# 报警指标：precision、FPR、召回与覆盖的分母

作者：种树的人

原文：https://zhongshuderen.pages.dev/library/forecast-risk-measure/

材料时点：历史研究：2026-09-15至09-21；本轮读取：2026-10-05

研究状态：历史研究与审计记录，当前效果另行验证

不同错误率回答不同问题，提高阈值并不保证报警precision改善。

## 原审查指出的口径混淆

假阳性占固定负样本的比例、报警中错误比例、危险事件召回和输出覆盖有不同分母，不能统称精度。

若最高分报警是错、较低两条是对，提高阈值到只留最高分会降低precision。这是算术反例，不是市场实测。

## 沉默也要记账

永不报警可在非事件很多的样本中有较高总准确率，但报警precision没有分母，危险事件召回为0。

低覆盖、漏报、未结算与相关事件需要并列报告，不能靠不回答困难时段让系统显得有效。

## 云端原稿补充｜精度之外还要看漏报、提前量与等待损害

9月17日原研究给出算术反例：100个事件有20个危险事件，报警10个且6个正确，则报警precision为60%、危险召回为30%；其中只有2个足够早，及时召回为10%。这些数是说明分母的例子，不是市场运行结果。

恢复与危险可能先后均发生，不能把不互斥概率强行加成100%；未知是数据或模型质量标记，不能填成安全、50%或已观察到的无事件。同一事件固定参照，撤销报警不能删除先前误报。

旧方案要求按交易日切分、清理跨集合未来标签、前缀一致性及未来扰动检查，并同时报告误报、召回、提前量、已承受偏离、恢复损害与覆盖。训练窗口只是实验建议，不是已选最优配置。这些验证本次都未执行。

- [云端研究阅读地图｜公司、菌株、预测与宏观方法](/library/cloud-research-reading-map/)

## 整理依据

- 预测系统蓝图｜历史备份与研究报告

## 相关研究

- [预测系统蓝图研究成果：候选、反证与工程验证](https://zhongshuderen.pages.dev/library/forecast-research-hub/)
- [取消五分钟锁后的精度骤降：原截图和待核根因](https://zhongshuderen.pages.dev/library/forecast-unlocked-precision/)
- [连续十日回放：近期适配、独立证据与重叠窗口](https://zhongshuderen.pages.dev/library/forecast-window-evidence/)
- [云端研究阅读地图｜公司、菌株、预测与宏观方法](https://zhongshuderen.pages.dev/library/cloud-research-reading-map/)