Σ
自适应 Alpha
长短周期信号系统
滚动模型读取近期市场状态，而不是假设市场结构静止不变。多种机制，共用一套严谨的证据语言。
Neo Lab / 研究索引
多种智能。一个有纪律的系统。
我们的优势不是某一个模型，而是一台会发现、证伪、执行并记忆的研究机器——策略机制不同，失败时间也不同。
↝
执行科学
经得起真实市场的研究
信号从一开始就面对真实价格、摩擦、时点和失败方式，而不是生活在理想化真空里。
N
组合智能
独立策略星群
100 多个相互独立的子策略，对应不同机制与不同失败时刻——与孤注一掷般的单一押注恰好相反。
ψ
神经市场模型
市场状态的自适应表征
动态与递归模型研究有效状态如何跨不同市场环境保留、更新与重置，而不假设市场结构恒定不变。
π
自适应执行
机器学习执行策略
更广义的执行智能计划：监督学习、在线适应与强化学习共同研究下单、时机和资本效率。
⌁
市场微观结构
港美与主机托管智能
跨时段市场记忆、场所感知架构与延迟研究——让地理位置成为未来模型的又一个输入。
信号会学习。风控不容形变。
带学习联络的纤维丛。底流形是市场，纤维是特征空间，联络——信号如何被输运——由学习得到。丛上只有一条截面永远不许形变：否决权。
市场状态让流形形变，不变量存续。
结果之前，证据先行。
每个决策都在市场作答之前留下密码学的痕迹。研究可以自由探索，执行只认通过验证的事实。
研究记忆
决策先于结果
时间顺序是真相的一部分。证据在结果有机会改写它之前被封存。
信任需要持续赢得
每个边界都重新建立来源证明。不确定的证据不具备权限。
实验室会记忆
成功、失败与市场状态都成为持久上下文，而历史不会被重写。
记忆即基础设施。
正问题 ↔ 反问题
结果可见，机制隐藏。
AI 学习与量化推断都从已知结果向后推演：AI 从数据学习模型，量化从价格、成交量、订单流与上下文反推候选市场机制。缺少约束时，答案通常不唯一，也不稳定。
y = F(θ, x₀) + ε
多个机制可能留下同一个市场足迹。
F
正问题
已知过程，计算结果
给定机制、初始状态与演化规则，向前模拟它可能产生的观测。
F⁻¹
反问题
已知结果，推断过程
从记录下来的行情带出发，恢复能够解释它的候选潜在状态、算子或机制。
λ
正则化
纪律让推断变得可用
时点数据、简洁性、交易成本、恶劣市场状态与前向证据，共同约束那些同样能够拟合历史的解释。
PDE/ODE、状态空间、随机过程和神经网络，都可以定义候选的正向算子；但它们不证明市场服从某一条方程，每一种都仍是待检验的假设。
系统监视它自己。
状态、决策、订单与风险汇入同一个可观察界面。机器永远不被允许变成黑箱。
dnalyaw-lab :: synthetic-system-surface
OBSERVING· CROSS-SESSION
Signal Coherence+0.684σcross-session · normalized state
State Evolution
OBSERVEADAPTREMEMBER
Active ContextsMULTIindependent research loops
Evidence StateATTESTEDprovenance attached
Latent Liquidity Field · Venue Composite
state divergence: bounded
Decision Traces
TIMESYMSIDEQTYPRICESTATUSID
T+00:07VECTOR-AALIGN0.820.74FILLED#A1
T+00:09VECTOR-BOFFSET0.460.68FILLED#B7
T+00:11VECTOR-CALIGN0.610.71PARTIAL#C3
T+00:14VECTOR-DOFFSET0.290.65WORKING#D2
T+00:16VECTOR-EALIGN0.530.77WORKING#E9
MemoryDURABLE
SurfaceMULTI-VENUE
StateOBSERVABLE
度量一切。
执行是 alpha 的一半。每笔成交都会变成证据：到达、路径、摩擦、冲击，以及平均值试图隐藏的尾部。
Latency Histogram
Slippage Distribution
证据覆盖
决策至成交可追溯
尾部行为被观测
场所上下文已附着
回放状态可复现
市场跨越边界。智能也是。
一张横跨美国与香港、贯穿不同时段的研究网络——当一个市场休眠，系统从另一个市场继续学习。
纽约 / 信号原点
美国市场结构、执行研究与长短周期智能。
香港 / 时段记忆
亚洲时段上下文、跨市场假设，以及一个行为结构不同的实验场。
同一个研究表面
不同场所与时钟，被归一成研究系统可以比较的证据。
著述选读
桥梁是数学，证据各自成立。
这些文章展示数学、神经网络与量化研究在哪里相连，也明确每个领域仍需承担自己的举证责任。