核心用法
Options Spread Conviction Engine 是一款专业的期权垂直价差策略分析工具，支持四种经典策略：Bull Put（牛市看跌价差）、Bear Call（熊市看涨价差）、Bull Call（牛市看涨价差）、Bear Put（熊市看跌价差）。用户通过命令行输入股票代码即可获取量化评分，支持单标的、多标的批量分析及JSON自动化输出。
关键操作：
- 基础分析：
conviction-engine AAPL - 指定策略：
--strategy bear_call - 调整周期：
--period 2y - 自动化集成：
--json
显著优点
1. 多指标融合架构：整合Ichimoku云图（趋势结构）、RSI（均值回归时机）、MACD（动量确认）、布林带（波动率 regime）、ADX（趋势强度）五大经典技术指标，信号正交性强，有效降低假阳性率
2. 动态权重分配：根据策略类型（Credit/Debit）智能调整指标权重——均值回归型策略侧重RSI和布林带，突破型策略强化MACD权重
3. 清晰可执行的输出：0-100分量化评分配合四级行动指令（EXECUTE/PREPARE/WATCH/WAIT），附带具体行权价和到期日建议
4. 学术基础扎实：指标选择有经典文献支撑（Hosoda 1968, Wilder 1978, Appel 1979等）
5. 工程友好：Python 3.10+支持，自动虚拟环境管理，纯Python模式兼容3.14+
潜在缺点与局限性
1. 数据源单一：依赖Yahoo Finance免费数据，存在延迟、节假日缺失、拆分调整误差等风险，不适合高频或大额实盘直接依赖
2. 市场环境假设：指标参数（如RSI 30/70阈值）基于历史回测，在极端行情（黑天鹅、闪崩）中可能失效
3. 无 Greeks 计算：未集成Delta、Theta、Vega等期权敏感度分析，波动率曲面变化对价差的影响无法量化
4. 固定权重局限：权重矩阵虽分策略类型，但未实现自适应优化，不同市场 regime（低波动/高波动）下表现可能分化
5. 回测透明度不足：未公开历史胜率、最大回撤、夏普比率等绩效指标
适合人群
- 期权进阶学习者：希望系统理解垂直价差与技术分析的结合逻辑
- 量化爱好者：需要结构化评分系统辅助决策，或作为自动化交易的信号输入
- 卖方策略交易者：专注于Credit Spread（铁鹰、裸卖）的均值反转思路执行者
- 多标的扫描需求者：支持批量股票筛选，适合构建观察列表
常规风险
| 风险类型 | 说明 | 缓释建议 |
|---------|------|---------|
| 数据风险 | Yahoo Finance API变更或限流 | 生产环境应接入付费数据源交叉验证 |
| 模型风险 | 技术指标滞后性，趋势反转时评分可能仍高 | 结合基本面催化事件日历使用 |
| 执行风险 | 未考虑流动性（买卖价差、成交量） | 手动核实期权链的bid-ask spread |
| 路径风险 | 评分高≠盈利，价格路径可能触发止损 | 严格设置止损规则，不依赖单一信号 |
| 依赖风险 | pandas_ta等库更新可能导致兼容问题 | 锁定依赖版本，定期回归测试 |