信息怎样跨越时区？
一个市场收盘时，另一个市场仍在为同一个世界定价。我们研究信息如何在交易时段之间交接。
我们研究什么
我们研究问题，而不是配方。
配方会随市场失效，好的问题会不断产出研究。下面是我们的工作反复回到的几个问题。
谁不得不交易？
有些交易出于判断，有些出于约束：授权、限额与日历。被迫的交易会留下痕迹。
市场换了状态，什么该跟着变？
市场与其说是一个系统，不如说是一连串系统。我们研究如何识别状态的切换，以及切换时什么必须保持不变。
共识本身是不是风险？
当太多模型得出同一个结论，交易就变成终将有人平掉的头寸。我们把拥挤当作脆弱，而不是确认。
这个足迹，是哪种机制留下的？
相似的价格轨迹可能来自不同的原因。每一种解释，在经受成本与时间检验之前，都只是假设。
执行能否在学习的同时，不承担看不见的风险？
把下单、时机与资本效率当作学习问题，但学习无权移动风控边界。
这些问题描述研究方向，不代表实盘中的策略。
问题背后的数学原则
市场会变，原则不变。
模型会被修订、重训、退役；约束它们的规则不会。
风控拥有绝对否决权。
任何信号、模型或个人都不能绕过它。否决权不是一个可以优化的参数。
先有问题，再看数据。
假设、样本与检验方法，在看到结果之前就写下来。
成本从第一天算起。
穿不过真实摩擦的信号，不算信号。
失败也要留档。
被否决的想法连同失败原因一起记录。它们同样是证据。
机器负责劳动，不掌握钥匙。
AI 以团队无法企及的规模枚举、验证与监控；行动的权限始终在风控之后。