QMT没有现成一键输出敏感性指数、龙卷风图的内置功能，但依托自带参数扫描（网格搜索），可以完成参数敏感性分析，把批量回测结果导出后，自行测算各参数对策略绩效的影响度。

操作方式，策略代码把需要测试的变量定义成外部参数，在编辑器右侧参数面板设置最小、最大、步长，开启批量回测，系统遍历全部参数组合完成回测，输出每组的年化收益、夏普、最大回撤、盈亏比等指标，全部结果可以导出csv文件到本地做二次统计分析。

常用两种影响度测算思路。单因素扰动法，固定其余参数不变，只变动某一个参数，在合理区间小幅度偏移，观察绩效指标变化幅度。绩效波动大，代表该参数敏感性高；参数改动后绩效变化平缓，说明策略对这个参数不敏感，策略稳健性更好。实操可以取基准参数，上下浮动10%‑20%，计算绩效衰减比例，衰减越小越稳健。

多参数全局分析，适合参数存在交互影响的场景，QMT网格搜索得到全组合结果后，用Python读取导出的csv，计算每个参数的方差贡献，近似得到各参数的影响权重，判断哪些参数是策略的核心变量，哪些参数可以直接固定。

实操的判断要点，稳健策略的理想特征，不是只有某一组参数表现极好，而是在较宽参数区间，绩效都维持在合格水平，形成“高原区”；如果仅极个别参数回测优秀，周围参数立刻大幅恶化，属于参数孤峰，大概率过拟合，实盘很难复刻回测效果。

注意事项，参数扫描容易出现过拟合，样本内测试完成，必须用样本外未参与优化的时间段校验敏感性；网格搜索随参数数量变多，计算量会指数级上升，不要同时遍历过多参数；敏感性仅评估参数扰动对回测结果的影响，无法覆盖滑点、券源、流动性这类实盘变量。

我司为正规上市老牌券商，风控体系完善，足不出户就能线上完成开户操作，并且佣金很优惠，欢迎联系。