方法論

研究定位

PitchCopilot（九章鞠策）是一個體育量化研究與出版平台。我們的目標不是產生不可質疑的答案，而是把賽事資料、外部定價基準、校準模型、人工審核與公開績效放進同一個可追蹤流程。讀者可以看到模型如何形成觀點，也可以在賽後檢查這些觀點是否經得起長期檢驗。

平台服務兩類讀者：FPL 玩家需要更穩健的賽事背景與風險判斷；體育創作者需要可引用、可解釋、可回溯的結構化敘事。所有內容都以數據研究為定位，不構成投資建議或現實資產安排。

市場隱含定價是我們的方法起點之一。它把公開市場訊號整理成可比較的基準，讓模型不會只在內部資料中自說自話。PitchCopilot 會比較市場隱含定價與模型分佈，檢查勝平負、入球區間、節奏與不確定性是否存在可解釋差異。

當模型與基準出現距離，我們會以精算溢價率或 Divergence 描述。但差距本身不是結論，還需要資料理由、歷史校準與人工審核支持。若差距來自資料缺口或陣容不確定，報告會降低語氣或列入觀察項。

資產權重配置是研究語言，用來表達模型對不同方向的相對信心。平台使用虛擬點數與虛擬資金池，是為了把核心配置、次選配置與長期結果放到同一個標準化框架。這些單位不代表現實金錢，不承諾收益，也不是操作指令。

權重通常由三類訊號形成：賽事資料、外部定價基準與校準後模型分佈。若三者一致，核心配置可能較集中；若訊號互相拉扯，配置會下降、轉為次選或僅保留觀察。這種分層讓讀者知道信心差異，也讓公開績效能公平檢查。

每個可追蹤配置都需要事前命中定義。結算規則會說明結果來源、有效條件、延期或取消賽事處理，以及核心與次選配置如何分開統計。PitchCopilot 不應在賽後改寫定義，也不應只保留有利結果。

賽事完成後，結果會更新到 /performance。命中率回答「是否符合事前定義」，Brier 分數回答「機率信心是否合宜」，虛擬點數研究則觀察權重與波動。這些指標合讀，才能判斷模型是否真正可靠。

Brier 分數衡量機率預測與實際結果的距離。若模型對某事件給出高機率但事件未發生，分數會反映過度自信；若模型長期把六成事件說成六成，校準曲線會更接近理想線。PitchCopilot 透過 Brier 分數與校準曲線檢查模型是否只是在短期命中，還是真正表達了合理機率。

校準也會影響版本迭代。若某版本在特定聯賽或高信心區間表現不佳，團隊會調整權重、發布門檻或人工審核提醒。版本變更應保留脈絡，讓讀者比較不同時期時不會混淆。

資料來源會影響每一個後續判斷。PitchCopilot 會整理賽事資訊、球隊背景、公開市場訊號、賽果與人工補充資料，並在報告中盡量保留可追溯脈絡。若資料延遲、欄位缺失或賽前資訊尚未確認，模型輸出不能被視為完整結論。人工審核者需要檢查資料是否足以支持核心配置，必要時把內容降為次選或觀察項。

品質控制也包含語言與合規。平台使用體育量化模型、校準模型與數據研究作為主要定位，避免讓讀者誤解內容用途。每篇公開報告都應能連回方法、FAQ、指南與績效頁，形成可閱讀、可查證、可結算的閉環。這些內部連結不是裝飾，而是讓讀者能從單篇內容追到完整流程。

當公開績效揭露模型偏差，團隊會透過版本迭代修正。修正可能包含特徵權重、校準方式、發布門檻、聯賽分層或人工審核清單。版本變更需要保留脈絡，讓讀者知道新舊樣本不可直接混讀。

反思迭代的重點不是宣稱新版本必然更好，而是讓假設接受驗證。若新版本改善 Brier 分數但虛擬點數波動擴大，代表仍需觀察；若核心配置與次選配置分層變得更清楚，則可能表示發布門檻更穩健。

讀者不需要理解每個模型細節，也能做基本驗證。先看報告是否說明資料背景，再看配置是否有清楚層級，最後到公開績效檢查同類樣本。若內容沒有方法連結、沒有結算規則、沒有版本脈絡，就不符合 PitchCopilot 對可信研究的要求。

PitchCopilot 的報告採用人工審核發布。模型先產生候選研究，再由管理員檢查資料來源、合規表述、語氣強度、結算定義、內部連結與可讀性。通過後才公開；若資料不足，可能延後發布或改為觀察項。

這條管線形成閉環：資料整理、模型研究、人工審核、公開發布、賽後結算、績效回饋、版本迭代。讀者可以透過 /guides、/faq、/about 與 /performance 了解每一步。若有資料或內容問題，請透過 /contact 回報。