网格交易参数优化器

先解决“参数拍脑袋”的问题

网格交易的核心是“低买高卖”的纪律，但实际落地时，大部分交易者面临两个难题：一是参数选全凭经验——间距设太窄，频繁触发被手续费吃掉利润；设太宽，又错过小波动的机会；二是验证不足，凭感觉设的参数没有经过历史数据的回测，遇到极端行情可能失效。Grid Optimizer 就是用来把“拍脑袋”换成“数据说话”的工具。

它如何帮你算出“靠谱参数”？

技能分两个阶段，把复杂的计算交给脚本，你只需要等结果：

1. 数据采集（Phase 1）：拉取标的近250个交易日的日线OHLC数据（不复权，基于真实价格）和实时行情，整理成CSV。需要你提供标的代码（如ETF 159829、股票 601166），它会自动识别交易模式——ETF用T0日内回转（窄间距），股票用T+1隔日交易（宽间距+股息）。
2. 脚本计算（Phase 2-4）：核心脚本 grid_optimizer.py 完成所有“重活”：

- 用带波动率聚集的蒙特卡洛模拟（AR(1)模型）还原真实行情的波动特征，避免“理想化”模拟；
- 对间距、触发比例等参数做网格搜索，遍历所有可能的组合；
- 用多目标评分体系（日均收益35%、Sharpe25%、稳定性15%、触发频率10%、最大回撤15%）筛选最优方案，T+1模式还会叠加股息率算综合收益；
- 输出6场景稳健性验证和同花顺实操指南，直接告诉你“怎么设参数”。

你得知道这些“边界”

• 结果依赖历史数据：如果标的近期波动特征发生重大变化（比如突发政策影响），历史模拟的有效性会下降；
• 不能保证“稳赚”：模拟是“概率性”的，极端行情下（如连续涨停/跌停）网格可能失效；
• 适合“有基础的交易者”：你需要理解网格交易的基本逻辑（如底仓、触发规则），否则可能盲目跟从参数。