去掉了访客打开功能，因为如果没有mt5账号是没法完整体验软件功能的，因此，直接增加了账号设置，第一次打开，就可自己设置。

将获取用户名作为新建或要修改的账户名

支持一个用户号对应多个mt5账号（这是个很实际的问题）支持多家券商。

今天在指标优化里试着加入IS和OOS模式，简介如下:

在金融交易策略开发中，”IS”和”OOS”是两个非常重要的概念，它们分别指的是”In-Sample”（样本内）和”Out-of-Sample”（样本外）。这两个术语通常用于描述数据集的划分方式以及如何使用这些数据来评估交易策略的有效性。

In-Sample (IS, 样本内)

• 定义：In-Sample 数据是指在构建或优化交易模型时使用的那部分历史数据。这部分数据被用来训练模型、寻找最优参数等。
• 用途：主要用于开发和优化策略。通过分析这段数据，可以确定哪些因素对策略的成功有贡献，并调整策略参数以达到最佳表现。
• 风险：如果过度依赖IS数据进行优化，可能会导致过拟合（overfitting），即模型在IS数据上表现很好，但在新的未见过的数据上表现不佳。

Out-of-Sample (OOS, 样本外)

• 定义：Out-of-Sample 数据是在策略开发过程中没有用到的历史数据部分。它通常紧跟在IS数据之后，代表了未来的市场情况。
• 用途：OOS测试是为了验证策略在新数据上的表现，确保其具有良好的泛化能力。换句话说，就是检查策略是否能够适应未曾见过的情况，从而预测其未来的表现。
• 重要性：OOS测试是对策略稳健性的关键检验步骤。一个好的策略不仅要在IS数据上有好的表现，在OOS数据上也应该保持一致的良好表现。

滚动回测（Walk-Forward Optimization）

滚动回测是一种特别的方法，它通过将整个历史数据分成多个连续的时间窗口来进行多次IS/OOS测试。每次测试都会有一个IS阶段用于优化参数，紧接着是一个OOS阶段用于验证这些参数的效果。这种方法有助于更准确地模拟真实交易环境中的表现，并减少过拟合的风险。

总结来说，IS数据用于策略开发和优化，而OOS数据则用于验证策略的真实有效性，防止因过度拟合而导致的实际交易失败。两者结合使用，可以帮助投资者建立更加可靠的投资策略。

今天完善了所有当前指标的优化器代码。

这几天一直在折腾指标参数优化的功能，将其整合进指标插件。其实也是比较傻的，虽然依靠pandas和numpy，对计算还是很有压力的。

今天增加静态分析模块，雏形是选中产品的多图叠加，参数实时调整，目标会是某品种+周期中各指标敏感度的回测。

1、本次增加用户关注品种的维护功能，给用户从交易平台提供的4w+支持的交易品种中筛选关注的品种，会自动加载在左侧表格和品种下拉框。

2、增加策略优化管理器，用于同一品种+周期的技术指标参数回测，寻找适合的技术指标和参数