量化策略优化：用参数平原找到稳健的参数组合
由whitebear创建，最终由whitebear 被浏览 17 用户
做量化投资，参数优化是绕不开的关键步骤。很多人靠盲目试错调参数，要么陷入过拟合陷阱，实盘一塌糊涂；要么找不到核心规律，浪费大量时间。今天就以低估值 + 小市值双因子策略为例，带你搞懂参数平原的核心逻辑，用可视化方法高效找到既赚钱又稳健的参数组合。
一、什么是 “参数平原”？
参数平原是参数优化的可视化工具，用热力图直观呈现不同参数组合下的策略表现。它不只是展示单个最优参数，更能清晰呈现哪些参数搭配能让策略稳定盈利，帮你快速锁定靠谱的参数区间。
二、为什么要做 “参数平原” 分析？
1.避免盲目试错，不用逐个测试参数组合，大幅提升优化效率；
2.告别单点最优的陷阱，找到连续的高收益区域，降低过拟合风险；
3.看清参数间的配合逻辑，让策略在实盘中的表现更可靠;
4.快速排除无效参数组合，聚焦符合投资逻辑的有效范围。
三、如何绘制并分析 “参数平原”？
本文是 “低估值+ 小市值” 双因子策略，先介绍本文的因子策略逻辑框架：
核心因子：
rank_pe_ttm：市盈率（PE_TTM）的百分位排名（取值 0~1，越小代表估值越低）；
rank_float_market：流通市值的百分位排名（取值 0~1，越小代表市值越小）。
选股规则：
估值维度：仅保留rank_pe_ttm在 30%~60% 分位的股票（既不选极端低估值，也不选高估值）；
市值维度：仅保留rank_float_market在 20%~50% 分位的股票（聚焦中小市值成长股）；
最终以rank_float_market作为综合得分（score），得分越低（小市值）选股优先级越高。
如果选取持股数量为 5 支，持股天数 5 天，得到回测结果如下：
下面通过 “持股数量 × 持仓天数” 的参数优化，绘制参数平原，一共分四个步骤实现。
步骤 1：确定参数优化范围
针对 “低估值 + 小市值” 策略，我们选择两个核心参数进行优化：
持股数量：1~10 只（步长 1）和 10~30 只（步长 5）。测试分散度对收益的影响；
持仓天数：1~5 天（步长 1）和 5~30 天（步长 5）和 30~60 天（步长 10）。测试调仓频率对收益的影响。
步骤 2：批量回测不同参数组合
对每个参数组合（如持股 1 只 + 持仓 5 天、持股 2 只 + 持仓 10 天…）运行策略回测，记录总收益率。核心代码逻辑附在后面。
步骤 3：绘制参数平原热力图
将所有参数组合的收益率整理成透视表，用热力图可视化：
步骤 4：分析参数平原，定位最优策略
分析参数平原，可以得到下面的结论：
单点最优：持仓 10 天持股 2 只（148.9%）、持仓 20 天持股 2 只（139.6%）等组合收益突出，是短期收益 “峰值”；
稳定平原区：持股 2-4 只、持仓 10-20 天的区间，收益率普遍超 50% 且连续稳定，形成 “高收益平原”，说明这一区间的参数组合与因子的适配性最强；
风险区域：持股 1-8 只且持仓 1-3 天和持仓 40-50 天的组合收益多低于 10% 甚至为负，属于表现较差的 “山谷” 区域。
最优策略选择逻辑：持股 3 只、持仓 15 天处于高收益平原核心，收益 57.5% 高于初始策略收益（43%），且周边参数收益连续稳定，即使参数发生偏移，也能获得稳定的高收益，所以我们应该选择持股 3 只、持仓 15 天的参数组合，下面展示回测结果：
四、使用参数平原的注意事项
1.参数平原中的单点最优值很可能是过拟合的表现，实盘表现往往大幅低于回测。应优先选择连续的 “稳定平原区”，这类区域的参数组合在不同市场环境下表现更稳定，鲁棒性更强；
2.本文指标只选取了总收益率，实际选择参数时不应只局限于单一指标，需结合夏普比率、最大回撤等多指标综合判断，避免片面性；
3.参数范围要覆盖 “合理的投资逻辑”，范围过大会导致回测时长过长，范围太小可能找不到 “稳定平原区”，步长同理；
4.通过步长搜索无法定位精确最优参数，参数平原的核心价值是呈现趋势和稳定区域，找到更加可靠的参数组合。
代码链接：
https://bigquant.com/codesharev3/bddb5e5f-bf2d-4ec7-865a-de14e41d4e0d
\