“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？”

覃思琪愣了一下，像是没反应过来这句话的意思。

但只过了两三秒，她的表情从困惑变成了惊喜。

“学长的意思是……我能进盛远？”

“盛远可能进不了。”林深如实说，“量化部那边我说了不算，权益投资部这边也没有做量化的打算，我们现在的研究员全部是投研方向，量化策略不在我的业务范围内。”

他看到覃思琪的表情又往下沉了一点，便继续说下去。
本章未完，请翻下一页继续阅读.........