核心用法
Options Spread Conviction Engine 是一款面向垂直价差策略的多维度量化分析工具，专为美股期权交易者设计。用户输入股票代码后，引擎自动获取历史数据，针对四种策略（bull_put、bear_call、bull_call、bear_put）分别计算0-100分的置信度评分。
操作路径：命令行输入 conviction-engine <ticker>，可选 --strategy 指定策略、--period 调整数据周期、--json 输出结构化数据供自动化系统调用。支持多标的批量分析。
显著优点
1. 策略差异化评分：信用价差（Credit）侧重均值回归，借记价差（Debit）侧重突破动量，权重分配科学
2. 多指标融合：Ichimoku判断趋势结构、RSI捕捉极端情绪、MACD确认动量、布林带识别波动率，ADX验证趋势强度，形成正交信号互补
3. 清晰的行动分级：80-100分（EXECUTE）、60-79分（PREPARE）、40-59分（WATCH）、0-39分（WAIT），降低主观判断偏差
4. 学术背书：指标均有经典文献支撑，方法论透明可追溯
潜在局限
- 数据源依赖：完全依赖Yahoo Finance免费数据，存在延迟、缺失或API变更风险
- 黑箱评分：权重虽公开，但具体阈值（如RSI超卖界定）未详细披露，用户难以深度定制
- 无 Greeks 分析：未整合Delta、Theta、Vega等期权敏感度指标，对波动率曲面变化敏感
- 回测数据缺失：未提供历史胜率统计，无法验证评分有效性
适合人群
- 具备期权基础、追求规则化交易的技术分析型投资者
- 需要快速筛选标的、生成交易信号的量化爱好者
- 自动化交易系统开发者（JSON输出支持）
常规风险
1. 模型风险：多指标共振在极端行情（如闪崩、逼空）中可能集体失效
2. 执行风险：评分基于历史数据，实际入场滑点、流动性价差未纳入考量
3. 环境依赖：Python虚拟环境自动创建，但网络中断或依赖库更新可能导致运行失败
4. 无止损机制：引擎仅提供入场评分，未内置仓位管理与风控规则