idea -> experiment -> article -> submit -> rebuttal -> Accept / Reject -> Camera-ready

2026 发第一篇论文

Quant financial + ML

路线 A：非平稳序列与漂移适应

关键词：

• distribution shift
• concept drift
• online adaptation
• model selection under drift
• robust forecasting / robust ranking

这是最稳的路线之一，量化映射很自然。
也不容易沦为纯 benchmark 工程。

路线 B：弱信号提取 / 表示学习

关键词：

• self-supervised learning
• denoising
• representation learning
• signal extraction
• ranking instead of point forecast

这条线的好处是：

• 通用性强
• 可迁移到文本、事件流、panel data
• 比“明天涨跌预测”高级，也更稳

路线 C：多模态金融研究

关键词：

• text + market data
• earnings call / news / filings
• event extraction
• multimodal representation

这条线最近在会议和招聘上都更有空间。ICAIF 2026 也明确欢迎 multimodal / foundation-model / decision-making 类工作。

路线 D：市场微观结构 / 高频事件流

关键词：

• order book
• point process
• event-time modeling
• execution-aware modeling
• volatility / order flow

这条线 quant 味最足，但门槛更高。
如果你现在还在打基础，别把它当第一项目，可以当第二阶段升级路线。