回测里有一件事很容易上瘾：把参数网格铺开，跑几百组组合，挑出收益最高的那一组。曲线确实漂亮，但那多半不是策略变强了，而是它被调成了只适合历史那一段的样子。

一、尖峰和平台的区别

把参数作为横轴、收益作为纵轴，会得到一条曲线。如果最优点是一个孤立的尖峰，两侧迅速下滑，说明这个参数极度敏感，实盘稍微偏离就会失效。如果最优点周围是一大片平缓的高地，参数变动对结果影响不大，这种参数才是可用的。

选参数要选平台的中心，不是选尖峰的顶点。平台上任意一点的表现都接近，实盘才有容错空间。

二、步长不要过细

把均线周期从二十测到二十一、二十二，这种精度没有意义。市场数据本身的噪音远大于一个单位的差异，测出来的优劣多半是随机波动。

合理的步长应该让相邻取值产生实质差异，比如周期按五或十递增。粗粒度的网格反而更容易看出规律。

三、优化目标别只盯收益

只按收益排序，一定会选出高杠杆、高集中度、高换手的组合，因为这三样在回测里都能放大收益，而它们的风险要等实盘才显现。

更合理的打分是收益与回撤的比值，同时把换手率作为约束条件。换手高的方案直接淘汰，不管收益多好，因为成本假设一旦偏乐观，实盘就会打脸。

四、一定要留出没看过的数据

把数据分成三段：训练段定参数，验证段做初筛，测试段只跑一次。测试段的结果不管好坏都接受，不能因为不好看就回头改参数，那样测试段就被污染了。

更严谨的做法是滚动前推：用前几年定参数，跑下一年，然后窗口整体后移一年，重复多次。这样得到的是参数在时间上的稳定性，比单次回测可信得多。

五、参数少的策略更耐用

三个参数的策略和一个参数的策略，前者可优化的空间大得多，也更容易被过度拟合。能用简单规则表达的，就不要加参数。

参数优化的目的不是找到最好的那组数字，而是确认策略在一大片参数区间里都能工作。能做到这一点，才算真正稳健。

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！