林深跟进去，一眼就把整个空间看完了。
这间办公室只有六十多平，一加一的布局，外面是几张拼在一起的工位，里面用玻璃墙隔出了一间小会议室，也就够放一张长桌和几把椅子。
他刚走进去，里面的人全都站了起来。
“学长好。”
五六个人先后开口，有人叫学长，有人叫林总，声音都不大，但眼睛全落在他身上。林深在滨海大学是名人，这些人他虽然都不太熟悉，但众人显然都认识他。
覃思琪站在他旁边，一一介绍过去。
“高博文，李曼，他们俩做因子研究。负责挖掘选股信号，测试各类因子跑回测，统计Ic、收益曲线，找市场规律。”
高博文戴着一副圆框眼镜，个子不高，看上去有些拘谨。李曼是团队里唯二的女生，站在靠后的位置，朝林深点了点头。
“郑启铭，我们的数据工程师。负责下载、清洗股票行情、财务、龙虎榜这些数据。”
郑启铭看着最安静，林深进来时他正在电脑前处理一行行数据，这会儿也只是简单说了句“学长好”。
“徐嘉伟，高达，负责算法和AI开发，写python代码，搭回测框架，训练机器学习模型。”
这两个人和郑启铭不同，看林深的眼神里除了紧张，还多了一层跃跃欲试。林深点了一下头，视线落在最后一个人身上。
“刘建豪，是我们团队的交易员兼风控。平时监控模型实盘运行，每天开盘查看下单、滑点、回撤。行情极端的时候人工暂停策略，紧急止损。”
林深扫了一眼这间办公室，工位都紧挨着，桌上除了电脑就是资料，几本英文版的机器学习和量化书摊开着，旁边放着写满公式的草稿纸。
条件算不上好，但所有人都很投入，像是一群真要把事情做出来的人。
“走吧，去会议室。”覃思琪往里走，林深跟了过去。
说是会议室，其实更像个讨论间。墙上贴满了各类便签，有几张还是手写的公式和流程图。
覃思琪拉开椅子让林深坐下，随后从旁边的柜子里拿出一份报表，递了过来。
“学长，这是我们这几个月的研发投入清单。”
林深接过来扫了两眼，那三百万他从一开始就说过是不求回报的投入，盈亏都算她们的。但覃思琪显然没这么想，她仍然把他当成老板，每一笔支出都记录得很详细。
报表上，两百万用于研发，主要是金融数据授权、租服务器、租算力。加上办公场地和设备，人员工资占的比例反而不大，每个人每月只有七八千块。
林深看到这个数字时，心里动了一下。这些人如果出去找工作，以他们的学历和技能，不可能只拿这个数。他们愿意留在这里，说明是真的相信这件事能做成。
覃思琪等他看完，又补充道：“两百万用在研发投入上，剩下一百万留给模型的实盘验证。”
林深合上报表，放在一边：“看看你们的模型吧。”
覃思琪把笔记本电脑接到投影仪上，屏幕亮了。
她把她们的一代模型从框架到实盘数据完整地演示了一遍。怎么选数据，怎么做特征，怎么训练，怎么回测，每一步都放了对应的图表和代码片段。
“我们目前主要走的是因子挖掘加机器学习打分这条路。”覃思琪一边翻ppt，一边说，“先由高博文他们提取基础因子，再通过随机森林和梯度提升树做非线性组合，最后用历史数据回测优化权重。”
高博文在旁边补充：“因子库目前有三百多个，覆盖量价、基本面、情绪和资金流。Ic均值在0.03到0.05之间，个别因子的分层收益很稳定，但合在一起之后，模型的整体表现并没有我们预期的好。”
林深听得很认真，但没有急着下结论。等他们把整个模型搭建的流程大致讲完后，他才问：“你们训练数据是什么频率的？日线、分钟线，还是tick级数据？”
覃思琪答道：“目前主要是日线级别的价量数据和基础财务数据，分钟线数据已经接进来了，但还在做清洗。tick级数据成本太高，我们暂时没碰。”
“特征工程呢？”林深继续问，“是直接把原始数据喂进去，还是做了预处理？”
徐嘉伟接过话：“会做预处理，先标准化，再做一定程度的维度压缩，然后提取滚动统计特征，比如过去二十日的动量、波动率、换手率这些，每一个特征都会在验证集上看贡献度。”
林深点了点头，又看向徐嘉伟和高达：“模型架构呢？你们目前用的什么？”
高达说：“主模型是xGboost，另外跑了一版轻量级的LStm做对比。实盘上用的是xGboost为主，LStm暂时没有纳入正式组合，因为它在实盘里的胜率表现不如回测稳定。”
“有没有做验证？”林深问。
“做了时间序列交叉验证，还有样本外验证。”徐嘉伟说，“回测阶段做的是滚动训练，不是拿全量数据一次性喂进去，这点我们一开始就考虑到了。”
郑启铭也补了一句：“数据我们做了多重清洗，行情数据和财务数据分别对齐了时间戳，避免未来函数。”
林深听他们说得这么具体，心里已经大概有了底。这个团队，至少在基本流程和风控意识上，比很多市场上的量化工作室要规范得多，目前来看他们的流程和框架是没问题的。
演示结束后，覃思琪把投影关掉，表情认真起来“学长，这就是我们目前的一代模型。实盘和回测都做了，但年化收益一直卡在5.5%附近，怎么调都上不去。”
林深没有急着开口，会议室里也安静下来，几个年轻人都在等他说话。
覃思琪又说：“我们翻了很多文献，也试过不少方法，但效果都不明显，所以想请你帮我们看看。”
林深靠在椅背上，脑子里快速把前面看到的内容过了一遍。
一时间，他也说不出问题具体出在哪里。量化本来就不是他最擅长的方向，当初他自己做的那套模型，主要是针对期货市场。期货做的人少，策略同质化还没那么严重，所以能跑出比较高的收益。后来用的人多了，收益率一路下滑，最终自动休眠。
覃思琪她们现在做的是股票策略，难度比他当年那套大得多。
5.5%的年化，放在机构里已经不算差了。但机构做量化规模大，策略容量高，大几千亿的量化机构在里面市场卷，5.5的收益乘以几十亿本金，绝对利润依然属于可观的。
而她们的模型目前最多只跑过一百万，离大规模实盘还差得远，真拿几十个亿的资金去跑，滑点和冲击成本会把那点收益全部吃掉，甚至可能整个模型直接崩掉。
他朝覃思琪伸出手：“电脑给我看一下。”
覃思琪把笔记本电脑转过去，屏幕上还停留在刚才演示的策略框架图上，林深把页面拉回去，从头开始，一段一段看。
几个年轻人谁也没说话，会议室里只剩电脑风扇细细的转动声。
他看得很慢，从最上层的数据管道，到中段的特征工程，再到模型训练和回测输出，每个模块都点开扫了几眼。偶尔打开一个代码文件，跳到关键函数那里看几十秒。
旁边的人看不清他到底在看哪一行，只觉得会议室里的空气越来越紧。
大约过了十来分钟，林深重新抬起头。
“这套模型，已经做得很不错了。”
这话不是安慰，数据清洗、滚动训练、交叉验证、实盘和回测的差异处理，全都算得上规范。哪怕换成他亲自上手，也未必能搭得比这更好。
问题到底出在哪呢。
他脑子里快速把整个框架又过了一遍，他们的思路有没有问题？没有。从因子挖掘到机器学习组合，再到风控和实盘，每一步都踩在正道上。
数据有问题吗？从刚才的介绍看，至少基本的对齐和防未来函数都做了，说明他们不是乱来，是懂行的。模型架构呢？xGboost加滚动验证，谈不上激进，但也足够主流。这些环节，该做的都做了，不该犯的错也没犯。