# 🎯 期货大单策略分析工具集

[![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，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

### 🔄 创新分析方法
- **按成交量排序** - 相比传统时间序列，更符合交易实际
- **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

### ⚡ 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
```bash
# 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
```

### 🎯 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

# 2. 成交量分布深度分析（7种专业图表）
python volume_distribution_analysis.py

# 3. 简化成交量价格分布图（快速分析）
python volume_price_distribution.py

# 4. 分析其他数据文件
python volume_price_sequence.py data/jm2509_20250709.csv
python volume_distribution_analysis.py data/jm2509_20250709.csv
python volume_price_distribution.py data/jm2509_20250710.csv

# 5. 查看帮助信息
python volume_price_sequence.py --help
python volume_distribution_analysis.py --help
python volume_price_distribution.py --help
```

### 系统要求
- Python 3.8+
- pandas, numpy, matplotlib, seaborn
- ipywidgets, jupyterlab (用于Notebook分析)
- 支持中文字体的环境

## 📈 分析工具对比

| 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 |

## 🎯 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

#### 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**
**7种专业分析图表**：
- 直方图 + 概率密度拟合
- 箱线图（分位数分布）
- 累积分布函数
- 成交量时间序列
- 成交量分组柱状图
- 成交量贡献度条形图
- 统计摘要表

### 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%

📊 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

=== 数据分析 ===
数据概况:
  累计成交量: 893,404 手
  价格区间: 901.84 - 928.88
  平均价格: 914.54

关键成交量节点:
  起始: 成交量 320 手, 价格 904.76
  25%: 成交量 273,254 手, 价格 911.94
  50%: 成交量 527,232 手, 价格 909.18
  75%: 成交量 724,868 手, 价格 921.62
  结束: 成交量 893,404 手, 价格 927.48

【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%)
3. 交易过程中价格呈现逐步上涨趋势
4. 关键价格水平与成交量分布密切关联
```

### 大单策略分析报告
```
🔄 开始新分析... (哈希: a1b2c3d4)
✅ 分析完成! 耗时: 3.21秒

📊 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%

📊 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']

【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
```

## 🚀 核心功能亮点

### 🎯 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

## 🛠️ 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
- `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
python volume_distribution_analysis.py
```

### 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
```bash
# 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
# 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 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**：脚本会自动检测并设置合适的中文字体

### 常见问题解决
- **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

本项目采用 MIT 许可证，详见 LICENSE 文件。

## 🙏 致谢

感谢所有为期货数据分析和可视化做出贡献的开发者和研究人员，以及提供宝贵反馈的用户。

---

**版本**: 3.0
**最后更新**: 2025-11-02
**核心工具**:
- `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**:
- ✅ 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