模块	作用	输出
`mt5_report_parser.py`	解析 MT5 中文 xlsx 报告（设置/结果/订单/成交），重建逐笔交易	`MT5Report` 对象
`run_analysis.py`	主分析器：核心指标对比、What-If 假设、蒙特卡洛、方向/时段诊断、数据驱动建议	`report.html`
`batch_report.py`	新增大批量报告汇总：排名表 + 分布图 + 异常检测	`batch_report.html`
`walk_forward.py`	Walk-Forward 滚动 IS→OOS 验证，算 WFE 与泛化相关性	`walk_forward.html`
`param_scan.py`	参数敏感度扫描：网格 .set 生成 → 响应面 → 高原检测 → 输出优化后 .set	`param_scan.html` + `.set`
`mae_mfe.py`	MAE/MFE 分析：散点 + TP/SL 扫描热力图，附 MQL5 导出代码	`mae_mfe.html`

快速开始

环境要求

Python 3.9+
依赖：openpyxl、pandas、numpy

pip install openpyxl pandas numpy

基本用法

把两份 MT5 回测报告（通常 IS / OSS 各一份）放进目录，命名为 IS-*.xlsx 和 OSS-*.xlsx：

python run_analysis.py
# 或显式指定：
python run_analysis.py IS-ReportTester-12345.xlsx OSS-ReportTester-12345.xlsx

生成的 output/report.html 可直接浏览器打开。

各模块独立使用

# Walk-Forward 滚动验证
python walk_forward.py IS-ReportTester-12345.xlsx --is-days 60 --oos-days 30

# 参数敏感度扫描（三步）
python param_scan.py gen-set template.set grid.json out_setdir --ea MyEA
# （在 MT5 里跑 out_setdir/run_scan.bat，把报告放到 out_setdir/reports/）
python param_scan.py analyze out_setdir/reports out_setdir/manifest.csv \
    --x FastMA --y SlowMA --metric pf \
    --template template.set --out-set output/optimized.set --strategy plateau

# MAE/MFE 分析
python mae_mfe.py --show-snippet > mae_mfe_snippet.mqh   # 取 MQL5 代码
# （把代码粘进 EA，回测后得到 mae_mfe_*.csv）
python mae_mfe.py mae_mfe_2026-06-28.csv

项目结构

.
├── mt5_report_parser.py   # 通用 MT5 xlsx 解析器（含 LRU 缓存 + 公共 _seg_metrics）
├── run_analysis.py        # 主分析器（含 What-If/蒙特卡洛/规则建议/Walk-Forward 集成）
├── batch_report.py        # 新增：大批量报告汇总（排名 + 分布 + 异常检测）
├── walk_forward.py        # Walk-Forward 滚动验证（向量化边界查找）
├── param_scan.py          # 参数敏感度扫描 + 优化 .set 输出
├── mae_mfe.py             # MAE/MFE 分析 + MQL5 代码片段
├── output/                # 生成产物（HTML/.set，已入库便于在线预览）
│   ├── report.html
│   ├── batch_report.html
│   ├── walk_forward.html
│   ├── param_scan.html
│   └── mae_mfe.html
├── .gitignore
├── README.md
└── METRICS_GUIDE.md       # 指标说明书（大白话解释所有指标原理）

批量报告分析（新增）

扫描目录下所有 MT5 xlsx 报告，一次性汇总成排名表 + 指标分布 + 异常检测：

# 扫描目录下的所有 xlsx
python batch_report.py reports_dir

# 指定 glob 模式
python batch_report.py reports_dir --pattern "ReportTester-*.xlsx"

# 通配多目录
python batch_report.py "dir1/*.xlsx" "dir2/*.xlsx"

生成的 output/batch_report.html 包含：

按 PF 排名的综合表
按净盈利排名的综合表
PF/净盈利/胜率分布直方图
PF vs 胜率散点图（带趋势线）
异常检测：过拟合嫌疑 / 样本不足 / 回撤过大自动标记

各模块详解

1. mt5_report_parser.py — 解析器

解析 MT5 Strategy Tester 导出的中文 xlsx 报告，结构化为：

meta：元信息（EA、品种、期间、初始资金、杠杆、输入参数字典）
summary / summary_norm：结果区汇总指标（数值化后的字典）
orders / deals：订单与成交明细 DataFrame
trades：由 in/out 成交对重建的逐笔交易 DataFrame（含 open_time、close_time、direction、net_profit、duration_min 等）

import mt5_report_parser as mp
rep = mp.parse_report("IS-ReportTester-12345.xlsx")
print(rep.meta["专家"], rep.summary["总净盈利"])
print(rep.trades[["open_time","direction","net_profit"]].head())

compute_trade_metrics(trades) 一次算出：PF、胜率、Sortino、Calmar、滚动PF、最大连败、按方向/小时/星期/持仓时间分桶等扩展指标。

2. run_analysis.py — 主分析器

读两份报告，输出 report.html，包含 10 个章节：

核心指标对比（PF/胜率/回撤/夏普/Sortino/Calmar/滚动PF）
资金曲线（内联 SVG）
方向性诊断（多空各自的胜率/PF/盈亏比/期望）
What-If 假设分析（9 个通用场景：sell-only/buy-only/信号反向/过滤最差时段/仓位减半/盈利单放大/亏损截断/启用BE）
蒙特卡洛回撤模拟（1000 次打乱，检验顺序自相关）
时段诊断（小时/星期热力表，标 IS/OSS 双负窗口）
持仓时间分桶
数据驱动的优化建议（8 条规则按数据特征自动触发，每条附"触发条件→数据→动作"）
Walk-Forward 滚动验证（内嵌）
可选扩展分析指引

关键设计：建议规则不预设任何策略特定结论。例如"信号方向自检"规则仅当两份报告的"信号反向"场景净盈利均转正且 PF>1 时才触发，提示用户复核源码方向逻辑。

3. walk_forward.py — Walk-Forward 验证

将单份报告按时间切成多个滚动窗口（IS段 + OOS段），逐窗算指标：

WFE（Walk-Forward Efficiency）= ΣOOS净盈利 / ΣIS净盈利
IS-OOS PF 相关性：高=参数泛化好，低=过拟合风险
OOS 盈利窗口占比
滚动 IS/OOS PF 曲线 SVG

可独立运行，也已集成进主报告第 9 节。

4. param_scan.py — 参数敏感度扫描

三个子命令：

gen-set：读 grid.json + .set 模板，批量生成每个参数组合的 .set + manifest.csv + MT5 批处理脚本 + tester.ini 模板
analyze：读 manifest + 一批报告，构建响应面
demo：合成数据演示

响应面分析：

2D 热力图（参数X × 参数Y → 指标，标出高原 P1/P2/P3）
3D 等距投影曲面
高原检测：4-连通区域 ≥4 格且高于 80 分位 → 稳健参数区
过拟合评分：峰值孤立度 + 高原覆盖率 → 稳健性 0~1
直接输出优化后 .set：支持两种策略
- --strategy plateau（默认，推荐）：取最大高原中心，抗扰动
- --strategy peak：取单点峰值，激进易过拟合

grid.json 示例：

{"FastMA": [5,10,15,20,25], "SlowMA": [20,30,40,50], "StopLoss": [50,100]}

5. mae_mfe.py — MAE/MFE 分析

MT5 标准 xlsx 不含逐笔 MAE/MFE。本模块提供：

--show-snippet：输出 MQL5 代码，粘进 EA 的 OnDeinit，自动扫描每笔持仓期的 iHigh/iLow 算 MAE/MFE 导出 CSV
分析 CSV：MAE/MFE vs 盈亏散点（绿赢红输 + SL/TP 候选阈值线）
TP×SL 网格扫描热力图：扫描所有组合重算理论净盈利，标最优点
推荐：SL = 亏损笔 MAE 75 分位；TP = 盈利笔 MFE 中位

设计原则

通用可复用：脚本零硬编码，不依赖任何具体 EA 的参数名/阈值/结论
数据驱动：所有"建议"由当前数据的特征触发，非预写
自包含输出：HTML 全部用纯表格 + 内联 SVG，无外部图片/JS/CSS 依赖，AI 可直接解析数据
输入仅依赖 mt5_report_parser 解析出的结构化数据

关于示例数据

出于交易策略数据敏感性，示例回测报告（IS-*.xlsx / OSS-*.xlsx）已通过 .gitignore 排除。output/ 下的 HTML 为真实数据生成的示例产物，可供预览效果。

如需本地试跑，将自己的 MT5 报告按 IS-*.xlsx / OSS-*.xlsx 命名放入根目录即可。

依赖

包	用途
`openpyxl`	读取 xlsx
`pandas`	数据处理
`numpy`	数值计算

无 matplotlib 等重型绘图库，所有可视化用纯 SVG。

性能优化

对大批量报告分析场景做的关键优化：

优化	位置	说明
Monte Carlo 向量化	`run_analysis.py`	1000 次置换矩阵一次性生成，C 层完成随机打乱
TP/SL 扫描向量化	`mae_mfe.py`	30×30×N 笔 → NumPy 广播，消除 Python 嵌套循环
Walk-Forward 边界查找	`walk_forward.py`	`np.searchsorted` 替代逐行 DataFrame 切片
解析结果缓存	`mt5_report_parser.py`	文件级 LRU 缓存，同一份报告被多模块复用时不再重复 IO
公共指标函数	`mt5_report_parser.py`	`_seg_metrics` / `_stats_from_net` 合并为 `compute_segment_metrics`，消除重复代码

License

MIT

README.md Unescape Escape

MT5 EA 回测报告分析工具集

功能概览