options-spread-conviction-engine

核心用法

Options Spread Conviction Engine 是一款面向期权交易者的量化分析工具，通过多维度技术指标为七种期权策略生成0-100分的"信念评分"。用户通过 CLI 输入股票代码即可获取策略建议，支持垂直价差（牛市看跌、熊市看涨、牛市看涨、熊市看跌）和多腿策略（铁鹰、蝶式、日历价差）两大类。核心命令为 conviction-engine <ticker> --strategy <type>>，可输出 JSON 格式供自动化系统调用。

引擎采用差异化权重体系：信用价差（均值回归哲学）侧重RSI和布林带，借记价差（突破哲学）侧重MACD动量；多腿策略则针对IV期限结构、波动率压缩等微观结构特征设计专属评分矩阵。v2.3.0 新增四大量化模块：VIX-based 市场状态检测器、GARCH波动率预测器、回撤约束Kelly仓位管理器、以及前向验证回测器，形成从信号生成到仓位优化的完整闭环。

显著优点

方法论严谨性：融合Ichimoku云图、RSI、MACD、布林带、ADX五大经典技术指标，并针对策略类型动态调整权重，避免单一指标失效风险。IV Rank 通过布林带宽度百分位近似，与实现波动率保持0.7-0.8相关性，在无法获取期权链数据时仍能提供有效信号。

量化升级彻底：v2.3.0 引入的四大模块显著提升策略稳健性。状态检测器将市场划分为危机/高波/常态/低波/狂热五档，动态调整策略权重；GARCH预测器计算波动率风险溢价（VRP），识别期权定价偏差；增强型KellySizer引入回撤约束和信念分级缩放（半Kelly/四分之一Kelly等），解决小账户资金管理痛点；回测验证器通过行走前向测试统计检验评分层级的有效性分离。

工程化程度高：15+模块分离清晰，共享基础设施避免重复代码；纯Python模式支持Python 3.14+；虚拟环境自动隔离依赖；内置两种扫描器（技术型/量化型）和Black-Scholes计算器，覆盖从研究到执行的完整工作流。

潜在缺点与局限性

数据依赖风险：核心功能依赖Yahoo Finance免费数据，盘后或低流动性标的可能缺失期权链，此时IV Rank退化为历史波动率代理，精度下降。IV期限结构分析需要前后月合约同时存在，对日历价差影响尤为明显。

执行层面简化：引擎仅输出结构型行权价（基于1σ/2σ布林带水平），不获取实时权利金报价，无法计算实际盈亏比和滑点影响。用户需手动对接券商API完成下单，存在"信号-执行"断层。

市场假设局限：默认美国股票期权惯例，未测试期货、商品或非美市场；假设常态市场条件，极端波动事件（如2020年3月）下GARCH参数可能失稳；策略评分基于历史技术指标，对突发基本面事件（财报、并购）无预警能力。

回测覆盖不足：公开文档未披露回测样本量、交易成本假设、以及不同市场状态下的分层表现，"EXECUTE tier 胜率更高"的统计结论缺乏透明度。

适合的目标群体

• 量化交易学习者：希望理解技术分析与期权希腊字母结合方法的金融工程学生
• 小账户期权卖方：账户规模<$5000，需要Kelly准则和回撤约束进行严格风险控制的个人投资者
• 策略研究员：需要快速验证垂直价差/铁鹰/蝶式等策略在不同市场环境下的信号质量
• 自动化交易者：可通过JSON输出将评分系统集成至自有的订单管理系统

不适合：追求高频交易或完全自动化执行的专业做市商；需要实时 Greeks 和完整期权链分析的大型机构；缺乏期权基础知识的纯新手。

使用风险

性能风险：Python 3.14+纯模式运行GARCH拟合和10000轮蒙特卡洛模拟时计算延迟显著；扫描全市场（S&P 500）可能触发Yahoo Finance速率限制。

依赖风险：pandas_ta、yfinance等第三方库更新可能破坏兼容性；虚拟环境需定期维护。

模型风险：GARCH(1,1)假设波动率聚集性，对跳跃扩散过程刻画不足；Kelly准则基于历史胜率估计，未来实际分布可能偏离。

合规与资金风险：MIT许可证明确免责，引擎输出不构成投资建议；期权交易涉及本金全部损失风险，尤其是未经验证的"EXECUTE"信号在高杠杆下可能快速耗尽账户。