tradeSys 行为规则引擎 MVP 设计方案

版本：v1.0
日期：2026-04-14
状态：设计文档

一、行为规则引擎基础

1.1 七大认知偏差回顾

1.2 对应的 IF-THEN 规则设计

规则 1：损失厌恶拦截器

IF 当前持仓亏损 > 5% AND 距离上次再平衡 < 7 天
THEN 触发"冷静期"告警，延迟执行 24 小时

规则 2：处置效应检测器

IF 单笔盈利 > 10% AND 持有时间 < 30 天
THEN 标记为"过早止盈嫌疑"，要求填写理由

规则 3：FOMO 防火墙

IF 标的 7 日涨幅 > 20% AND 未在计划内
THEN 禁止开仓，发送"追涨风险提示"

规则 4：过度自信监控

IF 月度交易次数 > 计划次数 * 2
THEN 锁定交易权限至月底，强制复盘

规则 5：锚定效应提醒

IF 卖出决策中提及"成本价"或"买入价"
THEN 弹出"去锚定"提示，显示当前估值而非成本

规则 6：确认偏误对冲

IF 连续 3 次交易方向相同（连续买入或卖出）
THEN 强制展示反向观点数据，要求确认

规则 7：后见之明预防

IF 交易亏损 AND 未在 48 小时内提交复盘
THEN 暂停新交易，直至复盘完成

1.3 行为损耗的量化方法

3-4%/年的行为损耗来源分析：

量化公式：

行为损耗率 = (实际收益率 - 策略理论收益率) / 策略理论收益率

月度行为评分 = 100 - Σ(违规次数 × 权重)
- 触发规则但遵守：-2 分/次
- 触发规则且违规：-10 分/次
- 未触发规则：0 分

二、MVP 架构设计

2.1 检测层：识别"非计划交易"

核心检测逻辑：

class UnplannedTradeDetector:
    def detect(self, trade_intent):
        checks = [
            self.is_in_rebalance_plan(trade_intent),      # 是否在再平衡计划内
            self.is_emergency_stop_triggered(trade_intent), # 是否触发紧急止损
            self.is_cash_management(trade_intent),         # 是否现金管理需求
        ]
        return not any(checks)  # 都不是 = 非计划交易
    
    def is_in_rebalance_plan(self, intent):
        # 检查是否在月度/季度再平衡清单中
        pass
    
    def is_emergency_stop_triggered(self, intent):
        # 检查是否触发预设止损线（如 -10%）
        pass

非计划交易特征：

1. 不在预设的再平衡时间表内
2. 标的不在当前持仓或目标配置中
3. 交易理由包含情绪关键词（“忍不住”、“感觉要涨”、“怕错过”）
4. 短时间内多次反向操作

2.2 干预层：告警、锁定、延迟执行

三级干预机制：

延迟执行实现：

class DelayedExecution:
    def __init__(self):
        self.pending_orders = []
    
    def schedule(self, order, delay_hours=24):
        execute_at = now() + timedelta(hours=delay_hours)
        self.pending_orders.append({
            'order': order,
            'execute_at': execute_at,
            'reason': 'cooling_off_period'
        })
        # 发送延迟确认通知
        self.notify(f"订单已延迟至 {execute_at} 执行")
    
    def check_and_execute(self):
        for pending in self.pending_orders:
            if now() >= pending['execute_at']:
                if self.confirm_intent(pending['order']):
                    self.execute(pending['order'])

2.3 复盘层：交易日志与行为评分

交易日志结构：

CREATE TABLE trade_logs (
    id INTEGER PRIMARY KEY,
    timestamp DATETIME,
    symbol TEXT,
    action TEXT,  -- BUY/SELL
    quantity REAL,
    price REAL,
    trigger_type TEXT,  -- PLANNED / DETECTED_BEHAVIORAL / EMERGENCY
    rules_triggered JSON,  -- ["FOMO", "LOSS_AVERSION"]
    decision_rationale TEXT,
    outcome_7d REAL,  -- 7天后收益率
    outcome_30d REAL  -- 30天后收益率
);

行为评分仪表盘：

• 月度行为得分（0-100）
• 规则触发热力图（按偏差类型）
• 遵守率趋势（合规交易 / 总交易）
• 行为损耗估算（vs 理论收益）

三、技术实现方案

3.1 与现有再平衡引擎的集成

集成架构：

┌─────────────────────────────────────────────────────────┐
│                    tradeSys Core                        │
├─────────────┬─────────────────────┬─────────────────────┤
│  再平衡引擎  │    行为规则引擎      │    执行层           │
│  Rebalance  │   Behavior Engine   │   Execution         │
├─────────────┼─────────────────────┼─────────────────────┤
│ • 计划生成   │ • 意图检测          │ • 订单路由          │
│ • 调仓计算   │ • 规则匹配          │ • 成交确认          │
│ • 时间表    │ • 干预决策          │ • 状态同步          │
└──────┬──────┴──────────┬──────────┴──────────┬──────────┘
       │                 │                     │
       └─────────────────┴─────────────────────┘
                         │
              ┌──────────▼──────────┐
              │    统一数据层        │
              │  (DuckDB/SQLite)    │
              └─────────────────────┘

集成点：

1. 前置拦截：所有交易意图先经过行为规则引擎
2. 计划标记：再平衡引擎生成的交易自动标记为 PLANNED
3. 结果回调：执行层将成交结果回写至行为引擎用于复盘

3.2 数据存储选型：DuckDB vs SQLite

MVP 选择：DuckDB

• 理由：行为分析需要大量聚合查询（月度统计、趋势分析）
• 备选：如部署环境受限，可降级至 SQLite

3.3 告警渠道

优先级配置：

飞书机器人消息模板：

{
  "msg_type": "interactive",
  "card": {
    "header": {
      "title": {"tag": "plain_text", "content": "🚨 行为规则触发"},
      "template": "red"
    },
    "elements": [
      {"tag": "div", "text": {"tag": "lark_md", "content": "**规则**: FOMO 防火墙\n**标的**: NVDA\n**建议**: 该标的 7 日涨幅 25%，不在计划内，建议暂缓买入"}},
      {"tag": "action", "actions": [
        {"tag": "button", "text": {"tag": "plain_text", "content": "确认违规，继续执行"}, "type": "danger"},
        {"tag": "button", "text": {"tag": "plain_text", "content": "接受建议，取消交易"}, "type": "primary"}
      ]}
    ]
  }
}

四、实盘验证计划

4.1 验证周期

总周期：2-3 年（24-36 个月）

理由：

• 覆盖完整牛熊周期（A股平均周期 3-5 年）
• 足够样本量验证规则有效性（至少 200+ 次交易）
• 行为改变需要长期观察（习惯养成需 6-12 个月）

4.2 关键指标

4.3 里程碑

五、独到判断

5.1 行为规则引擎的实际价值

判断：价值被严重低估，是散户量化投资的"隐形护城河"

1. 不对称收益：8-12 小时开发成本 vs 1-2% 年化收益提升，ROI 极高
2. 复利效应：每年 1-2% 的差异，20 年复利差距可达 20-40%
3. 非竞争性优势：不像策略因子会被市场套利，行为优势是个人内在
4. 防御属性：在极端行情（泡沫/恐慌）中价值最大，正好是收益差距最大的时期

5.2 是否值得投入工程资源

判断：值得，但要有正确预期

值得的原因：

• 开发成本低（MVP 可控制在 20 小时内）
• 维护成本低（规则相对静态，无需频繁调优）
• 与策略引擎正交（不影响原有策略逻辑）

正确预期：

• 不是"圣杯"，不能替代策略本身
• 效果显现慢（6-12 个月才能看到统计显著性）
• 需要配合纪律执行（规则再完善，绕过就没用）

5.3 对 tradeSys 实盘的含义

核心意义：从"策略执行"升级为"策略纪律"

当前 tradeSys 解决了"做什么"（资产配置、择时信号），行为规则引擎解决"怎么做对"（避免执行层面的自我破坏）。

长期愿景：

• 第一阶段（MVP）：被动拦截明显违规行为
• 第二阶段：主动预测行为风险（如市场高波动期自动收紧规则）
• 第三阶段：个性化规则（基于个人历史行为模式定制）

六、实操建议

6.1 MVP 开发优先级

P0（核心功能，必须实现）

P1（增强功能，建议实现）

P2（优化功能，可延后）

总工作量：P0(12h) + P1(13h) + P2(18h) = 43h

6.2 预期工作量

6.3 风险与应对

附录：快速启动检查清单

开发前准备

• 确认再平衡引擎输出格式（计划交易清单）
• 申请飞书机器人 webhook
• 安装 DuckDB Python 客户端

开发阶段

• 实现非计划交易检测逻辑
• 实现 3 条核心规则（FOMO、处置效应、损失厌恶）
• 集成飞书告警
• 编写单元测试

上线前检查

• 模拟交易测试规则触发
• 验证告警消息正常送达
• 确认数据写入正确

上线后监控

• 每周检查规则触发日志
• 每月生成行为评分报告
• 每季度评估规则有效性

文档结束