01
参数优化概述
什么是参数优化 · 为什么需要参数优化 · 核心目标与挑战
基础概念
02
参数空间与搜索维度
参数类型(连续/离散/类别) · 范围设定 · 维度灾难
空间维度
03
网格搜索法
全网格搜索原理 · 实现步骤 · 优缺点 · 适用场景
经典穷举
04
随机搜索法
随机采样原理 · 与网格对比 · 收敛性 · 实践技巧
随机高效
05
贝叶斯优化
高斯过程 · 采集函数(EI/PI/UCB) · 流程 · Python实现
贝叶斯高级
06
遗传算法优化
编码与种群初始化 · 选择/交叉/变异 · 适应度 · 收敛控制
进化启发式
07
粒子群优化
粒子更新公式 · 惯性权重 · 局部/全局最优 · 调参技巧
群智能PSO
08
模拟退火优化
退火温度调度 · Metropolis准则 · 邻域搜索 · 算法变种
退火随机
09
梯度下降法
批量/随机/小批量 · 学习率调度 · 动量与Adam优化器
梯度深度学习
10
超参数调优框架
Optuna · Hyperopt · Scikit-Optimize · 分布式优化
框架AutoML
11
交叉验证与过拟合
K折 · 滚动交叉验证 · 时间序列划分 · 过拟合识别
验证稳健
12
性能评估指标
夏普比率 · 最大回撤 · 卡玛比率 · 收益风险比 · 综合评分
指标评价
13
稳健性检验
参数敏感性分析 · 蒙特卡洛模拟 · 压力测试 · 样本外验证
稳健压力
14
多目标优化
Pareto前沿 · NSGA-II · 加权求和法 · 约束处理
多目标Pareto
15
约束优化方法
硬约束与软约束 · 罚函数法 · 可行域搜索 · 约束满足策略
约束可行
16
并行与分布式优化
多进程并行 · GPU加速 · 分布式框架 · 任务调度策略
并行分布式
17
早停与学习曲线
早停策略 · 学习曲线分析 · 收敛判断 · 动态调整搜索
早停收敛
18
参数重要性分析
主成分分析 · 随机森林特征重要性 · SHAP · 相关性分析
重要性解释
19
自适应参数优化
在线学习 · 强化学习调参 · 动态参数调整 · 市场状态识别
自适应动态
20
组合优化与集成
多策略组合 · 参数集成 · 投票与加权 · 风险平价
集成组合
21
回测陷阱与偏差
前视偏差 · 生存偏差 · 过拟合偏差 · 数据窥探 · 多重测试校正
陷阱偏差
22
实战案例一：均线交叉策略
网格搜索 + 贝叶斯优化对比
实战均线
23
实战案例二：布林带策略
遗传算法 + 粒子群优化对比
实战布林带
24
实战案例三：RSI背离策略
模拟退火 + 随机搜索对比
实战RSI
25
实战案例四：多因子选股模型
Optuna框架实战
实战多因子
26
实战案例五：统计套利策略
分布式并行优化实战
实战套利
27
参数优化报告生成
结果可视化 · 参数热力图 · 收敛曲线 · 最优参数导出
报告可视化
28
生产环境部署
参数持久化 · 动态更新机制 · 监控告警 · 回滚策略
部署运维
29
前沿趋势
AutoML · 神经架构搜索 · 元学习 · 强化学习调参 · 大模型辅助
前沿趋势
30
课程总结与进阶路径
知识体系回顾 · 推荐书籍与论文 · 开源项目 · 社区资源
总结进阶