华尔街

三月初，纽约的春天仍然带着冬天的脾气。

前一天午后，华盛顿广场上的年轻人已经穿着薄外套坐在长椅上晒太阳，第二天清晨，来自大西洋的冷空气却又让整座城市重新裹紧了围巾。曼哈顿的天空呈现出一种清冷的淡蓝色，布鲁克林大桥的钢缆在晨光中闪闪发亮，东河两岸的建筑物被薄雾笼罩，远处的轮廓显得有些模糊。

裴知珩七点钟便来到学校计算机实验室。

窗边的一排电脑尚无人使用，暖气片在墙角发出轻微的响声。他把背包放在椅子上，打开笔记本电脑，又从包里取出一份厚厚的研究报告。

报告的封面写着：

Aster Factor Research — Version 2.0

第二代因子研究模型。

这是他在校园投资组合竞赛结束后，花了将近两个星期重新整理的研究方案。

第一代Aster主要做两件事：收集合法公开的金融信息，并按照研究者设定的条件筛选企业。它能够告诉用户，一家公司的收入增长情况如何，财务报表显示出哪些变化，部分投资机构在过去某个季度披露持有哪些股票，也能够生成简单的历史投资组合比较。

但它还不能回答更困难的问题。

如果有两百家企业都符合基本条件，究竟应该怎样比较它们的投资价值？

一家利润增长很快、但估值昂贵的企业，与一家增长缓慢、但现金流稳定的企业，哪一家更值得投资？

如果两种投资方法在不同市场环境中轮流表现出色，能不能把它们结合起来，减少对单一条件的依赖？

这些问题不像课堂上的数学题，没有唯一而确定的答案。

裴知珩因此决定，先不把Aster当作预测股票涨跌的机器，而是把它设计成一个研究不同投资特征的工具。

他在电脑上打开一张表格。

表格顶部依次列着几个名称：

盈利质量、估值、价格动量、公开持仓信息、风险暴露。

这些便是他准备研究的五类因子。

他知道，许多专业投资机构早已使用各种因子模型。价值、规模、动量、质量和低波动等投资特征，也有大量学术研究。单纯把这些概念放到一张表格里，算不上什么创新。

真正困难的是，在真实可获得的数据基础上，构建一个逻辑清楚、能够重复检验、并且在不同市场环境下尽量保持稳健的系统。

更何况，他们只有三个人。

其中两个还要参加考试、完成作业、打工赚钱。

裴知珩看着屏幕，忽然觉得自己正在试图用一把小刀开凿一座山。

可他并不打算因此停下来。

上午九点，闻清漪推开实验室的门。

她今天穿着一件浅蓝色衬衫，外面搭着米白色开衫，乌黑的头发松松地挽在脑后。春天的阳光从窗户照进来，落在她清秀的眉目上，使那双明亮的眼睛显得格外有神。

她看见裴知珩桌上的咖啡杯，第一句话便是：“你今天又没吃早饭？”

“吃了。”

“吃什么？”

“鸡蛋和面包。”

“几个鸡蛋？”

“两个。”

闻清漪满意地点点头，把手里的一只纸袋放到桌上。

“那这个留着中午吃。”

“什么？”

“我妈妈做的葱油饼。昨天晚上做多了，非让我带给你。”

裴知珩打开纸袋，一股熟悉的葱香飘出来。

“替我谢谢阿姨。”

“你自己下次去谢。她现在觉得，你比我还需要有人照顾。”

她在旁边坐下，翻开他的研究报告。

“第二个模型？”

“嗯。”

“这么快？”

“只是方案，还没有真正完成。”

闻清漪看了几页，神情渐渐认真起来。

“你准备给每家公司打分？”

“先研究不同指标与后续收益之间的关系，再考虑如何组合。评分只是方便比较的呈现方式。”

“评分越高，未来收益就一定越好？”

“当然不是。模型只能提供基于历史数据与假设的统计信息。”

她点点头，继续翻看。

“这里为什么要加入机构持仓因子？”

“我想研究，专业机构的公开持仓变化是否能够提供独立于企业基本面的信息。”

“可是我们上个月已经发现，这类信息有很大的时间滞后。”

“所以必须使用实际公开日期，并检验它在控制其他因素以后，是否仍然有增量价值。”

闻清漪没有马上回答。

她拿起笔，在报告边缘圈出一行字。

“我觉得这里还要加一个条件。”

“什么？”

“即使模型发现机构持仓变化与未来收益有某种统计关系，也要考虑这种关系是不是因为机构偏好某类企业。比如它们本来就喜欢盈利增长快、市值大、交易活跃的股票。”

裴知珩停住手中的键盘。

他想了一会儿，点头。

“否则机构因子可能只是重复反映其他因子。”

“对。看起来有五种信号，实际上可能只有两三种独立的信息。”

他把这句话记进研究方案。

闻清漪看着他，忽然笑了。

“你现在越来越容易接受我的意见了。”

“因为你提出的是合理问题。”

“那如果我提出不合理的问题呢？”

“我会告诉你。”

“真不浪漫。”

裴知珩侧过身，轻轻握住她的手。

“我可以在告诉你之前先亲你一下。”

闻清漪怔了一瞬，随即笑得眉眼弯起。

“看来诺亚教了你不少坏东西。”

“这次是我自己想的。”

她还没来得及回答，裴知珩便轻轻吻了她。

实验室外有人经过，脚步声从走廊里传来。闻清漪赶紧坐直身体，脸颊微红，却又忍不住笑。

“好了，裴先生。现在谈工作。”

三个人正式开始研发第二代模型，是在那个星期五的晚上。

诺亚把两台显示器搬到公寓客厅，又从学校借来一些用于课程研究的计算资源。裴知珩负责整理股票历史样本，闻清漪重新设计风险评价方法，诺亚则建立数据库与计算任务的自动执行流程。

他们首先遇到的问题，是数据根本没有想象中那么干净。

一家企业可能因为股票拆分而改变历史价格，一只股票可能在研究期内退市，有些公司缺少早期财务数据，还有些财务指标经过后续重述。如果直接使用今天数据库中已经修正过的资料，回头模拟几年前的投资决定，就可能无意间使用当时还不知道的信息。

诺亚盯着屏幕上的异常日志，忍不住抱怨：“我以前以为金融数据至少比社交媒体数据规整。现在看来，它们只是乱得比较体面。”

闻清漪坐在地毯上，膝盖上摊着几张打印出来的财报。

“你不是最喜欢解决难题吗？”

“我喜欢解决难题，不喜欢同一个问题以十二种不同格式出现。”

裴知珩没有参与他们的玩笑。

他正在查看一组历史股票样本。

“这里有问题。”

闻清漪抬起头。

“什么问题？”

“这份供应商数据只包括目前仍然交易的公司。我们前几年那些退市、被并购或者破产的企业，有些没有包含进去。”

诺亚凑过来看。

“影响很大吗？”

“可能很大。如果我们只用今天仍然存在的公司研究过去，就等于提前知道哪些企业活到了现在。”

闻清漪立即想起最初研究机构持仓时提出的疑问。

“幸存者偏差。”

“对。”

她站起来，走到电脑前。

“那现在这个样本不能用于正式判断。”

裴知珩点头。

“至少不能直接用于完整的历史策略评估。我们需要加入历史证券主数据和退市记录，弄清楚哪些结果是可靠的，哪些只是探索性分析。”

诺亚往沙发上一倒，仰头望着天花板。

“所以我们现在又得花钱买数据？”

“可能需要。”裴知珩说道，“但先看看学校有哪些可以合法使用的研究资源。商业化以前，还要重新确认数据许可。”

闻清漪把笔记本合上，忽然问：“我们现在已经花了多少钱？”

诺亚立即坐起来。

“这个问题我不想回答。”

“为什么？”

“因为我刚刚升级了云服务器。”

裴知珩转过头。

“你升级之前怎么没告诉我们？”

“我昨天发过消息。”

“你说的是准备测试新配置。”

“对，后来我发现确实需要。”

闻清漪望着两个男生，慢慢放下钢笔。

“很好。我们现在终于遇到第一项真正的创业问题了。”

诺亚有些不安。

“什么问题？”

“花钱的人不觉得自己在花钱，负责算账的人不知道钱已经花出去了。”

裴知珩忍不住笑了。

闻清漪却十分认真。

她拿出电脑，建立一张项目费用表，把云服务器、域名、软件工具和可能需要的数据服务分别列出来，又明确区分个人课程研究费用与未来商业产品成本。

“从现在开始，超过五十美元的非经常性支出，先在群里讨论。”

诺亚举起手。

“那如果服务器突然崩了？”

“紧急恢复可以有例外，但要说明。”

“如果我半夜两点发现问题呢？”

“先判断是不是非得半夜解决。”

诺亚看着裴知珩。

“你女朋友比任何防火墙都厉害。”

裴知珩笑着点头。

“我早就知道。”

第二周，模型终于有了初步结果。

裴知珩将企业财务指标按照可比性分组，对盈利质量、估值、价格动量和市场风险等变量进行标准化处理。对于行业之间天然存在的差异，他尝试采用行业内比较的方法，避免把资本密集型企业与软件公司简单放在同一尺度上评价。

闻清漪则根据投资组合风险理论，建立了几组约束条件。

她要求模拟组合限制单只股票的最大权重，控制行业集中度，并考虑交易换手率对净收益的影响。对于一些历史价格波动非常大的企业，即使模型预期收益较高，也不能无限制增加配置。

起初，裴知珩觉得这些条件过于严格。

“如果我们把所有风险都限制住，组合可能很难取得明显超额收益。”

闻清漪把电脑转向他。

“你看这张图。”

屏幕上是两条模拟投资组合净值曲线。

第一条来自限制较少的模型，在某些年份增长很快，但经历市场下跌时，损失也明显更大。

第二条加入了集中度、风险暴露和交易约束，收益较为平缓，却在部分极端时期表现得更加稳定。

“假设一个投资者真的经历第一条曲线中的最大回撤，你觉得他还能坚持原来的策略吗？”闻清漪问。

“要看投资者的风险承受能力。”

“没错。所以我们不能只看数学上的长期最优，还要考虑一个人有没有能力和意愿坚持到长期。”

裴知珩仔细看了曲线。

“不过第二个组合在市场快速反弹时明显落后。”

“那也要接受。风险控制有成本，不可能在所有时期都占便宜。”

她稍微停顿，又说道：“而且你看这里，两条曲线的收益差异，一部分来自科技股暴露不同。如果只是因为第一条承担了更多市场和行业风险，我们就不能把全部收益归功于选股能力。”

裴知珩慢慢点头。

他重新打开因子暴露分析，发现闻清漪的判断确实有依据。

原本看似由多种指标共同决定的组合，实际上在某些时期明显偏向高成长、高估值科技企业。

这些企业可能拥有很好的经营前景，但它们的股价也更容易受到市场风险偏好和利率预期变化影响。

“所以五个因子不一定等于五种独立风险。”他说。

“对。你终于说到重点了。”

闻清漪笑着伸手揉乱他的头发。

裴知珩抓住她的手。

“你最近越来越喜欢把我当学生。”

“因为你越来越需要风险管理教育。”

“那你准备怎么收费？”

闻清漪想了想。

“按小时。”

“太贵了。”

“可以给男朋友打折。”

他把她拉近一些。

“那我先付一点定金。”

她还没反应过来，便被他轻轻吻住。

窗外的春雨正落在玻璃上，实验室里只有电脑风扇低沉的声音。闻清漪笑着推开他，脸上带着淡淡的红晕。

“别闹。等会儿诺亚就来了。”

裴知珩看了一眼门口。

“他今天说要晚半个小时。”

“你连这个都算好了？”

他笑而不答。

三月中旬的一天，丹尼尔·罗森再次来到纽约大学。

这次他不是参加公开讲座，而是应金融系邀请，与几组学生研究团队进行小型交流。裴知珩和闻清漪带着Aster第二代模型的初步报告参加了讨论。

罗森翻看报告时，显得比第一次见面更加认真。

“你们已经从公开持仓跟踪，发展到多因子研究了？”

“是的。”裴知珩回答，“不过还只是研究原型。”

罗森看了看几张收益图表。

“你们如何避免在历史数据中不断调整参数，直到找到最漂亮的组合？”

裴知珩把研究方法说明推过去。

“我们正在区分训练、验证与保留测试区间，也计划采用滚动的前向检验。但目前还没有足够长期、独立的真实运行记录。”

罗森点头。

“很好。不要急着把一个漂亮的历史结果称为投资优势。”

他又翻到风险分析部分。

“这里的风险预算是谁设计的？”

闻清漪举起手。

“主要是我。不过裴知珩参与了计算方法的调整。”

罗森看着她。

“你为什么特别强调组合集中度？”

“因为我们发现，有些股票虽然来自不同企业，但受到相似市场因素影响。如果只按公司数量分散，可能会高估实际的风险分散程度。”

“那么，如果这些股票在正常市场环境下相关性较低，但在流动性压力下同时遭到卖出，你们怎样处理？”

闻清漪迟疑了一下。

“目前还没有完整解决。我们尝试用不同历史时期的相关性进行压力测试，也考虑增加流动性指标。”

罗森没有立即评价。

他拿起笔，在一张纸上画了几个相互连接的圆圈。

“假设这五个圆圈代表五家基金。它们表面上采用不同模型，持有不同股票。但如果它们都在波动率升高时降低风险敞口，那么即使原来的组合不完全相同，也可能在某个时期集中卖出。”

裴知珩望着图，忽然问：“如果它们都采用类似的动态风险预算方法，市场下跌会不会触发进一步卖出，从而形成反馈？”

“有这种可能。”罗森回答，“但是否发生，要看具体持仓、杠杆、交易容量、市场深度以及其他参与者的行为。”

闻清漪拿起笔，在旁边写下几个词：

策略趋同、流动性、共同减仓、反馈。

罗森看着两个年轻人，微微笑了。

“你们现在研究的问题，已经开始接近专业资产管理里的真正难题。”

裴知珩有些兴奋。

“那您觉得，我们应该继续发展这个方向？”

“可以。但我建议先把现有系统做扎实，不要一口气研究所有市场风险。”

他合上报告。

“另外，我还有一个建议。”

两人同时望向他。

“你们应该考虑参加学校的创业项目。你们未必已经拥有有效的投资策略，但公开数据整理、风险解释和研究工具本身，可能具有产品价值。”

闻清漪眼睛亮了。

“您觉得有人愿意使用？”

“我不知道。你们需要自己去验证。”

罗森笑了笑。

“不要让一个投资人的兴趣，代替真正的客户需求。”

那天晚上，裴知珩与闻清漪坐在格林尼治村一家小餐馆里，认真讨论罗森的建议。

店里生意很好，厨房不断传来锅铲和餐具碰撞的声音。墙上挂着几幅旧纽约照片，靠窗的位置坐着一对老年夫妇，正分吃一份甜点。闻清漪点了鸡肉意大利面，裴知珩则要了一份牛肉三明治。

“我觉得我们可以报名学校的创业项目。”闻清漪说道。

“可是Aster第二代模型还没完成。”

“我们不一定要用预测收益作为产品卖点。”

“那靠什么吸引用户？”

“帮助他们理解公开信息，比较企业基本面，分析持仓集中度和潜在风险。”

裴知珩想了想。

“市场上已经有很多类似工具。”

“所以我们要找出自己的不同。”

“比如？”

闻清漪拿出笔记本，在纸上画了三个方框。

“第一个，普通投资者。他们希望知道自己买的是什么，不愿意花太多时间阅读复杂财报。”

“第二个？”

“大学生和刚开始工作的年轻人。他们有投资兴趣，却缺少完整的知识结构。”

“第三个？”

“有一定经验、愿意自己研究股票的人。他们可能需要一个能够快速整理公开资料、比较不同投资假设的工具。”

裴知珩看着她。

“你已经开始做用户分层了。”

“当然。我学营销不是为了考试才学的。”

她笑了笑，又说道：“但我们不能一下满足所有人。最好先选一类用户，做一个简单产品，让他们试用，看看有没有真正的需求。”

“你想从哪一类开始？”

“先从校园里的投资社团和有兴趣学习投资的学生开始。”

裴知珩点头。

这个方向成本较低，也容易获得反馈。

更重要的是，他们可以继续把Aster定位为研究和教育工具，而不是急于提供个性化投资建议或自动代客交易。

“不过如果以后我们真的收费，”他说，“就必须认真考虑数据授权、产品责任和法律边界。”

“我知道。罗森提醒过我们。”

闻清漪停了停，忽然问：“知珩，如果这个产品最后很受欢迎，你愿意放弃去华尔街工作的机会吗？”

裴知珩抬起头。

“为什么一定要放弃？”

“因为创业需要时间。我们现在可以利用课余时间做，可毕业以后呢？”

他没有立即回答。

过去几年，他一直希望进入一家优秀的金融机构，从事量化研究或软件开发。稳定而有竞争力的收入，能够帮助他减轻家庭负担，也可以让他继续研究自己喜欢的问题。

创业则完全不同。

它意味着不确定的收入、持续的资金需求和可能失败的风险。

“我还没想好。”他终于说道。

闻清漪点头。

“我也是。”

两个人沉默了一会儿。

餐馆里响起一阵笑声，隔壁桌有人举杯庆祝生日。闻清漪望着那群年轻人，忽然轻声问：“你有没有觉得，我们最近越来越不像普通大学生了？”

裴知珩笑了。

“哪里不像？”

“别人忙着参加派对、旅行、找实习，我们却总在讨论数据库、估值和风险模型。”

“你不喜欢？”

“喜欢。只是有时候也想什么都不管，去做点没有实际用处的事。”

裴知珩看着她。

“比如？”

“比如去看海，去听音乐会，或者什么都不做，在公园坐一下午。”

他沉默片刻，忽然说道：“这个周末可以。”

“真的？”

“嗯。我们把模型测试安排到星期五，周末休息。”

闻清漪望着他，忍不住笑了。

“你连浪漫都要写进项目计划。”

“至少这样不会忘记。”

她伸手握住他的手。

“好吧，我接受。”

星期六，他们去了康尼岛。

初春的海边仍然寒冷，游乐园大部分设施尚未进入最热闹的季节，木栈道上只有零星游客。大西洋的海风带着咸涩气息扑面而来，远处海浪一层层涌向沙滩，在湿润的沙面留下细密的白色泡沫。

闻清漪穿着一件白色长外套，围着浅红色围巾，乌黑的头发被海风吹得四散飞扬。她脱下手套，伸出双臂，站在栈道边迎着风，笑得像一个终于逃出课堂的孩子。

裴知珩站在后面，看着她的背影。

“你不冷吗？”

“冷！”

“那还站那么久？”

“因为开心。”

她转身望着他，忽然朝他跑过来，伸手拉住他的胳膊。

“走，我们去沙滩。”

“鞋会湿。”

“湿了就湿了。”

“天气这么冷——”

“裴知珩！”

她故意板起脸。

“今天不许计算。”

他终于笑了。

两人沿着台阶走到沙滩上，踩着湿润的沙子向海边走去。海风卷起细碎的沙粒，几只海鸥在头顶盘旋，不时发出短促的鸣叫声。

闻清漪突然弯腰捡起一枚贝壳。

“你看，漂亮吗？”

裴知珩接过来。

贝壳并不完整，边缘有一道细小的裂纹，表面却保留着淡淡的粉白色纹路。

“挺漂亮。”

“送给你。”

“为什么？”

“因为它不完美。”

裴知珩有些不解。

闻清漪笑着解释：“你不是总喜欢把事情做到最好吗？我想让你记住，有些东西即使不完美，也值得喜欢。”

他低头看着手里的贝壳，过了一会儿才轻轻点头。

“我会留着。”

闻清漪伸手抱住他。

海风从两人身边吹过，她的长发拂在他的脸上，带着淡淡的洗发水香气。裴知珩低头吻了吻她的额头，又将她拥得更紧一些。

两个人站在灰蓝色的大西洋前，久久没有说话。

对于他们来说，海边的这个下午没有任何金融意义。

没有收益率，没有模型参数，也没有可以写进简历的成果。

但裴知珩后来会记得，那天闻清漪在海风里笑得多么开心，她的手有多么冰凉，以及那枚小小的贝壳被他放进外套口袋时，发出的轻微声响。

回到学校以后，第二代Aster模型进入最后的初步测试阶段。

裴知珩与诺亚完成了数据处理和计算模块的整合，闻清漪则重新设计了风险报告界面。

现在，用户不仅可以查看某家公司在多个研究指标上的相对位置，还可以比较不同模拟组合在历史时期的收益、波动、回撤和行业暴露。

页面下方增加了醒目的说明：这些结果来自历史研究，不代表未来收益，也不构成针对个人情况的投资建议。

但真正让裴知珩兴奋的，是模型开始呈现出一些值得研究的统计规律。

在某些历史区间里，盈利质量较高、估值不过分昂贵、同时具有一定价格动量的企业组合，表现相对较好。

然而，在另一些区间，这些特征并不有效，甚至可能明显落后于市场。

闻清漪看完报告，提出了一个问题。

“如果市场环境改变，我们应该怎样知道模型已经不适用？”

裴知珩想了想。

“可以监测因子表现、风险暴露和预测误差。”

“如果很多投资机构都采用类似因子呢？”

“那可能会影响策略容量和收益。”

“如果它们在市场下跌时同时减仓呢？”

裴知珩沉默片刻。

“我们现在的模型，还没有办法完整模拟这种反馈。”

闻清漪望着屏幕。

“那就先把它写成一项未解决的风险。”

他点头。

诺亚在旁边打了个哈欠。

“你们两个是不是永远不可能对一个版本满意？”

闻清漪笑道：“软件可以发布，问题也可以继续研究。”

“那我们什么时候发布？”

裴知珩看了一眼日历。

“先进行一次封闭测试。找十几个愿意提供反馈的学生，看看他们能不能正确理解这些数据。”

诺亚立刻来了精神。

“终于！我已经等了几个月了。”

闻清漪也笑了。

“不过这次，我们不告诉他们哪个模型历史收益最高。”

诺亚愣了一下。

“为什么？”

“先看看他们真正需要什么。如果所有人都只盯着那条最漂亮的曲线，就说明我们的界面还没有把风险讲清楚。”

裴知珩望着她，慢慢点头。

“好。”

测试前一天晚上，裴知珩独自在实验室检查模型。

窗外开始下雨，细密的雨丝落在玻璃上，远处的霓虹灯被水珠折射成模糊的光斑。校园里已经很安静，只有几名学生仍在自习室里赶作业。

他打开最新的组合风险报告。

屏幕上显示出几组风险指标，其中一项引起了他的注意。

在正常市场条件下，模拟组合的历史波动相对平稳，主要股票之间的相关性也没有异常集中。

但当他把测试区间切换到某段市场急剧下跌的历史时期时，组合的相关性结构明显变化，多个原本表现不同的股票同时下跌。

更让他意外的是，系统根据历史波动调整仓位的模块，恰好会在这些股票同步下跌时建议降低风险。

这本来是合理的风控行为。

可如果很多投资者都使用类似系统，并在相同条件下调整仓位呢？

他想起罗森在白板上画出的五个圆圈。

也想起闻清漪反复提出的问题。

如果市场中的所有人都相信同一种风险信号，那个信号会不会因为人们的共同反应而改变市场本身？

裴知珩盯着屏幕，心里第一次对这个问题产生了真正的兴趣。

他试着增加一个简化假设：当市场波动率超过某个水平时，多个模拟策略同时降低股票敞口。

结果显示，在假设价格不受交易影响的简单回测中，这些策略似乎能够降低自身的部分风险。

但模型并没有计算大量卖出可能对市场价格产生的冲击，也没有模拟交易对手减少报价、流动性突然恶化时的情形。

他知道，这意味着模型还缺少一层非常重要的现实机制。

可是，如何把不同市场参与者的行为反馈纳入模拟，对于他们现在的技术和数据条件来说，仍然过于复杂。

他在研究日志里写下：

“未解决问题：当多个相似策略同时调整风险敞口时，交易行为可能影响市场价格与流动性。现有模型把市场价格视为外生输入，不能评估策略大规模采用后的反馈效应。”

写完以后，他把这一项标记为：

Future Research

未来研究。

裴知珩看了一眼时间。

晚上十一点四十。

他原本打算再运行一组测试，却想起闻清漪今天下午说过的话。

“模型可以不完美，但生活不能永远等模型做完。”

他轻轻笑了，保存文件，关掉电脑。

走出实验室时，雨已经停了。

校园里弥漫着潮湿的春夜气息，路边树枝上开始长出嫩绿的新芽，华盛顿广场的凯旋门在灯光下显得安静而庄严。远处传来地铁列车驶过的声音，街角的咖啡馆还有几名年轻人坐在窗边聊天。

裴知珩拿出手机，给闻清漪发了一条消息。

“第二个模型准备好了。”

她很快回复：

“真的？”

“明天开始测试。”

“你高兴吗？”

他望着夜色，想了想。

“很高兴。”

“比第一次赚到一美元还高兴？”

“高兴很多。”

过了一会儿，闻清漪又发来一条消息。

“那明天测试完，我们去吃饭庆祝。不要电脑，不谈工作。”

裴知珩笑了。

“好。”

他正准备收起手机，闻清漪又发来一张照片。

照片里，是他们在康尼岛海边的合影。

风把她的头发吹得乱七八糟，她笑着靠在裴知珩肩上，身后的大西洋辽阔而灰蓝。裴知珩的表情有些不自然，却紧紧握着她的手。

照片下面，她写着：

“这个版本的我们，也很好。”

裴知珩站在街边，看了很久。

随后，他从外套口袋里摸出那枚小小的贝壳。

贝壳已经被他放进一个透明的小袋子里，边缘的裂纹依旧清晰。

他忽然觉得，闻清漪说得对。

有些东西不必完美，也值得珍惜。

他把贝壳重新收好，沿着夜色中的街道慢慢走向地铁站。

远处曼哈顿金融区的高楼依旧灯火辉煌，许多金融机构正在为新一天的交易准备模型与策略。市场中的竞争从不停止，聪明的人们不断寻找新的数据、新的算法和新的盈利机会。

而在纽约大学一间普通的计算机实验室里，第二代Aster模型已经完成了最初的开发。

它比第一代更加复杂，也更加接近真正的金融研究工具。

但它仍然有一个尚未解决的缺陷：它能够根据市场变化建议投资者怎样行动，却还无法充分理解，当足够多的人同时采取类似行动时，市场本身可能怎样改变。

这个问题暂时被保存在研究日志里。

没有警报，没有红色闪烁的屏幕，也没有任何人认为它迫在眉睫。

对于两个仍然为学费、考试和未来工作发愁的大学生来说，那不过是许多等待解决的技术问题之一。

他们并不知道，未来的某一天，当Aster被越来越多的金融机构采用，交易规模大到足以影响市场流动性时，这项被标记为“未来研究”的问题，将不再只是一个学术假设。

它会变成一个必须在极短时间内回答、却可能已经来不及回答的问题。