Replace "insider trading" terminology with "information asymmetry"

Neutral language reduces legal risk for open-source distribution.
All prompts, comments, and UI text updated. Database migration
code and field names (insider_evidence) preserved for compatibility.

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

src/main.py

@@ -156,7 +156,7 @@ class WhaleWatcher:
         logger.separator()
 
     def _send_alert_email(self, whale_trade: WhaleTrade, report: str, likelihood: float):
-        """Send real-time email alert for high insider trading likelihood signals."""
+        """Send real-time email alert for high information asymmetry signals."""
         settings = get_settings()
         if not settings.email_enabled or not settings.email_sender or not settings.email_password:
             return
@@ -166,7 +166,7 @@ class WhaleWatcher:
 
         try:
             subject = (
-                f"内幕交易警报 ({likelihood:.0%}) — "
+                f"异常交易警报 ({likelihood:.0%}) — "
                 f"BUY {trade.outcome} @ {trade.price:.4f} "
                 f"${trade.usdc_size:,.0f} — {whale_trade.market_question[:50]}"
             )

src/models/trade.py

@@ -234,7 +234,7 @@ class WhaleTrade(BaseModel):
 ### 分析要点
 1. 这笔大额交易 (${self.trade.usdc_size:,.2f}) 的方向为 **BUY {self.trade.outcome} Token**，{'表明交易者看多，认为事件会发生' if self.trade.outcome == 'Yes' else '表明交易者看空，认为事件不会发生'}
 2. 买入价格 {self.trade.price:.4f}，赔率约 {1/self.trade.price:.1f}x
-3. **交易者排名和历史交易是判断内幕交易可信度的重要参考**
+3. **交易者排名和历史交易是判断信息不对称可信度的重要参考**
 4. **注意分析该鲸鱼在同一事件下的其他持仓** — 如果持有反向仓位可能是对冲策略
 5. **参考该市场 Top 多空持仓者的阵营** — 精英交易者集中在哪一方
 """

src/prompts/whale_analyzer.py

@@ -11,13 +11,13 @@ class WhaleAnalyzerPrompts:
         """System prompt for whale trade analysis with tool-use."""
         current_utc = datetime.now(timezone.utc).strftime('%Y-%m-%d %H:%M:%S UTC')
 
-        return f"""你是一位专业的预测市场分析师和内幕交易识别专家，专门分析 Polymarket 上的大额异常交易。
+        return f"""你是一位专业的预测市场分析师和信息不对称识别专家，专门分析 Polymarket 上的大额异常交易。
 
 **当前真实时间**：{current_utc}
 
 ## 你的核心任务
 
-验证一笔"疑似异常交易"是否真的是"内幕交易"（即交易者掌握了市场尚未反映的信息）。
+验证一笔"疑似异常交易"是否存在信息不对称（即交易者可能掌握了市场尚未反映的信息优势）。
 
 ## 你会收到的数据
 
@@ -60,7 +60,7 @@ class WhaleAnalyzerPrompts:
 - 根据市场类型和交易特征，自行判断需要调用哪些工具
 - 可以调用一个、多个或零个工具
 - 可以用不同的关键词多次调用同一工具
-- 如果交易金额特别大或内幕嫌疑高，应更积极地搜索验证
+- 如果交易金额特别大或信息不对称嫌疑高，应更积极地搜索验证
 
 **工具协作与交叉验证（重要）**：
 - 不同工具获取到的信息必须**交叉验证**，不要仅凭单一信息源下结论。例如：网页搜索发现某政策传闻，应再用 Twitter 搜索验证舆论反应，用经济数据佐证影响
@@ -89,9 +89,9 @@ class WhaleAnalyzerPrompts:
 - **活跃市场**：近期参与的市场类型反映交易者的专长领域，与当前市场主题是否匹配
 - **近期交易记录**：具体的买卖方向、金额和价格，帮助判断交易者的策略模式
 
-### 内幕交易可信度判断标准（必须严格遵守）
+### 信息不对称可信度判断标准（必须严格遵守）
 
-**"内幕交易"的定义非常严格**：交易者必须掌握了市场尚未反映的、非公开的、具体的信息（如未公布的政策决定、未发布的数据、私下谈判结果等）。仅仅是"聪明的分析"、"经验丰富"或"排名高"都**不构成**内幕交易。
+**"信息不对称"的定义非常严格**：交易者必须掌握了市场尚未反映的、非公开的、具体的信息（如未公布的政策决定、未发布的数据、私下谈判结果等）。仅仅是"聪明的分析"、"经验丰富"或"排名高"都**不构成**信息不对称。
 
 **评分校准基准（大多数交易应落在 0.2-0.5 之间）**：
 
@@ -102,7 +102,7 @@ class WhaleAnalyzerPrompts:
 - **0.0-0.2（极低）**: 未上榜交易者的常规交易，无任何异常信号。
 
 **常见的错误高估场景（必须避免）**：
-- ❌ 仅因为交易者排名高就给 0.7+（高排名交易者每天做很多交易，绝大多数不是内幕交易）
+- ❌ 仅因为交易者排名高就给 0.7+（高排名交易者每天做很多交易，绝大多数不存在信息不对称）
 - ❌ 仅因为交易金额大就给 0.6+（大额交易是鲸鱼的常规操作）
 - ❌ 短期价格预测市场（如"Bitcoin Up or Down 5分钟"）给高分（这类市场几乎不可能有内幕信息）
 - ❌ 临近到期的市场、价格接近 0 或 1 的交易给高分（这通常是市场共识的正常体现）
@@ -118,9 +118,9 @@ class WhaleAnalyzerPrompts:
 ## 事件关联持仓分析
 
 交易数据中会包含鲸鱼在同一事件（Event）下其他市场的持仓情况。你需要综合分析：
-- **对冲识别**：如果鲸鱼在同一事件的不同市场持有反向仓位，可能是对冲策略而非单方向押注，应降低内幕可信度
+- **对冲识别**：如果鲸鱼在同一事件的不同市场持有反向仓位，可能是对冲策略而非单方向押注，应降低信息不对称评分
 - **关联押注**：如果鲸鱼在同一事件的多个市场持有同向仓位（如同时看多多个相关市场），这增强了信号强度
-- **套利行为**：同一事件下价格不一致时，鲸鱼可能在做套利，这不是内幕交易信号
+- **套利行为**：同一事件下价格不一致时，鲸鱼可能在做套利，这不是信息不对称信号
 
 ## 市场多空力量分析
 
@@ -201,7 +201,7 @@ class WhaleAnalyzerPrompts:
 
 ### 3. 事件关联持仓分析
 - 该鲸鱼在同一事件的其他市场是否有持仓？
-- 如果有反向持仓（如同时持有 Yes 和 No，或在相关市场对冲），可能是对冲/套利策略，应降低内幕可信度
+- 如果有反向持仓（如同时持有 Yes 和 No，或在相关市场对冲），可能是对冲/套利策略，应降低信息不对称评分
 - 如果同方向押注多个关联市场，则信号增强
 
 ### 4. 市场多空力量分析

src/services/anomaly_detector.py

@@ -350,5 +350,5 @@ class AnomalyDetector:
 4. **注意分析该鲸鱼在同一事件下的其他持仓** — 如果持有反向仓位可能是对冲策略
 5. **参考该市场 Top 多空持仓者的阵营** — 高排名交易者集中在哪一方
 
-请分析这笔交易的内幕交易可能性。
+请分析这笔交易的信息不对称可能性。
 """

src/services/anomaly_history.py

@@ -17,7 +17,7 @@ class AnomalyHistoryService:
     Only signals with likelihood >= 0.4 are used as historical context for LLM.
     """
 
-    # Minimum insider trading likelihood to use as historical context for LLM
+    # Minimum information asymmetry score to use as historical context for LLM
     MIN_CONTEXT_LIKELIHOOD = 0.4
 
     def __init__(self, db_path: str = "data/signals.db"):
@@ -91,7 +91,7 @@ class AnomalyHistoryService:
         context = f"""
 ### 历史异常交易信号 (共 {signal_count} 笔)
 
-**重要**: 该市场之前已经检测到 {signal_count} 笔异常交易。请将这些历史信号与当前最新信号一起进行综合分析，统一评估内幕交易可能性。
+**重要**: 该市场之前已经检测到 {signal_count} 笔异常交易。请将这些历史信号与当前最新信号一起进行综合分析，统一评估信息不对称可能性。
 
 """
         for i, signal in enumerate(signals, 1):
@@ -106,7 +106,7 @@ class AnomalyHistoryService:
 **综合分析要点**:
 1. 对比所有信号（历史+当前）的交易方向，分析是否有一致趋势
 2. 对比不同交易者的排名和历史记录，判断"聪明钱"的流向
-3. 如果多个高排名交易者都指向同一方向，内幕交易可能性显著提高
+3. 如果多个高排名交易者都指向同一方向，信息不对称可能性显著提高
 4. 如果信号方向相反，需要分析原因（时间变化、新信息、不同判断）
 5. 考虑时间因素：越近期的信号越有参考价值
 6. 观察交易金额的变化趋势：金额是否在增加？

src/services/daily_briefing.py

@@ -23,7 +23,7 @@ class DailyBriefingGenerator:
     Generates daily briefings summarizing high-value signals.
 
     Includes:
-    - Insider trading signals with likelihood >= 60%
+    - Smart money signals with information asymmetry score >= 60%
     - Price volatility alerts
     - Historical signal performance stats
     """
@@ -56,7 +56,7 @@ class DailyBriefingGenerator:
 
     def _load_insider_signals(self, date: datetime) -> tuple:
         """
-        Load insider trading signals for a specific date from the database.
+        Load smart money signals for a specific date from the database.
 
         First tries to find signals with likelihood >= 60%.
         If none found, falls back to the top 5 by likelihood.
@@ -180,7 +180,7 @@ class DailyBriefingGenerator:
         if is_fallback:
             summary_line = f"- 今日无可信度 ≥ 60% 的内幕信号，以下为可信度最高的 **{len(insider_signals)}** 条"
         else:
-            summary_line = f"- 高可信度内幕交易信号: **{len(insider_signals)}** 个 (可信度 ≥ 60%)"
+            summary_line = f"- 高可信度信息不对称信号: **{len(insider_signals)}** 个 (可信度 ≥ 60%)"
 
         lines.extend([
             "## 今日概览",
@@ -194,7 +194,7 @@ class DailyBriefingGenerator:
         if is_fallback:
             section_title = "## 今日可信度最高的异常交易"
         else:
-            section_title = "## 高可信度内幕交易信号"
+            section_title = "## 高可信度信息不对称信号"
 
         lines.extend([
             "---",

src/services/market_fetcher.py

@@ -14,7 +14,7 @@ logger = logging.getLogger(__name__)
 class MarketFetcher:
     """Fetches and manages trending markets from Polymarket Gamma API."""
 
-    # Short-term price prediction markets to filter out (no insider trading value)
+    # Short-term price prediction markets to filter out (no signal value)
     # Matches patterns like "Bitcoin Up or Down - March 27, 2:00AM-2:15AM ET"
     SHORT_TERM_PRICE_KEYWORDS = [
         "up or down",       # "Bitcoin Up or Down - March 27, 2:00AM"
@@ -24,7 +24,7 @@ class MarketFetcher:
         "green or red",     # daily candle color
     ]
 
-    # Temperature/weather markets (no insider trading value)
+    # Temperature/weather markets (no signal value)
     WEATHER_KEYWORDS = [
         "highest temperature",
         "lowest temperature",