隱馬爾可夫模型（HMM）與鮑姆－韋爾奇演算法
Hidden Markov Model · Baum–Welch Algorithm鮑姆－韋爾奇演算法從歷史價格序列估計 HMM 的參數。模型據此推估市場處於各個隱藏狀態的機率，以及狀態之間的切換規律。
SYSTEM ARCHITECTURE
Manifold Monolith
流形單體矩陣模型
Manifold Monolith 是 MetaCore 的後端母體架構。它採用「單一統一模型」（Single Unified Model）的設計，把不同市場的資料與四個數學模型整合在同一套系統內運算。
跨市場輸入
股票、期貨與外匯的價格序列及市場特徵。
統一架構內運算
HMM、高維核回歸、簡單線性回歸與凱利公式各自處理對應的研究問題。
研究輸出
狀態機率、趨勢估計、線性關係與部位比例。
CORE MODELS
四個核心模型
前三個模型研究市場訊號。凱利公式則根據報酬假設，估算單筆交易可配置的資金比例。
高維核回歸
High-Dimensional Kernel Regression依多個市場特徵的相似程度，給予歷史觀測不同權重，用來估計價格的非線性變化。以趨勢剩餘時間為預測目標時，可研究相似條件下趨勢通常還會持續多久。
簡單線性回歸
Simple Linear Regression每次選取一個市場特徵，估計它與後續報酬之間的線性關係。斜率描述關聯的方向與大小，可用來檢視清理過的歷史資料中是否存在微弱訊號。
凱利公式
Kelly Criterion根據假設的報酬分布，或勝率與盈虧幅度，估算單次交易可配置的資金比例。將結果用於槓桿評估時，還需考量估計誤差、融資成本與風險上限。