核心功能与使用方法
Options Spread Conviction Engine 是一款面向期权交易者的技术分析工具，专注于垂直价差策略的量化评分。用户通过命令行输入股票代码即可获取针对四种策略（bull_put/bear_call/bull_call/bear_put）的置信度评分。
核心用法：
- 基础分析：
conviction-engine AAPL - 指定策略：
conviction-engine SPY --strategy bear_call - 批量扫描：
conviction-engine AAPL MSFT GOOGL --strategy bull_put - JSON输出：
conviction-engine TSLA --json（便于自动化集成）
引擎采用动态权重分配：信用价差（Credit Spreads）侧重均值回归信号，MACD权重仅20%；借记价差（Debit Spreads）侧重趋势突破，MACD权重高达35%。这种设计理论上能减少假阳性，但依赖历史数据拟合的权重是否普适存疑。
显著优点
1. 多指标正交验证：整合一目均衡表（趋势结构）、RSI（均值回归/动量）、MACD（加速度）、布林带（波动率）四大经典指标，符合Pring和Murphy提出的多指标交叉验证理论
2. 策略自适应权重：根据价差类型动态调整指标权重，体现对Credit/Debit策略差异的理解
3. 清晰的行动层级：80-100分EXECUTE、60-79分PREPARE等四级信号系统，降低主观决策噪音
4. 自动化友好：JSON输出和命令行接口便于接入量化工作流
潜在缺点与局限性
严重依赖技术指标滞后性：所有输入均为价格衍生指标，无波动率曲面、 Greeks、仓位流等期权特异性数据。在宏观事件驱动或流动性危机中，纯技术分析可能失效。
权重黑箱与过拟合风险：权重分配（如Debit Spread中MACD 35%）缺乏公开的样本外回测验证。不同市场体制（高/低波动、牛/熊周期）下固定权重可能产生系统性偏差。
数据源单一性：仅依赖Yahoo Finance历史价格数据，无实时期权链、买卖价差、隐含波动率数据，导致建议的"30-45 DTE strikes $480/$485"缺乏可执行性验证。
Python环境依赖：需3.10+版本及pandas_ta等库，3.14+用户被迫使用纯Python模式，性能下降可能影响高频扫描场景。
适合人群
- 已掌握期权基础、寻求系统化入场信号的技术分析派交易者
- 希望自动化筛选标的、再人工复核的半量化投资者
- 教育用途：学习多指标融合与权重设计逻辑的量化金融学习者
不适合：依赖波动率套利、需精确Greeks管理的成熟期权做市商；或完全不懂期权行权、盈亏结构的初学者。
常规风险
1. 信号滞后风险：技术指标基于收盘价计算，在跳空或快速反转行情中，"EXECUTE"信号可能对应短期高点/低点
2. 参数固化风险：一目均衡表默认周期（9/26/52）针对日经指数设计，对美股个股适应性未经充分验证
3. 环境隔离风险：自动创建venv可能与企业安全策略冲突，依赖网络安装包存在供应链攻击向量
4. 无止损整合：引擎仅给出入场信号，未提供仓位管理或退出规则，完整交易系统需额外构建