模型迭代：記錄偏差、分類原因、重新驗證
模型失效本身不是異常。研究需要處理的是失效發生後，如何區分原因並決定是否修改模型。
OBSERVE → RECORD → CLASSIFY → ADJUST → RETEST
01 · 先記錄偏差
當結果與原假設不同，先保存當時市場狀態、輸入數據、模型輸出和實際結果。缺少事前記錄時，很容易在事後重新解釋模型。
02 · 分類原因
REGIME市場波動率、流動性或參與者結構發生變化。
MODEL假設本身不足或參數對樣本過度擬合。
EXECUTION實際執行與模型設計不一致。
NOISE結果仍位於合理隨機波動範圍。
03 · 回測的用途
回測用於檢查策略在不同條件下的行為，不用於證明未來收益。除了勝率，至少需要同時看盈虧比、Profit Factor、最大回撤、波動率、樣本外表現與參數敏感性。
04 · 何時修改
單次偏差通常不足以支持修改模型。只有當偏差具有可重複性，或市場環境已明確改變時，才有理由調整假設或參數，之後再用新樣本重新驗證。
本頁為研究流程整理，不代表特定模型的歷史收益或未來表現。