R中的优化代码，我遗漏了什么吗？

我试图通过最大化sharpe比率来优化一个简单策略的参数，如下代码所示。输出结果显然是错误的。你能提供一些帮助吗

library(xts)
library(zoo)
library(quantmod)
library(PerformanceAnalytics)
library(TTR)

f_opt <- function(x, data){

a <- x[1]
b <- x[2]

sma <- SMA(Cl(data), n = a)
fma <- EMA(Cl(data), n = b)
signal <- Lag(ifelse(sma < fma, 1, -1))
ret <- Return.calculate(data, method = "discrete") * signal
colnames(ret) <- c("MA Strategy")
ret <- na.omit(ret)

sharpe <- SharpeRatio.annualized(ret, Rf = 0, scale = 252) * -1
return(as.numeric(sharpe))

}

SYMBL <- getSymbols("^GSPC", auto.assign=F, from="2011-01-01", to="2021-02-08") 
data <- na.omit(SYMBL[,4])

optim(par = c(1,1), fn = f_opt, data = data, method = "L-BFGS-B", lower = 1, upper = 200)

库（xts）
图书馆（动物园）
图书馆（quantmod）
库（性能分析）
图书馆（TTR）
f_opt
optim（）
及相关方法可以找到光滑曲面的最优解。只需两个参数，就可以通过蛮力计算曲面上的目标函数（为了方便起见，我使用
emdbook
和
plot3D
软件包中的函数，但使用
for（）
循环和内置的
persp（）
函数…（下面的代码）可以很容易地做到这一点


我对你的学科领域（金融？）一无所知，也不知道目标函数中到底发生了什么，但优化不起作用一点也不奇怪

我担心的是，可能是参数的非整数值存在问题（这在任何情况下都会给
optim（）
带来问题，但可能会建议其他方法），但即使将整数值限制在范围（5-20、180-200）内，我们仍然会得到一个粗糙的表面：


我发现
DEoptim
（差分进化优化）函数对类似问题很有用

d1 <- DEoptim(f_opt, data=data,lower=c(1,1),upper=c(200,200))
## $optim
## $optim$bestmem
##      par1      par2 
##  12.87796 190.91548 
## 
## $optim$bestval
## [1] -1.158693

d1是的，这就是为什么结尾处的*-1我还看到下限是1，起始值是1s。边界是棘手的，可能会有奇怪的行为。你试过其他的起始值吗？我试过了，得到了同样的错误值。我也总是得到相同的BCB起始值，你能解释一下结果中“明显错误”的地方吗？输出中的
convergence 0
表示
optim
认为它是成功的，从不同的起始值得到相同的结果表明它相对稳健。该函数显然没有最小化，只需尝试一些for和b，您就可以找到比out更高的sharpe，我告诉过你们摇滚乐的大好时光吗？很高兴向你学习。是的，我的领域是金融，我正在建立一个框架来回溯测试交易策略。谢谢，保重。