EA参数调优入门指南 - 07月01日更新

最近在优化一套马丁格尔策略的EA，踩了不少坑，分享一下参数调优的入门流程，希望对刚接触的朋友有帮助。

第一步，先确定优化目标。别想着“最大化利润”，这容易过拟合。我一般用“盈利因子 * 交易次数 / 最大回撤”作为综合评分，或者直接看夏普比率。把优化周期设得长一些，至少半年以上，最好包含震荡和趋势行情。

第二步，选择参数范围。不要贪多，一次调3-5个核心参数就够。比如移动平均线周期、止损点距、加仓倍数。用遗传算法（GA）快速扫描，先粗后精。EA自带优化器里的“慢速完整算法”是瓶颈，先跑一遍GA，锁定大致区间，再手动微调。

第三步，注意过拟合陷阱。我习惯把数据分成训练集和验证集，比如用2023年1-6月数据优化，用7-12月数据验证。如果验证集结果差很多，说明参数太“聪明”了，只记住了历史。可以加一点“参数平滑”技巧，比如给每个参数加5%-10%的随机偏移，看结果是否稳定。

第四步，实盘前做稳健性测试。模拟盘跑一个月，观察资金曲线是否平滑，是否出现连续亏损。我常用蒙特卡洛模拟，扰动点差、滑点、执行延迟这些变量，看EA能否抗住极端情况。

最后，参数调优不是一劳永逸的。市场结构会变，建议每季度重新评估一次。附上我常用的一个优化脚本片段，用于批量生成参数组合并输出统计报告。希望这些能帮大家少走弯路。