优化策略权重、设定波动率目标，并自动化下单调仓。
管理系统读取所有策略的回测结果，找出让投组动能最大化的权重，乘上杠杆系数以达到目标波动率，再自动调仓让交易所持仓与目标一致。
strategy.py ──► state.json ──────────┐
(cron) stats.json ├──► reconciler.py ──► exchange
manager.py ──► portfolio_config.json ┘对每个策略跑一次回测，这会在策略文件夹里写入 stats.json（含每日收益）。
python3 strategies/my_strategy/strategy.py没有 stats.json 的策略会被 manager 跳过。
执行投组优化器。它读取所有 stats.json，找出让合并后权益曲线 slope/std 最大的权重。
python3 manager/manager.py --target-vol 0.30--target-vol 0.30 设定年化波动率目标（30%）。Manager 计算 leverage = target_vol / portfolio_vol 并存入 portfolio_config.json。
确认 manager/portfolio_config.json，里面有最优权重、投组已实现波动率、以及杠杆系数。
{
"account_value": 10000,
"weights": {
"btc_ti_24h": 0.60,
"btc_ti_24h_short": 0.40
},
"ann_volatility_pct": 11.45,
"target_vol_pct": 30.0,
"leverage": 2.62
}Reconciler 下单时将每个仓位乘上 leverage：order = account_value × leverage × weight × position
启动 reconciler，每 5 秒轮询一次，检测到策略更新 state 后自动下单调仓。
python3 manager/reconciler.py运行前先在 manager/reconciler.py 里实现 get_positions() 和 place_order()（填入你的交易所 API）。
Manager 在过去 N 天（默认 365 天）的投组权益曲线上，最大化 slope / std。Slope 是对累积收益做线性回归得到的斜率——曲线越陡峭得分越高。除以 std 则惩罚波动，让优化器自然偏好稳定上升的策略组合。
找到最优权重后，manager 计算投组年化波动率并推导杠杆系数：leverage = target_vol / ann_vol。这让所有仓位等比放大，无论底层策略波动多大，投组的实际风险都贴近你设定的目标。
