二九文学

手机浏览器扫描二维码访问

107 被遗忘的名单（第2页）

、“家庭自动化门户”

。

它们曾在PO路演中描绘未来蓝图，最终却连服务器电费都无力支付。

她迅速将整份报纸拍照扫描，又顺手翻查其余几份同期刊物，确认这份名单是当时唯一一次集中公示。

随后她原路返回，雨水顺着发梢滴落在背包封口。

回到机房时，陈帆正站在白板前画结构图，李航则在调试新的数据清洗脚本。

“找到了。”

周婷把平板放在桌上，调出扫描件，“这是目前能看到最完整的.公司集体记录。”

三人围拢过来。

“这上面有五百多家。”

李航放大页面，“光靠人工录入太慢，而且很多公司用了缩写或者别名，很难对应到现在的股票代码。”

“先挑典型样本。”

陈帆指着其中一组，“比如这家‘etMall&bp;c.’，主营线上百货，烧钱扩张，没有盈利模式。

再看这家‘eHome&bp;Soluto’，概念炒得热闹，实际营收几乎为零。

它们的共同点是什么？”

“高估值、低现金流、业务虚浮。”

周婷回答。

“那就把这些特征抽象出来。”

陈帆转向李航，“你写个识别逻辑，不看当前股价，也不看新闻热度，就看一家公司是否符合这三类标签。”

李航立即动手。

他以名单中的前五十家公司为种子样本，提取注册地、主营业务关键词、融资轮次、创始人背景等维度，构建了一个初步的匹配模型。

与此同时，周婷开始手动补全残缺信息。

有些公司名称因油墨渗透而模糊不清，她通过交叉比对纳斯达克历史退市公告、美国证券交易委员会档案以及当年科技杂志报道，逐一还原。

两个小时过去，第一批结构化数据导入系统。

分析模块启动瞬间，整个主屏骤然刷新。

原本分散分布的风险评分点，开始自动聚合成片状区域。

三百余只当前活跃的科技股被标记为“高度复现风险”

，其命名方式、商业模式、资本路径与名单中已倒闭公司高度相似。

更关键的是，系统回测结果显示：若以该名单作为负面样本库参与建模，过去三个月内对暴跌股的预测准确率从61%跃升至89%。

“不是巧合。”

李航低声说，“这些公司在复制失败模板。”

陈帆凝视着屏幕上那份泛黄报纸的扫描影像。

那些褪色的铅字仿佛有了重量，压在每一行跳动的数据之上。

“我们一直以为是在对抗市场情绪。”

他说，“其实是在和一段被遗忘的历史赛跑。”

周婷没有接话。

她正在优化算法权重，尝试加入“公众记忆衰减系数”

——越是久远的教训，越容易被新一波投资者忽略。

这个参数一旦启用，模型将进一步强化对“周期性重演”

的敏感度。