一一中文网

手机浏览器扫描二维码访问

第81章 监控告警（第2页）

self.model=IsolationForest（contamination=contamination，random_state=42）

self.model.fit（historical_data）

defdetect（self，current_features）:

score=self.model.decision_function（[current_features]）[0]

prediction=self.model.predict（[current_features]）[0]

#分数越接近-1，越可能是异常；prediction为-1表示异常

returnscore，prediction

他花了一上午时间，整合了收益率、波动率、成交量突增比率三个特征，用过去一个月A股主要指数的分钟数据训练了模型。

初步回测显示，这个简单的模型能捕捉到去年几次因突发消息导致的盘中急跌急涨。

但这只是第一道防线。

更隐蔽的风险是“策略悄然失效”

。

市场风格会切换，一个过去有效的因子可能会在某个阶段完全失灵，而系统还会傻傻地继续交易，直到资金曲线出现明显回撤才发现。

“需要监控策略本身的健康度”

。

林晨思索着。

他决定引入几个关键绩效指标的实时监控：

夏普比率滚动窗口变化：计算最近20个交易日的夏普比率，与更长期的均值比较，如果显着下降（通过统计检验），则报警。

最大回撤突破：实时更新当前回撤值，如果突破历史回撤的某个百分位（比如95%），报警。

信号失效：记录每次交易信号的实际盈亏，如果连续出现多次亏损（例如同一策略信号连续亏损5次），则怀疑信号失效。

这些逻辑被他封装进Strategyhealthmonitor类。

每一个监控项都设置了可配置的阈值和检验方法。

“光检测出来没用，必须得让我立刻知道”

。

林晨解决下一个问题：通知渠道。

邮件太慢，短信需要接口和费用。

最直接的就是微信。

他研究了一下，可以通过企业微信的机器人webhook接口，向个人微信发送消息。

免费，稳定，几乎零延迟。

他注册了一个企业微信应用（免费版足够），获取了webhook地址。

然后写了一个简单的通知模块：

importrequests

importjson

classwechatNotifier:

def__init__（self，webhook_url）: