自动识别可调参数
FiClaw 会从策略代码和 spec 中提取窗口期、阈值、持仓数量、调仓频率等参数。
- 动量窗口、均线窗口、波动率窗口
- 买入/卖出阈值、止损条件
- 组合数量、权重约束、调仓周期
Parameter Optimization
量化策略参数优化：从经验调参到系统化搜索
策略研发中最容易浪费时间的是反复猜参数。FiClaw 会从策略逻辑中识别可调参数，建立搜索空间，执行网格优化，并结合回测指标判断参数组合是否稳健。
示例 Prompt
“对 20 日动量轮动策略做窗口期和持仓数量的网格搜索。”
“比较周度调仓和月度调仓在收益、回撤和换手上的差异。”
“在控制最大回撤低于 15% 的前提下，优化策略 Sharpe。”
可复核指标
搜索方式
网格搜索
先覆盖核心参数空间
判断标准
收益 + 风险
不只看单点收益
稳健性
邻域对比
观察相邻参数是否稳定
优化不等于过拟合
参数优化需要配合稳健性判断。FiClaw 会把收益、回撤、胜率和稳定性放在一起看。
- 避免只追求单次最高收益
- 关注参数邻域是否稳定
- 用多轮结果判断策略是否值得继续
Workflow
FiClaw 如何处理这个问题
1
提取参数空间
识别策略中的可调参数和合理搜索范围。
2
执行网格搜索
批量回测不同参数组合，形成结果表。
3
评估稳健性
综合收益、回撤、Sharpe、胜率和参数邻域稳定性。
4
沉淀最优版本
保留参数、代码、回测结果和诊断记录，方便后续复盘。
FAQ
常见问题
参数优化会不会导致过拟合？
可能会，所以 FiClaw 会同时检查参数邻域、样本外表现和交易成本敏感性，不以单次最高结果作为结论。
FiClaw 会自动选择最终参数吗？
FiClaw 可以给出候选参数和诊断依据，但最终采用哪个参数组合应由研究员结合风险约束和业务判断确认。
Boundaries
适用边界
金融类 AI 工具需要明确边界。FiClaw 用来提高策略研发效率，输出仍需团队复核。
- 参数优化不能消除市场不确定性，也不能保证未来收益。
- 最优参数需要结合样本外验证、风险约束和业务判断。
- FiClaw 帮助提升研发效率，不替代投资委员会或风控审批。