08_Research_Strategy_Decay

策略收益衰减：机制与对策

来源：「策略为什么必然会出现收益能力的衰减？」
分类：回测与研究

核心结论

策略上线后收益衰减是结构性必然，非运气问题。三个机制同时作用并层层放大。

---

三个衰减机制

机制一：选择原罪（赢家偏差）

• 筛选过程本身含未来信息——你挑中的那个策略，回测表现必然高于真实期望
• 即使做了样本内外划分，"按外样本表现挑策略"本身就是一次未公开的回测
• 极端回测表现 = 真信号 + 噪声，上线后回归均值是统计期望
• "看得上眼"的标准藏着后视偏差——逻辑合理、曲线漂亮，往往只是正好赶上了近两年某种市场风格

机制二：信息优势稀释

• 被动稀释：研报/论文/人才跳槽/行业分享 → 知识扩散惯性极强，类似 idea 会被独立重新发现
• 主动稀释：实盘交易在订单流里留指纹。频次越高、越规律、越同向，越容易被高频对手盘画像

机制三：交易本身改变市场

• 做市商根据你的足迹调整报价，逐步吃掉你利用的低效
• 对手盘会学习，识别重复行为模式后挂反向流动性
• 同类资金涌入，共同抹平价格偏离（不需要知道你的策略，只需寻找类似机会）
• 越短周期、越规律 → 越快被消化

三者叠加效应

机制一：起点高于真实期望（你看到的回测本来就虚高）
    ↓
机制二：优势随时间被稀释（别人也在靠近同一个洞）
    ↓
机制三：你的执行加速稀释（你赚得越爽，市场反应越快）
    ↓
结果：几乎一条单调向下的实盘收益曲线
    ↓
逼你再去研究新策略 → 循环

---

衰减速度对照表

维度	衰减快	衰减慢
持仓周期	tick/分钟/日内	周线/月线/中长期
信号复杂度	单因子/论文复现	多因子复合/系统级
容量上限	小容量高换手	大容量低换手
信号来源	公开K线/公开财报	另类数据/自研事件库
执行可见度	高频规律明显	低频拆单不规律
策略所在生态	公开因子/同行密集	冷门标的/少人覆盖

反直觉：回测 Sharpe 高 ≠ 实盘前景好。真正决定的是——所在生态有多拥挤、对手盘有多容易复制。

---

对策：接受衰减，把研究"工业化"

1. 持续迭代：研究当产线，老策略下线前新策略已在路上
2. 多策略组合：不同 alpha 来源 × 不同周期 × 不同标的池 = 天然护城河
3. 容量管理：alpha 浓时控规模；连续赚钱后别猛加仓（那往往是 alpha 已被稀释的时候）
4. 区分"坏了" vs "风格不对路"：建识别 + 动态分配机制，别一回撤就下线
5. 理解市场结构 > 找因子：产出方法论而非单个因子，这才是抵御衰减的护城河
6. 核心转变：从"找一个能赚钱的策略" → "构建持续产出新策略的研究体系"

---

对 Wyckoff 系统的映射

天然优势（衰减慢侧）

• ✅ 日线级别中长期持仓
• ✅ 多因子复合系统（量价结构 + Wyckoff 阶段 + 板块轮动 + regime 水温）
• ✅ 自研事件库（Wyckoff 形态识别非公开标准因子）

风险点

• ⚠️ 执行可见度中等（每日定时推送，有一定规律性）
• ⚠️ 标的池覆盖 A 股全市场，非冷门标的
• ⚠️ 最大风险：整个 Wyckoff 形态识别体系被更多量化团队复现

已落地的一期对抗衰减能力

详见 ITERATION_STRATEGY.md

flowchart LR
  A["信号衰减监控"] --> B["signal_health_daily"]
  B --> C["多策略动态分配"]
  C --> D["FUNNEL_DYNAMIC_POLICY<br/>shadow / on"]
  B --> E["信号生命周期管理"]
  E --> F["signal_registry<br/>ACTIVE / WATCH / RETIRED"]

Loading

1. 信号衰减监控：按信号类型追踪胜率、平均收益和回撤，自动生成健康度。
2. 多策略动态分配：AI 候选配额从静态 regime 硬切 → 数据驱动的动态权重。
3. 信号生命周期管理：实验 → 正式 → 观察 → 退役的闭环。

当前阶段：一期已落地，建议先用 FUNNEL_DYNAMIC_POLICY=shadow 观察 signal_policy_shadow_runs，稳定后再切 on。