> ## Content Index
> Fetch the complete content index at: https://blog.edgepilotai.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# 调了几十组参数才找到一个赚钱的，这个结果还能信吗？
- URL: https://blog.edgepilotai.io/zh/many-parameters-one-profitable-backtest/
- Published: 2026-09-09T16:56:09.000Z
- Updated: 2026-10-15T06:36:47.000Z
- Description: 参数稍微一改，利润就没了？先看附近设置，再换段没用来调参的行情，别只被最好看的那张曲线说服。
- Author: EdgePilot Team
- Tags: Backtest Validation, #zh-cn

调了一下午参数，终于找到一组赚钱的，结果把数字改小一点，利润就没了。好不容易找到的策略，怎么这么挑设置？先别急着用真金白银试答案：看它换个相近设置、换段没用来调参的行情还能不能赚，才知道接下来值不值得继续研究。

## 参数稍微一改，回测就不赚钱了，为什么？

参数，就是策略里能调的设置。比如判断买卖时，要参考前面多少根 K 线。多看一点、少看一点，策略做出的交易就可能不同。

假设其他条件不变，只调整这个设置，出现了下表的结果：相邻的两个设置都亏钱，夹在中间的那个却赚钱。值得追问的是：为什么只差一点，结果就变了？

__往前多看或少看一根 K 线，结果怎么变？（教学例子）__
| 往前看多少根 K 线 | 回测结果 | 需要留意什么   |
| ---------- | ---- | -------- |
| 20         | 亏损   | 少看一根，亏钱  |
| 21         | 盈利   | 只有这个设置赚钱 |
| 22         | 亏损   | 多看一根，也亏钱 |

这时最该看的，是那一根 K 线到底改变了什么。它让策略避开了几笔亏损？还是让它赶上了一笔大涨？如果说不清，只能说明 21 在这次比较里赢了，还不能说明它换段行情也好用。

![大量参数中只有一组回测盈利](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/09/01-parameter-needle-1.png)

只留下最好看的那次，会把试过的失败藏起来。

同一套题做了几十遍，边看答案边改，最后考了高分。当然开心，但咱们还没换卷子呢。调参也会遇到类似的问题：设置越来越适合这段历史，却未必适合之后的行情。这叫**回测过拟合**。

所以，试过很多组本身不是错。问题是把失败的记录都扔了，只拿冠军那张曲线证明策略好。[相关研究](https://www.davidhbailey.com/dhbpapers/backtest-prob.pdf?ref=blog.edgepilotai.io)讨论的正是：挑选成绩的过程，也会影响最后看到的成绩。

## 换段没用过的行情，策略还能赚钱吗？

先把现在的版本留住，别一边检查一边继续改。接下来做的事，最好能回答一个明确的问题，而不只是再刷出一张更漂亮的曲线。

### 先看相近的设置，是一起赚钱，还是只有一个赚钱？

把试过的参数和结果排成表，赚钱、亏钱的都留着。除了赚亏，还要记下测试日期、费用、回撤和交易笔数。回撤说的是资金从高点往下掉了多少。

如果 20、21、22 都还不错，和只有 21 赚钱，是两种不同情况。但别到这就下结论。还要看看参数稍微一动，买卖时间和交易笔数是不是变了很多。

### 再换一段没用来调参的行情

定好规则后，拿一段之前没用来挑参数的数据再测。这才像换了一份新考卷，通常叫**样本外测试**。

如果看完新结果又继续改参数，这段行情也被你用来调参了。不能改完再用它证明“没见过也能赚”。卷子都订正过了，就不是第一次考试了。

### 如果定期调参，也按当时能知道的信息测试

比如用前一段行情选设置，再看后一段表现。然后往后挪，重复同样的步骤。这叫滚动检验。关键是：做前面的决定时，不能偷看后面的行情。

[测试数据的使用方法](https://scikit-learn.org/stable/modules/cross%5Fvalidation.html?ref=blog.edgepilotai.io)也强调这一点。新数据上表现不错，能多提供一份参考，但不能保证今后一直赚钱。

### 最后查费用和那几笔“大功臣”

把费用按计划使用的方式算清楚，看看利润还剩多少。再找出最赚钱的几笔：如果大部分利润都靠它们撑着，就要研究这种机会后来还能不能遇到。

### 只有一个设置赚钱，就一定该放弃吗？

不一定。有些规则刚好越过某个条件，就会多做或少做一笔交易。交易本来就少时，一笔大赚大亏也能改变整个结果。要查的是变化有没有道理，不是见到孤零零的赢家就判它没用。

反过来，好几组设置都赚钱，也可能是反复挑出来的。无论结果长什么样，都得留下自己到底试过什么。

## 调了几十组参数，怎么比较这些回测结果？

调了几十次，结果一多，就容易记不清哪组设置对应哪次回测。先把每次试过的参数和结果放在一起，比较时才不会弄混。

把各组参数和结果放在一起，交给 EdgePilot Research 对话，就可以让 AI 帮你解释差别、列出下一步该查什么。它分析的是你带来的材料，所以别只给最好看的那一份。

[安装并启用 EdgePilot Research 官方插件](https://www.edgepilotai.io/zh/research/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=many-parameters-one-profitable-backtest&utm%5Fcontent=install%5Fresearch)后，我们实际问了这个问题：

> 用 EdgePilot Research 帮我检查：我调了几十组参数，只有一组赚钱，这个结果能信吗？请简洁说明优先检查什么，以及我应该提供哪些结果。

![Research 对话：只有一组参数盈利时，优先检查什么、需要提供哪些结果](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/09/parameters-zh-chat.png)

EdgePilot 截图

EdgePilot 建议先看相近参数、没参与调参的数据，以及费用对结果的影响。接着就可以把例子里的 20、21、22 一起带上，追问：“为什么只多看一根 K 线，结果就变了？”再补充哪些行情已经用来选过参数。

还有一个概率例子能说明：多试几次，更容易碰到一次看起来不错的结果。假设一种检验在没有真实效果时，每次有 5% 的机会误报。如果做 30 次彼此独立的检验，至少误报一次的概率约为 79%。

这**不是策略有 79% 的概率失败**。它只是帮助理解反复测试的影响。实际调参的结果往往相互关联；回测赚钱，也不等于通过了这里说的统计检验。

教学计算：1 − 0.9530 ≈ 78.5%。

计算的是：30 次独立检验中，至少一次误报的概率。每次误报概率假设为 5%。

__把试过的结果，变成下一步能查的问题__
| 你带什么       | 请 Research 帮你看什么  | 接着查哪里          |
| ---------- | ----------------- | -------------- |
| 所有参数和对应结果  | 赚钱那组和其他组差在哪       | 查哪几笔交易为什么变了    |
| 用过的行情和调参过程 | 哪些数据已经参与选设置       | 留哪段没用过的行情再测    |
| 费用明细和每笔赚亏  | 利润被费用吃掉多少、是否靠少数大单 | 先改费用假设，还是查交易机会 |

如果要继续测试 Research 支持的已审核研究策略包，还可以让它运行历史回测，留下策略版本、参数、市场、费用设置和结果。下次比较时，就有原记录可查，不用猜哪份“最终版”才是真的。

### 拿到回答后，先做哪一步？

只有一个设置赚钱，先查它究竟改了哪些交易。相近设置也不错，就检查有没有拿没参与调参的行情测过。几项检查都还不错，再按原计划继续研究，把设置和结果一起保存。

### 那试多少组参数，才不算太多？

没有一个通用的安全次数。试的设置有多相似、可用数据有多少、最后怎么挑赢家，都会影响判断。与其卡在“能试几次”，不如先把自己试过什么记全。

先别急着再调一轮参数。把已经试过的设置和结果整理好，[用 EdgePilot Research 梳理这次调参结果](https://www.edgepilotai.io/zh/research/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=many-parameters-one-profitable-backtest&utm%5Fcontent=review%5Fevidence)，看看下一步最值得验证什么。

相关阅读：[扣完交易成本后还剩多少利润](https://blog.edgepilotai.io/zh/backtest-profit-after-all-trading-costs/)。

下一步要问的，是这组设置换到没用来调参的数据上还能怎样。先看[滚动验证怎么把这场考试分开](https://blog.edgepilotai.io/zh/rolling-cross-validation-explained/)；想找一个具体研究对象，也可以[到策略库查看候选策略的公开证据](https://www.edgepilotai.io/zh/strategies/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=many-parameters-one-profitable-backtest&utm%5Fcontent=browse%5Fstrategy%5Flibrary)。

## 参考资料

- [Bailey 等：回测过拟合的概率](https://www.davidhbailey.com/dhbpapers/backtest-prob.pdf?ref=blog.edgepilotai.io)
- [scikit-learn：交叉验证与时间序列评估](https://scikit-learn.org/stable/modules/cross%5Fvalidation.html?ref=blog.edgepilotai.io)
- [EdgePilot Research 产品介绍](https://www.edgepilotai.io/zh/research/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=many-parameters-one-profitable-backtest&utm%5Fcontent=research%5Fentry)

*本文用于交易研究与软件测试教育，不构成投资建议。教学案例不代表实际策略业绩；历史与模拟结果不保证未来表现。*