交易思想是参数优化的根
做交易策略，参数优化是个绕不开的坎。很多人一上来就拉一堆数据，用软件跑个最优参数，结果实盘一用就亏。问题出在根上：没想清楚自己的交易思想是什么。交易思想决定了你该选什么样的数据样本，也决定了参数怎么优化才靠谱。
趋势跟踪和震荡回归，完全是两码事。趋势策略赚的是大波动的钱，需要数据里包含足够的趋势行情。震荡策略赚的是价格在区间内来回摆动的钱，需要数据里包含足够的盘整阶段。拿趋势策略去优化震荡数据，参数再漂亮也是自欺欺人。
数据样本要匹配交易逻辑
选数据样本，先问自己三个问题：策略在什么市场状态下赚钱？这种状态在历史数据里出现得多不多？不同状态之间的切换频率如何？
趋势策略的数据样本，至少覆盖一轮完整的牛熊转换。只有经历过单边上涨、单边下跌、横盘整理，参数才能适应不同环境。样本太短，只包含一段顺畅的趋势，优化出来的参数会过度敏感，稍微遇到震荡就频繁止损。
震荡策略的数据样本，要挑选价格在明确区间内反复波动的阶段。趋势强烈的年份对震荡策略是毒药，把那些数据混进来，优化器会强行找出一些在趋势中逆势加仓的参数，实盘遇到单边行情就是爆仓。
样本内与样本外怎么切
把历史数据分成两段：一段用来优化参数，叫样本内；另一段用来验证，叫样本外。常见做法是前70%做样本内，后30%做样本外。
切分不是随便切的。样本内要包含策略设计时假设的主要行情类型，样本外要包含至少一种样本内没出现过的极端情况。趋势策略的样本外最好有一段剧烈反转，震荡策略的样本外最好有一段单边突破。
样本外表现和样本内差距太大，说明参数过度拟合了。差距在合理范围内，比如样本内年化收益20%，样本外15%，夏普比率下降不超过30%，这个参数才有实盘价值。
滚动窗口与 Walk-Forward 分析
固定切分有个毛病：市场结构会变。十年前有效的参数，现在可能完全失效。滚动窗口能解决这个问题。
具体做法：用前N年数据优化参数，在后M个月测试；然后窗口整体向后滑动，再用新的前N年优化，再测试后M个月。这样得到一系列样本外表现，能看出参数在不同市场阶段的稳定性。
Walk-Forward 分析是滚动窗口的升级版。它不只滑动一次，而是连续滑动几十次，每次都用优化后的参数跑一段样本外。最终把所有样本外片段拼接起来，得到一条完整的净值曲线。这条曲线如果平滑向上，说明参数具备时间上的稳健性。
参数平原比参数峰值更重要
优化器喜欢找最高点，但最高点往往最脆弱。真正该找的是参数平原：某个参数附近一片区域的表现都不错，稍微调高调低，收益和回撤变化不大。
怎么判断参数平原？把参数从A到B逐一测试，画出收益曲线和最大回撤曲线。如果曲线是尖峰，附近参数表现急剧恶化，这个参数不能用。如果曲线是平顶，附近参数表现稳定，这个参数才可靠。
趋势策略里，均线周期、ATR倍数、止损比例，这些参数都要看平原。震荡策略里，布林带宽度、RSI阈值、网格间距，同样要看平原。
避免过度拟合的几个硬规矩
参数数量不要超过样本内数据允许的自由度。一般经验：每增加一个参数，样本内数据至少增加100个独立交易信号。参数太多，优化器会把噪声当成规律。
样本内交易次数太少，优化结果不可信。趋势策略样本内至少要有30到50次交易，震荡策略至少要有100次以上。交易次数不够，统计显著性不足，参数是随机产物。
不要用未来数据。优化时只能使用当前时点之前的数据，滚动窗口尤其要注意时间对齐。任何用到未来信息的优化，实盘都会原形毕露。
不同交易思想的具体样本选择
趋势跟踪：选5到10年数据，覆盖至少两轮完整趋势。样本内包含一段流畅趋势和一段震荡，样本外包含一次趋势反转。参数优化目标用夏普比率或卡玛比率，不用纯收益。
均值回归：选3到5年数据，挑选价格在明确区间内波动的阶段。样本内包含多次触及区间上下沿，样本外包含一次区间突破。参数优化目标用胜率和盈亏比结合，关注最大回撤。
日内短线：选1到2年高频数据，按波动率分层抽样。样本内包含高波动日和低波动日，样本外包含一次极端波动事件。参数优化目标用日均夏普，注意交易成本敏感度。
套利策略：选价差稳定阶段的数据，样本内包含价差正常波动，样本外包含一次价差异常扩大。参数优化目标用价差回归速度，关注资金容量。
实盘前的最后一道关
优化完参数，别急着上实盘。拿最近3到6个月的数据做一次纯样本外测试，这段时间不能参与任何优化。如果表现和滚动窗口结果一致，再考虑小资金实盘。
实盘初期用最小仓位，观察参数是否适应当前市场。一旦发现连续回撤超过样本外测试的最大回撤，立刻停止，重新审视交易思想和数据样本是否匹配。
参数优化不是找最优解，是找稳健解。交易思想决定了什么数据该进样本，什么参数值得保留。想清楚这一点，优化才有意义。
