069 人工智能VS传统 (第2/3页)
化速率、资金流向突变点和跨品种相关性动态权重，这些变量在过去两年训练中验证过有效性。”
“可你们无法解释每一步决策逻辑。”教授声音略提，“黑箱输出再准，也不能替代理论推导。”
“您上次发表的文章里提到，均值回归适用于稳定周期。”李阳忽然开口，“但今年宏观波动加大，传统参数滞后明显。我们查过您团队前三个月对‘锌’和‘螺纹钢’的预测，偏差分别达到6.3%和8.1%，而我们的系统同期误差控制在2.7%以内。”
教授沉默一瞬，随即点头：“所以你是说，现实比模型更快？”
“是数据反应速度的问题。”陈帆接道，“你们用周频数据建模，等得出结论，行情已经走完一半。我们每十五分钟更新一次因子状态，捕捉的是趋势拐点前的信号积累过程。”
教授看着屏幕上的时间轴，上面密布着不同颜色的标记点，代表系统在过去三个月对各类商品的预测节点。红色为错误，绿色为正确。视野所及，几乎全是绿。
“那就实战见真章。”他说，“以这周收盘价为准，谁的判断更接近实际走势，算谁赢。”
“可以。”陈帆点头，“但不是为了争输赢。如果您愿意，赛后我们可以共享这次推演的数据链路。”
教授迟疑了一下：“下周我带研究生来听一次技术汇报。”
门关上前，他的背影顿了顿，没回头。
房间里恢复安静。服务器风扇依旧低鸣，主屏左上角的时间显示下午两点四十一分。
“他们根本不懂什么叫实时响应。”张远低声说。
“但他们有学术话语权。”李阳调出系统记录面板，开始整理本次交互的日志，“这场对决不只是预测比赛，是方**的认可战。”
陈帆没说话。他重新打开沪铝的详细分析页，放大最近二十四小时的资金流向热力图。一条明显的主力介入曲线从周二晚间开始抬升，集中在三家营业部席位，且成交分布避开大宗交易时段，呈现典型的渐进吸筹特征。
“把这轮数据打上标签。”他对李阳说，“‘政策预期前置资金’，加入训练集。”
李阳新建分类目录，命名存档。张远则在旁边打开回测工具，输入过去一年所有有色金属品种在类似基本面组合下的表现。结果显示，在库存下行+基差收敛+板块联动三项同时满足的情况下，后续一周上涨概率为84.6%，中位涨幅7.3%。
“我们的判断不是孤例。”张远说。
三天后，周五下午三点。
主屏中央
（本章未完，请点击下一页继续阅读）