Options Spread Conviction Engine 综合评估
核心用法
该引擎是一款针对期权价差策略的量化分析工具，覆盖两类共7种策略：垂直价差（牛市看跌、熊市看涨、牛市看涨、熊市看跌）与多腿策略（铁鹰、蝴蝶、日历价差）。通过整合5大技术指标（一目均衡云、RSI、MACD、布林带、ADX）及隐含波动率（IV）期限结构分析，为每个标的生成0-100分的置信度评分，并给出 EXECUTE/PREPARE/WATCH/WAIT 四级行动建议。
用户可通过 CLI 输入标的代码，选择策略类型与时间周期，引擎自动输出策略评分、建议行权价、最大盈利区间等关键参数。v2.1 版本新增市场扫描器，可批量扫描标普500、纳指100等股票池，自动筛选高置信度（≥80分）交易机会，并集成凯利准则仓位管理。
显著优点
- 多维度信号融合：采用正交信号组合（趋势+动量+波动率+趋势强度），显著降低单一指标的假阳性率
- 策略覆盖全面：从方向性交易到非方向性theta收割，满足多元市场环境需求
- 量化决策框架：明确的评分体系与行动 tiers，避免主观判断偏差
- 自动化扫描能力：market_scanner.py 支持批量扫描与并行处理，提升策略发现效率
- 学术理论基础：指标选择有明确文献支撑（Wilder 1978, Sinclair 2013 等）
- Python 生态兼容：基于 pandas-ta、yfinance，支持 Python 3.10+ 及 3.14 纯模式
潜在缺点与局限性
- 数据依赖风险：核心数据源自 Yahoo Finance，盘后或低流动性标的可能缺失期权链数据；IV Rank 采用布林带宽度（BBW）代理，与真实 IV Rank 存在约 0.2-0.3 的相关系数偏差
- 行权价近似处理：基于布林带 sigma 水平推导，非实时期权定价优化，可能错过更优 risk/reward 结构
- 市场环境假设：假设正常期权市场条件，极端波动事件（如黑天鹅）下模型可能失效
- 地域与品种限制：按美股期权惯例设计，未针对期货、商品或非美市场验证
- 历史数据门槛：一目均衡云需最少180个交易日数据，新股或 SPAC 标的可能无法完整分析
- 无实盘交易接口：仅提供分析建议，需用户手动或通过其他系统下单执行
适合人群
- 中级至高级期权交易者：已理解垂直价差、铁鹰、蝴蝶、日历价差的基本构造与风险特征
- 量化导向的主观交易者：希望用系统化框架辅助而非完全替代人工判断
- 小账户策略研究者：内置 $390 默认账户、$100 单笔风险上限的仓位管理逻辑
- 多标的扫描需求者：需要批量筛选高置信度交易机会的用户
常规风险
- 模型风险：技术指标组合在特定市场 regime（如低波动延续或高波动均值回归）中可能系统性失效
- 执行风险：建议行权价为理论推导，实际市场买卖价差可能侵蚀预期收益
- 数据延迟风险：Yahoo Finance 数据存在延迟，高速交易场景不适用
- 过度拟合隐患：权重设计基于历史回测逻辑，未来市场结构变化可能导致评分失真
- 单一数据源脆弱性：完全依赖 Yahoo Finance，API 变更或限流将直接影响功能可用性