用途：把不同单位的美股估值指标统一成 0-100 的历史分位数，再合成综合估值分位数，判断当前是否处于历史极端高估区间，并用历史类比给出风险解读。
主要能力：支持 CAPE、市值/GDP、trailing PE、PB 等指标；合成方式有 mean、median、trimmed_mean；默认 extreme_threshold 为 95，超过即判定极端高估；识别历史峰值事件（如 1929、1965、1999、2021），用 episode_min_gap_days 去重；输出未来 180/365/1095 天报酬分布、最大回撤与波动率变化等事后统计。
使用方式：首次安装依赖 pip install pandas numpy yfinance requests matplotlib openpyxl xlrd。可视化分析：python scripts/visualize_valuation.py -o output，生成走势图、分解图和 JSON。快速检查：python scripts/valuation_percentile.py --quick。完整分析：python scripts/valuation_percentile.py --as_of_date 2026-01-21 --universe "^GSPC" --metrics "cape,mktcap_to_gdp,trailing_pe,pb" --output result.json。
适用场景：美股整体估值极端程度监测、历史类比研究、风险解读与可视化报告。
限制：使用公开替代数据而非彭博原始数据；CAPE 可回溯至 1871 年，市值/GDP 约 1950 年代起，PE/PB/PS 历史约 30-50 年；各指标可得期间不同，合成分位数为近似重建；估值极端高不等于短期崩盘。