方法論

1. 預先登記（preregistration）——判準在跑實驗之前寫進 設定檔並凍結。事後訂標準等於沒有標準。已登記 30 份， 而已經下過判定的多數結論是「沒有增量價值」——例外是 2026-09-04b（選擇權 IV → 次日已實現波動，✅ 有增量預測力），而同一條資訊沒有轉化成更好的區間（09-04c ❌）。其餘多數仍在觀察期、還沒有結論，進度見判定日曆與被監看的條件。如實記錄不粉飾。其中 9 份 在檔案開頭就揭露「寫定時已經看過結果」（有的寫 written_before_any_data = false，有的把「重大揭露」寫在檔頭散文裡——兩種都算進上面那個數字）——那種提案本身就有移動球門柱的形式， 揭露不是禮貌，是讓後人能重新評估。

2. 校準閘門——機率的 ECE 必須 < 0.05 才准給部位建議。 目前三個 horizon 全部未通過，所以全部只記錄。這道閘門是為了避免 「宣稱七成把握、實際三成命中」還照樣輸出。

3. 保留集動用要留痕，動了就不能再當保留集——最後 250 個 交易日原本封存不用，只在模型定案後做一次終檢。實際發生的事要如實記： reports/holdout_touch_log.md 累計 22 筆動用 （2026-08-21 GARCH 區間終檢、08-25 方向終檢與 2026 回補、08-25／26 全期逐日紀錄；含 API 寫錯的重跑，每一筆留痕不刪），並於 2026-08-26 併入常規 walk-forward——從那天起這個專案沒有任何 未動用的資料，唯一乾淨的裁判只剩往後累積的事前 live。 原則沒有被丟掉，是被用完了；用完要說出來，不能還寫「只動過一次」。

4. 品質哨兵——每日重建後、出預測前檢查語意恆等式 （標籤是否真的等於次日報酬、OHLC 是否自洽）。FAIL 就不出預測： 用壞資料出的預測比沒有預測更糟。

這些設定的方向模型未達事先寫定的效用門檻。三條特徵路徑（58／74／117 欄） 全部未通過事先判準——這是對「這些設定」的結論，不等於「資料沒有訊號」或 「方向預測不可能有價值」（審核 A13）；其他設定沒有測過，就沒有結論。 ⚠️ 這裡刻意不拿原始命中率去比「永遠猜震盪」。模型以 class_weight="balanced" 訓練，最佳化的是平衡準確率， 而「永遠猜震盪」最佳化的是原始準確率——兩者直接比，模型必輸， 而那個比法說明不了事情（本站 2026-08-24 自己更正過，並寫成明文禁令）。 公平的比較是平衡命中率 0.3840 vs 無資訊基準 0.3333 （歷史模擬 h=1，n=4,101），五折全部為正、t = 7.09： 此設定的描述性分類分數略高於對照，但仍須處理 fold 相依與研究選擇；不能據此宣稱交易能力。 原始口徑一併列出以免只挑好看的：原始 0.3782、多數類 0.4299。

區間模型輸給 GARCH(1,1)。用 4 個參數的 GARCH 涵蓋率 0.81， 58 個特徵的分位數迴歸只有 0.76——所以每日區間改用 GARCH， 那是公開知識，不是我們的優勢。GARCH 區間的區間分數只比「過去一年的經驗分位」略好， 差距集中在高波動期（見命中率與校準「跟事前基準比」）。

研究凍結分兩層。live 管線與帳（record_only、判準、晉升階梯） 維持凍結——那是唯一乾淨的裁判，每天 3 筆、到期真實結算， 每 horizon 各滿 60 筆才有第一次判定。離線研究自 2026-08-31 起依 使用者決定解凍，照 prereg＋驗證折進行：驗證折累計 43 次（超過 5 次後任何正面判讀一律註明偏樂觀）、 登記 30 份 prereg。 這兩個數字從 log 現算——先前寫死的「8 次」在盤點時已漂到近 4 倍。