期货开仓记录分析工具

概览

该工具基于 Lib/future/records.csv 的期货开仓记录，输出以 平均盈亏 与 平均保证金收益率 为核心的多维度分析结果。脚本聚焦以下能力：

自动清洗与增强原始数据：提取品种代码、识别开盘后时间段、计算保证金收益率、穿越均线数量、成交额分组等 15+ 个衍生字段。
提供单一文件内的全套统计汇总、CSV 导出和可视化图表，方便快速洞察交易表现。
所有结果默认输出至 Lib/future/analysis_results/ 目录，便于后续复盘或回测。

核心功能

数据预处理

标的字段自动解析出品种代码（如“原油2002(SC2002.XINE)”→“SC”），提取成功率 100%。
结合 MAPatternStrategy_v002.py 中的交易时间，计算 <30分钟 / 30-60分钟 / >1小时 三段开仓延迟区间。
构建保证金收益率（交易盈亏 ÷ 保证金 × 100）、交易时段（夜盘/上午/下午）、穿越均线数量、成交额分组等指标。

多维度统计

均线组合：统计出现次数、平均盈亏、平均保证金收益率、胜率与盈亏比，可快速筛选表现最稳健的组合。
开盘后时间段：对比不同开仓延迟区间的平均盈亏与保证金收益率，直观判断开仓时机的重要性。
均线 × 时间段交叉：同时查看胜率、平均盈亏、平均保证金收益率三张热力图，定位最优战术组合。
交易类型 / 品种 / 品种代码：支持从“开多/开空”“商品/金融”“Top 品种代码”多层级对比收益表现。
其他维度：控制台输出仍覆盖成交额分组、交易时段、穿越均线数量、多空对比、夜盘属性与组合策略排名等信息。

可视化输出（PNG）

ma_lines_analysis.png
- 4 个子图：出现次数、胜率、平均盈亏、平均保证金收益率，全部带数值标注，重点突出收益类指标。
time_segment_analysis.png
- 展示三个开盘时间段的平均盈亏与平均保证金收益率对比（双柱状图）。
cross_analysis_heatmap.png
- 3 张热力图：胜率、平均盈亏、平均保证金收益率（均线组合 × 开盘时间段）。
variety_analysis.png
- 交易类型与品种类型的胜率/收益率对比，快速锁定得分最高的资产类别。

说明：旧的 additional_analysis.png 已移除，所有图表均以平均盈亏与保证金收益率为主视角。

CSV 输出

文件	说明
`records_enhanced.csv`	增强后的明细数据，包含所有衍生字段
`ma_lines_stats.csv`	各均线组合的综合统计
`time_segment_stats.csv`	三段开盘时间的统计
`symbol_stats.csv`	各品种代码的统计
`combo_strategy_stats.csv`	“均线组合×时间段×方向” 组合，样本量≥5

使用指南

1. 安装依赖

pip install pandas numpy matplotlib seaborn

2. 运行脚本

cd Lib/future
python records_analysis.py

3. 输出内容

控制台：打印各维度汇总表，含样本量、平均盈亏、平均保证金收益率等。
analysis_results/：自动生成 PNG 图表与 CSV 文件。

指标解释

指标	定义
出现次数	分组内的交易笔数
胜率	盈利笔数 / 总笔数（`交易盈亏 > 0` 为盈利）
平均盈亏	交易盈亏字段的均值（元）
盈亏比	平均盈利金额 / 平均亏损金额（绝对值）
平均保证金收益率	单笔收益率（盈亏/保证金×100）的平均值

时间段计算：用品种对应的 trading_start_time 与委托时间求差，自动处理夜盘跨日情况；交易时段依次划分为夜盘（21:00-03:00）、上午（09:00-12:00）与下午（12:00-16:00）。

数据洞察速览（基于 1061 条样本）

开仓时机：<30分钟平均盈亏 11,256 元、保证金收益率 5.73%，显著优于 >1小时段（1,073 元 / 4.17%）。
均线组合：MA20;MA30 在平均盈亏与保证金收益率上均表现亮眼（6,160 元 / 10.36%）。
交易类型：开多的平均保证金收益率 5.38%，高于开空的 3.20%。
品种类型：金融期货的平均保证金收益率 7.68%，显著优于商品期货的 3.42%。
组合策略：MA10;MA20 + >1小时 + 开空 的平均保证金收益率 21.25%，位列历史最佳组合之一。

以上数字会随最新数据自动更新，可直接参考控制台及 CSV 输出。

文件结构

Lib/future/
├── records.csv                 # 原始交易记录
├── records_analysis.py         # 主分析脚本
├── README_records_analysis.md  # 本文档
└── analysis_results/           # 输出目录
    ├── *.png                   # 4 张可视化图表
    ├── records_enhanced.csv    # 增强后的明细
    ├── ma_lines_stats.csv
    ├── time_segment_stats.csv
    ├── symbol_stats.csv
    └── combo_strategy_stats.csv

扩展建议

添加更多维度：如持仓时长、波动率、止损/止盈比例等指标。
引入机器学习：基于历史组合表现搭建简单的策略筛选模型。
交互分析：将 CSV 导入 Notebook、BI 工具或 Plotly Dash 进行动态探索。

技术栈

Python 3.x
pandas / numpy：数据处理与统计
matplotlib / seaborn：绘图与热力图

如需调整统计口径或新增图表，可直接修改 records_analysis.py，所有逻辑均已模块化拆分，便于快速扩展。

README_records_analysis.md 5.5 KB Histórico Em bruto