/**
 * 参数敏感性分析（纯函数、零依赖）。
 *
 * 核心问题：策略参数变化时，结果稳健吗？
 * - 对每个参数，在 [base×(1-range), base×(1+range)] 网格扫描
 * - 计算每个网格点的收益/夏普
 * - 报告：稳健性分数（高 = 参数平原）、最差邻域、是否"针尖式"最优
 */
/** 敏感性分析结果。 */
export interface SensitivityResult {
    /** 参数名 */
    paramName: string;
    /** 扫描的取值 */
    values: number[];
    /** 每个取值对应的指标值（如收益%） */
    metricValues: number[];
    /** 基准值（输入） */
    baseValue: number;
    /** 稳健性分数 0-1（1 = 完全平原，0 = 针尖式） */
    robustness: number;
    /** 最优值（网格内） */
    bestValue: number;
    /** 最优指标 */
    bestMetric: number;
    /** 最差值 */
    worstMetric: number;
    notes: string[];
}
/**
 * 参数敏感性分析。
 *
 * @param baseValue 基准参数值
 * @param range 扫描范围比例（如 0.2 = ±20%）
 * @param steps 扫描步数（含基准，默认 9）
 * @param metricFn 给定参数值返回指标值（如回测收益）
 */
export declare function parameterSensitivity(baseValue: number, range: number, steps: number, metricFn: (paramValue: number) => number): SensitivityResult;