优化与验证

搜索参数、在样本外验证、检验结果能否成立，并跨资产配置。将策略变成可重复的研究流程，从大规模参数扫描，延伸到前向滚动测试、稳健性检查和投资组合优化。

从这里开始

优化与验证页面

参数优化

使用网格、条件和随机搜索遍历数百万种参数组合

前向滚动与交叉验证

通过滚动、扩展和清除重叠信息的切分，在样本外测试优化参数

稳健性与过拟合

用基线、置换检验和修正夏普比率，检查回测是否只是运气

投资组合优化

用自己的函数或优化器库配置资产，并回测再平衡

从参数搜索到经过测试的策略

从计算信号、运行回测并返回待比较指标的 Python 函数开始。VBT 可以在参数组合网格或随机样本上运行它，再跨训练窗口重复搜索，并在之后的测试区间评估选定设置。您可以保留现有 pandas 计算，自行选择评分规则。

稳健性检查帮助您调查结果的驱动因素。比较相邻设置、移除过滤器、延迟信号，或在打乱历史上重复搜索。结果按测试组合保留标签，因此可以在主要夏普比率之外，同时检查回撤和交易行为。

从资产权重到回测

投资组合优化从权重开始。提供自己的权重表，用函数计算配置，或使用 PyPortfolioOpt、Riskfolio-Lib、Universal Portfolios。VBT 将目标转换为模拟，让您比较再平衡计划、权重漂移、手续费和绩效。等权重篮子为更复杂方法提供简单基线。

示例页面展示过程的两个方面：搜索策略设置并在样本外评估，再比较扣除交易成本后的资产配置。

完整教程

通过交叉验证教程测试策略稳健性，或通过投资组合优化教程比较配置方法。