2. 戦略の最適化を実行する方法

2.1. エントリーポイントと一般的なクワーグ

qt.run(op, mode=2, ...). Common arguments include opti_method, opti_sample_count, opti_output_count などを使用して戦略の最適化を実行します。

2.2. 最適化アルゴリズムの完全なリスト (簡単な説明付き)

以下は、一般的な opti_method 値と典型的な使用例です。信頼できる情報源として qteasy 2.0 API を参照してください。

アルゴリズム	意味	典型的な使用例
grid	グリッド検索	パラメータはほとんどなく、離散空間。網羅的または粗いグリッド検索。
montecarlo	モンテカルロランダムサンプリング	パラメータが多い場合はランダムサンプリング。
GA	遺伝的アルゴリズム	中～高次元。連続/離散混合空間。
SA	模擬焼鈍	中程度の寸法。局所最適化が懸念される場合に役立ちます。
PSO	粒子群の最適化	複数の頂点を持つ連続した空間。
bayesian	ベイズ最適化	高価な評価。いくつかのステップで良い結果が必要です。

2.3. 最適化実行パラメータの完全なリスト (簡単な説明付き)

パラメータ	タイプ/値	意味
opti_method	str	最適化アルゴリズム: `grid`, `montecarlo`, `GA`, `SA`, `PSO`, `bayesian` など。
opti_sample_count	int	サンプル/反復の数 (例: モンテカルロサンプルまたは GA 生成)。
opti_output_count	int	保持する最良の結果の数 (Top-K)。
目的関数	—	例: シャープレシオまたはドローダウン。構成または API ドキュメントを参照してください。
制約	—	制約が適用される場合 (最大ドローダウン制限など)、構成を参照してください。

バックテストの日付範囲、asset_pool, and other arguments shared with mode=1 also apply in mode=2。

2.4. パラメータ空間

戦略は Parameter objects and par_range define the search space; the framework samples or searches within it according to opti_method。

2.5. 最小限の実行可能な例

import qteasy as qt

op = qt.Operator(strategies='dma', signal_type='PT', run_freq='d')
# dma 策略带 short_period、long_period 等可调参数
qt.configure(asset_pool='000001.SZ', invest_start='2020-01-01', invest_end='2023-12-31')
result = qt.run(op, mode=2, opti_method='grid', opti_sample_count=100, opti_output_count=10)

2.6. 構成のハイライト

バックテスト範囲と資産プール: mode=1 と同じ。これらは、各パラメーター評価のバックテスト環境を定義します。
目的関数: 「より良い」とは何を意味するのか (シャープを最大化する、ドローダウンを最小化するなど) を定義し、ランキングと最終的な選択に影響を与えます。