# 分析 (/zh/features/analytics)

衡量收益和风险、研究回撤、剖析交易、绘制结果、探索反复出现的市场事件，并查询其背后的事件记录。本节适用于已经拥有回测或任意收益序列，希望了解其表现如何、为何如此的读者。下方每个页面都回答其中一个问题，既适用于单个投资组合，也适用于同时分析数千个组合。

## 从这里开始 \[#start-here]

先从[绩效与风险指标](/zh/features/analytics/performance-metrics/)了解完整回测报告，以及如何与基准比较。随后根据您想回答的问题继续：

| 您的问题                   | 查看哪里                                                                           |
| ---------------------- | ------------------------------------------------------------------------------ |
| 损失有多深，恢复花了多久？          | [回撤分析](/zh/features/analytics/drawdown-analysis/)介绍单次回撤、水下时间和尚未完成的恢复           |
| 哪些交易赚了钱，退出是否错失了利润？     | [交易分析](/zh/features/analytics/trade-analytics/)介绍入场和退出记录、MAE、MFE 以及多空比较        |
| 如何直观检查交易或比较参数网格？       | [交互式图表](/zh/features/analytics/interactive-charts/)介绍价格叠加图、仪表盘、热图和图表分享         |
| 类似形态或已知日期事件发生后，市场如何变化？ | [形态与事件研究](/zh/features/analytics/patterns-and-event-studies/)介绍历史匹配和后续价格路径     |
| 如何仅分析我关注的事件或分组？        | [记录与映射数组](/zh/features/analytics/records-and-mapped-arrays/)介绍订单、交易和区间的筛选及重新分组 |

## 探索分析功能 \[#explore-analysis-features]

*   [绩效与风险指标](/zh/features/analytics/performance-metrics): 对任意回测计算收益、夏普、索提诺、基准和滚动指标
*   [回撤分析](/zh/features/analytics/drawdown-analysis): 通过记录衡量每次回撤的深度、持续时间与恢复
*   [交易分析](/zh/features/analytics/trade-analytics): 通过 MAE、MFE、优势比率、盈利因子和图表分析交易与持仓
*   [交互式图表](/zh/features/analytics/interactive-charts): 通过 Plotly 绘制回测、蜡烛、指标、信号和参数热图
*   [形态与事件研究](/zh/features/analytics/patterns-and-event-studies): 在价格历史中搜索相似形态，研究事件后的变化
*   [记录与映射数组](/zh/features/analytics/records-and-mapped-arrays): 将稀疏事件和区间存为记录，再筛选、归约和重新分组

## 使用已有结果 \[#work-with-results-you-already-have]

分析工具也适用于您自己的数据。通过[绩效与风险指标](/zh/features/analytics/performance-metrics/#analyze-an-external-equity-curve)分析
Pandas
收益序列或外部权益曲线，或用[回撤分析](/zh/features/analytics/drawdown-analysis/)检查损失。如果您有财报、新闻或信号日期列表，[事件日历示例](/zh/features/analytics/patterns-and-event-studies/#bring-your-own-event-calendar)展示了如何比较这些日期之后的价格路径。

## 将发现转化为下一次测试 \[#turn-findings-into-the-next-test]

交易分解可能提示您尝试不同退出方式，参数热图也可能揭示值得探索的区域。将这些想法带回[回测](/zh/features/backtesting/)和[参数优化](/zh/features/optimization/strategy-optimization/)，再通过[前向滚动与交叉验证](/zh/features/optimization/time-series-cross-validation/)，在未用于选择规则的区间上进行测试。

如需完整的形态检测和投影示例，请阅读[形态与投影教程](/zh/tutorials/patterns-and-projections/)。