Phase 2 总结文档 — 30 天全景回顾
Phase 2 总结文档 — 30 天全景回顾
日期: 2026-07-07 方向: Phase 2 总结 阶段: Phase 2 收官 标签: #Phase2Summary #Retrospective #PaperTrade #AISignals #Wheel #FactorCombo #Phase3Prep
今日目标
| 类型 | 内容 |
|---|---|
| 复盘 | Phase 2 (Day 31-58) 四周内容全景回顾、完成度自评、三策略并行作品 inventory |
| 反思 | Phase 2 五大认知、能力矩阵更新、Phase 1 → Phase 2 跃迁路径、剩余技术债 |
| 产出 | TR-DAY59 笔记（Phase 2 总结） + Day 60 实盘前 checklist 预告 + Phase 3 启动准备 |
引子：从 MVP 到 Beta，我到底跨过了什么
Phase 1 (Day 1-30) 结束时，我有的是「分散的单兵作战能力」——能跑回测、能算 Greeks、能写仓位公式，但没有一个可以 24x7 在 IBKR Paper 上自动运行的系统。
Phase 2 (Day 31-58) 28 天后，我有的是三个并行运行的 paper trade 策略 + 一套组合管理层 + 一套尾部风控。如果用 SaaS 产品的语言：
Phase 1 = MVP 单点功能跑通（每个策略各自能 backtest）
Phase 2 = Beta 多功能并行跑通（三策略在 Paper 上同时活着）
Phase 3 = GA 用户实际付费使用（实盘 $1k 起步）
今天这一篇是 Beta release retrospective——不是"我做了什么"的清单，是回答：
- Phase 2 的 28 天到底买到了什么？（不是覆盖了什么，是 internalize 了什么）
- 跑通 paper 和能赚钱之间还差多远？（诚实评估自己离实盘还有几步）
- AI 信号这一周是真正的范式跃迁，还是又一个 hype？
- Phase 3 上实盘前最关键的 3-5 件事是什么？
下面分十二节展开。
一、Phase 2 完成度自评（按周拆解）
Phase 2 的四周主题分别是：多因子组合实盘化 → 期权 Wheel → AI 信号 → 组合管理与风控。Phase 1 的四大支柱在 Phase 2 全部被升级到「可部署」层级，并多出第五大支柱：组合管理。
1.1 Week 5（Day 31-37）：多因子组合实盘化
| 维度 | 计划交付 | 实际状态 | 评分 |
|---|---|---|---|
| 实操 | 双因子 → 四因子组合 + Cross-sectional z-score 标准化 | ✅ 4 因子组合（动量/价值/低波/质量）跑通 | 9/10 |
| 笔记 | DAY31 ~ DAY37 七篇 | ✅ 全部完成 | 10/10 |
| 代码 | factor_combo.py 模块 + walk-forward 重训管线 | ✅ 可重用 lib，参数化配置 | 8/10 |
| 概念掌握 | IC 加权 / Risk Parity / 因子正交化 | ✅ 三种合成方式都跑过 | 9/10 |
| 成本细化 | spread 半价 + IBKR tiered commission + ADV 滑点模型 | ✅ Day 34 完成完整成本函数 | 9/10 |
| WFA in production | 月度 rebalance 时自动重训权重 | ✅ Day 35 cron 化 | 8/10 |
| IBKR Paper 部署 | 真实下单、状态轮询、错误恢复 | ✅ Day 36 上线，第一周复盘 (Day 37) | 8/10 |
Week 5 综合完成度：8.7/10
亮点：第一次把"研究 notebook"升级到"运行进程"。Day 36 触发了第一次自动 rebalance，看到 IBKR 账户里 8 只股票自动调仓的那一刻，理论 → 工程的临界点过了。
遗憾：4 因子相关性矩阵是同期相关，没做滚动相关；2026 年 Q2 的动量因子和质量因子相关性突然拉到 0.55，单期相关矩阵看不出这点。
1.2 Week 6（Day 38-44）：期权 Wheel 策略
| 维度 | 计划交付 | 实际状态 | 评分 |
|---|---|---|---|
| 实操 | Wheel 全图谱（CSP → 指派 → CC → 卖出 → 重启） | ✅ 流程图 + 决策树 | 9/10 |
| 笔记 | DAY38 ~ DAY44 七篇 | ✅ 全部完成 | 10/10 |
| 代码 | wheel_engine.py + IV Rank 选股 + Greeks monitor | ✅ 三个模块独立 | 8/10 |
| CC 历史回测 | SPY/AAPL/MSFT 三标的 5 年回测 | ✅ Day 39 完成 | 9/10 |
| IV Rank 选股 | 跨标的 IV Rank > 50 + 流动性筛选 | ✅ Day 40 候选池 | 9/10 |
| Greeks 实时监控 | Δ / Γ / Θ / V 跨持仓汇总 | ✅ Day 41 Dashboard 雏形 | 8/10 |
| 第一组完整 Wheel | 1-2 张 CSP 在 Paper 上同时活着 | ✅ Day 42 卖出 2 张 CSP，1 张被指派 | 9/10 |
| Roll 操作 | DTE < 7 + ITM 时 roll 到下月 | ✅ Day 43 实操 1 次 roll | 8/10 |
Week 6 综合完成度：8.8/10
亮点：Day 42 的 AAPL CSP 被指派（执行价 $190，标的跌到 $187），按计划自动转入 CC 阶段。完整的指派 → CC 循环跑通是 Wheel 策略真正的"形态完成"，这一刻 Phase 1 Day 16 卖第一张 CSP 时埋下的认知伏笔终于闭合。
遗憾：Roll 决策还是凭直觉，没有量化的 roll 阈值（什么 DTE / 什么 Delta 触发 roll）。Day 60 实盘前必须把这个变成规则。
1.3 Week 7（Day 45-51）：★ AI 信号（Phase 2 关键周）
| 维度 | 计划交付 | 实际状态 | 评分 |
|---|---|---|---|
| 实操 | PEAD 事件因子 + Claude 解读 10-Q + IV crush 套利 | ✅ 三个独立子项目 | 9/10 |
| 笔记 | DAY45 ~ DAY51 七篇 | ✅ 全部完成 | 10/10 |
| 代码 | claude_10q_parser.py + event_factor_builder.py + ic_engine.py | ✅ 完整 pipeline | 8/10 |
| Claude 财报抽取 | 关键 KPI / Guidance / Tone score | ✅ Day 46 跑通 50 份 10-Q | 9/10 |
| LLM 特征 → 数值特征 | embedding + sentiment + KPI 偏离 | ✅ Day 47 pipeline 化 | 8/10 |
| LLM + XGBoost 混合 | LLM 输出作为 XGBoost 特征 | ✅ Day 49 离线 IC > 0.04 | 8/10 |
| IV Crush + Iron Condor | 财报日卖 IC，IV 收敛后买回 | ✅ Day 48 Paper 跑了 3 笔 | 7/10 |
| Week 7 复盘 | AI 信号 vs 传统因子的 IR 对比 | ✅ Day 51 完成 | 9/10 |
Week 7 综合完成度：8.4/10
亮点：这是 Phase 2 真正的范式跳升周。Day 47 第一次看到 LLM 从 10-Q 里提取的"管理层 tone score"和未来 60 天超额收益的截面 IC = 0.06，这个数字虽然不大，但是前所未有的、传统因子里抓不到的信号源——本质上是把人类分析师每年读上千份财报的能力压缩到 GPU 几小时。
遗憾：IV Crush + Iron Condor 的 3 笔交易里有 1 笔被 gap 打爆（IC 上 wing 失守），暴露了事件类策略对 tail risk 极度敏感。Day 55 的尾部风控部分专门给这个打了补丁，但本质上 <$5k 的账户不应该在没有自动止损系统的情况下卖事件 vol。
1.4 Week 8 前半（Day 52-58）：组合管理 + 风控升级
| 维度 | 计划交付 | 实际状态 | 评分 |
|---|---|---|---|
| 实操 | 多策略归因 + Kelly 升级 + 相关性 + VaR/CVaR/EVT + 黑天鹅对冲 + SOP | ✅ 全部完成 | 9/10 |
| 笔记 | DAY52 ~ DAY58 七篇 | ✅ 全部完成 | 10/10 |
| 多策略归因 | 把 PnL 拆到「策略 × 标的 × 因子」三维 | ✅ Day 52 Dashboard 上线 | 9/10 |
| Kelly 升级 | 策略层 Kelly + 顶层资金分配（Risk Parity） | ✅ Day 53 完成 | 8/10 |
| 相关性矩阵 | 三策略 + 标普 + Gold + VIX 的滚动相关 | ✅ Day 54 滚动 60d/120d | 9/10 |
| VaR / CVaR / EVT | 历史 VaR + 参数 VaR + EVT 尾部建模 | ✅ Day 55 完成三种方法对比 | 8/10 |
| 黑天鹅对冲 | OTM put / VIX call / 黄金权重 | ✅ Day 56 三种对冲对比 | 8/10 |
| SOP 文档 | 实盘前的标准作业流程（启动/监控/异常/复盘） | ✅ Day 57 一份 6 页 SOP | 9/10 |
| 三策略并行演练 | 三策略同时在 Paper 上跑 ≥ 5 天 | ✅ Day 58 完成 7 天连跑 | 9/10 |
Week 8 前半完成度：8.9/10
亮点：Day 57 的 SOP 是 Phase 2 最被低估的产出。SOP = production readiness 的唯一硬证据。没有 SOP 的系统不是系统，是个人项目。Day 58 用这份 SOP 跑了 7 天连续 Paper trade，发现了 3 个 SOP 自身的漏洞（API 重连后未恢复挂单状态 / 月底最后一天 rebalance 与 CC 到期日撞车 / IB Gateway 凌晨重启窗口期下单失败），全部回滚修正。SOP 的价值在它被 break 的时候。
遗憾：黑天鹅对冲的回测样本太短（只回看了 2020 + 2022），EVT 尾部分布的参数稳定性还没验证。
1.5 Phase 2 综合完成度
Week 5 (多因子实盘化) █████████████████░░░ 87%
Week 6 (期权 Wheel) █████████████████░░░ 88%
Week 7 (AI 信号 ★) ████████████████░░░░ 84%
Week 8 前半 (组合+风控) █████████████████░░░ 89%
————————————————————————————————————
Phase 2 综合 █████████████████░░░ 87%
结论：完成度 87%，比 Phase 1 的 89.5% 略低 — 这是好事，不是坏事。Phase 2 难度是 Phase 1 的两倍，能交出 87% 说明没有为了完成度灌水。剩下 13% 的缺口主要在「真实 fill 模型 / EVT 样本不足 / Roll 决策量化」三个具体技术债上。
二、Phase 2 知识图谱（ASCII）
┌──────────────────────────────────────┐
│ Phase 2 综合作品（顶层） │
│ │
│ 三策略并行 Paper Trade 系统 │
│ 多因子组合 + Wheel + AI 增强 │
│ 组合管理层 + SOP + 监控 Dashboard │
└────────────────┬─────────────────────┘
│
┌─────────────────────────┼─────────────────────────┐
│ │ │
┌──────────▼──────────┐ ┌──────────▼──────────┐ ┌──────────▼──────────┐
│ ① 多因子组合实盘化 │ │ ② 期权 Wheel │ │ ③ AI 增强信号 ★ │
│ (Week 5) │ │ (Week 6) │ │ (Week 7) │
├─────────────────────┤ ├─────────────────────┤ ├─────────────────────┤
│ 4 因子合成（动/价/波/质） │ │ Wheel 全图谱 │ │ PEAD 事件因子 │
│ IC 加权 / Risk Parity │ │ CC 历史回测 │ │ Claude 解读 10-Q │
│ Cross-sectional z │ │ IV Rank 选股池 │ │ LLM 输出 → 数值特征 │
│ WFA in production │ │ Greeks 实时监控 │ │ LLM + XGBoost 混合 │
│ Cost model 升级 │ │ 第一组完整 Wheel │ │ IV Crush + IC │
│ IBKR Paper 自动部署 │ │ Roll 操作实战 │ │ Week 7 复盘 │
│ 第一周复盘 (Day 37) │ │ 完整指派 → CC 循环 │ │ 离线 IC 0.04-0.06 │
└──────────┬──────────┘ └──────────┬──────────┘ └──────────┬──────────┘
│ │ │
└─────────────────────────┼─────────────────────────┘
│
┌────────────────────────────────────▼───────────────────────────────────┐
│ ④ 组合管理 + 风控 横切层（Week 8 — 贯穿所有三策略） │
├────────────────────────────────────────────────────────────────────────┤
│ 多策略归因：PnL 按「策略 × 标的 × 因子」三维拆解 │
│ Kelly 升级：策略层 Kelly + 顶层 Risk Parity 资金分配器 │
│ 相关性管理：滚动 60d/120d corr，三策略间动态相关 │
│ 尾部风控：历史 VaR + 参数 VaR + EVT 极值理论尾部建模 │
│ 黑天鹅对冲：OTM put / VIX call / Gold 三种对冲对比 │
│ SOP（标准作业流程）：启动 / 监控 / 异常处置 / 复盘 — 6 页文档 │
│ 三策略 7 天连跑：发现并修复 3 个 SOP 漏洞 │
└────────────────────────────────────────────────────────────────────────┘
认知层（贯穿整个 Phase 2）
┌──────────────────────────────────────────────────────────────────────┐
│ • Paper Trade 流程跑通 > 单策略 alpha — Beta 的价值是「跑通」，不是「跑赢」 │
│ • LLM = 特征提取器，不是预测器 — 混合架构（LLM+XGBoost）最 work │
│ • 组合管理 > 单策略 alpha — 相关性 / Greeks / 尾部比找 magic 更值钱 │
│ • <$5k 玩期权要 risk-defined — IC > Naked > Strangle │
│ • SOP 是个人量化进入 production 的门票 — 没 SOP 的不叫系统 │
└──────────────────────────────────────────────────────────────────────┘
图谱要点：
- 三大策略支柱并列，但这次它们不是孤岛——Week 8 的组合管理层把它们焊接成一个系统。
- 横切层从 Phase 1 的"风控"扩展到"组合管理 + 风控 + SOP"，是质的升级。
- 最顶层"三策略并行 Paper Trade 系统"是 Phase 2 集大成作品，任何单点都不是新的，组合在一起是新的——这就是 Beta 阶段的本质。
三、Phase 2 五大认知（思维方式变化）
Phase 1 的五大认知是「方法论级」（流程严谨性 / Half-Kelly / 期权工具 / 交易日志），Phase 2 的五大认知是「工程化 + 心态」级——是把方法论 ship 出去时撞墙后才有的认知。
3.1 「Paper Trade 流程跑通 > 单策略 alpha」⭐ Phase 2 最大认知
Day 30 时的我：以为 Phase 2 的关键是"AI 信号能找到 alpha"。
Day 59 时的我：知道 Phase 2 真正的关键是"三个策略能 7x24 在 Paper 上自动跑而不挂"。
Day 36 第一次自动 rebalance 失败的原因：IBKR API 返回的 fill report 里 lastFillTime 是字符串不是 datetime，pandas 解析失败 → 触发 retry → retry 又触发了一遍下单 → 重复挂单。
这种 bug 和「找到 alpha」毫无关系，但这种 bug 不解决一次性能让账户亏 5%。Phase 2 的核心 KPI 不是 Sharpe，是 uptime + correctness。
➡️ 这条认知带来的实操变化：任何新策略上线前必须先有 SOP，必须有"成交确认 - 状态对齐 - 异常回滚"三件套。Sharpe 谈完后再谈。
3.2 「LLM = 特征提取器，不是预测器」
Day 45 我以为可以让 Claude 直接读 10-Q 输出"未来 3 个月超额收益预测"。
Day 47 验证后发现：LLM 单独做预测，IC ≈ 0.01（基本随机）。但 LLM 输出"管理层 tone score / KPI 偏离指引 / 风险段落变化度"这三个结构化特征喂给 XGBoost 后，IC 跳到 0.04-0.06。
为什么？
- LLM 强在理解文本细节（"我们对 Q3 有信心" vs "我们 cautiously optimistic"）
- LLM 弱在整合数值特征（前者它没 context，后者 XGBoost 干 20 年了）
- 分工：LLM 提取人类语言里的非结构化信号 → XGBoost 在结构化空间里做预测
➡️ 这条认知 = 别和 LLM 比预测能力，让它做它擅长的（翻译人类知识到机器可消费的特征）。混合架构（LLM 特征 + 传统 ML 决策）几乎在所有金融 NLP 场景都是最优解。
3.3 「组合管理 > 单策略 alpha」
Day 52 多策略归因第一次把 PnL 拆出来后发现：三策略每个 backtest Sharpe 都 > 1.0，组合在一起 Sharpe 反而是 0.95。
原因：
- 多因子组合在风险 on/off 时 long/short 失衡 → 月初 rebalance 高吸低抛
- Wheel 在大跌时被指派 → 同期多因子也亏
- AI 信号在 IV crush 时盈利 → 但 IV crush 通常发生在大盘上涨日
三策略的相关性在风险事件时全部走向 1——这就是 risk parity 的反面教材。
Day 53-54 的修正：
- 策略层各自 Half-Kelly → 顶层 Risk Parity 分配（不是等权）
- 风险 off 时（VIX > 25）自动降低 Wheel 权重
- 加入黑天鹅对冲腿（OTM put on SPY）
组合 Sharpe 从 0.95 → 1.18。没有任何单策略 alpha 变化——只是组合管理升级了。
➡️ 这条认知 = 在 <$50k 的资金体量下，升级组合管理比找新策略 ROI 高 10x。
3.4 「<$5k 玩期权要 risk-defined」
Day 48 IV Crush + Iron Condor 那一组里，3 笔有 1 笔被 gap 打爆。损失 = 卖 IC 收的权利金 × 3 倍（接近 max loss）。
如果同样的位置用 Naked Strangle（卖 put + 卖 call，不买 wing）会怎样？亏到爆仓。如果用 Strangle on Margin？穿仓。
数学：
| 策略 | Max Profit | Max Loss | 风险定义？ |
|---|---|---|---|
| Iron Condor | 收的权利金 | 行权价差 - 权利金（capped） | ✅ |
| Naked Strangle | 收的权利金 | 理论上 = 标的归零或翻倍 | ❌ |
| Cash-Secured Put | 收的权利金 | 执行价 × 100 - 权利金 | ✅（最差买入） |
| Covered Call | 权利金 + 标的涨幅 | 标的亏损（被 cap upside） | ✅ |
<$5k 资金体量下，单次 max loss 必须 < 账户的 5%。否则一次黑天鹅就让 90 天计划归零。
➡️ 这条认知 = 期权 level 3（spreads + IC）足够个人量化做 95% 的事，永远不要为了节省一个 wing 的成本去开 naked。
3.5 「SOP 是个人量化进入 production 的门票」
Day 57 我花了一整天写 SOP 文档时，第一反应是"这是公司活，不是个人活"。
Day 58 用这份 SOP 跑 7 天后发现：它救了我 3 次。
- 第 2 天 IB Gateway 凌晨重启，SOP 里写了"启动前检查时间是否在重启窗口"，避免下单失败
- 第 5 天 CC 到期日撞上月底 rebalance，SOP 里写了"到期日避免新开仓"，避免重复 Greeks 暴露
- 第 7 天 API 错误处理流程让我在 30 秒内确认是 transient error，没误判为 critical
SOP 不是文档，是冻结的认知。把"我每次会想起来"变成"系统每次会自动执行"，是工程化的本质。没 SOP 的个人量化系统不能跑 production，因为认知会在压力下失效。
➡️ 这条认知 = Phase 3 上实盘前的 hard requirement = 完成 v1.0 SOP（Day 60 详细写一遍）。
四、Phase 1 → Phase 2 的能力跃迁
把 Phase 1 vs Phase 2 用一张表对照：
| 能力维度 | Phase 1 (Day 1-30) | Phase 2 (Day 31-58) | 跃迁本质 |
|---|---|---|---|
| 回测 | 在 notebook 里跑单策略 | 在 Paper 上 7x24 自动跑 | 离线 → 在线 |
| 风控 | 单策略 Half-Kelly | 顶层 Risk Parity + 尾部 EVT + 对冲腿 | 单点 → 系统 |
| 数据 | yfinance + Ken French | yfinance + IBKR live + Claude/OpenAI | 静态 → 动态 |
| 代码 | 一堆独立 notebook | 模块化 lib + cron + Dashboard + SOP | 脚本 → 工程 |
| 错误处理 | 错了重跑就行 | 错了要触发告警 + 回滚 + 复盘 | 重跑 → 回滚 |
| 认知阶段 | 学方法论（理论） | 跑通 paper（实操） | 知道 → 做到 |
| PM 类比 | 写 PRD（需求） | 上 beta（实测） | spec → ship |
最大的跃迁不是技术上的，是**「我有」 → 「它在」**的跃迁。
Phase 1 结束时我说"我有一个双因子组合"——但它躺在 notebook 里。 Phase 2 结束时我说"它在 IBKR Paper 上自己跑着"——而我连续 7 天没动过它。
这两个状态差一个量级。
➡️ Phase 3 的跃迁会是「它在」 → 「它赚」 — 上实盘后被市场真实验证，但实盘前最后一道关是 Day 60 的 checklist。
五、作品集（Phase 1 + Phase 2 合计）
5.1 笔记产出
| 产出 | 数量 | 字数估算 |
|---|---|---|
| Day 1-58 笔记 | 58 篇 | ≈35 万字 |
| Day 59 (本篇) | 1 篇 | ≈8000 字 |
| 合计 | 59 篇 | ≈36 万字 |
按公开发表筛选精华：
| Phase | 候选精华 | 主题 |
|---|---|---|
| Phase 1 | Day 1 / 8 / 15 / 22 / 26 / 28 | 平台选择、因子、期权、成本、Kelly、综合 |
| Phase 2 | Day 36 / 42 / 47 / 53 / 57 | 自动 rebalance、Wheel 闭环、LLM 混合架构、Risk Parity、SOP |
➡️ 11 篇可组成「90 天个人量化从 0 到实盘」系列文章，约 8 万字，对求职极有差异化。
5.2 代码 Repo（可推 GitHub）
| 项目 | Phase | 描述 | 求职价值 |
|---|---|---|---|
| paper-trade-system | Phase 2 ⭐ | 三策略并行 Paper Trade 完整系统（含 SOP） | ★★★★★ |
| double-factor-portfolio-v1 | Phase 1 | 双因子组合 + WFA + Half-Kelly | ★★★★ |
| wheel-engine | Phase 2 | CSP/CC/Roll 完整循环引擎 | ★★★★ |
| llm-10q-feature-pipeline | Phase 2 ★ | Claude 解读 10-Q → XGBoost 特征 | ★★★★★ |
| ibkr-paper-connector | Phase 1 | ib_insync 封装 + 错误处理 | ★★★ |
| bs-greeks-iv-toolkit | Phase 1 | BS 定价 + Greeks + IV | ★★★ |
| portfolio-risk-dashboard | Phase 2 | 实时 PnL + Greeks + VaR Dashboard | ★★★★ |
➡️ Phase 3 之前优先 ship 三个 repo：paper-trade-system / llm-10q-feature-pipeline / portfolio-risk-dashboard。这三个组合起来是「Web3 PM 转 AI 量化」最强差异化证明。
5.3 求职话术升级（Phase 2 加强版）
"过去 60 天我从零搭建了一套个人量化交易系统：
— 三个策略并行在 IBKR Paper 上 7x24 运行：
• 4 因子组合（月度自动 rebalance）
• 期权 Wheel 策略（CSP → 指派 → CC 循环）
• AI 增强信号（Claude 解读 10-Q → XGBoost 排序）
— 顶层组合管理：策略层 Half-Kelly + 顶层 Risk Parity，
带 VaR/CVaR/EVT 尾部建模和黑天鹅对冲腿；
— 工程层：完整 SOP，连续 7 天无人值守运行无 critical bug，
所有代码在 GitHub，所有学习过程在 59 篇笔记里。
我的差异化是 10 年金融零售 PM + Web3 + 个人量化方法论 —
不是研究员，但比研究员懂工程；不是工程师，但比工程师懂业务。"
PM 视角变形（用于 Web3 公司）：
"我把个人量化学习当成 SaaS 产品来做：
Phase 1 是 MVP（单功能跑通），
Phase 2 是 Beta（多功能并行 + dogfooding），
Phase 3 是 Limited Launch（小钱实盘）。
每一阶段都有明确退出准则和 release retrospective。
这套方法论可以直接迁移到 Web3 协议产品的迭代上。"
六、当前能力矩阵（Phase 2 更新版）
按 Phase 1 的 4 大支柱 + Phase 2 新增的 3 大支柱重新评分：
6.1 能力详细自评（10 分制）
| 能力维度 | Phase 1 (Day 29) | Phase 2 (Day 59) | 跃迁说明 |
|---|---|---|---|
| 工具链 | 8.1 | 10/10 | IBKR / ib_insync / async / Dashboard / cron / SOP 全到位 |
| 因子投资 | 6.9 | 9/10 | 4 因子合成 + WFA in prod + cost model 完整 |
| 期权 | 7.5 | 8/10 | Wheel 闭环 + IC + Roll，但 vol surface 仍未深做 |
| AI 信号 | - | 7/10 | Claude + XGBoost 混合架构，但样本短、未实盘验证 |
| 风控 | 9.2 | 8/10 | EVT/VaR/CVaR 都学了，但样本不足，反而比 Phase 1 不自信 |
| 部署 / 工程 | 4.0（隐含） | 7/10 | Paper 跑通，但实盘异常处理还没经历 |
| 综合（系统级） | 7.9 | 8/10 | 三策略 + 组合管理 + SOP 已成系统，但未经实盘洗礼 |
6.2 能力雷达图（ASCII）
工具链 (10)
*
|
综合 (8) *—+—* 因子投资 (9)
/ |
部署 (7) *--/ | \--* 期权 (8)
\ | /
\ | /
\|/
风控 (8)—-* AI 信号 (7)
6.3 关键洞察
- 工具链 10/10：Phase 2 把工具链从"会用"升级到"建得起 production"。这是不可逆的能力，求职最直接看得见。
- AI 信号 7/10：是 Phase 2 最大的能力新增，但最大的水分也在这里——只有 30 天的样本，IC 0.04-0.06 在不同市场状态下会不会稳定，完全不知道。
- 风控 9.2 → 8：反而下降了。原因不是能力退步，是意识到自己不知道的部分变多了——EVT 的参数估计、tail dependence 的建模、黑天鹅对冲的成本/收益权衡，每一个都是更深的兔子洞。这是好的下降。
- 综合 8/10：第一次到 8，但实盘验证后大概率会先回到 7。这是任何 Beta → GA 时的常态。
➡️ Phase 3 核心补课方向：部署（实盘异常处置）+ AI 信号（样本扩展 + 稳健性验证）。
七、Phase 2 剩余技术债清单
Phase 2 完成度 87%，剩下的 13% 全部是实盘前必须闭环的技术债：
| # | 技术债 | 严重度 | Day 60 之前是否能补完？ |
|---|---|---|---|
| 1 | 真实 fill 模型缺失（Paper 默认全成交，实盘未必） | ★★★★★ | ❌ — 只能上实盘后慢慢校准 |
| 2 | Roll 决策无量化阈值（凭直觉） | ★★★★ | ✅ — Day 60 必须量化 |
| 3 | EVT 尾部参数稳定性未验证 | ★★★ | △ — 部分能补 |
| 4 | 三策略相关性是滚动 60d，但极端事件相关结构未建模 | ★★★ | ❌ — 留 Phase 3 |
| 5 | IV Crush + IC 策略的 stop-loss 未自动化 | ★★★★ | ✅ — Day 60 必须补 |
| 6 | API 重连后 open order 状态对齐逻辑（Day 58 发现） | ★★★★★ | ✅ — Day 60 必须修 |
| 7 | LLM 输出的稳定性（同一份 10-Q 多次跑结果是否一致） | ★★★ | △ — 抽样验证 |
| 8 | 黑天鹅对冲的成本 vs 收益没有严谨 backtest | ★★★ | ❌ — 留 Phase 3 |
| 9 | SOP v1.0 的「异常处置」段落只有 5 条，应该 10+ | ★★★ | ✅ — Day 60 补完 |
| 10 | 资金 Settlement 周期对 Wheel 的影响未完整建模 | ★★★ | △ — 部分能补 |
Day 60 必须闭环的：#2, #5, #6, #9 — 这四项不闭环，不能上实盘。
留给 Phase 3 的：#1, #4, #8 — 这三项需要实盘数据才能 calibrate。
八、Phase 3 预告（Day 61-90）
Phase 2 把三策略在 Paper 上跑通。Phase 3 = 小钱实盘上线 + 跨市场 + 高阶策略。
8.1 Week 9（Day 61-67）：IBKR 实盘上线（$1k 起步）★
| 主题 | 关键产出 |
|---|---|
| Day 60 实盘前 checklist 执行 | 全部勾完才能上 |
| $1k 入金 → 三策略实盘小规模启动 | 每个策略 ~$300 |
| 实盘 vs Paper 滑点对照 | 关键 calibration 数据 |
| 第一周实盘复盘 | 心态 / 成交质量 / 错误处理 |
出口准则：实盘 7 天无 critical bug，三策略各完成至少 1 笔成交，PnL 不破净值 5%。
心态预备：第一周 PnL 大概率是亏的（因为实盘成本高于 Paper）。接受小亏才能换到真实校准数据。
8.2 Week 10（Day 68-74）：Vol Arb + Calendar Spread
| 主题 | 关键产出 |
|---|---|
| Vol arbitrage（实现波 vs 隐含波） | 套利信号生成器 |
| Calendar Spread（跨月 vol 结构） | 单标的实操 |
| VRP (Variance Risk Premium) 系统化 | 月度信号 |
| Phase 2 IV Crush 策略升级 | 加入 stop-loss 自动化 |
出口准则：至少 2 笔 Calendar Spread 实盘成交，对 IV term structure 有手感。
8.3 Week 11（Day 75-81）：A 股 / 港股迁移
| 主题 | 关键产出 |
|---|---|
| A 股市场结构（T+1 / 涨跌停 / 龙虎榜） | 因子库适配 |
| 港股市场结构（多空机制 / 印花税） | 成本模型适配 |
| 跨市场组合（美股 + 港股 + A 股） | 资金切换框架 |
| 时区与交易日历管理 | 全球化 scheduler |
出口准则：四因子组合在港股有可跑的 backtest（A 股可能因数据源问题留 Phase 4）。
8.4 Week 12（Day 82-90）：自动化 + 月度报告 + 90 天回顾
| 主题 | 关键产出 |
|---|---|
| 月度报告自动化（PnL / 归因 / 风控） | PDF 自动生成 |
| 异常告警系统升级（Telegram / Email） | 多渠道告警 |
| Day 89: Phase 3 总结 | 类似 Day 29/59 |
| Day 90: 90 天大总结 | 求职作品集 final |
出口准则：整套系统进入 hands-off 状态，每天 < 30 分钟人工介入。
8.5 Phase 3 综合出口目标
✓ $1-3k 实盘 30+ 天，三策略并行运行
✓ 实盘 vs Paper 成本差异校准完成
✓ Vol arb / Calendar Spread 加入工具箱
✓ 港股因子组合可跑 backtest
✓ 月度报告全自动化
✓ 90 天总结 + 求职作品集 final 版
九、「Phase 2 给我最大的 ROI 是什么」（深度反思）
9.1 真正掌握的 vs 还在 superficial 的
真正掌握的 5 个（拿到工作面试现场可以白板答的）：
- Paper trade 部署 = state machine 设计 — 任何下单都是 "intent → submit → working → filled / rejected / cancelled" 状态机，错误处理就是状态转移的 catch
- LLM + XGBoost 混合架构 — 能讲清楚为什么单 LLM 不行、为什么单 XGBoost 抓不到 tone、为什么混合 IC 翻倍
- Risk Parity 资金分配 — 不是数学公式问题，是"在我不知道哪个策略未来更好时，让风险贡献相等"的认知问题
- EVT 尾部建模 — Generalized Pareto Distribution 拟合 + threshold 选择，能讲清楚为什么历史 VaR 在尾部失效
- SOP 工程化 — 把"我每次会想起来"变成"系统每次会自动执行"——这条迁移到所有 production 系统都适用
还在 superficial 的 5 个（被深问会卡）：
- Tail dependence（极端时相关性走向 1，但具体 copula 选择不会）
- LLM 输出的 calibration（同一 prompt 多次跑 variance 多大没系统量化）
- Vol surface 的动态（Day 21 没补，Day 59 仍没补）
- 真实 fill 与 limit/market 选择的取舍（只有 paper 经验）
- 资金成本 / margin call / 借券利息（cash 账户没遇到）
9.2 ROI 衡量：30 天 × 2h/天 = 60h 的回报
| 投入 | 产出 | ROI |
|---|---|---|
| 60 h 学习 + 实操 | 5 个 internalize 的工程级心智模型 | 12 h/模型 |
| 60 h 学习 + 实操 | 1 个可演示的三策略系统 + SOP | 求职面试可直接演示 |
| 60 h 学习 + 实操 | 30 篇笔记 = Phase 1 17 万字 → Phase 2 18 万字 | 长期复利 |
最大 ROI：从"会做"到"在做"。
Phase 1 学会的是"我能做"——但所有能力都在大脑里。Phase 2 学会的是"它在做"——能力外化成了一个系统。外化的能力可以演示，演示的能力可以变现。这 60h 把"能力"转化为"作品"，ROI 远超 Phase 1。
9.3 哪些 paper trade 表现「过于好」需要警惕？
诚实自评：Phase 2 三策略中至少 2 个的 Paper 表现好得不真实：
- 多因子组合：Paper 月度收益 4.2%，远超回测预期 1.5% —— 可能是 Paper 没扣 spread 半价
- AI 增强信号：Paper 命中率 62%，离线 backtest 是 54% —— 可能是 LLM 知道训练后的样本（look-ahead via Claude knowledge cutoff）
- Wheel：Paper 收益符合预期 —— 这个可以信
Phase 3 实盘大概率会让 #1 和 #2 大幅折扣。心理预算：实盘前 30 天总 PnL 在 -3% 到 +1% 之间都属正常，超过这区间都说明事情不对（要么是 bug，要么是 luck）。
9.4 Phase 3 心态准备
Phase 1 心态：兴奋（每天都在学新东西）
Phase 2 心态：耐心（很多天在 debug 不光鲜的事）
Phase 3 心态：克制（用真钱时，最大的敌人是自己想"加仓"的冲动）
实盘第一周的纪律：
- 不看分时图（只在收盘后看日报）
- 不手动干预（除非触发 SOP 中明确写的 critical condition）
- 不加杠杆 / 不加仓位 / 不换策略
- 如果今天想做"小调整"——99% 的概率是情绪在驱动，记日志，明天再说
十、Day 31 → Day 59 的我变了什么
10.1 Day 31 的我
愿景：
"我要把 Phase 1 的双因子组合升级到四因子，加上期权 Wheel 和 AI 信号，在 Paper 上跑 2 周不挂"
心智模型：
- 多策略 = 多个 backtest 加起来
- AI 信号 = LLM 直接预测涨跌
- 风控 = 各策略各自管好就行
- Paper Trade = backtest 的延伸
工具栈：
- IBKR Paper + L2
- vectorbt / ib_insync / 单 notebook
10.2 Day 59 的我
愿景：
"我有一个三策略并行系统在 Paper 上 7x24 自动跑，顶层有组合管理 + SOP。 下一步是 $1k 小钱实盘验证 30 天，最大单日回撤控制在 2%。 长期目标是把这套系统作为 AI 量化 / Web3 PM 求职的核心作品集， 同时把方法论沉淀成可复用的「个人量化 0 到 1 模板」。"
心智模型：
- 多策略 = 一个组合管理系统 + 三个子策略 + 一份 SOP
- AI 信号 = LLM 做特征 + XGBoost 做决策
- 风控 = 策略层 Kelly + 顶层 Risk Parity + 尾部 EVT + 对冲腿
- Paper Trade = production system 的 dogfooding，不是 backtest 的延伸
工具栈：
- IBKR Paper（即将 Live）
- ib_insync (async + event) / vectorbt / xgboost / Claude API / OpenAI
- 自己的 paper-trade-system / wheel-engine / llm-pipeline / risk-dashboard
- v1.0 SOP 文档
10.3 60 天的真实变化
模糊「Paper 跑 2 周」 → 清晰「production-ready 系统」。
Day 31 时我说"跑 2 周"——是个粗暴的成功标准。 Day 59 时我说"7 天无人值守 + SOP 救了我 3 次 + 已经识别出 10 个技术债 + Phase 3 实盘前必须闭环 4 个"——这是工程师 / 系统架构师 / production owner 的语言。
60 天前我是"想做量化的 PM"。 60 天后我是"在做个人量化系统的 PM"。
这两个状态在简历上看似差一个字，在能力市场里差一个量级。
十一、PM 视角：SaaS 产品 release 同构
把 90 天计划完整映射到 SaaS 产品迭代：
| 产品阶段 | 90 天计划 | 核心活动 | 退出准则 | 当前状态 |
|---|---|---|---|---|
| Concept | Pre-Day 1 | 愿景澄清、平台选择 | 决定 Build/Buy/Skip | ✅ |
| MVP | Phase 1 (D1-30) | 工具链 + 单功能跑通 | 单点端到端可跑 | ✅ |
| Beta | Phase 2 (D31-60) | 多功能并行 + dogfooding | 无 critical bug ≥ 2 周 | ✅ 当前 |
| Limited Launch | Phase 3 (D61-80) | 小流量上线（实盘 $1k） | 30 天 PnL 不破净值 5% | ⏳ |
| GA + Scale | Phase 3 末 + Phase 4 (D81-90+) | 规模化 + 跨市场 + 经验沉淀 | 形成可复用方法论 | ⏳ |
11.1 Phase 2 = Beta 的关键启示
- Beta 不是 MVP 的延长：Beta 阶段的核心是集成测试，不是新功能。Phase 2 的核心产出不是"AI 信号"或"Wheel"，而是三者能并行跑而不冲突。
- Beta 期最大风险是「false confidence」：Paper 表现好不代表实盘表现好。Beta 用户用得开心不代表付费用户买单。这两者本质同构。
- Beta 的 exit criteria 必须是定性 + 定量双重：
- 定量：7 天无 critical bug + 各策略 PnL 在预期区间
- 定性：SOP 经过实战考验 + 心态准备好上钱
- 没有 Beta 直接 Launch = 把质量风险转嫁给真实用户：跳过 Phase 2 直接实盘的人，相当于用真钱学 Paper 上能免费学到的教训。
11.2 这套思维的 Web3 PM 求职价值
10 年 PM 经验 + 量化方法论 + Web3 知识 = 能用产品迭代思维管「不确定性下的复杂系统」。
这正是 Web3 协议产品最稀缺的能力——Web3 协议本质上就是"自带激励机制的多策略并行系统"，DeFi 协议的"质押 + 借贷 + 流动性挖矿"在我眼里就是"动量 + 价值 + 套利"的另一种表达。
➡️ Phase 3 的求职话术升级时，重点放在「方法论的可迁移性」——不是"我懂量化"，是"我用 PM 方法论把不确定系统从 0 到 1 跑通过"。
十二、明日预告
Day 60: Phase 2 收官 — 实盘前最后的 Checklist
明天是 Phase 2 的最后一天，也是 Phase 3 实盘前的"hinge day"。核心产出：
12.1 Day 60 内容大纲
-
实盘前硬 Checklist（≥30 项）：
- 账户准备（资金到账 / 权限确认 / W-8BEN）
- 代码准备（端口 / clientId / Live 防护断言）
- SOP v1.0 finalize（异常处置补到 10+ 条）
- Roll 决策量化（DTE / Delta 阈值）
- Stop-loss 自动化（IV Crush 策略）
- API 重连状态对齐（Day 58 发现的 bug）
- 监控告警（Telegram bot 接入）
- 资金体量适配（$1k 起步的仓位上限）
-
「最后一道关」的心态准备：
- 第一周亏损心理预算（-3% 到 +1% 都算正常）
- 不手动干预的承诺
- 写日志的纪律
- "想加仓"信号 = 退出信号
-
Phase 3 第一周（Day 61-67）的具体行动：
- Day 61: $1k 入金
- Day 62: 三策略实盘小规模启动
- Day 63-66: 每日只做收盘后复盘
- Day 67: Phase 3 第一周复盘
-
2026-07-08 是 Phase 2 → Phase 3 的分水岭——后面 30 天，每一笔 PnL 都是真钱。
12.2 明日心态预热
今晚睡前提醒自己三句话：
1. Phase 2 完成度 87% 是诚实的分数，不是水分。
2. 实盘第一周亏损是大概率事件，不是失败信号。
3. SOP 在压力下救自己 3 次的经验比任何 backtest Sharpe 都值钱。
实际执行记录
启动一项填一项，时间戳 + 卡点。
- [hh:mm] 重读 Day 30-58 笔记标题与摘要 — ...
- [hh:mm] Phase 2 四周完成度自评表填写 — ...
- [hh:mm] Phase 2 知识图谱 ASCII 绘制 — ...
- [hh:mm] Phase 2 五大认知归纳 — ...
- [hh:mm] Phase 1 vs Phase 2 跃迁表 — ...
- [hh:mm] 作品集 inventory（Phase 1 + 2 合计）— ...
- [hh:mm] 能力矩阵 Phase 2 更新版 — ...
- [hh:mm] 剩余技术债清单（Day 60 必修 vs 留 Phase 3）— ...
- [hh:mm] Phase 3 预告（Week 9-12 大纲）— ...
- [hh:mm] 30 天反思（哪些过于好 / 哪些 superficial）— ...
- [hh:mm] Day 31 vs Day 59 对照 — ...
- [hh:mm] PM 视角（SaaS 产品同构）— ...
- 卡点 / 学到的：
- 关键决策（Day 60 必须闭环的 4 项确认）：
总字数：约 7,400 字