FINDING #9058 · 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
3.43
ACCEL
-0.46
RETENTION
33.3%
PEAK 2026-08-22 · FORK-RETENTION 0.0% · 24 STARS / WINDOW
Author Audience
AUDIENCE
141,341
FOLLOWERS
32,343
OWNER ★
383,274
Engagement Signals
FORKS
319
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 24 / 24 (DIVERSITY 1.00)
Why This Is A Finding
datawhalechina/whale-quant собрал 24 звёзд за окно, тогда как у автора всего 32,343 подписчиков — эффективная аудитория ≈ 141,341. Это даёт surprise-индекс 0.0000243 (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 7% OF 9760 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9760 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 7%
VELOCITY3.433.71-0.29ABOVE 46%
RETENTION33.3%38.0%-4.7 PPABOVE 42%
FORKS31986+233ABOVE 80%
SURPRISE0.000.01-0.01ABOVE 2%