策略衰退识别机制构建 绩效监控指标体系与策略停用切换规则设计
策略衰退识别机制构建 绩效监控指标体系与策略停用切换规则设计
做策略监控这几年，我见过最普遍的一种自欺：曲线回撤了30%，第一反应不是查策略是不是失效了，而是去调参数、加过滤、换周期，直到把那条曲线重新拟合上去。这个动作在圈内有个不太上台面的说法——「给尸体化妆」。真正难的不是把曲线修好看，而是在它还好看的时候就判断出它正在衰退。这件事没法靠感觉，得靠一套事先写死的监控规则。
下面这套东西不是理论，是我自己在多策略组合里跑监控时反复改出来的框架。它有一个明确的立场：衰退识别必须发生在实盘亏损扩大之前，而不是之后。
第一版监控为什么必然失效
最早我的监控很简单：滚动20笔交易的盈亏，连续亏损超过某个阈值就报警。跑了一段时间发现两个问题。一是报警太晚，20笔的样本在日线级别策略上可能要一个月才攒够，等报警出来，回撤已经吃掉大半利润。二是报警太吵，趋势策略在震荡区间里连续小亏是正常特征，不是失效，结果天天响。
更麻烦的是第三点：这个指标对参数极度敏感。阈值设松了没用，设紧了策略刚上线两周就被停掉，而它可能只是还没等到适合的行情。这就是关键——衰退监控的本质不是「亏了就停」，而是区分「策略正常的不适应期」和「策略逻辑被市场结构变化破坏」。
所以第二版我把监控拆成了三层：绩效层、结构层、环境层。三层同时触发才停用，单层触发只降仓。
绩效层：用滚动指标替代单点盈亏
绩效层看三个东西，都基于滚动窗口，窗口长度按策略的交易频率定。日线级别用60笔滚动，日内用100笔滚动。具体指标：
- 滚动盈亏比（平均盈利/平均亏损）：和策略设计时的基准值比较，跌破基准的70%进入观察
- 滚动胜率与盈亏比的乘积，也就是近似的期望值：这个比单看胜率稳，因为胜率和盈亏比会互相补偿
- 滚动最大单笔亏损占账户净值的比例：这个用来抓执行层面的异常，比如滑点突然变大
这里有个细节值得说。滚动期望值我用的是中位数而不是均值，因为少数几笔极端盈利会把均值拉得很高，掩盖掉大部分交易在变差的事实。历史数据显示，趋势类策略的收益分布右偏严重，均值和中位数的背离本身就是个信号——背离扩大往往意味着盈利越来越依赖少数几笔大单，策略的稳定性在下降。
绩效层单独触发时，我的处理是仓位打到七成，不停用。理由很直接：绩效指标有滞后性，单靠它做决策容易在策略即将恢复时把它砍掉。
结构层：看信号质量而不是结果
这一层是我认为最有价值、也最少人做的部分。绩效是结果，结构是原因。策略失效在结果上体现之前，通常在信号结构上已经有征兆。
拿一个突破策略举例。它失效的典型路径不是突破突然不赚钱了，而是假突破的比例在悄悄上升——同样数量的信号，能走出趋势的越来越少。所以结构层我监控的是信号后续的「跟随度」：信号触发后N根K线内的最大有利偏移（MFE）分布。如果MFE的中位数持续下移，说明市场对这类信号的响应在变弱，哪怕当期盈亏还是正的。
再补一个指标：信号触发频率。频率突然翻倍或腰斩都值得查。翻倍可能是市场波动结构变了，把原本不满足条件的伪信号放了进来；腰斩可能是过滤条件在当前波动率下过严。这两种都不是策略逻辑本身的问题，但都会让实盘表现偏离回测预期。
结构层触发时我会把仓位降到五成，同时开始做参数敏感性复查——不是调参，是看当前参数是否还落在稳定区间内。
环境层：先判断策略还配不配这个市场
很多所谓的策略失效，其实是环境错配。趋势策略在低波动的横盘里连续小亏，这不是策略坏了，是它本来就不该在这时候满仓跑。所以环境层监控的是策略赖以生存的市场特征有没有消失。
趋势策略看的是滚动区间的趋势强度指标，比如用ADX或者价格自相关；均值回归策略看的是价格穿越均值的频率和幅度；网格类看的是波动率是否落在设计区间内。这些指标不需要精确，只需要给出一个「当前环境是否属于策略的设计适用域」的粗判断。
环境层单独触发不停用，只降仓，并且不允许在这个阶段加仓。这一条救过我不少次——很多时候回撤只是环境暂时不匹配，等波动率回来，策略自己就恢复了。
停用与切换的具体规则
三层指标各自打分，触发记1分，不触发记0分。规则写死，不做临时判断：
- 累计1分：仓位降至七成，进入观察名单，每周复查一次
- 累计2分：仓位降至五成，暂停新开仓的资金增量，只允许存量仓位自然了结
- 累计3分：策略停用，资金转入备用池，进入「冷静期」，冷静期长度设为该策略平均持仓周期的三倍
冷静期结束后不是直接恢复，而是用一段模拟盘或者小仓验证期重新走一遍，确认三层指标回到正常区间才恢复原仓位。这个流程听起来繁琐，但它把「拍脑袋决策」换成了「按规则执行」，避免在回撤时因为情绪做出过度反应或者死扛。
切换规则也要提前定。备用池里的资金往哪去？我的做法是流向当前环境层得分最高的在跑策略，而不是新开一个策略。新策略的上线需要独立的验证流程，不应该和衰退切换混在一起做。
一个可复现的验证方案
上面这套规则本身也需要验证——验证的不是它能不能提高收益，而是它能不能比「无监控」更早识别出策略的真实失效期，同时不误杀正常回撤。
可复现的做法：在MT5策略测试器里，用某个趋势策略（比如双均线加ATR过滤），跑EURUSD H1，数据区间取2018到2023年，用「每笔交易」模式导出成交记录。然后把上面三层指标写成脚本，对成交记录做滚动计算，输出每个时间点的三层得分和对应的仓位建议。接着对比两条净值曲线：一条是原始固定仓位，一条是按得分动态调仓。评价指标看三个：最大回撤的改善、衰退期的识别提前量（以交易笔数计）、以及误杀率（被降仓但随后策略恢复正常的次数占比）。
参数示例（以下为示例参数，非真实回测结果）：滚动窗口60笔，盈亏比基准1.5，期望值基准0.15R，MFE中位数基准取上线前100笔的中位数，ADX阈值20。这些数字只是给你一个起点，具体要按你的策略频率和品种重新标定。
这套框架的缺点也说清楚：它需要持续的记录和计算，手工做不现实，得写脚本或者用组合管理工具；另外三层同时触发的条件偏保守，可能在剧烈但短暂的环境变化里反应偏慢。它不是万能钥匙，只是把「什么时候该停」这个决定从情绪手里拿走。
你用类似的滚动指标监控过自己的策略吗？阈值是怎么定的？如果按上面这套三层规则跑一遍你手上的策略历史成交记录，误杀率大概是多少？把结果发出来，我们可以对着数据聊。
免责声明：本文仅代表作者观点，不构成任何投资建议。市场有风险，交易需谨慎。
