一、问题
近看到大家在群里讨论如何充分利用多核CPU的性能，把回测效率提升起来，这其实是所有量化人的一个大痛点，走到参数优化这条路上，就必然遇到速度的问题，动辄小时起步，不够干净利索。有人建议换语言、有人建议换写法，有人建议换设备，说的都对，做着都难，有没有一种方式实现起来又简单效果又好？我告诉你，其实QMT投研版就可以，而且方法简单，成本低，效果好，今天就带大家一起感受一下， 99%的人看完就能掌握。
二、实现效果
先演示一下效果，我们有两种模式：
1. 第一种是大家最常用的，也是非常熟悉的，内置 Python 写策略，handlebar机制回测，并进行参数优化；
2. 第二种是内置 Python 调用因子公式 策略回测并进行参数优化。
2.1 方式一：纯 Python 实现
我们先用第一种，就是在官方文档里面可以复制的模板策略：用Python写的handlebar双均线单股回测，我们就跑茅台这一只品种的全历史，从 2001 年开始到现在。如果只点击回测，就是跑一组参数，大概花费 12 秒。
然后我们在右侧参数设置，这里我快线和慢线分别设置参数，共构成 50 组参数。点击策略优化，我们选择策略、选择我要观测的指标-单位净值，选择品种茅台、计算周期选择日线，复权方式选择等比前复权，点击优化，勾选上我要优化的参数，点击开始，第一种模式的参数优化就开始了，这里我们稍微加一点速……最终，50 组参数跑完花费了 380 秒。
2.2 方式二：Python 调用 因子公式
接下来，我们跑第二种，这里也是一个内置 Python 的策略，但区别是，我这里的策略回测交给了一个用因子公式写的单股回测模型，我们可以清晰地看到信号买卖点，是否准确执行，在单股模型上点击右键，选择编辑指标，就会进入因子公式编辑器。
那什么是因子公式？如果你对通达信的VBA指标很熟悉，那你肯定很熟悉。因为他们的语法几乎是一致，你的通达信指标几乎可以无缝迁移过来。你只需要在这里通过简单的加减乘除、比较运算就可以实现自己的策略思路，点击运行，就可以在主图上得到上面我们想要的信号执行效果。
让我们继续回到Python脚本，QMT投研版里有个函数叫 call_formula，它可以调用因子公式，让因子公式跑完返回结果，充分利用因子公式并行跑满多核CPU的高性能。我这里跟刚刚第一种模式的参数优化意义，同样是构造了一个 50 组参数的优化，这里我同样有加时间统计。
那我们来运行一下看看，不要眨眼。点运行，结果出来，最佳参数组合也是 7-51，跟刚刚Python回测的效果一致，花费时间：1.3 秒，结束。
策略源码如下附件：
PYTHON_调用因子公式单股回测_多进程参数优化.rzrk
(14.75 KB, 下载次数: 63)
因子公式_单股_双均线_止盈止损_示例.rzrk
(8.45 KB, 下载次数: 53)
PYTHON_双均线单股回测_参数优化.rzrk
(4.02 KB, 下载次数: 39)
还有其他想学习的 QMT 小技巧吗？欢迎在下方留言，笔者将根据大家的留言持续更新哦！ 最后，欢迎加入迅投组建的 QMT 实战交流社群，只需扫描下方的二维码，名额有限，限时加入。一起分享见解、交换信息、并共同进步，就像群友说的：“就算周末，晚上也有地方沟通交流！” | 
