请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
“那你觉得量化交易的未来方向是什么？”
覃思琪想了想，“现在市面上大部分量化模型还是人工线性的——因子的设计逻辑是看得懂的，这个因子赚什么钱、在什么市场环境下有效、失效的原因是什么，人都能解释清楚。但我觉得以后肯定是自主挖掘为主。”
林深来了兴趣。“这两者有什么区别？你说的人工线性我能理解，就是我自己最初做的那种。自主挖掘具体是什么思路？”
她把笔记本拿出来，拿起笔在上面画了两个方框，左边标了“人工线性”，右边标了“自主挖掘”
“人工线性的模型，交易逻辑是人可以看懂的。比如你用双均线金叉做买入信号，用成交量放大做确认，每一步的决策链条都是透明的，出错了也知道是哪个环节出问题。
“自主挖掘的模型，内部包含大量非线性、交叉的特征。很多信号是没有直观的金融逻辑的，你没法简单解释某一笔买卖是由哪个指标驱动的。它可能是把几千个看似无关的变量堆在一起，通过深度学习从里面挖出人看不到的关联。这个维度的信息量，是人工因子永远无法捕捉的。未来的量化交易，赚的不是定价失效的钱，赚的是别人看不懂的钱。”
林深听完，把她这番话在心里仔细过了一遍。人工线性因子有金融逻辑可解释，但脑力上限低；自主挖掘的特征维度高、关联复杂，解释性弱但信息量远超人工。
“我当初那个模型后期就是升级到了自主挖掘阶段，把参数都做成动态的，让模型自己选信号。效率确实比以前高了不少，但后来市场往这个方向转的人越来越多，同质化把利润全吃掉了。”
覃思琪点了点头。“差不多是这个意思，这就是为什么很多传统量化策略最近两年收益率都在往下掉，不是策略错了，是市场进化了。”
她说完之后意识到自己讲得有点多，有些不好意思，“学长你一个人能把模型做到那个程度已经很厉害了，比很多专业学计算机的都强，我说这些都是我平时看论文和博客总结的，也不一定全对。”
林深把咖啡杯放在桌上，“你那些同学现在就业怎么样，都找到工作了吗？”
覃思琪的表情变了。从刚才讨论量化模型时的认真和专注，变成了一种带着沮丧和迷茫的复杂神情。她摇了摇头，“有几个成绩拔尖的，早早拿到券商和基金公司的录取通知了。但更多人都跟我差不多，好的进不去，差的不想去，还在到处投简历。”
她说到后面几个字的时候声音明显低了下去，林深听出了她语气里的东西，不是嫉妒那几个进了大机构的同学，也不是在抱怨就业环境不好，而是一种更微妙的失落——明明觉得自己有能力做某件事，但没有人愿意给她一个证明的机会。
这个女生从刚才讨论模型细节时那种滔滔不绝的状态，到此刻低头转咖啡杯的沉默，让林深看到了两种截然不同的状态。
滨海大学金融专业在国内排名靠前，但即便是这样的学校，应届生的就业压力也在逐年加大。头部机构的岗位竞争激烈到近乎残酷，而中小机构能提供的成长空间又参差不齐。他很清楚这种落差，当年自己也送了两年的快递，才通过江哲勉强摸到盛远的门槛，那种投了几十份简历石沉大海的滋味，他比谁都清楚。
林深想了想，开口问了一个问题。“如果给你足够的资源，你能搭建起团队、做出你刚才说的自主挖掘这个概念吗？”