策略生命周期：衰减监测、下线决策与迭代方法论

策略为什么会衰减#

几乎没有策略能永远有效，衰减的来源可以归为四类：

• 超额收益被套利：策略赚的钱本质是市场的某种定价错误，越多资金发现它，错误被纠正得越快；
• 市场结构变化：交易制度、参与者结构、涨跌停与停牌规则、做空工具的变化，都会改变价量数据的生成机制，让基于旧机制的规律失灵；
• 风格与宏观环境切换：有些策略并未失效，只是它所依赖的风格进入了长周期的逆风段——这与永久失效很难在当下区分，是决策最难的地方；
• 从未有效：最残酷的一类——回测中的优势本来就是过拟合的产物，实盘只是把真相还给你。

区分”暂时逆风”与”永久失效”没有确定答案，但有一个有用的追问：**这个策略当初赚钱的逻辑，现在还成立吗？**逻辑仍在、只是短期波动，与逻辑基础已经消失，处理方式完全不同。

偏离监测：实盘 vs 回测预期#

策略上线时，就应该同时上线它的”体检系统”。核心思路是把回测阶段的表现分布作为基准，持续检验实盘表现是否还落在这个分布之内。常用监测指标：

1
import pandas as pd
2
import numpy as np
3

4
def rolling_sharpe(ret: pd.Series, window: int = 120) -> pd.Series:
5
    mu = ret.rolling(window).mean()
6
    sd = ret.rolling(window).std()
7
    return mu / sd * np.sqrt(244)
8

9
live_rs = rolling_sharpe(live_ret)
10
bt_dist = rolling_sharpe(bt_ret).dropna()
11
alert = live_rs.iloc[-1] < bt_dist.quantile(0.10)  # 跌入回测分布尾部则预警

要点是事前设定这些阈值。上线那天就写下：“滚动夏普跌破回测分布的某个分位并持续若干周，进入观察；实盘回撤超过回测最大回撤的某个倍数，触发降仓评估。“事前写下的规则，才能对抗事后的自我说服。

降仓与下线的决策框架#

监测触发预警之后，决策建议走一个分级流程，而不是二选一的”留或删”：

1. 观察级：单一指标预警。不动仓位，但启动归因——亏损来自因子失效、执行恶化，还是风格逆风？
2. 降仓级：多个指标同时预警，或单指标持续恶化。将策略的风险预算下调（例如降半），把决策压力先释放一部分；
3. 下线级：满足事前定义的下线条件——如逻辑基础被证伪（赚钱机制对应的市场条件已消失）、或表现恶化程度与持续时间双双越过红线。下线后策略转入”纸面跟踪”状态，继续模拟运行；
4. 复活评估：纸面跟踪一段时间后若表现回归，且能解释此前恶化的原因，可以走重新入池流程。

这个框架的价值在于把一个情绪化的决定（“我舍不得删它”）拆成一串小决定，每一步都有客观触发条件。同时警惕反方向的错误：过于敏感的下线规则会把正常波动误判为死亡，频繁杀掉本来健康的策略——下线规则本身也要用历史数据检验误杀率。

策略迭代与版本管理#

策略不是改一次就完的，要像管理软件一样管理它的版本：

• 每个策略有唯一标识和版本号，参数、universe、成本假设的任何变更都产生新版本；
• 每个版本保留：完整代码与配置的快照、回测报告、上线日期、变更理由。半年后你一定会忘记当时为什么改；
• 新旧版本并行跟踪：新版本先以纸面或小资金运行，与旧版本同场对比一段时间再切换，防止”越改越差”而不自知；
• 警惕”迭代式过拟合”：每次实盘不顺就回去调参，本质是把样本外数据逐渐变成样本内。健康的迭代应当由逻辑驱动（发现了机制层面的改进），而不是由近期亏损驱动。

收官：构建属于你自己的研究体系#

系列课到这里，把视角从单个策略拉远到十年尺度的研究生涯，几条长期建议：

• 积累资产而不是积累策略：真正复利增长的是你的数据管道、回测框架、风控模块、实验记录这些基础设施。策略会死，基础设施让下一个策略的研发成本越来越低；
• 写研究日志：每一个尝试过的想法，无论成败都记录假设、实验、结论。失败的实验是你最独特的私有数据；
• 保持小仓位的探索预算：把大部分资金放在成熟策略上，留一小份风险预算给新想法的实盘验证，让体系始终有新陈代谢；
• 接受周期：你的方法论会经历顺风和逆风，体系的意义就是让你在逆风期靠规则而不是靠意志力活下来。

市场永远在变，这是坏消息，也是好消息——正因为没有一劳永逸的答案，持续研究的能力本身才成为最深的护城河。

本课小结#

• 策略衰减源自被套利、结构变化、风格逆风或本就过拟合，核心追问是”赚钱逻辑还成立吗”；
• 上线策略时同步上线监测：滚动夏普、回撤超限、成本偏离、信号衰减，阈值必须事前设定；
• 下线决策走”观察—降仓—下线—纸面跟踪—复活评估”的分级流程，且下线规则本身要检验误杀率；
• 用版本管理对待策略迭代，新旧版本并行对比，警惕由亏损驱动的迭代式过拟合;
• 长期看，数据管道、回测框架、研究日志这些基础设施才是复利资产。

动手练习：为你实盘或模拟盘中的一个策略写一份《生命周期协议》：明确它的赚钱逻辑一句话、三个监测指标及各自的观察/降仓/下线触发条件、下线后的纸面跟踪期长度和复活条件，然后把这份协议和策略代码一起纳入版本管理。