第71章 优化策略（2/2）

接下来的三天，林晨进入了近乎闭关的状态。

白天苏婉带乐乐去学校后，他就坐在电脑前，一行行代码编织着更复杂的决策网络。晚上家人睡了，他继续调试参数、跑回测。书房成了孤岛，只有键盘敲击声和主机风扇的嗡鸣相伴。

过程中遇到了不少坑。

ta-lib库对数据长度有要求，短时间序列计算某些指标会返回NaN（非数字）。他不得不修改数据预处理管道，确保足够长的历史数据窗口。

多个指标的信号有时互相矛盾。比如MACD看涨，但RSI已严重超买。他需要设计更精细的冲突解决规则，不是简单投票，而是分析矛盾背后的市场情境——是强势逼空行情，还是顶部衰竭征兆？

回测系统也需要升级。原来只记录盈亏，现在要记录每一笔交易触发时，各个因子的具体得分、市场状态分类、最终决策总分。这样事后才能分析哪些因子有效，哪些是噪声。

第三天深夜，初步版本完成了。

林晨用过去两年的A股数据（2023年初至2024年底）进行回测。这个时间段包含了下跌、震荡和反弹多种行情，是很好的测试场。

他启动了回测程序。

进度条缓慢爬行。屏幕上不断刷出模拟交易记录：

2023-04-15,买入,因子得分:72.3(AI:65,趋势:15,震荡:-7.7),状态:震荡市

2023-04-22,卖出,收益率:+3.2%

2023-05-06,买入,因子得分:58.1(AI:70,趋势:-5,震荡:-6.9),状态:下跌市-＞忽略，未交易

2023-07-11,买入,因子得分:81.5(AI:68,趋势:20,震荡:-6.5),状态:反弹市

...

两个小时后，回测结束。

林晨屏住呼吸，看向最终报告。

回测周期：2023-01-04至2024-12-29（约两年）

初始资金：100,000元

最终资金：136,847元

总收益率：36.85%

年化收益率：约17%

最大回撤：8.2%

胜率：61.3%

交易次数：147次

他眼睛一亮。

相比之前单一模型回测的大起大落（年化可能更高但回撤常超过15%），新策略的曲线平滑了许多。36.85%的总收益不算惊艳，但关键在于最大回撤控制在8.2%——这是一个职业投资者可以接受的波动范围。胜率从55%提升到61.3%，意味着交易质量在提高。

“有戏”。林晨握了握拳，疲惫的脸上露出笑容。

但他没有立刻庆祝。职业习惯让他先找问题。

仔细查看亏损交易，发现大部分集中在2023年下半年市场单边下跌时。即便系统通过市场状态分类降低了仓位，但“做多”策略在熊市天然劣势，仍然难以避免小额亏损。

“如果加入做空机制呢”？林晨脑海里闪过这个念头，随即又摇头，“A股做空门槛高，而且我的实盘账户现在也没权限。先聚焦多头优化”。

他注意到，在2024年的结构性行情中，系统表现更好。当AI模型与技术指标共振时，往往能抓住一些板块轮动的机会。

“明天用这个新策略跑实盘”。林晨看了眼时间，凌晨两点半。他保存好所有代码和回测数据，关机。

躺到床上时，大脑却依然活跃。

技术指标整合只是第一步。接下来还可以考虑更多维度：基本面数据（市盈率、营收增长率）？新闻情绪分析（爬取财经新闻做情感打分）？甚至……其他市场的联动（美股、港股对A股的影响）？

越想越远，越想越复杂。

“不能贪多”。他在黑暗中提醒自己，“先把当前框架跑稳。实盘验证才是试金石”。

窗外，科技园区的灯光依然明亮。那些灯火下，无数和他一样的程序员、产品经理、创业者，或许也在为某个算法、某个功能、某个商业模型绞尽脑汁。

这个时代，技术是杠杆，但找到正确的支点，需要耐心、迭代，还有那么一点在混沌中洞察规律的运气。

林晨闭上眼睛。

明天，新的实盘周期开始。优化后的“PhoenixTrader”将迎来第一次实战检验。

他不知道的是，就在他沉睡时，系统后台的一个定时任务悄然启动——它正在自动下载最新的美股盘前数据。而在林晨原本只针对A股设计的策略逻辑里，某个边界条件判断，因为数据格式的细微差异，正悄然发生着预料之外的变化……