【量化投资从入门到精通 #20】双均线到多均线参数不是越多越好

策略篇开篇。上篇写了双均线回测。这篇讲一个关键纪律：参数越多，越容易自欺。

一、这个方法解决什么投资问题

你回测双均线，想"调得更准"——加第三条均线、改周期。结果调着调着历史曲线美如画，实盘一塌糊涂。这就是参数膨胀的坑。

二、核心思想：参数 = 自由度，自由度 = 过拟合空间

每个参数都是"旋钮"。旋钮越多，你越能扭出一条完美贴合历史曲线的形状——但那只是拟合了历史的噪声，不是发现了规律。参数少而精，反而更可能在未来成立。

三、实操演示：参数敏感性

for fast in [3,5,10]:
    for slow in [20,30,60]:
        r = backtest_ma_cross(kl, fast, slow)
        print(fast, slow, calc_metrics(r["equity"])["cum_ret"])

真实输出（2026-08-06，000001，9 组）： 累计从 +3.20%（3/20）到 −9.53%（10/60）不等；最好 3/20、最差 10/60。

四、结果解读

同一只票、同一方法，只因参数不同，结果从赚 3% 到亏 9.5%——说明"选对参数"比"选对方法"影响还大，而这恰恰是过拟合的温床。稳健做法：参数凭逻辑定（如 5/20 对应一周/一月），别为历史最优去搜参（#28 详讲）。

五、常见陷阱

• 网格搜索出"最优参数"：样本内满分，样本外崩盘。
• 多均线堆叠（5/10/20/60/120/250）：自由度爆炸，过拟合必然。
• 用最优参数讲故事：你先看到了结果才选参数，本质是数据挖掘。

六、小结 + 下篇预告

参数少而精 > 多而全。下篇 #21：均值回归——布林下轨捡便宜的纪律。

免责声明

本文为量化方法教学，标的为示例，不构成投资建议，不承诺收益。投资有风险，入市需谨慎。