黄金矿工

阶段性回顾汇总之前个文章，步骤的核心功能。

本文基于上一篇文章(vectorbt学习_17DMA之五滑窗网格参数优选)。之前每个周期(训练集)的最佳参数，都是采用直接优选的方法。可能存在局部最优过拟合陷阱（某个参数效果很好，但是其邻居效果奇差）。

本文在上一篇文章(vectorbt学习_17DMA之三滑窗网格参数优选)面临问题时间切分后，根据切分后的行情数据，重新计算技术指标，会存在一部分行情作为技术指标的预热时间被消耗掉。比如：训练集，验证集时间(80,40), slow_windows=30，慢均线需要30天才有有效值。则意味着训练集需要只有50(80-30)天，预测集10(40-30)天，技术指标slow_ma有有效取值。实际训练，验证集为(50,10)，与本意偏差较大。

本文在上一篇文章(05dma_03rollingGridParamV2)面临问题对于双均线，最终采用参数为(20，22),(30，35)这样的参数组合，显然不合理，有对行情进行拟合的嫌疑。较合理的参数组合方式是，采用快线以及慢线相对快线的倍率。大致认为剔除二者相关性了（正交性）。此时就无法借助run_combs创建组合计算指标了，需基于vbt创建新技术指标DualMA。

基于vectorbt的基础双均线策略

本文在上一篇文章(vectorbt学习_16DMA之一基础策略)基础上，采用网格分析法分析策略的最优参数。

本文在上一篇文章(vectorbt学习_17DMA之二网格参数优选)基础上，采用滚动窗口+网格参数优选，分析出动态最优参数。

在做基础资产组合（策略组合）时，往往需要筛选出一部分相关性较低的资产，构造出地相关性资产集合，基于低相关性性资产集合计算最佳的组合权重。