第 6 讲：参数扫描——寻找最优均线

本讲要点

在同一段历史上挑出的「最优」参数，常常只是运气最好的那个。

---

1. 本讲任务

上一讲只试了 3 个均线天数。本讲做参数优化：在固定样本上系统扫描，找出收益率最高的均线周期 (N)。

• 扫描 MA = 5, 10, 15, …, 120（步长 5，共 24 个）
• 每个都跑一遍「定投 + 均线门禁」
• 挑最终收益率最高的当「样本内最优」
• 同时与无门禁定投对照

听起来很科学——危险也在这里：本讲只负责「找最优」；该参数换一段时间是否仍成立，留给第 7 讲检验过拟合。

---

2. 完整代码

rows = []
for ma in range(5, 121, 5):
    r = backtest_dca_with_ma(df, ma_period=ma)
    rows.append({"ma": ma, "return": r["return"].iloc[-1]})

scan = pd.DataFrame(rows)
best = scan.loc[scan["return"].idxmax()]
dca_ret = backtest_dca(df)["return"].iloc[-1]

print(f"冠军参数: MA{int(best['ma'])}")
print(f"冠军收益: {best['return']:.2%}")
print(f"定投:   {dca_ret:.2%}")
print(f"提升:     {best['return'] - dca_ret:.2%}")

colors = ["green" if x > dca_ret else "steelblue" for x in scan["return"]]
plt.figure(figsize=(10, 4))
plt.bar(scan["ma"], scan["return"] * 100, color=colors, alpha=0.75)
plt.bar(best["ma"], best["return"] * 100, color="gold", edgecolor="black", label="冠军")
plt.axhline(dca_ret * 100, color="gray", linestyle="--", label="定投")
plt.axhline(0, color="black", linewidth=0.8)
plt.xlabel("均线天数")
plt.ylabel("收益率 (%)")
plt.legend()
plt.tight_layout()
plt.show()

脚本：easy-quant/code/06_param_scan.py

---

3. 运行结果

固定窗口 2021-01-01—2026-03-04，标的沪深 300ETF（510300.SS）：

冠军参数: MA5
冠军收益: 18.53%
定投:   17.70%
提升:     0.82%
跑赢定投: 1/24
对照 MA  5: 18.53%  vs定投 +0.82%  买入 37/63
对照 MA 10: 15.83%  vs定投 -1.88%  买入 33/63
对照 MA 20: 14.71%  vs定投 -3.00%  买入 26/63
对照 MA 60: 14.36%  vs定投 -3.34%  买入 28/63
对照 MA120: 16.26%  vs定投 -1.44%  买入 27/63

方案	收益	相对定投	买入次数
定投（无门禁）	17.70%	—	63/63
冠军 MA5	18.53%	+0.82%	37/63
MA10	15.83%	−1.88%	33/63
MA20	14.71%	−3.00%	26/63
MA60	14.36%	−3.34%	28/63
MA120	16.26%	−1.44%	27/63

---

4. 柱状图与表格怎么读

• 金色柱：样本内收益率最高的参数（本例为 MA5）
• 灰虚线：定投水平（17.70%）
• 24 个参数中，仅 MA5 略高于定投；MA10 / 20 / 60 等常用周期全部低于定投
• 冠军相对定投只高 0.82 个百分点，且 MA5 门禁较松（仍买入 37/63 个月）——更像轻微择时，而非稳定优势

因此，就本样本而言：谈不上「哪条均线适合沪深 300ETF」；扫描给出的只是这段历史上终点收益最高的 (N)，不是可外推的配置结论。

---

5. 为什么这时候要警惕

想象教室里测 24 个人的身高，挑最高的那个：

• 他确实最高
• 但这不代表「挑人规则」能迁移到隔壁班

参数扫描也一样：你给了波动 24 次「碰巧第一」的机会。冠军只比定投高一点点时，更要怀疑这是选择偏差，而不是找到了规律。

下一讲冻结本讲得到的最优参数（MA5），拿到 2017–2021 另一段历史上再考——专门看过拟合。

---

→ 上一讲 · 下一讲：过拟合