陈帆的手指还悬在鼠标上方，盯着主屏右下角那条刚刚弹出的警告信息。系统判定新一轮基差机会出现，信号清晰，逻辑闭环完整。他正要开口，张远却先动了。
没有提加仓，也没问要不要再跑一遍流程。张远调出后台数据流，把过去七十二小时的所有套利记录导了出来，连同历史价差波动曲线、成交密度分布图一起拖进分析窗口。他的动作很稳，但敲击键盘的节奏比平时快半拍。
“我想试试看，能不能找出规律。”他说。
李阳从代码界面抬眼：“什么规律？”
“不是单次操作的节奏，是整个过程的共性。”张远指着屏幕上三组并列的折线，“每次偏离发生时，市场状态其实不一样。有的流动性差，有的机构持仓突变，有的是政策预期扰动。但我们每次都用同一套逻辑应对。我在想，能不能反过来——先判断环境，再决定是否介入。”
陈帆靠向椅背，没打断。他知道张远的意思。跨市场套利的成功让他们看到了系统的价值，但也暴露了一个问题：策略模块太依赖预设条件，缺乏对“何时不该出手”的识别能力。
“你想建个筛选器？”陈帆问。
“更像是一个前置模型。”张远点头，“只盯上证50成分股，结合估值、动量和股东结构，提前判断哪些时候容易出现定价偏差。”
李阳皱眉：“三个因子？怎么加权？你有回测数据支撑吗？”
“还没有。”张远坦然承认，“但我可以试。”
陈帆看了他一眼：“那就做。先把框架搭出来，我们一起来调。”
接下来两天，张远几乎没离开过操作台。他把系统里所有与个股相关的底层模块拆解了一遍，参考了波动率计算层的时间序列处理方式，也借用了MACD背离检测中的滑动窗口逻辑。但他没照搬，而是重新定义了输入变量。
第一个因子是“估值分位数”，取每只股票近五年市盈率所处的历史位置；第二个是“动量斜率”，不采用简单涨跌幅，而是通过线性回归拟合最近二十个交易日的价格趋势线，提取斜率值；第三个是“机构持仓集中度”，用前十大流通股东持股比例之和，剔除大股东后计算变动率。
初版模型运行结果并不理想。第一次输出名单里，出现了好几只基本面疲软、短期被炒作的标的。李阳立刻指出问题：“动量因子权重过高，你在追高。”
“我知道。”张远没反驳，“是因为窗口期选得太短，反应滞后。我打算改用动
…。。