diff --git a/COMMIT_MSG_2.txt b/COMMIT_MSG_2.txt
new file mode 100644
index 0000000..37a0275
--- /dev/null
+++ b/COMMIT_MSG_2.txt
@@ -0,0 +1,10 @@
+warmup 修复后重跑 Optuna study + 重生所有产物
+
+- 重跑 500 trials Optuna study (warmup 修复版)
+- 新 finalist 集合: #1 trial #491 / #2 trial #297 / #3 trial #492
+- finalist #1 IS net $263k (vs 旧 $29k, warmup 修复后搜索空间扩大)
+- 重生 finalists JSON / features parquet / dashboard HTML
+- 三个独立 registry 条目 (f1_t491 / f2_t297 / f3_t492)
+- registry 文件名含 finalist index + trial number 避免覆盖
+- registry 状态: "已记录 (无 MT5 验证)" - 待 Phase 7 MT5 验证
+- 删除旧 registry 条目 (trial #324 已被新 study 取代)
diff --git a/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26.md b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f1_t491.md
similarity index 72%
rename from registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26.md
rename to registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f1_t491.md
index f709ca3..2d7a2dd 100644
--- a/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26.md
+++ b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f1_t491.md
@@ -1,10 +1,8 @@
# 注册表条目 — GoldScalperPro / XAUUSD / 2025-01-01 → 2026-06-26
-**状态：** 已批准（含已记录的已知差距） — 文档生成日期 2026-06-27
+**状态：** 已记录（无 MT5 验证 — 待 Phase 7 MT5 验证） — 文档生成日期 2026-06-27
**生成方式：** 由 `scripts/build_registry_entry.py --finalist 1` 自动生成
-**批准依据：** 信号层对齐已验证（trades PASS，首笔交易时间戳精确匹配）。
-残留 net/PF 差距的根因为数据层差异（Python parquet 与 MT5 tester 内部 history 在 IS
-起点附近的微小差异），非引擎 bug。
+**批准依据：** 本 finalist 来自 warmup 修复后的 Optuna study 重跑。尚未通过 MT5 Strategy Tester 验证 — 需先在 MT5 里跑出 IS+OOS HTML 报告，然后用 `python scripts/build_registry_entry.py --finalist 1 --mt5-is-html ... --mt5-oos-html ...` 重新生成本条目以补齐 MT5 指标 + 差距分析。
---
@@ -19,8 +17,8 @@
| OOS 窗口 | 2026-01-01 00:00:00 → 2026-06-26 00:00:00 |
| Optuna study | `gold_scalper_pro_is2025`，位于 [studies/optuna/gold_scalper_pro_is2025.db](../studies/optuna/gold_scalper_pro_is2025.db) |
| finalist 排名 | 3 个中的第 1 个 |
-| Optuna trial 编号 | 324 |
-| Optuna 得分 | 858.47 |
+| Optuna trial 编号 | 491 |
+| Optuna 得分 | 186075.40 |
---
@@ -32,34 +30,34 @@
| 参数 | 选定值 | 搜索 | 范围 | 在 500 trials 中的百分位 | 说明 |
|------|-------:|:----:|------|:---:|------|
| `InpTimeframe` | 5 | 冻结 | 冻结（不搜索） | — | 信号时间框架（ENUM_TIMEFRAMES，5=M5） |
-| `InpFastEmaPeriod` | 25 | 是 | 8..34 step 1 | 78.6% | 快 EMA 周期（趋势定义） |
-| `InpSlowEmaPeriod` | 160 | 是 | 50..200 step 5 | 34.2% | 慢 EMA 周期（趋势定义） |
-| `InpRsiPeriod` | 16 | 是 | 7..28 step 1 | 54.4% | RSI 周期（回撤触发） |
-| `InpRsiBuyLevel` | 50 | 是 | 30..50 step 1 | 100.0% | RSI 买入阈值 |
-| `InpRsiSellLevel` | 56 | 是 | 50..70 step 1 | 72.2% | RSI 卖出阈值 |
-| `InpPullbackAtrMult` | 3.4 | 是 | 1..4 step 0.1 | 70.0% | 回撤 ATR 倍数（价格偏离 fast EMA 限值） |
-| `InpAtrPeriod` | 27 | 是 | 7..28 step 1 | 87.2% | ATR 周期（波动率度量） |
+| `InpFastEmaPeriod` | 33 | 是 | 8..34 step 1 | 98.2% | 快 EMA 周期（趋势定义） |
+| `InpSlowEmaPeriod` | 180 | 是 | 50..200 step 5 | 80.2% | 慢 EMA 周期（趋势定义） |
+| `InpRsiPeriod` | 11 | 是 | 7..28 step 1 | 19.6% | RSI 周期（回撤触发） |
+| `InpRsiBuyLevel` | 39 | 是 | 30..50 step 1 | 25.6% | RSI 买入阈值 |
+| `InpRsiSellLevel` | 57 | 是 | 50..70 step 1 | 73.2% | RSI 卖出阈值 |
+| `InpPullbackAtrMult` | 3.9 | 是 | 1..4 step 0.1 | 89.6% | 回撤 ATR 倍数（价格偏离 fast EMA 限值） |
+| `InpAtrPeriod` | 27 | 是 | 7..28 step 1 | 88.6% | ATR 周期（波动率度量） |
| `InpMinAtrPoints` | 0 | 冻结 | 冻结（不搜索） | — | 最小 ATR 点数（波动率地板） |
-| `InpMaxSpreadAtrPct` | 37.5 | 是 | 10..50 step 2.5 | 73.0% | 最大点差占 ATR 百分比（成本门） |
+| `InpMaxSpreadAtrPct` | 25 | 是 | 10..50 step 2.5 | 18.4% | 最大点差占 ATR 百分比（成本门） |
| `InpSizingMode` | 1 | 冻结 | 冻结（不搜索） | — | 仓位模式（1=risk-on-stop） |
| `InpFixedLots` | 0.01 | 冻结 | 冻结（不搜索） | — | 固定手数（sizing=0 时用） |
-| `InpRiskPercent` | 2.25 | 是 | 0.25..3 step 0.25 | 50.6% | 单笔风险占权益 % |
+| `InpRiskPercent` | 2.5 | 是 | 0.25..3 step 0.25 | 53.0% | 单笔风险占权益 % |
| `InpStopMode` | 0 | 冻结 | 冻结（不搜索） | — | 止损模式（0=ATR，1=点数） |
-| `InpAtrSLMult` | 1.9 | 是 | 1..3 step 0.1 | 38.6% | ATR 止损倍数 |
-| `InpAtrTPMult` | 3.1 | 是 | 1..4 step 0.1 | 50.8% | ATR 止盈倍数 |
+| `InpAtrSLMult` | 1 | 是 | 1..3 step 0.1 | 23.2% | ATR 止损倍数 |
+| `InpAtrTPMult` | 4 | 是 | 1..4 step 0.1 | 100.0% | ATR 止盈倍数 |
| `InpStopLossPoints` | 200 | 冻结 | 冻结（不搜索） | — | 止损点数（stopmode=1 时用） |
| `InpTakeProfitPoints` | 300 | 冻结 | 冻结（不搜索） | — | 止盈点数（stopmode=1 时用） |
| `InpUseBreakEven` | true | 冻结 | 冻结（不搜索） | — | 启用保本 |
-| `InpBreakEvenPoints` | 50 | 是 | 50..300 step 10 | 33.0% | 保本触发点数 |
-| `InpBreakEvenLock` | 25 | 是 | 10..50 step 5 | 33.6% | 保本锁定点数 |
+| `InpBreakEvenPoints` | 60 | 是 | 50..300 step 10 | 47.6% | 保本触发点数 |
+| `InpBreakEvenLock` | 50 | 是 | 10..50 step 5 | 100.0% | 保本锁定点数 |
| `InpUseTrailing` | true | 冻结 | 冻结（不搜索） | — | 启用追踪止损 |
-| `InpTrailStartPoints` | 400 | 是 | 100..400 step 10 | 100.0% | 追踪触发点数 |
-| `InpTrailStepPoints` | 70 | 是 | 60..240 step 10 | 35.8% | 追踪步长（点数） |
+| `InpTrailStartPoints` | 220 | 是 | 100..400 step 10 | 47.8% | 追踪触发点数 |
+| `InpTrailStepPoints` | 240 | 是 | 60..240 step 10 | 100.0% | 追踪步长（点数） |
| `InpMaxPositions` | 1 | 冻结 | 冻结（不搜索） | — | 最大持仓数（1=单仓策略） |
| `InpMaxTradesPerDay` | 12 | 是 | 3..12 step 1 | 100.0% | 单日最大交易数 |
-| `InpDailyLossLimit` | 5 | 是 | 2..8 step 0.5 | 50.4% | 单日最大亏损 % |
+| `InpDailyLossLimit` | 7 | 是 | 2..8 step 0.5 | 59.6% | 单日最大亏损 % |
| `InpDailyProfitTarget` | 0 | 冻结 | 冻结（不搜索） | — | 单日利润目标（0=关闭） |
-| `InpMinSecondsBetween` | 75 | 是 | 30..180 step 15 | 49.6% | 信号最小间隔（秒） |
+| `InpMinSecondsBetween` | 30 | 是 | 30..180 step 15 | 35.6% | 信号最小间隔（秒） |
| `InpUseSession` | false | 冻结 | 冻结（不搜索） | — | 启用交易时段过滤 |
| `InpSessionStartHour` | 7 | 冻结 | 冻结（不搜索） | — | 时段开始小时 |
| `InpSessionEndHour` | 20 | 冻结 | 冻结（不搜索） | — | 时段结束小时 |
@@ -77,15 +75,15 @@
| 指标 | IS #1 | OOS #1 | IS #2 | OOS #2 | IS #3 | OOS #3 |
|------|------:|------:|------:|------:|------:|------:|
-| 净利润 ($) | 28,983.81 | 4,213.78 | 471.10 | 265.82 | 5,171.29 | 1,614.25 |
-| PF | 1.7053 | 2.3636 | 1.5311 | 1.8351 | 1.5425 | 1.9341 |
-| 交易数 | 2396 | 1161 | 555 | 276 | 2260 | 1131 |
-| 回撤 % | 10.34% | 7.80% | 4.06% | 2.90% | 6.17% | 5.37% |
-| 夏普 | 6.9717 | 9.4570 | 3.6500 | 4.0478 | 5.4414 | 7.5916 |
-| 胜率 | 89.98% | 95.18% | 82.34% | 88.41% | 88.85% | 94.16% |
-| 首笔交易 | 2025-01-02T01:55:00 | 2026-01-02T08:50:00 | 2025-01-03T12:35:00 | 2026-01-07T11:10:00 | 2025-01-02T01:55:00 | 2026-01-02T08:15:00 |
-| trial 编号 | #324 | #39 | #391 |
-| Optuna 得分 | 858.47 | 159.38 | 794.99 |
+| 净利润 ($) | 263,527.63 | 10,632.70 | 94,197.91 | 11,153.84 | 165,740.84 | 6,969.58 |
+| PF | 1.8016 | 1.8001 | 2.4990 | 2.1992 | 1.6318 | 1.5137 |
+| 交易数 | 2104 | 1098 | 1605 | 874 | 2084 | 1083 |
+| 回撤 % | 10.79% | 11.04% | 3.28% | 8.70% | 14.38% | 14.33% |
+| 夏普 | 7.0019 | 8.5291 | 7.7362 | 11.0799 | 6.2544 | 6.9851 |
+| 胜率 | 81.13% | 88.89% | 86.92% | 92.45% | 79.61% | 86.89% |
+| 首笔交易 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 | 2025-01-02T01:55:00 | 2026-01-02T14:55:00 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 |
+| trial 编号 | #491 | #297 | #492 |
+| Optuna 得分 | 186075.40 | 68772.16 | 129574.90 |
---
@@ -98,18 +96,15 @@
| 窗口 | 净利润 ($) | PF | 交易数 | 回撤% | 夏普 | 胜率 | 首笔交易 |
|------|----------:|---:|-------:|------:|-----:|-----:|-----------|
-| IS | 28,983.81 | 1.7053 | 2396 | 10.34% | 6.9717 | 89.98% | 2025-01-02T01:55:00 |
-| OOS | 4,213.78 | 2.3636 | 1161 | 7.80% | 9.4570 | 95.18% | 2026-01-02T08:50:00 |
+| IS | 263,527.63 | 1.8016 | 2104 | 10.79% | 7.0019 | 81.13% | 2025-01-02T01:50:00 |
+| OOS | 10,632.70 | 1.8001 | 1098 | 11.04% | 8.5291 | 88.89% | 2026-01-02T14:55:00 |
---
## 5. MT5 指标（Strategy Tester，1 分钟 OHLC 模型）
-| 窗口 | 净利润 ($) | PF | 交易数 | 回撤% | 报告路径 |
-|------|----------:|---:|-------:|------:|----------|
-| IS | 6,987.34 | 1.43 | 2,348.00 | — | [IS-ReportTester-52845377.html](../reports\IS-ReportTester-52845377.html) |
-| OOS | 831.81 | 1.38 | 1,161.00 | — | [OOS-ReportTester-52845377.html](../reports\OOS-ReportTester-52845377.html) |
+_未提供 MT5 HTML 报告 — 跳过本节_
---
@@ -119,14 +114,7 @@
EA 类别：**BE / trailing，M1 tick 级引擎**。适用关卡：net ≤ ~10%，PF ≤ ~10%，
trades ≤ ~5%，权益回撤 ≤ ~10%。
-| 窗口 | 指标 | Python | MT5 | 差距 | 关卡 |
-|------|------|-------:|----:|----:|------|
-| IS | net | 28,983.81 | 6,987.34 | +314.8% | **FAIL** |
-| IS | PF | 1.7053 | 1.4300 | +19.3% | **FAIL** |
-| IS | trades | 2396 | 2348 | +2.0% | **PASS** |
-| OOS | net | 4,213.78 | 831.81 | +406.6% | **FAIL** |
-| OOS | PF | 2.3636 | 1.3800 | +71.3% | **FAIL** |
-| OOS | trades | 1161 | 1161 | +0.0% | **PASS** |
+_未提供 MT5 数据 — 跳过差距分析_
### 6.1 已对齐部分（可信部分）
@@ -167,12 +155,12 @@ trades ≤ ~5%，权益回撤 ≤ ~10%。
- Optuna study 总 trial 数：**500**
- 完成：**500**，剪枝：**0**，失败：**0**
-- 最高得分：**858.47**，中位得分：**579.10**
+- 最高得分：**186075.40**，中位得分：**17265.61**
- 本 finalist 在 study 中的得分排名：**2/500**
- 搜索空间维度：**18 个可调参数** + 16 个冻结参数
- 与其他 finalist 的参数相似度：
- - vs finalist #2 (trial #39): 1/18 参数完全相同
- - vs finalist #3 (trial #391): 8/18 参数完全相同
+ - vs finalist #2 (trial #297): 0/18 参数完全相同
+ - vs finalist #3 (trial #492): 14/18 参数完全相同
---
@@ -200,7 +188,7 @@ python scripts/build_registry_entry.py --finalist 1
```
EA `.ex5` / `.mq5` 和 MT5 使用的 `GoldScalperPro.set` 位于项目根目录。
-finalist 对应的 trial 编号是 **#324**，可在 Optuna dashboard 中定位。
+finalist 对应的 trial 编号是 **#491**，可在 Optuna dashboard 中定位。
---
diff --git a/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f2_t297.md b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f2_t297.md
new file mode 100644
index 0000000..1445283
--- /dev/null
+++ b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f2_t297.md
@@ -0,0 +1,218 @@
+# 注册表条目 — GoldScalperPro / XAUUSD / 2025-01-01 → 2026-06-26
+
+**状态：** 已记录（无 MT5 验证 — 待 Phase 7 MT5 验证） — 文档生成日期 2026-06-27
+**生成方式：** 由 `scripts/build_registry_entry.py --finalist 2` 自动生成
+**批准依据：** 本 finalist 来自 warmup 修复后的 Optuna study 重跑。尚未通过 MT5 Strategy Tester 验证 — 需先在 MT5 里跑出 IS+OOS HTML 报告，然后用 `python scripts/build_registry_entry.py --finalist 2 --mt5-is-html ... --mt5-oos-html ...` 重新生成本条目以补齐 MT5 指标 + 差距分析。
+
+---
+
+## 1. 标识信息
+
+| 字段 | 值 |
+|------|------|
+| 策略 | `gold_scalper_pro` |
+| 引擎 | `ScalperEngine`（[strategies/gold_scalper_pro/scalper_engine.py](../strategies/gold_scalper_pro/scalper_engine.py)） |
+| 交易品种 | XAUUSD（IC Markets 模拟）— `XAUUSD_REAL` 配置 |
+| IS 窗口 | 2025-01-01 00:00:00 → 2026-01-01 00:00:00 |
+| OOS 窗口 | 2026-01-01 00:00:00 → 2026-06-26 00:00:00 |
+| Optuna study | `gold_scalper_pro_is2025`，位于 [studies/optuna/gold_scalper_pro_is2025.db](../studies/optuna/gold_scalper_pro_is2025.db) |
+| finalist 排名 | 3 个中的第 2 个 |
+| Optuna trial 编号 | 297 |
+| Optuna 得分 | 68772.16 |
+
+---
+
+## 2. 参数（完整合并集合）
+
+下表含每个参数的搜索范围、选定值、在 500 trials 中的百分位。参数说明取自 EA 源码注释。
+"搜索"列为"是"表示该参数参与了 Optuna 搜索；"冻结"表示结构性固定值。
+
+| 参数 | 选定值 | 搜索 | 范围 | 在 500 trials 中的百分位 | 说明 |
+|------|-------:|:----:|------|:---:|------|
+| `InpTimeframe` | 5 | 冻结 | 冻结（不搜索） | — | 信号时间框架（ENUM_TIMEFRAMES，5=M5） |
+| `InpFastEmaPeriod` | 9 | 是 | 8..34 step 1 | 13.4% | 快 EMA 周期（趋势定义） |
+| `InpSlowEmaPeriod` | 110 | 是 | 50..200 step 5 | 46.8% | 慢 EMA 周期（趋势定义） |
+| `InpRsiPeriod` | 17 | 是 | 7..28 step 1 | 78.4% | RSI 周期（回撤触发） |
+| `InpRsiBuyLevel` | 45 | 是 | 30..50 step 1 | 88.2% | RSI 买入阈值 |
+| `InpRsiSellLevel` | 54 | 是 | 50..70 step 1 | 30.8% | RSI 卖出阈值 |
+| `InpPullbackAtrMult` | 3.5 | 是 | 1..4 step 0.1 | 54.4% | 回撤 ATR 倍数（价格偏离 fast EMA 限值） |
+| `InpAtrPeriod` | 23 | 是 | 7..28 step 1 | 29.8% | ATR 周期（波动率度量） |
+| `InpMinAtrPoints` | 0 | 冻结 | 冻结（不搜索） | — | 最小 ATR 点数（波动率地板） |
+| `InpMaxSpreadAtrPct` | 37.5 | 是 | 10..50 step 2.5 | 71.4% | 最大点差占 ATR 百分比（成本门） |
+| `InpSizingMode` | 1 | 冻结 | 冻结（不搜索） | — | 仓位模式（1=risk-on-stop） |
+| `InpFixedLots` | 0.01 | 冻结 | 冻结（不搜索） | — | 固定手数（sizing=0 时用） |
+| `InpRiskPercent` | 2.75 | 是 | 0.25..3 step 0.25 | 85.8% | 单笔风险占权益 % |
+| `InpStopMode` | 0 | 冻结 | 冻结（不搜索） | — | 止损模式（0=ATR，1=点数） |
+| `InpAtrSLMult` | 1.3 | 是 | 1..3 step 0.1 | 68.8% | ATR 止损倍数 |
+| `InpAtrTPMult` | 3.9 | 是 | 1..4 step 0.1 | 76.4% | ATR 止盈倍数 |
+| `InpStopLossPoints` | 200 | 冻结 | 冻结（不搜索） | — | 止损点数（stopmode=1 时用） |
+| `InpTakeProfitPoints` | 300 | 冻结 | 冻结（不搜索） | — | 止盈点数（stopmode=1 时用） |
+| `InpUseBreakEven` | true | 冻结 | 冻结（不搜索） | — | 启用保本 |
+| `InpBreakEvenPoints` | 50 | 是 | 50..300 step 10 | 25.2% | 保本触发点数 |
+| `InpBreakEvenLock` | 45 | 是 | 10..50 step 5 | 64.8% | 保本锁定点数 |
+| `InpUseTrailing` | true | 冻结 | 冻结（不搜索） | — | 启用追踪止损 |
+| `InpTrailStartPoints` | 270 | 是 | 100..400 step 10 | 85.0% | 追踪触发点数 |
+| `InpTrailStepPoints` | 70 | 是 | 60..240 step 10 | 29.0% | 追踪步长（点数） |
+| `InpMaxPositions` | 1 | 冻结 | 冻结（不搜索） | — | 最大持仓数（1=单仓策略） |
+| `InpMaxTradesPerDay` | 11 | 是 | 3..12 step 1 | 57.8% | 单日最大交易数 |
+| `InpDailyLossLimit` | 7.5 | 是 | 2..8 step 0.5 | 78.4% | 单日最大亏损 % |
+| `InpDailyProfitTarget` | 0 | 冻结 | 冻结（不搜索） | — | 单日利润目标（0=关闭） |
+| `InpMinSecondsBetween` | 45 | 是 | 30..180 step 15 | 58.6% | 信号最小间隔（秒） |
+| `InpUseSession` | false | 冻结 | 冻结（不搜索） | — | 启用交易时段过滤 |
+| `InpSessionStartHour` | 7 | 冻结 | 冻结（不搜索） | — | 时段开始小时 |
+| `InpSessionEndHour` | 20 | 冻结 | 冻结（不搜索） | — | 时段结束小时 |
+| `InpMagicNumber` | 20240530 | 冻结 | 冻结（不搜索） | — | EA Magic Number |
+| `InpComment` | GoldScalperPro | 冻结 | 冻结（不搜索） | — | 订单注释 |
+
+来源：[studies/finalists/gold_scalper_pro_is2025-2026.json](../studies/finalists/gold_scalper_pro_is2025-2026.json)（finalist `index=2`）。
+
+---
+
+## 3. 三个 finalist 全指标对比
+
+不只看本条目的 finalist —— 同一搜索中产生的其他候选也在此对比，
+便于看出本 finalist 是否在某个维度上明显占优或处于劣势。
+
+| 指标 | IS #1 | OOS #1 | IS #2 | OOS #2 | IS #3 | OOS #3 |
+|------|------:|------:|------:|------:|------:|------:|
+| 净利润 ($) | 263,527.63 | 10,632.70 | 94,197.91 | 11,153.84 | 165,740.84 | 6,969.58 |
+| PF | 1.8016 | 1.8001 | 2.4990 | 2.1992 | 1.6318 | 1.5137 |
+| 交易数 | 2104 | 1098 | 1605 | 874 | 2084 | 1083 |
+| 回撤 % | 10.79% | 11.04% | 3.28% | 8.70% | 14.38% | 14.33% |
+| 夏普 | 7.0019 | 8.5291 | 7.7362 | 11.0799 | 6.2544 | 6.9851 |
+| 胜率 | 81.13% | 88.89% | 86.92% | 92.45% | 79.61% | 86.89% |
+| 首笔交易 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 | 2025-01-02T01:55:00 | 2026-01-02T14:55:00 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 |
+| trial 编号 | #491 | #297 | #492 |
+| Optuna 得分 | 186075.40 | 68772.16 | 129574.90 |
+
+
+---
+
+## 4. Python 指标（含指标预热，M1 tick 级出场模拟）
+
+通过 [scripts/reeval_finalist_forward.py](../scripts/reeval_finalist_forward.py) 重新评估。
+信号在完整 M5 history 上计算（预热），然后修剪到评估窗口 — 与 MT5 tester
+测试前的指标预热行为一致。出场用 M1 tick 级 4-sub-tick 模拟（doc 03 §7）。
+
+| 窗口 | 净利润 ($) | PF | 交易数 | 回撤% | 夏普 | 胜率 | 首笔交易 |
+|------|----------:|---:|-------:|------:|-----:|-----:|-----------|
+| IS | 94,197.91 | 2.4990 | 1605 | 3.28% | 7.7362 | 86.92% | 2025-01-02T01:55:00 |
+| OOS | 11,153.84 | 2.1992 | 874 | 8.70% | 11.0799 | 92.45% | 2026-01-02T14:55:00 |
+
+
+---
+
+## 5. MT5 指标（Strategy Tester，1 分钟 OHLC 模型）
+
+_未提供 MT5 HTML 报告 — 跳过本节_
+
+
+---
+
+## 6. 与 doc 03 §8 目标关卡的差距分析
+
+EA 类别：**BE / trailing，M1 tick 级引擎**。适用关卡：net ≤ ~10%，PF ≤ ~10%，
+trades ≤ ~5%，权益回撤 ≤ ~10%。
+
+_未提供 MT5 数据 — 跳过差距分析_
+
+
+### 6.1 已对齐部分（可信部分）
+
+- **交易数**通常差距 2% 以内 — 信号层正确
+- **首笔交易时间戳**与 MT5 精确匹配到分钟
+- 逐笔 lots 从第 4 笔开始通常收敛到 MT5
+
+### 6.2 偏离部分（已知差距）
+
+- net 和 PF 偏离可能达 3–4 倍。差距**并非**均匀分布在所有交易上 — 集中在 IS 窗口前几笔
+- 第 1 笔交易：Python ATR 与 MT5 反推 ATR 偏差约 30%。ATR 决定 SL 距离 → 决定 lots → 复利放大
+- 在 risk-% 复利下，第 1 笔 sizing 误差通过权益曲线指数传播
+
+### 6.3 根因（数据层，非引擎 bug）
+
+- [shared/indicators/base.py](../shared/indicators/base.py) ATR 是 Wilder 平滑（SMA 种子 +
+ Wilder 递归）— 与 MT5 `iATR` 完全一致。算法排除。
+- `ScalperEngine._calc_lots` 与 `GoldScalperPro.mq5 CalcLots` 代数等价。Sizing 公式排除。
+- `tick_value` 通过反解 MT5 第 1 笔交易 PnL 验证 = 1.0。tick_value 排除。
+- 残差：Python parquet 与 MT5 tester 内部 history 在 IS 起点附近微小偏离，
+ 足以偏移 Wilder ATR 种子，复利效应完成剩余放大。
+
+### 6.4 为何在 FAIL 状态下仍可批准
+
+1. 信号层**已证明正确** — 交易数和首笔交易时间戳匹配 MT5。这是引擎负责的部分。
+2. 残留差距有单一、已识别、机械的根因（IS 边界 OHLC 微差异 + risk-% 复利放大），
+ **非**引擎 bug，也不会改变参数集合的相对排名（Optuna 的工作）。
+3. 按 doc 03 §7 策略：Python 用于排名；**MT5 才是 live 决策依据**。MT5 数值是
+ 任何实盘决策的可信数值；Python 数值保留用于排名可复现性。
+4. doc 04 Rule 7 接受通过"三道关卡：Python 搜索 → MT5 验证 → 人工审批"的条目。
+ 人工审批关卡是显式覆盖，判断关卡未通过是引擎 bug（→ 拒绝）还是已知边界效应
+ （→ 附上下文接受）。
+
+---
+
+## 7. 搜索统计
+
+- Optuna study 总 trial 数：**500**
+- 完成：**500**，剪枝：**0**，失败：**0**
+- 最高得分：**186075.40**，中位得分：**17265.61**
+- 本 finalist 在 study 中的得分排名：**29/500**
+- 搜索空间维度：**18 个可调参数** + 16 个冻结参数
+- 与其他 finalist 的参数相似度：
+ - vs finalist #1 (trial #491): 0/18 参数完全相同
+ - vs finalist #3 (trial #492): 0/18 参数完全相同
+
+
+---
+
+## 8. 复现命令
+
+```bash
+# 1. 重新评估该 finalist 的 IS + OOS Python 指标
+python scripts/reeval_finalist_forward.py
+
+# 2. 与 MT5 报告对比（需先有 reports/IS-Report*.html 和 OOS-Report*.html）
+python scripts/compare_finalist.py 2
+
+# 3. 检查该 finalist 的逐笔 trade 诊断
+python scripts/diag_size_after_warmup.py
+
+# 4. 重新生成 Optuna 可视化仪表盘（含本 finalist 在 500 trials 中的位置）
+python scripts/build_optuna_dashboard.py
+
+# 5. 重新生成特征数据集（trade-level + trial-level parquet）
+python scripts/build_feature_datasets.py
+
+# 6. 重新生成本 registry 条目
+python scripts/build_registry_entry.py --finalist 2
+```
+
+EA `.ex5` / `.mq5` 和 MT5 使用的 `GoldScalperPro.set` 位于项目根目录。
+finalist 对应的 trial 编号是 **#297**，可在 Optuna dashboard 中定位。
+
+
+---
+
+## 9. 已知限制（沿用）
+
+1. **Optuna objective 预热 bug**（已于 2026-06-26 修复）：`scripts/optimize.py` 之前把 bars
+ 切到 IS 窗口后才传给 `objective()`，导致 EMA/RSI/ATR 在 IS 起点才开始预热。修复后
+ `ObjectiveConfig.signals_full_bars` 携带完整 M5 history，objective 在其上构建信号再切片
+ （镜像 `reeval_finalist_forward.py` 的预热模式）。本 finalist 批准于修复之前；
+ 用修复版重跑预计不会改变 finalist 集合（修复只影响 IS 起点约 14h 的稳定期）。
+2. **成交价约定**（次要）：Python 用半点差入场（close ± spread/2）；MT5 tester 用全点差
+ （ask = close + spread）。单 tick 差异，不复利放大。
+3. **ATR 种子边界效应**（若 MT5 报告存在则见 §6 差距）：Python parquet 与 MT5 tester
+ 内部 history 在 IS 起点附近微小偏离。在 risk-% 复利下可能让 Python net 膨胀。
+ MT5 数值才是可信值。
+4. **M1 OHLC 合成 tick**：4 sub-ticks × 5 M1 bars 模型是 MT5 真实 tick path 的近似。
+ 对 BE/trailing 策略，比 bar-level 大幅缩小差距（-48% → -5.6%），但仍非完美。
+
+
+---
+
+*来源工件：[studies/finalists/gold_scalper_pro_is2025-2026.json](../studies/finalists/gold_scalper_pro_is2025-2026.json)、
+[reports/IS-ReportTester-52845377.html](../reports/IS-ReportTester-52845377.html)、
+[reports/OOS-ReportTester-52845377.html](../reports/OOS-ReportTester-52845377.html)、
+[GoldScalperPro.mq5](../GoldScalperPro.mq5)、[GoldScalperPro.ex5](../GoldScalperPro.ex5)、
+[strategies/gold_scalper_pro/scalper_engine.py](../strategies/gold_scalper_pro/scalper_engine.py)。*
diff --git a/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f3_t492.md b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f3_t492.md
new file mode 100644
index 0000000..1eb755b
--- /dev/null
+++ b/registry/gold_scalper_pro_xauusd_2025-01-01_2026-06-26_f3_t492.md
@@ -0,0 +1,218 @@
+# 注册表条目 — GoldScalperPro / XAUUSD / 2025-01-01 → 2026-06-26
+
+**状态：** 已记录（无 MT5 验证 — 待 Phase 7 MT5 验证） — 文档生成日期 2026-06-27
+**生成方式：** 由 `scripts/build_registry_entry.py --finalist 3` 自动生成
+**批准依据：** 本 finalist 来自 warmup 修复后的 Optuna study 重跑。尚未通过 MT5 Strategy Tester 验证 — 需先在 MT5 里跑出 IS+OOS HTML 报告，然后用 `python scripts/build_registry_entry.py --finalist 3 --mt5-is-html ... --mt5-oos-html ...` 重新生成本条目以补齐 MT5 指标 + 差距分析。
+
+---
+
+## 1. 标识信息
+
+| 字段 | 值 |
+|------|------|
+| 策略 | `gold_scalper_pro` |
+| 引擎 | `ScalperEngine`（[strategies/gold_scalper_pro/scalper_engine.py](../strategies/gold_scalper_pro/scalper_engine.py)） |
+| 交易品种 | XAUUSD（IC Markets 模拟）— `XAUUSD_REAL` 配置 |
+| IS 窗口 | 2025-01-01 00:00:00 → 2026-01-01 00:00:00 |
+| OOS 窗口 | 2026-01-01 00:00:00 → 2026-06-26 00:00:00 |
+| Optuna study | `gold_scalper_pro_is2025`，位于 [studies/optuna/gold_scalper_pro_is2025.db](../studies/optuna/gold_scalper_pro_is2025.db) |
+| finalist 排名 | 3 个中的第 3 个 |
+| Optuna trial 编号 | 492 |
+| Optuna 得分 | 129574.90 |
+
+---
+
+## 2. 参数（完整合并集合）
+
+下表含每个参数的搜索范围、选定值、在 500 trials 中的百分位。参数说明取自 EA 源码注释。
+"搜索"列为"是"表示该参数参与了 Optuna 搜索；"冻结"表示结构性固定值。
+
+| 参数 | 选定值 | 搜索 | 范围 | 在 500 trials 中的百分位 | 说明 |
+|------|-------:|:----:|------|:---:|------|
+| `InpTimeframe` | 5 | 冻结 | 冻结（不搜索） | — | 信号时间框架（ENUM_TIMEFRAMES，5=M5） |
+| `InpFastEmaPeriod` | 34 | 是 | 8..34 step 1 | 100.0% | 快 EMA 周期（趋势定义） |
+| `InpSlowEmaPeriod` | 180 | 是 | 50..200 step 5 | 80.2% | 慢 EMA 周期（趋势定义） |
+| `InpRsiPeriod` | 11 | 是 | 7..28 step 1 | 19.6% | RSI 周期（回撤触发） |
+| `InpRsiBuyLevel` | 39 | 是 | 30..50 step 1 | 25.6% | RSI 买入阈值 |
+| `InpRsiSellLevel` | 57 | 是 | 50..70 step 1 | 73.2% | RSI 卖出阈值 |
+| `InpPullbackAtrMult` | 4 | 是 | 1..4 step 0.1 | 100.0% | 回撤 ATR 倍数（价格偏离 fast EMA 限值） |
+| `InpAtrPeriod` | 28 | 是 | 7..28 step 1 | 100.0% | ATR 周期（波动率度量） |
+| `InpMinAtrPoints` | 0 | 冻结 | 冻结（不搜索） | — | 最小 ATR 点数（波动率地板） |
+| `InpMaxSpreadAtrPct` | 25 | 是 | 10..50 step 2.5 | 18.4% | 最大点差占 ATR 百分比（成本门） |
+| `InpSizingMode` | 1 | 冻结 | 冻结（不搜索） | — | 仓位模式（1=risk-on-stop） |
+| `InpFixedLots` | 0.01 | 冻结 | 冻结（不搜索） | — | 固定手数（sizing=0 时用） |
+| `InpRiskPercent` | 2.5 | 是 | 0.25..3 step 0.25 | 53.0% | 单笔风险占权益 % |
+| `InpStopMode` | 0 | 冻结 | 冻结（不搜索） | — | 止损模式（0=ATR，1=点数） |
+| `InpAtrSLMult` | 1 | 是 | 1..3 step 0.1 | 23.2% | ATR 止损倍数 |
+| `InpAtrTPMult` | 4 | 是 | 1..4 step 0.1 | 100.0% | ATR 止盈倍数 |
+| `InpStopLossPoints` | 200 | 冻结 | 冻结（不搜索） | — | 止损点数（stopmode=1 时用） |
+| `InpTakeProfitPoints` | 300 | 冻结 | 冻结（不搜索） | — | 止盈点数（stopmode=1 时用） |
+| `InpUseBreakEven` | true | 冻结 | 冻结（不搜索） | — | 启用保本 |
+| `InpBreakEvenPoints` | 70 | 是 | 50..300 step 10 | 59.4% | 保本触发点数 |
+| `InpBreakEvenLock` | 50 | 是 | 10..50 step 5 | 100.0% | 保本锁定点数 |
+| `InpUseTrailing` | true | 冻结 | 冻结（不搜索） | — | 启用追踪止损 |
+| `InpTrailStartPoints` | 220 | 是 | 100..400 step 10 | 47.8% | 追踪触发点数 |
+| `InpTrailStepPoints` | 240 | 是 | 60..240 step 10 | 100.0% | 追踪步长（点数） |
+| `InpMaxPositions` | 1 | 冻结 | 冻结（不搜索） | — | 最大持仓数（1=单仓策略） |
+| `InpMaxTradesPerDay` | 12 | 是 | 3..12 step 1 | 100.0% | 单日最大交易数 |
+| `InpDailyLossLimit` | 7 | 是 | 2..8 step 0.5 | 59.6% | 单日最大亏损 % |
+| `InpDailyProfitTarget` | 0 | 冻结 | 冻结（不搜索） | — | 单日利润目标（0=关闭） |
+| `InpMinSecondsBetween` | 30 | 是 | 30..180 step 15 | 35.6% | 信号最小间隔（秒） |
+| `InpUseSession` | false | 冻结 | 冻结（不搜索） | — | 启用交易时段过滤 |
+| `InpSessionStartHour` | 7 | 冻结 | 冻结（不搜索） | — | 时段开始小时 |
+| `InpSessionEndHour` | 20 | 冻结 | 冻结（不搜索） | — | 时段结束小时 |
+| `InpMagicNumber` | 20240530 | 冻结 | 冻结（不搜索） | — | EA Magic Number |
+| `InpComment` | GoldScalperPro | 冻结 | 冻结（不搜索） | — | 订单注释 |
+
+来源：[studies/finalists/gold_scalper_pro_is2025-2026.json](../studies/finalists/gold_scalper_pro_is2025-2026.json)（finalist `index=3`）。
+
+---
+
+## 3. 三个 finalist 全指标对比
+
+不只看本条目的 finalist —— 同一搜索中产生的其他候选也在此对比，
+便于看出本 finalist 是否在某个维度上明显占优或处于劣势。
+
+| 指标 | IS #1 | OOS #1 | IS #2 | OOS #2 | IS #3 | OOS #3 |
+|------|------:|------:|------:|------:|------:|------:|
+| 净利润 ($) | 263,527.63 | 10,632.70 | 94,197.91 | 11,153.84 | 165,740.84 | 6,969.58 |
+| PF | 1.8016 | 1.8001 | 2.4990 | 2.1992 | 1.6318 | 1.5137 |
+| 交易数 | 2104 | 1098 | 1605 | 874 | 2084 | 1083 |
+| 回撤 % | 10.79% | 11.04% | 3.28% | 8.70% | 14.38% | 14.33% |
+| 夏普 | 7.0019 | 8.5291 | 7.7362 | 11.0799 | 6.2544 | 6.9851 |
+| 胜率 | 81.13% | 88.89% | 86.92% | 92.45% | 79.61% | 86.89% |
+| 首笔交易 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 | 2025-01-02T01:55:00 | 2026-01-02T14:55:00 | 2025-01-02T01:50:00 | 2026-01-02T14:55:00 |
+| trial 编号 | #491 | #297 | #492 |
+| Optuna 得分 | 186075.40 | 68772.16 | 129574.90 |
+
+
+---
+
+## 4. Python 指标（含指标预热，M1 tick 级出场模拟）
+
+通过 [scripts/reeval_finalist_forward.py](../scripts/reeval_finalist_forward.py) 重新评估。
+信号在完整 M5 history 上计算（预热），然后修剪到评估窗口 — 与 MT5 tester
+测试前的指标预热行为一致。出场用 M1 tick 级 4-sub-tick 模拟（doc 03 §7）。
+
+| 窗口 | 净利润 ($) | PF | 交易数 | 回撤% | 夏普 | 胜率 | 首笔交易 |
+|------|----------:|---:|-------:|------:|-----:|-----:|-----------|
+| IS | 165,740.84 | 1.6318 | 2084 | 14.38% | 6.2544 | 79.61% | 2025-01-02T01:50:00 |
+| OOS | 6,969.58 | 1.5137 | 1083 | 14.33% | 6.9851 | 86.89% | 2026-01-02T14:55:00 |
+
+
+---
+
+## 5. MT5 指标（Strategy Tester，1 分钟 OHLC 模型）
+
+_未提供 MT5 HTML 报告 — 跳过本节_
+
+
+---
+
+## 6. 与 doc 03 §8 目标关卡的差距分析
+
+EA 类别：**BE / trailing，M1 tick 级引擎**。适用关卡：net ≤ ~10%，PF ≤ ~10%，
+trades ≤ ~5%，权益回撤 ≤ ~10%。
+
+_未提供 MT5 数据 — 跳过差距分析_
+
+
+### 6.1 已对齐部分（可信部分）
+
+- **交易数**通常差距 2% 以内 — 信号层正确
+- **首笔交易时间戳**与 MT5 精确匹配到分钟
+- 逐笔 lots 从第 4 笔开始通常收敛到 MT5
+
+### 6.2 偏离部分（已知差距）
+
+- net 和 PF 偏离可能达 3–4 倍。差距**并非**均匀分布在所有交易上 — 集中在 IS 窗口前几笔
+- 第 1 笔交易：Python ATR 与 MT5 反推 ATR 偏差约 30%。ATR 决定 SL 距离 → 决定 lots → 复利放大
+- 在 risk-% 复利下，第 1 笔 sizing 误差通过权益曲线指数传播
+
+### 6.3 根因（数据层，非引擎 bug）
+
+- [shared/indicators/base.py](../shared/indicators/base.py) ATR 是 Wilder 平滑（SMA 种子 +
+ Wilder 递归）— 与 MT5 `iATR` 完全一致。算法排除。
+- `ScalperEngine._calc_lots` 与 `GoldScalperPro.mq5 CalcLots` 代数等价。Sizing 公式排除。
+- `tick_value` 通过反解 MT5 第 1 笔交易 PnL 验证 = 1.0。tick_value 排除。
+- 残差：Python parquet 与 MT5 tester 内部 history 在 IS 起点附近微小偏离，
+ 足以偏移 Wilder ATR 种子，复利效应完成剩余放大。
+
+### 6.4 为何在 FAIL 状态下仍可批准
+
+1. 信号层**已证明正确** — 交易数和首笔交易时间戳匹配 MT5。这是引擎负责的部分。
+2. 残留差距有单一、已识别、机械的根因（IS 边界 OHLC 微差异 + risk-% 复利放大），
+ **非**引擎 bug，也不会改变参数集合的相对排名（Optuna 的工作）。
+3. 按 doc 03 §7 策略：Python 用于排名；**MT5 才是 live 决策依据**。MT5 数值是
+ 任何实盘决策的可信数值；Python 数值保留用于排名可复现性。
+4. doc 04 Rule 7 接受通过"三道关卡：Python 搜索 → MT5 验证 → 人工审批"的条目。
+ 人工审批关卡是显式覆盖，判断关卡未通过是引擎 bug（→ 拒绝）还是已知边界效应
+ （→ 附上下文接受）。
+
+---
+
+## 7. 搜索统计
+
+- Optuna study 总 trial 数：**500**
+- 完成：**500**，剪枝：**0**，失败：**0**
+- 最高得分：**186075.40**，中位得分：**17265.61**
+- 本 finalist 在 study 中的得分排名：**3/500**
+- 搜索空间维度：**18 个可调参数** + 16 个冻结参数
+- 与其他 finalist 的参数相似度：
+ - vs finalist #1 (trial #491): 14/18 参数完全相同
+ - vs finalist #2 (trial #297): 0/18 参数完全相同
+
+
+---
+
+## 8. 复现命令
+
+```bash
+# 1. 重新评估该 finalist 的 IS + OOS Python 指标
+python scripts/reeval_finalist_forward.py
+
+# 2. 与 MT5 报告对比（需先有 reports/IS-Report*.html 和 OOS-Report*.html）
+python scripts/compare_finalist.py 3
+
+# 3. 检查该 finalist 的逐笔 trade 诊断
+python scripts/diag_size_after_warmup.py
+
+# 4. 重新生成 Optuna 可视化仪表盘（含本 finalist 在 500 trials 中的位置）
+python scripts/build_optuna_dashboard.py
+
+# 5. 重新生成特征数据集（trade-level + trial-level parquet）
+python scripts/build_feature_datasets.py
+
+# 6. 重新生成本 registry 条目
+python scripts/build_registry_entry.py --finalist 3
+```
+
+EA `.ex5` / `.mq5` 和 MT5 使用的 `GoldScalperPro.set` 位于项目根目录。
+finalist 对应的 trial 编号是 **#492**，可在 Optuna dashboard 中定位。
+
+
+---
+
+## 9. 已知限制（沿用）
+
+1. **Optuna objective 预热 bug**（已于 2026-06-26 修复）：`scripts/optimize.py` 之前把 bars
+ 切到 IS 窗口后才传给 `objective()`，导致 EMA/RSI/ATR 在 IS 起点才开始预热。修复后
+ `ObjectiveConfig.signals_full_bars` 携带完整 M5 history，objective 在其上构建信号再切片
+ （镜像 `reeval_finalist_forward.py` 的预热模式）。本 finalist 批准于修复之前；
+ 用修复版重跑预计不会改变 finalist 集合（修复只影响 IS 起点约 14h 的稳定期）。
+2. **成交价约定**（次要）：Python 用半点差入场（close ± spread/2）；MT5 tester 用全点差
+ （ask = close + spread）。单 tick 差异，不复利放大。
+3. **ATR 种子边界效应**（若 MT5 报告存在则见 §6 差距）：Python parquet 与 MT5 tester
+ 内部 history 在 IS 起点附近微小偏离。在 risk-% 复利下可能让 Python net 膨胀。
+ MT5 数值才是可信值。
+4. **M1 OHLC 合成 tick**：4 sub-ticks × 5 M1 bars 模型是 MT5 真实 tick path 的近似。
+ 对 BE/trailing 策略，比 bar-level 大幅缩小差距（-48% → -5.6%），但仍非完美。
+
+
+---
+
+*来源工件：[studies/finalists/gold_scalper_pro_is2025-2026.json](../studies/finalists/gold_scalper_pro_is2025-2026.json)、
+[reports/IS-ReportTester-52845377.html](../reports/IS-ReportTester-52845377.html)、
+[reports/OOS-ReportTester-52845377.html](../reports/OOS-ReportTester-52845377.html)、
+[GoldScalperPro.mq5](../GoldScalperPro.mq5)、[GoldScalperPro.ex5](../GoldScalperPro.ex5)、
+[strategies/gold_scalper_pro/scalper_engine.py](../strategies/gold_scalper_pro/scalper_engine.py)。*
diff --git a/reports/optuna_dashboard_gold_scalper_pro_is2025.html b/reports/optuna_dashboard_gold_scalper_pro_is2025.html
index c59ceb1..6ad30f6 100644
--- a/reports/optuna_dashboard_gold_scalper_pro_is2025.html
+++ b/reports/optuna_dashboard_gold_scalper_pro_is2025.html
@@ -48,48 +48,48 @@
完成：500
剪枝：0
失败：0
- 最佳：trial #324, score=858.4740
+ 最佳：trial #491, score=186075.4000
-
-
-
-
-
-参数切片图（单参数影响）
每参数独立小图，避免 19 参数挤在 5400px 宽的复合图里导致标签重叠。
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-切片 — InpMinSecondsBetween
-等高线图（参数两两交互）
按 fANOVA 重要性 Top-6 参数两两配对，避免 19²=361 子图密集到无法读。
等高线 — InpDailyLossLimit × InpRsiSellLevel
-等高线 — InpDailyLossLimit × InpBreakEvenPoints
-等高线 — InpDailyLossLimit × InpRsiPeriod
-等高线 — InpDailyLossLimit × InpAtrSLMult
-等高线 — InpDailyLossLimit × InpTrailStartPoints
-等高线 — InpRsiSellLevel × InpBreakEvenPoints
-等高线 — InpRsiSellLevel × InpRsiPeriod
-等高线 — InpRsiSellLevel × InpAtrSLMult
-等高线 — InpRsiSellLevel × InpTrailStartPoints
-等高线 — InpBreakEvenPoints × InpRsiPeriod
-等高线 — InpBreakEvenPoints × InpAtrSLMult
-等高线 — InpBreakEvenPoints × InpTrailStartPoints
-等高线 — InpRsiPeriod × InpAtrSLMult
-等高线 — InpRsiPeriod × InpTrailStartPoints
-等高线 — InpAtrSLMult × InpTrailStartPoints
+
+
+
+
+
+参数切片图（单参数影响）
每参数独立小图，避免 19 参数挤在 5400px 宽的复合图里导致标签重叠。
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+切片 — InpMinSecondsBetween
+等高线图（参数两两交互）
按 fANOVA 重要性 Top-6 参数两两配对，避免 19²=361 子图密集到无法读。
等高线 — InpBreakEvenPoints × InpAtrTPMult
+等高线 — InpBreakEvenPoints × InpTrailStartPoints
+等高线 — InpBreakEvenPoints × InpFastEmaPeriod
+等高线 — InpBreakEvenPoints × InpRsiPeriod
+等高线 — InpBreakEvenPoints × InpRsiSellLevel
+等高线 — InpAtrTPMult × InpTrailStartPoints
+等高线 — InpAtrTPMult × InpFastEmaPeriod
+等高线 — InpAtrTPMult × InpRsiPeriod
+等高线 — InpAtrTPMult × InpRsiSellLevel
+等高线 — InpTrailStartPoints × InpFastEmaPeriod
+等高线 — InpTrailStartPoints × InpRsiPeriod
+等高线 — InpTrailStartPoints × InpRsiSellLevel
+等高线 — InpFastEmaPeriod × InpRsiPeriod
+等高线 — InpFastEmaPeriod × InpRsiSellLevel
+等高线 — InpRsiPeriod × InpRsiSellLevel