夜雨聆风
一、什么是遗传算法（GA）（本工具底层挖掘逻辑）
核心定义
三个牛量化 AI 工具里的遗传算法 (GA)— 单股，是模仿生物自然进化逻辑的 AI 因子挖掘引擎，专门针对单只个股自动生成、优化量化策略：
把每一套因子组合、买卖条件当作 1 个「策略个体」；
用回测指标（收益、最大回撤、胜率）判定个体优劣，完成 “优胜劣汰”；
通过交叉、变异生成全新策略，多轮迭代后自动筛选适配个股的优质因子，实现工具「自动挖掘因子、自动生成策略」核心功能。
“单股” 专属说明
该算法模式仅针对单一个股历史数据训练，不会跨股票通用，适合个股波段、短线专属策略挖掘，区别于全市场选股遗传算法。
二、全部参数：官方含义 + 调整后带来的影响
1. 种群大小
含义
单次进化周期内同步生成、参与回测打分的策略总数量，代表一轮算法的样本池规模，当前默认值 50。
参数调整影响
数值调大（100~200）：同时运算更多不同因子组合，搜索范围更广，更容易挖到小众高收益因子；缺点是算力占用高，挖掘运行速度大幅变慢。
数值调小（30 以内）：运算速度快、对设备要求低，但策略样本太少，极易遗漏优质因子搭配，生成的策略同质化严重。
适配建议
体验版 / 低配设备：30-50；包月包年完整版、追求优质策略：100-150。
2. 迭代次数
含义
完整进化循环的总代数，每一代都会完成打分筛选、交叉重组、基因突变、精英保留全套流程，默认值 10。
参数调整影响
数值调大（20~30）：策略经过多轮持续优化，收益稳定性、回测表现持续提升，因子搭配打磨更充分；缺点是挖掘耗时成倍增加。
数值调小（5 以内）：快速出结果，但策略进化不完整，大多是粗糙基础因子组合，实盘适配性差、容易失效。
适配建议
快速测试：5-10；深度挖掘稳健策略：20-30。
3. 变异率
含义
策略基因（因子、交易条件）随机修改、新增、删减的概率，用来创造市面上不存在的全新因子组合，跳出局部最优，默认值 0.20（20%）。
参数调整影响
数值调高（0.25~0.35）：大量生成创新型因子搭配，有概率挖掘出超额收益黑马策略；但同时会产出大量不稳定、回撤巨大的劣质策略，结果波动大。
数值调低（0.05~0.15）：策略改动幅度极小，进化保守，生成的策略走势稳定、极端风险少；缺点是很难跳出传统老旧因子，难以找到超额收益逻辑。
适配建议
短线搏超额收益：0.20-0.3；中长期稳健波段：0.05-0.15。
4. 交叉率
含义
优质策略之间互相交换、融合各自优势因子的概率，是策略优化的核心手段，默认值 0.70（70%）。 例：策略 A 擅长捕捉上涨动量，策略 B 擅长规避大跌，交叉后会融合两者优势生成新策略。
参数调整影响
数值调高（0.75~0.8）：高频融合现有成熟优质因子，生成的策略稳定性强、回撤可控；但过度依赖旧有因子，缺少创新逻辑。
数值调低（0.5~0.6）：优质策略很少互相融合，进化速度变慢，策略很难叠加多重优势，回测收益上限偏低。
硬性规则（工具适配）
量化场景下交叉率必须始终高于变异率，否则策略稳定性会严重崩坏。
5. 精英保留数量
含义
每一轮迭代结束后，完整复制、不经过交叉 / 突变修改，直接留存到下一代的最优策略条数，用来保住当前最优方案，默认值 5。
参数调整影响
数值调高（8~10）：每一代留存更多优质策略，收益下限稳定，不会出现迭代后效果变差的情况；但大量占用样本池，压缩新策略生存空间，算法进化速度放缓。
数值调低（2~3）：给突变、交叉产生的新策略留出更多位置，更容易挖掘创新逻辑；但有概率淘汰上一轮最优策略，出现策略效果断层。
限制规则
精英数量建议不超过种群大小的 10%，如种群 50，精英上限 5；种群 100，精英上限 10，否则算法会失去进化能力。
四、调参避坑总结（三个牛量化工具使用注意）
交叉率＞变异率：不要出现交叉率低于变异率的搭配，策略会剧烈波动；
精英数量≤种群 10%，避免算法停滞不进化；
种群大小与迭代次数同步增减：小种群搭配高迭代无意义，只会重复同一批因子；
体验版无需拉高参数：导出功能仅限一次，高参数只会拉长等待时间，收益提升有限。