Flask + Pandas 写了一个 TradingView 回测数据深度分析工具

V2EX 的朋友们。

最近在使用 tradingview ，发现 TradingView 自带的“策略测试器”虽然方便，但导出的报告在很多关键指标上还是不够细致。

特别是对于股票市场，我需要更关注持仓周期的风险。而且 TV 的报告主要基于“平均值（ Mean ）”，很容易被几笔极端的运气单误导，我看不到“中位数（ Median ）”表现，也无法直观评估策略的鲁棒性。

基于 Flask + Pandas + Pyecharts 撸了一个本地化的深度分析工具，专门用来清洗和分析 TradingView 导出的 CSV 数据。

拒绝“平均值欺骗”：原生报告只给平均盈利，加上了中位数盈利。如果平均值远大于中位数，说明策略全靠运气单死撑，实盘风险极大。

引入蒙特卡洛模拟 (Monte Carlo Simulation) 但是现在是有 bug 的，应该是 csv 文件的局限性导致最后肯定会一样

MAE vs MFE 交易质量分析：绘制了最大浮盈 (MFE) 和最大浮亏 (MAE) 的散点图。一眼就能看出是“卖飞了”还是“硬扛单”。

季节性/周期性效应：按年份和月份聚合，计算月度回报的加权平均和中位数。

还有正常每次开仓的间隔，也就是两次仓位之间的中位数时间

问问论坛里的，有没有做投资的，这样的工具有用吗。策略我是用社区的指标，用 Gemini 改的，引入 t+1 。然后 webhook 推送给我，我自己还会判断。买了交易所的实时数据至少我在 11 月大跌里也盈利了。谢谢大家

下面是图片

Sawyerhou

1 天前

中位数几乎不看，看胜率和盈亏比。

如果盈亏比高，那么收益主要由少量大收益交易贡献；如果胜率高，那么收益主要由大量小收益交易累积得到；如果胜率、盈亏比都低，那这个策略是亏钱的无效策略。

平均收益是每笔交易的期望收益，可以跟交易成本比较，有实际含义；中位数收益是纯统计数据，实际交易中无法使用，没有实际含义。

收益由少量大收益交易贡献，不代表是运气，只是策略的特点，就像做打板的，就是三年不开张，开张吃三年。不是胜率高的策略比盈亏比高的策略好，这就是为什么平均收益更常用，只要赚钱的策略就是好策略，钱怎么赚来的并不重要。

建议先把已有的指标研究透，含义是什么，怎么用的，然后再新增自己的指标。