在程序化交易中，最佳化參數(shù)是乎是必要的惡，一個(gè)程式策略的產(chǎn)生，必定會(huì)用歷史資料去檢測(cè)這個(gè)策略的可行性，在檢測(cè)的過(guò)程中，很難不會(huì)作參數(shù)最佳化，希望能由過(guò)去的歷史資料，歸納出市場(chǎng)的趨勢(shì)特性與參數(shù)，而能在未來(lái)的市場(chǎng)中獲利。

當(dāng)然我們都知道，過(guò)去的最佳化參數(shù)，并不能代表未來(lái)會(huì)有最佳的獲利，但也不能排除最佳化參數(shù)完全有可能提昇未來(lái)的績(jī)效，對(duì)同一策略而言，若是一組參數(shù)在過(guò)去歷史的績(jī)效比較好，另一組參數(shù)在過(guò)去歷史的績(jī)效比較差，在沒(méi)有其他的輔助訊息下，應(yīng)該都會(huì)選績(jī)效比較好的參數(shù)。

因此，我們不一定要排斥參數(shù)最佳化，而是要問(wèn)，參數(shù)最佳化是真的可以提昇未來(lái)的績(jī)效，還只是過(guò)度的curve fitting，造成績(jī)效的假象，一般來(lái)說(shuō)，要避免 curve over-fitting 的問(wèn)題，通常是看是否為參數(shù)孤島，可參考文章(http://www.weiqiv.net.cn/2012/09/19/7314.shtml)。

在這一篇文章中，我們從另外一種分析方法，來(lái)探討參數(shù)最佳化是否能提昇你未來(lái)獲利的績(jī)效，假設(shè)我們有十組參數(shù)，經(jīng)過(guò)backtesting，一定可以排出第一名到第十名，但是第一名的參數(shù)，是不是在未來(lái)還會(huì)是第一名呢? 因此我們可能不止看每個(gè)參數(shù)最后績(jī)效的總排名，我們可能也要看每一年的排名。（www.weiqiv.net.cn ）

若是每一年，這組參數(shù)都是第一名(超級(jí)資優(yōu)生)，我們大概可以有很高的期望，明年還是會(huì)考第一名。 但若是今年第一名，次年第5名，再次年最后名，后來(lái)又回到第2名，即使最后總排名是第一名，我們對(duì)它在明年的表現(xiàn)還是會(huì)有比較多的疑慮。因此我們要檢測(cè)我們的系統(tǒng)是屬于前一種，還是后面這一種。

概念講完了，在來(lái)說(shuō)明如何量測(cè)，基本上是參考 Lars Kestner 在 Quantitative Trading Strategies (中譯本：計(jì)量技術(shù)操盤(pán)略)中衡量最佳化程序的方法，方法是將每一年最佳化績(jī)效的排名與下一年的排名，排成一個(gè) array，如1990年排名第三，1991年排名第八，就在 (3,8) 標(biāo)一點(diǎn)，標(biāo)示所有年份與所有參數(shù)的組合后，我們可以判斷今年與隔年表現(xiàn)，利用迴歸分析，檢測(cè)是否存在線性關(guān)性。 若是45度斜上表示最佳化參數(shù)一致性，今年第一名的績(jī)效，次年還是第一名，今年最后一名的績(jī)效，次年還是最后一名，表非「參數(shù)最佳化非常有助于隔年的績(jī)效」，若是近于水平則表示參數(shù)最佳化沒(méi)有助于隔年的績(jī)效，另外若是一由左上到右下，表示去年最差績(jī)效的參數(shù)，在今年表現(xiàn)反而不錯(cuò)，這種參數(shù)不一致的現(xiàn)象，可能要特別小心，可能要檢討策略與參數(shù)的關(guān)系。（www.weiqiv.net.cn 整理）

接下來(lái)，我們以一個(gè)實(shí)例來(lái)說(shuō)明，使用的是 YG (小黃金) 過(guò)去7年的資料(2002/7-2009/7)，time frame = 30 min，策略是用 Price Channel Breakout ，參數(shù) Length 從102 - 198，間格為 4，共 25 組，我們記錄每一個(gè)參數(shù)在每一年與次一年的績(jī)效排名，可以得到下圖的結(jié)果，經(jīng)過(guò)迴歸分析，可得到紫紅色的迴歸直線，slope=0.188，相關(guān)系數(shù)也是 0.188，在檢測(cè)上是為顯著，代表這個(gè)策略的最佳化今年績(jī)效與次年績(jī)效有一定的相關(guān)，因此最佳化在某種程度上有助于未來(lái)的績(jī)效。
 

另外，我們將每一個(gè)參數(shù)的歷年的平均排名(藍(lán)線)與歷年的獲利(紫紅線)畫(huà)成下圖，從這個(gè)圖來(lái)看，參數(shù) 180 附近是最佳的參數(shù)選擇，因?yàn)檫@個(gè)區(qū)域有最佳的獲利，而且是一個(gè)參數(shù)高原，另外歷年的平均排名也是相當(dāng)?shù)停硎久恳荒甓伎记皫酌拇螖?shù)比較多。

基本上，經(jīng)過(guò)上面的分析，我們可以知道參數(shù)最佳化對(duì)策略的影響，并且由歷年的績(jī)效排名，在選擇參數(shù)上，有更客觀的參考，但最后還是要提醒大家，所有這些都只是過(guò)去歷史資料的統(tǒng)計(jì)分析，「在統(tǒng)計(jì)上過(guò)去的最佳的投資策略，還是不能代表未來(lái)會(huì)有最佳的獲利」，我們將平均排名前三名與平均排倒數(shù)第二名(第24名)的過(guò)去7年的排名畫(huà)出。

我們可以看到前三名在2003-2005表現(xiàn)都非常好，但在2006年表現(xiàn)都是20名以上(倒數(shù)5名內(nèi))，反而倒數(shù)第二名在2006年表現(xiàn)是第一名，但在其他年的表現(xiàn)卻不是很好，歷年資料的分析，只能給我們一些客觀統(tǒng)計(jì)數(shù)字，但也不能完全規(guī)避市場(chǎng)風(fēng)險(xiǎn)。