> For the complete documentation index, see [llms.txt](https://infinity.aloen.to/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://infinity.aloen.to/infinity-algo-features/ai-optimization.md).

# AI 优化 AI Optimization

将 Infinity Algo 转变为自我改进的系统，能够自动适应市场变化。

{% hint style="success" %}
**快速开始:** 启用 AI → 选择模式 (Static/Walk-Forward) → 选择指标 → 让 AI 进行优化
{% endhint %}

***

#### 🚀 快速设置

{% stepper %}
{% step %}
**启用 AI (Enable AI)**

在设置中打开 `🧠 启用 AI 优化 (Enable AI Optimization)`
{% endstep %}

{% step %}
**选择模式 (Choose Mode)**

* **回测? (Backtesting?)** → `静态 (Static - 完整历史 / Full History)`
* **实盘交易? (Live Trading?)** → `走向前进 (Walk-Forward)`
  {% endstep %}

{% step %}
**选择信号类型 (Select Signal Type)**

在 "信号模式 (Signal Mode)" 中选择 `AI` 或 `AI 狙击手 (AI Sniper)`
{% endstep %}
{% endstepper %}

**就这样!** 默认设置对大多数用户都有效。

***

#### 🎯 AI 工作原理

| 1️⃣ **模拟 (Simulate)** | 2️⃣ **评估 (Evaluate)** | 3️⃣ **应用 (Apply)** |
| --------------------- | --------------------- | ------------------ |
| 测试数百到数千个参数组合          | 使用您的指标对每个进行评分         | 实施最佳配置             |

**走向前进 (Walk-Forward):** 定期在滚动的样本内(In-Sample)窗口中重新优化，并进行样本外(Out-of-Sample)验证，以减少过度拟合(Overfitting)。

***

#### ⚙️ 核心设置

{% tabs %}
{% tab title="🧠 AI 模式" %}
**优化模式 (Optimization Modes)**

| 模式                      | 工作原理        | 用于   |
| ----------------------- | ----------- | ---- |
| **走向前进 (Walk-Forward)** | 每 N 根柱线更新一次 | 实盘交易 |
| **静态 (Static)**         | 优化一次，锁定结果   | 回测   |

{% hint style="info" %}
**提示:** 先从静态模式进行测试，然后切换到走向前进模式进行实盘交易
{% endhint %}
{% endtab %}

{% tab title="🔄 更新频率 (Update Frequency)" %}
**仅限走向前进模式 (Walk-Forward Only)**

{% code title="频率指南 (frequency-guide.txt)" %}

```
100 根柱线 (默认) → 超快响应 (高 CPU 占用)
200-1000 根柱线     → 平衡 ✅
1000-5000 根柱线    → 非常稳定，适应较慢

1小时图表示例:
- 100 根 = ~4 天
- 1000 根 = ~42 天
- 5000 根 = ~208 天
```

{% endcode %}

越小 = 响应更快但资源消耗大 | 越大 = 更稳定且高效
{% endtab %}

{% tab title="🧪 敏感性范围 (Sensitivity Range)" %}
**参数空间 (Parameter Space)**

| 范围                  | 数值    | 最适合                     |
| ------------------- | ----- | ----------------------- |
| **超快速 (Very Fast)** | 5-9   | 高频交易 (Scalping)         |
| **快速 (Fast)**       | 10-14 | 日内交易 (Day Trading)      |
| **平衡 (Balanced)** ✅ | 10-20 | 大多数策略                   |
| **中等 (Medium)**     | 15-21 | 波段交易 (Swing Trading)    |
| **缓慢 (Slow)**       | 22-28 | 头寸交易 (Position Trading) |
| **自动 (Auto)**       | 5-28  | 全面探索                    |
|                     |       |                         |
| {% endtab %}        |       |                         |

{% tab %}

```
       |       |                             |
```

{% endtab %}

{% tab title="📊 优化指标 (Optimization Metric)" %}
**选择您的目标 (Choose Your Goal)**

**快速选择 (Quick Selection):**

| 您的交易风格                 | 使用此指标                 | 原因      |
| ---------------------- | --------------------- | ------- |
| **高频交易 (Scalping)**    | 胜率 (Win Rate)         | 一致性很重要  |
| **日内交易 (Day Trading)** | 夏普比率 (Sharpe Ratio)   | 平衡风险/收益 |
| **波段交易 (Swing)**       | 索提诺比率 (Sortino Ratio) | 下行风险保护  |
| **头寸交易 (Position)**    | 卡玛比率 (Calmar Ratio)   | 避免最大回撤  |

**所有可用指标 (All Available Metrics):**

* **经典指标 (Classic):** 总利润、胜率 (Win Rate)、平均损益 (Average P\&L)、收益-痛苦比 (Gain-to-Pain)
* **风险调整指标 (Risk-Adjusted):** 夏普比率 (Sharpe)、索提诺比率 (Sortino)、卡玛比率 (Calmar)、马丁比率 (Martin)
* **高级指标 (Advanced):** SQN (系统质量数字 / System Quality Number)、稳健机器学习评分 (Robust ML Score)

{% hint style="warning" %}
**重要:** 高胜率 ≠ 盈利。90% 的胜率伴随大额亏损可能导致不盈利。
{% endhint %}

{% hint style="info" %}
不确定? 使用 **总利润 (Total Profit)** 进行测试，**夏普比率 (Sharpe Ratio)** 进行实盘交易
{% endhint %}
{% endtab %}
{% endtabs %}

***

#### 📈 模拟设置 (Simulation Settings)

**AI 模拟止盈% (AI Sim TP% - 仅用于测试)**

{% hint style="warning" %}
**注意:** 这些是内部模拟参数 - 它们**不会**创建真实订单
{% endhint %}

{% columns %}
{% column width="60%" %}
**它们做什么 (What they do):**

* 帮助 AI 评估策略
* 设置内部止盈目标
* 默认值: 双向都是 1.0%
  {% endcolumn %}

{% column %}
{% code title="模拟设置 (sim-settings:)" %}

```
多头止盈 (Long TP): 1.0%
空头止盈 (Short TP): 1.0%
目的 (Purpose): AI 测试仅用
实际交易 (Real trades): 不受影响
```

{% endcode %}
{% endcolumn %}
{% endcolumns %}

***

#### 📊 仪表板显示 (Dashboard Display)

**实时监控 (Live Monitoring)**

启用后，可以看到:

* ✅ 当前最优敏感性 (Current optimal sensitivity)
* ✅ 选定的阈值 (Selected thresholds)
* ✅ 胜率和指标 (Win rate & metrics)
* ✅ 置信度评分 (Confidence score)
* ✅ 模式状态 (Mode status)

**状态指示符 (Status Indicators):**

* `静态 (已锁定) (STATIC - LOCKED)` - 一次性优化完成
* `正在优化 (OPTIMIZING)` - 当前正在计算
* `已模拟 (SIMULATED)` - 结果已准备

<figure><img src="https://2387257950-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F5cf3dRpPzq1Qbyc8GksH%2Fuploads%2FyXoT69oiyDH6NCl2F5SM%2Fimage.png?alt=media&#x26;token=5061bb2e-8f38-48b3-84be-3f1f094a376a" alt="" width="486"><figcaption></figcaption></figure>

***

#### 💡 最佳实践 (Best Practices)

{% tabs %}
{% tab title="🎯 快速入门 (Getting Started)" %}

1. 初始测试使用 **静态 (Static)** 模式
2. 选择 **平衡 (Balanced)** 敏感性
3. 默认 100 根柱线频率
4. 将指标与目标相匹配
5. **走向前进模式需要约 535 根柱线**才能进行首次优化
6. **静态模式需要约 5000 根柱线**总计
   {% endtab %}

{% tab title="⚡ 优化 (Optimization)" %}

* **较低的时间框架 (Lower timeframes)** → 复杂计算
* **监控仪表板 (Monitor dashboard)** → 追踪选择
* **小幅调整 (Small adjustments)** → 更好的结果
* **需要耐心 (Patience required)** → AI 需要时间
  {% endtab %}

{% tab title="📈 性能 (Performance)" %}
**限制条件 (Limits):**

* 最大回顾: 5000 根柱线
* 较低频率 = 更高 CPU 占用
* 静态 = 在第 4900 根柱线时仅计算一次
* 更高时间框架 = 更佳性能
  {% endtab %}
  {% endtabs %}

***

#### 🔧 故障排除 (Troubleshooting)

| 问题                      | 解决方案           |
| ----------------------- | -------------- |
| **超时 (Timeout)**        | 使用静态模式或增加频率    |
| **无信号 (No signals)**    | 检查 AI 优化是否已打开  |
| **结果不佳 (Poor results)** | 尝试不同的指标/范围     |
| **无仪表板 (No dashboard)** | 在设置中启用         |
| **静态失败 (Static fails)** | 需要 5000+ 根柱线数据 |

***

#### ⚡ 快速参考 (Quick Reference)

{% columns %}
{% column width="50%" %}
**用于测试 (For Testing)**

* 模式: `静态 (Static)`
* 范围: `平衡 (Balanced)`
* 指标: `总利润 (Total Profit)`
* 频率: N/A
* 最少柱线: 5000
  {% endcolumn %}

{% column %}
**用于实盘交易 (For Live Trading)**

* 模式: `走向前进 (Walk-Forward)`
* 范围: `平衡 (Balanced)`
* 指标: 您的偏好
* 频率: `100` (默认)
* 最少柱线: 535
  {% endcolumn %}
  {% endcolumns %}

***

#### 📚 理解性能指标 (Understanding Performance Metrics)

<details>

<summary><strong>详细指标说明 (Detailed Metric Explanations)</strong></summary>

{% hint style="info" %}
**注意:** Infinity Algo 基于**单笔交易收益率 (Per-Trade Returns)** 计算指标，使用无风险利率 (Risk-Free Rate) 和平均必要回报率 (MAR) = 0。行业定义通常使用时间序列(时间序列收益率/Daily or Monthly Returns)。
{% endhint %}

**经典指标 (Classic Metrics)**

| 指标                        | 公式               | 最适合     |
| ------------------------- | ---------------- | ------- |
| **总利润 (Total Profit)**    | 所有损益之和           | 快速评估    |
| **胜率 (Win Rate)**         | 胜利数 ÷ 总交易数 × 100 | 一致性检查   |
| **平均损益 (Average P\&L)**   | 总损益 ÷ 交易数        | 交易质量    |
| **收益-痛苦比 (Gain-to-Pain)** | Σ 收益 / \|Σ 亏损\|  | 风险/收益平衡 |

***

**风险调整指标 (Risk-Adjusted Metrics)**

**夏普比率 (Sharpe Ratio) - 行业标准**

* **公式:** 超额收益 (高于无风险利率) ÷ 标准差
* **Infinity Algo:** 使用无风险利率 = 0
* **优点:** 最广泛使用，易于比较，考虑总波动性
* **缺点:** 对上行波动性进行惩罚，假设正态分布
* **基准值:** \~1 = 良好 | \~2 = 非常好 | 3+ = 优秀

**索提诺比率 (Sortino Ratio) - 下行风险关注**

* **公式:** 超额收益 (高于目标/MAR) ÷ 下行偏差 (Downside Deviation)
* **Infinity Algo:** 使用 MAR = 0
* **优点:** 仅对不利波动性进行惩罚，更适合趋势跟踪
* **缺点:** 需要定义目标收益率，标准化程度较低
* **基准值:** >1 = 良好 | >2 = 非常好 | >3 = 优秀

**卡玛比率 (Calmar Ratio) - 最大回撤保护**

* **公式:** 年复合增长率 (CAGR) ÷ 最大回撤 (Maximum Drawdown - 通常 36 个月)
* **优点:** 关注资本保护，易于理解
* **缺点:** 基于单一最坏事件，向后看
* **基准值:** >1 = 良好 | 3-5 = 强势

**马丁比率 (Martin Ratio) - 溃疡指数性能**

* **公式:** 超额收益 ÷ 溃疡指数 (Ulcer Index - 回撤的均方根 / RMS of Drawdowns)
* **优点:** 考虑所有回撤，关注平滑的资产曲线 (Smooth Equity Curve)
* **缺点:** 知名度较低/可比性较差，计算复杂
* **用途:** 比较您的不同策略

**SQN - 系统质量数字 (System Quality Number)**

* **公式:** (期望值 (Expectancy) ÷ 标准差) × √ 交易数量
* **优点:** 考虑样本量，适合系统比较
* **缺点:** 需要足够的交易数据以确保有效性
* **基准值:** >2 = 良好 | >3 = 优秀 | >5 = 超级优秀 (Superb)

***

**按交易风格选择 (Choosing by Trading Style)**

| 风格                          | 主要指标                            | 次要指标            |
| --------------------------- | ------------------------------- | --------------- |
| **高频交易 (Scalping)**         | 胜率 (Win Rate) + 夏普比率 (Sharpe)   | 总利润             |
| **日内交易 (Day Trading)**      | 夏普比率 (Sharpe) + 胜率 (Win Rate)   | 平均损益            |
| **波段交易 (Swing Trading)**    | 索提诺比率 (Sortino) + 卡玛比率 (Calmar) | 收益-痛苦比          |
| **头寸交易 (Position Trading)** | 卡玛比率 (Calmar) + 马丁比率 (Martin)   | 索提诺比率 (Sortino) |

{% hint style="warning" %}
**记住:** 单纯胜率是具有误导性的。30% 胜率但风险回报比为 3:1 的策略比 70% 胜率但风险回报比为 1:3 的策略更有利可图。
{% endhint %}

{% hint style="info" %}
**AI 模式选择 (AI Mode Selection):**

* **日内/均值反转 (Intraday/Mean-reversion):** 为夏普比率 (Sharpe) + 胜率 (Win Rate) 优化
* **趋势/波段交易 (Trend/Swing trading):** 优先考虑索提诺比率 (Sortino) + 卡玛比率 (Calmar)
* **多指标 (Multi-metric):** 平衡所有指标以获得稳健的性能
  {% endhint %}

</details>

***

{% hint style="success" %}
**底线:** 让 AI 处理优化，而您专注于交易决策和风险管理。
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://infinity.aloen.to/infinity-algo-features/ai-optimization.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.