anti-gambling-trader-tw README

The project's README from github.com/mars-tw/anti-gambling-trader-tw. As one markdown file: README.md.

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。 直接在終端機執行本專案的本機 CLI 時，交易紀錄由本機讀取與分析，程式本身不會把 紀錄上傳。若你把檔案、截圖或工具輸出交給 Claude Code／其他雲端 AI，內容可能依 該供應商政策傳送與保存；分享前請遮蔽姓名、帳號、LINE ID 與可識別資訊。參考 Claude Code 官方資料使用說明。此外，部分生成 圖表會載入外部 CDN；自行啟用券商/API 路徑則會明確連線到相應外部服務。

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：

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）。

標準欄位 可接受的欄名（部分範例） 必要性
symbol 代號 / ticker / 股票代號 / pair 必要
side 方向 / 買賣 / side / long_short 價量推算必填；direct pnl 可缺但不判方向偏好
entry_time / exit_time 進場時間 / 出場時間 / open_time 建議
entry_price / exit_price 進場價 / 出場價 / 買價 / 賣價 與 pnl 二擇一
quantity 數量 / 股數 / 張數 / qty 與 pnl 二擇一
fees 交易成本 / total_fee，或完整手續費＋稅 價量推算時未填才估算；direct net pnl 不重複扣
pnl pnl / 損益 / net_pnl / 淨損益 與價格二擇一；標準欄位契約為已扣所有成本的淨額
pnl_currency 損益幣別 / 帳戶幣別 direct pnl 必填；價量推算才可依商品原生幣別判定
tag 策略 / strategy / 進場理由 選填（強烈建議）

資料不完整時的保守處理

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

等級 意義 勸退
🟥 gambling 樣本期望值為負 —— 方法不變，長期的統計預期就是虧損 ✅ 強烈勸退
🟧 insufficient 樣本太少，無法區分本事與運氣 ✅ 勸阻重押
🟨 luck_suspected 帳面賺錢，但統計上像運氣 ✅ 高度存疑
🟨 fragile_edge 有統計訊號但結構脆弱、風險高 ✅ 謹慎
🟩 statistical_edge 正期望值通過顯著性檢定（樣本外驗證另行報告） ❌ 不勸退（仍非保證）

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 是在指定虛無假設與模型成立時，反對「平均損益不為正」的證據。p 值是該假設下 得到至少同樣極端統計量的尾端機率，不是「假設為真／結果純屬運氣／有優勢」的機率， 更不能證明未來優勢或因果能力。兩個檢定使用同一批資料，也不是兩次獨立重現。
  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。 這只是既有歷史的時間穩定度檢查，不等於真正未碰過的前瞻樣本；缺時間、混時區、 幣別不可比、被拒資料列或未釐清的精確重複交易都會直接拒算。
  4. 資料完整性閘門：被拒列與完整時間戳交易的精確重複列會保留計數與原因， 不靜默刪除；問題未釐清前只給 insufficient，不認證正優勢。
  5. 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）：

key 券商 市場
paper 紙上模擬（預設，完整可用、不碰真錢） 全
shioaji 永豐 Shioaji 台股
yuanta 元大 SPARK API 台股 / 期貨
fubon 富邦新一代 API 台股 / 複委託
kgi 凱基 KGI SUPER PY 台股 + 美股
tw_futures 群益 / 統一 / 元富 期貨類 台期
ibkr Interactive Brokers 美股 / 全球
alpaca Alpaca 美股
tradier Tradier（REST API） 美股
binance Binance 加密貨幣
pionex Pionex 派網（官方現貨 REST API） 加密貨幣現貨
okx OKX 加密貨幣
bybit Bybit 加密貨幣
ccxt ccxt（一個介面接 100+ 交易所） 加密貨幣

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。

PaperBroker 是立即成交模擬器，沒有掛單佇列：買價低於現價或賣價高於現價的 非市場合理限價單會直接拒絕；可立即成交的限價單以當前報價成交，且不越過買進上限／ 賣出下限。CLI 也會在寫檔前拒絕輸入／輸出別名、重複輸出路徑與既有報告檔； scaffold 不覆蓋既有非空專案，沒有 --force。

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           # 市場規格：契約乘數白名單、代號辨識、槓桿標註
  onboarding.py        # 新手記錄與停手／紙上／極小額驗證分流
  analyzer.py          # 高階一行式進入點
  cli.py               # 命令列介面（18 個指令）
  report.py            # 中文文字報告
  report_html.py       # HTML 報告 + 分享圖卡（XSS 安全、自包含）
  ingest/              # CSV/JSON/Excel、自動欄位辨識、新手輸入與截圖 OCR 覆核
  metrics/             # 績效指標（performance / breakeven 轉正數字）
  verdict/             # 統計裁決引擎 + 顯著性檢定（真正的 t 分布，純標準庫）
  strategy/            # 交易模式反推 + 策略骨架 + per_tag 描述統計/反事實/跟單抽算
  backtest/            # 樣本外驗證（holdout_validate）
  trend/               # 時間趨勢：月報彙總 + 優勢衰減偵測（單一固定切點，防 p-hacking）
  montecarlo/          # 風險情境模擬：爆倉比例、最壞回撤、連虧機率
  survivorship.py      # 倖存者偏差模擬器（精確 DP，非模擬近似）
  forensics/           # 假績效統計鑑識（runs test / Lo 校正夏普 / 尾數卡方）
  antiscam/            # 反詐核心：特徵庫 + scam-check + 話術偵測 + 假老師驗證器
  broker/              # 券商抽象層 + PaperBroker + 13 種真實券商範本（共 14 種選項）
  charts/              # 四種開源圖表庫範本 + 樣式預覽
  scaffold/            # 個人交易程式專案產生器（產出自包含 broker_lib）
.claude/skills/anti-gambling-trader/SKILL.md   # Claude Code 技能包裝
.agents/skills/anti-gambling-trader/SKILL.md   # Codex／通用 agent 技能包裝
core/examples/         # 三市場範例資料（隨套件打包，pip 安裝後 demo 仍可用）
tests/                 # 自動化回歸測試（數量以 pytest 即時收集結果為準）

我們刻意不做的事：不用班佛定律（報酬有負數、不跨數量級，前提不成立）、 不給「87% 是詐騙」這種未校準的假百分比、不做 Kelly 部位建議、不畫「信心度」儀表、 不做未來報酬投射。詳見 方法論。

測試

# 用 pytest 一次跑全部（推薦）
python -m pip install -e ".[dev]"
python -m pytest tests/ -v

# 不裝 pytest 時，每個檔有內建執行器，需逐一執行：
python tests/test_core.py
python tests/test_trading_tools.py
python tests/test_antiscam.py
python tests/test_usability.py
python tests/test_engine.py
python tests/test_debate_fixes.py
python tests/test_trend.py
python tests/test_expansion.py
python tests/test_skill_round.py
python tests/test_round7.py
python tests/test_round8.py
python tests/test_round9.py
python tests/test_round10.py
python tests/test_line_antiscam.py
python tests/test_missing_time_semantics.py
python tests/test_onboarding.py
python tests/test_screenshot_ingest.py
python tests/test_trade_logic_audit.py

作者

好棒棒反詐協會 - 免費顧問 阿軒割割

誠實聲明：上列署名為社群化名，「好棒棒反詐協會」不是立案法人或 官方組織。本專案的可信度不來自頭銜，來自：公開的原始碼、可重現的 實驗（experiments/，固定 seed）、方法論全文與 持續執行的自動化回歸測試。歡迎任何人檢驗與挑戰 —— 這正是本工具要求「老師們」 做到的事。

授權

MIT License — 開源、自由使用。詳見 LICENSE。

⚠️ 免責聲明

本工具為統計分析與教育用途，輸出不構成任何投資建議。 投資有風險，盈虧自負。過去績效不代表未來表現。 作者不對任何人依本工具做出的決策與後果負責。

完整免責聲明請見 DISCLAIMER.md。

anti-gambling-trader-tw (mars-tw/anti-gambling-trader-tw)

Searching Database…

1.1K ·GitHub
Anti-gambling-trader-tw
What is this?A free, open-source Python tool that analyzes trading records (Taiwan stocks, US stocks, crypto, forex) to statistically test whether your profits are a repeatable edge or just luck plus survivorship bias, scans for scam language and fake performance claims, and can scaffold backtestable or paper-trading automation projects.
Is it a GUI app or a command-line tool?It's a local command-line tool run as 'python -m core.cli', or the shorter 'anti-gambling-trader' once installed, with a pure-Python statistical core — there's no hosted dashboard.
How do I get it running?Install Python 3.10+, then run all commands from the project root (the folder containing core/) using 'python -m core.cli'; macOS/Linux users with 'python' pointing to Python 2 should use 'python3' instead.
Do I need to install extra Python packages, or is Claude Code required?No extra packages are needed — the statistical engine is pure Python standard library with zero external dependencies. Claude Code is entirely optional and only comes into play if you choose to hand it files for analysis.
Is the screenshot and chat-log scanning fully automatic?No — OCR only extracts candidate fields and never auto-saves them to your trade log, it can misread signs, decimals, and buy/sell direction, so you must cross-check every field against the original image, and a single screenshot can never prove real performance.
Does it run the same way on Windows as on Mac or Linux?Yes, it's cross-platform: Windows users run '$env:PYTHONUTF8=1' in PowerShell first to avoid garbled Chinese/emoji text, while macOS/Linux users just prefix commands with 'PYTHONUTF8=1'.
What are the five verdict levels it assigns to a trading record?It labels results gambling, insufficient, luck-suspected, fragile-edge, or statistical-edge, based on expectancy and significance tests, ranging from strongly discouraged to not discouraged.
How does it catch fake trading gurus or scam groups?It scans LINE chat exports and trading screenshots for scam phrasing, isolates 'copy-trade' entries to compute their real expectancy from your own numbers, and runs fake-performance forensics instead of trusting curated screenshots.
Can the generated program actually place real trades?By default, scaffolded projects use a PaperBroker simulator that never touches real money; enabling live trading requires the user to wire up real broker API keys, finish a custom live runner, and pass four separate safety gates including an explicit disclaimer flag.
Why did the author build this instead of a normal trading bot generator?Because most retail trading losses come from mistaking luck for skill, and scammers exploit exactly that; the tool exists to test trading claims with expectancy, t-tests, bootstrap resampling, and out-of-sample validation before someone loses more money to a scam.
What are similar projects?StockSharp, QuantDinger, awesome-quant, hummingbot, Vibe-Trading, stock, ai-hedge-fund, Qbot
Which topics is it in?forex, backtesting, trading-bot, algorithmic-trading, crypto, stock-market, quantitative-finance, fintech, trading, statistics, finance, command-line-tool
Creator
mars-tw
Size
1 MB
Stars
1.1K
Updated
CommitOct 09Releasev0.4.0Oct 09
Age
3mo
Commits · 90 Days