稳健性三项指标：判断收益率相同的两组设置该信哪一个的标准

介绍在收益率相同的两组设置间取舍时使用的三项稳健性评分（邻域稳定性、Edge Consistency、前N一致性）的计算方式，以及综合评分和参数敏感度的读法，依据OptiNod的实际实现。

发布于 2026年6月1日 · 内容更新于 2026年10月1日

第一名的收益率能否相信，要看第一名周边设置的结果，以及全部组合的分布。

稳健性（robustness）原本是统计学中的用语，指假设稍有不符时，估计值也不会大幅波动的性质。在交易中，它指的是把参数移动一格，或者把数据区间稍作改变，绩效是否仍然保持相近。OptiNod的稳健性分析用三种方法给整个优化结果打分，再合成为一个0~100分的综合评分。

很多人把这个评分当作回测结束后走过场的检查项。在按收益率排序的结果表里选出第一名，只要稳健性评分没有警告，就直接使用。但稳健性评分评估的并不是第一名这一行。它评估的是这次优化结果里有没有值得信任的设置区间。评分低，意味着无论第一名的收益率多高，这个结果里都没有可选的设置。第一名好而周边差的结果是怎么产生的，在过拟合一文中有说明。

本文说明三项评分各自计算什么，综合评分和参数敏感度怎么读，以及在收益率相同的两组设置中选一个时如何运用同样的原理。读完本文，在看结果表的收益率一列之前，你会先确认稳健性评分和三项细分评分。

第一名周边设置的绩效一致，邻域稳定性评分就高

第一项评分是邻域稳定性（Neighborhood Stability），看绩效排名前10的每个结果，其周边结果的绩效有多接近。周边结果是指在所有数值参数上距离相近的结果。基准距离取参数间隔与测试范围10%中较大的一个，选择型和复选框参数的值必须相同。只有周边结果（含自身）达到3个以上时才计算，把周边绩效的标准差与全部结果的绩效幅度比较，波动越小，评分越高。全部绩效幅度用四分位距计算，不会被少数几个极端结果大幅左右。用户实际采用的第一名结果占评分的一半，其余前列结果的平均值占另一半。这项评分占综合评分的35%。

这项评分之所以重要，是因为如果绩效反映的是市场中反复出现的走势，参数变动一格后也会保持相近。把EMA周期从20改成21，趋势并不会消失。如果相邻设置的绩效急剧下降，那么这个第一名很可能只是碰巧贴合了几根特定K线的结果。在实盘中，这些K线不会再次出现，所以这类设置的绩效很快就会消失。

2021年5月19日，BTC开盘42,850美元，盘中跌到30,000美元，收于36,690美元。把止损幅度精确到最小变动价位去贴合这样一根暴跌K线的设置，很容易成为回测收益率第一名。但只要把止损幅度放宽一格，绩效就会大幅下降，邻域稳定性评分能捕捉到这个差别。不要只看某一条止损线的绩效，要连同把这条止损线向两侧各移动一格时的绩效幅度一起看。

全部组合大多亏损，Edge Consistency评分就低

第二项评分Edge Consistency看测试的全部组合超过盈亏平衡点的程度。盈亏平衡点按指标而定。净利润和夏普比率是0，利润因子（PF）是1。评分的60%由超过基准的组合比例决定。比例在30%以下为0分，90%以上为满分。其余40%由全部组合绩效的中位数比盈亏平衡点高出多少决定。这项评分也占综合评分的35%。如果用MDD或胜率这类没有盈亏平衡点的指标做分析，这项评分不计算，其权重分给另外两项评分。

这项检验回答的问题很简单：好表现是遍布整个参数空间，还是只存在于挑出来的少数组合里。例如以净利润为基准，盈利的组合只有35%，中位数是亏损，那么第一名的盈利就是从大多数亏损的组合中挑出来的结果。早期版本的OptiNod在这里使用的是蒙特卡洛检验，把前列结果与从相同结果值中随机抽取的一组做比较，但这种方式即使在所有组合都亏损的结果里，p值也几乎为0，无法作为判断依据。因此改成直接统计全部组合是否超过基准的方式。

策略本身在该区间无法盈利的情况，在这里就能确认。2022年11月FTX崩溃时，BTC从11月9日的18,545美元，盘中跌到15,588美元。用包含这类暴跌区间的下跌行情数据去优化多单策略，大部分参数都是亏损，Edge Consistency评分会很低。这很难归结为参数选错的问题。这是在提示，在这个区间使用这个策略本身就不合适。要缩小回测与实盘的差距，应当先确认这个比例。

前列结果聚集在一处，前N一致性评分就高

第三项评分前N一致性（Top-N Consistency）看绩效前20%（结果较少时至少3个）的参数是否聚集在较窄的范围内。评分的60%是集中度。对每个参数，把前列结果所占的范围与测试的全部范围比较，前列结果聚集得越窄，评分越高。这时对绩效影响较大的参数赋予更大的权重。因为几乎不改变绩效的参数，即使在前列结果中分布很宽，也不构成过拟合的依据。其余40%是前列结果中彼此相连的最大一群所占的比例。是否相连，按与邻域稳定性相同的距离标准判断。这项评分占综合评分的30%。

前列结果聚集在一个区域，意味着市场中确实存在表现好的设置区间。如果EMA周期的前列结果聚集在18~24，那么这附近就是真正表现较好的区间。反过来，如果前列结果在周期10、50、90都有分布，各自的绩效很可能是不同偶然的结果，选其中哪一个，都不能保证在下一个区间出现同样的绩效。

可以举2024年3月14日的例子：BTC创下73,777美元的历史最高价，同一天又波动到68,555美元，幅度超过5,000美元。在这样的区间里，碰巧抓住一两根大K线的设置，会以分散的状态登上前列。如果最大一群的比例较低，就意味着前列结果没有聚到同一个区间，而是混杂了多个偶然。用滚动前推分析把区间分开来看，可以确认这种分散的前列结果，其位置会随区间不同而变到别处。

综合评分评估整个结果，参数敏感度按参数评估

三项评分按35%、35%、30%的权重合成综合评分。去重后的结果少于5个，或者所有结果的参数值都相同，就不计算评分。因为在样本不足时去评判稳定性，本身就会成为另一种过拟合。根据综合评分显示的提示如下。

参数敏感度表为每个参数单独打分。该参数对绩效的影响越大、在前列结果中取值分布越宽，评分就越低。低于60分显示为“中等敏感”，低于40分显示为“非常敏感”，对非常敏感的参数，会附上扩大范围重新测试或者固定该值的提示。

在收益率相同的两组设置中选一个的顺序

稳健性评分是针对整个结果的评分，所以比较两个候选时，要对每个候选直接运用同样的原理。下面的标准是建议值，并非产品强制的值。请根据策略的性质调整。

1. 确认综合评分：综合评分低于40分时，两个候选都不选。这个结果里没有值得信任的区间，应先更换策略或测试期间。
2. 确认Edge Consistency：超过基准的组合不到一半，就不是靠选择参数能解决的问题。先检查策略的交易规则。
3. 逐个候选确认邻域：在热力图或结果表里，查看把每个候选的输入值各移动一格后的结果。保留邻域结果平均值高且差异小的候选。
4. 整理敏感参数：在参数敏感度表中显示为“非常敏感”的参数，固定其值或扩大范围后重新运行。
5. 最终比较：在剩下的候选中，选择利润因子更高、最大回撤更低的一个，并在没有用于优化的期间里再运行一次。

误读评分的两种情形

只看综合评分而不确认细分评分。综合评分60分，三项评分都在60多分时会得到，一项90分、其余在40多分时也会得到。后者是只通过了一项检验的设置。综合评分只作为出发点，不能跳过展开三项细分评分、确认哪一项检验较弱的步骤。

结果很少，却只凭评分判断。即使只有5个结果也能算出评分，但结果少时，聚集不到3个邻域结果，能计算邻域稳定性的前列结果就会减少。这时即使评分高，判断依据也很弱。要信任评分，请先运行足够多的组合，把结果增加到30个以上。

只有三项评分都高时，才相信这个结果

稳健性评分并不承诺未来的收益。它是用来辨别在回测区间内，好表现是出现在较宽的区间，还是只出现在碰巧命中的少数组合里的工具。所以最后的确认是三项评分是否同时都高。下面的标准同样是建议值。

• 综合评分是否在60分以上
• 邻域稳定性、Edge Consistency、前N一致性中，是否没有低于40分的评分
• Edge Consistency中超过基准的组合是否达到一半以上
• 参数敏感度表中是否没有“非常敏感”的参数
• 结果是否有30个以上，评分是否值得信任

三项评分都高的结果，在数据区间改变后，也很可能保持相近的绩效。这与2024年8月5日日元套利交易平仓导致BTC从58,161美元下跌到49,000美元那样，只贴合某一根冲击K线的设置有所区别。收益率相同的两组设置该信哪一个，要综合这三项评分和各候选的邻域结果来决定。