Sigma Quant 分析什么？
分析的核心不是猜一匹必胜马，而是比较同场马匹在相同条件下的相对机会。输入可包括历史赛绩、路程与场地表现、档位、步速特征、马匹属性及赛前市场资料。
模型输出以机率和相对排名表达不确定性。当新资料出现，赛前估算亦可能改变。
- 马匹胜出及入位机率，而非二元式「中／不中」判断
- 同场马匹的结构性比较与数据库百分位
- 公开赔率的隐含机率及市场变化
- 模型限制、资料更新时间与风险提示
量化分析与传统贴士有何分别？
传统贴士通常集中于单一结论；量化分析则保留计算依据、时间戳和不确定性。两匹马即使排名相近，其估算机率、赔率和风险仍可能不同。
Sigma 的目标是让读者能够核对输入、比较模型与市场，而不是以权威口吻取代个人判断。
如何阅读赛马数据分析？
先查看资料属于赛前、即场还是赛后，再确认机率的定义和更新时间。之后才比较市场隐含机率、模型机率及两者差异。任何差异都可能来自有效讯号、资料延误或模型误差，不能直接等同投注价值。
- 确认数据时间与场次
- 分辨模型机率和市场赔率
- 阅读样本、评估方法和限制
- 以长期校准而非单场结果判断模型
| 资料 | 回答的问题 | 不能单独证明 |
|---|---|---|
| 模型胜率 | 在指定资料截点下，模型估算事件发生的可能性 | 马匹必胜或价格吸引 |
| 市场隐含机率 | 该时间点的公开价格如何分配相对机会 | 市场永远正确 |
| 两者差异 | 模型与市场在同一时间点是否有不同估算 | 存在可执行或可持续优势 |