tradeSys 综合架构设计蓝图

v4 修订 | 2026-03-20 | SVOL ETF 样本外验证（真实数据证伪） v3 修订：2026-03-20 | 基于真实数据验证 + combo v3 v2 修订：2026-03-20 | 基于 P-1~P-7 回测数据修正 v1 产出：2026-03-19 | 基于 18 篇理论研究 目标读者：张晓龙（大数据背景 + 基础交易经验 + $1M 退休基金目标） 性质：可执行的系统蓝图，非学术综述

修订摘要

v4 修订（2026-03-20 12:00）— SVOL ETF 真实数据证伪

核心发现：SVOL ETF 4.8 年真实样本外数据全面证伪合成数据假设

v3 修订（2026-03-20）

v3 变更：新增修订摘要表，纳入 P-8 真实数据验证 + P-9 combo v3 结果

v2 修订（2026-03-20）

〇、一句话总结

tradeSys 的核心不是"找到最好的策略"，而是"用工程化的纪律执行一组平庸但互不相关的策略，让组合效应和风控模块替你赚钱"。 18 篇报告反复指向同一个结论：单一策略的 Sharpe 只有 0.3-0.8，但 5-7 个低相关策略的组合可以把 Sharpe 推到 0.9-1.3。 v2 更正：7 轮回测验证了这个逻辑——五策略组合实测 Sharpe 1.035，但年化收益 8.9% 而非理论预估的 12-18%。纪律执行和风控的价值被确认，但绝对收益率需要降低期望。 v3 更正：真实数据验证揭示 SVOL 合成数据严重失真（波动率差 2.2 倍、与 SPY 相关 0.71），修正后六策略组合（Plan D）Sharpe 0.887、CAGR 8.31%——更诚实但依然显著优于 60/40。

一、整体架构设计

1.1 五层架构总览

┌─────────────────────────────────────────────────────────┐
│  Layer 5: 分析层 (Analytics)                              │
│  日报/周报/月报 · 策略归因 · 衰减监控 · 纪律得分           │
├─────────────────────────────────────────────────────────┤
│  Layer 4: 风控层 (Risk Control)                           │
│  三层风控架构 · 熔断器 · 相关性监控 · VPIN 哨兵             │
├─────────────────────────────────────────────────────────┤
│  Layer 3: 执行层 (Execution)                              │
│  买力状态机 · 订单路由 · MEV 保护 · 滑点建模               │
├─────────────────────────────────────────────────────────┤
│  Layer 2: 信号层 (Signal)                                 │
│  趋势跟踪 · 动量 · 均值回归 · 波动率卖出 · 加密Funding     │
├─────────────────────────────────────────────────────────┤
│  Layer 1: 数据层 (Data)                                   │
│  采集 · 清洗 · Point-in-Time 存储 · 特征计算               │
└─────────────────────────────────────────────────────────┘

v2 变更：信号层中"事件驱动(PEAD)“替换为"波动率卖出 + 加密 Funding” v3 变更：新增"黄金动量(GoldMom)“作为第六策略，SVOL 降权至 10%

1.2 各层核心功能与设计原则

Layer 1: 数据层

核心功能：所有数据点必须携带 available_at 时间戳（Point-in-Time），杜绝前视偏差。

设计原则（来源：回测陷阱报告 + 清算结算报告）：

• 事件存储架构：不用状态快照，用事件流——每条数据记录"何时可得”，回测时只查询 available_at < backtest_time 的数据
• 滚动窗口标准化：所有 Z-score / 均值 / 标准差必须用滚动窗口计算，禁止全样本统计（回测报告发现全样本标准化使 IC 虚增 133%）
• 生存偏差处理：数据集必须包含退市/归零资产。加密市场生存偏差高达 15-25%（美股 1.5-2.5%），忽略则回测严重失真
• 结算状态追踪：T+1 下卖出资金的 settled/unsettled 状态必须建模，否则高频轮动策略回测收益高估 15-30%

技术选型：

v2 验证：P-2 TSMOM 回测使用 Stooq 免费数据 + 本地 CSV 成功运行，验证了免费数据源方案可行。

Layer 2: 信号层

核心功能：产出标准化的交易信号（方向 + 置信度 + 推荐仓位），所有策略通过统一接口输出。

设计原则（来源：趋势跟踪 + 动量 + EMH 边界 + 因子模型等多篇报告 + P-1~P-7 回测验证）：

• 多策略低相关组合：单策略 Sharpe 0.35-0.81 是现实的（P-7 实测），追求 Sharpe > 1 靠的是组合分散化而非单策略优化
• 信号限幅：趋势信号的 z-score clip 到 [-2, +2]，超强信号不加仓——Lempérière et al. (2014) 证明趋势存在饱和效应
• ML 只做增强不做决策：ML 作为传统策略的"否决器"和波动率预测器，不独立产出交易信号
• v2 新增 — 策略分类框架（详见 3.3 节）：
  • 机制性策略（优先）：基于人类认知偏差的策略（趋势跟踪、波动率风险溢价）——只要人类心理不变就会持续有效
  • 统计性策略（谨慎）：基于统计异常的策略（PEAD、部分因子）——一旦被足够多人知道就会被套利掉

Layer 3: 执行层

（内容不变，v1 设计原则均有效）

核心功能：将信号转化为实际订单，最小化执行成本。

设计原则（来源：市场微结构 + HFT 借鉴 + 清算结算报告）：

• 永远不用市价止损单：用止损限价单，限价 = 止损价 × (1 - 2%)
• ADV 占比决定执行策略：< 0.1% ADV 直接限价单；0.1-1% ADV 拆 3-5 笔；> 1% ADV 用 TWAP/VWAP
• MEV 保护是加密交易的硬性要求
• 时段选择：趋势入场 10:00-10:30 EST，均值回归平仓 15:30-15:50 EST
• 买力状态机：跟踪每笔卖出的 settled/unsettled 状态

Layer 4: 风控层

（核心框架不变，v2 补充回测验证数据）

三层风控架构：

v2 验证：P-7 危机回测显示，五策略组合在 2022 加息全年回撤 -12.3%~-13.6%，而 60/40 回撤 -26.4%。风控层的分散化效果被实测确认。 v3 验证：P-9 修正后六策略组合（Plan D）2022 回撤 -13.3%（vs 60/40 -26.4%），COVID 期间 +1.6%（vs v2-C 修正后 -0.8%）。SVOL 降权改善了危机表现。

Layer 5: 分析层

（内容不变）

二、策略组合方案（v4 修订）

2.1 推荐策略组合与配比

⚠️ v4 重大修订：P-10 SVOL ETF 样本外验证（4.8 年真实数据）证伪合成假设 — Sharpe -0.03（非 0.81），SPY corr 0.72（非~0），vol 17.8%（非 8%）。建议移除 SVOL 或降至 5% 以下。

v4 核心结论：SVOL 在 4.8 年真实样本期（2021-052026-03）表现全面证伪合成假设 — 负 Sharpe、高相关、高波动、深回撤。CryptoFunding（corr 0.005）是唯一真正独立的 alpha 源，应提高权重。GoldMom（corr0.05）是次优分散化选择。

v3 组合实测结果（Plan D，P-9 回测，2016-2026）：

v3 变更：Sharpe 从 1.035 降至 0.887（↓17.6%），主因 SVOL 真实数据修正。但 Plan D 通过 SVOL 降权 + GoldMom 引入，MaxDD 从 -16.6% 改善至 -13.9%。

⚠️ v4 警示：v3 的 Sharpe 0.887 仍包含 SVOL 10% 权重（基于合成假设）。真实 SVOL ETF 数据证伪后，Plan D 需重新回测 — 预期移除 SVOL 后 Sharpe 可能降至 0.80-0.85，但组合真实性/可执行性大幅提升。

相关性矩阵（v3 实测）：

v3 变更：新增 GoldMom 列；SVOL 相关性基于修正后参数

平均成对相关性：0.21（v2 为 0.27） — SVOL 降权 + GoldMom 引入进一步降低了组合相关性。

⚠️ GoldMom 与 TSMOM 相关 0.70：因 TSMOM 包含 GLD，GoldMom 也做 GLD，本质是 TSMOM 框架的子集。分散化贡献有限，但 GLD 本身与 SPY 低相关（~0.05），仍有组合价值。

为什么 Plan D 最优？

• SVOL 降权 20%→10%：消除伪分散化（SPY corr 0.71），MaxDD 从 -16.6% 降至 -13.9%
• GoldMom 引入 10%：GLD 与 SPY corr ~0.05，提供真正的资产类别分散化
• CryptoFunding 仍是最独立的收益源（与所有策略 corr < 0.15）
• COVID 期间 +1.6%（vs v2-C 修正后 -0.8%），2022 回撤 -13.3%（vs v2-C -16.2%）

2.2 分阶段实施路线图（v2 修订）

Phase 0: 准备期（月 1-2，$0 实盘投入）

Phase 1: 策略研发 + 纸上交易（月 3-8，$0 实盘）

Phase 2: 小资金实盘（月 9-18，$5K-$30K）

Phase 3: 规模化（月 19-36+，$30K → $200K+）

v3 修订路线图到 $1M（基于 Plan D 实测 CAGR 8.31%，年追加 $20K）：

v3 变更：CAGR 从 8.9% 下调至 8.31%，路线图相应延长

v3 诚实评估（更新自 v2）：实测 CAGR 从 8.9% 微降至 8.31%，路线图延长约 1 年。$1M 目标的主要驱动力仍必须是主动收入（工作 + 业务），tradeSys 的角色是"守成增值"而非"暴富引擎"。

保守预期：16-19 年达 $580K-$770K；乐观预期（如果策略优化+更多独立收益源成功）：13-16 年达 $780K-$1M。

三、跨报告交叉发现

3.1 多篇报告共同指向的关键洞察

洞察 1：VPIN 是贯穿全系统的核心指标

• 信息不对称报告：VPIN 预警 2010 闪崩领先 2 小时
• HFT 借鉴报告：VPIN > 90 分位时暂停开仓可回避 60% 的闪崩
• 市场微结构报告：VPIN 在加密市场预测力更强（无熔断机制缓冲）
• 结论：VPIN 应内置为 tradeSys 风控层的"第一哨兵"

洞察 2：动量和价值的负相关性 (-0.53) 是组合的核心骨架

• 动量策略报告：Asness et al. (2013) 全资产负相关 -0.53
• P-7 实测：TSMOM-MeanRev 相关性 0.25（正但低），XSMOM-MeanRev 0.21
• 结论：虽然实测相关性不如理论值那么完美的负相关，但仍然是低相关的有效分散化

洞察 3：纪律执行的经济价值可精确计算——每年 3-6%

• DALBAR 数据显示散户 30 年行为缺口 2.84%/年
• Barber & Odean 最活跃交易者年化落后市场 6.5%
• 结论：纪律执行模块可能贡献了 tradeSys 净收益的 30-50%

洞察 4：交易成本是策略可行性的第一过滤器

• P-7 回测使用 0.1% 单边成本，各策略盈利
• 但实际执行中滑点、时机等隐性成本可能更高
• 结论：实盘首月重点监控实际 vs 预期交易成本偏差

洞察 5：加密市场效率正以 2-3 年/数量级的速度收敛

• 跨所价差从 2017 年 2-5% 降至 2023 年 0.1-0.3%
• CME 基差从 40%+ 年化压缩到 8-15%
• 结论：CryptoFunding 的 20% 配比需要每年重新评估，准备替代方案

洞察 6：合成数据可能产生"伪分散化"幻觉（v3 新增）

• P-8 真实数据验证揭示 SVOL 与 SPY 相关 0.71，但合成模型未建模此相关性
• 后果：v2 组合中 20% SVOL 实际 ≈ 14% 额外 SPY β敞口
• 结论：合成数据必须验证关键相关性参数，否则组合风险被系统性低估

3.2 报告间的矛盾与张力

（内容不变，v1 分析仍有效）

3.3 v2 新增：机制性策略 vs 统计性策略框架

来源：P-6 PEAD 死亡分析的核心洞见

PEAD 的失效揭示了一个重要的策略分类框架：

对 tradeSys 策略选择的指导：

1. 优先选择机制性策略 — 衰减慢，不怕被学术论文曝光
2. 统计性策略作为补充 — 但必须监控衰减，准备随时退出
3. 新策略评估时第一个问题：这个 alpha 来自人类偏差（不可消除）还是信息不充分（可被套利）？

v3 组合的策略分类：

• TSMOM（机制性 ✅）— 锚定偏差 + 处置效应
• XSMOM（机制性 ✅）— 注意力偏差 + 羊群效应
• MeanRev（混合 ⚠️）— 部分均值回归是机制性的（过度反应），部分是统计性的
• SVOL（机制性 ✅）— 波动率风险溢价是结构性的（保险买方永远存在）⚠️ 但与 SPY 高相关 0.71，已降权至 10%
• CryptoFunding（机制性 ✅）— 杠杆交易者支付的结构性成本
• GoldMom 🆕（机制性 ✅）— 黄金动量，锚定偏差 + 通胀/地缘避险结构

→ v3 组合中 5/6 的策略是机制性的（v2 为 4/5），新增 GoldMom 进一步强化了机制性策略占比。

3.4 被低估的交叉机会

1. PEAD × 趋势跟踪的叠加信号 → v2 删除：PEAD 已死，但财报日历仍可用于 TSMOM 叠加——财报季波动率扩张可增强趋势信号强度，不需要预测方向

2. 波动率均值回归 × Funding 尾部捕捉：极端负 funding + 极高波动率 → 同时做多现货（赌波动率回归+价格反弹）+ 收 funding，双重收益来源

3. 行为偏差 × 微结构：“Robinhood 涌入事件”（当天 +14.1%，5 天后 -4.7%）可以用 OFI 信号做入场确认

4. 结算周期 × 时区套利：CME 休市 25 小时/周的结算真空，周末加密波动后在 CME 开盘时捕获 gap

四、回测验证总结（v2 新增）

4.1 全部回测结果汇总

4.2 数据可信度评估

v3 变更：SVOL 和 CryptoFunding 可信度评估更新，基于 P-8 真实数据验证

v3 关键风险更新：SVOL 合成数据偏差已被 P-8 证实——波动率差 2.2 倍、与 SPY 高相关 0.71 = 伪分散化。已通过降权至 10% 缓解风险。CryptoFunding 低相关性假设已被真实数据确认，但收益需下调 25%。

五、技术栈建议

（内容不变，v1 技术选型经回测验证仍合理）

六、风险总览

（v1 风险清单仍有效，v2 新增一项）

6.1 v3 新增风险

6.2 v1 风险清单摘要（仍有效）

七、检查线自检

八、下一步行动（v3 更新）

1. SVOL/CryptoFunding 真实数据验证 — ✅ 已完成（P-8）
2. 组合 v3 回测 — ✅ 已完成（P-9，Plan D Sharpe 0.887）
3. 动态再平衡策略探索 — 当前固定权重，波动率目标化再平衡可能进一步提升 Sharpe
4. 宏观日历波动率策略 — 替代 PEAD 的事件驱动方向（CPI/非农/FOMC）
5. 寻找更多低相关收益源 — GoldMom 与 TSMOM corr 0.70，分散化有限，需要 corr < 0.15 的真正独立策略
6. Phase 1 编码启动 — 回测研究已成熟，可以开始实现 TSMOM + 风控框架代码

v3 基于 9 轮回测数据修订。核心变化：SVOL 真实数据验证→降权至 10%、新增 GoldMom、Sharpe 从 1.035 修正至 0.887、六策略 Plan D 配比。五层架构和风控体系不变。