有人这样问，西蒙斯为何将整个语音识别实验室的精英全都挖走了呢，投资又为何需要语音识别专家呢?
当然，许多人都问过西蒙斯为何要搜罗世界上最优秀的语音识别专家来进行金融研究呢?西蒙斯说:“投资与语音识别其实十分相似，都是需要预测下一点发生的事情。”
也就是说，通过对当前已知的各种信息进行分析，去伪存真，接着判断下一点最可能会发生的事情。
西蒙斯的文艺复兴科技公司基本分为三个编组:计算机与系统专家、研究员以及交易员。每当一周的时候西蒙斯都要与研究组会面，来进行讨论交易战略进程的细节问题。
西蒙斯并不是机会主义者。在他的机构资产成长时，他招募顶尖的数学家和科学家，其中包括弗吉尼亚大学物理系教授罗伯特·劳里和贝尔实验室数论家彼得·韦恩伯格，来研究新的交易战略。近年来，西蒙斯尤其重视储备计算语言学家，是由于他们能够构造可以识别语音的计算机。他从IBM公司雇用了很多优秀的语音识别小组。
这个语音识别小组是由统计信息专家埃尔文·伯乐坎普、隐含马尔可夫模型专家尼克·帕特森以及最大熵算法专家德拉·皮耶特拉兄弟所构成。埃尔文·伯乐坎普，是麻省理工学院的电子工程博上，他在进行博士论文答辩的时候，他的对面则坐着信息论的鼻祖香农。从1986年那时候。他便作为顾问给西蒙斯以及埃克斯的投资活动提供各种技术支持.他运用的是其研究专长:统计信息论。用他的话来说，大奖章的一切模型均得益于他的首创。
尼克·帕特森，剑桥大学数学博上，他是爱尔兰全国象棋冠军、西蒙斯在国防分析研究院的同事、信息数学理论里面隐含马尔可夫过程的顶尖专家。
德拉·皮耶特拉兄弟，IBM的两位语音识别专家，一对在语音识别领域很有名的孪生兄弟哈佛物理博士斯蒂芬·德拉·皮耶特拉和哈佛教学物理博士文森特·德拉·皮耶特拉。他们是IBM的两位语音识别专家，并对最大嫡计算作出突出贡献的人。他们极有天斌，由两兄弟改进以后的算法当时也只有IBM的试验室中才有条件运算。
为何要储备计算语言学家?文艺复兴科技公司的一名研究员说:“投资和预测均是你在猜测将要发生的下一件事。”
作为交易员的西蒙斯来说，他企图去攻克基本法则，并非发现它们。在量化金融当中，这个法则就是有效市场假设，还有市场对这个困难的教义来说，并不是不可能打破。
西蒙斯关于教义的谈话中，他强调的是，交易机会就它们的性质来说渺小易逝。“有效市场理论的正确，在于没有总体无效的情况之下。”西蒙斯2010年在格林尼治圆桌会议上讲道，“而我们能够看到，异常现象，规模极小，时问非常短。我们作出自己的预测，不久之后，我们再次评估形势，修正我们的预测和资产组合。我们每天都在做这些，连续不断地进行买卖。所以，我们依靠这些活动来赚钱。”
西蒙斯的根本企图就是预侧金融工具的将来变化，在一个特定的时问范围之内，运用统计模型，去寻找可能制造价格变动异常现象的东西。在他的文艺复兴科技公司的员下们称为“信号”。西蒙斯的公司建立了符合数据的交易模型。
当交易开始的时候，就是模型主持局势。文艺复兴科技公司有20个交易员，用最低成本来执行，而是不会推动市场，量化交易者薄利的关键需求。当然，模型决定该买什么和该卖什么。只有在巨大波动的情况下，或者如果信号看起来很弱时，机构人员才会人下返回操作。西蒙斯说道:“我们绝不会推翻模型。”
尽管在建立起其对冲基金的摧金资产组合时，大奖章也运用量化方法。基金平衡它的外部资产的位置，来保证总体上基金没有股票市场风险承受。也就是说，一个“贝塔零度”(Beta zero)的资产组合。
2008年的时候西蒙斯的基金在风险调整的基础上，甚至击败了交易的回报，获得一个较高的超过总体基金2.31纪录的夏普比率指数，占据大奖章收入的7%比率。但是与外界经理人的投资，还是具有一些挑战性。“我们将这些基金当作工具。”西蒙斯说道，“然而不像德国马克，经理人随时改变其特质。对于这些时间序列而言，建模就有一点混乱，但也并不是不可能。我们尽最大努力。”
由此可见，西蒙斯就是利用先进的信息技术从数据中寻找规律。简单地说，他就是应用先进的信息技术对宏观数据、市场行为、企业财务数据以及交易数据加以分析，并且运用数据挖掘技术、统计技术以及计算方法等处理数据，以获得最佳的投资机会。
下面是西蒙斯处理信息的法则。
(1)运用“每笔交易数据库“。每一笔交易的价格变化进行记录，而不是每分钟的价格变化;极有可能运用限价指令表之类他人比较少用的数据进行分析。
(2)一般来说，他主要运用这些处理信息的方法，比如隐含马尔可夫模型、最大熵模型以及贝叶斯网络等。
(3)运用统计信息。从大最噪声中寻找信号，最后作出结论的方法。
(4)利用语音识别的分析方法来分析数据。西蒙斯特别建立这个语音识别小组，它由打统计信息专家所组成。他们分别是统计信息论专家埃尔文·伯乐坎普、最大熵专家德拉·皮耶特拉兄弟以及隐含马尔可夫模型专家尼克·帕特森。
(5)利用数据挖掘技术，以获得有用的信息，然而对外实行信息封锁。
