6月29日凌晨两点十七分，操盘室的日光灯管发出细微的电流嗡鸣，陈默的脸被代码编辑器的冷光映成青灰色。他已经连续14小时未合眼，指腹因长时间敲击键盘而泛红，食指悬在enter键上方，停顿三秒后轻轻按下。屏幕上，公式 止损位 = 入场价 - 25（14日atr） 的字体微微跳动，与草稿纸上红笔圈住的“25倍标准差临界值”形成镜像。
“atr模型在震荡市有效，但在趋势市可能提前止盈。”周远山的语音从骨传导耳机传来，带着秦岭以北的冷峻。陈默盯着屏幕同步弹出的2018年标普500波动率指数图表，绿色曲线在2018年10月突然陡峭上扬，“当年10月波动率突破20，atr模型的止损频率从日均12次飙升至4次，胜率从65骤降至48。”陈默敲击键盘运行2022年a股震荡市回测，数据窗口弹出：无效止损减少35，胜率提升11，但盈亏比下降8。这个结果让他想起量化圈的谚语：“胜率和盈亏比是天敌。”
“傅里叶变换能分解波动频率。”老张的弹窗切入频谱分析图，不同颜色的波形代表不同周期的市场波动，“14日atr对应的频率区间恰好覆盖007-014hz，过滤掉30分钟以下周期的高频噪音，保留日线级别的中期趋势。”陈默盯着波形图中被衰减的蓝色高频波段，想起暗池交易中秒级拆单的诱空陷阱，若模型能有效过滤这类噪音，或许能规避部分风险。但他随即意识到，暗池交易的拆单频率可能已进化到更低周期，传统傅里叶变换未必能捕捉。
“数学能完全描述市场吗？”陈默对着麦克风喃喃自语，手指在键盘上敲击出“2015年股灾”关键词。周远山发送来中证500波动率数据，2015年6月15日至7月8日，波动率指数从15飙升至90，红色曲线如火山喷发般陡峭。“当时所有量化模型集体失效，”周远山的声音里带着罕见的沉重，“包括最复杂的机器学习模型，因为市场陷入流动性黑洞。”陈默的胃部抽搐，抽屉里2015年的爆仓记录仿佛隔着木板发烫，那是他第一次见识到数学模型的脆弱性。
午后一点，厚重的云层将阳光切割成碎片，操盘室笼罩在灰蓝色的昏暗里。陈默在模拟盘输入科创板