移動窗格最佳化

假設資料數列含220根K棒，並分隔為五個各100根K棒的區段。 每個區段的前70根K棒為樣本內資料，剩下的30根K棒為樣本外資料。

下表顯示區段詳細資料。

	區段		區段K棒數目
	樣本內 IS	樣本外 OOS
Segment 1	1-70	71-100	100
Segment 2	31-100	101-130	100
Segment 3	61-130	131-160	100
Segment 4	91-160	161-190	100
Segment 5	121-190	191-220	100

步驟 1: 參數最佳化使用區段1 的樣本內資料。並用這些參數在區段1 的樣本外資料進行回測。

步驟 2: 參數最佳化使用區段2 的樣本內資料。並用這些參數在區段2 的樣本外資料進行回測。

步驟 3: 參數最佳化使用區段3 的樣本內資料。並用這些參數在區段3 的樣本外資料進行回測。

步驟 4: 參數最佳化使用區段4 的樣本內資料。並用這些參數在區段4 的樣本外資料進行回測。

步驟 5: 參數最佳化使用區段5 的樣本內資料。並用這些參數在區段5 的樣本外資料進行回測。

完成移動窗格最佳化。71-220根K棒產生出樣本外資料回測績效。 移動窗格最佳化認定這個績效是"真實交易"而非"曲線擬合"的結果。因為得出樣本外績效的參數是由樣本內數據所產生。

如上顯示，每個區段由上一個區段的第30根K棒開始。每個區段的開始點皆移動向前。 因此，這種移動窗格最佳化稱為不固定起點。使用30根K棒是因為這是樣本外資料的長度。

注意:	樣本外資料在移動窗格最佳化的顯著性尚有爭議。深入學習，請查閱進階相關文獻。

固定起點指的是每個區段的起始點都和第一個區段的起始點相同。起始點不向前移動。 因此，這種移動窗格最佳化稱為固定起點。影響是每個區段的樣本內資料比前一個區段的樣本內資料長，因此每個區段的總長度也比前個區段的總長度長。

下表顯示區段詳細資料。

	區段		區段K棒數目
	樣本內 IS	樣本外 OOS
Segment 1	1-70	71-100	100
Segment 2	1-100	101-130	130
Segment 3	1-130	131-160	160
Segment 4	1-160	161-190	190
Segment 5	1-190	191-220	220

其他最佳化過程和非固定起點移動窗格最佳化過程相同。

欲使用移動窗格最佳化，

1. 開啟設定物件視窗。

        如何操作？

2. 選擇訊號頁籤，並選擇要最佳化的訊號。
3. 點擊最佳化...。會出現選擇最佳化方法視窗。
4. 選擇暴力演算或基因演算。(兩者皆可使用移動窗格最佳化。)
5. 勾選移動窗格選取盒。
6. 在IS輸入欄中輸入區段中樣本內資料的K棒數目或天數。
7. 在OOS輸入欄中輸入區段中樣本外資料的K棒數目或天數。
8. 勾選固定起點選取盒使用固定起點移動窗格最佳化。取消選取固定起點選取盒使用不固定起點移動窗格最佳化。 
9. 點擊確定。
10. 選取可最佳化參數頁籤。輸入參數的起始值和結束值。
11. 如果使用暴力演算最佳化，選擇最佳化條件頁籤並完成輸入。
    如果使用基因演算最佳化，選擇演算法相關設定頁籤並完成輸入。

    詳細說明請參考執行最佳化。

12. 點擊確定。