他們的新交易系統帶來了更多的利潤，以及更多投資者的興趣。據一位投資者透露，在旗艦基金2011年出現小幅回升后，Voleon 2012年的業績是34.9%，2013年是46.3%。
然而，兩年之后，Voleon去年遭遇滑鐵盧，虧損超過9%。這也引起了部分投資者的擔心。
“沒什么比回撤更引人深思”，哈里托諾夫說：“去年我們學到了很多”。
今年比去年好。截止今年10月，這家管理著18億美元資金的公司，其旗艦基金上漲約4.5%。自成立以來，其年化收益率大約是10.5%。
業績波動、策略復雜……并沒有阻止Voleon的發展。這家基金正在擴大投資目標，投資標的不僅限于美國和歐洲的股市，還包括加州大學伯克利分校附近的一座樓。
在機器學習技術的幫助下，Voleon每天交易價值超過10億美元的股票。在這個過程中，他們對買入或者賣出一只股票的原因，沒有絲毫興趣。
哈里托諾夫說，機器學習系統越是具有預測性，人們就越難理解它要做什么。有理論認為人類思維主要用于處理三個維度的情景，數十個乃至數百個維度的任務則是機器學習系統擅長的領域。這些維度之間的關系，往往是非線性的。
“這并不意味著我們不會考慮發生了什么”，麥考利夫說，Voleon的研究人員會設計“擾動”，來研究各種輸入在預測系統中的權重，以及解決過擬合等問題。
Voleon的電腦不僅在財務信息中尋找關系，而且在非財務數據中尋找關系。其中包括衛星圖像、航運艙單、信用卡收據、社交媒體情緒等等。這些目標數據，可以幫助尋找某個行業的健康狀況或者商品供應的變化。
顯然，沒有人會透露自己使用了哪種數據，如何進行的評估。Voleon也是一樣，謹慎的保護著自己的技術和策略隱私。
這個“神秘”的機制讓投資者不安，哈里托諾夫理解這種感受，不過他堅信：電腦犯錯的情況要比人類少得多。
“機器學習在財務預測領域的應用還在早期階段”，他說：“一切才剛剛開始”。
