Research Integrity
這個專案的目的不是證明 GARCH 有效,而是誠實回答它到底有沒有效。
No Lookahead
每筆預測強制檢查 training_end ≤ forecast_cutoff < target_session_start,違反即整個實驗失敗。seasonality、threshold、scaler、rollover、超參數皆有專屬 leakage 測試。
Out-of-Sample
所有研究結果來自 rolling walk-forward:每天只用截止時間前的資料重新估計,預測下一個 session。
No Cherry Picking
所有模型(含表現差的)與所有實驗永久存檔於 experiment registry;leaderboard 一律同時顯示 GARCH 與五個 baseline。
All Experiments Archived
experiments.json 與資料庫記錄每次實驗的 config hash、git commit、data version、random seed,可完整重現。
Forecasts Locked After Publication
Live forecast 發布即 forecast_locked=1,資料庫 trigger 直接拒絕任何修改;模型改版只能建立新 version。
Backtest Separated from Live Record
歷史回測與真正事前發布的 live track record 在資料表、API、網頁全部分離,永不混用。
Model Validity
不收斂、參數無效、變異數爆炸的 fit 一律標記 MODEL_INVALID,絕不填補假預測值;fallback 若啟用必須明確標示。
Demo Transparency
合成資料只用於驗證工程流程,所有 demo 結果強制標示 DEMO DATA,絕不冒充真實研究。