6.6 回测与参数优化

先选建模方式

• Every tick：每个 Tick 都模拟，最接近实盘，也最慢。适合最终验证和短周期策略。
• Control points：用控制点生成价格路径，速度快，适合中期参数扫描。
• Open prices only：只按开盘价成交，适合日线、H4 等长周期，不适合日内。

建模质量（Modeling quality）低于 90% 时，回测结果只能当参考。点差、滑点、佣金、隔夜利息都要设置；默认点差往往偏乐观。先把成本调成真实水平，再看收益曲线。

看哪些指标

• 净利润：绝对收益，受手数和复利影响，不能单独比较策略优劣。
• 盈亏比（Profit Factor）：总盈利 / 总亏损。1.0 是打平，1.3 以上才有讨论价值。
• 最大回撤：从峰值到谷底的最大跌幅。决定你能不能拿得住。
• 交易次数：太少（<30）时统计意义弱；太多可能被成本吃掉。
• 期望收益：平均每笔盈亏，乘以交易次数才是长期结果。

不要只看净利润。一个策略净利润很高但最大回撤 60%，实盘很难执行；另一个净利润一般但回撤 8%、交易 200 次，反而更可信。

参数优化：网格与过拟合

策略测试器的“优化”会对输入参数做网格扫描，输出每组参数的收益。常见的错误是直接选样本内最高分。参数越细、组合越多，越容易找到“刚好拟合历史噪声”的一组。表现就是：样本内盈亏比 2.1，样本外只剩 1.1。

更稳的做法是看“参数邻域”：最优参数附近一圈是否也表现良好？如果 8/40 是 2.1，但 8/30 只有 1.0、8/50 只有 1.1，说明这是孤峰，换一段数据就崩。如果 8/30、8/40、8/50 都在 1.6 以上，说明这个区域比较稳健。

样本外与前推滚动

把历史数据切成两段：前 70% 做样本内优化，后 30% 做样本外验证。样本外不参与选参，只用来检验。更严格的是前推滚动（walk-forward）：每次用过去 N 年优化，预测下一年，然后窗口向前滚动，最后看多次样本外的综合表现。

前推滚动不能保证未来盈利，但能有效暴露“参数对时间段过度敏感”的问题。至少做一次样本外，再决定要不要上线。

完整示例：可优化的均线 EA

下面的 EA 把快线、慢线、手数、止损、止盈、最大点差都做成 input，方便测试器扫描。信号使用 shift=1 和 shift=2 的已收盘均线，避免当前 Bar 重绘。CanTrade 在测试器里跳过点差检查，在实盘里限制最大点差。

注意：信号用 `fast1/slow1` 与 `fast2/slow2` 比较，而不是 `fast0/slow0`。shift=0 的均线会随当前价格跳动，用它做交叉判断，回测里会出现“看到未来”的假信号。

成本压力测试

把点差调大 50%、滑点调大 1 点、佣金翻倍，再跑一遍。如果策略立刻从盈利变成亏损，说明它的边际很薄，实盘很难复制。好的策略应该在最差成本假设下仍然可控，而不是只在理想成本下漂亮。

常见错误

• 用 shift=0 的指标做信号：当前 Bar 未收盘，回测会重绘，结果虚高。
• 只做样本内优化：16 组参数选最高分，过拟合概率极高。
• 忽略点差和滑点：默认成本偏低，实盘收益被吃掉。
• 交易次数太少就下结论：10 笔交易的高盈亏比没有统计意义。
• 参数孤峰：最优参数附近表现很差，说明是拟合噪声，不是稳健区域。

小结

回测的可信度来自实验设计，不是收益曲线的好看程度。先固定成本假设，再看回撤与交易次数，再做样本外和前推滚动。优化时选“邻域稳定”的参数，不选“单点最高”的参数。这样得到的结论，才有资格拿到实盘去验证。

测试器设置清单

• 品种与周期：与实盘一致。用 H1 优化的参数拿到 M5 上跑，结果没有可比性。
• 数据区间：至少覆盖一轮完整趋势和一轮震荡，避开只有单边行情的样本。
• 建模方式：最终验证用 Every tick；参数扫描可用 Control points，但要接受误差。
• 初始资金与杠杆：与实盘账户一致，否则手数和回撤比例会失真。
• 点差/滑点/佣金：按经纪商的真实水平设置，不要用 0 点差。
• 执行延迟：部分版本支持随机延迟，能模拟网络抖动。

优化结果怎么读

测试器的优化报告是一张表：每行一组参数，每列一个指标。不要只按净利润排序。先看交易次数，少于 30 的结果统计意义弱；再看最大回撤，超过可承受范围直接淘汰；然后看盈亏比和期望收益；最后才看净利润。把“参数—指标”画成散点或热力图，比单看最高分更容易发现稳定区域。

如果最优参数是 8/40，但 8/39、8/41 的表现断崖式下跌，说明这是孤峰。稳健区域通常是一整片颜色相近的格子，而不是一个亮点。实盘更愿意要“2.0 的平原”，而不是“2.5 的针尖”。

前推滚动的步骤

1. 把数据按时间切成多个窗口，例如 2018–2020 优化、2021 验证，然后窗口向前滚动。
2. 每次只用窗口内的数据选参数，绝不能用验证段的数据。
3. 记录每次验证段的收益、回撤、交易次数，最后看平均值和最差值。
4. 如果多次验证中有一半以上亏损，说明参数不稳定，不要上线。

前推滚动不能消除过拟合，但能让你看到“参数在不同时间段的表现分布”。分布比单点更有说服力。

上线后的监控

实盘和回测的差异主要来自成本、滑点、执行延迟和行情结构变化。上线后至少记录：实际成交价与请求价的偏差、每日交易次数、实际最大回撤、错误码分布。连续两周偏离回测区间，就应该暂停策略复查，而不是加仓摊平。

把回测的“预期值”写成一张小卡片：盈亏比、最大回撤、月交易次数。实盘每周对照一次。偏离在 20% 以内可以观察，超过 50% 要停手。这个简单的对照表，比任何复杂监控都更能防止“策略已经失效但还在跑”。

数据质量与缺口

回测结果首先取决于数据。选择“历史数据”时优先用经纪商提供的 M1 数据，不要用来源不明的 CSV。数据缺口会表现为某段 K 线突然跳空、点差为 0、成交量缺失；这种数据上跑出的高收益没有意义。测试前用“图表—历史数据”检查缺口，或写一个脚本统计连续缺失的分钟数。

不同经纪商的数据不完全一致，同一策略在 A 经纪商回测盈利、B 经纪商回测亏损，可能不是策略问题，而是点差、隔夜利息、数据源不同。上线前用目标经纪商的模拟账户再跑一遍，不要直接套用别家的回测结论。

参数敏感性与稳健性

稳健的参数区域有三个特征：邻域表现接近、跨时间段表现接近、跨品种表现接近。只满足第一个还不够：8/40 在 EURUSD 上很好，换到 GBPUSD 就亏损，说明它拟合的是品种特性，不是市场规律。至少用两个品种、两段时间做交叉验证，再决定是否上线。

参数越少越好。每增加一个参数，就多一个过拟合的维度。能用固定逻辑解决的问题，不要做成参数；必须做成参数的，给出合理范围和步长，不要用 0.01 这种细粒度扫描，除非你有足够的数据支撑。

交互演示：参数优化为什么会过拟合

4×4 参数网格逐个回测，样本内冠军是 8/40，盈亏比 2.10；换到样本外只剩 1.15。单步走完，理解“最高分”为什么不能直接上线。

提示：动画默认暂停。点「播放」连续演示，点「单步」自己控制节奏；桌面端也可以用空格播放、方向键单步、R 重置。