# 如何运行策略优化

## 入口与常用 kwargs

使用 **qt.run(op, mode=2, ...)** 运行策略优化。常用参数包括 **opti_method**、**opti_sample_count**、**opti_output_count** 等。

## 优化算法完整列表（罗列并简短解释）

以下为 **opti_method** 常见可选值及适用场景，与 qteasy 2.0 API 一致为准。

| 算法名 | 含义 | 适用场景 |
|--------|------|----------|
| grid | 网格搜索 | 参数少、离散空间，穷举或粗网格。 |
| montecarlo | 蒙特卡洛随机采样 | 参数较多时随机抽样评估。 |
| GA | 遗传算法 | 中高维、连续/离散混合。 |
| SA | 模拟退火 | 中维、易陷入局部最优时。 |
| PSO | 粒子群优化 | 连续空间、多峰。 |
| bayesian | 贝叶斯优化 | 样本昂贵、需少步数寻优。 |

## 优化运行参数完整列表（罗列并简短解释）

| 参数名 | 类型/可选值 | 含义 |
|--------|-------------|------|
| opti_method | str | 优化算法：grid、montecarlo、GA、SA、PSO、bayesian 等。 |
| opti_sample_count | int | 采样/迭代次数（如蒙特卡洛样本数、遗传代数等）。 |
| opti_output_count | int | 保留的最优结果数量（Top-K）。 |
| 目标函数相关 | — | 如优化目标为夏普、回撤等，以配置或 API 为准。 |
| 约束相关 | — | 若有约束（如最大回撤上限），以配置为准。 |

回测区间、asset_pool 等与 mode=1 相同的参数在 mode=2 时同样生效。

## 参数空间

策略的 **Parameter** 及 **par_range** 定义优化时的搜索空间；框架按 opti_method 在该空间内采样或搜索。

## 最小可运行示例

```python
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)
```

## 配置要点

- **回测区间、资产池**：与 mode=1 一致，决定每次参数评估的回测环境。
- **目标函数**：决定“更优”的定义（如夏普最大化、回撤最小化），影响排序与最终选取。