033 中期验收的危机：模型的漏洞（2 / 6）

  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？”

&nb