回测最优参数旁边都亏损怎么办：按参数平台选择候选
某个股票策略参数回测得分极高，旁边参数却明显变差，首先应该查看完整搜索地图。只拿最高格子，会掩盖它属于连续可接受区域、孤立尖峰，还是尚未跑完的邻域。本文把参数平台定义为按预先规则连接起来的一组已完成、达标的参数点。平台描述的是这次搜索结构，不是未来稳定性的保证。
本文从冻结的二维结果矩阵出发，交付区域成员账和一个代表配置。全部分数均为虚构的无量纲演示值，不是股票收益。平台计算属于外部研究方法，不代表CoTrading已有相应能力，也不涉及重新训练。把既有净值切成几窗，不能称为完成逐窗重新选参的walk-forward流程。
取得真正运行过的结果矩阵
先固定同一策略、同一市场和币种，以及共同数据快照、引擎、计分期间和执行假设。每个格子保留配置、运行编号、完成状态、成本后评分，以及实际规则需要的风险和交易数量字段。按参数值连接结果，不靠表格行号对齐。重复结果要明确选择哪个版本；把冲突运行直接平均，可能掩盖可复现性问题。
不达标的已观测点和没有完成的点都要留下。负分是已经观察到的证据，缺失是信息空白，二者统一填零会丢失关键区别。结构上不合法的组合也需单列，因为不允许执行的位置不能作为两个平台之间的未知桥梁。
scikit-learn参数搜索文档把参数域、候选评价和评分函数列为搜索的不同组成部分。下文的平台规则是本文原创的搜索后选择方法，不是该库提供的稳健性保证。股票研究还必须尊重时间顺序和执行契约，直接照搬分类器的通用验证例子，不能证明交易实验设计正确。
先确定达标门槛和邻接方式
演示规则为：已观测分数至少五分才算达标；只连接在一个参数轴上相差一个网格位置的点；斜角接触不算相连；连通区域至少包含四个达标点才可保留。这些都是示意性的研究选择，应在查看最终留出期之前固定，不是金融行业统一标准，也不是适合所有策略的阈值。
还要说明坐标含义。本文一步表示参数数组中的相邻位置，不要求数值差固定。如果周期数组是二、三、三十，把相邻数组位置直接连接，可能把经济含义差别很大的设置放在一起。应事先采用有理由的网格，或者规定最大参数距离，不能看到偏好的高峰后再调整邻接定义来连接它。
实际研究可能同时要求收益、回撤和最低交易数量达标，那么每个格子都要逐项执行门槛，并保留失败原因。一片连续区域仍可能共享弱点，例如全部利润都来自相同的少数事件。因此，区域形状只是选择依据之一，不能单独证明策略可以投入真实资金。
完整主例：四格平台与二十五分尖峰
快周期为二、三、四、五，慢周期为十、十二、十四、十六。完整输入如下，缺失位置明确保留：
| 快周期／慢周期 | 10 | 12 | 14 | 16 |
|---|---|---|---|---|
| 2 | 6 | 7 | -2 | 1 |
| 3 | 7 | 8 | -1 | 2 |
| 4 | -3 | -2 | 缺失 | 1 |
| 5 | 1 | 0 | 2 | 25 |
计划格子共十六个，已观测十五个，缺失一个。五个分数达到门槛，其中四个构成左上角方块，另一个是快周期五、慢周期十六的二十五分。按四邻接计算，连通分量大小分别为四和一，因此只有前者满足至少四点的要求。
最高分被作为孤立峰拒绝，并不说明二十五分一定算错，也不证明它未来一定更差。这里执行的是事先声明的区域偏好，并明确放弃本次观察到的最大值。报告仍要保留这个尖峰，让检查者看见被舍弃的候选和具体理由，不能把它从图上删除。
用队列遍历，不补造格子
先把已经观测且达标的坐标放入集合，再用队列逐个访问其邻居。Python的deque文档说明了这里使用的标准库容器。队列只访问记录中真实存在的达标点，不会插值，也不会把失败任务补成结果。
from collections import deque
good = {(i, j) for i, row in enumerate(scores)
for j, value in enumerate(row)
if value is not None and value >= 5}
while good:
first = min(good)
good.remove(first)
queue = deque([first])
region = [first]
while queue:
i, j = queue.popleft()
for p in [(i-1, j), (i+1, j), (i, j-1), (i, j+1)]:
if p in good:
good.remove(p)
queue.append(p)
region.append(p)完整样例会反复执行外层遍历，直到每个达标点都且只属于一个分量。验收时，所有分量的点数之和必须等于达标点总数。图表可以用连续色带辅助阅读，但选择必须基于实际记录的格子。图中加上状态和坐标，避免平滑渐变被误解成网格之间已经存在测量证据。
用确定规则选择代表配置
在合格区域内，计算每个成员到全部成员的曼哈顿网格距离之和，选择距离和最小的点，即网格medoid。若距离相同，先选观测得分较高者，仍相同再按坐标顺序决定。这是一条可以复现的规则，而且最终选择真实运行过的成员，不会像算术中心那样落在两个参数值之间。
主例方块中四个成员的距离和相同，因此使用评分打破平局，得到快周期三、慢周期十二、得分八。区域成员为二／十、二／十二、三／十、三／十二，分数分别为六、七、七、八。选择记录要保存这四次运行的引用，让检查者可以打开原始结果，不只看平台截图。
如果存在多个合格区域，要使用提前规定的区域排序，例如先比较大小，再比较区域最低分。没有事先约定时，应该报告歧义，在开封留出期前确定新的探索性政策。不能根据未见期间的表现选平台，再把相同期间写成独立验证；那样留出信息已经参与选择。
不同机制反例：缺失格制造假桥梁
另一个输入是单行[6, None, 7]。两个端点都达到门槛，但中间没有结果，遍历只能得到两个单点分量。若此反例要求区域至少两个点，则没有合格区域。把中间位置填成均值，会凭空制造三格平台，把两次观测伪装成连续证据。
如果冻结的开发计划允许补跑，就把中间点列为明确的待办研究任务。补跑成功且达标，可能连接端点；结果不达标或执行失败，则可能继续隔开。证据变化后建立新版地图，同时保留之前的缺失状态，不能为了图形好看覆盖历史失败记录。
在仓库运行python docs/growth/research/round-5/examples/R607.py。实际输出为cells=16 observed=15 missing=1 acceptable=5、component_sizes=[4, 1]和selected_fast=3 selected_slow=12 score=8。断言同时确认二十五分尖峰被拒绝，以及缺失桥反例的missing_bridge_sizes=[1, 1]。这只检验合成评分上的区域算法，不验证评分本身来自正确回测。
验收候选并保存全部搜索历史
最终交付应包含原始矩阵、状态图、门槛、邻接定义、区域成员、平局规则和代表参数。逐项确认成员都能追到同一上下文中的完成运行，缺失从未被变成数值结果。保留被拒绝点及探索过程中调整过的门槛，不能只展示最终满意的一张图。
在独立留出测试之前冻结候选和选择记录。修正运行、改变费用、扩大网格或修订数据快照时重新计算，并标注为新分析。相邻表现接近不能消除共同数据错误、多次搜索择优偏差或行情环境依赖。参数平台方法的实际价值，是让选点理由可以重算，边界可以检查，而不是增加一句未经验证的“参数稳健”结论。
把几何证据和经济证据分开交付
区域成员账应列出每个点的坐标、运行引用、分数、达标原因以及已经观测的边界邻居。主例中被选区域四格都已观测，其他位置的缺口仍明确标为未知。若真实规则要求最低交易数量，每个成员都要保留该数量，样本不足的高分不能因为颜色好看就进入区域。还应核对多个成员是否实际依赖同一个特殊事件；如果删除该事件后的结果尚未运行，就把它列为未解决的经济问题，不要猜一个稳定性结论。检查地图周边时，也要说明哪里是预定参数域的边界，哪里是失败格，哪里是低分格。位于域边界的平台可能需要另行研究更宽范围，但这不授权在当前报告里补画范围外得分，更不应在看到结果后更改四邻接规则。修订规则应作为新探索记录保留。
下载完整示例。使用Python 3.12或更新版本，在下载目录运行python R607.py；仅使用标准库与合成输入。
常见问题
最大连通区域总是最好的吗？
不是。区域大小只是选定的标准，网格间距和门槛缺少理由时，这个标准也可能不适用。
能选择没有跑过的中心值吗？
本文规则不允许。medoid从已观测成员中选择；插值得到的新中心需要独立运行，并形成新的记录。