摘要
KalmanInnovationResidualBOCPD 把 Kalman 新息 z 分数残差送入 ResidualBOCPD（有界 BOCPD）。它检测滤波器新息过程中的贝叶斯在线变点，并返回信号、变化概率（score）和残差。
更新 API
import rtta
ind = rtta.KalmanInnovationResidualBOCPD(
max_run_length=128,
hazard=0.01,
threshold=0.5,
min_variance=1e-6,
initial_price=float("nan"),
dt=1.0,
measurement_variance=0.25,
fillna=True,
)
result = ind.update(close)
# result.signal, result.score（即概率）, result.residual
非有限新息不会送入 BOCPD；此时信号与分数返回零，残差则原样输出。
工作原理
残差构造与 KalmanInnovationResidualFOCuS 相同：恒速度 Kalman 滤波器产生 \(\rho_t=\nu_t/\sqrt{S_t}\)。这里不使用 FOCuS GLR，而由 BOCPD 建立残差游程长度的后验分布，并在 \(P(r_t=0)\ge\tau\) 时标记变点。它与 FOCuS 互为补充：BOCPD 为每个假设建模危险率以及在线残差均值/方差，而不是使用固定高斯 CUSUM 阈值。
递推公式
1. 新息 z 分数 \(\rho_t\)，与 KalmanInnovationZScore / 残差 FOCuS 文档相同：
\[\nu_t = c_t - H\hat{x}_{t|t-1},\qquad
\rho_t = \nu_t / \sqrt{H P_{t|t-1} H^\top + R}.\]
2. 对 \(\rho_t\) 应用 ResidualBOCPD，参数为 (max_run_length, hazard, threshold, min_variance)——完整递推过程见 残差 BOCPD / 有界 BOCPD：
\[\mathrm{score}_t = \pi_t(0),\qquad
\mathrm{signal}_t = \mathbf{1}\{\pi_t(0) \ge \tau\},\qquad
\mathrm{residual}_t = \rho_t.\]
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class KalmanInnovationResidualBOCPD 中实现（KalmanInnovationZScore innov_ + ResidualBOCPD bocpd_）。结果类型为 InnovationChangepointResult（score 保存 BOCPD 概率）。