参数优化是量化里最容易自欺的环节。回测收益从百分之十五调到百分之四十，成就感满满，实盘一跑原形毕露。问题不在优化本身，而在把回测当成了考试刷分，把历史数据里的噪声当成了规律。

先认识过拟合。参数在历史数据上表现好，有两种可能：一种是真找到了稳定的规律，另一种是恰好拟合了这段历史的随机波动。区分两者的办法只有样本外验证：参数用一段数据确定，效果用另一段没参与过的数据检验。样本外大幅缩水的，就是过拟合。

常见错误做法：

1、反复调参看同一份回测，调到满意为止。这等于把测试集污染成了训练集，最终数字没有参考价值。

2、参数过多。策略里可调参数十几个，每个都试几档，组合数量爆炸，总有一组在历史上看起来完美，但它大概率是噪声。

3、只挑好看的时段。回测区间选在单边牛市，所有做多参数都好看，这不是优化，是自选考题。

相对靠谱的做法：参数数量压到最少，能用固定值的不设参数；调参区间限定在合理逻辑范围内，比如均线周期只在几个常用档位里选；用滚动窗口做样本外检验，多试几个时间段；参数敏感性检查，最优参数附近挪一档，效果是否平缓变化，悬崖式的参数不可信。

一个朴素的判断标准：真正稳健的参数，往往不是回测分数最高的那组，而是在一大片参数组合里表现都差不多的那组。优化追求的应该是稳健区的中心，不是历史最高分。刷分刷出来的策略，市场会用真金白银教你怎么改。优化工作做完，把参数版本和对应样本外结果都记录在案，长期积累下来就是自己的策略档案。稳健优先，分数其次。

股票开户欢迎找我！可以申请万0.854的股票佣金、etf 可转债佣金万0.5、国债逆回购一折（百万分之一）！量化软件QMT+ptrade免费使用！还有888、999资金靓号等你选！