命中率與校準

目前選取的評估

每天真的寫下來，h=5；33 列，期間 2026-08-17 ~ 2026-10-14。

原始方向命中 42.4%；區間涵蓋 84.8% （名目 80%）。方向、機率、區間與交易效用各有不同評估目的，不能互相替代。

本頁整體、方向拆解及校準均受來源與天期篩選控制。 Day 1 政策進度、跨來源校準比較、live 診斷與 live h1 走勢另有固定範圍，標在各卡。

事前紀錄 Day 1（2026-08-26 起算）使用者 2026-08-26 決定今天起算，並把既有 8 筆納入

🔴 這份 prereg 是在看過既有 8 筆之後寫的——所以它自己把 written_before_any_data = false 寫在最前面。判準只能來自更早凍結的東西（晉升階梯、五折基線）或純機械推導（ECE 下限），沒有一條可以用「因為那 8 筆長這樣」當理由。

那 8 筆不構成任何證據：模型 8 次全部猜「震盪」，而 n=8 的 ECE 下限是門檻的 2.8 倍。納入它們的意義只有一個——讓計數有一個明確的起點。

判準寫在 config/prereg-2026-08-26-live-day1.toml，由 tx.live_verdict 每天重算——寫在文件裡等人去讀的判準，實際判讀時會變成「看起來還不錯」。　🔴 停止規則：250 筆之後四條判準仍不過，結論是「沒有可交易的 edge」，停止投入，不換特徵重試。

校準樣本與模擬診斷（h=5；跨來源比較，來源篩選不適用）

固定預測機率、以 Bernoulli(p) 模擬結果，得到完全校準假設下的 ECE 分布。 完全校準不等於每次分類都正確；null 中位數也不是誤差下界。

診斷量 = max(0, raw ECE − null 中位數)，零不代表真實校準誤差為零。 固定 10 箱、200 次模擬、seed=0；凍結判準仍使用原始指標，未因本表調整。

🔍 這個訊號真的有用嗎（投資顧問視角）資料：事前 live 紀錄（已結算 h1 38／h3 35／h5 33 筆）——與上方切換的資料來源無關。以下是訊號窗口診斷，尚非可獨立重算的投組績效

退化檢查：預測有分布（最多的「偏多」佔 47%）

它給的範圍，有沒有比「隨手畫一條」還窄？

比值大於 1 代表它給的範圍，比「照過去一年的漲跌幅隨手畫一條」還寬——那再漂亮的命中比例，也只是換個好聽的方式說「我不知道」。拿近一年而不是全部歷史當比較基準，是因為它的範圍會跟著近期波動伸縮，用全歷史比會在行情特別平靜或特別亂的時候誤判。

技巧分數（相對「猜多數類」的提升）

skill ≤ 0 表示不如直接猜多數類。目前每個 horizon 只有 33 筆（第一次判讀要 60 筆），這些數字尚無統計意義——列出來是為了讓它隨閉環累積，而不是現在拿來下結論。

經濟意義（扣一買一賣成本 0.010%，以最新收盤價換算；回測頁寫的 bp 是以 2010–2025 中位價換算，固定費用佔比不同，兩個數字講的是同一套成本參數）

中性訊號視為空手（不進場、不計成本），所以進場率 0% 時損益恆為 0。「不虧錢」在這裡不等於「有用」——它只代表這段期間模型沒有表態。要判斷這是棄權還是正確迴避，看上方的波動情境：震盪帶被撐寬時，不進場本身就是一個合理的決定。

整體

跟事前基準比（live，h=5，同一批樣本）⚠️ 筆數很少，只能描述、不能判定；基準只用每個預測日當下已成熟的資料（tx.skill），不用測試集自己的比例。歷史段已被看過多次，這張表是診斷，不是未見資料的確認

Brier skill（相對事前氣候基準）＝ +7.7%（n=33）——模型的上漲機率比「每天都說歷史上漲比例」好一點（Brier skill 為正）。

區間分數 基準較好（0.0975 vs 0.0899，n=33）。區間分數把寬度與漏抓一起計價：開很寬也涵蓋得到 80%，但分數會變差，所以「涵蓋率接近 80%」本身不證明能力。

這個 horizon 的彙總（h=5；要比較 1／3／5 日請用上方切換）

拆開看：說偏多／中性／偏空時各自準不準

隔天預測的猜對率走勢（真的寫下來的紀錄：已對答案 38 筆／38 天）

圓點 = 那天對或錯（1 或 0），虛線 = 到目前為止的平均， 實線 = 滾動平均。 只畫「隔天」這一種——五天後的難度不同，混在一起看會被「當天剛好 輪到哪一種到期」帶著跳。目前筆數還很少，任何看起來的趨勢都只是巧合： 這張圖現在的用途是確認系統每天有在累積，不是判斷模型好不好。 累積到 60 次時才用事先寫好的標準判定。

說幾成漲，就真的有幾成漲嗎

淺色 = 預測上漲機率，深色 = 實際上漲比例。 raw ECE 0.0454（既有門檻 < 0.05）｜Brier 0.2274。

有效校準配對 33 筆；10 個等寬箱，200 次 Bernoulli(p) 模擬，seed=0。null 中位數 0.1151、95 分位 0.2160。null-adjusted diagnostic = 0.0000，它是模擬參考量，不能推論真實誤差為零或模型通過。
Brier 同時受校準、判別力與事件基礎率影響。固定 0.5 預測的 0.25 只是一個算術參考， 不是這個上漲事件的事前基礎率基準。校準分數不能單獨證明預測或交易能力。