参数优化是通过智能算法使得交易模型的回测结果达到最优绩效目标的优化过程。对于一些模型来说会有一些参数，这些参数设置的主要含义可能是为模型提供一个周期。例如， n 日均线上穿 N 日均线， n 和 N 参数的含义就是指定周期，一般来说，参数的含义都与时间有关系，但也有其他的用途。参数优化实际上就是利用计算器的处理能力对参数n（1～10）、 N （10～30）的各个值进行一次测试，找到盈利最大的那次数值。
1.参数高原与参数孤岛
参数优化中一个重要的原则就是要争取参数高原而不是参数孤岛。所谓参数高原，是指存在一个较宽的参数范围，模型在这个参数范围内都能取得较好的效果，一般会以高原的中心形成近似正态分布状。而所谓参数孤岛，是指只有在参数值处于某个很小的范围内时，模型才有较好的表现，而当参数偏离该值时，模型的表现便会显着变差。
假设某交易模型内有两个参数，分别为参数1和参数2，当对两个参数进行遍历测试后，好的参数分布应当是参数高原，即使当参数的设置有所偏移，模型的获利绩效依然能够得到保证。这样的参数因稳定性强，具有较强的实战能力。但如果遍历参数后的绩效结果如参数孤岛，当参数发生小的偏移时，模型的获利绩效就发生较大变动，那么这样的参数因适应性能差，难以应对实际交易中变化多端的市场环境。
2.优化参数的方法
在了解参数高原与参数孤岛之后，优化参数的方法显得很重要，特别是模型中存在多个参数时，往往一个参数的取值会影响到另外一个参数高原的分布，那么如何对参数数组进行优化呢？一种最简单的方法就是逐步收敛法，即先单独对一个参数进行优化，取得其最佳值后固定下来，然后再对另外一个参数进行优化，取得其最佳值后固定下来，如此循环，直到优化结果不再变动。
例如，一个均线交叉买卖交易模型，两个独立参数分别是均线短周期 N 1 和长周期 N 2 。首先固定 N 2 为1，对 N 1 在1～100的数值范围内进行测试筛选，寻找最佳数值，最终得到最佳参数为8并固定；其次对 N 2 在1～200的数值范围进行优化，得到最佳值26并固定；再次对 N 1 进行第二轮优化，得到新的最佳值10并固定；最后对 N 2 进行优化得到最佳值28并固定。如此循环地筛选下去，直到优化结果不再变动。假如最终得到的最优参数值分别是 N 1 为10， N 2 为30，则参数优化工作结束。