《期貨市場技術分析》《量化交易：如何構建自己的演算法策略》《趨勢跟蹤》《統計套利實戰》。書名一個比一個唬人，翻開之後，有的寫得深入，有的泛泛而談。
他看得很快。不是囫圇吞棗，是帶著問題在看。
他的模型現在用的都是技術面的東西，均線、成交量、突破、趨勢、布林帶，這幾個因子組合在一起，就能捕捉到螺紋鋼的大部分行情。
趙建設說過，策略同質化是收益下降的主要原因。大家都在用差不多的引數、差不多的邏輯，賽道太擠了，滑點把利潤吃掉了。
解決辦法之一是加入基本面訊號，做別人做不了的東西。
林深當時覺得這個方向可行，深度研究是他的強項，他比別人更能看到基本面上平常看不到的訊號，把這些量化，就是他的護城河。
但看了幾天書之後，他開始意識到一個問題——基本面量化，比他想象的要難得多。
不是難在技術，是難在維度。
技術面的模型，輸入的資料是單一的。價格、成交量、持倉量、波動率。這些都是數字，是結構化的，格式統一，頻率一致。模型拿到這些資料，不需要“理解”它們是什麼，只需要計算。
均線就是算數平均數。突破就是創出新高。趨勢就是一系列價格的方向。布林帶就是標準差。
這些東西，計算機天然就能處理。
但基本面不一樣。
螺紋鋼的基本面就涉及太多板塊了。
供給端：鋼廠開工率、產能利用率、庫存水平、檢修計劃、環保限產政策。
需求端：房地產開工面積、基建投資增速、製造業PMI、出口訂單。
宏觀層面：貨幣政策、財政政策、匯率波動、貿易摩擦。
政策層面：去產能、碳中和、限產令、秋冬季大氣治理。
還有市場輿情：鋼貿商的情緒、下游囤貨意願、期貨市場的資金流向。
每一個板塊都是一堆資料。
有些資料是量化的，比如開工率、庫存、PMI。但有些是定性的，比如環保政策、“回頭看”督查、某個鋼廠突然停產的訊息。
要把這些資料全部塞進模型，首先得解決一個基礎問題——怎麼讓模型“讀懂”這些資訊。
政策檔案是文字，新聞是文字，調研記錄是文字。計算機不認識文字，只認識數字。得先把文字翻譯成數字，才能餵給模型。
怎麼翻譯？
一條“某鋼廠高爐停產檢修”的訊息，對不同合約的影響是不一樣的。近月合約反應大，遠月合約反應小。停產一週和停產一個月，影響完全不同。這個訊息是確認的，還是傳聞？是官方公告，還是小道訊息？如果當天還有其他利空訊息，這條停產訊息的權重怎麼定？林深發現這是一個新聞分析師的活。
而且這還只是第一步，資料抓取。
第二步更難：分析處理加權重。
同樣是庫存資料，報告期的庫存環比下降，但市場預期是大幅下降，結果只降了一點點，這個資料是利多還是利空？
同樣是開工率資料，開工率上升了，但上升的原因是利潤高，利潤高的原因是需求好，需求好的原因是基建發力——這條邏輯鏈，模型該怎麼樣自己推匯出來？
。的走能在現他是不，路條這——論結個一了出得後最，頁十幾那了完看地棗吞圇囫上晚個一了用他。析分和理言語然自了到提面裡，節章的”掘挖字文“講本一到翻深林
。裡這在不圈力能的他是，到不達技是不
。詞臺潛的裡案檔策政解理去機個一練訓會不，型模析分搭會不，理言語然自做會不他但。測回跑參調會，nohtyP寫會，好學數他
。的定搞能就間時點花人個一他是不，累積料資的量大和識知的門專要需些這
