算法部署与监控

一个跑通的回测是个假设。一个实盘算法是个实验。部署的活是当实验出错时安全地失败。

大部分量化的灾难不出在研究里——出在生产里，bug、数据缺口、市场环境切换悄悄叠加。部署是一门谨慎、监控、预演失败模式的功夫。

上线前清单

真金白银碰算法之前：

1. 样本外表现：扣除真实成本后，在多个未见过的时段为正
2. Walk-forward 稳定性：滚动重优化下优势还在，而不是只对一次拟合有效
3. 压力测试：2008、2020、闪崩——策略会不会爆？
4. 参数敏感性：输入小变不应让结果戏剧性翻转
5. 模拟盘：2–3 个月前向仿真，跟回测假设对得上
6. 代码评审：另一双眼睛查 look-ahead bug、成交假设、仓位计算

分阶段上线

别从回测直接跳到满仓。分层放量：

每个门槛都是一个你算出来的真实数字，不是感觉。

实时盯什么

• P&L 对比预期：滚动已实现 vs 回测每笔预期
• 滑点：实际成交价 vs 信号价；超模型就报警
• 订单成交率：订单是不是被拒或部分成交？
• 延迟：信号到下单、下单到成交的时间
• 持仓和敞口：实时 vs 目标；任何偏离都报警
• API 错误和限频：错误率、重试次数、断线
• 系统健康：CPU、内存、磁盘、网络；进程是否活着

报警和一键停止

在这些上设报警：

• 日内回撤超过历史 Nσ
• 滚动窗口的策略 Sharpe 跌破下限
• 持仓上限被破
• 交易循环里任何未处理异常
• 行情丢失超过 X 秒

一键停止应该一个命令撤销所有挂单、平掉仓位——而且你该在需要它之前就测过。把流程演练熟；真出事时你没时间现琢磨。

模型衰减检测

优势会被磨损。盯这些：

• 滚动 60 日 Sharpe 比回测低 > 50%
• 胜率漂移超过期望 2 个标准误
• 策略收益跟已知因子的相关性上升（拥挤的信号）
• 实盘和回测 P&L 的差距拉大

发现衰减时，正确答案通常是降仓位，而不是恐慌重训。先调查，再决定。

事故响应

1. 停：一键停止
2. 保留现场：失败那一刻的日志、持仓、订单、市场状态
3. 诊断：恢复前找根因
4. 修复并评审：打补丁、代码评审、模拟盘跑过再上实盘
5. 复盘：写下发生了什么——每次事故都是未来的预防

小结

部署是算法交易里不风光的那一半。分阶段放量，每个指标都监控，报警设在对的地方，一键停止要演练。目标不是永远不失败——是失败得小、失败得安全，学得够快，让下一版比上一版强。