2. 如何运行策略优化

2.1. 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。

2.2. 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。

2.3. 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。

2.4. 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。

2.5. 最小可运行示例

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. 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。