核心用法
Tearsheet Generator 是一款面向量化交易者的专业绩效分析工具，基于 Python QuantStats 库构建。用户通过 /generate-tearsheet 命令，输入交易记录 CSV 文件与初始资金参数，即可生成包含多维度分析的 HTML 可视化报告。核心工作流涵盖：策略配置加载 → 交易数据解析 → MAE（最大不利回撤）统计计算 → 多杠杆场景回测模拟 → 可视化报告渲染。支持的命令包括完整 tearsheet 生成、Nautilus Trader 回测验证，以及基于 MAE 分位数的杠杆配置测试。
报告输出包含 {strategy}_comparison.html 完整页面与 {strategy}_comparison_metrics.json 结构化数据，便于二次开发与自动化集成。
显著优点
1. 专业级金融分析：内置 QuantStats 行业标准指标库，支持夏普比率、索提诺比率、最大回撤、卡尔玛比率等核心绩效指标计算，输出格式符合机构级报告规范。
2. 风险量化能力突出：独创 MAE 分位数分析（p90-p99），精准识别极端行情下的潜在亏损边界；提供 5x-30x 多档位杠杆安全建议，结合 10%-30% 清算缓冲计算，帮助交易者量化风险敞口。
3. 双模式对比分析：固定仓位（Static）与全仓动态（Dynamic）杠杆策略并行计算，直观展示复利效应与爆仓风险的权衡关系。
4. 零外部依赖运行：纯本地数学计算，无网络请求、无第三方 API 调用，数据隐私完全可控，适合敏感策略数据的离线分析场景。
5. 开发者友好设计：JSON 配置可一键复制，支持程序化批量生成；IBM Plex Mono 等宽字体排版，兼顾代码审美与可读性。
潜在缺点与局限性
1. 本地路径硬编码依赖：核心模块依赖 /Users/DanBot/Desktop/dev/Backtests/ 固定路径，跨平台迁移需手动修改，容器化部署存在适配成本。
2. T3 来源可信度：维护者为个人开发者（ahuserious），无企业背书，虽代码经安全扫描，但长期维护与漏洞响应能力存疑。
3. 功能边界明确：专注于事后绩效归因，不支持实时行情接入、自动化交易执行或组合优化求解，需配合其他工具链使用。
4. 输出格式单一：仅生成 HTML/JSON，无 PDF 导出、无交互式仪表盘、无多策略横向对比视图，高阶可视化需二次开发。
5. 金融 disclaimers：杠杆建议与清算缓冲计算基于历史数据统计，未考虑流动性突变、黑天鹅事件等尾部风险，结论仅供参考不构成投资建议。
适合的目标群体
- 量化策略研究员：需快速验证策略历史绩效、定位风险因子的中高频交易者
- CTA/对冲基金经理：向投资人展示经审计的策略 tearsheet，满足募资合规披露需求
- 交易算法工程师：基于 MAE 分析优化仓位管理逻辑，设计动态止损系统
- 金融科技开发者：集成 JSON metrics 输出至内部投研平台，构建自动化报告流水线
- 个人量化爱好者：以零成本获取机构级分析能力，替代 Excel 手工计算的低效流程
使用风险与注意事项
性能风险：大规模交易记录（百万级）处理时，pandas/numpy 内存占用可能激增，建议分批次采样或升级硬件配置。
数据质量风险：输入 CSV 的字段格式异常（时间戳解析失败、价格缺失值）将导致计算中断，需预处理清洗。
文件覆盖风险：同名策略报告默认覆盖写入，重要历史版本需手动备份归档。
路径依赖风险：本地 Python 环境未正确配置或 Backtests 目录缺失时，ImportError 会阻断执行，建议容器化锁定依赖版本。
模型假设风险：MAE 计算基于已实现交易，未包含未成交的限价订单滑点，实际风险可能被低估。