「自信がある」を数量へ変える前に、確率予測として検証する

確信度を結果前の確率記録へ変える

確信度を校正する最初の条件は、勝敗を知る前に0から1の確率各案件の事前確率として保存することです。高い、普通、強いという語だけでは、案件間の差も実現頻度との差も計算できません。予測識別子、生成時刻、対象商品、方向、評価期限、モデルまたは担当者版を一組にし、結果確定後の編集を別版として残します。最終判断だけを保存すると、途中で確率を見直した履歴や、勝った案件だけ高確信へ移した操作を検出できません。発注に使った版を固定し、事後分析用の訂正値と混ぜません。確率は何が起きる確率かを定義しなければ比較できません。目標へ先に触れる、期限終値が入口より上、費用控除後損益が正などは別の事象です。商品や戦略ごとに成功条件が違う場合、数値が同じ80％でも一つの帯へ混ぜません。価格方向の確率を保存しながら、金額利益の確率として説明することも避けます。

イベント定義識別子と判定データ元を付け、定義変更後は新しい母集団として扱います。発注直前に確率を再計算する設計でも、結果ラベルに使う価格が既に観測された時刻の更新は事前予測ではありません。予測サービス時刻、データ最終時刻、発注要求時刻を比較し、遅延配信で未来情報が混ざらないことを確認します。確率の訂正を許す場合は旧値を消さず、訂正理由と発注採用版を保持します。数値が同じでも生成根拠が変われば別版です。遅延予測の件数も確率帯別に集計します。

予測が生成されたが取引されなかった案件も、校正の母数から都合よく落としません。数量制約、手動見送り、データ障害、価格未到達を理由コードで残し、予測対象として結果を評価できるかを判定します。実行案件だけに絞ると、発注条件が確信度や市場状態と関係する選択偏りが入ります。取引実績の校正と全予測の校正を分け、どちらの集合かを明記します。同じ案件へ複数回確率を出す設計では、初回、更新、発注直前のどれを評価するかを先に決めます。結果に近い最後の予測だけを採ると、更新回数が多い案件が有利になる場合があります。更新時刻と新情報を保存し、各時点の予測を時系列として評価します。一案件を複数独立標本として数える場合は依存性が生じるため、案件単位集計も併記します。更新系列を評価するときは、案件ごとの初回確率、発注時確率、期限直前確率を別々の問いとして集計します。最後の予測だけを残すと、頻繁に更新できた案件が有利になるため、各案件の更新回数と利用可能情報量も示します。同じ親シグナルから派生した更新を独立件数へ増やさず、案件単位のブライアスコアと時点単位のブライアスコアを分けます。更新不能な案件を最終確率の母数へ混ぜません。

確率帯の境界を事後に動かさない

確率帯を10％刻みなどに分ける方法は、結果を見てから境界を動かすと校正差を小さく見せられます。帯の下端・上端、端点をどちらへ含めるか、最小件数、空帯の扱いを予測記録より前に固定します。等幅帯と等件数帯では同じ予測集合でも集計値が変わるため、方式名と版を併記します。表示用に丸めた80％ではなく、保存した内部確率で所属を決めます。少数帯を隣接帯へ統合する場合、どちらへ統合するかを実現頻度を見て選びません。統合前の件数と勝数を残し、統合後の帯がどの範囲を含むか表示します。60％帯と80％帯を比べる例でも、境界付近の案件が大量に移れば差は区分方法へ依存します。複数方式の感応度を示しても、最良に見える方式だけを主結果へ昇格させません。帯所属を計算するコードは境界設定のハッシュを出力し、画面凡例、表形式ファイル、集計接続仕様が同じ版を参照するか照合します。0.7995を表示80％へ丸めても内部境界で別帯になる場合、その差を誤集計として直さず規則どおり表示します。境界改定時は全予測識別子の移動表を作り、改善が区分変更だけで生じたか確認します。境界変更前の帯名を履歴から削除しません。

確率が0または1の案件は、誤ったときブライアスコアへ大きく寄与します。端点を除外したり0.99へ黙って切り詰めると、記録された確信度を変えます。モデル仕様として事前に範囲制限する場合は、範囲制限前後の値、境界、理由を保存します。人の入力欄で100％を許さない設計と、入力後に分析側で丸める処理を分け、どの値が発注判断へ使われたか固定します。帯別実現頻度成功件数÷評価可能件数は、評価可能件数が0なら未定義です。空帯を0％成功として図へ置かず、観測なしと表示します。評価可能件数が小さい帯も一点の割合だけで校正済みと呼ばず、件数と不確実性を示します。帯ごとの案件構成が商品、期間、方向で偏っていれば、全体の差が確率品質ではなく構成差から生じる可能性を残します。端点確率と空帯の処理はグラフ描画にも反映します。観測のない帯を0％成功として線で結ぶとデータがあるように見え、少数帯の一点を大きな円で強調すると精度があるように見えます。評価件数、利益側、平均確率、未確定数を同じ位置へ置き、範囲制限前の0・1件数も示します。範囲制限によるブライアスコア差はモデル改善ではなく出力制約の効果として分けます。空帯の描画仕様も集計版へ結びます。

成功ラベルの期限と打切りを固定する

成功ラベル各案件の実績値には評価期限が必要です。予測から1時間後、当日終了時、停止または目標到達時のいずれを期限にするかで、同じ方向予測でも結果が変わります。期限前に一度条件を満たし後で反転した場合の扱いも定義します。期限を結果に合わせて延長せず、各予測へ確定予定時刻を保存します。市場休止で期限時価格がない場合は次の利用可能価格へ移す規則と例外コードを決めます。取消、データ欠測、取引停止で結果を判定できない案件を失敗へ埋める場合と除外する場合で校正値は変わります。理由別件数を示し、主分析の打切り規則を固定します。未確定案件を一時的に0として含めず、確定待ちのまま母数台帳へ残します。欠測が高確信案件へ集中していないかを確認し、除外後の良い数値だけを報告しません。評価期限が休場やデータ停止へ重なった場合、次の価格へ繰り越す日数と価格種別を固定します。良い方向へ動くまで期限を延長せず、繰越不能なら判定不能にします。期限変更前後で同じ予測を二重に数えず、旧期限ラベルと新期限参考ラベルを並べます。打切り理由が高確信帯へ集中している場合、確定案件だけの実現頻度を母集団値と呼びません。期限繰越回数を案件識別子ごとに保存します。

部分決済や複数退出がある取引を二値化する場合、最初の利確、最終純損益、予定目標到達のどれを成功とするかを明記します。価格方向の予測校正なら、ロットや決済配分を結果ラベルへ混ぜない設計もあり得ます。逆に費用控除後利益を成功とするなら、費用通貨と換算時刻をそろえます。同じ予測版に複数ラベル定義を適用する分析は別結果として表示します。結果訂正や約定取消で各案件の実績値が変わった場合、旧集計を無記録で上書きしません。訂正版番号、対象予測、変更理由、受信時刻を残し、校正表とブライアスコアを同じ有効ラベル集合から再計算します。当時判断の入力各案件の事前確率は変えず、結果側だけの訂正として扱います。訂正頻度が高いデータ源では、確定までの待機期間も品質指標にします。部分退出を利益ラベルへ変換する規則では、親取引全体の費用控除後損益、最初の目標到達、方向予測を別列にできます。どれを各案件の実績値とするかで校正結果が反転し得るため、事象名を短い成功という語へ縮めません。約定訂正で各案件の実績値が変わった行は訂正版として全集計を再生成し、当時の各案件の事前確率と期限は保持します。完成した利益側だけを手修正しません。ラベル訂正の影響行を公開版へ対応付けます。

ブライアスコアが測る範囲を狭く保つ

ブライアスコア＝評価件数分のΣ（各案件の事前確率−各案件の実績値）の二乗は、二値事象への確率予測誤差を平均します。各案件の事前確率が0から1、各案件の実績値が0または1、評価件数が正であることを確認し、百分率80を0.8へ直さず代入しません。各案件の寄与を保存すれば、完成平均だけでは分からない転記やラベルずれを追えます。ブライアスコアが小さいほど良いという比較も、同じ事象定義と標本で行います。全案件へ基準頻度と同じ確率を出す予測は、極端に外さないためブライアスコアが小さく見える場合がありますが、案件間の違いを識別していない可能性があります。基準頻度だけを出す参照予測とのブライアスコア差を示し、単独値を絶対的な良さと呼びません。標本の成功率が期間で変わる場合、全期間基準を未来側へ使うと先読みになるため、参照頻度も訓練期間から固定します。ブライアスコアの再計算では、行単位寄与、帯別寄与、全体合計を照合し、表示丸めした平均確率や実現率から逆算しません。参照予測の基準頻度は訓練期間だけで求め、評価期間の成功率を未来側へ漏らさないようにします。モデルブライアスコアが参照より小さい場合も差の標本不確実性を示し、単一期間の小差を安定した予測力と断定しません。参照予測の作成時刻も監査対象にします。

ブライアスコアは損失金額、停止距離、テール損失を重み付けしません。100円損失の誤予測と1万円損失の誤予測は、各案件の実績値が同じなら確率誤差だけで評価されます。金額重みを加える別指標を作る場合、それは標準ブライアスコアではなく目的関数の変更です。重みを結果金額から事後選択せず、何を最適化するかを先に定めます。良いブライアスコアを安全なロットの証拠にしません。帯別の校正差と全体ブライアスコアは同じ問いではありません。大きな帯内偏りが相殺される場合や、細かい確率差がブライアスコアへ反映されても帯表では見えない場合があります。両方を並べ、片方だけ良い結果を校正済みという一語へまとめません。案件数、基準頻度、予測分布も併記し、平均値の改善が一部期間や一部商品だけから来ていないか確認します。金額重み付き誤差を併記する場合、重みは事前予算、実現損失、契約価値のどれかを明示します。実現損失で重み付けすると数量方針と執行結果まで入るため、標準ブライアスコアとは別の目的関数です。一件の極端損失に上限を置くなら事前規則と感応度を示します。帯表、ブライアスコア、重み付き値で母数識別子集合が一致するかも検査します。重み付き値の単位を表見出しへ明記します。

校正と識別力を同じ成績にしない

校正は80％と出した集合が約80％成功するかを問い、識別力は成功しやすい案件を失敗しやすい案件より高く順位付けできるかを問います。全件へ同じ確率を出せば平均校正が合うことはあっても順位情報はありません。逆に順位が正しくても確率水準が過大なら校正は悪いままです。二つの評価を別欄にし、一方の改善をロット倍率へ直結させません。受信者動作特性曲線・曲線下面積など順位指標を使う場合、二値ラベル、標本抽出、重複案件をそろえます。曲線下面積は確率が0.6か0.9かという水準の正しさを直接示しません。案件の方向を逆転させたデータや、同じ親アイデアの分割注文を独立件数へ増やすと値が変わります。親案件単位の感応度を示し、順位性能と校正帯を同じ母数で比較します。校正曲線と順位指標を同じ母数で作り、実行案件だけの曲線下面積と全予測の校正を一つの総合点へ結合しません。同値確率の順位処理、親案件の集約、欠測除外を固定します。曲線下面積が高くブライアスコアが悪い、または逆の反例を残し、どちらか良い方だけをモデル合格としません。数量式へ渡す情報がない点も両指標に共通する境界です。順位同値の件数を指標と併記します。

シャープネスとして予測確率が基準頻度からどれだけ広がるかを見る場合、広い分布自体を良いとしません。根拠なく0と1へ寄せれば鋭く見えてもブライアスコアは悪化し得ます。予測分布の分位、端点件数、期間変化を示し、範囲制限や校正補正の前後を分けます。補正で確率が中央へ縮んでも、それを弱いモデルと即断しません。校正後確率を新しい順位スコアとして使うと、単調補正なら順位は変わらなくても帯所属が変わります。非単調補正なら順位も変わるため、補正関数の形と訓練期間を保存します。補正器を評価期間自身で当てはめず、別期間または交差手順を使います。補正前後の指標を同じ名称へ上書きせず、発注時に参照した版を固定します。補正器は本体モデルと別の訓練版・発効日を持ちます。補正前後で確率分布が中央へ縮んだ場合、それを弱い確信と呼ばず、帯所属とブライアスコアへの影響を示します。補正器が失敗したとき旧版へ戻す条件を固定し、評価期間自身で再学習して警告を消しません。発注ログには未補正値、補正値、採用値を残します。補正器停止中の採用値を別系列にします。

小標本の80％を確定値として扱わない

5件中4件成功は観測80％ですが、母集団の成功率が80％と確定したわけではありません。件数と不確実区間を表示し、1件の追加結果で割合がどれだけ動くか感応度を示します。小標本帯を大標本帯と同じ重さで平均せず、最低件数を事前に定めます。最低件数未達を失敗または成功へ分類せず、校正未確定として残します。同じ市場イベントから生じた複数予測は独立でない可能性があります。相関した銘柄、同一時間帯、分割エントリーを一件ずつ数えると実質標本数を大きく見せます。親イベントや取引日でまとめた再集計を行い、件数差を示します。独立性を仮定する区間だけを表示せず、ブロック単位の再標本化も参考にします。少数帯の不確実性は、一件追加したときの実現率差、親イベント単位の集約、期間分割で確認します。5件中4件と80件中64件を同じ80％として並べても情報量は違います。区間推定法と信頼水準を明記し、最も狭い方式だけを選びません。最低件数未達の帯は倍率対象ではなく、校正判断を保留する区分です。最低件数の改定は次の期間から適用します。

高確信帯の件数が少ないのは、モデルが慎重だからか、入力欠測で予測を出せないからか、取引選択で落ちたからかを分けます。予測生成母数とラベル確定母数を照合し、欠測率を帯ごとに示します。結果不明の高確信案件が多い状態で、観測済み数件だけから校正良好と呼びません。複数期間を単純合算すれば件数は増えますが、モデル版や市場基準頻度が変わっているかもしれません。版と期間をそろえた群を主分析にし、長期合算は構成を併記した参考にします。短期の不安定さを隠すため古い期間を追加せず、長期の変化を強調するため直近だけ切り出すことも結果前の規則で行います。予測生成率が帯や市場状態で違う場合、観測された確率の分布だけでは全対象を表しません。入力欠測、モデル停止、手動見送りの母数を保存し、結果を追跡できなかった案件の方向と件数を示します。古い期間を足して件数を増やす場合もモデル版・基準頻度の構成を明示し、直近の悪化を大量の旧観測で覆いません。予測未生成率を商品別にも表示します。

時間ドリフトを過去全体の平均で隠さない

市場条件やモデル版が変わると、全期間では校正して見えても直近ではずれている場合があります。古い期間で帯と補正方法を決め、新しい期間へ固定して評価します。モデル更新、商品追加、シグナル変更の前後を一つへ混ぜず、各区間の件数と基準頻度を示します。直近結果を見て窓幅を伸縮させません。ローリング窓を短くすると変化へ追随しやすい一方、件数が減り割合が不安定になります。長くすると安定して見えても古い状態を残します。窓幅の選択目的、最低件数、更新頻度を事前に記録し、複数窓の感応度で警告時期がどれだけ変わるか示します。最も良い窓だけを本番値へ採用しません。ローリング窓の警告が窓幅で変わる場合、短期窓の標本誤差と長期窓の追随遅延を分けます。警告後に窓を伸ばして合格へ戻す操作はせず、変更は次版から発効します。モデル切替日をまたぐ窓は版別に分け、旧版の良好件数を新版へ貸しません。復旧条件も最低件数と連続評価回数で固定します。対象時間幅の変更前後の警告日を比較します。

校正警告が出たとき、確率表示を補正する、予測利用を停止する、追加データを待つという対応は別です。警告を直接ロット縮小率へ変換する一般式はありません。どの帯がどの方向にずれ、件数がいくつかを示し、数量予算は独立した損失予算、損切り距離、1ロット・距離単位当たり価値から保ちます。復旧条件も連続評価回数や最低件数で定めます。予測サービスの入力分布が変わった場合、確率結果だけでなく特徴量欠測、値域、商品構成を確認します。入力ドリフトがあっても校正が一時的に合うことはあり、逆もあります。監視を一つの総合点へまとめず、入力、確率、結果ラベルの三経路を分けます。変更原因が不明な状態で補正器を再学習し、過去警告を消しません。入力ドリフト監視では、特徴量値域、欠測率、商品構成、予測確率、結果ラベルを別経路にします。補完方式変更で入力分布が動いたのに市場変化と説明したり、ラベル確定遅延を校正悪化と説明したりしません。原因が不明な状態では補正器の再学習を自動実行せず、影響期間の予測利用を保留します。補完方式の発効日を特徴量版へ含めます。

事後の高確信ラベルを検出する

勝った案件だけを後から高確信と分類すると、高確信帯の実現頻度は構造的に高くなります。予測生成時刻が入口、目標到達、決済より前であることをイベント時刻で検査します。手動メモの更新履歴がない案件は事前記録済みと推定せず、時系列不明として分けます。ファイル更新時刻だけでなくサーバー保存連番を使います。確信度が複数画面に保存される場合、最終値だけ同期すると古い画面の入力時刻が消えます。原始イベントを一元化し、各表示は同じ予測識別子を参照します。オフライン編集の取込では作成時刻と取込時刻を分け、取込時刻前の結果情報へアクセスできた可能性を残します。履歴欠落を0.5の予測として埋めません。予測の事前性は端末ファイル時刻だけでなく、改変不能なサーバー受信連番とデータ最終時刻で確認します。オフライン取込では作成時刻を証明できない場合を別分類にし、結果前記録済みと推定しません。複数画面の同期で最新値だけが残る設計を避け、発注時に参照した予測識別子を注文へ埋め込みます。オフライン取込元のハッシュを保持します。

高確信案件だけ詳しい理由文がある状態も、結果後に説明を追加した可能性を示します。理由の有無を校正条件へ直接使わず、作成時刻と編集者を確認します。テンプレ理由を選ぶ画面でも、選択値と自由記述を別フィールドにし、結果確定後の追記を発注時根拠へ昇格させません。事後分類の疑いがある期間を除外すると結果が改善しても、除外自体を新しい校正証明にしません。疑義件数、損益、確率帯を示し、含む場合と除く場合の感応度を分けます。将来運用では編集不可の事前記録を導入し、十分な新規標本が得られるまで過去結果の解釈を限定します。事後分類の疑義期間を除外する基準は確率の高さや勝敗を見ず全案件へ適用します。理由文が詳しいことを事前性の証拠にせず、編集履歴と保存時刻を調べます。疑義を含む結果と除く感応度を並べ、新しい追記型運用で十分な標本が得られるまで過去帯の結論を限定します。疑義案件の除外理由を行単位で残します。

確率倍率と損失予算の入力経路を切る

基準ロット＝損失予算÷（損切り距離×1ロット・距離単位当たり価値）は、損失予算、停止距離、1ロット価値から決まります。確率はこの式へ現れません。基準ロットへ1.5などの倍率を掛ければ、停止損失も同じ倍率で増え、元損失予算を超えます。確率を理由に損失予算自体を変えるなら、それは校正ではなく別の資金方針であり、上限、承認、発効条件を独立に定義します。方向予測が正しい確率と、誤った場合の損失額は別です。80％帯が校正していても、残る20％の損失が価格飛びや流動性不足で厚い分布を持つ可能性があります。成功率だけからテール損失を推定せず、停止損失、滑り、ギャップを別データで評価します。確率品質を損失吸収能力へ置き換えません。数量計算コードと発注接続仕様の双方で、確率や確信度が基準ロットへ乗算される経路を確認します。画面が倍率なしでもサーバー既定値が1.5なら予算は超えるため、欠測・0・1の境界試験を行います。倍率を別方針として許す版では、承認上限、対象帯、発効取引を固定し、通常版と同じ名称で保存しません。倍率変数の既定値をテストで固定します。

倍率を使う実験を行うなら、倍率関数、最大ロット、基準予算、対象帯、停止条件を結果前に固定し、倍率なしを対照にします。多数の倍率を試して最良損益だけを選ばず、探索候補と未使用期間を残します。標本外で差が不明瞭なら倍率効果を確定せず、基準数量へ戻す条件を事前に決めます。倍率後の実現損益だけでなく、予定予算超過、最大下落、最小ロット境界、同時保有を比較します。利益も損失も拡大するため、総利益だけを改善と呼びません。費用が数量比例で増える場合、倍率前損益を単純倍して再現できないことがあります。丸め後数量で全費用を再計算します。倍率実験では対照群と同じ入口、停止、費用、評価期間を使い、同時保有の親上限も適用します。確率が高い案件ほど数量を増やすと、損失時の金額分布が選択的に厚くなるため、総利益だけでなく予定超過、実現リスク単位、最大下落を示します。丸めと数量比例費用を含む全計算を実行ロットで再現します。親予算超過を実験中も許可しません。

金額損失を確率スコアの外側で評価する

同じ誤予測でも停止距離、契約価値、ロットが違えば金額損失は異なります。校正表へ金額を重みとして入れる前に、確率予測の正しさと資金配分の結果を分けます。案件ごとの事前損失予算、実現純損益、リスク単位を保存し、確率帯別に損失分布を参考表示できますが、少数の大損失を外れ値として除きません。期待値を計算する場合、成功時平均利益側と失敗時の平均損失を同じ通貨・費用基準へそろえます。確率が校正していても利益側と損失側が将来同じとは限りません。二値平均は部分退出、時間退出、価格飛びを圧縮するため、分布の分位と最大観測も併記します。期待値が正でも単一取引損失予算を自動増額しません。確率帯別のリスク単位集計は各取引前損失予算を分母にし、実現損失を後から1リスク単位へ置き換えません。方向成功でも金額損失となった案件、方向失敗でも小さく撤退した案件を残します。期待値利益側・損失側の件数と寄与上位案件を示し、少数の大利益を一般化しません。確率校正と退出規則の成否を別の判断にします。リスク単位分母欠測を平均値で補完しません。

確率帯ごとの最大下落を比較するとき、取引順序と同時保有を保ちます。高確信案件が同じイベントへ集中すれば、独立に見える成功率より資金経路が厳しくなる場合があります。確率帯だけでポートフォリオを分離した仮想系列と、実際の混合系列を分けます。入出金を運用損益へ含めません。大損失案件がラベル定義上は成功になる場合もあります。例えば方向は一度正しかったが最終純損益が負なら、方向校正各案件の実績値と資金結果は異なります。その矛盾を誤データとして消さず、予測対象と取引実装の境界として残します。確率の改善だけで退出規則やロットの安全性を保証しません。帯別最大下落は実際の取引順序、同時保有、口座通貨換算を保って作ります。高確信案件が同じ発表へ集中した場合、成功率が高くても損失が同時発生し得ます。仮想的に帯を分離した系列と実口座の混合系列を区別し、外部入出金を利益へ含めません。金額結果をブライアスコアへ逆流させないことも確認します。同時保有の開始終了時刻を維持します。

多数のモデルと帯を試した選択偏り

複数モデル、特徴量、校正器、帯境界から最良ブライアスコアを選ぶと、候補数が多いほど偶然の上位が出ます。試した候補、共通訓練期間、選択指標、選択時刻を保存し、採用モデルだけが最初から決まっていたように報告しません。選択に使わなかった期間へモデルと補正器を固定します。同じ検証期間を何度も見てモデルを改良すると、形式上未学習でも選択情報が漏れます。評価セットの利用回数と変更履歴を残し、最終確認用の別期間を確保します。期間を取り替えて良い結果だけを保持せず、失敗版と廃止理由も一覧にします。校正差が小さい一版を将来優位の保証にしません。候補モデル一覧には廃止版と派生版を含め、選択時に実際に試した数を再現します。評価セットを見た後の特徴量追加や境界変更を未学習と呼ばず、利用回数を記録します。最終確認期間の開封条件を決め、候補を入れ替えて何度も評価しません。採用版だけの良いブライアスコアを単独提示しません。候補廃止日と理由を一覧へ残します。

モデル間の予測が高く相関する場合、候補数を単純に独立試行数とみなすのも適切ではありません。予測相関、同一特徴量、派生関係を示し、選択偏りの評価仮定を明記します。補正法を使う場合も、その出力を誤注文確率や安全確率と呼ばず、二値予測の比較範囲に限定します。採用後に成績が悪化したとき、過去期間へ戻って別モデルを選び直し、当初選択をなかったことにしません。切替条件、発効日、並行評価用予測の扱いを固定し、旧版と新版のライブ期間を分けます。切替直前の案件を結果に応じて両版へ移さず、予測生成時のモデル識別子で所属を決めます。モデル間相関は共通して予測できた案件だけで計算すると欠測選択が入るため、共通集合の比率も示します。依存する候補数の仮定を変えた感応度を残し、補正統計を将来優位の確率と解釈しません。本番切替中の並行評価用予測は発注採用版と別識別子にし、成績母数を重複させません。並行評価用モデルの出力を発注値へ昇格させません。

予測・ラベル・計算版を一列へ結ぶ

再現用データには予測識別子、各案件の事前確率、生成時刻、モデル版、イベント定義、評価期限、各案件の実績値、ラベル版、取引識別子を持たせます。帯表だけを保存すると、所属変更や重複案件を追えません。各行から帯件数、勝数、校正差、ブライアスコア寄与を再計算し、集計値と一致するか確認します。完成平均を直接修正しません。確率の表示丸めと内部値を分け、0.795が80％と表示されても帯判定が内部境界規則に従うことを確認します。表形式ファイル、データベース、画面で小数形式が変わる場合、百分率と比率を単位メタデータで区別します。欠測文字列を0へ変換せず、範囲外値を範囲制限して継続しません。再現データの不変条件は、予測識別子一意、帯別評価件数合計と有効ラベル数の一致、各ブライアスコア寄与合計と公開値の一致です。小数形式0.8、80、80％の変換をテストし、曖昧文字列を0へしません。ラベル後着で暫定表が変わった場合、旧版と確定率を残し、最新値だけを当初結果にしません。帯別件数の総和を毎回照合します。

ラベル処理が遅延する場合、集計のデータ締切と確定率を表示します。同じ月次表でも後日各案件の実績値が追加されれば版が変わります。未確定件数を母数から隠さず、確定済みだけの暫定値と全件確定版を分けます。再生成時に旧版へ新ラベルを無記録で追記しません。アクセス権限では、予測生成者が結果後に各案件の事前確率を上書きできないようイベントを追記型にします。訂正が必要なら理由、旧値、新値、承認者を持つ別イベントにし、発注時値は保持します。監査エクスポートでも更新履歴を省略せず、最新行だけで事前性を主張しません。訂正権限の操作は旧値、新値、理由、承認者を追記し、発注時確率を保持します。集計エクスポートのハッシュと行数を照合し、最新行だけ抜き出した資料で事前性を主張しません。モデル、補正器、ラベル、帯境界、数量式の各版を注文識別子へ結べば、どの変更が結果差を生んだか分解できます。訂正イベントの削除権限を与えません。

確信度を数量信号にしない結論を報告する

報告では帯ごとの件数、平均予測、実現頻度、校正差、ブライアスコア、評価期間、モデル版を示します。良い帯だけを抜き出さず、空帯、少数帯、未確定、欠測も含めます。確率品質の観測結果と、損失予算・ロットの判断を別の節に置き、校正済みという言葉だけで増量を正当化しません。反例として、確率帯が十分校正していても基準数量が同じ損失予算、損切り距離、1ロット・距離単位当たり価値から決まる状態を示します。逆に校正が悪化しても、数量式を勝手に変更せず予測利用停止や表示補正を検討します。確率が0.8だから1.5倍という対応は式から導けず、別方針なしには予算超過です。報告表では評価件数、未確定率、平均確率、実現率、校正差、ブライアスコアを同じ期間で示し、少数帯を色や順位だけで強調しません。空帯と欠測を隠さず、期間分割で結論が反転する場合は確定的な校正済み表現を避けます。良い結果も観測事象の確率品質に限定し、利益や損失上限へ拡張しません。暫定表には確定予定日を表示します。

判断可能な範囲は、記録した二値事象と観測期間に限られます。将来の成功率、利益、テール損失、独立性を保証しません。小標本、選択偏り、ドリフト、欠測がある場合は結論の強さを下げ、追加データ条件を示します。投資推奨や安全保証へ言い換えません。最終的な検証可能判断は、確率が事前記録され、ラベル定義と期限が一貫し、帯とブライアスコアが再現できるか、そして確率値が損失予算式へ無承認で入っていないかです。いずれかが欠ければ、校正済みとも、確率を理由とする数量倍率を承認できる状態とも判断しません。入力版を保ったまま将来期間で再評価し、結果に合わせて過去表を作り替えないことが次の条件になります。最終判定は、確率が事前保存され、事象と期限が固定され、全行から帯とブライアスコアを再現でき、確率値が無承認で損失予算またはロットへ入っていないことです。どれか欠ければ、確率を理由とする数量倍率の利用を認めません。将来期間へ同じ版を固定し、校正が維持されても基準ロットは損失予算、損切り距離、1ロット・距離単位当たり価値から計算するという境界を保ちます。数量式版の変更も同じ注文へ記録します。

一件のラベル変化が結論へ届く経路

100件を60％帯と80％帯へ分ける仮想記録でも、最初に確認するのは完成した実現率ではなく行集合です。各行の確率、実績値、帯境界版、評価期限を固定し、帯別評価件数と利益側の合計が100件へ一致するかを確認します。次に利益側÷評価件数と平均確率との差を確率単位で求め、表示だけ100倍してパーセントポイントへ直します。勝ち行と負け行の（確率−実績値）二乗を別々に合計すれば、同じ実現60％でも60％予測と80％予測のブライアスコア寄与が異なる理由を追えます。完成表から確率を逆算せず、各行の予測値を使います。帯移動、重複識別子、未確定ラベルが一件でもあれば、校正差とブライアスコアを同じ有効集合から再生成します。これにより高確信帯の過大表示が、件数不足ではなく予測と結果の差としてどこに現れたかを検証できます。母数100件との一致を先に確認します。この照合では帯境界に等しい値を内部精度のまま再配置し、表示丸めが件数を変えないことも確かめます。

一件の結果訂正が80％帯の負けから勝ちへ変わると、利益側、実現頻度、校正差、ブライアスコア寄与が同時に変わりますが、確率と発注時ロットは変わりません。訂正前後の両表を残し、どのセルが一次変更で、どの値が派生再計算かを示します。小標本なら一件で帯の評価方向が反転し得るため、点推定だけで校正済みと判定しません。逆に件数が多く差が残る場合も、商品構成や時期の偏りを確認します。結果訂正を受けて倍率を過去へ適用し直す処理は行わず、次の予測版を評価する材料へ限定します。ラベル受信遅延が帯ごとに違う場合は、確定済み一件の変化より未確定集合の範囲を先に示します。感応度は結論を都合よく変える操作ではなく、観測一件への依存度を可視化するものです。一件訂正の差を丸め前で比較します。訂正前後の帯内勝数成功件数、有効件数評価可能件数、未確定件数を保存すれば、実現頻度成功件数÷評価可能件数だけが変わったのか、有効分母の確定状態まで動いたのかを区別できます。

基準損失予算300米ドル、停止距離とピップ価値から得た基準ロットに1.5を掛ければ、停止価格での基礎損失は450米ドルとなり、確率帯の実現頻度が何％でも150米ドルの予算超過です。80％帯が完全に校正されたと仮定しても、この算術は変わりません。追加手数料や不利約定を含めれば総損失候補はさらに増えます。倍率を正当化するには、校正結果ではなく損失予算を変更する独立方針、親予算、最大数量、同時保有、発効日が必要です。反対に確率帯が不調でも、基準ロットを同じ損失予算から計算する限り、校正警告だけで停止水準を近づけません。画面には倍率前後の数量、基礎停止損失、費用込み額、予算差を表示し、利益側だけ1.5倍した比較を防ぎます。倍率なしの結果も同じ取引条件で残します。倍率前後の費用も実数量で求めます。実数量が最小刻みで同値なら、倍率の数値差を実行差として報告せず、丸め後の発注候補を比較します。

最終レビューでは、確率記録の事前性、帯境界の固定、ラベル確定率、ブライアスコア再現、数量式との分離を五つの独立項目として扱います。四項目が通っても数量式へ確信度倍率が残れば公開判定は通りません。逆に倍率がなくても、結果後に確率を編集できるなら校正表の信頼性は不足します。各不合格には再計算可能な不足フィールドと停止結果を付けます。例えば予測時刻欠測は事前性未確認、期限不一致は母数分離、確率範囲外は行除外ではなく入力エラー、数量乗算検出は発注候補停止です。観測期間で差が小さいことを将来の利益保証へ言い換えず、次の固定期間で同じ版を再評価します。報告の役割は高確信の承認ではなく、確率品質の限界と損失予算の非接続を再現可能にすることです。五項目の合否を一つの点数へ潰しません。次期判定では今回の閾値を凍結し、追加データを見てから合格条件を書き換えない運用履歴を残します。次回の固定評価期間では、母数100件との対応、訂正前後のブライアスコア差、倍率変数の既定値を同じ順序で再検査します。途中で合格条件を変更した場合は、その時点から新しい判定版として分離し、旧期間の結論を書き換えません。