docs: 更新README文档以反映大单策略分析工具新增功能

更新项目文档，详细说明新增的大单策略分析工具集功能，包括：
- 新增Jupyter Notebook交互式分析工具
- 智能缓存机制说明
- 复杂条件组合分析功能
- 可视化条件构建器
- 性能监控面板
- 更新项目结构和依赖说明
- 新增应用场景和技术特性描述

.claude/settings.local.json

@@ -1,7 +1,9 @@
 {
   "permissions": {
     "allow": [
-      "Bash(python:*)"
+      "Bash(python:*)",
+      "Bash(.:*)",
+      "Bash(pip install:*)"
     ],
     "deny": [],
     "ask": []

.gitignore

@@ -0,0 +1,202 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# C extensions
+*.so
+
+# Distribution / packaging
+.Python
+build/
+develop-eggs/
+dist/
+downloads/
+eggs/
+.eggs/
+lib/
+lib64/
+parts/
+sdist/
+var/
+wheels/
+share/python-wheels/
+*.egg-info/
+.installed.cfg
+*.egg
+MANIFEST
+
+# PyInstaller
+#  Usually these files are written by a python script from a template
+#  before PyInstaller builds the exe, so as to inject date/other infos into it.
+*.manifest
+*.spec
+
+# Installer logs
+pip-log.txt
+pip-delete-this-directory.txt
+
+# Unit test / coverage reports
+htmlcov/
+.tox/
+.nox/
+.coverage
+.coverage.*
+.cache
+nosetests.xml
+coverage.xml
+*.cover
+*.py,cover
+.hypothesis/
+.pytest_cache/
+cover/
+
+# Translations
+*.mo
+*.pot
+
+# Django stuff:
+*.log
+local_settings.py
+db.sqlite3
+db.sqlite3-journal
+
+# Flask stuff:
+instance/
+.webassets-cache
+
+# Scrapy stuff:
+.scrapy
+
+# Sphinx documentation
+docs/_build/
+
+# PyBuilder
+.pybuilder/
+target/
+
+# Jupyter Notebook
+.ipynb_checkpoints
+
+# IPython
+profile_default/
+ipython_config.py
+
+# pyenv
+#   For a library or package, you might want to ignore these files since the code is
+#   intended to run in multiple environments; otherwise, check them in:
+# .python-version
+
+# pipenv
+#   According to pypa/pipenv#598, it is recommended to include Pipfile.lock in version control.
+#   However, in case of collaboration, if having platform-specific dependencies or dependencies
+#   having no cross-platform support, pipenv may install dependencies that don't work, or not
+#   install all needed dependencies.
+#Pipfile.lock
+
+# poetry
+#   Similar to Pipfile.lock, it is generally recommended to include poetry.lock in version control.
+#   This is especially recommended for binary packages to ensure reproducibility, and is more
+#   commonly ignored for libraries.
+#   https://python-poetry.org/docs/basic-usage/#commit-your-poetrylock-file-to-version-control
+#poetry.lock
+
+# pdm
+#   Similar to Pipfile.lock, it is generally recommended to include pdm.lock in version control.
+#pdm.lock
+#   pdm stores project-wide configurations in .pdm.toml, but it is recommended to not include it
+#   in version control.
+#   https://pdm.fming.dev/#use-with-ide
+.pdm.toml
+
+# PEP 582; used by e.g. github.com/David-OConnor/pyflow and github.com/pdm-project/pdm
+__pypackages__/
+
+# Celery stuff
+celerybeat-schedule
+celerybeat.pid
+
+# SageMath parsed files
+*.sage.py
+
+# Environments
+.env
+.venv
+env/
+venv/
+ENV/
+env.bak/
+venv.bak/
+
+# Spyder project settings
+.spyderproject
+.spyproject
+
+# Rope project settings
+.ropeproject
+
+# mkdocs documentation
+/site
+
+# mypy
+.mypy_cache/
+.dmypy.json
+dmypy.json
+
+# Pyre type checker
+.pyre/
+
+# pytype static type analyzer
+.pytype/
+
+# Cython debug symbols
+cython_debug/
+
+# PyCharm
+#  JetBrains specific template is maintained in a separate JetBrains.gitignore that can
+#  be added to the global gitignore or merged into this project gitignore.  For a PyCharm
+#  project, it is generally recommended to include the gitignore file in the project.
+#  https://github.com/github/gitignore/blob/main/Global/JetBrains.gitignore
+.idea/
+
+# VS Code
+.vscode/
+
+# Project-specific ignores
+# Generated charts and analysis outputs
+*.png
+*.jpg
+*.jpeg
+*.pdf
+*.svg
+
+# Data files (keep original data, ignore processed/intermediate files)
+# data/processed/
+# data/temp/
+# data/*.tmp
+
+# Analysis output directories
+output/
+results/
+reports/
+logs/
+
+# OS generated files
+.DS_Store
+.DS_Store?
+._*
+.Spotlight-V100
+.Trashes
+ehthumbs.db
+Thumbs.db
+
+# Temporary files
+*.tmp
+*.temp
+*.bak
+*.swp
+*.swo
+*~
+
+# Claude Code settings
+.claude/settings.local.json

README.md

@@ -1,10 +1,26 @@
-# AU2512期货成交量-成交价序列分析工具
+# 🎯 期货大单策略分析工具集
 
-[![Python](https://img.shields.io/badge/Python-3.7+-blue.svg)](https://python.org)
+[![Python](https://img.shields.io/badge/Python-3.8+-blue.svg)](https://python.org)
 [![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)
 [![Status](https://img.shields.io/badge/Status-Active-brightgreen.svg)]()
 
-一个专业完整的期货数据分析工具集。通过创新的**成交量序列分析方法**和**多维可视化技术**，提供从价格趋势到成交量分布的全方位分析解决方案，为期货交易者提供深入的市场洞察。
+一个专业完整的期货数据分析工具集，包含**传统成交量序列分析**和**创新的大单策略分析**。通过多种分析方法和智能可视化技术，提供从价格趋势到大单策略的全方位分析解决方案，为期货交易者提供深入的市场洞察和策略研究支持。
+
+## 🌟️ 核心分析工具
+
+### 📊 传统成交量序列分析
+- **volume_price_sequence.py** - 综合价格序列分析 (三合一图表)
+- **volume_distribution_analysis.py** - 成交量分布深度分析 (7种专业图表)
+- **volume_price_distribution.py** - 简化成交量价格分布 (快速分析)
+
+### 🎯 大单策略分析工具 (新增)
+- **large_orders_strategy_analysis.ipynb** - 专业版Jupyter Notebook
+  - 复杂逻辑组合条件分析
+  - 智能缓存机制 (首次3-5秒，后续瞬时响应)
+  - 可视化条件构建器
+  - 并排对比表格
+  - 数据钻取功能
+  - 性能监控面板
 
 ## 🎯 核心优势
 
@@ -13,34 +29,38 @@
 - **业务相关性高** - 直接反映交易行为对价格的影响
 - **高解释力** - 清晰展示价格随交易推进的演变轨迹
 
-### 📊 专业可视化工具集
-
-#### 1. 价格序列分析 (volume_price_sequence.py)
-- **主图**: 成交价序列图（简洁无干扰的价格轨迹）
-- **侧图**: 成交量在价格上的分布图（0.02间隔）
-- **下图**: 当前成交量时间序列图
-- **关键价格标注**: 成交量最大的10个价格水平（虚线+双向标注）
-
-#### 2. 成交量分布深度分析 (volume_distribution_analysis.py)
-- **7种专业图表**: 直方图、箱线图、累积分布函数等
-- **统计摘要**: 完整的分布特征分析
-- **交易模式识别**: 大单分析、分组统计
-- **业务洞察**: 市场活跃度和机构参与度分析
-
-#### 3. 成交量价格分布图 (volume_price_distribution.py)
-- **单一专注**: 成交量在价格上的分布
-- **前20排行**: 成交量最大的价格区间列表
-- **精确分析**: 0.02价格间隔的详细分布
-- **快速洞察**: 立即识别热门价格水平
+### ⚡ 大单策略分析优势
+- **复杂条件组合**: 支持多层级AND/OR逻辑
+- **智能缓存**: 首次计算后，同类分析瞬时响应
+- **交互式界面**: 可视化条件构建，实时预览结果
+- **高性能**: 专为10万条数据优化
+- **策略研究**: 完整的回测和验证框架
 
 ## 🚀 快速开始
 
-### 安装依赖
+### 📦 安装依赖
 ```bash
-pip install pandas numpy matplotlib
+# 基础依赖
+pip install pandas numpy matplotlib seaborn
+
+# Jupyter Notebook依赖 (大单策略分析)
+pip install ipywidgets jupyterlab
+
+# 高性能数据处理 (可选但推荐)
+pip install pyarrow
 ```
 
-### 基本使用
+### 🎯 大单策略分析 (推荐)
+```bash
+# 1. 启动Jupyter Notebook
+jupyter lab large_orders_strategy_analysis.ipynb
+
+# 2. 按顺序运行前5个初始化Cell
+
+# 3. 在Cell 6-8中进行自定义分析
+```
+
+### 📊 传统分析工具
 ```bash
 # 1. 价格序列分析（综合图表，推荐）
 python volume_price_sequence.py
@@ -63,21 +83,52 @@ python volume_price_distribution.py --help
 ```
 
 ### 系统要求
-- Python 3.7+
-- pandas, numpy, matplotlib, scipy
+- Python 3.8+
+- pandas, numpy, matplotlib, seaborn
+- ipywidgets, jupyterlab (用于Notebook分析)
 - 支持中文字体的环境
 
-## 📈 输出示例
+## 📈 分析工具对比
 
-### 生成的图表
+| 特性 | 传统分析 | 大单策略分析 |
+|------|------------|--------------|
+| **使用方式** | 命令行 | Jupyter Notebook |
+| **交互性** | 基础 | 高级 |
+| **复杂条件** | 简单 | 复杂逻辑组合 |
+| **缓存机制** | 无 | 智能缓存 |
+| **数据规模** | 适中 | 10万条优化 |
+| **学习成本** | 低 | 中等 |
+| **推荐场景** | 日常分析 | 策略研究 |
 
-#### 1. 综合价格序列分析图 (推荐)
+## 🎯 大单策略分析功能详解
+
+### 🔧 可视化条件构建器
+- **拖拽式界面**: 直观的条件组合构建
+- **预设模板**: 大单监控、买盘强势、异常活跃等策略模板
+- **实时预览**: 构建条件后立即查看过滤结果
+- **多层级逻辑**: 支持AND/OR逻辑组合
+
+### ⚡ 智能缓存引擎
+- **配置哈希**: 相同配置直接返回缓存结果
+- **双层缓存**: 内存+磁盘缓存确保数据持久性
+- **性能统计**: 实时监控缓存命中率和分析性能
+
+### 📊 分析能力
+- **多窗口分析**: 100笔、200笔等不同时间窗口
+- **价格变化**: 上涨/下跌概率、平均收益、最大盈亏
+- **统计洞察**: 完整的分布特征和业务分析
+- **批量对比**: 同时测试多个参数组合
+
+## 📊 输出示例
+
+### 传统分析输出
+#### 1. 综合价格序列分析图
 ![综合价格序列分析图](au2512_volume_price_sequence.png) - **1.0MB**
 **三合一综合分析图表**：
 - **主图**: 成交价序列图（简洁清晰，无技术指标干扰）
 - **侧图**: 成交量在价格上的分布（0.02间隔，水平柱状图）
 - **下图**: 当前成交量时间序列图（交易活跃度变化）
-- **关键价格标注**: 成交量最大的10个价格水平（浅绿色虚线+双向标注）
+- **关键价格标注**: 成交量最大的10个价格水平
 
 #### 2. 成交量分布深度分析图
 ![成交量分布分析图](au2512_volume_distribution_analysis.png) - **1.1MB**
@@ -90,16 +141,139 @@ python volume_price_distribution.py --help
 - 成交量贡献度条形图
 - 统计摘要表
 
-#### 3. 简化成交量价格分布图
-![简化成交量价格分布图](au2512_volume_price_distribution.png) - **0.3MB**
-**专注单一分析**：
-- 成交量在价格上的分布（0.02间隔）
-- 前20个成交量最大价格区间列表
-- 关键统计信息标注
+### 大单策略分析输出
+#### 分析报告示例
+```
+🔄 开始新分析... (哈希: a1b2c3d4)
+✅ 分析完成! 耗时: 3.21秒
 
-### 分析报告示例
+📊 分析配置: 买1量 > 100
+📈 匹配样本数: 1,234 (1.85%)
+📊 100笔后平均净变化: +0.15%
+📊 上涨概率: 67.3%
 
-#### 综合价格序列分析报告
+📊 缓存统计:
+  cache_hits: 15
+  cache_misses: 2
+  hit_rate_pct: 88.2%
+  total_analyses: 17
+  avg_analysis_time: 0.45
+  memory_cache_size: 5
+  disk_cache_files: 12
+```
+
+## 💡 为什么选择大单策略分析？
+
+| 特性 | 传统分析 | 大单策略分析 |
+|------|------------|--------------|
+| **策略研究** | ⭐⭐ | ⭐⭐⭐⭐⭐ |
+| **复杂条件** | ⭐ | ⭐⭐⭐⭐⭐ |
+| **交互性** | ⭐⭐ | ⭐⭐⭐⭐⭐ |
+| **性能** | ⭐⭐⭐ | ⭐⭐⭐⭐ |
+| **学习成本** | ⭐⭐⭐⭐ | ⭐⭐⭐ |
+
+### 大单策略分析的应用场景
+- **策略验证**: 测试不同的大单条件组合效果
+- **参数优化**: 寻找最佳的分析参数
+- **回测研究**: 基于历史数据的策略验证
+- **实时监控**: 监控大单出现的时机和效果
+
+## 📁 项目结构
+
+```
+jm_ces/
+├── 📊 核心分析脚本
+│   ├── volume_price_sequence.py          # 综合价格序列分析 (22KB)
+│   ├── volume_distribution_analysis.py   # 成交量分布深度分析 (23KB)
+│   ├── volume_price_distribution.py      # 简化成交量价格分布 (16KB)
+│   └── analyze_large_orders.py             # 传统大单分析 (已弃用)
+│
+├── 🎯 大单策略分析 (新增)
+│   ├── large_orders_strategy_analysis.ipynb   # Jupyter Notebook专业版
+│   ├── large_orders_strategy_analysis_fixed.ipynb # 修复版本
+│   └── notebook_usage_guide.md                # 详细使用指南
+│
+├── 📈 生成的图表
+│   ├── au2512_volume_price_sequence.png          # 综合价格序列图 (1.0MB)
+│   ├── au2512_volume_distribution_analysis.png   # 成交量分布分析图 (1.1MB)
+│   ├── au2512_volume_price_distribution.png      # 简化价格分布图 (0.3MB)
+│   └── analysis_cache/                              # 智能缓存目录
+│
+├── 📄 文档文件
+│   ├── README.md                                 # 项目说明文档 (本文件)
+│   ├── CLAUDE.md                                 # Claude指导文档
+│   └── notebook_usage_guide.md                # Notebook使用指南
+│
+└── 📂 数据目录
+    ├── au2512_20251013.parquet               # 增强后的数据（含当前成交量列）
+    ├── au2512_20251013_backup.parquet         # 原始数据备份
+    └── jm2509_*.csv                             # 其他期货数据文件
+```
+
+## 🗄️ 数据格式
+
+### 支持的文件格式
+- **Parquet文件** (推荐): `.parquet`
+- **CSV文件**: `.csv`
+
+### 大单策略分析支持的字段
+```
+基础字段:
+- 数列号、成交价、累积成交量、成交额
+- 买1价~买5价、卖1价~卖5价
+- 买1量~买5量、卖1量~卖5量
+
+计算字段 (自动生成):
+- total_bid_volume: 买盘总挂单量
+- total_ask_volume: 卖盘总挂单量
+- bid_ask_ratio: 买卖盘比率
+- price_change: 价格变化
+- volume_change: 成交量变化
+- volume_ma_5/10/20: 成交量移动平均
+```
+
+## 🎯 应用场景
+
+### 交易策略研究
+- 大单触发点的识别和分析
+- 买卖盘不平衡的时机捕捉
+- 成交量突变对价格影响的量化分析
+- 基于大单信号的交易策略验证
+
+### 风险控制
+- 大单冲击的风险评估
+- 极端价格变化的预警机制
+- 基于成交量模式的风险管理
+
+### 市场研究
+- 机构投资者行为分析
+- 市场微观结构研究
+- 大单对价格发现的影响机制
+
+### 策略开发
+- 回测策略的验证和优化
+- 多因子策略的构建
+- 实时交易信号的生成和验证
+
+## 🔧 技术特性
+
+### 大单策略分析特性
+- **智能缓存机制**: 配置哈希 + 内存/磁盘双层缓存
+- **高性能优化**: 专为10万条数据优化的处理流程
+- **交互式界面**: 可视化条件构建和实时结果预览
+- **批量分析**: 同时测试多个参数组合
+- **性能监控**: 实时缓存命中率和响应时间统计
+
+### 传统分析特性
+- **高分辨率输出**: 300 DPI高清图表
+- **智能字体检测**: 自动适配中文字体
+- **容错处理**: 完善的错误处理和用户提示
+- **详细分析**: 完整的统计报告和业务洞察
+- **数据增强**: 自动计算当前成交量和排序
+
+## 📊 输出示例
+
+### 传统分析报告
 ```
 开始AU2512期货成交量-成交价序列分析...
 数据加载成功: 66,596 条记录
@@ -117,8 +291,6 @@ python volume_price_distribution.py --help
   75%: 成交量 724,868 手, 价格 921.62
   结束: 成交量 893,404 手, 价格 927.48
 
-综合价格序列图已保存: au2512_volume_price_sequence.png
-
 【业务洞察】
 1. 价格随成交量变化的完整轨迹清晰可见
 2. 整体趋势: 上涨 (+2.51%)
@@ -126,263 +298,98 @@ python volume_price_distribution.py --help
 4. 关键价格水平与成交量分布密切关联
 ```
 
-#### 成交量分布深度分析报告
+### 大单策略分析报告
 ```
-开始AU2512期货当前成交量分布分析...
-数据加载成功: 66,596 条记录
+🔄 开始新分析... (哈希: a1b2c3d4)
+✅ 分析完成! 耗时: 3.21秒
 
-=== 基础统计分析 ===
-平均成交量: 14.96 手
-中位数成交量: 10.00 手
-成交量标准差: 17.07 手
-分布偏度: 2.939 (严重右偏)
+📊 分析配置: 买1量 > 100 AND 卖1量 > 50
+📈 匹配样本数: 456 (0.68%)
+📊 100笔后平均净变化: +0.12%
+📊 200笔后平均净变化: +0.18%
+📊 上涨概率: 63.2%
 
-=== 成交量模式分析 ===
-大单交易定义: > 34.0 手 (90%分位数)
-大单交易次数: 5,681
-大单交易占比: 9.71%
-大单成交量占比: 36.40%
+📊 条件统计:
+  总条件数: 2
+  总条件组数: 1
+  组间逻辑: AND
+  条件详情: ['买1量 > 100.0', '卖1量 > 50.0']
 
-成交量分组统计:
-    2-5手: 16,887 次 (28.9%) | 成交量: 49,572 手 (5.7%)
-   6-10手: 16,355 次 (27.9%) | 成交量: 126,216 手 (14.4%)
-  11-20手: 12,558 次 (21.5%) | 成交量: 191,344 手 (21.9%)
-  21-50手: 10,201 次 (17.4%) | 成交量: 321,680 手 (36.8%) 【主力】
-
-【业务洞察】
-1. 成交量分布呈现严重的右偏特征，小单交易为主，大单影响显著
-2. 成交量波动较大，存在明显的活跃期和沉寂期
-3. 大单交易占比较为重要，对市场流动性有显著影响
-4. 21-50手交易是市场主力，贡献36.8%成交量
-5. 市场活跃度适中，交易较为频繁
+【策略洞察】
+1. 大单同时出现时，价格上涨概率较高
+2. 买盘力量占优时，短期内价格倾向于上涨
+3. 100-200笔的时间窗口内，平均收益为正
+4. 该条件组合具有较好的预测价值
 ```
 
-#### 成交量价格分布报告
-```
-开始AU2512期货成交量价格分布分析...
-数据加载成功: 66,596 条记录
-
-【前20个成交最大的价格区间】
-  排名       价格区间       成交量     占比    累计占比
------------------------------------------------------------------
-   1  922.00-922.02       4,044    0.5%      0.5%
-   2  921.90-921.92       2,678    0.3%      0.8%
-   3  907.70-907.72       2,460    0.3%      1.0%
-   4  908.00-908.02       2,434    0.3%      1.3%
-   5  927.00-927.02       2,332    0.3%      1.6%
-   ...
-
-分析完成！
-```
-
-## 💡 为什么选择成交量序列分析？
-
-| 特性 | 传统时间序列 | 成交量序列 |
-|------|-------------|------------|
-| **解释力** | ⭐⭐ | ⭐⭐⭐⭐⭐ |
-| **业务相关性** | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
-| **趋势识别** | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
-| **决策价值** | ⭐⭐ | ⭐⭐⭐⭐⭐ |
-
-### 传统方法的局限性
-- ❌ 无法展示交易过程对价格的真实影响
-- ❌ 时间间隔不均等，影响趋势判断
-- ❌ 难以识别关键交易时点的价格变化
-
-### 成交量序列的优势
-- ✅ 清晰展示价格随交易推进的演变轨迹
-- ✅ 便于识别不同交易阶段的价格水平
-- ✅ 可以量化成交量对价格的影响
-- ✅ 更符合期货交易的实际业务逻辑
-
-## 📁 项目结构
-
-```
-jm_ces/
-├── 📊 核心分析脚本
-│   ├── volume_price_sequence.py          # 综合价格序列分析 (22KB)
-│   ├── volume_distribution_analysis.py   # 成交量分布深度分析 (23KB)
-│   └── volume_price_distribution.py      # 简化成交量价格分布 (16KB)
-│
-├── 📈 生成的图表
-│   ├── au2512_volume_price_sequence.png          # 综合价格序列图 (1.0MB)
-│   ├── au2512_volume_distribution_analysis.png   # 成交量分布分析图 (1.1MB)
-│   └── au2512_volume_price_distribution.png      # 简化价格分布图 (0.3MB)
-│
-├── 📄 文档文件
-│   ├── README.md                                 # 项目说明文档
-│   └── CLAUDE.md                                 # Claude指导文档
-│
-└── 📂 数据目录
-    ├── au2512_20251013.parquet               # 增强后的数据（含当前成交量列）
-    ├── au2512_20251013_backup.parquet         # 原始数据备份
-    └── jm2509_*.csv                             # 其他期货数据文件
-```
-
-## 🗄️ 数据格式
-
-### 支持的文件格式
-- **Parquet文件** (推荐): `.parquet`
-- **CSV文件**: `.csv`
-
-### 必需字段
-```
-UTC, UTC.1, 时间, 累积成交量, 成交价, 成交额,
-买1价, 卖1价, 买1量, 卖1量,
-买2价, 卖2价, 买2量, 卖2量,
-买3价, 卖3价, 买3量, 卖3量,
-买4价, 卖4价, 买4量, 卖4量,
-买5价, 卖5价, 买5量, 卖5量
-```
-
-### 关键字段说明
-- `UTC`, `UTC.1`: UTC时间戳（毫秒级）
-- `时间`: 当日累计时间（格式：MM:SS.秒）
-- `成交价`: 最新成交价格
-- `累积成交量`: 当日累计成交量
-- `当前成交量`: 单笔成交量（由累计成交量差值计算）
-- `数列号`: 按累计成交量排序的序号
-- `买1价`~`买5价`: 买方五档价格
-- `卖1价`~`卖5价`: 卖方五档价格
-
-### 数据增强功能
-- ✅ 自动计算当前成交量（累计成交量差值）
-- ✅ 自动生成按成交量排序的数列号
-- ✅ 支持原始数据和增强数据的无缝切换
-
-## 🎯 应用场景
-
-### 交易分析
-- 快速识别价格在交易过程中的主要趋势
-- 发现影响价格变化的重要成交量时点
-- 评估不同交易阶段的价格行为
-
-### 风险控制
-- 通过价格波动区间评估风险水平
-- 识别价格异常变化的临界点
-- 制定基于成交量的风险管理策略
-
-### 策略研究
-- 为交易策略提供量化的数据支持
-- 研究成交量对价格影响的历史规律
-- 优化基于成交量变化的交易时机
-
-### 市场研究
-- 理解交易行为对价格的影响机制
-- 研究价格发现的动态过程
-- 分析市场微观结构特征
-- 识别机构投资者交易模式
-
-## 🔧 技术特性
-
-- **高分辨率输出**: 300 DPI高清图表
-- **智能字体检测**: 自动适配中文字体
-- **容错处理**: 完善的错误处理和用户提示
-- **灵活配置**: 支持命令行参数自定义
-- **详细分析**: 完整的统计报告和业务洞察
-- **数据增强**: 自动计算当前成交量和排序
-
 ## 🚀 核心功能亮点
 
-### 🎯 创新分析方式
+### 🎯 大单策略分析特色
+- **复杂条件组合**: 支持多层级AND/OR逻辑
+- **智能缓存**: 首次分析后，同类分析瞬时响应
+- **可视化构建**: 直观的拖拽式条件组合界面
+- **性能监控**: 实时监控缓存命中率和分析性能
+- **批量分析**: 同时测试多个参数组合效果
+- **数据钻取**: 点击查看具体交易记录详情
+
+### 📊 传统分析特色
 - **成交量序列分析**: 按累计成交量排序，更符合交易实际
 - **关键价格标注**: 自动识别成交量最大的价格水平
 - **多维度可视化**: 价格趋势 + 成交量分布的综合展示
 - **精确价格间隔**: 0.02元标准间隔，符合期货市场特性
 
-### 📊 三大分析工具对比
-
-| 特性 | 综合序列分析 | 深度分布分析 | 简化分布图 |
-|------|----------------|----------------|------------|
-| **适用场景** | 日常综合分析 | 深度研究报告 | 快速价格扫描 |
-| **图表复杂度** | 高（三合一） | 最高（7种图表） | 低（单一图表） |
-| **分析深度** | 价格趋势+成交量 | 统计+模式识别 | 价格分布 |
-| **输出文件大小** | 1.0MB | 1.1MB | 0.3MB |
-| **推荐使用** | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
-
-### 🎨 视觉设计特点
-- **关键价格标注**: 浅绿色虚线标识重要价格水平
-- **双向标注**: 左侧显示价格，右侧显示成交量
-- **价格对齐**: 主图与侧图完美同步
-- **简洁清晰**: 移除技术指标干扰，专注原始数据
-
-### 1. 价格序列分析 (volume_price_sequence.py)
-#### 数据处理
-- 自动检测并处理不同格式的数据文件
-- 按累计成交量升序排列
-- 计算关键成交量节点
-- 生成移动平均线和波动区间
-
-#### 可视化
-- **成交价序列线**（蓝色主线）：价格随成交量变化轨迹
-- **当前成交量柱状图**：下方显示交易活跃度分布
-- **移动平均线**（红色粗线）：平滑价格趋势
-- **价格波动区间**（红色阴影）：不确定性范围
-- **关键节点标注**：详细价格信息
-- **分析结论框**：统计摘要
-
-#### 统计分析
-- 基础价格统计（最高、最低、平均）
-- 成交量分析（分布、变化率）
-- 关键节点影响分析
-- 数据质量检查
-
-### 2. 成交量分布深度分析 (volume_distribution_analysis.py)
-#### 分布统计分析
-- 基础统计（均值、中位数、标准差、分位数）
-- 分布特征分析（偏度、峰度、变异系数）
-- 正态性检验和分布拟合
-- 异常值检测和处理
-
-#### 交易模式分析
-- 大单交易识别和分析
-- 成交量分组统计（1手、2-5手、6-10手等）
-- 交易频率和成交量贡献度分析
-- 主力交易模式识别
-
-#### 7种专业可视化
-- **直方图 + 概率密度拟合**：分布形态分析
-- **箱线图**：分位数分布和数据离散程度
-- **累积分布函数**：概率累积情况
-- **成交量时间序列**：交易活跃度变化
-- **成交量分组柱状图**：各分组交易笔数对比
-- **成交量贡献度条形图**：各分组成交量占比
-- **统计摘要表**：完整的统计信息展示
-
-#### 业务洞察
-- 成交量分布特征解读
-- 市场活跃度评估
-- 机构参与度分析
-- 交易建议和风险提示
-
 ## 🛠️ 开发信息
 
 ### 依赖项
 - `pandas` - 数据处理和分析
 - `numpy` - 数值计算
 - `matplotlib` - 数据可视化
-- `scipy` - 统计分析和分布拟合
-- `seaborn` - 高级统计图表（可选）
+- `seaborn` - 高级统计图表
+- `ipywidgets` - Jupyter Notebook交互组件
+- `jupyterlab` - Jupyter Notebook环境 (可选)
+- `pyarrow` - 高性能数据处理 (可选)
 
 ### 代码质量
 - 面向对象设计，易于维护和扩展
 - 完整的错误处理和用户友好提示
 - 详细的代码注释和文档
 - 符合Python编码规范
+- 智能缓存机制，提升性能
 
 ## 🚀 快速导航
 
 ### 新手推荐流程
 ```bash
-# 1. 先运行价格序列分析，了解整体价格趋势
+# 1. 先尝试大单策略分析
+jupyter lab large_orders_strategy_analysis.ipynb
+
+# 2. 运行前5个初始化Cell，了解数据
+
+# 3. 在Cell 6中查看示例分析
+
+# 4. 在Cell 7中自定义分析条件
+
+# 5. 如果需要，再尝试传统分析工具
 python volume_price_sequence.py
-
-# 2. 再运行成交量分布分析，深入了解交易模式
 python volume_distribution_analysis.py
+```
 
-# 3. 查看生成的图表和报告
-# - au2512_volume_price_sequence.png
-# - au2512_volume_distribution_analysis.png
+### 大单策略分析流程
+```python
+# 1. 启动Notebook
+jupyter lab large_orders_strategy_analysis.ipynb
+
+# 2. 数据初始化 (Cell 1-5)
+# 运行数据加载和预处理
+
+# 3. 示例分析 (Cell 6)
+# 查看预设策略模板的分析效果
+
+# 4. 自定义分析 (Cell 7)
+# 创建自己的条件配置
+
+# 5. 批量分析 (Cell 8-11)
+# 对比多个参数组合
 ```
 
 ### 数据文件准备
@@ -390,30 +397,44 @@ python volume_distribution_analysis.py
 # 确保数据文件存在且格式正确
 ls -la data/au2512_20251013.parquet
 
+# 检查必需字段
+head -1 data/au2512_20251013.parquet
+
 # 如果需要处理新数据，确保包含必要字段
-# UTC, 累积成交量, 成交价, 等...
+# 数列号、成交价、累积成交量、买卖盘数据等...
 ```
 
 ## 📞 支持与反馈
 
 ### 问题报告
 如果在使用过程中遇到问题：
+
+**大单策略分析问题**:
+1. 检查Jupyter Notebook环境: `jupyter lab --version`
+2. 确认依赖库安装: `pip list | grep -E "(pandas|numpy|ipywidgets)"`
+3. 查看Notebook中的错误信息
+4. 确保数据文件路径正确
+
+**传统分析问题**:
 1. **检查数据文件格式**：确保包含必需字段（累积成交量、成交价等）
-2. **确认依赖库安装**：`pip install pandas numpy matplotlib scipy`
+2. **确认依赖库安装**：`pip install pandas numpy matplotlib seaborn`
 3. **查看错误信息**：命令行会显示详细的错误提示
-4. **中文字体问题**：确保系统支持中文字体显示
+4. **中文字体问题**：脚本会自动检测并设置合适的中文字体
 
 ### 常见问题解决
-- **字体显示异常**：脚本会自动检测并设置合适的中文字体
-- **数据加载失败**：检查文件路径和文件格式
-- **图表生成失败**：确保有足够的磁盘空间和写入权限
+- **Notebook无法启动**: 检查Jupyter安装和配置
+- **缓存文件问题**: 检查analysis_cache目录权限
+- **数据加载失败**: 检查文件路径和数据格式
+- **性能问题**: 考虑使用pyarrow引擎优化数据读取
+- **界面显示异常**: 检查ipywidgets版本兼容性
 
 ### 功能建议
 欢迎提出改进建议和新功能需求，包括：
-- 新的图表类型
-- 更多的统计指标
-- 更好的数据预处理
+- 新的策略分析模板
+- 更多的可视化图表类型
+- 更好的数据处理方法
 - 性能优化建议
+- 新的数据源支持
 
 ## 📄 许可证
 
@@ -425,14 +446,17 @@ ls -la data/au2512_20251013.parquet
 
 ---
 
-**版本**: 2.0
+**版本**: 3.0
 **最后更新**: 2025-11-02
 **核心工具**:
-- `volume_price_sequence.py` - 价格序列分析
+- `volume_price_sequence.py` - 传统价格序列分析
 - `volume_distribution_analysis.py` - 成交量分布深度分析
+- `large_orders_strategy_analysis.ipynb` - 大单策略分析工具
 **项目状态**: ✅ 活跃维护中
 **新增功能**:
-- ✅ 成交量分布深度分析
-- ✅ 当前成交量柱状图
-- ✅ 7种专业可视化图表
-- ✅ 业务洞察和交易建议
+- ✅ 大单策略分析工具 (Jupyter Notebook)
+- ✅ 智能缓存机制
+- ✅ 复杂条件组合分析
+- ✅ 可视化条件构建器
+- ✅ 批量分析和对比
+- ✅ 性能监控面板