样因子能更贴合市场实际。”

半杯凉水下肚，冲散了不少燥热。

“Okay，但你要明白，这意味着每次计算都要实时评估流动性指标，对算力要求不低，而且公司现在正处于算力瓶颈期。”

“所以我打算用滑动窗口的方法来优化计算效率，同时引入指数加权移动平均，来减少实时计算的负担。不过，这样的自适应因子计算量还是很大，单机跑不动，可能需要用多机并行计算。”

Wyne手指敲着杯沿，“你打算怎么并行化？直接上分布式训练？”

说实话，他对梁斯翊的学习能力是有些惊讶的。

入职前，她甚至连一次实盘都没跑过，金融背景也是空白。

然而，她现在会主动学习财报分析、建模和数据处理。不仅能发现问题，还能提出解决思路。从因子的表现反推到时间窗口的选择，再进一步提出优化方案，逻辑链条清晰完整。

“有这么想过。”梁斯翊点头，“交易信号的计算不是独立的，直接切片并行会导致数据间的依赖关系断裂。可以基于actor-critic架构，把市场信号的处理拆分成多个异步计算模块，再用参数服务器同步核心因子。”

其实来 ? Future ? Ark ? 之前，她已经拿到了一家知名投行衍生品定价的实习 ? offer。但她实习了两周就发现，原来交易员需要什么程序员就得写什么，挣了钱与程序员无关，亏了钱程序员得一起背锅。

于是她又跑了。

她能来Future ? Ark实习，纯属碰巧了。

这学期在实验室正好做了不少机器学习相关的工作，那篇目前杳无音讯的论文也是这个方向。

往量化公司投简历，也是因为交易市场里信噪比高。她有些好奇模型在现实世界尤其是在量化这个极度务实的行业，是如何运作的。

后来她也想明白了。大公司和大实验室一样，离不开当养料的命运，100e，300e的规模又如何，钱也落不到她一个实习生的口袋里，进去就是数据仙人，dirty ? work起码干两个月。

不如找个小体量的公司赌一把，最差也不过是洗数据，如果运气好能学到怎么定策略，那算她白赚。

Wyne还在说话，梁斯翊把空水杯放在身前的高脚条桌上。一边听着，一边把胸前绑紧的麻花辫解开，手指从后脑勺插进去松了松。

太热了。