Valpha Lab — 美股入场信号分析

Live site → https://vambrocop.github.io/valpha-lab/

用统计 + 机器学习分析美股（纳斯达克 + 标普500），但和大多数信号站相反： 它诚实地分清哪些规律是真的、哪些是幻觉，并用 append-only 实盘日志 + 每模型 vs 硬基线的 benchmark 记分卡公开追踪——说了什么、对了没有，无法事后美化。

核心理念：分清真规律 vs 幻觉

我把能想到的维度都试了一遍，然后用严格的样本外方法（walk-forward 块自助 + 2024-2026 干净保留集） 分成两类：

✅ 真规律（站得住、能用）

波动率可预测（聚集效应，AUC≈0.67）· 股权溢价（20日约 62-66% 上涨，买入持有稳赢现金）· 隔夜异象（QQQ 隔夜段年化 +11.2% vs 日内 -2.3%）· 相关性体制（纳指-黄金现转正）· BTC 20日动量领先纳指 · VIX 倒挂/大跌后的均值回归。 用途：管理风险、择波动窗口、理解市场结构。

❌ 幻觉（再多数据也打不赢市场）

用综合贝叶斯信号预测短期方向——样本外打不赢"无脑买入持有"（Tier≥4 平均 -0.3pp）。 这不是数据不够或统计不行，是市场效率：短期方向是最先被套利定价掉的维度。 我们如实展示这个失败，不假装能做到。

一句话：这是一个"分清真伪"的工具，不是又一个"我的信号很准"。

功能

信号系统（模型 v2.1）

• 双指数贝叶斯信号 — 纳指（1971+ 先验）和标普（1928+ 先验）各自独立计算； 月份胜率 × 星期效应 × 月内周次 × 假日效应 × 税季 × 技术因子连乘
• 经验似然比 — 技术因子（MA200/RSI/波动率/BTC动量/美元趋势/VIX期限结构/隔夜动量） 的权重由 walk-forward 从历史学习（带样本量收缩），不是拍脑袋
• 概率校准 — 原始概率映射到历史同档位的实际20日胜率
• 宏观事件日历 — BLS CPI 和 FOMC 官方日程自动标注"波动放大日"

诚实验证（这个项目的灵魂）

• 实盘预测追踪 — 每天记录模型当天的预测（按模型版本），之后用真实行情回填 1d/5d/20d 收益； 日志 append-only 入 git，无法篡改
• Walk-forward 滚动验证 — 2000→2024 六折样本外测试，纳指信号用纳指验证（不混用指数）
• 回测注明方法论局限 — 样本内验证、重叠窗口 t 检验 p 值偏乐观，都白纸黑字写在结果里

研究面板

• 隔夜 vs 日内收益分解 — 用真实 ETF 价格（SPY/QQQ）验证著名的隔夜收益异象： QQQ 隔夜段年化 +11.2%，日内段 -2.3%（2000–2026）
• 事件研究 — 1928+ 历史上加息/降息/贸易战/地缘冲击后30日的实证超额收益
• 个股观察池 — 七姐妹 + 优质龙头（博通/台积电/好市多/礼来/伯克希尔）关键指标与走势对比
• 多元统计 — CCA、SHAP、Prophet、卡尔曼滤波、路径分析（--full 模式）
• 市场时钟 — 美东交易时段自动换算为访问者本地时间（含夏令时）

架构

GitHub Actions（交易日自动跑两次：美东收盘后 + 开盘前）
    │
    ▼
market-analysis/scripts/run_all.py     ← 一键流水线
    fetch_data → long_history → overnight_analysis → analyze
    → timing_analysis → event_study → build_signals(1)
    → backtest → walk_forward → track_predictions → build_signals(2)
    → export_chart_data → export_stocks → 镜像 web/ → docs/
    │
    ▼
docs/  ← GitHub Pages 部署目录（纯静态：HTML + JSON）

• 前端：单页应用（index.html + app-1.js…app-5.js + style.css），Plotly 图表，无框架无构建（5 个脚本是同一份逻辑按 section 拆开的有序经典脚本，顺序不可重排）
• 数据全部预计算成 JSON，页面零后端

本地运行

pip install -r market-analysis/requirements.txt   # 核心只需 yfinance pandas numpy scipy requests
python market-analysis/scripts/run_all.py         # 完整流水线（约2-3分钟）
python market-analysis/scripts/run_all.py --full  # 含重型ML分析（需 statsmodels/arch/xgboost 等）

本地预览：双击 market-analysis/启动网站.bat（直接打开 index.html 会因 file:// 协议导致数据加载失败）。

数据来源

• Yahoo Finance — 指数/ETF/个股/加密货币/商品
• FRED — 美联储利率 / M2 / CPI / 失业率 / 国债收益率（下载失败自动回退缓存）
• BLS / Federal Reserve — CPI 发布与 FOMC 会议官方日程

免责声明

仅供个人学习研究，不构成任何投资建议。所有"信号"本质是历史频率统计， 样本外优势尚未被证实（walk-forward 按部署配置评估，Tier≥4 平均 -0.3pp）——这正是实盘追踪存在的原因。