最佳化很容易上手，很多人剛接觸程式交易時，使用最佳化來開發策略，以為已經找到聖杯了，上線後才發現竟是所謂的靠杯，之後就再也不敢碰最佳化了，避之唯恐不及，一朝被蛇咬十年怕草繩，自此在草繩禁區蓋上封印；另外也有一些人雖然沒用過最佳化，但聽聞前人最佳化的慘痛教訓後，也自動的在草繩禁區蓋上封印了
最佳化確實是要謹慎使用的，不然容易走火入魔，但最佳化也並非邪魔歪道，只是要由統計的角度切入才是正道（需了解Overfitting概念且熟悉假設檢定、自由度等的統計核心意涵，不過細節就不討論了，請自行意會），唯有如此才能借助最佳化的威力來進行模型的提煉，以下提供一個最佳化提煉與驗證的成功例子，用以解開草繩禁區的封印
最佳化參數可直接用視覺化檢視的只有2個，但此交易策略使用的參數卻高達７個，參數雖多，但其交易邏輯卻十分簡單（主要只有兩個IF進場敘述、三個出場指令，結束），大部分人看到７個參數，大概就認定一定會有過度最佳化的問題，不過此最佳化範例跑完的結果或許可以讓你改觀（除了Out-of-Sample驗證外，本策略同時具有市場穿透性，所以更值得信賴，詳情請參考此篇『市場穿透性的迷思』）
Out-of-Sampe Testing
- 商品：那斯達克（NQ）
- 傭金設定：$2.03
- 滑價設定：每口$2.15
- 策略類型：當沖
- 進場單：限價單
- 出場單：限價單、停止單、市價單
- 限價單回測設定：穿價1 tick才算成交（此設定實際交易，會比回測績效好）
- 最佳化參數：7個
- 最佳化解空間：19,575,270
- In-Sample：2007~2018（12年，約75%的資料）
- Out-of-Sample：2019~2022的7月（不到4年，約25%的資料）
Walk-Forward Analysis (WFO)
