9.8元。在股价下跌的背景下，有效降低了亏损幅度。
3.资金效率与周转：模拟期间，A股网格资金共完成了约15次完整的“买入-卖出”循环，B股完成了约18次循环。资金处于较为活跃的状态，捕捉了区间内的大部分波动。
4.最大回撤与风险：由于是震荡下跌市，网格策略在股价单边下跌阶段，也会因不断买入而出现浮亏，最大回撤与单纯持有接近，但在随后的反弹中能更快修复。其最大优势体现在震荡阶段。
“看，数据很清楚，”“降龙十八掌”有些兴奋，“在设定的震荡区间内，这个模型能有效降低持仓成本，甚至在股价微跌或走平的情况下创造正收益。它完美地利用了市场的无效波动。”
群里反应不一。量化爱好者表示赞赏，认为逻辑清晰，回测数据有说服力。但更多老成持重的成员提出了质疑。
质疑一：过拟合与参数优化陷阱
“回测漂亮，不代表实盘能行。”老金直言不讳，“你这两个股票区间、格子大小（5%）、初始区间，是不是根据过去两年的行情‘优化’出来的？如果换一个波动特征不同的时期，或者换一只股票，这参数还能有效吗？这就是典型的‘过度优化’，看着历史数据调参数，让曲线漂亮，但可能对未来无效。”
“降龙十八掌”承认有这方面风险：“参数确实基于历史波动率做了粗略设定。为了避免过度优化，我试了试将格子大小调整为4%和6%，区间上下限也做了±10%的调整，回测结果虽有变化，但策略整体依然能产生正收益，只是收益率和资金周转次数有差异。这说明策略逻辑本身有一定鲁棒性，但最优参数确实可能随标的和时期变化。实盘中，我打算采用相对保守的参数，并定期（如每季度）回顾调整。”
质疑二：未来函数与执行偏差
“你这回测是‘后视镜’，假设每次都能在精确的格子上成交。”明觉师傅点出关键，“实盘中，股价瞬间击穿格子又拉回怎么办？流动性不足时挂单无法成交怎么办？更重要的是，你能严格执行吗？看到买入后继续大跌，会不会不敢买？看到卖出后继续大涨，会不会舍不得卖？回测是冰冷的机器，实盘是有血有肉的人。”
“降龙十八掌”回应
本章未完，请点击下一页继续阅读！