AlanFokCo · AlanFokCo · May 28, 2026 · May 28, 2026 · May 28, 2026
diff --git a/README.md b/README.md
@@ -32,14 +32,16 @@ Event-driven quantitative backtesting framework for China A-share market.
 - **Event-driven backtesting** — `initialize` → `run_daily` → `handle_data`, compatible with JoinQuant / Zipline programming model
 - **A-share data** — daily OHLCV, minute K-lines, tick data, real-time quotes, fundamentals, money flow via free AKShare API
 - **Position management** — buy/sell by shares, value, or target; automatic lot-size rounding (100 shares), commission calculation
-- **Risk analysis** — Sharpe, Sortino, max drawdown, alpha/beta, Brinson attribution, Fama-French factor analysis
+- **Risk analysis** — Sharpe, Sortino, max drawdown, alpha/beta, Brinson attribution, simple factor analysis
 - **Portfolio optimization** — minimum variance, maximum Sharpe, risk parity
 - **Paper trading** — run strategies live with real-time market data before going live
 - **PTrade/QMT adapter** — one-click export to broker platforms
 - **Stock selection** — periodic rebalancing with factor screening (ST/PB/PE/momentum filters, Top-N, multi-factor scoring)
-- **Utility library** — 30+ technical indicators (MA, MACD, RSI, KDJ, Bollinger, ATR, ADX), statistical tools, position sizing (Kelly, ATR-based, fixed fractional)
+- **Utility library** — 40+ technical indicators (MA, MACD, RSI, KDJ, Bollinger, ATR, ADX), statistical tools, position sizing (Kelly, ATR-based, fixed fractional)
 - **Reports** — interactive HTML, chart PNG, Markdown, JSON with 20+ risk/return metrics
 - **Chainable stock screening** — fluent API (`query` / `valuation` / `get_fundamentals`) for fundamental analysis
+- **Walk-forward analysis** — rolling in-sample/out-of-sample validation to detect overfitting (experimental)
+- **Scientific validation** — overfitting detection, statistical confidence, bias detection, extended risk metrics (experimental)
 
 ---
 
@@ -167,7 +169,7 @@ Full index at [`examples/Examples.md`](examples/Examples.md).
 | 06 | `06_advanced_api.py` | Scheduling, portfolio optimization, attribution |
 | 07 | `07_market_data.py` | Financials, industry, index, minute, tick data |
 | 08 | `08_lifecycle_callbacks.py` | Lifecycle callbacks & stock pool management |
-| 09 | `09_attribution_analysis.py` | Brinson + Fama-French factor analysis |
+| 09 | `09_attribution_analysis.py` | Brinson + simple factor analysis |
 | 10 | `10_index_concept.py` | Index & concept board strategies |
 | 11 | `11_utils_library.py` | Full utility library demonstration |
 | 12 | `12_portfolio_backtest.py` | Multi-stock portfolio backtest |

diff --git a/README_zh.md b/README_zh.md
@@ -7,6 +7,7 @@
 面向中国 A 股市场的事件驱动量化回测框架。
 
 [![Tests](https://img.shields.io/github/actions/workflow/status/AlanFokCo/EasyQuant/test.yml?label=Tests)](https://github.com/AlanFokCo/EasyQuant/actions/workflows/test.yml)
+[![Studio CI](https://img.shields.io/github/actions/workflow/status/AlanFokCo/EasyQuant/studio-test.yml?label=Studio%20CI)](https://github.com/AlanFokCo/EasyQuant/actions/workflows/studio-test.yml)
 [![Docs](https://img.shields.io/github/actions/workflow/status/AlanFokCo/EasyQuant/deploy-docs.yml?label=Docs)](https://AlanFokCo.github.io/EasyQuant/)
 [![Python](https://img.shields.io/badge/python-3.10%20%7C%203.11%20%7C%203.12-blue.svg)](https://www.python.org)
 [![License](https://img.shields.io/badge/license-MIT-green.svg)](https://github.com/AlanFokCo/EasyQuant/blob/main/LICENSE)
@@ -31,14 +32,16 @@
 - **事件驱动回测** — `initialize` → `run_daily` → `handle_data`，与 JoinQuant / Zipline 一致的编程模型
 - **A 股数据** — 日线 OHLCV、分钟 K 线、Tick 数据、实时行情、财务摘要、资金流向，通过 AKShare 免费获取
 - **仓位管理** — 按股数 / 金额 / 目标值买卖，自动取整到 100 股，自动计算手续费
-- **风险分析** — 夏普 / 索提诺 / 最大回撤 / alpha & beta / Brinson 归因 / Fama-French 因子分析
+- **风险分析** — 夏普 / 索提诺 / 最大回撤 / alpha & beta / Brinson 归因 / 简化因子分析
 - **组合优化** — 最小方差、最大夏普、风险平价
 - **模拟盘** — 使用实时行情持续运行策略，实盘前验证
 - **PTrade/QMT 适配** — 策略一键导出为券商平台格式
 - **选股** — 按因子定期调仓（ST/PB/PE/动量过滤、Top-N、多因子评分）
-- **工具库** — 30+ 技术指标（MA、MACD、RSI、KDJ、布林带、ATR、ADX）、统计分析、仓位管理（Kelly、ATR、固定比例）
+- **工具库** — 40+ 技术指标（MA、MACD、RSI、KDJ、布林带、ATR、ADX）、统计分析、仓位管理（Kelly、ATR、固定比例）
 - **报告输出** — 交互式 HTML 报告、图表 PNG、Markdown、JSON，含 20+ 风险/收益指标
 - **链式选股 API** — 流式接口（`query` / `valuation` / `get_fundamentals`）用于基本面筛选
+- **滚动验证 (WFA)** — 样本内/样本外滚动窗口验证，检测过拟合（实验性）
+- **科学验证** — 过拟合检测、统计置信度、偏差检测、扩展风险指标（实验性）
 
 ---
 
@@ -164,7 +167,7 @@ EasyQuant/
 | 06 | `06_advanced_api.py` | 调度、组合优化、归因分析 |
 | 07 | `07_market_data.py` | 财务、行业、指数、分钟线、Tick 数据 |
 | 08 | `08_lifecycle_callbacks.py` | 生命周期回调与股票池管理 |
-| 09 | `09_attribution_analysis.py` | Brinson 归因 + Fama-French 因子分析 |
+| 09 | `09_attribution_analysis.py` | Brinson 归因 + 简化因子分析 |
 | 10 | `10_index_concept.py` | 指数与概念板块策略 |
 | 11 | `11_utils_library.py` | 全量工具库演示 |
 | 12 | `12_portfolio_backtest.py` | 多股票组合回测 |

diff --git a/SECURITY.md b/SECURITY.md
@@ -4,7 +4,8 @@
 
 | Version | Supported          |
 | ------- | ------------------ |
-| 0.1.x   | Yes                |
+| 1.0.x   | Yes                |
+| 0.1.x   | No                 |
 
 ## Reporting a Vulnerability
 

diff --git a/doc/api_reference.md b/doc/api_reference.md
@@ -22,6 +22,8 @@
 | 选股/行业轮动 | [选股策略 API](#选股策略-api) |
 | 优化仓位权重 | [组合优化 API](#组合优化-api) |
 | 本地缓存 | [缓存 API](#缓存-api) |
+| 滚动验证 / 检测过拟合 | [滚动验证 API（实验性）](#滚动验证-api实验性) |
+| 科学验证 / 偏差检测 | [科学验证 API（实验性）](#科学验证-api实验性) |
 
 **命名约定：**
 
@@ -654,9 +656,22 @@ metrics = analyze_returns(result, risk_free_rate=0.03, trading_days=252)
 
 Brinson 归因分析。返回 `dict`（`allocation_effect`, `selection_effect`, `interaction_effect`, `total_active_return`）。
 
-### fama_french_analysis
+### simple_factor_analysis
 
-Fama-French 因子分析。返回 `dict`（`market_beta`, `market_exposure`, `alpha_annual`, `momentum_correlation`, `vol_of_vol`, `residual_volatility`, `explained_variance`）。
+简化因子分析。将策略收益分解为市场因子（beta）、动量代理（滞后收益自相关）和 Alpha（残差）。
+
+> **注意：** 本函数**不实现**真正的 Fama-French 三因子模型。`momentum_correlation` 字段为收益自相关，非真正的动量因子暴露。
+
+```python
+from eqlib import simple_factor_analysis
+ff = simple_factor_analysis(result)
+```
+
+返回 `dict`（`market_beta`, `market_exposure`, `alpha_annual`, `momentum_correlation`, `vol_of_vol`, `residual_volatility`, `explained_variance`）。
+
+!!! warning "已弃用别名"
+
+    `fama_french_analysis` 仍可使用，但已弃用。请改用 `simple_factor_analysis`。
 
 ---
 
@@ -808,6 +823,86 @@ result = run_strategy(initialize, selection_func=my_selection, selection_rebalan
 
 ---
 
+## 滚动验证 API（实验性）
+
+### walk_forward
+
+滚动验证（Walk-Forward Analysis）：将历史期间分为交替的样本内（IS）和样本外（OOS）窗口，用于检测过拟合。
+
+```python
+from eqlib import walk_forward
+
+wfa_result = walk_forward(
+    make_initialize,
+    optimize_fn=optimize,
+    start_date='2020-01-01',
+    end_date='2024-12-31',
+    train_months=12,
+    test_months=3,
+    step_months=3,
+    starting_cash=100_000,
+)
+```
+
+| 参数 | 类型 | 说明 |
+|------|------|------|
+| `make_initialize` | `Callable` | 工厂函数，接受参数字典并返回 `initialize` 函数 |
+| `optimize_fn` | `Callable` 或 `None` | 可选，`(train_result) -> dict` 参数选择函数 |
+| `start_date` | `str` / `date` | 分析起始日期 |
+| `end_date` | `str` / `date` | 分析结束日期 |
+| `train_months` | `int` | 每个训练窗口长度（月） |
+| `test_months` | `int` | 每个测试窗口长度（月） |
+| `step_months` | `int` | 窗口滑动步长（月） |
+| `starting_cash` | `float` | 每个窗口的初始资金 |
+| `benchmark` | `str` | 基准代码 |
+| `securities` | `list[str]` 或 `None` | 股票池 |
+
+返回 `WFAResult` 对象，包含：
+
+- `windows`：每个窗口的结果列表
+- `oos_equity`：拼接的 OOS 权益曲线（`pd.Series`）
+- `summary`：聚合统计（`total_oos_return`、`oos_sharpe` 等）
+
+---
+
+## 科学验证 API（实验性）
+
+`eqlib.scientific` 提供回测后的科学验证工具，用于过拟合检测、统计置信度测试、偏差检测和扩展风险指标。
+
+### validate_backtest
+
+一键运行全部验证检查。
+
+```python
+from eqlib.scientific import validate_backtest, ValidationConfig
+
+config = ValidationConfig()  # 可选自定义配置
+validation = validate_backtest(backtest_result, config=config)
+validation.summary()
+```
+
+### 子模块
+
+| 模块 | 主要函数 | 说明 |
+|------|----------|------|
+| `overfitting` | `out_of_sample_test`、`parameter_sensitivity`、`walk_forward_analysis` | 过拟合检测 |
+| `statistics` | `bootstrap_metrics`、`monte_carlo_simulation`、`significance_test`、`sample_size_assessment` | 统计置信度 |
+| `bias` | `check_lookahead_bias`、`check_survivorship_bias`、`check_selection_bias`、`check_data_bias` | 偏差检测 |
+| `risk` | `extended_risk_metrics`、`value_at_risk`、`conditional_var`、`stress_test`、`tail_risk_analysis` | 扩展风险 |
+| `comparison` | `compare_with_platform`、`compare_metrics`、`verify_trades` | 平台对比 |
+| `report` | `generate_validation_report` | 验证报告生成 |
+
+### ValidationConfig
+
+验证配置对象，可自定义阈值和启用/禁用各验证模块。
+
+```python
+from eqlib import ValidationConfig
+config = ValidationConfig()
+```
+
+---
+
 ## 参数化与优化约定
 
 `eqlib` 的 API 可与任意 Python 流程配合（脚本、Notebook、定时任务）。典型调用链：`run_backtest()` → `analyze_returns()` → `brinson_attribution()` → 分析结果 → 修改参数 → 再回测。
@@ -852,7 +947,11 @@ from eqlib import (
     # 组合优化
     portfolio_optimizer, Bound, MinVariance, MaxSharpe, RiskParity,
     # 分析
-    analyze_returns, brinson_attribution, fama_french_analysis,
+    analyze_returns, brinson_attribution, simple_factor_analysis,
+    # 滚动验证（实验性）
+    walk_forward, WFAResult,
+    # 科学验证（实验性）
+    ValidationConfig,
     # 选股
     StockSelector, TopNSelector, MultiFactorSelector,
     filter_st_stocks, filter_paused_stocks,

diff --git a/doc/user_guide.md b/doc/user_guide.md
@@ -607,14 +607,16 @@ print("配置效应: %.4f" % attr['allocation_effect'])
 print("选股效应: %.4f" % attr['selection_effect'])
 ```
 
-### 11.3 `fama_french_analysis`：因子分析
+### 11.3 `simple_factor_analysis`：因子分析
 
 ```python
-from eqlib import fama_french_analysis
-ff = fama_french_analysis(result)
+from eqlib import simple_factor_analysis
+ff = simple_factor_analysis(result)
 print("市场 Beta: %.3f" % ff['market_beta'])
 ```
 
+> **注意：** 本函数**不实现**真正的 Fama-French 三因子模型。`momentum_correlation` 字段为收益自相关，非真正的动量因子暴露。`fama_french_analysis` 已弃用，请改用 `simple_factor_analysis`。
+
 ---
 
 ## 12. 模拟盘交易
@@ -764,6 +766,64 @@ audit_log/
 
 ---
 
+## 13A. 滚动验证（Walk-Forward Analysis）（实验性）
+
+滚动验证将历史期间分为交替的「样本内」（IS）训练窗口和「样本外」（OOS）测试窗口，在 IS 窗口上优化参数，在 OOS 窗口上验证，最后拼接 OOS 权益曲线。
+
+```python
+from eqlib import walk_forward
+
+def make_initialize(fast_period=5, slow_period=20):
+    def initialize(context):
+        set_benchmark('000300.XSHG')
+        context.fast = fast_period
+        context.slow = slow_period
+        run_daily(handle, time='every_bar')
+    return initialize
+
+def optimize(train_result):
+    return {'fast_period': 5, 'slow_period': 20}  # 简化示例
+
+wfa_result = walk_forward(
+    make_initialize,
+    optimize_fn=optimize,
+    start_date='2020-01-01',
+    end_date='2024-12-31',
+    train_months=12,
+    test_months=3,
+)
+print(wfa_result.summary)
+```
+
+WFA 结果包含：每个窗口的详细指标、拼接的 OOS 权益曲线、以及汇总统计（总 OOS 收益率、OOS 夏普比率等）。
+
+---
+
+## 13B. 科学验证（实验性）
+
+`eqlib.scientific` 提供回测后的科学验证工具，帮助判断策略是否可信：
+
+```python
+from eqlib.scientific import validate_backtest
+
+validation = validate_backtest(result)
+validation.summary()
+```
+
+包含以下验证模块：
+
+| 模块 | 功能 |
+|------|------|
+| **过拟合检测** | 样本外测试、参数敏感度分析、滚动验证 |
+| **统计置信度** | Bootstrap 指标、蒙特卡罗模拟、显著性检验 |
+| **偏差检测** | 前视偏差、幸存者偏差、选择偏差、数据偏差 |
+| **扩展风险** | VaR、CVaR、压力测试、尾部风险分析 |
+| **平台对比** | 与外部平台回测结果交叉验证 |
+
+详细 API 参考见 [API 参考 · 科学验证 API](api_reference.md#科学验证-api实验性)。
+
+---
+
 ## 14. 常见问题
 
 更完整的排错见 [FAQ.md](FAQ.md)。

diff --git a/docs/glossary.md b/docs/glossary.md
@@ -28,6 +28,9 @@
 **Brinson attribution (Brinson 归因)**
 将超额收益分解为配置效应（allocation effect）、选股效应（selection effect）和交互效应（interaction effect）三部分，用于量化各层级决策的贡献。
 
+**bootstrap (自助法)**
+一种重采样统计方法：从原始数据中有放回地抽样，生成大量模拟样本，以此估计指标的置信区间。EasyQuant 通过 `eqlib.scientific.bootstrap_metrics()` 提供支持。
+
 ---
 
 ## C
@@ -86,6 +89,16 @@ A 股最小买入单位为 1 手 = 100 股。EasyQuant 的 `order()` 系列函
 **max drawdown (最大回撤)**
 见 drawdown。
 
+**Monte Carlo simulation (蒙特卡罗模拟)**
+通过随机打乱收益序列的顺序来模拟大量可能的权益路径，以评估策略指标（如夏普比率、最大回撤）的分布范围。EasyQuant 通过 `eqlib.scientific.monte_carlo_simulation()` 提供支持。
+
+---
+
+## O
+
+**overfitting (过拟合)**
+策略参数过度适配历史数据的特定噪声，导致在新数据上表现大幅下降。常见检测方法包括样本外测试、参数敏感度分析和滚动验证（Walk-Forward Analysis）。EasyQuant 的 `eqlib.scientific.overfitting` 模块提供自动检测工具。
+
 ---
 
 ## P
@@ -126,6 +139,9 @@ A 股最小买入单位为 1 手 = 100 股。EasyQuant 的 `order()` 系列函
 **ST (特别处理)**
 沪深交易所对经营异常股票的特殊标记（*ST / ST）。ST 股涨跌幅限制为 ±5%，EasyQuant 的 `filter_st_stocks()` 函数可将 ST 股从股票池中排除。
 
+**survivorship bias (幸存者偏差)**
+仅使用当前仍在交易的股票进行回测，忽略了已退市或被 ST 的股票，导致回测收益虚高。EasyQuant 的 `eqlib.scientific.check_survivorship_bias()` 可检测此类偏差。
+
 ---
 
 ## T
@@ -145,6 +161,16 @@ A 股交易日历，排除节假日、周末。EasyQuant 优先使用新浪财
 
 ---
 
+## V
+
+**VaR (Value at Risk / 在险价值)**
+在给定置信水平（如 95%）下，投资组合在一定持有期内可能遭受的最大损失。EasyQuant 通过 `eqlib.scientific.value_at_risk()` 和 `utils.value_at_risk()` 提供计算。
+
+**CVaR (Conditional VaR / 条件在险价值)**
+又称 Expected Shortfall（ES）。在损失超过 VaR 的情况下的期望损失，衡量尾部风险。EasyQuant 通过 `eqlib.scientific.conditional_var()` 和 `utils.conditional_var()` 提供计算。
+
+---
+
 ## W
 
 **walk-forward analysis (滚动验证 / 走出样本)**

diff --git a/examples/09_attribution_analysis.py b/examples/09_attribution_analysis.py
@@ -3,7 +3,7 @@
 Demonstrates:
 - analyze_returns: Sharpe, Sortino, max drawdown, alpha, beta
 - brinson_attribution: allocation, selection, interaction effects
-- fama_french_analysis: factor decomposition
+- simple_factor_analysis: factor decomposition
 - Using the full reporting pipeline (chart + Markdown + JSON)
 
 Usage:
@@ -122,12 +122,12 @@ def weekly_rebalance(context):
     else:
         print("  Insufficient data for Brinson attribution")
 
-    # 3. Fama-French factor analysis
+    # 3. Simple factor analysis
     print(f"\n{'=' * 60}")
     print("Factor Analysis (simplified)")
     print(f"{'=' * 60}")
 
-    ff = fama_french_analysis(result)
+    ff = simple_factor_analysis(result)
     if ff:
         print(f"  Market beta:         {ff['market_beta']:.2f}")
         print(f"  Market exposure:     {ff['market_exposure']:+.2f}")

diff --git a/examples/Examples.md b/examples/Examples.md
@@ -60,7 +60,7 @@ python examples/<file>.py
 
 演示 eqlib 高级功能：策略调度（`run_weekly`/`run_monthly`）、组合优化（最小方差/最大夏普/风险平价）、归因分析（Brinson + Fama-French）。
 
-**涉及 API：** `portfolio_optimizer`、`MinVariance`、`MaxSharpe`、`RiskParity`、`analyze_returns`、`brinson_attribution`、`fama_french_analysis`
+**涉及 API：** `portfolio_optimizer`、`MinVariance`、`MaxSharpe`、`RiskParity`、`analyze_returns`、`brinson_attribution`、`simple_factor_analysis`
 
 ## 07 — 扩展数据 API
 
@@ -78,7 +78,7 @@ python examples/<file>.py
 
 多股票动量策略 + 完整的回测后分析：绩效指标、Brinson 归因、Fama-French 因子分析、报告生成。
 
-**涉及 API：** `analyze_returns`、`brinson_attribution`、`fama_french_analysis`、`generate_chart`、`generate_report_md`、`generate_report_json`
+**涉及 API：** `analyze_returns`、`brinson_attribution`、`simple_factor_analysis`、`generate_chart`、`generate_report_md`、`generate_report_json`
 
 ## 10 — 指数与概念策略