林深跟進去，一眼就把整個空間看完了。
這間辦公室只有六十多平，一加一的佈局，外面是幾張拼在一起的工位，裡面用玻璃牆隔出了一間小會議室，也就夠放一張長桌和幾把椅子。
他剛走進去，裡面的人全都站了起來。
“學長好。”
五六個人先後開口，有人叫學長，有人叫林總，聲音都不大，但眼睛全落在他身上。林深在濱海大學是名人，這些人他雖然都不太熟悉，但眾人顯然都認識他。
覃思琪站在他旁邊，一一介紹過去。
“高博文，李曼，他們倆做因子研究。負責挖掘選股訊號，測試各類因子跑回測，統計IC、收益曲線，找市場規律。”
高博文戴著一副圓框眼鏡，個子不高，看上去有些拘謹。李曼是團隊裡唯二的女生，站在靠後的位置，朝林深點了點頭。
“鄭啟銘，我們的資料工程師。負責下載、清洗股票行情、財務、龍虎榜這些資料。”
鄭啟銘看著最安靜，林深進來時他正在電腦前處理一行行資料，這會兒也只是簡單說了句“學長好”。
“徐嘉偉，高達，負責演算法和AI開發，寫Python程式碼，搭回測框架，訓練機器學習模型。”
這兩個人和鄭啟銘不同，看林深的眼神里除了緊張，還多了一層躍躍欲試。林深點了一下頭，視線落在最後一個人身上。
“劉建豪，是我們團隊的交易員兼風控。平時監控模型實盤執行，每天開盤檢視下單、滑點、回撤。行情極端的時候人工暫停策略，緊急止損。”
林深掃了一眼這間辦公室，工位都緊挨著，桌上除了電腦就是資料，幾本英文版的機器學習和量化書攤開著，旁邊放著寫滿公式的草稿紙。
條件算不上好，但所有人都很投入，像是一群真要把事情做出來的人。
“走吧，去會議室。”覃思琪往裡走，林深跟了過去。
說是會議室，其實更像個討論間。牆上貼滿了各類便籤，有幾張還是手寫的公式和流程圖。
覃思琪拉開椅子讓林深坐下，隨後從旁邊的櫃子裡拿出一份報表，遞了過來。
“學長，這是我們這幾個月的研發投入清單。”
林深接過來掃了兩眼，那三百萬他從一開始就說過是不求回報的投入，盈虧都算她們的。但覃思琪顯然沒這麼想，她仍然把他當成老闆，每一筆支出都記錄得很詳細。
報表上，兩百萬用於研發，主要是金融資料授權、租伺服器、租算力。加上辦公場地和裝置，人員工資佔的比例反而不大，每個人每月只有七八千塊。
林深看到這個數字時，心裡動了一下。這些人如果出去找工作，以他們的學歷和技能，不可能只拿這個數。他們願意留在這裡，說明是真的相信這件事能做成。
覃思琪等他看完，又補充道：“兩百萬用在研發投入上，剩下一百萬留給模型的實盤驗證。”
林深合上報表，放在一邊：“看看你們的模型吧。”
覃思琪把筆記型電腦接到投影儀上，螢幕亮了。
她把她們的一代模型從框架到實盤資料完整地演示了一遍。怎麼選資料，怎麼做特徵，怎麼訓練，怎麼回測，每一步都放了對應的圖表和程式碼片段。
“我們目前主要走的是因子挖掘加機器學習打分這條路。”覃思琪一邊翻PPT，一邊說，“先由高博文他們提取基礎因子，再透過隨機森林和梯度提升樹做非線性組合，最後用歷史資料回測最佳化權重。”
高博文在旁邊補充：“因子庫目前有三百多個，覆蓋量價、基本面、情緒和資金流。IC均值在0.03到0.05之間，個別因子的分層收益很穩定，但合在一起之後，模型的整體表現並沒有我們預期的好。”
”？料資級kciT是還，線鐘分、線日？的率頻麼什是料資練訓們你“：問才他，後完講致大程流的建搭型模個整把們他等。論結下著急有沒但，真認很得聽深林
