过拟合自查与参数高原

最优参数是被挑出来的，这就是问题所在

回测报告里最常见的一句话是「最优参数下年化 21.6%」。这句话的信息量比多数人以为的低得多， 因为「最优」这两个字意味着它是从一堆候选里选出来的冠军。选拔本身会把两样东西一起选进来： 真正的规律，和恰好合拍的噪音。你没法在数字上把它俩分开，但可以换个角度问—— 如果起作用的是规律，那么参数稍微偏一点，成绩应该只是略微下滑； 如果起作用的是噪音，参数偏一点就会原形毕露。

这就是「参数高原」这个说法的来历。把参数当横轴、绩效当纵轴画出来， 稳定的策略呈现的是一片起伏不大的台地，最高点只是台地上一个不起眼的小凸起； 拟合噪音的策略呈现的是一根孤零零的尖峰，左右两边直接坠到地面。 本工具把这个形状压缩成一个数：最优点邻域窗口（含最优点自己）的绩效均值， 除以最优点的绩效。全平时等于 1，邻居越差这个数越小。

三个输出分别在回答什么

参数高原指数回答的是「形状扁不扁」。 不低于 0.9 判高原，0.75 到 0.9 判缓坡，低于 0.75 判尖峰。 这三档不是行业标准，只是两个便于口算的整数比例，你可以按自己的容忍度重新解读。 需要留意的是它对邻域半径很敏感：半径调大会把更远的点拉进均值，指数必然下降。 判定从高原滑向尖峰有多快，本身就是「高原有多宽」的另一种度量。

邻域衰减幅度回答的是「动一格最惨掉多少」。 工具分别取左右邻域里最差的那个点，算它相对最优点掉了百分之几，再取两侧较大者。 这个数比高原指数更贴近实盘体感——实盘里你不会正好用在最优点上， 参数总会因为数据源差异、复权方式、开盘价还是收盘价成交而偏移一点点。

稳健参数区间回答的是「能放心用的范围有多宽」。 算法是从最优点往两边扩，只要绩效不低于最优值的指定比例就继续，一破线立刻停。 必须是连续的一段：中间掉下去、更远处又好起来，那是两片区域，不能算一个区间。 区间宽度和它占整个扫描范围的比例，比单个最优值更值得抄进策略笔记。

几个常见误区

把最优点当成参数取值。 即便判出高原，直接取最高点也不是好习惯。最优点在下一段数据上几乎必然漂移， 而高原的中部对漂移的容忍度最高。取稳健区间中部损失的那点回测收益， 换来的是实盘里不会因为峰顶挪了一格就掉下悬崖。

用密集步长造出假高原。 如果相邻两组参数其实覆盖着几乎同一批交易，绩效当然接近，画出来一片平坦， 但那是数据重叠造成的错觉。识别办法很直接：把步长调粗一倍再扫一遍，真高原不会消失。

在多维参数上用一维结论。 本工具只处理单参数扫描。两个参数联动时，参数面上的「山脊」在任何一条切片上看都可能像尖峰， 需要固定其中一个再逐条看，或者干脆把二维结果按行分批贴进来对比。

拿分类型选项当参数扫。 「用哪个技术指标」「选哪个板块」这类选择没有天然的大小顺序， 它们的相邻关系是你人为排出来的，换个排法形状就变了，邻域也就失去了意义。 这类比较该做的是分组对比，而不是找高原。判断标准很简单： 把这一列的取值打乱重排，如果结论跟着变，说明它压根不该走这套算法。

忘了自己一共试了多少组。 三个参数各试十档就是上千种组合，很多人心里以为「只调了三个参数」。 搜索空间越大，撞出漂亮最高分的概率越高，那个最高分就越该打折。 结果区显示的「全部参数平均绩效 ÷ 最优值」就是这个折价的粗略参照。

口径、边界与风险提示

解析规则：每行取前两个数字，第一个当参数值，第二个当绩效； 读不出两个数字的行（比如表头）会被跳过；参数值重复时保留先出现的那条； 百分号只被剥掉，不做除以一百的换算——两列口径由你自己保证一致。 有效数据点少于三个、或者最优绩效不是正数时，工具会直接说算不了， 而不是给一个会翻号失真的比值。数据点上限四百个，再多也读不出更多信息。

更要紧的是这件事：回测不等于实盘。 你贴进来的绩效来自历史数据的重放，里面没有滑点、冲击成本、流动性限制、 也没有停牌与涨跌停带来的无法成交。同一组参数在真实交易里通常比回测差一截， 交易越频繁差得越多。所以本工具的结论只能往「淘汰」的方向用： 形状是尖峰，可以放心淘汰；形状是高原，只说明它没被这一关筛掉， 还得过样本外验证、成本敏感度、容量这几关。

风险提示：本工具只做描述性统计，不评价任何具体策略、标的或参数取值， 不发出任何买卖信号，也不对未来表现作任何暗示。历史回测数据不代表未来， 任何参数优化都无法消除亏损的可能。本工具仅为策略诊断教学演示，不构成投资建议。