用途：识别当前市场状态（regime），以便选择合适策略、调整仓位与止损，避免在震荡市使用趋势跟随逻辑，或在趋势市使用均值回归逻辑。
主要能力：以波动率与趋势两个正交维度构成四象限模型（低波动趋势、高波动趋势、低波动震荡、高波动震荡），并用 Hurst 指数细化均值回归倾向。提供无需机器学习的简单方法：ATR 波动率百分位、ADX 趋势强度、EMA 斜率与价格位置、布林带宽度百分位；统计方法包括滚动 Hurst 指数（R/S 法）、CUSUM 变点检测，以及可选的 hmmlearn 高斯隐马尔可夫模型。还包含加密市场特有考量：状态变化更快、成交量作为状态信号、PumpFun 微状态序列，以及组合分类函数 classify_regime。
使用方式：核心功能仅依赖 numpy/pandas；可选 HMM 需执行 uv pip install hmmlearn。脚本包括 scripts/detect_regime.py（在实时或演示数据上计算指标并分类）与 scripts/regime_backtest.py（在合成数据上比较状态自适应与静态策略）。参考文档 references/methodology.md 与 references/strategy_adaptation.md 提供数学推导与策略矩阵。
适用场景：趋势跟随、均值回归、网格等策略的状态过滤；仓位缩放与止损调整；回撤控制；加密资产（含大市值与微市值）的状态判断。
限制：资料未提供具体收费、价格、平台支持范围或实盘效果数据；HMM 为可选依赖；参数（如 ATR 回看、ADX 周期、Hurst 窗口）需按资产与周期调整，资料给出的是参考区间而非保证。