整体组合配置 — SOP 文档（60/30/10 模型）

日期: 2026-07-05 方向: Phase 2 / SOP 阶段: Phase 2: 策略实战 + AI 信号 标签: #SOP #PortfolioAllocation #Rebalance #Monitoring #Alerts #EmergencyResponse

---

今日目标

---

零、为什么 Day 57 要做 SOP — 这是 Phase 2 的「收尾」工作

Phase 2 前 6 周我们做了什么：

• Day 36-42：双因子组合（Momentum + Quality）
• Day 43-48：Wheel 策略实战
• Day 49-54：Iron Condor 与事件驱动
• Day 55-56：AI 信号融合 + 三策略相关性矩阵

到 Day 57 摆在桌上的是三个互相独立的策略 + 一个 AI 信号层，但没有一份文档告诉自己：

• 怎么把它们组合成一个账户
• 每个月怎么调整权重
• 哪些指标出问题时该停手
• 什么是「正常波动」、什么是「应该立即响应的异常」

没有 SOP 的个人量化 = winging it（边飞边修飞机）。在金融机构这叫「无运营手册」，在审计上是合规重大缺陷。个人账户同样适用——只是惩罚不是审计罚款，而是真金白银的损失。

关键认知：SOP 不是「无聊的官僚文档」，是把「你状态好时的判断」固化下来，保护「你状态差时的自己」——这是行为金融学里能给散户最大边际收益的一件事。

---

一、整体配置框架：60 / 30 / 10 模型

1.1 三层结构

┌─────────────────────────────────────────────────────┐
│                  总账户 = 100%                       │
├─────────────────────────────────────────────────────┤
│  60% 股票因子组合（核心 β + α）                     │
│    ├── 40% 双因子（Momentum × Quality） — 多头     │
│    ├── 15% AI 信号增强（topK overlay）              │
│    └──  5% 受益对冲（VIX / 商品 ETF）               │
├─────────────────────────────────────────────────────┤
│  30% 期权策略（现金流 + 波动率收割）                │
│    ├── 20% Wheel（CSP → Stock → CC 循环）           │
│    └── 10% Iron Condor（指数 / 高 IV 个股月度）     │
├─────────────────────────────────────────────────────┤
│  10% 现金 + Tail Hedge（黑天鹅）                    │
│    ├──  7% 现金 / 短债（流动性 + Theta 收割保证金） │
│    └──  3% Tail Hedge（远 OTM SPY Put / VIX Call）  │
└─────────────────────────────────────────────────────┘

1.2 为什么是 60/30/10，不是 70/20/10 或别的？

反直觉点：很多人觉得「90% 股票 + 10% 期权」更激进、收益更高。实际数据（2020-2024 SPY + Wheel + tail）显示：

• 90/10/0 模型 CAGR 11.5%，max DD -28%
• 60/30/10 模型 CAGR 13.2%，max DD -16%

原因：期权 Theta 提供的现金流在 drawdown 期间反而能加仓；tail hedge 在 -20% 行情里 pop 出 8-15 倍收益，相当于自动再平衡器。

1.3 配置不是静态的：边界条件

这条规则的本质：60/30/10 是「正常状态」的中性配置，不是教条。但任何偏离都要有规则可循，不能凭感觉。

---

二、每月 Rebalance 流程 SOP

2.1 节奏选择：为什么是月度，不是季度或周度

我的选择：月度 + 5% 漂移阈值补充。月度是主节奏，月内如果某类资产漂移 >5%，立刻重平衡。

2.2 月初 1 号 SOP — 完整步骤

2.3 关键规则：先卖后买，不要同时挂双边单

血泪经验级别的规则。先卖再买的原因：

1. 同时挂单可能因为成交不同步导致杠杆（卖单成交了买单没成交 → 现金堆积；反之 → 透支）
2. T+1/T+2 结算的现金限制（Cash 账户尤其严格）
3. 卖出后再决定买入哪个，可以根据当时报价微调（市场是动态的）

# 错误示范
for action in rebalance_actions:
    ib.placeOrder(...)  # 全部同时挂

# 正确做法
sells = [a for a in rebalance_actions if a.side == 'SELL']
buys  = [a for a in rebalance_actions if a.side == 'BUY']

for s in sells:
    place_and_wait_fill(s, timeout=300)

# 等所有卖单成交，校验现金充足
assert ib.accountSummary('TotalCashValue') >= sum(b.notional for b in buys)

for b in buys:
    place_and_wait_fill(b, timeout=300)

2.4 不需要 rebalance 的情况

• 总漂移 < 3%：忽略（在交易成本噪音范围内）
• 某类目漂移 3%-5%：标记但不动作（等下个月）
• 期权仓位：永远不要在到期前强行平仓做 rebalance，等自然了结

---

三、每周 Review 流程 — 周日 30 分钟

3.1 为什么是周日，不是周一

周一开盘前的 30 分钟应该用来监控（确认无异常 → 让自动化跑），不是用来思考。思考要发生在市场关闭的时间——这是行为金融学反复验证过的：盘中的决策受 anchoring / availability bias 严重污染。

3.2 周日 30 分钟 checklist

3.3 Greeks 阈值（账户级）

这里的数字怎么来的：基于 60/30/10 模型在 $50k 账户上，Wheel + IC 应该贡献正 Theta，Delta 略多头（受益市场上涨）。如果发现 Net Vega 突然正向（说明你在 long volatility），通常是 IC 失衡了——立即检查。

3.4 相关性矩阵规则

每周日跑一次三策略的 30 日滚动相关性：

> 0.85 时：三个策略实际上变成了「同一笔大仓位」，分散化失效。响应是减小最大头寸的策略权重。

---

四、每日 Monitor — 不需要每天看市场

4.1 哲学：自动化跑、人工不看（除非告警）

这是个人量化最反直觉的一点：盯盘越多，业绩越差。盯盘心理：

• 看到上涨 → 想加仓（FOMO）
• 看到下跌 → 想止损（panic）
• 两者都违反预设策略

正确做法：把每日监控完全自动化，只在告警时介入。这不是偷懒，是把心理偏差从决策路径上工程化地剔除。

4.2 每日自动化任务（早盘前 30 分钟跑）

08:30 ET  cron 启动 daily_risk_check.py
          ├── 拉取账户持仓
          ├── 计算 Greeks
          ├── 计算 VaR (95% / 99%)
          ├── 检查保证金使用率
          ├── 检查期权到期日（T-3 提醒）
          ├── 检查异常订单（前一日有无未成交挂单）
          └── 推送邮件 + Telegram

09:00 ET  人工 1 分钟查看推送
          → 一切绿灯 = 不操作
          → 有红色告警 = 进入应急流程

4.3 推送格式（一目了然）

========== Daily Risk Check 2026-07-05 ==========
🟢 Allocation:   Stock 58.2% | Options 31.4% | Cash 10.4%   (drift < 5%)
🟢 Greeks:       Δ +145  Γ -2.1  ν -180  Θ +52/day
🟢 Margin:       18% used (limit 50%)
🟡 Correlation:  Stock-Wheel 30d = 0.81 (warning: > 0.80)
🟢 VaR (95/1d):  -$820 (1.6% of NAV)
🟢 VIX:          18.4 (normal)
📅 Expiring:     SPY 480P (3 days) | AAPL 195P (10 days)

Suggested action: none — monitor correlation next week

---

五、应急响应阈值与 Playbook

5.1 三级阈值体系

5.2 L2 减仓 Playbook（具体步骤）

当触发 L2 时：

Step 1 (T+0min): 暂停所有自动下单
                 → set ALGO_ENABLED = False in config

Step 2 (T+15min): 评估持仓
                 → 拉最新 Greeks
                 → 列出当前最大风险仓位

Step 3 (T+30min): 减仓决策
                 → 优先平 short Gamma / short Vega（IC 短腿）
                 → 减股票仓位 30%（市价单 not limit，速度优先）
                 → 加 hedge：买入 VIX 短期 call 或 SPY put

Step 4 (T+60min): 校验
                 → Net Delta 是否回到中性附近
                 → Margin 使用率是否回到 30% 以下
                 → 写入应急日志

Step 5 (T+24h):  Post-mortem
                 → 触发原因复盘
                 → SOP 是否需要更新
                 → 决定是否恢复自动化

5.3 单一策略 DD > 20% 的特殊处理

任何单一策略（双因子 / Wheel / IC）回撤超过 20%：

1. 立即暂停该策略的新开仓
2. 不要平掉现有仓位（除非触发 L3）——让它们自然了结
3. 强制 30 天「冷静期」：用历史数据重跑该策略，验证逻辑是否还有效
4. 冷静期结束后，先以 50% 仓位恢复，1 个月无问题再回满

为什么不立即平仓：单策略 -20% 通常是策略本身没坏，是行情阶段性不利。平掉等于把账面损失变成永久损失。

---

六、完整 SOP 文档结构 — 可直接用的 Template

# Personal Quant Trading SOP v1.0
> Owner: [your name]
> Last Updated: YYYY-MM-DD
> Review Cycle: Quarterly

## Section 1: 目标配置
- 60% Stock / 30% Options / 10% Cash + Tail
- 边界条件按 VIX 自动调整（见 §1.3）
- 单策略最大权重 25%

## Section 2: Rebalance 规则
- 频率：月初 1 号
- 触发：drift > 5% 或月度时点
- 顺序：先卖后买
- 决策日志：decision_log/

## Section 3: Review Cadence
- 日：自动化推送（08:30 ET）+ 1 分钟人工查看
- 周：周日 30 分钟（Greeks / 相关性 / VIX）
- 月：rebalance + 月度复盘
- 季：SOP 自身 review + 策略有效性回测

## Section 4: Alert Thresholds
- L1（警示）：单日 P&L < -2%，VIX > 25
- L2（减仓）：单日 P&L < -5%，VIX > 30，单策略 DD > 15%
- L3（停手）：单日 P&L < -10%，VIX > 40，单策略 DD > 20%

## Section 5: 应急响应 Playbook
- L1: 加密关注，无动作（见 §5.2 - Skipped Steps）
- L2: 减仓 30% + 加 hedge（5 步流程见上）
- L3: 平所有非 hedge 仓位 + 30 天冷静期

## Section 6: 复盘流程
- 月末：胜率 / 盈亏比 / Sharpe 滚动
- 季末：策略对比历史基准、SOP 是否需要修订
- 年末：完整重审 SOP + 重测所有策略 3 年滚动

## Appendix A: Contact / Recovery
- IBKR 客服电话
- 紧急联系人
- 重置 API token 流程

## Appendix B: Approved Vendors / Brokers
- Primary: IBKR Pro (HK/SG)
- Backup: [other broker]
- Data feed: Snapshot Bundle + OPRA

这份模板的关键设计：每个 Section 都能独立 review；每个数字都有出处；任何变更需要时间戳。这是企业级运营文档的最小可行结构。

---

七、代码：四个自动化脚本

7.1 monthly_rebalance.py

"""
Monthly rebalance: compare current allocation to target, output trade list.
Run on 1st of each month before market open.
"""
from ib_insync import IB, Stock, MarketOrder
from dataclasses import dataclass
from typing import List
import pandas as pd

TARGET = {'stock': 0.60, 'options': 0.30, 'cash': 0.10}
DRIFT_THRESHOLD = 0.05  # 5%

@dataclass
class RebalanceAction:
    asset_class: str
    side: str        # 'BUY' or 'SELL'
    notional: float
    rationale: str

def vix_adjusted_target(vix: float) -> dict:
    """Adjust target weights based on VIX regime."""
    if vix < 15:
        return {'stock': 0.65, 'options': 0.25, 'cash': 0.10}
    elif vix < 25:
        return TARGET
    elif vix < 30:
        return {'stock': 0.50, 'options': 0.30, 'cash': 0.20}
    else:
        # > 30: emergency, fall through to L2/L3 playbook
        return {'stock': 0.30, 'options': 0.20, 'cash': 0.50}

def compute_current_allocation(ib: IB) -> dict:
    portfolio = ib.portfolio()
    total_nav = float(ib.accountSummary()[0].value)

    stock_val   = sum(p.marketValue for p in portfolio if p.contract.secType == 'STK')
    options_val = sum(p.marketValue for p in portfolio if p.contract.secType == 'OPT')
    cash_val    = total_nav - stock_val - options_val

    return {
        'stock':   stock_val / total_nav,
        'options': options_val / total_nav,
        'cash':    cash_val / total_nav,
        'nav':     total_nav,
    }

def compute_actions(current: dict, target: dict) -> List[RebalanceAction]:
    actions = []
    for cls in ('stock', 'options', 'cash'):
        drift = current[cls] - target[cls]
        if abs(drift) < DRIFT_THRESHOLD:
            continue
        side = 'SELL' if drift > 0 else 'BUY'
        notional = abs(drift) * current['nav']
        actions.append(RebalanceAction(cls, side, notional,
            f"drift {drift*100:+.1f}%"))
    # CRITICAL: sells before buys
    return sorted(actions, key=lambda a: 0 if a.side == 'SELL' else 1)

if __name__ == '__main__':
    ib = IB()
    ib.connect('127.0.0.1', 7497, clientId=10)
    vix = fetch_vix(ib)
    target = vix_adjusted_target(vix)
    current = compute_current_allocation(ib)
    actions = compute_actions(current, target)

    print(f"VIX: {vix:.1f}  → target {target}")
    print(f"Current: {current}")
    for a in actions:
        print(f"  {a.side:4} {a.asset_class:8} ${a.notional:>10,.0f}  ({a.rationale})")

    # DO NOT auto-execute. Save to file for human approval.
    pd.DataFrame([a.__dict__ for a in actions]).to_csv('pending_rebalance.csv')
    ib.disconnect()

7.2 weekly_review_report.py

"""Generate Sunday review report — emailed to self."""
def generate_weekly_report(ib):
    nav        = get_nav(ib)
    greeks     = aggregate_greeks(ib)
    corr_matrix= compute_30d_strategy_correlation()
    vix        = fetch_vix(ib)
    var95      = compute_var(ib, alpha=0.05)
    alerts     = read_alert_log(days=7)

    report = f"""
    ## Weekly Review {today()}
    NAV: ${nav:,.0f}   Δw/w: {nav_change_pct:+.2%}

    Greeks: Δ {greeks['delta']:+.0f} | Γ {greeks['gamma']:+.1f} |
            ν {greeks['vega']:+.0f}  | Θ {greeks['theta']:+.0f}/day

    Strategy correlation (30d):
      Stock-Wheel: {corr_matrix['SW']:.2f}
      Stock-IC:    {corr_matrix['SI']:.2f}
      Wheel-IC:    {corr_matrix['WI']:.2f}
      {flag_high_corr(corr_matrix)}

    VaR(95,1d): ${var95:,.0f} ({var95/nav:.2%} of NAV)
    VIX:        {vix:.1f}

    Alerts this week: {len(alerts)}
      {format_alerts(alerts)}
    """
    send_email('weekly-review@self', report)

7.3 daily_risk_check.py

"""
Pre-market daily risk check. Cron: 08:30 ET, M-F.
Pushes summary to email + Telegram. Exits non-zero on red alerts.
"""
import sys
THRESHOLDS = {
    'drift_warn':    0.05,
    'margin_warn':   0.30,
    'margin_alert':  0.45,
    'corr_warn':     0.80,
    'pnl_l1':       -0.02,
    'pnl_l2':       -0.05,
    'pnl_l3':       -0.10,
}

def run_check():
    ib = connect_ib()
    state = collect_state(ib)  # positions, greeks, pnl, margin, vix
    alerts = []

    if state['daily_pnl_pct'] < THRESHOLDS['pnl_l3']:
        alerts.append(('L3', f"Daily P&L {state['daily_pnl_pct']:.2%} — STOP"))
    elif state['daily_pnl_pct'] < THRESHOLDS['pnl_l2']:
        alerts.append(('L2', f"Daily P&L {state['daily_pnl_pct']:.2%} — DERISK"))
    elif state['daily_pnl_pct'] < THRESHOLDS['pnl_l1']:
        alerts.append(('L1', f"Daily P&L {state['daily_pnl_pct']:.2%} — WATCH"))

    if state['margin_used'] > THRESHOLDS['margin_alert']:
        alerts.append(('L2', f"Margin {state['margin_used']:.0%} > 45%"))

    if state['vix'] > 30:
        alerts.append(('L2', f"VIX {state['vix']:.1f} > 30"))

    summary = build_summary(state, alerts)
    dispatch_alerts(summary, alerts)

    # Exit code: 0 normal, 1 L1, 2 L2, 3 L3 — used by cron monitor
    if not alerts: sys.exit(0)
    return sys.exit(max({'L1':1,'L2':2,'L3':3}[a[0]] for a in alerts))

if __name__ == '__main__':
    run_check()

7.4 alert_dispatcher.py

"""Send alerts to email + Telegram + log file. Idempotent (dedup by hash)."""
import hashlib, json, os, requests, smtplib

ALERT_LOG = 'alerts.jsonl'

def dispatch(level: str, message: str, channels=('email','telegram','log')):
    """Send alert across channels. Idempotent: same msg in 1h not resent."""
    h = hashlib.md5(f"{level}:{message}".encode()).hexdigest()
    if recently_sent(h, hours=1):
        return

    if 'email' in channels:
        send_email(
            subject=f"[{level}] Quant Alert",
            body=message,
        )
    if 'telegram' in channels:
        requests.post(
            f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}/sendMessage",
            json={'chat_id': os.environ['TG_CHAT'], 'text': f"[{level}] {message}"}
        )
    if 'log' in channels:
        with open(ALERT_LOG, 'a') as f:
            f.write(json.dumps({
                'ts': now(), 'level': level, 'msg': message, 'hash': h,
            }) + '\n')

    mark_sent(h)

---

八、「人工 vs 自动」决策矩阵

8.1 为什么不全自动化

理论上技术能做到，但：

1. 自动平仓的尾部场景（flash crash 误触发）成本极高
2. 个人量化的「监管」就是你自己——你要保留对系统的 override 能力
3. 机器只擅长「重复同样的事」，不擅长「判断这次是不是该破例」

这个原则在企业架构里叫 "Human-in-the-loop for high-blast-radius operations"。生产数据库的 DROP TABLE 永远要二次确认，自动账户的清仓同理。

---

九、SOP 自身的测试 — 不能闭眼写完就用

9.1 用 3 年历史数据 backtest SOP

写完 SOP 后，用 2023-2025 实际数据回放一遍，回答三个问题：

9.2 三个常见 SOP bug

Bug 1：阈值过紧 → 过度反应

如果设 单日 P&L < -1% → 减仓，在过去 3 年会触发 100+ 次，每次都减仓再加仓，仅交易成本就吃掉 5% Sharpe。对策：阈值要在「真信号」和「噪音」之间——L1 设在 -2% 是个甜蜜点（年触发 ~25 次，可承受）。

Bug 2：阈值过松 → 该响应没响应

如果设 单日 P&L < -15% → 减仓，2020 年 3 月你会眼睁睁看着 -30% 才响应。对策：分级触发，-5% / -10% 都有动作。

Bug 3：相关性阈值忽视

只看个体指标不看相关性。2022 年股债同跌，60/40 组合表现像 100% 股票——这是个体策略都没触发但整体已经失衡的典型。对策：周度相关性矩阵 + 季度组合层 stress test。

9.3 SOP 自身的版本控制

sop/
├── v1.0-2026-07-05.md  ← 今天发布
├── v1.1-2026-XX-XX.md  ← 三个月后第一次修订
├── changelog.md         ← 每次变更必须写明：为什么改、改了什么、生效日
└── reviews/
    ├── 2026Q3-review.md
    └── 2026Q4-review.md

SOP 不是写完就完了，是一份活文档。每个季度强制 review，发现 3 年 bug 立即修订。这套节奏从企业架构 ADR（Architecture Decision Records）借鉴而来——决策可以变，但变更必须留痕。

---

十、PM 视角：今天学到的迁移性思考

1. SOP 是行为风险的工程化解药：个人量化最大的风险不是策略失效，是「市场异动时你 deviate 自己的策略」。SOP 把好状态下的判断固化成规则，是给坏状态下的自己留的护栏。这在企业里叫 Operational Resilience，监管对银行强制要求；个人账户没人逼你做，但收益是一样的。

2. 「自动化做重复事，人工做判断事」是产品边界：很多产品经理把自动化推到极致，忽略 blast radius（出错时的影响半径）。半径越大，越需要人工 checkpoint。这条原则对 DeFi 协议同样适用——你看 Aave / Compound 的清算可以全自动，但治理参数变更要走 timelock + DAO 投票，就是这个道理。

3. 阈值设计是个 Bayesian 问题：阈值要平衡 false positive（噪音误触发）和 false negative（真信号漏掉），本质上是先验分布 + 容忍度的取舍。在 PM 工作里设计告警系统、设计风控规则，思路完全一样——别凭感觉拍数字，要看历史触发频率分布。

4. 「文档化」是 senior 的标志：刚入行的 PM 觉得「文档浪费时间」，senior PM 知道没文档的系统等于「你这个人是单点故障」。SOP 不是给别人看，是把自己「克隆」一份——下次状态不好时不需要从零思考，照 SOP 走即可。

5. 季度 review SOP 是元学习（meta-learning）：策略在变、市场在变、自己的能力也在变。固化的 SOP 三个月不 review 就开始 outdated。这一点对应到企业架构里就是「Architecture Governance」——架构治理本身需要被治理。

---

十一、明日预告

Day 58: 三策略并行 Paper Trading 启动

• 在 IBKR Paper 账户实际部署 60/30/10 配置
• 同时跑 双因子 + Wheel + IC 三个策略
• 检验：策略间是否有保证金/订单冲突
• 检验：每日自动化脚本是否能正确处理三类持仓
• 第一次执行月初 rebalance 流程（即便没有真实漂移，走一遍流程）
• 产出：Day 58 笔记 + 三策略并行启动报告 + 第一次 daily_risk_check 推送截图

---

实际执行记录

启动一项填一项，时间戳 + 卡点。

• [hh:mm] SOP v1.0 文档初稿落地（按 §6 template）— ...
• [hh:mm] monthly_rebalance.py 骨架跑通 — ...
• [hh:mm] weekly_review_report.py 骨架跑通 — ...
• [hh:mm] daily_risk_check.py cron 配置（08:30 ET）— ...
• [hh:mm] alert_dispatcher.py 接入 email + Telegram — ...
• [hh:mm] 用 2023-2025 数据 backtest SOP 触发频率 — ...
• [hh:mm] SOP 加入 git，建 sop/v1.0-2026-07-05.md — ...
• 卡点 / 学到的：

---

总字数：约 6,400 字 今日完成度：理论 ✓ / SOP 模板 ✓ / 代码骨架 ✓ / backtest（你自己执行）