FINDING #4816 · UNIT ID 135300551
PyPortfolio/PyPortfolioOpt
Financial portfolio optimization in python, including classical efficient frontier, Black-Litterman, Hierarchical Risk Parity
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
3.33
ACCEL
-1.00
RETENTION
50.0%
PEAK 2026-08-08 · FORK-RETENTION 0.0% · 10 STARS / WINDOW
Author Audience
AUDIENCE
1,239
FOLLOWERS
24
OWNER ★
5,953
Engagement Signals
FORKS
1,165
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 10 / 10 (DIVERSITY 1.00)
Why This Is A Finding
PyPortfolio/PyPortfolioOpt собрал 10 звёзд за окно, тогда как у автора всего 24 подписчиков — эффективная аудитория ≈ 1,239. Это даёт surprise-индекс 0.00261 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 44% OF 8676 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 8676 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 44%
VELOCITY3.335.67-2.33ABOVE 18%
RETENTION50.0%33.3%+16.7 PPABOVE 59%
FORKS1,165339+826ABOVE 73%
SURPRISE0.000.00-0.00ABOVE 41%