上午继续昨天的工作，又跟那个数据指标死磕了一会，简单移动平均线（SMA）对最近的极端趋势反映能力较弱，因此我将其替换成了指数移动平均线（EMA），再取一次时序滚动排序值，以此作为最终的因子。测试了一下，效果不算很好；替换了几组不同的参数，发现收益对参数比较敏感。于是，我以 5 为步长，对 EMA 的 $\alpha$ 和时序滚动排序值的窗口参数网格寻优，发现收益较好的参数大致集中在某一个区域，于是我取这块区域中心位置，作为最终的参数。查看了一下这组参数下的净值曲线，确实还算不错。出于谨慎，我直接测试了这组参数在测试集中的表现，好像真的还可以！这意味着，这样的挖掘方式应该是能够出活的。

我最终选择的参数组合是 (25, 60)

样本内回测净值

今天接下来的时间，我又测试了另外两个基本面数据。数据的处理方式各有差异，但是挖掘方式基本相同——盯数据，找规律，并尝试对数据进行处理来反映这一规律，最后再参数寻优。

事实上，由于基本面数据样本量较少，参数太多存在很高的过拟合风险。因此，在模型只有两个参数的情况下，若效果好的参数集中在某一范围之内，才能有勇气去尝试这样的参数组合。

到目前为止，我所处理的都是需求数据。需求当然是价格的重要作用因素，但如果仅考虑需求则难免偏颇。根据我的理解，最基础的价格形成因素就是需求和供给，因此至少还需要考虑供给因素。当然，政策、预期、突发事件、情绪也是重要的因素，但我目前的想法是先把需求和供给，或者供给与需求之差给做好。

时至周五，周末的氛围已经洋溢在办公室的空间。恰逢季度生日会，办公室的同事们都没有心思工作了，我也收到怂恿去现场蹭吃蹭喝。房间的甜点琳琅满目，还有参加飞叠杯游戏赢奖品的环节，但是我还是决定以食物为主。吃了点水果、蛋糕和肯德基的鸡翅，味道都还不错，心满意足地带上书包下班，白嫖的感觉真好。