反詐投資王（Anti-Gambling Trader）

你在懷疑「投資群組是不是詐騙」「老師帶單可不可信」「我的交易到底是實力還是運氣」嗎？ 這是一個免費開源的交易統計、投資反詐與自動化交易開發工具：把交易紀錄 （台股／美股／加密貨幣）丟進來， 它用期望值、顯著性檢定與樣本外驗證，給你統計證據判斷獲利更像可重複的優勢， 還是運氣＋倖存者偏差（賭博）；並內建詐騙話術掃描、假績效鑑識與假老師檢驗。 它也能把交易邏輯轉成可回測策略，並產生可接券商 API 的自動化交易程式專案。 交易分析資料全程在你自己的電腦上處理，不上傳任何伺服器。

一個誠實到不討喜的工具。它不會告訴你「你會賺錢」—— 不適合長期投資的，它會直接勸退你。 👉 急著找答案？先看 常見問題 FAQ：投資群組是詐騙嗎、 勝率 90% 可信嗎、出金要先繳稅正常嗎、被騙了怎麼辦。

🤖 不只分析，也能建立自動化交易程式。 scaffold 會產生自包含的策略、 風控、券商介面、資料源與圖表專案，提供 PaperBroker 與 13 種真實券商／交易所範本。 紙上模擬可直接執行；自行實作真實自動交易時，必須接妥券商 API、即時行情 runner， 並沿用四層安全檢查。預設生成的歷史 runner 不會送出真單；只有使用者自行填入金鑰、 完成 live runner 並明確解鎖後，live adapter 才可能送單。

English TL;DR — An honest, open-source (MIT) trading-performance analyzer for Taiwan securities and derivatives, US stocks, crypto and forex. It uses expectancy, significance tests (t-test + centered bootstrap) and out-of-sample validation to tell whether your P&L is a repeatable edge or survivorship-biased luck — and it will actively discourage you if it's the latter. Includes scam-language scanning, fake-performance forensics and a guru-claim probability checker. The statistical core uses the Python standard library, and trade-record analysis stays local. It can also generate backtestable strategy skeletons and automated-trading projects with paper trading by default and explicit safety gates for any user-built live connection.

👶 完全沒用過電腦命令？從這裡開始

如果你沒裝過 Python、沒用過終端機、也沒用過 AI，請看 新手快速上手指南 docs/quickstart.md —— 它從「怎麼裝 Python、怎麼打開終端機」開始，一步一步帶你上手。安裝後先打：

anti-gambling-trader start

畫面會依「完整紀錄、單筆交易、交易截圖，還是 LINE 對話」列出最短命令。 沒有試算表也能用 record 的五個短問題記一筆交易。

🛡 這個工具的反詐使命

台灣到處都是假飆股群、假二群、假 VIP 群、假名師、假績效截圖、保證獲利話術、 詐騙幣與假投資平台。它們絕大多數靠同一招：用倖存者偏差與精選截圖， 讓你誤以為有穩賺的捷徑。

這個工具叫「反詐投資王」不是叫假的 —— 它存在的真正原因，就是用統計與數學 檢驗這些承諾。詐騙最怕的，就是你冷靜地把它的承諾丟進數學裡檢驗。

# 貼上群組對話，掃描詐騙話術（不給假百分比，只給風險等級）
anti-gambling-trader scan-text "老師帶單保證獲利，快加VIP客服"

# 檢驗老師的宣稱：「勝率90%、月報酬20%」純靠運氣出現的機率是多少？
anti-gambling-trader guru-check --win-rate 0.9 --trades 10 --monthly-return 0.2

# 用數學算出「連贏10次的神人」有多容易靠運氣出現
anti-gambling-trader survivorship

# 鑑識老師/平台宣稱的報酬序列是否有可疑徵兆（過度平滑、高得可疑的夏普）
anti-gambling-trader forensics --file 老師的月報酬.txt

# 互動式自我檢測
anti-gambling-trader scam-check

詳見 完整功能與判讀指南、 反詐指南 與 FAQ。

🆘 懷疑自己正在被詐騙？ 立刻停止匯款，撥打 165 反詐騙專線， 或上 165 全民防騙網。查證合法業者： 金管會證期局；證券期貨爭議求助： 投保中心。（官方連結查核日期：2026-07） 本工具是統計輔助，不是司法鑑定；官方管道永遠優先。

支援 台股 / 台股 ETF / 台指期與選擇權 / 美股 / 加密貨幣 / 外匯， 匯入 CSV / JSON / Excel 的交易紀錄，自動：

• 計算 勝率、盈虧比、期望值、獲利因子、最大回撤、夏普 / 索提諾值
• 用 統計顯著性檢定（t 檢定 + Bootstrap） 判斷「這是優勢還是運氣」
• 用 樣本外驗證 揭穿過度配適與倖存者偏差
• 掃描 賭博特徵警訊（賺小賠大、獲利過度集中、長連虧、純當沖…）
• 逐策略體檢：對你的每一招（突破 / 抄底 / 聽明牌…）呈現描述統計，揪出哪一招在送錢 （刻意不對個別策略做優勢認證 —— 多重比較未校正會把運氣誤認成優勢，詳見方法論）
• 反事實分析：算出「停掉最差那一招，整體會變怎樣」
• 轉正數字：告訴你「勝率要到幾 % / 盈虧比要拉到多少，期望值才會轉正」
• 反詐偵測：把「聽老師 / 跟單」的交易單獨抽出算期望值 —— 用你自己的數字檢驗跟單到底賺不賺
• 風險情境模擬：用你的損益分布模擬未來，看有多少比例的路徑會爆倉
• 時間趨勢：月／季描述統計，以及固定早期與近期切點的單一優勢衰減檢定
• LINE 對話掃描：理解 LINE 匯出標頭與跨訊息話術，顯示發言者、時間、原句與理由
• 交易截圖覆核：OCR 擷取進出場點位、數量、時間、損益、停損/停利；低信心不自動填
• 交易技術線索：辨識突破、均線、RSI、MACD 等畫面文字，但不把線索冒充成策略優勢
• 新手階段分流：用完整交易紀錄判斷目前只適合停手、紙上模擬或極小額驗證
• HTML 報告 + 分享圖卡：可存檔、可截圖傳給家人的白紙黑字數據
• 反推你的交易邏輯，產生 可回測的策略骨架（backtrader / vectorbt / 通用）
• 自動化交易程式腳架：產生自包含的策略、風控、券商介面、資料源與圖表專案； PaperBroker 可直接執行，另有 13 種真實券商／交易所範本供使用者自行接線與驗證
• 若判定不適合長期投資，明確勸退

支援市場：台股、台股 ETF、台指期 / 選擇權（含契約乘數）、美股、加密貨幣、外匯。

為什麼做這個

絕大多數散戶虧錢，是因為把「運氣好」誤當成「有本事」—— 而詐騙集團正是利用這個認知弱點，用假群組、假名師、假截圖收割你。 一段帳面獲利，在統計上經常和「純運氣」無法區分。這個工具的唯一目的， 就是在你賠掉更多錢、或被詐騙收割之前，用數學說真話。

安裝

核心引擎是純 Python 標準函式庫，零外部依賴。

git clone https://github.com/mars-tw/anti-gambling-trader-tw.git
cd anti-gambling-trader-tw
pip install -e .            # 安裝本體（之後可用 anti-gambling-trader 指令）

# 以下為可選依賴：
# pip install openpyxl       # 只有要讀 Excel (.xlsx) 才需要
# pip install -e ".[screenshot]"  # 圖片 OCR；另需安裝 Tesseract 與繁中字庫
# pip install backtrader     # 只有要實際跑回測骨架才需要（或 vectorbt）

需求：Python 3.10+。所有指令請在專案根目錄（含 core/ 的那層）執行； macOS / Linux 若 python 指到 Python 2，請改用 python3。

快速開始（30 秒上手）

# 0. 第一次使用：依你手上的資料顯示最短路徑
python -m core.cli start

# 1. 沒有表格也能逐筆記錄（五個短問題）
python -m core.cli record

# 2. 用完整紀錄快速判斷目前適合哪個階段
python -m core.cli fit-check my_trades.csv

# 3. 掃描 LINE 對話紀錄
python -m core.cli scan-text --file LINE對話.txt

# 4. 辨識交易截圖；低信心欄位一定要求人工確認
python -m core.cli scan-screenshot 券商截圖.png

# 5. 還沒有自己的資料？一行指令立刻看效果：
python -m core.cli demo               # 看「賭博型」範例
python -m core.cli demo --edge        # 看「具優勢」範例

# 6. 想用 Excel？產生範本；最簡單填代號、平倉日、淨損益、損益幣別、策略
python -m core.cli init-template      # 產生 trades_template.csv

# 7. 查看完整統計報告（市場會自動推斷）：
python -m core.cli analyze 你的交易.csv

# 8. 欄位自動辨識失敗？手動指定對應：
python -m core.cli analyze 你的交易.csv --field symbol=代號 --field entry_price=買價

# 進階：輸出 JSON 結果與策略骨架
python -m core.cli analyze --example us --json result.json --strategy my_strategy.py

裝好本體後，上面的 python -m core.cli 都可換成更短的 anti-gambling-trader。

截圖辨識只擷取「候選欄位」與文字線索，不會自動存入交易紀錄。OCR 可能看錯 正負號、小數點與買賣方向，必須逐欄對照原圖；單張截圖也不能證明績效或交易能力。

每條操作路徑、判讀門檻與人工覆核清單，見完整功能與判讀指南。

Windows 終端機若中文 / emoji 顯示異常：PowerShell 先執行 $env:PYTHONUTF8=1 再跑指令； macOS / Linux 則在指令前面加 PYTHONUTF8=1。

輸入格式

欄位名稱中英皆可、會自動辨識。最少需要能算出每筆損益的資訊： （代號 + 方向 + 進場價 + 出場價 + 數量）或 （代號 + 已扣全部成本的淨損益 + 帳戶結算幣別）。

資料不完整時的保守處理

• 缺少、無效或全部相同的平倉時間時，不用列順序冒充時序，也不宣稱完成樣本外驗證。
• 不同或不明損益幣別不直接相加；混用有時區與無時區時間不安全排序。
• 契約乘數、名目本金或 direct P&L 的進場基準不可靠時，停用報酬率與回撤百分比。
• 模糊 gross/net 欄位不冒充淨損益；可信 direct net P&L 可保留，但相依指標會拒算。

完整規則與修正方式見完整功能與判讀指南：Fail closed。

盈虧、已實現損益、realized_pnl 的 gross/net 語意不明，工具會要求改成 明示「淨」的欄名，或用 --field pnl=你的欄名 親自確認。profit 等 gross 欄 只有在同列提供可信的 total_fee/交易成本 時才會扣成本後載入。

建議務必填 tag（策略標籤）：工具會分別呈現每套邏輯的描述統計， 幫你找出「樣本裡哪一招較差、值得停用檢查」；它不會認證個別策略具有優勢。

五種裁決等級

它如何分辨「優勢」與「賭博」

1. 期望值：每筆平均賺/賠多少。真實期望值為負，長期就是輸（數學定義）； 樣本期望值為負則「先當賭博處理」（保守原則）—— 它是估計，所以裁決同時附不確定性檢定。
2. 顯著性檢定：t 檢定 + 置中 Bootstrap（shift method）重抽，雙雙 p < 0.05 才算「不是運氣」。p 值 = 「若沒有優勢（且模型假設成立），純靠抽樣波動出現至少同樣極端結果的機率」，不是「有優勢的機率」。偏保守。
3. 樣本外驗證：依真實平倉時間做單一切點，前後段各至少 10 筆且不拆同時點； 兩段都必須有顯著正期望、後段衰減小於 50%，規則也必須在看後段前凍結。 缺時間、混時區或幣別不可比時直接拒算，而不是用列順序猜測。
4. 賭博特徵掃描：負期望、單筆暴賺撐場、賺小賠大、極端回撤、長連虧、純當沖…

建立你自己的自動化交易程式

除了單檔策略骨架，本工具還能用互動式腳架，為你產生一整套可執行的個人 自動化交易程式專案。生成專案會先以 PaperBroker 執行策略與模擬撮合；要進行 真實自動交易，使用者還必須自行接妥券商 API、只處理最新已完成 K 線的即時行情 runner，並在自訂 live runner 中沿用下方四層安全檢查。

# 1. 先挑圖表樣式（四種開源圖表庫並排預覽）
python -m core.cli chart-preview          # 產生 chart_preview.html，用瀏覽器打開挑選

# 2. 看看有哪些券商 / 圖表可選
python -m core.cli brokers
python -m core.cli charts

# 3. 產生專案（建議帶 --from-analysis 先驗證，把裁決嵌入專案）
python -m core.cli scaffold --name my_bot --broker binance --chart lightweight \
    --market crypto --symbols "BTCUSDT,ETHUSDT" --from-analysis my_trades.csv

# 4. 跑起來（預設紙上模擬，不碰真錢）
cd my_bot && pip install -r requirements.txt && python main.py

可選券商（所有生成專案預設 PaperBroker；真實券商／交易所的連接完整度與 前置申請依各範本說明，API key 必須由你自行設定；執行 brokers 看完整清單）：

台灣券商 API 多需臨櫃簽署風險預告書、申請審核（常需數個工作天）， 部分需安裝憑證或元件。各範本的說明已標注關鍵前置條件，實際以券商官方文件為準。

pionex 範本固定使用官方正式站 https://api.pionex.com，目前官方現貨 OpenAPI 未列 sandbox／testnet，所以不能拿正式 API 冒充模擬環境。請先留在 PaperBroker， API key 只開讀取並設定 IP 白名單。Pionex 市價買單使用報價幣 amount，與通用 Order.quantity 的標的數量語意不同；範本會保守拒絕市價買單。策略用的 client_tag 與券商 client_order_id 已分離；後者可明確指定，省略時會安全產生， 避免中文策略理由或逾時重送造成識別錯誤。既有持倉若沒有可靠成本，生成策略只會 hold；撤單後也會重查訂單與成交，不能把「接受撤單」誤讀成零成交。代號請明寫成 BTC_USDT。

可選開源圖表庫：lightweight（TradingView，Apache-2.0）、plotly（MIT）、 mplfinance（BSD）、echarts（Apache-2.0）。

四層安全設計（保護你的錢）

1. 預設紙上模擬：產出專案預設用 PaperBroker，完整模擬撮合但不碰真錢。
2. 完整階段連動：不是只看樣本內裁決；只有樣本外延續、幣別與風險基準都可靠， 且分流結果為 tiny_live_validation 時，設定檔才可能同時寫入 stage_code: tiny_live_validation 與 allow_live_trading: true。
3. Runtime 多重硬閘：生成的 main.py 會重新驗證上述兩欄、 risk.i_have_read_disclaimer is true 與本機 ALLOW_LIVE_TRADING=True，全部通過後 才呼叫券商的雙重確認。缺欄位、錯誤型別、其他 stage 或 YAML 損壞一律 fail closed。
4. 歷史 replay 不碰真錢：main.py 內建的 120 根歷史／示範 K 線只准紙上執行； 偵測到 live broker 會硬性退出，避免把過去訊號一次送成多張真單。真實驗證必須另寫 只處理最新已完成 K 線的 runner，並接上可驗證的即時資料源。

預設生成的歷史／示範 runner 不會送出真單；只有使用者自行完成 live runner、 填入金鑰並明確解除安全閘門後，live adapter 才可能送單。 真實金融交易必須由你自己操作並負全部責任。把未經驗證的賭博自動化，只會賠得更快。

專案結構

core/
  models.py            # 統一資料模型（Trade / TradeLog，含契約乘數）
  markets.py