一掌金ea测评：减少拟合-WF优化法

一、数据准备

1. 数据来源
   • 收集可靠的历史数据，通常选用高精度tick数据， 最好是专业数据服务商提供。
   • 确保数据涵盖足够长的时间周期（覆盖趋势-震荡-翻转或重大事件转折点包含等），以反映不同的市场环境。针对不同策略模型，一般5-15年。
2. 数据清洗
   • 检查数据完整性，处理缺失值或异常值。
   • 确保数据的时间戳准确无误。
3. 选择时间框架
   • 根据策略需求选择合适的时间框架（如M15、 H1、H4、D1 等）。

二、划分时间窗口

1. 确定训练窗口和测试窗口
   • 将历史数据划分为多个连续的训练窗口和测试窗口。
   • 训练窗口用于参数优化，测试窗口用于验证策略表现。
2. 窗口大小与步长
   • 训练窗口和测试窗口的大小应根据数据量和市场特性进行调整。
   • 步长（即窗口向前滚动的距离）通常设置为训练窗口大小的一定比例（如 25% 或 50%）。
3. 示例划分
   • 假设总数据周期为 10 年，训练窗口为 5 年，测试窗口为 1 年。
   • 第一个训练窗口：2013-2018 年。
   • 第一个测试窗口：2019 年。
   • 窗口向前滚动 1 年后，第二个训练窗口：2014-2019 年。
   • 第二个测试窗口：2020 年。
   • 依此类推，直到覆盖整个历史周期。

1. 定义优化目标
   • 明确优化目标（如最大化收益、最小化回撤、提高胜率等）。
   • 确定需要优化的参数（如移动平均线周期、RSI 阈值等）。
2. 选择优化方法
   • 常用的优化方法包括网格搜索、随机搜索、遗传算法等。
   • 在训练窗口上对参数进行优化，找到表现最佳的参数组合。
3. 优化过程
   • 在每个训练窗口上运行回测，评估不同参数组合的表现。
   • 记录最优参数及其对应的绩效指标（如净利润、胜率、夏普比率等）。

四、测试与验证

1. 在测试窗口上验证
   • 使用优化后的参数在对应的测试窗口上进行回测。
   • 记录策略的表现，评估其在独立数据上的有效性。
2. 绩效指标分析
   • 关注关键绩效指标（如净利润、最大回撤、胜率、交易次数等）。
   • 比较训练窗口和测试窗口的表现，判断是否存在过拟合风险。
3. 结果记录
   • 将每个窗口的优化参数和测试结果记录下来，便于后续分析。

五、窗口滚动与循环

1. 窗口向前滚动
   • 将训练窗口和测试窗口向前滚动一个步长（如 1 年）。
   • 重复参数优化和测试验证过程。
2. 循环判断
   • 检查是否已经覆盖了整个历史周期。
   • 如果尚未完成所有分段循环，则继续滚动窗口并重复优化过程。

六、结果分析

1. 拼接所有测试结果
   • 将所有测试窗口的结果拼接起来，形成完整的回测报告。
   • 分析策略在整个历史周期内的表现一致性。
2. 参数稳定性分析
   • 比较不同窗口下的最优参数组合，判断参数的稳定性。
   • 如果某些参数在多个窗口中表现稳定，则优先选择这些参数（核心参数选中标准80%以上适应度）。
3. 选择最终参数集
   • 根据回测结果和参数稳定性分析，选择表现最佳且稳定的参数组合。

七、实盘应用与监控

1. 部署到实盘交易
   • 将最终参数集部署到实盘交易中。
   • 确保交易环境（如杠杆、点差、滑点延迟等）与回测环境一致。
2. 监控体系
   • 设置熔断机制：单日亏损超5%或周回撤超15%时暂停交易。
3. 再优化策略定期再优化：每3-6个月重新运行WFA，避免参数失效。