摘要
ConformalBands 是 RTTA 对拆分保形式预测带的流式实现：以 SMA 为中心，以单步绝对残差的滚动分位数为半径。它是一个轻量级预测带基础组件，并非完整的自适应保形推断系统。
更新 API
result = rtta.ConformalBands(window=20, alpha=0.1, fillna=True).update(value)
# result.middle, result.upper, result.lower, result.radius
alpha 是目标未覆盖率；残差分位点为 \(1-\alpha\)。多输出 batch(...) 为 middle、upper、lower 和 radius 分别返回数组。
工作原理
保形预测通过近期数据上的不合度分数来校准预测集合。对于简单的单步预测，一种常用分数是绝对残差 \(\lvert y_t - \hat y_{t\mid t-1}\rvert\)。RTTA 使用前一个 SMA 值作为 \(\hat y\)，将绝对残差保存在滚动窗口中，并取 \(1-\alpha\) 水平的分位数作为当前 SMA 中心周围的半径。这个方法有意设计得比存在分布漂移时的自适应保形推断更简单；它是一条因果的滚动校准带。
递推公式
令 \(x_t\) 为输入，\(n\) 为 window，\(q = 1-\alpha\)。
- 若已有前一个预测值 \(\hat x_{t-1}\)，将残差 \(s_t = \lvert x_t - \hat x_{t-1}\rvert\) 推入容量为 \(n\) 的滚动分位数存储区。
- 更新中心：
\[m_t = \operatorname{SMA}_n(x_t)\]
- 令 \(\hat x_t \leftarrow m_t\)，供下一次计算残差。
- 令 \(R_t\) 为已存绝对残差在 \(q\) 水平上的经验分位数（RTTA 的
RollingQuantile）。则：
\[\begin{aligned}
\operatorname{middle}_t &= m_t \\
\operatorname{radius}_t &= R_t \\
\operatorname{upper}_t &= m_t + R_t \\
\operatorname{lower}_t &= m_t - R_t
\end{aligned}\]
当 fillna=False 时，在大约取得 \(n\) 个样本之前，各输出均为 NaN。尚无残差时，半径按 \(0\) 处理。
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class ConformalBands 中实现，使用 SMA 和 RollingQuantile。如需一个同样以残差分位数确定规模、但内容更丰富的 OHLCV 复合指标，请参阅 MatchedFlowConformalSignal。