optimize

用途：为 VectorBT 策略自动生成参数优化脚本，批量测试参数组合并比较表现。\n\n调用方式：参数依次为 策略 symbol 交易所 interval。例如 /optimize ema-crossover RELIANCE NSE D 或 /optimize rsi SBIN。默认策略 ema-crossover、symbol SBIN、交易所 NSE、interval D；无参数时询问用户要优化哪个策略。\n\n主要能力：在 backtesting/{strategy_name}/ 下生成 {symbol}_{strategy}_optimize.py；通过 find_dotenv() 读取 .env 并用 OpenAlgo client.history() 取数，也可用 duckdb.connect(path, read_only=True) 直接读 DuckDB；默认用 OpenAlgo ta 计算指标（仅用户明确要求时才用 TA-Lib，Supertrend、Donchian 等专用指标始终用 OpenAlgo ta），用 ta.exrem() 清洗信号并在前先 .fillna(False)；按策略设定参数区间，用循环优化收集每组的 total_return、sharpe_ratio、max_drawdown、trade_count，配合 tqdm 进度条；按总收益和夏普比率分别列出前 10 名；生成总收益与夏普比率的 Plotly 热力图（template="plotly_dark"）；拉取 NIFTY 基准对比最优参数；输出策略与基准对比表，用通俗语言解释结果，并保存 CSV。印度交割费用为 fees=0.00111、fixed_fees=20；期货合约按手数设置 min_size/size_granularity（NIFTY 65、BANKNIFTY 30）。代码与日志中不使用图标或 emoji。\n\n适用场景：对 ema-crossover、rsi、donchian、supertrend 等策略做参数寻优与可视化比较。\n\n限制：依赖 OpenAlgo 客户端与数据源；具体安装命令、收费与更完整配置暂未提供。