優化策略配重、設定波動率目標，並自動化下單調倉。
管理系統讀取所有策略的回測結果，找出讓投組動能最大化的配重，乘上槓桿係數以達到目標波動率，再自動調倉讓交易所持倉與目標一致。
strategy.py ──► state.json ──────────┐
(cron) stats.json ├──► reconciler.py ──► exchange
manager.py ──► portfolio_config.json ┘對每個策略跑一次回測，這會在策略資料夾裡寫入 stats.json（含每日報酬）。
python3 strategies/my_strategy/strategy.py沒有 stats.json 的策略會被 manager 跳過。
執行投組優化器。它讀取所有 stats.json，找出讓合併後股權曲線 slope/std 最大的配重。
python3 manager/manager.py --target-vol 0.30--target-vol 0.30 設定年化波動率目標（30%）。Manager 計算 leverage = target_vol / portfolio_vol 並存入 portfolio_config.json。
確認 manager/portfolio_config.json，裡面有最佳配重、投組已實現波動率、以及槓桿係數。
{
"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 下單時將每個倉位乘上 leverage：order = account_value × leverage × weight × position
啟動 reconciler，每 5 秒輪詢一次，偵測到策略更新 state 後自動下單調倉。
python3 manager/reconciler.py執行前先在 manager/reconciler.py 裡實作 get_positions() 和 place_order()（填入你的交易所 API）。
Manager 在過去 N 天（預設 365 天）的投組股權曲線上，最大化 slope / std。Slope 是對累積報酬做線性回歸得到的斜率——曲線越陡峭得分越高。除以 std 則懲罰波動，讓優化器自然偏好穩定上升的策略組合。
找到最佳配重後，manager 計算投組年化波動率並推導槓桿係數：leverage = target_vol / ann_vol。這讓所有倉位等比放大，無論底層策略波動多大，投組的實際風險都貼近你設定的目標。
