尚未检测到更新。GitHub 发布版本后会显示在这里。
按最近已完成的 8 小时观测回合间的 GitHub 星标增量排序
Talk to agents. Test trading ideas. Try AI trading agents on real market data — no code required.
翻译准备中
个人 GitHub 账号下公开仓库的所有者可以登录并验证所有权，自行管理介绍，无需管理员批准。
登录并生成验证文件，在 30 分钟内将其提交到此仓库的默认分支。其他分支或分叉仓库中的文件无效。然后在下方检查文件，即可无需管理员批准直接管理项目。请保留文件以维持管理权限。
如需登录，将前往登录页面。登录后请回到此处，再次点击所选的验证按钮。
在项目文件夹中运行 /nomorevibe verify，即可验证所有权并自行管理介绍。
一分钟完成验证Vambrocop/valpha-lab
翻译准备中
取自仓库 README
正在加载完整 README。 以下为已保存的摘录。
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。 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"。查看完整 README ↗
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。
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"。
--full 模式）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）
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）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）。
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。