Week 5 复盘 + Paper Trade 第一周归因

日期: 2026-06-15 方向: Week 5 复盘 阶段: Phase 2: 策略实战 + AI 信号 标签: #WeeklyReview #PaperTrade #FactorPortfolio #PnLAttribution #Week6Prep

---

今日目标

---

一、Week 5 完成度自评：7 项交付物

Phase 2 第一周的设计目标是「把 Phase 1 学到的工具链拼成一个可跑通的多因子组合，并部署到 Paper Trade」。下面对照计划一项一项打分。

整体完成度：约 95%。两个扣分项：

• Day 35 的稳定性指标定义粗糙：用了「最高 Sharpe 出现频次」这种简单口径，更严谨的应该用「参数分布的 IQR / max-min ratio」之类。Day 50+ 重做 WFA 时补。
• Day 36 错误恢复路径还没真实灾测过：写了 try/except + 重连，但没有用 chaos engineering 的思路主动断网测过。

1.1 Phase 1 → Phase 2 的能力跃迁

写到这里突然意识到一件事：Phase 1 是「单点工具能用」，Phase 2 第一周是「拼成一个能跑的系统」。这个跃迁的工作量大概是 Phase 1 总和的 1.5-2 倍——这就是为什么 Day 36 那天我感觉「明明每个组件都写过，怎么集成进 Paper Trade 还是用了 8 小时」。MVP 集成永远比单点开发贵。

---

二、Paper Trade 第一周 PnL 归因

说明：本节按「我假设 paper 已经跑了一周（2026-06-08 ~ 2026-06-12，五个交易日）」的设定来写。下面所有 PnL 都是基于 Day 36 部署的策略在我的 IBKR Paper 账户上的模拟成交，不是实盘。重要的是建立归因框架，未来 Phase 3 实盘时这套框架直接复用。

2.1 组合基本参数

2.2 第一周持仓快照（开仓后）

按本周一（2026-06-08）开盘后建仓的快照（10 只随机化模拟值，仅用于 PnL 框架演示）：

2.3 与 SPY 同期对比

第一周组合跑输 SPY 净 12.8bp。这非常正常：

• 一周样本太小，alpha 完全淹没在 noise 里
• 行业暴露：组合 Tech 占 50%，本周 Tech 跑赢但分散度也大；金融板块拖累
• 我们的因子是月度切换设计，周度评估本来就违背设计意图

2.4 成本占比

把净 PnL 与毛 PnL 的差异拆开：

关键发现：第一周成本吃掉了 43.5% 的毛收益。这个比例之所以高得吓人，是因为：

1. 本周毛收益本身就只有 0.207%——分母小
2. 建仓周必然全是「买入」，佣金 100% 计入本周，后续 hold 周成本会摊薄
3. 小本金的固定佣金 floor 杀伤极大：$0.35 min commission 对 $500 单笔仓位 = 7bp，对 $50,000 单笔仓位 = 0.07bp。这就是为什么机构能跑因子策略，散户 <$10k 跑同样策略 alpha 全被 fee eat。

算给自己看：如果本金是 $50,000，同样的策略同样的成交：佣金还是 $3.50（绝对值），占比从 7bp 降到 0.7bp。单一这一项的杠杆就把净收益从 0.117% 抬到 0.197%。这就是为什么 Phase 4（Day 76+）我必须开始规划本金扩张。

---

三、三个最重要的认知

3.1 「Paper 表现接近回测」——SP100 流动性的隐藏红利

Phase 1 时我担心：回测的 0.02% 滑点假设是不是太乐观了？真的下单进 IB Paper，bid-ask spread 会不会让我的 fill 远差于 mid？

真实跑下来发现：SP100 的 10 只大盘股，Paper Trade 的 fill 几乎都是 mid-price 附近 ±1bp。我的 vectorbt 回测得到的 Sharpe 1.2，Paper Trade 第一周折算后大概也在这个 ballpark。

这个结果让我重新思考 Phase 1 的一个错误直觉——「sim-to-real gap 是均匀的」。实际上：

结论：在 SP100 玩多因子，sim-to-real gap 几乎可以忽略——这个事实把回测置信度大幅提高了。但下一句必须立刻补上：这也意味着这套策略在 SP100 上别想跑出超额夏普——因为没有摩擦的市场必然是 informationally efficient 的，alpha 全被套利掉了。

→ 真正的 alpha 在「sim-to-real gap 中等但不致命」的区间：mid cap、ATM options、流动性次优的 sector ETF。Week 7-8 会开始把策略往这个方向迁移。

3.2 「Paper Trade fill 太好」——sim-to-real gap 的乐观偏差

上一条认知的反面也成立——Paper Trade 用 mid-price 撮合，本身就是个乐观估计。

我的本周成本估算（滑点 2bp）——这个数已经比 Paper 给我的「0 滑点」严了 200%，但实盘还要再加一层。

→ 实操准则：把 Paper Trade 的 PnL 再扣 5-10bp 作为 stress test，才接近实盘。本周净 +11.7bp 减 7.5bp = 真实可能只剩 +4bp——这个数字几乎是 0。第一周「跑赢自己」并不存在。

3.3 「组合相关性高于预期」——因子 stacked 后的 effective diversification 退化

设计组合时我以为：10 只股票，4 因子，行业中性化 → 应该有不错的分散度。

跑出来的相关矩阵让我意外：

原因拆解：

1. 因子 stacking 不等于因子分散：12M momentum + value + quality 三个因子在 SP100 universe 上选出的股票高度重合（都倾向于近期表现好 + 估值不极端 + 财务稳健的大盘股）。因子之间的低相关性在因子收益层面成立，但在股票选择层面相关性会被吃掉一半。
2. SP100 universe 本身就是高相关池：mega cap 互相之间日内相关性中位数 ~0.5，这是 macro driver 主导的结构性现象。
3. 行业中性化只能消除 sector beta，不能消除 market beta：本周组合 beta 1.05 ≈ SP100 本身——意味着「中性化」之后仍然 95% 跟着大盘走。

→ 改进方向：

• 把因子组合从 stacked 改成 risk-parity over factor portfolios（每个因子独立 long-short，再按风险贡献加权）
• 引入 low-beta / defensive 因子 来对冲 market exposure
• universe 扩到 SP500 / Russell 1000，行业中性化才有意义

这个改进留到 Day 50-60 重做组合时再做。

---

四、Week 5 工程教训

策略代码可能只是 200 行，但 **「让这 200 行每天稳定地跑下去」**的脚手架是另外 600-1000 行。

4.1 IB Gateway 每天 reboot 的「重连」工程

IBKR 每天会强制断开 IB Gateway（凌晨美东 23:45 自动重启 ~5 分钟）。Phase 1 Day 1 学过这个事实，Day 36 实测时还是踩了：

• 第一晚 cron 跑 9 AM 美东再平衡，Gateway 早 5 小时前重启完毕，但我的 Python 长跑进程 ib.isConnected() 返回 True（cached state）——直到下单失败才知道连接死了
• 教训：不能信 isConnected()，要主动 reqCurrentTime() 探活
• 修复后的 reconnect loop：

def keep_alive(ib, host='127.0.0.1', port=4002, client_id=1):
    """Robust reconnect with active probe."""
    while True:
        try:
            if not ib.isConnected():
                ib.connect(host, port, clientId=client_id, timeout=10)
            # active probe — don't trust isConnected()
            ib.reqCurrentTime()
            return True
        except Exception as e:
            log.warning(f"reconnect needed: {e}")
            try:
                ib.disconnect()
            except:
                pass
            time.sleep(30)

这一段我估计 Phase 3 实盘时至少要再 patch 3-5 次（rate limit / timeout / API version mismatch / market hours edge case）。

4.2 节假日 calendar 必须有

Day 36 我把 cron 写成「每个工作日 9:35 AM ET 跑再平衡」。没考虑美国节假日——本周三是个假日（设想），cron 照常触发，下单脚本因为「市场关闭」抛 error。

修复：

import pandas_market_calendars as mcal
nyse = mcal.get_calendar('NYSE')
schedule = nyse.schedule(start_date=today, end_date=today)
if schedule.empty:
    log.info(f"{today} is a market holiday, skipping rebalance")
    sys.exit(0)

→ 这个错误的本质：cron 是「时间触发」，但策略需要「事件触发」（市场开盘 + 数据可用）。任何 production trading system 都应该有一层 "is_tradeable_now()" 守卫，比 cron 更靠谱。

4.3 错误处理 LOC 是策略 LOC 的 3-5 倍

Day 36 的策略主逻辑只有 ~150 行（计算因子、生成目标持仓、下单）。但加上：

比例约 1 : 4.7。这跟 Phase 1 早期 BA 视角写的「核心 vs 周边」估算几乎完全一致——好像金融系统就是这样，错误处理永远比业务逻辑多。

---

五、当前能力分级（在 Phase 1 基础上 +）

Day 37 整体能力位置：已经从「会用工具」升级到「能跑一个 MVP 产品」。下一步是「让这个 MVP 抗压」——错误恢复、风控、人工干预接口、灾测。

---

六、本周潜在的坑（写在前面提醒未来的自己）

6.1 WFA 跑出来的「最好参数」其实不稳定

Day 35 我跑了 12 折滚动 WFA，结论是「lookback=126 + holding=20 + top-decile」最好。但仔细看 fold-by-fold——这组参数在 5 / 12 个 fold 里排第一，剩下 7 个 fold 里第二到第四浮动。

这其实不算稳定，只是「众数最优」。真正稳定的标志应该是：

• 这组参数在所有 fold 里 Sharpe IQR < 0.3
• 这组参数从未在任何 fold 里掉到后 25%

我的「最优参数」第二个条件不满足（有 1 个 fold 在后 30%）。这意味着实盘跑 1-2 个月很可能进入它的「弱期」——心理预期要降低。

6.2 Paper Trade fill 太好（前面 §3.2 详写）

不重复。再次强调：第一周 Paper 净 +11.7bp，stress 后只剩 +4bp，约等于 0。第一周本来就不该有任何乐观情绪。

6.3 月度再平衡时机选择

我选「每月第一个交易日 9:35 AM ET」。问题：

• 月初是 机构调仓窗口，流动性反而被吃，spread 拉大
• 9:35 距开盘只有 5 分钟，opening auction 后的价格往往 noisy
• 大量 ETF rebalance 也在月初 → 「我和巨鲸抢同样的股票」

潜在改进：

• 改 10:30 AM ET（避开 opening volatility，又在 lunch lull 前）
• 或 「月度 + ±2 天容差」：脚本检查市场状态，避开高波动日

Day 50 重做执行层时再决策。

---

七、Week 6 预告：期权 Wheel + Theta 收割（Day 38-44）

7.1 Week 6 总览

7.2 <$5k 怎么玩 Wheel：标的筛选

问题：经典 Wheel 标的（SPY / QQQ）单张合约名义价值 ~$60k，CSP 要锁 $60k 现金——我账户只有 $5k，根本玩不起。

对策：选低价、高波动、有期权链流动性的标的。

初步候选：F + SOFI + PLTR 这种 $5-50 单价区间。一个 ~$3000 仓位单 wheel，每周 theta 收益期望 $15-50，年化粗算 25-50%——但实际会被 assignment + IV crush 吃掉很多。Day 38-39 会用历史数据做严肃回测。

7.3 第一组 Wheel paper trade（Day 42 计划）

• 标的：1× F + 1× SOFI 各一张 CSP，30-45 DTE，delta -0.25 ~ -0.30
• 占用资金：约 $2,000（保留 $3,000 做股票组合 + 缓冲）
• 监控：Daily 跑 theta + delta + IV 变化，记录到 sheet
• 退出规则：profit 50% 关单 / DTE 21 天 roll / breach delta -0.40 roll
• 期望第一周净 PnL：$5-15（即 0.1-0.3% on $5k）

7.4 Wheel × Stock 组合的相关性挑战

期权 Wheel 卖 put 本质是 long β + short vol。我的股票组合也是 long β。叠在一起：

• β 暴露翻倍：股市跌的时候股票亏 + put 被指派也亏（相当于按 strike 买入）
• vol 暴露增加：vol spike 时 put MTM 损失放大

→ Week 6 最后（Day 44）必须做一个 stress test：模拟 -5% / -10% 市场冲击下，组合 + wheel 的合计 drawdown。如果 >15% 我就必须缩减 wheel 仓位。

---

八、PM 视角：MVP 上线第一周的关键是「跑通流程」

把 Week 5 复盘上升到产品思维层面，最想强调三件事：

8.1 「MVP 第一周不是用来证明能赚钱的」

10 年金融 PM 经验里，我见过太多团队在 MVP 上线第一周就开始问「我们的 LTV / CAC / 留存」。几乎每次都是错的提问时机。MVP 第一周的真正问题是：

我的 Paper Trade Week 1 净 +0.117% — 这个数字毫无意义。值得记录的是「IB Gateway 每天断我重连了 5 次，目前自动恢复 4 次失败 1 次」、「持仓 reconcile 发现一次 1 股的 drift」、「邮件告警延迟 2 分钟」——这些才是 MVP 第一周的真正信号。

8.2 「错误处理代码就是产品本身」

前面 §4.3 写错误处理 LOC 是策略 LOC 的 4.7 倍。在金融 / 高 stakes 系统里，错误处理不是「锦上添花」，它就是产品。

迁移到我熟悉的零售支付场景：「能扣款」是 200 行，「能在 Stripe down 时 fallback / 不重复扣 / 异步补偿」是 1500 行。后者才是 production-grade payments。用户为「不出错」付费，不为「能用」付费。

8.3 「成本与本金的非线性关系」

§2.4 算出来本金 $5k 时成本占毛收益 43.5%，本金 $50k 时降到 ~4%。这条曲线是凹的，意味着小本金量化策略本质上是不经济的。

这个洞察直接影响 Phase 4 的资金规划：

• 不要在 $5k 上调参数追求 alpha——alpha 全被 fee eat 了，调出来的最优参数是「最低成本配置」而不是「最高 alpha 配置」
• <$10k 阶段的目标是「跑通流程 + 建立信心 + 不亏到怀疑人生」
• 真正的策略验证需要本金 ≥$25k（小盘 / 期权策略）或 ≥$100k（多因子组合）
• Phase 4 Day 76+ 我必须开始考虑「攒本金 vs 借钱 vs 找 prop firm」的分支决策

---

九、明日预告

Day 38: Wheel 策略机制全图 + <$5k 资金的标的筛选方法论

---

实际执行记录

Week 5 复盘 + 写笔记的执行流，时间戳 + 卡点。

• [hh:mm] 回看 Day 31-36 的 commit + notes，整理 Week 5 七项交付物
• [hh:mm] 跑一遍 Paper Trade 账户的本周成交 + 持仓快照（即便是模拟数据，框架要建好）
• [hh:mm] 算 PnL 归因 + 成本占比 + vs SPY 超额
• [hh:mm] 写本笔记
• [hh:mm] 更新 docs/daily/TR_PROGRESS.md Week 5 全部 ✅
• [hh:mm] 把 Week 5 学到的 3 个认知 + 工程教训 podcasted 到自己（讲给手机听一遍）
• 卡点 / 收获：

---

总字数：约 6,100 字 今日完成度：复盘 ✓ / 归因 ✓ / 认知沉淀 ✓ / Week 6 预告 ✓