March 12, 2026
#算法交易
平台分析:如何区分稳健最优与过拟合
为什么找到最佳策略参数只是工作的一半。如何从视觉和定量两方面区分稳定的平台与脆弱的尖峰,以及为什么Optuna等高线图是将优化后的策略投入生产前的必要步骤。
#算法交易#回测#优化
阅读文章 →
Nothing found. Try a different query.
为什么找到最佳策略参数只是工作的一半。如何从视觉和定量两方面区分稳定的平台与脆弱的尖峰,以及为什么Optuna等高线图是将优化后的策略投入生产前的必要步骤。
为什么穷举搜索对12个以上参数不可行,坐标下降法如何遗漏参数交互作用,以及Optuna的TPE采样器如何在500次迭代中找到OAT在96次中无法找到的结果。实用代码示例、采样器对比与多目标优化。
为什么在ETHUSDT上优化的策略可能在山寨币上失败。如何正确按交易对分组(蓝筹、大市值、垃圾币)进行测试,以及什么水平的cross-symbol robustness score才算足够。
Binance/Bybit 上的资金费率如何将高杠杆下漂亮的回测结果变成确定的亏损。公式、真实策略的重新计算,以及资金费率不吞噬利润的最大杠杆倍数。
「回测无幻觉」系列终篇。如何构建N策略×M交易对的编排器,实现级联模式的优先和fallback填充,选择dual_size,以及为什么不能通过简单汇总PnL来回测策略组合。
回测与实盘交易之间差异的完整分类:从滑点和部分成交到代码库不同步。实现一致性的架构模式、共享核心模块的 Python 示例以及生产环境监控清单。
为什么回测的单点估计是一种危险的幻觉。蒙特卡洛自助法如何在2秒内计算出PnL和MaxDD的95%置信区间,以及为什么这是策略上线前的必要步骤。