add readme

README.md

@@ -0,0 +1,99 @@
+# MT5 Python EA Suite (MetaTrader 5 Python量化交易策略套件)
+
+这是一个基于Python与MetaTrader 5 (MT5)平台交互的量化交易策略套件。它提供了一个完整的框架，用于开发、回测、优化和运行由多个交易策略组成的投资组合。
+
+系统的核心思想不是依赖于单一策略，而是将多个不同类型的策略（如趋势跟踪、均值回归、风险管理等）组合起来，通过加权投票和阈值过滤的机制，生成一个更稳健、更可靠的最终交易决策。
+
+---
+
+## 核心功能
+
+- **多策略框架**: 支持同时运行任意数量的、不同逻辑的交易策略。
+- **可扩展的策略库**: 可以通过在`strategies`目录下添加新文件来轻松地创建和集成自定义策略。
+- **组合信号生成**: 将所有已激活策略的信号（买入/卖出/无操作）根据可配置的权重进行加权求和，并与买卖阈值进行比较，最终形成统一的交易指令。
+- **回测引擎**: 内置一个简单的回测引擎 (`backtest.py`)，用于评估策略组合在历史数据上的表现。
+- **遗传算法优化器**: 集成了强大的遗传算法 (`optimizer.py`)，能够自动学习和寻找能使历史收益最大化的最佳策略权重组合。
+- **实盘交易模式**: 提供了`run_realtime()`函数，用于连接正在运行的MT5客户端，根据组合信号生成实时的交易决策。
+- **状态管理**: 支持有状态的复杂策略，例如需要“记忆”当前持仓状态或趋势状态的策略（如盈利保护、容错趋势等）。
+
+---
+
+## 项目结构
+
+```
+mt5_python_ea_suite/
+├── main.py               # 项目主入口 (运行回测、优化或实盘)
+├── config.py             # 全局配置文件 (策略、权重、阈值)
+├── optimizer.py          # 遗传算法优化器
+├── backtest.py           # 回测引擎
+├── utils.py              # 工具函数 (MT5连接、订单处理等)
+├── logger.py             # 日志配置
+├── requirements.txt      # Python依赖包
+├── logs/                   # 日志文件目录
+└── strategies/           # 核心：所有交易策略的存放目录
+    ├── ma_cross.py
+    ├── rsi.py
+    ├── profit_protect.py
+    ├── resilient_trend.py
+    └── ... (其他策略)
+```
+
+---
+
+## 如何使用
+
+#### 1. 环境准备
+
+- 确保您的电脑上已经安装了MetaTrader 5交易终端。
+- 在MT5中，进入 `工具 > 选项 > EA交易`，确保勾选了“允许算法交易”和“允许DLL导入”。
+- 安装Python 3.x。
+- **创建并激活虚拟环境**: 
+  ```bash
+  python -m venv myenv
+  # Windows
+  myenv\Scripts\activate
+  # macOS/Linux
+  source myenv/bin/activate
+  ```
+- **安装依赖**: 
+  ```bash
+  pip install -r requirements.txt
+  ```
+
+#### 2. 核心配置 (`config.py`)
+
+这是您与系统交互的主要文件。
+
+- **`STRATEGIES`**: 这是最重要的配置项。它是一个列表，每一项都是一个 `(策略实例, 权重)` 的元组。您可以在这里添加、删除策略，或者手动修改它们的权重。
+- **`BUY_THRESHOLD` / `SELL_THRESHOLD`**: 组合信号的触发阈值。所有策略的 `(信号 * 权重)` 之和，如果超过这个阈值，就会触发交易。
+
+#### 3. 运行模式 (`main.py`)
+
+打开`main.py`文件，在文件底部的 `if __name__ == "__main__"` 部分，您可以选择要执行的任务：
+
+- **运行回测 (`run_backtest()`)**: 
+  使用`config.py`中当前的权重和参数，对历史数据进行一次回测，并打印最终资金。
+
+- **运行优化 (`run_optimizer()`)**: 
+  **这是最推荐的步骤**。它会启动遗传算法，自动寻找`STRATEGIES`中每个策略的最佳权重。这个过程会非常耗时，因为它需要运行成百上千次回测。优化结束后，它会打印出找到的最佳权重组合。
+  **重要**: 优化完成后，您需要**手动将找到的最佳权重复制回 `config.py` 文件**，以便在回测和实盘中应用。
+
+- **运行实盘 (`run_realtime()`)**: 
+  使用`config.py`中的权重，连接MT5，根据最新的市场数据生成实时的、组合后的交易信号。
+
+---
+
+## 如何添加一个新策略
+
+该框架的扩展性非常强。要添加一个您自己的新策略，只需三步：
+
+1.  在 `strategies/` 目录下，创建一个新的Python文件，例如 `my_new_strategy.py`。
+2.  在该文件中，创建一个名为 `Strategy` 的类，并至少实现两个核心方法：
+    - `__init__(self)`: 初始化策略参数。
+    - `run_backtest(self, df)`: 实现回测逻辑，需要返回一个包含 `1`(买), `-1`(卖), `0`(无操作) 的Pandas Series。
+    - `generate_signal(self)`: 实现实盘信号生成逻辑，需要返回 `1`, `-1`, 或 `0`。
+3.  打开 `config.py` 文件：
+    - 在文件顶部 `import` 您的新策略。
+    - 在 `STRATEGIES` 列表中，添加一项 `(my_new_strategy.Strategy(), 1.0)`。
+
+完成！您的新策略已经无缝集成到整个系统中，可以立即参与到回测和遗传算法优化中。