เฉินเจี๋ยอธิบายเนื้อหาของโครงการวิจัยอย่างละเอียดและอดทน:
"อย่างแรกคือการดึงข้อมูลและทำความสะอาดข้อมูลทางการเงิน เราจำเป็นต้องใช้ Python เพื่อดึงข้อมูลการซื้อขายพื้นฐาน เช่น กราฟรายวัน กราฟในเวลา ราคา และปริมาณการซื้อขายของหุ้น A, ฮ่องกง และหุ้นสหรัฐฯ อย่างต่อเนื่อง พร้อมทั้งรวบรวมข้อมูลเศรษฐกิจมหภาค เช่น อัตราดอกเบี้ย อัตราแลกเปลี่ยน CPI PMI และตัวชี้วัดอื่นๆ
ข้อมูลดิบนั้นไม่เป็นระเบียบ มีค่าที่ขาดหายไปและค่าผิดปกติ ต้องมีการคัดกรอง ทำความสะอาด จัดรูปแบบมาตรฐาน และสร้างฐานข้อมูลที่สมบูรณ์"
"ส่วนที่สองคือการสร้างปัจจัยเชิงปริมาณและการสร้างแบบจำลองทางการเงิน โดยอิงจากแบบจำลองทางการเงินคลาสสิก เช่น แบบจำลองการกำหนดราคาสินทรัพย์ทุน ทฤษฎีการกำหนดราคาแบบอาร์บิทราจ และกลยุทธ์โมเมนตัม-รีเวอร์ซัล รวมกับอัลกอริทึมการเรียนรู้ของเครื่องจักร เพื่อสร้างปัจจัยเชิงปริมาณหลายมิติ ครอบคลุมปัจจัยมูลค่า ปัจจัยการเติบโต ปัจจัยโมเมนตัม และปัจจัยความผันผวน เพื่อสร้างแบบจำลองการซื้อขายเชิงปริมาณเฉพาะ"
"ส่วนที่สามคือการทดสอบย้อนกลับกลยุทธ์และการปรับพารามิเตอร์ นำแบบจำลองที่สร้างขึ้นไปทดสอบย้อนกลับกับข้อมูลตลาด 10 ปี เพื่อตรวจสอบอัตราการชนะ อัตราผลตอบแทน การลดลงสูงสุด อัตราส่วนชาร์ป และตัวชี้วัดหลักอื่นๆ ปรับพารามิเตอร์และปรับปรุงแบบจำลองอย่างต่อเนื่อง ตัดกลยุทธ์ที่ไม่ได้ผล และเพิ่มความเสถียรของแบบจำลองในการใช้งานจริง"