2. 如何運行策略優化

2.1. 入口與常用 kwargs

使用 qt.run(op, mode=2, …) 運行策略優化。常用參數包括 opti_method、opti_sample_count、opti_output_count 等。

2.2. 優化算法完整列表（羅列並簡短解釋）

以下爲 opti_method 常見可選值及適用場景，與 qteasy 2.0 API 一致爲準。

算法名	含義	適用場景
grid	網格搜索	參數少、離散空間，窮舉或粗網格。
montecarlo	蒙特卡洛隨機採樣	參數較多時隨機抽樣評估。
GA	遺傳算法	中高維、連續/離散混合。
SA	模擬退火	中維、易陷入局部最優時。
PSO	粒子羣優化	連續空間、多峯。
bayesian	貝葉斯優化	樣本昂貴、需少步數尋優。

2.3. 優化運行參數完整列表（羅列並簡短解釋）

參數名	類型/可選值	含義
opti_method	str	優化算法：grid、montecarlo、GA、SA、PSO、bayesian 等。
opti_sample_count	int	採樣/迭代次數（如蒙特卡洛樣本數、遺傳代數等）。
opti_output_count	int	保留的最優結果數量（Top-K）。
目標函數相關	—	如優化目標爲夏普、回撤等，以配置或 API 爲準。
約束相關	—	若有約束（如最大回撤上限），以配置爲準。

回測區間、asset_pool 等與 mode=1 相同的參數在 mode=2 時同樣生效。

2.4. 參數空間

策略的 Parameter 及 par_range 定義優化時的搜索空間；框架按 opti_method 在該空間內採樣或搜索。

2.5. 最小可運行示例

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. 配置要點

• 回測區間、資產池：與 mode=1 一致，決定每次參數評估的回測環境。

• 目標函數：決定“更優”的定義（如夏普最大化、回撤最小化），影響排序與最終選取。