他山之石：另一种对策略调参的方法

禄得官方给大家提供了一种超参调优，本质上是一种网格调优法，设置好因子的最小、最大权重，还有每次调整的步长，用网格搜索的方式找到最优参数。

在禄得推出超参调优之前，大家都是先拍脑袋，再手工猛搓。禄得推出功能以后，大家都忙着问怎么充钱调优，可见需求之大。

因子权重的本质是什么？是重要性，是你认为某个因子在你的策略里，应该起多大的作用。

这篇帖子是想跟大家分享另一种超参调优的方法：岭回归（Ridge）。

岭回归最早是在1970年提出，Hoerl, A. E., & Kennard, R. W. (1970). Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 12(1), 55-67. 现在这篇文章已经超过2万引用了。

岭回归是一种统计正则化技术。它用于修正过拟合问题，即模型在机器学习训练数据上表现过好但泛化能力不足的情况。