股票策略怎么滚动调参：逐窗重选并拼接样本外结果
滚动调参需要每个训练窗真正重新评价候选，锁定选择后，再运行后续未见测试窗。把一条已经生成的净值切成几段，并没有完成这些动作。交付证据应包括逐窗搜索与锁参记录，以及只含测试观测、能够勾稽的拼接链。
本文用三个合成窗口，每窗比较两个阈值，重选简单股票规则的参数。它没有训练AI模型，也没有核实CoTrading流程。单一市场、单一币种分别处理；完整滚动搜索编排属于外部扩展，不能假定参考系统已经提供。
先规定完整时间日程
写清训练起止、测试起止、候选参数域、选择目标、平局规则、成交时点和账户承接政策。还要规定每个训练结果在什么时点已经成熟。即使特征日期较早，如果标签结果在锁参之后才结束，也不能进入该窗选择。
TimeSeriesSplit官方文档介绍有序训练测试索引、可选间隔及可比期间条件。它可以帮助理解时间顺序，但切分器本身不执行候选搜索、封存赢家或账户勾稽。本文明确实现这些额外环节，不能把一个切分函数当作完整交易流水线。
先决定采用扩展历史还是固定长度滚动历史。本例每次使用四个训练结果、随后两个测试结果。真实间隔应服从标签成熟和执行要求，而不是因为库默认零就一律取零。保留交易会话日历，数据不规则时，同样行数并不代表同样经过时间。
定义可观察回报和可执行敞口
合成会话回报为[0.03,0.04,-0.02,0.01,-0.03,0.04,0.03,-0.04,0.01,0.02,-0.03]，每个值解释为该期开盘至收盘回报。使用上一期已经完成的回报作特征，因而在下一期开盘前可得。当上一期回报严格高于阈值，本期敞口为一，否则为零。
活跃期在本期开盘建仓、收盘平仓，没有隔夜敞口，费用为零，并允许数学上的比例敞口。资本在拼接测试结果之间复合增长。这样避免了隔夜持仓承接歧义，但也明确说明没有模拟实际手数、流动性和交易费用，不能把结果当作真实可交易收益。
候选阈值只有零和百分之二。训练评分是该阈值实际训练敞口的复合回报，较高者胜；完全同分时选更小阈值。目标和平局规则必须先冻结，不能在最后一窗为了拯救累计结果改标准。这里是参数重选，不是模型重新学习权重，更不是自动证明策略有效。
实际执行三次独立搜索
| 窗口 | 训练结果索引 | 锁定阈值 | 测试索引 |
|---|---|---|---|
| 1 | 1至4 | 0.02 | 5至6 |
| 2 | 3至6 | 0.02 | 7至8 |
| 3 | 5至8 | 0 | 9至10 |
索引从零开始，零位置为首个训练结果提供前一期特征。每窗都只在自己的训练位置评价两个阈值，先保存两分数，再选赢家。因此程序实际进行六次候选评价，不是只搜一次，再把赢家净值拆成三份。
第一窗中，零阈值多参与了一期亏损，百分之二阈值将其排除，因此选择后者。第二窗仍选择百分之二。第三窗两个候选训练回报序列相同，按预先规则选零。这个变化来自真实计算过的窗口分数，不是人为预设一个变化列表来假装重新搜索。
窗口记录应包含所有候选评分，包括没有入选者，不能只存最终阈值。检查者应能用同一训练输入重算评分，确认平局到底如何产生。若某候选训练失败，应保留失败状态，并按预定政策处理；不能把失败填零后与真实负收益比较，从而错误选中没有跑完的参数。
实际编排还可以把窗口编号连接到搜索任务编号、输入摘要、锁定配置和测试输出位置。测试执行器只接收该窗锁定值，不再拥有重新挑选候选的权限。若多个工作线程并行搜索，应等该窗约定候选完成或按失败政策结束，再生成封条；不能先跑测试，等看到效果后补写一个时间更早的锁参记录。这个顺序需要从运行日志复核，而不是依赖界面上显示的一个窗口名称。
先锁参，再运行后续测试
评价测试区间之前，先保存选定阈值和最后可用训练索引，断言训练结果都早于首测试结果。核心顺序如下，完整例中另外保存逐窗记录：
searched = {p: training_score(data, train, p) for p in candidates}
chosen = min(candidates, key=lambda p: (-searched[p], p))
locked = (chosen, max(train))
assert locked[1] < min(test)
test_piece = segment(data, test, locked[0])首个测试观测可以使用最后训练期已经知道的特征，这是合法历史，不是测试结果泄漏。但不能使用测试期尚未实现的开盘至收盘回报，决定同一期的开盘敞口。真实数据接入时，必须把特征可得时点和下单可执行时点都对齐，只有整数索引先后还不够。
早期测试结果发生后，可以进入后续训练窗，这模拟了按时间更新的研究流程，并不意味着各窗统计独立。应保存实际信息时点，不要机械禁止一切历史重叠，也不要把共享历史包装成多次独立确认。模型和流程层面的选择偏差仍然存在。
按唯一测试会话拼接
六个测试位置恰为[5,6,7,8,9,10]，策略回报为[0,0.03,-0.04,0,0.02,-0.03]。每个增长因子只乘一次，得到累计负百分之二点一六八一二八，即1.03 × 0.96 × 1.02 × 0.97 − 1；零收益会话的增长因子为一。
不能追加训练净值，也不能在共同边界重复计入同一会话。每段都重置相同虚构本金，再把期末余额相加，同样错误。本例资本从同一单位起点连乘；日内平仓政策则说明了窗口边界没有剩余证券敞口，资本承接和持仓承接是分别明确的。
真实策略若隔夜持仓，要规定旧参数继续管理到退出、由新参数接手，还是含成本强平。这个选择会改变实验，必须进入实际执行，而不是在图上事后修正。涉及连续账户时同时保留现金与证券状态，避免只有收益片段却无法说明资金从哪里来。
检验重复窗口和未来污染
样例故意构造一个坏日程，让测试索引六出现两次，验证器在拼接之前拒绝。这与训练期不够是另一种机制：每个窗口本身都可能训练在前、测试在后，但汇总结果仍会重复计算同一次机会。因此单窗检查与全局测试键唯一检查都需要。
另一个断言把较晚的索引九回报改为很大正数，确认第一窗搜索记录完全不变，用于验证本地代码的信息边界。它没有证明真实系统全部外部输入都满足时点正确性。数据修订、模型调用、全样本标准化等隐藏依赖，还需要各自检查，不能靠这一个断言全部放行。
scikit-learn交叉验证指南提醒测试信息参与选择的风险。看完拼接测试结果后才挑选整个滚动日程，也会产生类似问题。保存尝试过的日程；需要独立确认时，为最终冻结的整条流水线另保留未来证据，而不是反复改窗长直到满意。
实际运行与交付验收
下载完整示例。使用Python 3.12或更新版本，运行python R611.py；仅使用标准库和合成回报。输出每窗搜索次数2,2,2、阈值[0.02,0.02,0]、六个唯一测试索引和累计负百分之二点一六八一二八。断言也拒绝重复测试窗，并检查未来变化反例。
验收时，每个测试片段都应追到自己的完整搜索和锁参，所有训练目标在锁定前成熟，拼接位置无重复。归档参数域、全部评分、平局规则、敞口政策、费用与输入版本。只有一张分窗图，没有这份账，不能证明真实重新选择发生过。
再检查首窗和末窗边界：前一期特征是否存在，首个测试结果是否可交易，末期是否尚有未成熟标签或未完成订单。缺少任何一项，应明确裁剪或标未知，而不是把边界结果填零来维持六期长度。日期与输入引用共同保存，才有办法在数据更新后重建同一时间安排。
窗长、参数域、特征、数据或执行政策变化时，建立新版流水线并保留原实验。样例只证明编排和算术，没有提供真实历史盈利、模型效果或实际交易准备度证据。对CoTrading是否支持完整流程的判断仍需另行验证，不能从已有净值分析函数推断。
常见问题
把净值切成窗口就是滚动调参吗？
不是。每窗需要真实训练搜索、锁定候选及后续测试执行。
过去测试结果可以成为后来训练历史吗？
按声明时间顺序、结果已经可得时可以，但这不让窗口彼此独立。