4. 策略漂移的类型

在实盘监控中，我们常把“策略失效”当成一个笼统结论，但真正有价值的判断是：失效发生在哪一层。同样是净值回撤，可能来自输入数据分布变化、标签与收益关系改变、模型参数老化、下单执行偏差，或市场微观结构整体迁移。若不能区分漂移类型，就会用错误的修复手段：该换因子时去调参，该改执行时去重训模型，最终越修越偏。本节建立一套可落地的分类框架与识别路径。

一、五类漂移的核心原理与边界

漂移的本质是“训练期假设”与“实盘期现实”之间的偏离。按数据链路从上游到下游，可分为五类：

• 数据漂移（Data Drift）：特征 X 的边际分布或联合分布变化，而 P(Y|X) 未必改变。例如行情源切换、复权方式调整、因子计算窗口变更，导致输入分布偏移。
• 概念漂移（Concept Drift）：特征与标签的关系 P(Y|X) 改变。例如同样的动量因子，在流动性宽松期与紧缩期对收益的预测方向相反。
• 模型漂移（Model Drift）：模型输出分布或参数重要性发生偏移，通常由数据漂移与概念漂移共同驱动，表现为预测值均值、方差、IC、换手结构变化。
• 执行漂移（Execution Drift）：信号到成交的转化过程变化，包括滑点、成交率、延迟、冲击成本、撮合规则变化。模型没变，但可实现收益变了。
• 市场结构漂移（Market Structure Drift）：参与者构成、交易机制、波动率 regime、涨跌停与停牌规则等系统性变化，属于最外层环境迁移。

二、识别流程：从告警到归因

建议采用“分层监控 + 逐层排除”的流程，避免一上来就重训模型。典型步骤如下：

1. 建立基线：用训练期与近N日滚动窗口，分别固化特征分布、预测分布、成交质量、市场状态四类基线。
2. 分布检验：对连续特征用 PSI、KS、Wasserstein 距离；对类别特征用卡方或 TVD。阈值可按业务容忍度设定，如 PSI>0.2 触发预警。
3. 关系检验：计算滚动 IC、Rank IC、分组单调性，观察 Y|X 是否稳定；若 IC 衰减但特征分布稳定，优先怀疑概念漂移。
4. 输出检验：监控预测均值、方差、分位数、换手率与持仓集中度，判断模型漂移。
5. 执行检验：对比理论成交价与实盘成交价，统计滑点分布、成交率、延迟分位数。
6. 环境检验：跟踪波动率、成交量、买卖价差、参与者结构指标，识别市场结构漂移。

三、案例场景：一次“看似模型失效”的归因

某中频选股策略连续两周回撤，团队第一反应是重训模型。但按上述流程排查后发现：

• 特征 PSI 全部低于 0.1，数据漂移不显著；
• 滚动 IC 从 0.06 降至 0.01，概念漂移明显；
• 预测均值与方差基本稳定，模型漂移是结果而非原因；
• 滑点从 8bp 升至 22bp，执行漂移叠加；
• 同期市场波动率翻倍、买卖价差扩大，市场结构漂移是触发源。

最终处置不是重训，而是：降低仓位、切换至低换手因子、优化下单算法，并在波动率回归后恢复。若当时直接重训，会把“环境迁移”误学成“新规律”，造成过拟合。

四、误区与复盘清单

复盘时建议固定输出一份“漂移归因日志”，至少包含：日期、净值回撤、各层指标值、触发阈值、归因结论、处置动作、后续观察。长期积累后，你会形成对自身策略“哪一层最脆弱”的直觉，这比任何单一模型都更可靠。

# 漂移归因日志示例
date: 2025-06-12
drawdown: -3.2%
data_drift: PSI_max=0.08 (OK)
concept_drift: IC_20d=0.01 (ALERT)
model_drift: pred_mean=-0.02 (OK)
exec_drift: slippage=22bp (ALERT)
market_structure: vol=2.1x, spread=1.8x (ALERT)
root_cause: market_structure -> concept + execution
action: reduce_position, switch_low_turnover, optimize_execution

区分五类漂移，不是为了分类而分类，而是为了在正确层级上做正确的事。数据漂移修管道，概念漂移换逻辑，模型漂移重训，执行漂移优算法，市场结构漂移调 regime。把这条链路跑通，Alpha 衰减监控才真正具备可操作性。