三个模板默认均线，最差的那组差一半

5/10、5/20、10/30，同一条中证500

 

A｜三组默认值，差别不在数字大小

我不点具体平台名，因为各家版本不一样，点名容易变成抬杠。重点是这三组值本身代表三种思路：5/10是超短周期，把均线当滤网用，追求快速反应；5/20是短线，长线只用来定方向；10/30偏中线，两边的周期都拉长了一截。这三种思路没有对错，但它们对成本的敏感度差了一个数量级。

三组值，最好的规则净值1.4131，最差的0.7332，中间差将近1倍。也就是说，同一个人、同一台电脑、同一段数据，只是在模板里少改一个数字，结果的量级就换了一个档。这一点比任何“参数优化技巧”都重要，因为它是默认发生的，不需要你做错什么。

还有一个容易被忽略的差异：三组参数的月度信号胜率是41.73%、41.28%、44.66%，全部低于50%。也就是说，这三组参数在自己的持仓月份里，大多数月份是负的。这不是参数没调好，是趋势型规则的常态：它们靠少数几个大月份吃饭，剩下时间在挨打。接受不了这个结构，就不应该用趋势型规则。

B｜三条净值线，形状完全不同

先看5/10那条。它的特点是上下震荡幅度大，净值在0.7到1.1之间来回，末端收在0.7332。这条线的问题不在方向判断，在换手：300次换向，10.77年，平均每年28次，差不多每9个交易日改一次主意。

 

5/20这条明显平缓，净值在0.9到1.1之间走，末端1.0229，微微高过1。它的换手162次，比5/10少了近一半。这个改善不是参数“更准”，是“更少动”。

 

10/30这条是三条里唯一一个稳稳站在1.2以上走完大部分时间的，末端1.4131，最大回落-26.14%，换手92次。

 

如果只看到这里，结论会是“把参数拉长就行”。这个结论是错的，下面两节会说为什么。你在同一段数据上看到的“更好”，很可能只是这段数据的性格。

C｜换手300次的那条，坏在结构不在参数

5/10的分年度净值变化值得单独看：2016年-19.13%（基准-10.31%），2017年-8.26%（基准-0.20%），2018年-19.93%（基准-33.32%），2019年+18.41%（基准+26.38%），2020年+3.06%（基准+20.87%），2021年-12.07%（基准+15.58%），2022年-9.40%（基准-20.31%），2025年+31.40%（基准+30.39%）。

 

11个年度里只有4年跑赢基准，而且赢的幅度小、输的幅度大。2021年基准涨15.58%，它做-12.07%，差27.7个百分点，这种差距不是运气问题，是结构问题：短周期均线在震荡上行的年份里，会被每一次回踩打出去，然后再追回来，一进一出就是两次成本。一年28次换向，就是56次成本动作。

所以我一直说，短周期参数的敌人不是市场，是摩擦。同一套逻辑，把成本从0.5‰加到1‰，5/10会比10/30先崩。判断一组参数能不能用，先看它的换手，再看它的净值。

D｜-50.50%这个数字是怎么来的

5/10的最大净值回落是-50.50%，10/30是-26.14%，两者差了24个百分点。这个差不是同一次行情里的深度差，而是“在场时间”的差。5/10在场时间占比52.82%，10/30在场50.27%，看起来接近，但分布完全不同：5/10的在场时间大量集中在急跌之后的反弹段，那一段最容易被下一根阴线埋掉。

 

10/30的回落曲线明显平缓，最深的一段发生在2019年1月31日附近。这里有个反直觉的点：更长的均线并没有让你少在场，它让你少在最差的时候在场。在场时间几乎一样，结果差近1倍，差别全在“什么时候在场”。

E｜25个格子里，几格是好格子

我把短周期按5、10、20、30，长周期按30、60、90、120交叉成16格跑了一遍（图上按4乘4排布），结果如下：净值高于1.0的只有3格，分别是10/30的1.4131、20/120的1.0569、10/120的1.0542；净值最低的一格是20/60的0.7541；还有一格很特殊，30/30的净值恒等于1.0，因为快慢线完全相同，永远不产生交叉，程序从头到尾没做过一次动作。

 

16格里3格能用，听着好像还能挑，但这里有个必须说清的问题：我是先看了结果才说哪3格好的。如果换一个指数、换一段起点，这3格会换位置。所以网格图的正确用法不是“挑最好那格”，而是看“好格子是不是连成片”。如果好格子是孤立的几个点，说明这是噪声；如果是一整片区域都不错，那这块区域才值得信。

这张图里的好格子是散的：10/30好、20/120好、10/120好，中间夹着20/60的0.7541。这种形状我给它的判断是“不可依赖”。连不成片的最优解，基本都是拟合出来的。

F｜用前4年挑参数，挑到的那个在后7年变成负的

为了把“挑参数”这件事说透，我把同一批16格拆成两段重算：2016年1月到2019年12月为一段，2020年1月到2026年10月30日为另一段。如果当年只拿前4年做决定，我会挑中谁？

前段第一是5/90，段内净值1.141，在所有16格里最漂亮；它到了2020年之后变成0.827，整个后半段是负的，全段合起来只有0.9616。而全段第一的10/30，在前段只能排到第六（0.967），一点都不起眼。更夸张的是5/30，前段排最后一名（0.748），后段反而跑到1.272。同一个池子、同一套规则，两段行情给出两套完全相反的排名。

这张表就是参数优化的全部真相。真实工作里，大多数人是拿全部样本挑参数，然后拿同一段样本验证，自然怎么看都对。要假装对真实世界诚实，至少得把挑参数的那段和验证的那段分开，而且不能事后回头改。我自己的规矩是：只用前半段挑，挑完当参数封死，后半段只跑一次，跑完不改。

G｜成本从0加到3‰，净值从1.4796滑到1.1222

这一组是我每次都要做的：把单边成本从0逐步加到3‰，看净值怎么走。10/30这组的结果是：0成本时净值1.4796、年化3.70%、最大回落-25.13%；0.5‰时1.4131、3.26%、-26.14%；1‰时1.3495、2.82%、-27.14%；2‰时1.2307、1.95%、-29.09%；3‰时1.1222、1.08%、-30.99%。

 

从0到3‰，年化从3.70%掉到1.08%，掉了2.62个百分点，净值从1.4796掉到1.1222，掉了约1/4。这个衰减速度对92次换手的规则来说是正常的，对300次换手的那条会快得多。成本敏感性不是一个“保守一点更安全”的选项，它是判断参数能不能用的硬门槛。

我的具体门槛：如果一组参数在单边1‰下净值跌破1.0，我就不再用它，不管它在0成本下多漂亮。理由是1‰在实际交易里一点都不高，佣金、过户费、买卖价差、冲击成本加在一起，很容易超过这个数。用0成本回测出来的结论，等于在用一个不可能存在的前提做决策。

  

H｜代码：把默认值参数化

下面的骨架只做一件事：把参数、成本、执行假设全部显式写进函数签名，不允许任何默认值藏在里面。这是我被默认值坑过之后改的习惯。

这段代码有两个刻意的设计。第一，exec_lag是显式参数，不写成默认1，因为总有人想试0和2，写死在函数里等于把未来函数藏起来。第二，每组参数都同时打印0成本和1‰成本两个净值，逼自己看到成本的牙齿。我原来只打0成本，结果每次都在自我感觉良好里选参数。

I｜平台还藏着哪些默认值

均线参数只是第一个坑。我这几年在几个平台上碰到的默认值还有：不复权、按收盘价成交、停牌日剔除、手续费万分之二点五、不扣印花税。这五项每一项都能单独把结论改掉。复权方式影响长样本的连续性，按收盘成交影响信号的执行价，停牌剔除会让样本股票数在长样本里悄悄变化，手续费和印花税影响所有高换手规则。

我现在拿到一个新平台，第一件事是把这五项挨个改成自己认的口径，改完再跑一遍空规则（直接持有）对一下基准净值。如果平台算出来的持有净值和我自己算的差超过1%，就说明还有一项默认值没对齐。对不上账之前，任何策略结果都不看。

还有一个平台层面的事得提一句：回测里的“按收盘价成交”在T+1的规则下并不能总是实现。信号在收盘后生成，你最早也只能在下一个交易日的开盘或盘中成交，这中间隔了一个隔夜跳空。本文这16格全部按“信号滞后一天、按收盘成交”算，已经包含了一个交易日的滞后，但没有把隔夜跳空的价差单独建模。这层差异会让高换手参数再难看一截，5/10这种300次换手的尤其明显。

回到开头那个问题：如果什么都不改直接用默认值，三组结果差将近一倍。这还不是最坏的情况，最坏的是你改了参数、改了成本、改了复权，最后挑出一组1.4的净值，却不知道它是这16格里唯一运气好的那格。这两件事的区别，决定了你下一次还有没有饭吃。

文中净值、回落、换手均为公开指数日线的历史回测结果（模拟），不预示未来表现，也不构成任何操作依据。