实盘策略的监控与告警

策略上线了。然后呢？然后你就得盯着它。大部分团队做得很烂——每天看一眼 PnL，出现回撤就慌。正确的做法是持续监控，把告警阈值调到能在衰减杀掉你之前把它抓住。

实盘交易到第二周左右会有一个时刻：新鲜感消退，运营现实浮现。alpha 要么是真的，要么不是。成交大部分都回来了。这周 PnL 是正的。但总有一层挥之不去的焦虑：这玩意儿真的在工作吗？它是在按我以为的方式工作吗？它要是停了，我怎么能知道？

这种焦虑就是监控存在的意义。不是 PnL 监控——那个只在钱赚完或亏完之后告诉你答案。是结构性监控：盯着策略的行为，告诉你底层过程还在产生 alpha，还是 alpha 已经在衰减、而 PnL 只是那座更慢的冰山露出水面的尖。

大部分量化团队把监控当季度评审，有的当成每日 PnL check，少数人把它当成它实际上是的那份全职工作。这篇文章写给第三种人：想在第 2 周而不是第 12 周抓到衰减的人，想在券商打电话来之前就知道成交率在掉的人，想在实盘 Sharpe 翻身之前就从数据里看到因子半衰期在压缩的人。

四样东西会各自坏掉

一个实盘策略有四样东西可以独立出问题，失败模式不同，响应也不同，所以要分开建监控。下面按”从最直观到最容易被跳过”的顺序讲。

表现：赚钱的速度对不对

最基本的问题是策略赚钱的速度是不是跟预期一致。但你不能光盯总 PnL，因为 PnL 是路径依赖的：一个月的坏成交可以盖住一个还在工作的策略，一个月的好成交也可以盖住一个正在死的策略。要盯的是分布级的量——实盘 Sharpe、实盘信息系数（IC）、实盘胜率——每一个都跟回测基线对比。它们回答的问题是底层信号还有没有预测力，而不是这个月运气如何。如果回测预测 Sharpe 1.8，三个月下来实盘 1.5，在噪声范围内；如果是 0.8，那就是结构性的事。

实现上，在滚动窗口上算这些指标（60 个交易日是标准，慢策略有时用 90 天），跟回测分布对比。实盘 60 日 Sharpe 落到回测 Sharpe 分布的 25 分位数以下，该警觉；落到 5 分位数以下，该拉警报。

风险：现在离每条限额多远

实盘风险监控跟 pre-trade 风控不是一回事。pre-trade 风控拦的是”新单不许突破限额”；风险监控答的是”我当前在每条限额上的位置”。要实时盯的量围绕几类敞口展开：距历史高点的回撤（百分比和绝对金额都要）；总杠杆（多空总敞口除以 NAV）和净杠杆（多头减空头除以 NAV）；仓位集中度——最大单一持仓和前 5 大持仓占 NAV 的比例；行业敞口，集中度超限要标记；对 value、momentum、quality、size、volatility 这些公共因子的敞口；还有对市场的滚动 beta——多空策略和市场中性策略尤其要看这一条，因为它漂移的时候你的”中性”就名存实亡了。

风险监控仪表盘不是一张图，是一张表：每条限额一个红/黄/绿状态，外加每个状态最后一次更新的时间戳。缺时间戳的绿灯不算绿灯——它可能只是三天没刷新。

运维：alpha 有没有机会兑现

你的策略可以 alpha 完美，运营层崩了照样亏钱。这一维的指标跟 alpha 本身没关系，跟 alpha 能不能发挥出来全有关系。成交率——实际成交订单占提交订单的比例——低于 85% 是黄色，低于 70% 是红色。数据新鲜度：最新行情数据点多老了？日终策略里比上一收盘还旧就不行，日内策略里超过 1 分钟就要警惕。券商 API 延迟看订单提交的中位和 p99 round-trip 时间，延迟爬升经常先于完全宕机出现。订单拒单率飙起来，说明配置变了或者账户加了新限制。最后是对账 diff：内部仓位状态和券商状态不一致的频率——任何非零 diff 是黄色，持续的 diff 是红色。

衰减：市场是不是开始把它搞明白了

这是大部分团队跳过的维度，也是对策略长期存活最要命的维度。衰减监控回答的问题是：底层因子还有预测力，还是市场开始把它套利掉了？

核心量是不同窗口下的滚动 IC。把当前 60 日 IC 跟历史 IC 分布对比：落在历史 25 分位数以下，因子可能进入衰减期；落在 10 分位数以下，因子大概率在死。注意这和上面表现监控用的是同一把尺子，但问的问题不同——表现监控问”这个策略最近怎么样”，衰减监控问”这个因子的预测力趋势朝哪儿走”。

还有一个更微妙的衰减信号：因子半衰期。可以从滚动 IC 自相关或者滚动 Sharpe 的衰减速度估出来——这是应用层的推断，不是 AFML 里现成的公式；López de Prado 在 Advances in Financial Machine Learning（Wiley, 2018, ISBN 978-1-119-48208-6）第 17 章讲结构性断裂时覆盖了相关工具。简短版：每个因子都有自己的半衰期，有的几个月，有的几年。知道你手里这个属于哪一类，才能判断一段 3 个月的回撤到底是噪声还是信号。

从指标到动作：告警分级

四个维度产出一堆数字，数字本身不会救你——把数字变成动作的机制才会。告警不是平等的，要建分级。

黄色（警告）是”有点不对劲，请看一下”：比如实盘 Sharpe 连续 2 周低于预期的 70%。邮件加仪表盘，不做自动动作。橙色（关注）是”我们该做点什么了”：实盘 Sharpe 连续 1 个月低于 50%。邮件、Slack、排个会；策略还在跑，但新加资金暂停。红色（行动）是”现在就介入”：回撤超过 15%，或 Sharpe 连续 1 个月低于 30%。自动减仓、停止新建仓、上报高级风控官，走 PagerDuty 级别的通知。

分级叫什么名字随便你，纪律才是关键：定义每级触发什么、每级怎么响应，并且让红色档的响应是自动的——这样人类的响应时间不会成为你 PnL 的决定变量。一条有用的判据：如果你的监控系统周五没人盯就不行，那你有的不是监控，是看孩子。

衰减仪表盘

对一个活跃的量化策略，最有用的监控视图是衰减仪表盘——把所有能告诉你 alpha 还活着没有的东西聚在一张屏上。滚动 60 日 IC 的图，横向画上历史 25、50、75 分位线；滚动 Sharpe 的图，同样的分位参考线；容量利用率——用了理论容量的多少，到 80% 时增长就要开始伤表现（下面细说）；实际每笔滑点对比回测里的滑点假设——如果实际是预期的 2 倍，你的净 Sharpe 是你以为的一半；再加一条回撤曲线，在 5%、10%、20% 阈值处做标记。

这张仪表盘应该是 live 的，开盘期间至少每 15 分钟刷一次，并且能从任何设备看——包括手机，因为你真正需要它的时刻，多半正好不在桌前。底层的查询要设计得足够便宜：仪表盘开盘期间每隔几秒就会打一次这些接口，告警系统每分钟打一次。滚动窗口的数学、分位数查询、分级评估、通知路由，都应该封装在平台层，而不是散在每个策略的脚本里各写一份。

一个诚实的坑

回撤会发生，单月超过 20% 的回撤也会发生。问题不是你有没有回撤，是你的监控能不能快到让你来得及行动。

有过这样的实例：策略 3 周亏掉 25% NAV，只因为团队一周才看一次 PnL，没注意到滚动 Sharpe 在第 6 天就已经跨进红色区。等他们发现的时候，恢复路径比第 7 天就拔线要长得多、难得多。

反向的失败模式一样要命：团队看到 6% 回撤就慌了，停了策略，然后看着下个月 alpha 又回来了，而策略在现金里躺着。所以监控系统必须能区分”这是回撤，策略没事”和”这是衰减，策略在死”。简单的 PnL 阈值分不出来；滚动 IC、滚动 Sharpe、回撤、容量这套组合能分出来。

纪律是：在你冷静、策略还在赚钱的时候，提前把告警分级定义好——什么触发暂停、什么触发停止、什么触发调查，写下来。然后回撤真来的时候，你按流程走，而不是当场临时编。

运维节奏

分级和仪表盘管的是”出事时”，checklist 管的是”平时”。这是实践里跑得通的节奏，属于真正需要逐条核对的清单，所以保留清单形态。

每日（每个交易日，15 分钟）：

• 查成交率 vs 7 日均值
• 查每条活跃 feed 的数据新鲜度
• 查当前回撤 vs 限额
• 浏览前 5 大持仓,确认跟策略意图一致
• 回顾前一天的告警

每周（周一早上，1 小时）：

• 回顾滚动 60 日 Sharpe vs 预期
• 回顾滚动 60 日 IC vs 预期
• 查容量利用率 vs 计划
• 回顾滑点 vs 预期滑点
• 确认所有风控限额还合适(有时候策略漂移,原来 2 倍安全余量的限额变成了 1.1 倍)

每月（第一个周一，半天）：

• 用滚动 IC 自相关重估因子半衰期
• 对比实际因子半衰期跟预期半衰期
• 如果实际半衰期在缩短,讨论是否要收紧重训节奏
• 复查所有持仓有没有过期订单
• 跑一个迷你验证:把最后一个月拿出模型,重放,看实盘表现是不是对得上样本外回测

每季（每 3 个月，2 天）：

• 用实盘数据重跑完整验证套件
• 检查因子有没有结构性断裂(López de Prado 的 CUSUM 检验,Advances in Financial Machine Learning 第 17 章)
• 根据实际波动率重新校准风控限额
• 容量压力测试:策略在 1.5 倍当前资金下表现如何?

这张 checklist 不是愿景，是底线。Chan 的 Quantitative Trading（Wiley, 2009, ISBN 978-0-470-28488-9）第 6 章讨论的资金与风险管理 routine 跟上面每周每月的节奏有重叠。他那里的关键洞察是：routine 防的是”我本想检查但有事打断”这种失败模式——它在 18 个月的时间窗里悄悄杀死策略。

容量：最慢的那种衰减

checklist 里反复出现的容量值得单独说，因为它是唯一一种”你越成功它来得越快”的失败。容量是策略在不衰减 alpha 的前提下扩规模的能力。大部分策略有容量天花板：过了天花板，你自己的单子开始把价格往不利方向推，或者你成交在比回测假设更差的价格上。

容量公式最简单的形式——成交量按日度、换手按年化——是：

这里 $\tau_{annual}$ 是年化交易名义额占 AUM 的比例；换手率如果已经按每日表达，就把 252 拿掉。这是一个把组合按”平均一只票”聚合的简化口径。代入数字：平均每只票日成交量 5000 万、你愿意占成交量的 5%、$\tau_{annual}=0.20$，得到

这是市场冲击开始伤到你之前能投的名义规模。超过它，滑点上升，净 Sharpe 被压缩。所以要盯的就是几条比值：当前 AUM 除以估计容量（利用率）；你的成交量占每只票总市场成交量的参与率；按参与率分段的实际滑点对预期滑点；以及不同参与率下的成交率——如果你占到成交量的 10% 还想保持 95% 的成交率，多半保持不了，那说明你的单子对这个规模来说太激进了。利用率跨过 70%，开始规划增长；跨过 90%，停止增长，评估扩容手段——更多票、更低换手、更长持有期。

告警要到得了人

到不了人的告警就是浪费的告警，所以路由栈本身也要设计。信息级的东西——常规指标更新、批处理完成、正常状态变迁——只进仪表盘和日志，不打扰人。黄色警告走邮件加仪表盘，比如实盘 Sharpe 低于 70%、成交率低于 85%、数据新鲜度警告，响应预期是当个交易日之内。橙色关注加上 Slack：Sharpe 连续 1 个月低于 50%、回撤超过 10%、对账出 diff，响应预期 1 小时之内。红色行动是 PagerDuty 级通知加自动动作（减仓、停牌）：回撤超过 15%、kill switch 触发、券商 API 挂超过 5 分钟——响应预期分钟级，而且自动动作在人看到之前就已经执行了。

原则只有一条：每个告警都要有明确的收件人、明确的响应时间、明确的响应动作。三样里有一样填不出来，这个告警就不该存在。要躲开的失败模式是告警疲劳：一天发 50 封邮件，没人会读任何一封。触发条件要够狠——能当仪表盘更新的就别做成告警。

告警响了之后

告警响了，然后呢？有纪律的响应是一条固定流程：先显式确认——系统应该要求确认，否则你不知道有没有人看到；在响应时间窗内调查——指标是多少，是真的还是数据 artifact，是持久的还是瞬时的；然后判断落在哪一档——容忍范围内回到正常，黄色加密监控，橙色降敞口，红色停止并调查；接着按分级协议行动，把决策和动作记下来；最后，橙色或红色告警要在 48 小时内做 post-mortem——什么原因、我们做了什么、该改什么。

错误的响应是告警响了你忽略，一周后回撤翻倍才慌。正确的响应是按流程走，在情况恶化之前动手。

监控不是副业，它是决定你的策略能不能活到第 3 年的那份全职工作。四个维度建起来，分级提前定好，checklist 按节奏跑，衰减仪表盘当主视图，告警接进真正能到达人的路由。PnL 是结果；监控是让结果可持续的那个动作。

参考文献

• López de Prado, M. (2018). Advances in Financial Machine Learning. Wiley. Chapter 17 (Structural Breaks). ISBN: 978-1-119-48208-6.
• Chan, E. (2009). Quantitative Trading: How to Build Your Own Algorithmic Trading Business. Wiley. Chapter 6 (Money and Risk Management). ISBN: 978-0-470-28488-9.
• Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press. ISBN: 978-0-19-514470-3.