+技术共同定义） → 策略（系统生成） → 决策（ACC人机结合） → 执行（系统） → 反馈（研究+技术共同分析）
“看清楚了吗？因子这个环节，是研究和技术的交汇点。研究员负责发现逻辑、定义框架。技术工程师负责实现算法、验证有效性。两者缺一不可。”
他放下笔。
“从今天起，研究部的绩效考核，不只是看‘你推荐了多少牛股’。还要看‘你创造了多少新因子’、‘你优化了多少旧模型’、‘你发现了多少系统盲区’。同样，技术部的绩效考核，也不只是看‘代码跑得有多快’，还要看‘模型的可解释性有多强’、‘研究员用起来有多顺手’。”
他看向沈清如。
“沈总，你负责制定研究部的新考核标准。”
沈清如点头。
“林枫，你负责技术部的新考核标准。”
林枫也点头。
“好。下一个问题——研究员不会写代码，技术工程师不懂基本面，怎么合作？”
他看向林宇：“林宇，你说说，你这一周跟林枫学了什么。”
林宇站起来，声音比一周前坚定了很多。
“我跟林枫学了一个东西叫‘因子表达’。就是说，把一个定性的判断，用规则化的语言表达出来。比如，我之前觉得，‘一家公司的研发投入转化率很重要’。但‘转化率’怎么定义？林枫让我想清楚——是专利数量？是新产品收入占比？还是毛利率的提升？把这些想清楚了，就可以变成一个可计算、可回测的因子。”
他顿了顿。
“我还学了一件事——不是所有的判断都需要变成因子。有些判断，是用来‘纠错’的。比如，系统可能看好一家公司，但我的深度研究发现，这家公司的创始人最近在频繁减持，而且公司的对外投资很不合理。这些信息，系统可能没捕捉到。这时候，我的价值就是向ACC发出预警，暂缓或者否决系统的建议。”
本章未完，请点击"下一页"继续阅读！ 第7页 / 共10页