经过几次更换思路对指标和参数的优化，发觉还不如直接放弃，转用大数据模型来代替预测和交易触发。
1、不同产品，不同周期对不同指标敏感度都不一样，优化会涉及到参数和买卖触发点，虽然用贝叶斯优化来探索，但是也还是费时费力的。复合指标更是要针对性特别处理，很是麻烦。
2、通过机器学习模型（如随机森林、神经网络、LSTM等）能够捕捉价格波动中的非线性关系，相比传统指标更灵活。而且我曾经也有一版LSTM预测和触发交易的程序，通过测试，还是有点效果。
3、纯技术层面，可以用高频交易数据和机器学习模型预测短期价格波动，替代RSI或移动平均线。更深入一点，通过分析宏观经济数据和公司基本面，构建投资组合优化模型，替代传统的基本面分析。
准备重新开发预测、触发点的模块，使用XGBoost+LSTM+随机森林，对于模型训练会比较麻烦，并不是普通用户直接可以在自己电脑操作，但是到时可以提供针对某个品种的训练好的模型。
先做了再说。。。