();
陈帆的手指还停在键盘上，屏幕里的爬虫日志刚归档完毕，测试环境的数据库连接状态显示为“空闲”。他正准备重启本地服务，手机震动起来。来电显示是市科委项目办。
“陈帆，验收会提前了。”对方语气急促，“专家组明天上午九点到，材料必须今晚提交。”
他没问原因。这类临时变动在**项目里并不罕见，但来得这么紧，显然是冲着施压来的。他看了眼时间，晚上七点四十二分。距离截止不到三个小时。
他迅速打包最新版系统演示包，将核心模块压缩加密，拷入U盘。服务器还在运行日常任务，他顺手点了关机序列，等风扇彻底停转，拔下电源线，把笔记本夹在腋下出了门。设备外壳还带着余温，贴着手臂微微发烫。
会议室已经坐了人。
长桌一侧坐着三位专家，对面是项目组预留的两个座位。林悦已经在场，见他进来，轻轻点头。她面前摊开的是数据采集流程图，笔尖停在某个节点上，像是刚写完备注。
会议准时开始。
专家组组长翻开文件：“我们今天主要看风险评估模块的实际表现。你这个系统号称能预测市场波动，那就要经得起推敲。”
陈帆打开笔记本，接入投影。界面加载出风险模型的主控面板，曲线图实时跳动。
“目前模型基于1995到1997年的历史数据训练，”他简明陈述，“采用移动平均和波动率加权算法，对政策滞后效应做了平滑处理。”
专家A翻了两页报告，抬头：“1998年一季度央行降准一个百分点，财政部增发特别国债三千亿。你的模型有没有把这些纳入？”
陈帆顿了一下：“当前版本尚未动态接入政策变量。”
“那就是没纳进去。”专家A合上文件，“用三年前的数据预测现在的市场，等于拿旧地图走新路。这不叫预测，叫推测。”
会议室安静了一瞬。
专家B接过话：“更严重的是杠杆问题。”他指着屏幕上的一段回测结果，“你计算个股风险敞口时，只用了价格标准差。可现在券商已经开始试点融资业务，资金放大效应明显。忽略杠杆，相当于低估实际波动至少三成。”
“比如这只股票。”专家B点出案例，“你在三月十八号判定其风险等级为中等，但实际上当天融资买入占比已达百分之二十二。真实波动比你算的高出四十七个百分点。这种偏差，一旦用于实盘决策，后果是什么？”
没人回答。
陈帆盯着那条被标红的曲线，手指无意识地在触控板边缘划动。他知道问题在哪——模型太依赖静态统计，而现实正在加速变化。政策频出，工具创新，市场结构已经不同。
林悦忽然动了。
她没说话，只是从笔记本上撕下一页纸，快速写下四个字：加入政策变量。然后轻轻举起，朝他方向递过去。
纸页不大，字迹清晰。
陈帆眼神一凝。
他当即切换窗口，打开代码编辑器。光标在“RiskFactorPool.cs”文件中定位到权重数组。新建两个浮点型参数：
`fiscal_stimulus_index`
`monetary_looseness_index`
下面一行行敲入初始化逻辑。财政刺激强度以国债发行量、基建投资增速为基础打分；货币宽松程度则参考准备金率调整幅度、公开市场操作频率，做归一化处理。
“你现在做什么？”专家A皱眉。
“重构模型因子。”陈帆头也没抬，“从现在开始计入政策影响。”
“现场改代码？你知道这有多不专业吗？”
“我知道。”陈帆敲下回车，“但我更知道，一个不能进化的模型，根本不配叫系统。”
他调出央行和财政部近三个月的公开数据，手动录入初始值。然后修改回测引擎，让新参数参与风险评分计算。编译通过后，重新加载四月份全部样本数据。
进度条缓缓推进。
所有人盯着屏幕。
二十秒后，结果刷新。
原模型对四月市场异常波动的捕捉率为78%。新版上升至85.3%，尤其在政策发布后的三个交易日内，预警准确率提升明显。
专家B凑近了些：“你这个指数……是怎么赋权的？”
“按政策落地节奏分阶段加权。”陈帆调出计算过程，“比如降准，不是一次性计入，而是模拟资金逐步释放的过程，影响周期设为六周。”
专家A沉默片刻：“那你之前为什么不这么做？”
“因为数据源没打通。”陈帆如实答，“我们刚完成多源采集系统的部署，政策文本的结构化提取模块还在开发。目前靠人工录入，更新频率有限。”
“但这说明系统有扩展能力。”林悦第一次开口，“它不是死的模型，而是可以随着环境变化不断加载新规则。”
专家组交换了一个眼神。
组长低头看了看表：“还有十分钟。我问最后一个问题——你说能提升到85%，那最终目标是多少？”
“90%以上。”陈帆合上代码窗口，调出系统架构图，“下一步我会把政策文本解析自动化，加入语义识别，让系统自己判断调控力度。同时补全杠杆监测模块，接入融资融券试点数据。”
“也就是说，现在还不完整？”
“所有系统都有起点。”他说，“但它已经在进化。”
会议室再次安静。
良久，组长合上记录本：“今天的评审结论——中期验收，有条件通过。最终验收时，风险模块准确率必须达到90%，并且实现全流程自动更新。做不到，项目终止。”
“明白。”陈帆点头。
散会后，其他人陆续离开。陈帆没动。他把修改后的参数导出备份，保存到U盘。桌面便签上多了条待办事项：“政策变量需每日更新”。
林悦走过来，递给他一杯水。杯壁温热，应该是刚泡好不久。
“他们差点就毙了项目。”她说。
“差一点。”他接过杯子，指尖碰到杯沿，“但也只是差一点。”
窗外天色已暗，楼下的路灯一盏盏亮起。实验室所在的教学楼还亮着几扇窗，其中一间属于他们的机房。
他站起身，收拾电脑。走廊传来脚步声，是清洁工在拖地。水痕在瓷砖上反着光，一直延伸到电梯口。
林悦跟着走出来，两人并肩下了楼。夜风吹散白天的闷热，街上车流如常。
走到校门口，陈帆停下，回头望了一眼。
那栋楼静静立着，灯光稀疏，却有一扇窗始终亮着——那是服务器机柜的应急照明，二十四小时不断电。
他知道，只要电没断，系统就在运转。
就在他转身的瞬间，笔记本突然震动了一下。
是后台报警。
他打开一看，是刚上线的政策数据监听模块报错：无法连接市**信息公开接口。
提示信息只有一行字：“访问频率超限，请降低请求间隔。”陈帆盯着屏幕右下角的时间，二十三点四十七分。最后一次爬虫请求失败后，系统已停止响应三分钟。他没有重启服务，而是将日志文件另存为副本，拖进加密文件夹。键盘敲击声停了下来，房间里只剩下服务器风扇低沉的嗡鸣。
手机震动起来，来电显示是市科委办公室。他接起电话，那边只说了一句话：“明天上午九点，中期验收，地点不变。”
他放下手机，手指在桌沿划过，触到还温热的笔记本电源线。没时间了。他拔下硬盘备份口的数据线，合上电脑，直接塞进背包。窗外夜色浓重，楼道灯闪了一下，像是感应到了他的动作，亮了起来。
第二天八点五十分，陈帆推开会议室门。冷气扑面而来，长桌两侧已坐满评审专家。林悦坐在后排靠窗的位置，面前摊开一本记事本，笔尖悬在纸上。他朝她点了点头，把笔记本放在投影接口旁，插上电源。机器启动时发出轻微的提示音，屏幕亮起蓝色登录界面。
专家组组长翻了翻材料，抬头说道：“开始吧。”
陈帆打开演示文稿，调出风险评估模块的核心架构图。刚讲到第三页，专家A抬起手打断：“你这个模型用的是哪一年的数据？”
“主要基于一九九七年的市场波动率和企业财务指标。”
“那你知道今年一季度央行降准了多少次吗？”
陈帆顿了一下，“两次。”
“国债发行规模同比增加了百分之三十六，外汇储备结构调整已经开始，这些政策信号有没有体现在你的参数里？”
会议室安静下来。陈帆感觉到后背渗出一层薄汗。
专家B接过话头，语气更直接：“还有一个问题——杠杆。你现在计算个股风险敞口时，有没有考虑融资行为带来的放大效应？如果没有，那你测算出来的最大回撤值就是虚的。”
陈帆的手指微微收紧。他知道对方说的是对的。当前版本确实没纳入杠杆因子，因为本地券商尚未开放融资融券试点，相关数据也未公开披露。但模型不能永远停留在假设中。
“目前缺乏实时杠杆数据支持。”他回答，“但我们设计了扩展接口，一旦有新变量接入，可以动态调整权重。”
“这不是借口。”专家B摇头，“一个风险模型如果连基础结构都静态化，谈什么智能辅助？它只是个统计工具。”
专家A补充：“****环境的预测，等于空中楼阁。我不反对技术探索，但我必须提醒你，这个项目如果拿不到最终验收通过，后续资金不会追加。”
陈帆喉结动了动。投影画面停在一张回测曲线图上，理论值与实际走势之间的偏差肉眼可见。他正准备解释，余光瞥见林悦在笔记本上迅速写下几个字，然后举起纸页。
四个工整的字：加入政策。
他心头一震。
几乎同时，他意识到自己犯了一个根本性错误——过去几个月都在优化数据采集效率，却忽略了最核心的问题：金融市场从来不只是数字游戏，它是政策驱动下的动态博弈。
他深吸一口气，当着所有人的面关闭演示模式，直接打开了开发环境。
“我现场修改模型。”他说。
鼠标点击进入风险因子配置文件。原有的七个变量中，波动率、市盈率、换手率等依旧存在。他在末尾新增两行代码：
`policy_index_fiscal = 0.68`
`policy_index_monetary = 0.74`
下面附上注释：根据一九九八年前三个月公开政策文本量化得出，包含降准幅度、财政拨款方向、国债发行节奏三项加权。
接着，在风险计算公式中引入联动系数：
`risk_score = base_risk * (1 0.3 * policy_index_fiscal 0.25 * policy_index_monetary)`
这只是一个初步框架，无法做到完全自动化更新，但足以体现政策影响的传导路径。
他重新加载测试数据集，运行最新一轮回测。
进度条缓慢推进。会议室里没人说话。空调出风口发出细微的气流声。
结果弹出时，拟合度从原来的百分之七十八跳升至百分之八十五。
专家们低头查看打印出来的对比图表。原模型误差集中在二月中旬以后，正是政策密集出台阶段；而新版本明显贴合了市场真实波动轨迹。
专家B皱眉看了许久，终于开口：“财政指数是怎么量化的？”
“我们人工整理了发改委、央行、财政部在一月到三月发布的二十一条政策文件，按刺激强度分级打分，再结合资金落地周期赋予权重。”
“那杠杆呢？”
“目前无法获取个体账户融资数据，但我们可以通过交易所公布的保证金总额变化趋势，构建代理变量。我已经在计划下一步接入路径。”
专家B没再追问。他转头看向组长。
组长沉默几秒，点头：“条件通过。但最终验收前，准确率必须达到百分之九十，而且要证明系统能持续更新外部变量。”
散会铃声响起。人们陆续起身离开。陈帆没有动，他还在操作界面中导出修改后的参数表，保存到本地加密分区。屏幕上跳出完成提示，他顺手在待办清单里添了一条：“政策变量每日人工校准。”
林悦走过来，把一杯热水放在他手边。“你刚才……改得很准。”
“差一点就扛不住了。”
“现在呢？”
“还得再压一遍代码，把这次新加的模块独立出来，方便后期替换数据源。”
她点点头，没再多问。两人一起走出办公楼。天色已经暗下来，路灯逐一亮起，照在教学楼外墙的瓷砖上，反射出淡淡的黄光。
陈帆停下脚步，回头看了一眼实验室所在的楼层。窗帘拉着，但某个窗口透出微弱的蓝光——那是服务器指示灯的颜色。他知道设备还在运转，等待下一次任务。
“系统不能只快。”他低声说，“还得懂这个世界的规则。”
林悦看了他一眼，忽然问：“你还记得最早做数据库的时候，是怎么处理ST股票的吗？”
“先分类，再单独建模。”
“现在的政策，其实也是一类特殊股票。”
陈帆怔了一下，随即明白她的意思。政策不是噪音，而是结构性变量，必须被当作独立资产类别来对待。
他打开手机备忘录，新建一条记录：“建立政策资产库，按发布机构、执行周期、影响行业**标签归档。”
输入完毕，他抬头望向远处的城市灯火。车流在主干道上拉出长长的光带，像一条流动的数据总线。
回到实验室已是晚上七点。他重新连接笔记本，加载最新的系统镜像。主控台左侧是爬虫管理器，右侧是风险模型调试面板。他点开后者，找到刚刚添加的两个政策指数输入框。
手动填入今日更新值：财政指数上调至0.71，因下午传来基建项目加速批复的消息；货币指数维持不变。
按下回车，系统开始重新计算全市场风险评级。
进度条走到一半时，警报突然响起。
他眯起眼，盯着弹出的异常报告。不是数据超限，也不是连接中断，而是某只蓝筹股的风险评分骤降，降幅超过百分之四十。按常理，这只股票近期并无重大利好，也不在政策扶持名单内。
他调出计算明细，逐层展开公式链条。
最终发现问题出在一个隐藏关联项上：该股所属行业的“政策受益概率”被自动调高，原因是今天某份会议纪要中提到了“产业升级支持”，尽管未点名具体企业。
模型在自我推理。
陈帆靠在椅背上，盯着屏幕不动。这个功能他从未写过。