七禾网6、若套利策略实盘收益出现持续下滑，贵公司会从哪些维度排查原因，以区分是“市场环境变迁”还是“策略本身失效”？策略迭代的具体触发条件与核心迭代方向是什么？

许钧天：我们会从三个维度进行“诊断”：

•市场维度：分析市场波动率、流动性、参与者结构等宏观环境是否发生变化。例如，低波动率时期，所有套利策略的收益自然会回落。

•策略维度：检验策略的夏普比率、最大回撤等核心指标是否显著弱于历史回测。更重要的是，分析策略的亏损来源是集中性的还是分散性的。如果是分散性的小额亏损，多是市场环境问题；如果是集中性的、连续的大额亏损，则可能预示策略失效。

•执行维度：检查交易系统是否存在问题，如滑点是否异常增大。

策略迭代是持续的过程，但重大迭代的触发条件通常是：1）关键绩效指标连续多个周期低于阈值；2）发现了更优的因子或模型结构。举例来说，在一段低波动的市场环境中，我们可能会主动降低对市场波动敏感的统计套利策略的权重，同时增加更多依赖于基本面逻辑的套利策略（如期限结构套利）的配置，从而实现策略组合的动态优化。迭代方向主要是引入新数据源、优化模型参数、或融合机器学习方法来提升策略的适应能力。

七禾网7、在套利策略的完整研发流程中，您认为最关键的环节是哪一步？针对回测中易出现的“过拟合”问题，公司有哪些成熟的规避方法？

许钧天：最关键的环节是“样本外验证”和“小规模实盘”的闭环。回测做得再完美，也只是“纸上谈兵”。我们的流程是：初步回测→参数优化→样本外数据验证→小资金实盘交易。在这个真实交易阶段，我们重点关注策略的夏普比率、最大回撤、交易频率等核心指标是否与回测预期一致，同时观察滑点成本是否在可控范围内。这个过程通常持续3-6个月，通过实盘数据的不断反馈来优化策略，能最有效地避免在历史数据上过度优化，确保策略的鲁棒性。

七禾网8、观察到贵公司产品即便在极端市场行情中仍能保持稳健的回撤控制，请问在策略设计之初是否将回撤控制作为核心目标？在风控体系搭建、交易执行等方面有哪些针对性的优化与保障措施？

许钧天：是的，回撤控制是我们策略设计的核心目标和生命线。我们的理念是“先为不可胜，以待敌之可胜”，稳健是发展的前提。我们的风控是体系化的：

•策略层面风控：策略本身包含止损逻辑。

•系统层面风控：我们自主研发的量化交易平台设置了多层程序阈值。一旦触及阈值，系统会自动预警或执行强制减仓/平仓指令。

•人工监控层面：风控人员会实时监控所有报警信息，并通过深度数据分析进行决策。这种“系统自动+人工判断”的双重保障，确保了交易环境的安全可靠。

七禾网9、据了解，贵公司在青山镍逼仓事件中成功主动止损，当时的具体决策过程是怎样的？包括风险信号识别、决策流程、止损幅度确定等。这一实战经验对后续公司风控体系的完善产生了哪些具体影响？

许钧天：青山镍事件是对我们风控体系的一次实战压力测试。当时的过程是：

1.信号识别：市场出现极端波动，我们相关策略的头寸价差迅速偏离，触发了系统预设的预警线。

2.决策流程：风控系统自动报警，交易和投研团队立即进行紧急评估。在判断这是由极端逼仓行为导致、短期难以回归后，我们没有心存侥幸，而是严格执行了既定风控纪律。

3.止损执行：在价差偏离达到预设的止损阈值时，系统自动执行平仓指令。虽然产生亏损，但幅度被严格限制在单个策略的日常风控预算内，对产品整体回撤影响可控。

这次经历让我们更加坚定了“风控至上”的理念，并推动了风控体系的升级：

•新增“预判风险”措施：我们加强了宏观事件和基本面突变的监测，并尝试用量化指标（如波动率骤升指标、相关性的瞬时断裂、交易所持仓报告异常变化等）进行辅助预判。

•细化仓位控制规则：对流动性相对较差或波动性显著的品种，我们动态调整其仓位上限比例。在市场出现不确定性征兆时，会主动提前降低相关品种的仓位，为可能的极端波动预留更大安全空间。

七禾网10、人机协同在贵公司的套利交易中如何体现？基金经理的人工经验主要在哪些场景下介入？如何平衡模型自动化决策与人工干预的权重？

许钧天：我们的人机协同理念是“机器执行，人类治理”。日常交易中，模型拥有高度的自主决策权，以确保纪律、速度和效率。人工经验的价值，主要体现在模型边界之外的战略层面和极端情景管理上。具体而言，人工介入的核心场景包括：

1.策略周期的战略配置与权重调整：模型擅长在既定框架内优化，但缺乏宏观视野。基金经理会基于对宏观经济周期、市场流动性、波动率环境的判断，动态调整不同套利策略（如跨市、跨期）的资金权重。例如，在预期波动率抬升的阶段，会优先配置跨市套利；在波动率收敛的平淡期，则可能侧重跨期策略。这是自上而下的资产配置决策。

2.规则变更与结构性冲击的“预判式风控”：当面临重要的制度变革（如交易规则调整、新合约上市）或潜在的宏观“黑天鹅”事件时，模型基于历史数据的反应可能是滞后的。此时，人工会主动进行压力测试，并可能提前降低相关策略的仓位或收紧风控参数，从系统层面规避模型尚未经历过的风险。

3.模型“失效”或持续回撤期间的诊断与干预：当策略出现超出历史回撤范围的连续亏损时，人工需要迅速介入，诊断这是短期市场噪音所致，还是策略逻辑已出现根本性破坏。并根据诊断结果，决定是坚持运行、暂停策略，还是启动备用的替代策略。

关于平衡，我们的原则是“开环决策，闭环执行”。所有重大的人工干预（如调整仓位上限、暂停策略）都必须以清晰的规则和流程进行，形成书面记录并反馈至模型迭代中，而不是随意地、临时性地推翻模型的单个信号。这样既发挥了人的主观能动性，又避免了情绪化交易，确保了投资过程的严谨和可追溯。