FINDING #4700 · UNIT ID 625348785
datawhalechina/whale-quant
本项目为量化开源课程，可以帮助人们快速掌握量化金融知识以及使用Python进行量化开发的能力。
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.33
ACCEL
+3.00
RETENTION
0.0%
PEAK 2026-07-15 · FORK-RETENTION 0.0% · 16 STARS / WINDOW
Author Audience
AUDIENCE
133,912
FOLLOWERS
30,672
OWNER ★
362,841
Engagement Signals
FORKS
311
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 16 / 16 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/whale-quant собрал 16 звёзд за окно, тогда как у автора всего 30,672 подписчиков — эффективная аудитория ≈ 133,912. Это даёт surprise-индекс 0.0000398 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 6% OF 5024 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5024 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 6%
VELOCITY5.336.67-1.33ABOVE 40%
RETENTION0.0%46.5%-46.5 PPABOVE 0%
FORKS311116+195ABOVE 73%
SURPRISE0.000.01-0.01ABOVE 2%