方法论

研究定位

PitchCopilot（九章鞠策）是一个体育量化研究与出版平台。我们的目标不是产生不可质疑的答案，而是把赛事资料、外部定价基准、校准模型、人工审核与公开绩效放进同一个可追踪流程。读者可以看到模型如何形成观点，也可以在赛后检查这些观点是否经得起长期检验。

平台服务两类读者：FPL 玩家需要更稳健的赛事背景与风险判断；体育创作者需要可引用、可解释、可回溯的结构化叙事。所有内容都以数据研究为定位，不构成投资建议或现实资产安排。

市场隐含定价是我们的方法起点之一。它把公开市场讯号整理成可比较的基准，让模型不会只在内部资料中自说自话。PitchCopilot 会比较市场隐含定价与模型分布，检查胜平负、入球区间、节奏与不确定性是否存在可解释差异。

当模型与基准出现距离，我们会以精算溢价率或 Divergence 描述。但差距本身不是结论，还需要资料理由、历史校准与人工审核支持。若差距来自资料缺口或阵容不确定，报告会降低语气或列入观察项。

资产权重配置是研究语言，用来表达模型对不同方向的相对信心。平台使用虚拟点数与虚拟资金池，是为了把核心配置、次选配置与长期结果放到同一个标准化框架。这些单位不代表现实金钱，不承诺收益，也不是操作指令。

权重通常由三类讯号形成：赛事资料、外部定价基准与校准后模型分布。若三者一致，核心配置可能较集中；若讯号互相拉扯，配置会下降、转为次选或仅保留观察。这种分层让读者知道信心差异，也让公开绩效能公平检查。

每个可追踪配置都需要事前命中定义。结算规则会说明结果来源、有效条件、延期或取消赛事处理，以及核心与次选配置如何分开统计。PitchCopilot 不应在赛后改写定义，也不应只保留有利结果。

赛事完成后，结果会更新到 /performance。命中率回答「是否符合事前定义」，Brier 分数回答「机率信心是否合宜」，虚拟点数研究则观察权重与波动。这些指标合读，才能判断模型是否真正可靠。

Brier 分数衡量机率预测与实际结果的距离。若模型对某事件给出高机率但事件未发生，分数会反映过度自信；若模型长期把六成事件说成六成，校准曲线会更接近理想线。PitchCopilot 透过 Brier 分数与校准曲线检查模型是否只是在短期命中，还是真正表达了合理机率。

校准也会影响版本迭代。若某版本在特定联赛或高信心区间表现不佳，团队会调整权重、发布门槛或人工审核提醒。版本变更应保留脉络，让读者比较不同时期时不会混淆。

资料来源会影响每一个后续判断。PitchCopilot 会整理赛事资讯、球队背景、公开市场讯号、赛果与人工补充资料，并在报告中尽量保留可追溯脉络。若资料延迟、栏位缺失或赛前资讯尚未确认，模型输出不能被视为完整结论。人工审核者需要检查资料是否足以支持核心配置，必要时把内容降为次选或观察项。

品质控制也包含语言与合规。平台使用体育量化模型、校准模型与数据研究作为主要定位，避免让读者误解内容用途。每篇公开报告都应能连回方法、FAQ、指南与绩效页，形成可阅读、可查证、可结算的闭环。这些内部连结不是装饰，而是让读者能从单篇内容追到完整流程。

当公开绩效揭露模型偏差，团队会透过版本迭代修正。修正可能包含特征权重、校准方式、发布门槛、联赛分层或人工审核清单。版本变更需要保留脉络，让读者知道新旧样本不可直接混读。

反思迭代的重点不是宣称新版本必然更好，而是让假设接受验证。若新版本改善 Brier 分数但虚拟点数波动扩大，代表仍需观察；若核心配置与次选配置分层变得更清楚，则可能表示发布门槛更稳健。

读者不需要理解每个模型细节，也能做基本验证。先看报告是否说明资料背景，再看配置是否有清楚层级，最后到公开绩效检查同类样本。若内容没有方法连结、没有结算规则、没有版本脉络，就不符合 PitchCopilot 对可信研究的要求。

PitchCopilot 的报告采用人工审核发布。模型先产生候选研究，再由管理员检查资料来源、合规表述、语气强度、结算定义、内部连结与可读性。通过后才公开；若资料不足，可能延后发布或改为观察项。

这条管线形成闭环：资料整理、模型研究、人工审核、公开发布、赛后结算、绩效回馈、版本迭代。读者可以透过 /guides、/faq、/about 与 /performance 了解每一步。若有资料或内容问题，请透过 /contact 回报。

本翻译仅供参考；以繁体中文版为准。