部落格

為什麼找到最佳策略參數只是工作的一半。如何從視覺和定量兩方面區分穩定的平臺與脆弱的尖峰，以及為什麼Optuna等高線圖是將最佳化後的策略投入生產前的必要步驟。

為什麼窮舉搜尋對12個以上參數不可行，座標下降法如何遺漏參數互動作用，以及Optuna的TPE取樣器如何在500次迭代中找到OAT在96次中無法找到的結果。實用程式碼示例、取樣器對比與多目標最佳化。

為什麼在ETHUSDT上最佳化的策略可能在山寨幣上失敗。如何正確按交易對分組（藍籌、大市值、垃圾幣）進行測試，以及什麼水平的cross-symbol robustness score才算足夠。

Binance/Bybit 上的資金費率如何將高槓杆下漂亮的回測結果變成確定的虧損。公式、真實策略的重新計算，以及資金費率不吞噬利潤的最大槓桿倍數。

「回測無幻覺」系列終篇。如何構建N策略×M交易對的編排器，實現級聯模式的優先和fallback填充，選擇dual_size，以及為什麼不能通過簡單彙總PnL來回測策略組合。

回測與實盤交易之間差異的完整分類：從滑點和部分成交到程式碼庫不同步。實現一致性的架構模式、共享核心模組的 Python 示例以及生產環境監控清單。

為什麼回測的單點估計是一種危險的幻覺。蒙特卡洛自助法如何在2秒內計算出PnL和MaxDD的95%置信區間，以及為什麼這是策略上線前的必要步驟。