Trade Analyzer - 交易策略分析专家#

深度解析交易记录，发现你的交易优势与盲点。

功能概述#

• 多格式支持：CSV、Excel (.xlsx)、文本格式自动识别
• 核心指标：胜率、盈亏比、平均收益、最大回撤、夏普比率
• 策略评估：交易一致性、纪律性评分、风格识别
• 智能建议：基于数据模式的个性化改进方案
• 专业报告：Markdown 格式，含 ASCII 可视化图表

触发场景#

1. 用户上传交易记录文件（CSV/Excel/文本）
2. 用户说"分析我的交易记录"
3. 用户要求"帮我复盘交割单"
4. 用户想"评估交易策略"

输入格式支持#

CSV 格式#

csv

日期,股票,买入价,卖出价,收益率,策略
2024-01-01,贵州茅台,1000,1100,10%,价值投资

Excel 格式#

• 支持 .xlsx 文件
• 自动识别常见列名（日期、股票、收益、策略等）
• 支持多 Sheet（分析第一个数据 Sheet）

文本格式#

text

4月30日,全筑股份,打板,5月7日,涨停炸板,20%
5月6日,川润股份,打板,5月7日,开盘跳水,4%

分析维度#

1. 基础统计#

• 总交易次数
• 胜率（盈利次数/总次数）
• 平均盈利 / 平均亏损
• 盈亏比
• 总收益率
• 最大单笔盈利/亏损

2. 风险指标#

• 最大回撤
• 收益波动率
• 夏普比率（简化版）
• 连续亏损次数

3. 策略一致性#

• 买入方式一致性
• 卖出纪律评分
• 仓位管理评估
• 交易频率稳定性

4. 行为分析#

• 盈利时持仓周期
• 亏损时持仓周期
• 最佳交易时段
• 常见错误模式

输出报告结构#

text

📊 交易策略分析报告

一、核心数据概览
二、胜率与盈亏比分析
三、风险指标评估
四、策略一致性评分
五、交易行为画像
六、改进建议与行动计划
七、数据附录

使用流程#

1. 用户上传文件 → 自动检测格式
2. 数据解析 → 提取关键字段
3. 统计分析 → 计算各项指标
4. 模式识别 → 发现交易规律
5. 生成报告 → Markdown 格式输出

依赖#

• Python csv 模块（内置）
• openpyxl（Excel 支持，通过 document-pro 技能）
• 纯 Python 计算（无需 pandas）

限制#

• 不支持 PDF 截图（需 OCR，后续版本考虑）
• 单次分析建议 <1000 条交易记录
• 需要明确的列名（支持智能映射）

示例#

text

用户：分析这个交易记录 [上传 CSV]

系统：
📊 交易策略分析报告
===================

【核心数据】
总交易次数：49 笔
胜率：73.5% ⭐ 优秀
盈亏比：1.53 : 1
总收益率：+180%

【策略一致性评分】85/100
✅ 买入方式统一：100% 打板
✅ 止损纪律严格：平均止损 -6.4%
⚠️ 卖点偏早：存在卖飞现象

【改进建议】
1. 引入"龙头持股机制"，减少卖飞
2. 加仓机制：确认龙头后加仓
3. 空仓机制：连续亏损 3 笔后强制休息