌بینی قیمت‌ها را دشوار می‌کند. با این حال، به نظر می‌رسید قیمت‌ها حتی در بازارهای حسابی آشفته هم دست‌کم چند الگوی مشخص از خود بروز می‌دادند.

سایمنز تصمیم گرفت با بازارهای مالی مانند یک سیستم آشفته رفتار کند. درست همانطور که فیزیکدانان با تجزیه‌وتحلیل مقادیر زیادی از داده، مدل‌های زیبایی برای شناسایی قوانین موجود در طبیعت می‌سازند، سایمنز نیز قصد داشت برای شناسایی نظم در بازارهای مالی، مدل‌های ریاضی بسازد. رویکرد او به استراتژی‌ای که سال‌ها پیش در IDA طراحی کرده بود، شباهت زیادی داشت. سایمنز آن زمان گفته بود که بازارها در حالت‌های پنهان مختلفی به سر می‌برند که می‌توان آن‌ها را با مدل‌های ریاضی آشکار کرد.

سایمنز برای آزمایش این استراتژی در دنیای واقعی، شرکت سرمایه‌گذاری «مانمتریکس» Monemetrics را در لانگ آیلند نیویورک راه‌اندازی کرد که بعدها به «رنسانس تکنولوژی» (Renaissance Technologies) تغییرنام داد. مانمتریکس از دو کلمه‌ی «Money» و «Econometrics» مشتق شده بود. سایمنز می‌خواست نشان دهد با استفاده از ریاضی و آنالیز داده‌های مالی می‌تواند ثروت زیادی تولید کند. پس به‌جای استخدام سرمایه‌گذار، تیمی از ریاضی‌دان‌هایی مثل خودش را استخدام کرد تا ماه‌ها به تجزیه‌وتحلیل داده‌های بازار بپردازند و از دل آن‌ها، ترندها را شناسایی کرده و برای پول درآوردن از بورس، فرمول‌های ریاضی بنویسند.

یکی از این ریاضیدان‌ها که حاضر شد شغل پردرآمدش در IDA را برای به‌ثمر نشاندن رویای سایمنز رها کند، لئونارد بائوم (Leonard Baum) بود که در نوشتن مقاله‌ی تحقیقاتی IDA به سایمنز کمک کرده بود. طولی نکشید که بائوم الگوریتمی را برای رنسانس توسعه داد. اگر ارزش ارزی از سطح مشخصی از خط ترند پایین‌تر می‌رفت، الگوریتم می‌گفت آن را بخرند؛ و اگر از این خط بالاتر می‌رفت، زمان فروش فرا رسیده بود. بائوم که تا یکی‌دو سال پیش به‌جز ریاضی به چیز دیگری فکر نمی‌کرد، حالا فقط در فکر معاملات ارزی بود.

شرکت رنسانس کارش را با معملات ارزی، کالا و اوراق قرضه شروع کرد و ترجیح داد فعلاً وارد بازار سهام نشود، چون تنوع آن‌ها زیاد است و ارزش هر سهام به‌شدت به شرایط منحصر‌به‌فرد شرکت‌ها وابسته است.

سایمنز رؤیای سیستم معاملاتی را در سر می‌پروراند که به‌طور کامل توسط الگوریتم‌ها و بدون دخالت قضاوت انسانی هدایت شود؛ اما کامپیوترهای دهه‌ی هشتاد توانایی اجرای برنامه‌های کاملاً خودکار را نداشتند. برای همین، رنسانس در ابتدا هم از مدل‌های ریاضی استفاده می‌کرد و هم از قضاوت انسانی که برایش دردسرساز شد؛ برای مثال، بائوم در سال ۱۹۸۴ ده‌ها میلیون دلار اوراق قرضه خرید، اما آنقدر آن‌ها را نگه داشت تا اینکه ارزششان سقوط کرد و فشار سنگینی به شرکت وارد شد؛ تاجایی‌که سایمنز تا مرز دست‌کشیدن از رنسانس پیش رفت.

سایمنز و اکس صندوق پوشش ریسک جدیدی به نام «مدالیون» (Medallion) راه‌اندازی کردند که نامش به‌افتخار جوایز ریاضی معتبری که کسب کرده بودند، انتخاب شد. صندوق مدالیون در ابتدا با مشکلات زیادی همراه بود، اما در نهایت به موفق‌ترین پوشش سرمایه‌ی تاریخ تبدیل شد. بعد از ده سال بهبود الگوریتم‌ها و پیشرفت قدرت پردازشی کامپیوترها، نقطه‌ی عطف رنسانس در سال ۱۹۹۰ رقم خورد.

ادوارد ترپ، اولین ریاضی‌دان مدرنی که با استفاده از استراتژی کَمی سایمنز به ثروت هنگفتی از راه سرمایه‌گذاری رسید، در مقاله‌ی وال استریت‌ جورنال باعنوان «فرمول‌های کامپیوتری راز موفقیت در بازار هستند»، نوشت:

مدل کامپیوتری نسخه‌ی ساده‌شده‌ای از واقعیت است، مانند نقشه‌ی خیابانی که نشان می‌دهد چگونه از یک نقطه‌ی شهر به نقطه‌ی دیگر سفر کنید. اگر آن‌ها را درست طراحی کرده باشید، می‌توانید از قوانین آن برای پیش‌بینی اتفاقات در موقعیت‌های جدید استفاده کنید.

مدل‌های رنسانس به‌قدری در انجام معاملات موفق بودند که سایمنز حتی در تصمیماتی که منطقی به نظر نمی‌رسید، کماکان به کامپیوترهایش اعتماد داشت. مشکل فقط این بود که رنسانس بسیار کوچک بود و پس از گذشت ده سال، دارایی‌اش تنها یک‌چهارم شرکت رقیب D.E. Shaw بود؛ دیوید شاو نه‌تنها از مدل‌های کامپیوتری برای معاملات استفاده می‌کرد، بلکه برخلاف رنسانس، سراغ بورس هم رفته بود.

سایمنز می‌دانست برای اینکه میراثی از خود به جای بگذارد، باید به بازار سهام وارد شود؛ برای همین رابرت مرسر و پیتر براون را به استخدام درآورد که به‌خاطر دستاورد بزرگ تبدیل گفتار به متن در IBM به شهرت رسیده بودند. این دو به زبان به چشم نوعی بازی احتمالات نگاه می‌کردند که در آن بعضی کلمات به‌دنبال کلمات دیگر می‌آمد. سایمنز نیز سیستم مشابهی می‌خواست که بتواند ترندهای بازار مالی را پیش‌بینی کند. براون و مرسر سیستم معاملات سهام خودکاری را در سال ۱۹۹۵ طراحی کردند که در مقایسه با چند ده هزار خط کد سیستم قدیمی، با نیم میلیون خط کد نوشته شده بود.

با ورود رنسانس به بازار سهام، صندوق مدالیون اوج گرفت. در سال ۲۰۰۰، مدالیون به بازدهی شگفت‌انگیز ۹۸٫۵درصدی با احتساب کسریات رسید، آن هم در دوران حبابِ دات-کام که طی آن، بسیاری از شرکت‌های ارتباطی ورشکسته شدند و شرکت‌های بزرگ‌تری مانند آمازون و سیسکو بخش‌ زیادی از ارزش بازار خود را از دست دادند.

صندوق مدالیون بین سال‌های ۱۹۸۸ تا ۲۰۱۸ بیش از ۱۰۰ میلیارد دلار سود به دست آورد و تا تابستان ۲۰۱۹، بازده‌ی سالانه‌اش پیش از کسریات، حدود ۶۶ درصد و پس از کسریات، حدود ۳۹ درصد بود. در سال ۱۹۹۳، این صندوق به روی سرمایه‌گذاران جدید بسته شد و از سال ۲۰۰۵، فقط کارمندان رنسانس اجازه دارند در آن سرمایه‌گذاری کنند. این کارمندان با ثروت بادآورده‌ی خود به‌قدری در محله‌ی Old Field در لانگ‌ آیلند عمارت خریدند که به آن محله نام مستعار «ریویرای رنسانس» داده شد.

عملکرد شگفت‌انگیز مدالیون، سایمنز را در زمان مرگش با ثروتی معادل ۳۱٫۴ میلیارد دلار، در رتبه‌ی پنجاه‌ویکم ثروتمندترین فرد جهان قرار داد. سایمنز اولین بار در سال ۲۰۰۴ با دارایی خالص ۲٫۵ میلیارد دلار در فهرست ثروتمندترین آمریکایی‌های مجله‌ی فوربز ظاهر شد.

درحال‌حاضر، رنسانس به دست پیتر براون رهبری می‌شود و حدود ۳۰۰ کارمند متشکل‌ از ۹۰ دانشمند با دکترای ریاضیات، فیزیک، علوم کامپیوتر و رشته‌های مرتبط دارد. دیتابیس تحقیقاتی این شرکت روزانه میزبان بیش از ۴۰ ترابایت داده است و از ۵۰ هزار هسته‌ی کامپیوتری با اتصال جهانی ۱۵۰گیگابایت در ثانیه بهره می‌برد.

استراتژی‌های کَمی مبتنی‌بر مدل‌های پیروی ترند، از زمانی‌که سایمنز در دهه‌ی ۱۹۸۰ دنیای معاملات را متحول کرد، در وال استریت به محبوبیت رسیدند و در حال حاضر، صندوق‌های کمی بیش از ۲۰ درصد از کل دارایی‌های سهام را تشکیل می‌دهند.

اما اینکه چگونه رنسانس توانست به چنین نتایج مبهوت‌کننده‌ای برسد، جزو اسرار مخفی شرکت باقی مانده است و کارمندان اجازه ندارند درباره‌ی الگوریتم‌های رنسانس حرفی بزنند. سایمنز نیز شخصیت به‌شدت توداری داشت و بسیار کم در انظار عمومی ظاهر می‌شد. اگرچه او هیچ‌گاه درباره‌ی الگوریتم رنسانس صحبت نکرد، اما راز موفقیتش را به اشتراک گذاشت؛ اینکه «هرگز به مدل پشت نکرد.» سایمنز به‌محض اینکه تصمیم می‌گرفت چه کار باید بکند، تا آخر مسیر محکم می‌ایستاد تا آنچه مدل پیش‌بینی کرده بود، اتفاق بیفتد.

موفقیت رنسانس همچنین یادآور قابل‌ پیش‌بینی بودن رفتار انسان است. رنسانس گذشته را مطالعه می‌کند، چون مطمئن است سرمایه‌گذاران تصمیمات مشابهی را در آینده خواهند گرفت. درعین‌حال، کارمندان شرکت با تکیه بر روش علمی، از سوگیری‌های عاطفی و احساسی دوری می‌کنند. آن‌ها فرضیه‌هایی را مطرح می‌کنند و بعد مورد آزمایش و اندازه‌گیری قرار می‌دهند و موقع‌ تصمیم‌گیری، به‌جای غریزه، به داده‌ها اعتماد می‌کنند.

در سال ۲۰۰۹، سایمنز تصمیم گرفت از مدیریت رنسانس کناره‌گیری کند و رهبری شرکت را به رابرت مرسر و پیتر بروان بسپارد. سایمنز که در طول دو دهه به ثروت چشم‌گیری دست پیدا کرده بود، تصمیم گرفت بخش بزرگی از آن را برای اقدامات بشردوستانه خرج کند.

طبق برآوردها، سایمنز بیش از ۶ میلیارد دلار از ثروتش را برای اقدامات بشردوستانه خرج کرد و رتبه‌ی ششم خیرترین افراد آمریکایی مجله‌ی فوربز را به خود اختصاص داد. جیم، مریلین را نیروی محرکه‌ی بنیاد سایمنز می‌دانست و با شوخ‌طبعی می‌گفت: «من فقط پول درمی‌آورم و مریلین همه را به خیریه می‌بخشد.»

سایمنز طی سخنرانی در دانشگاه MIT در سال ۲۰۱۰، به پنج رکنی که زندگی و حرفه‌ی او را در ریاضیات، سرمایه‌گذاری و اقدامات بشردوستانه شکل داده بود، اشاره کرد: «کار جدیدی انجام دهید؛ با سیل جمعیت راهی نشوید؛ خودتان را با باهوش‌ترین افرادی که می‌توانید پیدا کنید، احاطه کنید؛ دنبال زیبایی بروید؛ به‌راحتی تسلیم نشوید و آرزو کنید شانس به شما روی آورد!»