添加批量解析

README.md

@@ -12,6 +12,7 @@
 |---|---|---|
 | `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` |
@@ -61,13 +62,15 @@ python mae_mfe.py mae_mfe_2026-06-28.csv
 
 ```
 .
-├── mt5_report_parser.py   # 通用 MT5 xlsx 解析器
+├── 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）
-├── walk_forward.py        # Walk-Forward 滚动验证
+├── 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
@@ -76,6 +79,28 @@ python mae_mfe.py mae_mfe_2026-06-28.csv
 └── 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：
+
+```bash
+# 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
@@ -178,6 +203,18 @@ MT5 标准 xlsx 不含逐笔 MAE/MFE。本模块提供：
 
 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