做模型像做菜：配方想明白了，不等于每次都能端出同一道菜。Reddit 用户 Technical-Debate1303 在结束一次量化研究实习后复盘，自己负责的是端到端统计定价模型，但项目后期的大量时间并未花在模型上，而是用来重构数据处理和模型训练流程。
问题出在原型阶段。数据处理散落在 Jupyter Notebook——适合边试边改的交互式文档——和零散 SQL 查询里，有些查询甚至只保留了结果。等到需要整理成无需人工干预的代码时，工作就变成了一场“噩梦”。所谓数据管线，就是把数据获取、清洗、对齐、特征计算和输出串成稳定流程；可复现则意味着用相同代码、数据版本和配置，可以重新得到同一结果。这个案例值得注意，不是因为它给出了某种新模型，而是因为它暴露了量化研究常被低估的一环：模型与数据很难真正分开。摘要未披露具体机构、模型细节或时间分配，因此它更像一份个人经验，而非行业统计。