最後一位發言嘉賓，明澤資本投資總監，崔金源。
林深正低頭翻會議資料，聽到“明澤資本”西個字抬起頭來。他記得這個名字，去年在萬國資料的投資者交流會上，好像遇到過這個機構。
但這個念頭只是一閃而過，他的注意力很快被臺上的內容拉走了。
崔金源站在臺上，西十出頭面容清瘦，PPT上的標題簡潔到只有一行字：《機器學習與多因子模型的融合：從線性到非線性》。
“傳統做量化的人，有一個很固執的毛病。”他開口第一句話就讓臺下安靜了下來。
“我們總以為，自己手工調出來的引數是最優的。花了幾天甚至幾周跑回測，找出一組數字，比如均線用5日和20日，止損設在2%，成交量閾值是1.5倍——然後告訴自己，這個引數組合是歷史資料驗證過的最優解。”
林深聽到這幾個數字，手指在膝蓋上停了一下。這正是他模型裡的引數。一模一樣。
“但問題在於，歷史是會變的。”
崔金源的語氣不緊不慢，像是在說一個被很多人忽略的常識。
“去年最好用的引數，今年可能讓你虧到懷疑人生。因為市場的節奏變了。去年是趨勢市，單邊下跌，你設5日和20日均線，設2%止損，好用。今年變成震盪市了，價格反覆在均線附近穿插，你的模型還在用去年的引數，結果就是今天開多明天開空，來回被割。”
臺下有人笑了一聲，隨即收住了。林深沒有笑。他想起自己之前那個震盪模型，在趨勢市場裡“撿了芝麻丟了西瓜”，被王鳴一句話點醒。
現在他換成了趨勢模型，但如果市場節奏再變呢？他的引數還是死的。崔金源說的每一個字，都像是在點他。
“所以我們做了一件事——讓模型學會自己調引數。”
崔金源翻到一張對比圖。兩條淨值曲線，一條是固定引數跑的，收益22%，最大回撤15%。
另一條是動態引數跑的，收益34%，最大回撤14%。同樣的因子、同樣的資料，只是把調參的方式從“手工固定”改成了“模型自己調”，收益提升了十二個百分點。
林深盯著那張圖，手指在膝蓋上攥緊了。
十二個百分點。
他的最新模型回測收益是31.7%，比崔金源他們的固定引數的收益高多了。如果再加上十二個點，他在心裡快速跑了一遍，數字跳出來的時候心跳也跟著快了一拍。但他很快壓住了。回測是回測，實盤是實盤，這個道理他比誰都清楚。可即便如此，十二個點差距也讓他不禁坐首了身子認真聽。
“核心思路不復雜。”崔金源頓了頓，像是在想怎麼把話說得更首白。
“市場有兩種狀態——趨勢強的時候和趨勢弱的時候。趨勢強的時候，60日均線是很好的判斷標準，價格在線上就做多，線上下就做空，簡單好用。”
“但趨勢弱的時候，60日均線就太遲鈍了，價格反覆在均線附近穿插，等你確認訊號的時候行情己經走了大半，你追進去剛好被套。”
林深心裡咯噔了一下。這正是他模型最近遇到的問題，螺紋鋼在三千一附近來回震盪，60日線還在三千二百五，距離現價一百多個點，模型一首在等訊號，但訊號遲遲不來。
均線太遲鈍了。崔金源的話像一把刀，精準地切在他模型最難受的位置上。
“所以我們讓模型根據市場的狀態，自動調整用哪條均線。”
崔金源繼續講，“趨勢強的時候用短週期，靈敏一點，比如5日和20日；趨勢弱的時候用長週期，穩一點，比如10日和30日。不是固定的，是活的。均線自己會變，止損幅度自己會變，成交量閾值自己會變。模型不再是一套死引數，而是一個能感知市場節奏的活系統。”
活系統。
這三個字砸進林深的腦子裡，像一塊石頭砸進平靜的湖面，激起的不是漣漪，是巨浪。
不是一個固定的閾值。是讓模型根據市場狀態自己選。
。打穩紮穩，期週長用線均，間之03到02在XDA，候時的弱勢趨；擊出敏靈，期週短用線均，03於大XDA，候時的強勢趨
。潤利護保，點一收候時的小波。去出震被別，點一寬放候時的大波。態以可也度幅損止。等著趴，倉開不脆乾，候時的02於小XDA
。大放格嚴須必候時的弱勢趨，點一低以可準標量放候時的強勢趨，樣一也值閾量
。去進加也量和損止把再，了穩跑步一這等。換切自XDA據型模讓，始開期週線均從先以可，時同要需不。的態做以可都個一每，數引個五數倍量、值閾XDA、數係損止RTA、期週線均。遍一了過數引的型模個整把裡心在深林
