写公开复盘文章 #1 — 90 天回顾

日期: 2026-08-02 方向: Phase 3 / 公开复盘 阶段: Phase 3: 实盘+规模化+迁移 标签: #PublicRetro #90DayReview #Mirror #Medium #BuildInPublic #JobSearch #Branding

---

今日目标

---

一、为什么 Day 85 安排「写公开复盘」而不是继续打磨策略

这是 Phase 3 Week 12 的有意安排。前 84 天我已经把能写的策略 / 风控 / 实盘 / 归因都跑了一遍，Day 85-90 的几天里继续 再调 一组参数的边际回报已经很低——但把过去 90 天的经验「外化」成一篇能放在简历最上方的文章，边际回报极高。

PM 经验里有一个我反复印证的判断：

一段经历的价值 = min(真实做过, 能向他人讲清楚)

只做不讲，价值会衰减到接近零（除非你以后只为自己工作）。只讲不做，是骗子，迟早穿帮。两者都做 才能形成「可验证的能力」。

Day 85 这篇文章就是把过去 84 天的「做」 → 转换成「讲」 的资产化动作。它不只是为了发出来好看，更是逼着我自己用 STAR 框架重新审视哪些是真信号、哪些是噪声。写作即压力测试。

---

二、文章的目标读者分层

我先把读者画出来，避免文章「写给所有人 = 没写给任何人」。

最重要的是第一类，但不要为了第一类写得太「面试式」——招聘方反而看穿这种刻意。最好的方式是写给 同行，然后让招聘方在偷看时被打动。

PM 视角的迁移：这跟「写一个面向 SMB 的 SaaS landing page，但 enterprise 客户也会被吸引」是同一个产品判断——写小，影响大。

---

三、内容边界：公开 vs 私人

90 天里我跑出来的所有东西，按可公开度分级：

3.1 完全可公开

• 方法论 / 学习路径：选 IBKR、Paper 不可代替、用 Walk-Forward 而非简单 train/test、风控比 alpha 重要 N 倍
• 学习过程的错误：早期把 Paper 表现外推、初期低估滑点、动量参数过拟合的过程
• 认知更新：哪些行业 dogma 验证了、哪些被打脸
• 行业洞察：CeFi 实盘的微观结构感、为什么散户量化 alpha 大多是 "execution alpha" 而非 "prediction alpha"

3.2 可半公开（带遮罩）

• 实盘 P&L 数据：可以给百分比 / Sharpe / MaxDD，但不给具体仓位金额
• 策略类别：可以说「动量 + Theta 收割 + 事件驱动」，但不给具体参数、entry/exit rules
• 持仓 ticker：可以给「持有过 SPY / QQQ / 大盘指数 / 单只 mega cap」，但不给当前持仓

3.3 完全私人，永不公开

• 当前持仓（被复制 / 被反向）
• 实时 alpha（一旦公开就死）
• 资金来源 / 真实金额（人身安全 + 税务）
• API key / 账户号（废话级别的常识）
• 正在 paper 但尚未实盘的策略（公开等于把你的研发竞争优势送掉）

核心原则：alpha 可以暗示，但不能给配方。教训和方法论可以全给。

PM 视角：这跟「open source 项目要不要 release 完整 production stack」是同一个问题。给 SDK + 文档 + 示例（赋能社区），不给数据 / pipeline / 商业逻辑（保护核心）。

---

四、文章结构设计

借鉴 STAR-T 框架 + 经典「3 hooks」开头：

[Hook] 一句话总结 90 天 ——「我用了 90 天和 $1000，搞清楚了为什么大多数人量化都失败」
  ↓
[Situation] 起点：4 月份的我是谁、为什么开始
  ↓
[Task] 三阶段目标 + 一句话目标
  ↓
[Action - Phase 1] 方法论 30 天 —— 最重要的 3 件事
[Action - Phase 2] 实操化 30 天 —— 三策略 paper trade
[Action - Phase 3] 实盘 30 天 —— sim-to-real gap + 心态
  ↓
[Result] 数字：P&L / Sharpe / MaxDD
  ↓
[Lessons] 5 件最 surprise 的事 + 3 件不工作的事
  ↓
[Next] 我的下一个 90 天
  ↓
[CTA] 留邮箱 / 留 Twitter / 留链上地址

总长 2000-2800 字，段落短、bullet 多、有数字、有故事。

---

五、文章草稿（v1，约 2200 字）

下面是要发出去的版本，写在这里 Day 89-90 还会再过一遍打磨。

---

90 天，$1000，和一个金融 PM 的量化跳坑日记

我用了 90 天，把 $1000 从一个数字变成了一段经历。

实盘 30 天，账户 Sharpe 1.4，最大回撤 6.8%，绝对收益 4.2%。这些数字对任何机构量化都不够看，但它们是真实的——经过滑点、手续费、税务预提、心态波动后剩下来的。

这是一个 10 年金融零售 PM 决定亲手把「策略 → 实盘」走一遍的复盘。

---

4 月份的我：起点

我在金融业做了 10 年 PM/BA，写过支付清结算系统，做过零售银行的数字化方案，看过太多团队讲得很顺、跑不通的策略。每次和量化 desk 的人聊，我都有一个挥之不去的怀疑：

我们 PM 听到的那些「夏普 3.0」、「年化 40%」，到底有多少能扣掉成本、扣掉滑点、扣掉 sim-to-real gap 之后还活着？

2026 年 4 月，我决定不再纸上谈兵：用我自己的 $1000，用业余时间，给自己一个 90 天，跑通从工具链到回测到 paper 到实盘的完整路径。目标不是赚钱，是验证认知。

---

Phase 1：方法论 30 天 —— 学到的最重要 3 件事

1. IBKR 不是「便宜」，是「未来 5 年都不用换」

我前 3 天纠结过 Robinhood / Alpaca / 老虎，最后选 IBKR Pro。这个选择回头看是 90 天里最对的决定之一。原因不是佣金（Robinhood 表面更便宜），是路由质量——Lite 的 Payment for Order Flow 滑点会在统计层面悄悄吃掉你大部分边际利润。

平台选择是路径依赖的早期决定。换平台的成本（重写代码 / 重训模型 / 重过 KYC）巨大。

2. Walk-Forward > train/test split

第一次回测我用经典 70/30 切，跑出 Sharpe 2.6。Walk-Forward 之后掉到 1.1。前者是过拟合，后者才是 Out-Of-Sample 的诚实估计。

如果只信回测数字而不信 Walk-Forward，你已经在准备亏钱。

3. 风控比 alpha 重要 N 倍

任何一个 -50% 的回撤要 +100% 才能回本。Phase 1 我花了 1 周时间死磕风控参数（单仓上限 / 总杠杆 / Stop loss / 行情停摆熔断 / 系统熔断），后来证明这是 90 天里最值钱的 1 周。

---

Phase 2：实操化 30 天 —— 三策略 paper trade

我同时跑了 3 个相互不相关的策略，避免单一信号失效就全军覆没：

Paper 阶段最大的 surprise 是期权策略的 Sharpe 表面好得离谱——但 Day 49 拆开看，原因是 Paper 模拟器对 bid-ask spread 太宽容了。Paper 期权高估自身 30-50% 的 Sharpe，这是后面实盘最被反复印证的事。

---

Phase 3：实盘 30 天 —— sim-to-real gap 是真实的

8 月 4 日切实盘。第一周三件事让我恍如新人：

1. 滑点比 Paper 多 35-50 bp（尤其期权）
2. 第一次实盘亏损时心跳明显加快——Paper 阶段从来没有这种感觉
3. 早盘开盘 5 分钟我下不去手——明知道信号是好的，但「这次会不会跟以前不一样」的怀疑就是按不住

第二周开始接受：实盘的核心问题不是策略好不好，是你能不能按照策略执行。我开始写「实盘前 checklist」：

[ ] 信号是策略产生的，不是我看新闻产生的
[ ] 仓位 <= 单仓上限
[ ] 总持仓 risk-on 后总杠杆 <= 1.5
[ ] 今天没有发生过 -3% 单日（如有则自动减仓 50%）
[ ] 我的情绪自评 <= 6/10

第二条到第五条是「软规则」——硬规则交给代码，软规则交给 checklist + 自评。软硬结合后，30 天没有一次「情绪交易」。

---

30 天实盘数字（真实，未粉饰）

这是一个绝对意义上「平庸」的结果——任何机构看到 Sharpe 1.4 都不会兴奋。但对一个 30 天的散户实盘，它说明三件事：

1. 风控没崩
2. 策略真实存在 alpha（Sharpe 显著 > 0）
3. 我没有被自己的情绪打败

够了。

---

5 件最 surprise 的事

1. 执行 > 信号。我以为 90 天会花在「找 alpha」上，结果 60% 时间花在「能不能按规则执行」
2. Paper trade 高估期权 Sharpe 30-50%。Paper 是「跑通流程」工具，不是「评估盈利能力」工具
3. 滑点是隐藏税。$1000 体量上佣金可控但滑点不可控，每笔 30-50 bp 累积起来比佣金狠得多
4. W-8BEN 30% 股息预提是真的。任何高股息策略对中国大陆居民的 Sharpe 都要打 6 折再看
5. 心态是 alpha 的一部分。我以为「按规则执行」是 1 行代码的事，结果它是 90 天里最难的一行

---

3 件不工作的事

1. 过度拟合的「多因子模型」。一开始我把动量 + 价值 + 质量 + 情绪 5 个因子塞一起，回测 Sharpe 3.2，Walk-Forward 1.0，实盘 0.4
2. 频繁交易的事件驱动。财报 1-3 天的策略实盘几乎被 spread 吃光，Sharpe 从 Paper 0.9 跌到实盘 0.1
3. 跨链 alpha 套利（DeFi 一侧）。Phase 3 后半我试过把 CeFi 信号映射到 DeFi 套利，结果 gas + bridge 费 + IL 把任何理论 alpha 全部吞掉，散户做 cross-venue arb 在当下市场结构上不成立

---

我的下一个 90 天

3 件事：

1. 扩资金到 $5k-$10k。$1000 太小，spread 占比太重；扩到 $5k+ 后 alpha/noise 比例会改善
2. 加一个相关性 < 0.3 的新策略（极可能是 BTC/ETH 永续 funding rate arb）
3. 公开 monthly retro。不是 alpha，是过程——让自己被 accountability 推着走

这 90 天最大的产出不是 4.2% 的钱，是一套可重复的认知和习惯。钱本身是噪声，习惯是信号。

---

写给同样想下场的 PM 朋友

如果你也是个金融业 PM、有点工程能力、对量化好奇：别再 paper 三年了，用 $500-$1000 真实下场，30 天能学到的东西超过三年的论文阅读。

但请：

• 先把风控搭好，再想 alpha
• 接受 Sharpe 1.0-1.5 是「真实的好结果」
• 把每天的执行写成 checklist，软硬结合

下一篇大概一个月后，按 monthly retro 节奏。

— Day 90 后再聊。

---

(草稿 end)

预估字数 2200，过审之后到 2000 区间是合适的发布长度。

---

六、SEO friendly 标题候选

我列 6 个，从「专业向」到「故事向」排开，方便不同平台选：

我的选择：

• Mirror 中文版：标题 A
• Medium 英文版：标题 C（求职流量来源）
• LinkedIn：标题 F（求职 oriented）
• Twitter thread：标题 E（专业向，吸引 Quant Twitter）

---

七、发布渠道矩阵

关键的「不」：

• 不发微博（噪声太大，不是目标受众）
• 不发小红书（受众错位）
• 不发 Reddit（个人量化 sub 容易被 flame，性价比低）
• 不做「公众号付费」（与 build in public 价值观冲突）

---

八、Twitter Thread 拆解（Day 86 发）

10 条左右，每条 280 字符以内，第一条是 hook：

1/ 90 days. $1,000. 30 days of live trading. Sharpe 1.4, MaxDD -6.8%.

Here's what a 10-yr finance PM learned about quant from $1k of his own money 🧵

2/ The plan: 30 days methodology → 30 days paper → 30 days live.
Goal wasn't profit. Goal was to verify whether retail quant alpha is real after slippage, fees, tax, and emotions.

3/ Lesson 1: Platform choice is a 5-year decision.
IBKR Pro > Lite. PFOF on Lite quietly eats your edge through routing slippage.

4/ Lesson 2: 70/30 train-test is dead. Walk-forward only.
My naive split showed Sharpe 2.6. WF showed 1.1. Live confirmed ~1.4. 70/30 was lying to me.

5/ Lesson 3: Risk management >>> alpha.
A -50% drawdown needs +100% to recover. I spent a full week tuning risk caps. Best week of the 90.

6/ Paper trade ≠ profit potential.
Options strategies showed Sharpe 2.0 on paper. Live? 0.9-1.1. The spread alone killed 30-50% of paper edge.

7/ The biggest surprise: execution > signal.
I thought 90 days would be spent finding alpha. 60% was spent learning to actually follow the rules under emotional pressure.

8/ What didn't work for me:
- Multi-factor models (overfit on paper, dead live)
- Earnings 1-3 day plays (spread eats it)
- Cross-venue (CeFi → DeFi) arb at retail size (gas + bridge kills it)

9/ Next 90 days:
- Scale to $5-10k
- Add one uncorrelated strategy (likely BTC/ETH perp funding)
- Public monthly retros

10/ Full writeup with numbers + lessons: [Mirror link]
If you're a PM thinking about quant, DM me. Always happy to compare notes.

---

九、预期反应 / 互动 / 心态预案

发文之前先想清楚「会发生什么」，避免发完之后被 view count / 评论牵着鼻子走。

9.1 评论分布预测

底线规则：每条评论我最多想 30 秒再回。不要因为某条评论改文章（除非是事实错误）。

9.2 网络可能性

• 链上 1-2 个 Quant Twitter 或 Web3 PM 找到我（这是我最想要的结果）
• 0-1 个真招聘 outreach
• 0 个魔法变现机会（如果有，是诈骗）

9.3 「写完之后」的纪律

核心警惕：view count 是 vanity metric，connection 数量和质量 才是 north star。我会在每月 retro 里记录：「这个月通过这篇文章建立了几个有实质性对话的 connection？」

---

十、PM 视角：Build in Public 是产品策略，不是 ego project

我用 10 年 PM 的视角拆 build in public 是什么：

1. 本质是 open roadmap——把你的 thesis 暴露给市场，让市场提前给你 feedback，比 closed door 做半年再 launch 要省时间得多
2. 是 thesis 的压力测试——写出来 = 必须经得起 challenge。写不出来的部分通常就是没想清楚的部分
3. 是 ICP 的反向筛选——会被这种文章吸引的人，自动是「重内容、轻包装」的同类，省了大量筛选成本
4. 是 reputation capital 的复利——每篇文章是一个 deposit，不是孤立事件。10 篇后开始有引用、20 篇后开始有人主动找你
5. 是 future self 的留信——10 年后我看 90 天前自己怎么想，是最好的 calibration 工具

这跟我做 SaaS 产品时主张「明文 changelog + 月度 roadmap update + 公开 metrics」是同一套哲学：透明换信任，信任换长期客户，长期客户换团队的 free attention。

个人 brand 是同样的逻辑——只是 customer 换成了「未来的 employer / co-founder / collaborator」。

---

十一、Day 85 实际执行 Checklist

按这个顺序做：

• (0) 把过去 84 天的笔记列表过一遍，标出 5 个「最想被记住」的 takeaway
• (1) 起标题候选 6 个（已完成，章节六）
• (2) 写出完整草稿 v1（已完成，章节五，2200 字）
• (3) 决定渠道矩阵（已完成，章节七）
• (4) 写 Twitter thread（已完成，章节八）
• (5) 写「写完之后」纪律（已完成，章节九）
• (6) Day 86-87 任务：草稿 v2 打磨 + 截图作图 + 数字 double check
• (7) Day 88-89 任务：Mirror / Medium / LinkedIn / Twitter 实际发布
• (8) Day 90 任务：发布后 24h 高质量评论 follow-up

---

十二、明日预告

Day 86: 公开复盘文章 #1 —— 数字 double check + alpha 归因分析

• 把 Day 85 草稿中的 Sharpe / MaxDD / 胜率 / 盈亏比 用 Day 75-84 的实盘 log 重新算一遍
• 拆 alpha 来源：动量 / Theta / 事件 / beta 各贡献多少
• 区分 "execution alpha"（按规则执行带来的） vs "prediction alpha"（信号本身带来的）
• 把归因结果回填到 Day 85 文章里，让数字段更严谨
• 决定要不要在文章里公开归因比例（教训：太具体的归因 = 把研发路径泄露给同行）

---

实际执行记录

启动一项填一项，时间戳 + 卡点。

• [hh:mm] 84 天笔记回顾 + 5 个 takeaway 选出 — ...
• [hh:mm] 标题候选 ABCDEF 出 — ...
• [hh:mm] 草稿 v1 写完 — ...
• [hh:mm] 渠道矩阵 + Twitter thread — ...
• [hh:mm] 「写完之后」纪律表 — ...
• 卡点 / 学到的：

---

总字数：约 6,400 字 今日完成度：思考 ✓ / 草稿 v1 ✓ / 渠道矩阵 ✓ / 笔记 ✓