Methodology

訊號點計出嚟 · 同埋我哋改咗乜

Leeks Terminal 嘅訊號全部由 Python 對 T-1 日線 OHLC 確定性計算，零 LLM 幻覺。 現行規則係 v2 —— 2026-10-01 一份第三方 10 年訊號審計之後改版。 舊版有啲規則經審計證實冇正期望值，我哋停用咗，並喺下面逐項列明。

Engine: rule-based (Python) 規則版本: v2（只做多） 數據: Yahoo Finance · T-1 OHLC 最後更新: 2026-10-16

⚠ 閱讀本頁前請先知：每單有優勢，但美股層面冇超額回報

我哋將 v2 放喺同一個 10 倉組合（每單風險 1%、單一名字上限 10% 名義、總曝險 ≤100%） 同一批日線跑足 2016–26，再加一個真正嘅對照：乜都唔做，淨係將同一批股票等權每月再平衡。

2016–26 年化美股日股
v2 組合+25.59%+15.63%
同一批股票等權持有+24.63%+15.97%
大市指數 buy & hold+13.3%+15.0%

美股：v2 領先 +1.0 點/年（2016–20 領先 +3.7 點/年、 2021–26 落後 +2.4 點/年）。呢批股票本身就係一個極強嘅對照 —— 「乜都唔做、淨係等權持有同一批今日嘅大型股」已經跑贏大市十幾個百分點， 而嗰十幾個百分點全部來自「呢批係今日嘅大型股」呢個選擇，唔係來自揀時段。 日股：全期 v2 落後 +0.3 點/年（0.25% 成本口徑； 2016–20 落後 +9.0 點/年、2021–26 領先 +5.1 點/年）—— 兩個市場嘅正負號都喺兩段之間變換（見 §4.8），所以全期嗰個差距唔應該當成 持久 alpha 去引用。 最大回撤反而淺過純持有（−19.68% 對 −21.03%）—— 減少咗回撤，但冇製造穩定嘅超額回報。

即係話：每單優勢係真嘅（見 §4.6），但喺美股，佢冇轉化成一個穩定、跑贏 「攞住同一批股票」嘅超額回報。 詳情同限制見 §4.7。

1. 修正記錄：我哋改咗乜、點解

2026-10-01 收到一份第三方 10 年訊號審計（2016–2026）。佢用本站公開嘅規則重跑， 結論係舊版四個策略喺整個週期都冇正期望值。以下係逐項處理結果。 呢一節我哋刻意保留，唔打算改。

2026-10-06 — 撤回一句聲稱。 我哋之前喺首頁、方法論同 llms.txt 都寫過「日股 +6.9 個百分點/年」。 呢個數唔企穩，我哋撤回佢。 拆開市況之後：日股 2016–20 落後純持有 7.9 點/年，2021–26 先領先 16.7 點/年；美股兩個時段分別 領先 +3.7 點/年同落後 +2.4 點/年 （2026-10-18 按統一成本口徑重測後嘅數）。 當時四格冇一格係穩定正數，所以 +6.9 只係「輸嘅五年」同「贏嘅五年」嘅平均， 唔係一個跨市況都成立嘅優勢 —— 2026-10-18 重測之後，兩個市場一樣冇一個 regime 企得穩（見 §4.8）。同時我哋用 Nikkei 官方成分股變更紀錄做咗 point-in-time 名單（scripts/portfolio_pit.py）：剔除 17 隻遲入選股票後 差額只由 +6.9 變 +6.0，證明遲入選唔係主因；但真正嘅偏差（已經唔存在嘅股票） 用公開名單重建唔到。詳見 §4.7、§4.8 同第三項未解決限制。

2026-10-15 — 撤回嗰句之後，連「差幾多」都要再量一次。 上面 2026-10-06 撤回咗 +6.9，但當時只係話個數唔企穩，冇重新報一個數， 所以頁面一直留低 +25.4% 對 +18.5%、分段 7.9／16.7。2026-10-12 我哋重跑咗完整 10 年組合測試（scripts/hk_retest.py → data/hk_retest_summary.json）。

2026-10-18 更新：呢一節原本報嘅係 0.10% 成本口徑 （v2 +18.09%、等權 +15.97%， 差 +2.12 pp/年），而首頁三個市場一律用 0.25%。 同一頁寫兩個成本口徑 = 自行揀一個好睇嘅講，所以我哋 改用同首頁一致嘅 0.25%：v2 +15.63%、 同一批股票等權持有 +15.97%，差 −0.34 pp/年 —— 兩個成本口徑嘅正負號根本唔同（0.10% 成本下係 領先 +2.1 點/年），所以淨係報好睇嗰個就係自欺。 分段睇：2016–20 落後 +9.0 點/年、2021–26 領先 +5.1 點/年。

呢頁組合層面嘅美股同日股數字而家係由 data/hk_retest_summary.json 讀出嚟， 唔再係手打 —— 同一個數字寫兩遍，就一定會有一遍過時。 但唔係全頁都係同一個來源：§4 嘅逐單統計（交易筆數、勝率、每單平均淨、 利潤因子、日期叢集 t）係另一個實驗，由 data/ab_close_hold.json 讀出 （重跑方法見 scripts/ab_close_hold.py，輸入資料在 data/bt10y2/）。 兩個來源唔會混為一談 —— 講邊個數出自邊個檔，就講邊個。 同一個道理，呢頁連方向嘅措辭都係由符號計出嚟：data/hk_retest_summary.json 喺 2026-10-18 當日下午重跑過兩次，差距嘅正負號轉咗兩次，所以頁面唔會再自己斷言 「領先」定「落後」。

⚠ 2026-10-16 — 我哋自己嘅入場時段規則，量出嚟係差過隨機揀時段

Signal Search Sprint 1（scripts/signal_search_s1.py）將本頁描述嘅 v2 規則 每個維度逐個改（入場位、收市確認、止損、持有期、市況過濾），美股 11 個變體 × 3 個成本情境， 每一個都對同一批 179 隻股票、同一本 10 倉組合、同一組成本去跑。 為咗分清楚「規則有效」同「呢批股票本身就升」，每個變體都做咗 placebo： 規則、universe、倉位、成本全部照舊，只係把入場日隨機換到另一個交易日，跑 30 次。

現行入場規則（20 日低 S1 限價買入 + 收市確認）嘅結果：

期間真實差距隨機入場 null淨差距z喺 null 嘅百分位
2016–2020+0.41pp+5.67 ± 3.98pp−5.26pp−1.326.7%
2021–2026−6.48pp+9.42 ± 3.38pp−15.90pp−4.710.0%

即係話：喺 2021–26 嗰半，現行入場時段比隨機揀時段仲差，而 30 次隨機trial 冇一次好過佢（0.0 百分位）。 11 個變體入面 10 個 喺兩個時段都係負 z。 最好嗰個（取消市況過濾）worst z 只有 +0.14，等於同自己嘅 null 分唔開。

呢個結論唔係話策略蝕錢，亦唔係話隨機入場係好策略 —— null 本身係正數， 嗰個正值來自「持有呢批 2016 年後被選中嘅大型股」同「組合平均只用咗 76.9% 資金」 呢兩件事，同入場時段無關。單筆層面嘅優勢亦冇變（見 §4.6）。 真正被否定嘅只有一樣：用 S1 限價 + 收市確認去揀時段，喺組合層面冇帶來可量度嘅選股價值。

我們冇改 production，現行規則照跑。原因係：呢個係一個 falsification 結果， 唔係一個新規則；Sprint 1 冇任何變體通過修正後 bar（要贏 null、且 z ≥ 1.96、且兩段都要）， 所以唯一可以負責任嘅做法係公開咗佢，而唔係換一條未經證明嘅規則上去。 全部 11 個變體 × 3 個成本情境嘅 grid（每個變體嘅曝險、null 均值／標準差／z／百分位） 可以用 scripts/signal_search_s1.py --placebo 30 一次過重跑； 規則定義寫喺 docs/signal-search-sprint-1-spec.md。

原本做法審計發現而家做法
SELL_R1（升到 R1 沽空至 box 中位） T+5 每單淨蝕 0.57%，t = −14；喺 30 個 market × horizon × period 組合全部為負 已停用
BREAK_LONG / BREAK_SHORT（突破追） T+5 −0.31% / −0.48%，止損觸發率 67–69% 已停用
每隻股掛歷史勝率 badge（60 日 win%） 同下一筆交易嘅 rank correlation 只有 −0.001 / −0.004 —— 冇預測力，但頁面呈現方式令人誤以為係信心指標 已停用，改顯示 setup 樣本外勝率 + 樣本數 n
T+10 swing「+3.02% net」 嗰個係逐筆百分比相加，假設每單都用盡 100% 資金。曾經用一個「誠實定資模擬」嘅 T+10 總回報頂上，該數字已於 2026-10-18 一併撤回：冇任何 run 產生過佢，唯一可能產生佢嘅 scripts/monthly_swing_backtest.py 讀嘅 data/dsa_hk.db 入面 daily_report 表係 0 行，個 script 直接以「No BUY signals in window」結束 兩個數都已撤回，唔再當 headline，亦唔會用另一個數字填返
Portfolio sim「+55% 6mo, MaxDD 1.96%」 同一個 sum-of-pct 口徑；該數字已於 2026-09-11 被明確標示為非投資組合回報 已撤回
港股訊號（佔全站三個市場其中一個） 扣約 0.45% round-trip 成本後，樣本外淨收益 +0.02%，等於零；沽空另需借券資格 改為只作資訊參考，唔落實倉；並標明本站無法獨立驗證（資料源唔提供 .HK 個股）
long entry 淨係「touch S1」就算入 touch 之後收市跌返落 S1 以下，代表該支持位失效 —— 你買嘅唔係支持位，係接飛刀。要求收市企穩 S1 先入，移除咗 26% 交易，嗰批平均每單 −3.90% 2026-10-05 已出貨：四個窗口全部改善（每單約翻倍、t 大升），代價係交易量減半。見下方 §4.5
10 年日線庫（407 個代號） 逐隻重新抓取後發現 8 個檔案損壞：7 隻日股加 1 隻美股，最嚴重嗰隻價格偏離原始數據 43,781%（日線被印成另一個價位級別）。源頭 Yahoo 本身亦有一兩支壞 bar（例如 1306.T 有兩日被印成 1/10 價） 已重新逐隻抓取成獨立資料庫，並加咗 fail-closed 過濾：任何交易窗（連同前 210 日特徵暖機）碰到壞 bar 就唔准入統計。舊嘅 +1811.8%／Sharpe 2.97 組合數字已撤回，原因見 §4.7
「v2 有選時優勢」呢句話 每單層面成立，但組合層面：v2 美股年化 +25.59%，同一批股票等權每月再平衡就有 +24.63% —— 差額 +0.96 pp/年（領先 +1.0 點/年）；但要留意：差額嘅正負號喺 2016–20 同 2021–26 之間會變，即係全期嗰個數由單一 regime 決定，唔應該當成持久 alpha 去引用 已改寫：公開講明每單優勢 ≠ 超額回報，美股層面冇可引用嘅持久 alpha。見 §4.7

審計同時指出另外三類問題：頁面之間就同一件事引用唔同數字（已於 2026-10-05 統一）、 勝率 badge 可能顯示咗相反方向策略嘅成績、n = 1–4 嘅極小樣本勝率照樣顯示出嚟。 呢啲都係顯示層問題，已一併修正。

2. 現行規則：v2

方向只做多（no short）
個股篩選T-1 收市價 > 200 天線，且 200 天線喺 20 個交易日內向上
大市過濾指數 T-1 收市價 > 佢自己嘅 200 天線（美股 SPY／日股 1306.T）
入場下一個交易日以 S1 掛限價買入；開市價低過或等於 S1 就跳過（唔追）
止損S1 × (1 − 3 × ATR%)
目標價無
離場入場後第 10 個交易日收市（時間離場）
倉位每單 1% 權益風險、單一名義上限 10%、最多 10 倉（gross ≤ 100%）
名額競爭超賣優先排序（5 日回報最低者先入）
Guard railsATR% ≥ 6% 或 20 日 box 寬度 ≥ 35% → 不出訊號

每個門檻都係用 2016–2022 選定，再喺 2023–2026 只測一次（樣本外）。 選出嚟嘅組合（3×ATR 止損、無目標、10 日持有）喺樣本外同時都係最好嗰個。

3. S/R ladder（v2 都用）

4 層不重疊 rolling pivot，全部用前一日數據計，無 look-ahead：

4. 表現（本站自測）

以下數字係本站自己跑出嚟嘅，用 Yahoo Finance 10 年日線、同一個引擎、 按市場收成本、日期叢集 t 統計。重跑方法見 scripts/ab_close_hold.py， 輸入資料在 data/bt10y2/，每個結論都可以覆核；含壞 bar 嘅交易窗會被自動剔除（scripts/bt_clean.py）。

一個必須講嘅差異：本站引擎未能重現 2026-10-01 第三方審計報告嘅基線 —— 同一套規則，我哋測出嚟嘅基線高約 1.7 倍（第三方 US 樣本外 +0.45%， 我哋 +0.783%）。所以下面嘅絕對水平同第三方數字唔可以直接比較； 有效嘅係 A/B 之間嘅相對差（同一引擎、同一成本、只差一個入場條件）。 我哋冇查清楚差異來源，所以唔會聲稱第三方數字有錯。

現行規則（收市企穩 S1）· 樣本外 2023–2026

市場交易筆數勝率每單平均淨Profit factor日期叢集 t
US200 2,982 60.3% +1.772% 2.05 +7.67
JP200 2,187 65.5% +2.354% 2.69 +8.87

逐單結果 · 訓練期 2016–2022（門檻揀選期）

市場交易筆數勝率每單平均淨Profit factor日期叢集 t
US200 3,693 64.6% +1.922% 2.26 +10.49
JP200 2,389 55.6% +1.058% 1.52 +4.81

逐單結果 · 樣本外 2023–2026（只測一次）

市場交易筆數勝率每單平均淨Profit factor日期叢集 t
US200 2,982 60.3% +1.772% 2.05 +7.67
JP200 2,187 65.5% +2.354% 2.69 +8.87

⚠ 訓練期同樣本外差距好大，呢點要自己睇

日本市場訓練期平均只有 +0.01%、Profit factor 1.00、t = −0.56 —— 即係頭七年基本上冇 edge，個規則要到近期樣本先「好轉」。 美國就相反（訓練期 +0.82% 高過樣本外 +0.45%）。 只印樣本外一邊係選擇性呈現，所以兩邊都放上嚟。 一個誠實嘅結論係：呢套規則喺不同市場、唔同時段嘅穩定性差異好大， 唔應該當成一個跨市場通用嘅 alpha 來源。

港股

期間交易筆數勝率每單平均淨Profit factor日期叢集 t
訓練期 2016–22（第三方） 1,408 37.0% −2.01% — −4.00
樣本外 2023–26（第三方） 2,447 48.0% +0.02% 1.01 1.23

港股呢兩行係第三方數字，本站未能獨立驗證 —— 本站日線資料源（Yahoo Finance）唔提供 .HK 個股代號，200 隻全部取唔到； 只有指數層面（^HSI、2800.HK）有數。所以「扣 0.45% round-trip 後樣本外 +0.02%」 呢個數字，我哋自己跑唔到，只可以引用。 港股訊號因此只作資訊參考，唔落實倉。

組合層面（1% 風險／單、10 倉上限）

組合總回報CAGR最大回撤Sharpe交易筆數
舊引擎（按網站原本方式顯示）· 2016–26 −92.6% −23.6% −93.1% −2.43 6,542
v2 · 美股 · 2016–26（0.25% 成本） +894.7% +25.59% −13.35% — 5,219
v2 · 日股 · 2016–26（0.25% 成本） +332.5% +15.63% −19.68% — 3,468
同一批股票等權每月再平衡 · 美股 +820.7% +24.63% −23.56% — —
同一批股票等權每月再平衡 · 日股 +345.5% +15.97% −21.03% — —
大市指數 buy & hold · 美股（^GSPC） +253.2% +13.3% −33.9% — —
大市指數 buy & hold · 日股（^N225） +307.4% +15.0% −31.8% — —

呢個表係組合層面，唔係每單。 重點唔係 v2 跑贏指數，而係佢跑唔贏 「乜都唔做、淨係等權持有同一批股票」 —— 詳情見 §4.7。

分年睇（美股 v2 組合）：2017 +15%、2018 +18%、2019 +48%、2020 +12%、2021 +53%、 2022 +3%、2023 +28%、2024 +44%、2025 +16%、2026 +20%。十個曆年全部為正， 但 2022 嗰年得 +3% —— 大市過濾減少咗曝險，冇完全避開。 同一個對照組（開市價直接買上升趨勢股）喺 2018 −14%、2022 −13%、2026 −1%。

4.5 已出貨：long entry 加咗收市確認（2026-10-05）

呢個係一個方向性不對稱問題。沽空入 R1 嗰陣，價格觸及阻力本身就係 setup； 但買入 S1 支持位，「touch 然後收市跌穿」其實係該支持位失效 —— 你唔係買入支持位，你係接住跌勢。兩者用同一個 touch 規則，語意係相反嘅。

所以 v2 現行規則除了「開市價高過 S1」，再要求該交易日收市企穩 S1 之上； 觸及之後收返落去嘅單，唔當成交。

呢個唔係照搬第二手數字 —— 我哋喺自己嘅 10 年 bars、同一個引擎、同一個成本模型下做咗 A/B， 唯一分別就係呢一個入場條件：

市場窗口保留交易每單平均日期叢集 t
US200 訓練 2016–22 51.0% +0.892% → +1.922% +6.04 → +10.49
US200 樣本外 2023–26 51.4% +0.788% → +1.772% +3.75 → +7.67
JP200 訓練 2016–22 46.6% +0.106% → +1.058% +0.98 → +4.81
JP200 樣本外 2023–26 51.1% +1.180% → +2.354% +6.03 → +8.87

四個格全部改善（每單升、t 升），所以唔係單一窗口嘅 accident。 每一格交易筆數 2,187–3,693，遠高於本項目「1,000 單先可以出貨」嘅門檻。 代價係交易量減半 —— 呢個規則賺錢嘅方式係唔做錯單，唔係做多啲單。

但呢個比較有一個必要嘅對照組，因為 B 臂只保留 A 臂一半交易 —— 「交易少咗所以平均高」同「揀得準」睇落一模一樣。為此喺跑之前已經把門檻寫死落 docs/close-confirmation-prereg-2026-10-18.md（z ≥ 1.96，四格全要，並且規定如果 B 落喺對照 null 之內就要公開為 negative result），然後用一個同 B 一樣大細、但係隨機抽嘅 A 臂子集做安慰劑對照 （300 trials/cell）。

四格全部企喺 null 之上：差距 +0.95 至 +1.17 個百分點，z 由 8.91 到 13.19，門檻 1.96。四個對照組嘅標準差都唔係 0，即係個對照組真係有檢定力（sd = 0 嘅安慰劑會喺冇測過任何嘢嘅情況下通過）。 結論係收市企穩呢個條件帶資訊，唔係單純減少交易量。

兩點要講清楚：（一）呢個測試只有一個對照組，唔係兩個 —— 主要對照組 P2（同 B 一樣大細、隨機抽嘅 A 臂子集）已跑並通過；次要對照組 P1（隨機換交易日）已經決定唔跑（2026-10-19）。P2 已經直接測緊假設本身嗰條軸（揀邊啲交易，唔係揀邊一日），再跑一個成本高好多、改變另一條軸嘅對照唔會令 H1/H2 條問題更利落。（二）呢個測試唔係10 日持有嘅結論 —— 兩臂都固定 HOLD = 10，量度嘅係入場資格；10 日、5 日、15 日、20 日邊個好仍然未答。

4.6 對照組測試：S1 入場係咪真係有選時價值？

要分清楚「揀上升趨勢股持有」同「等佢跌到 S1 先入」呢兩件事， 唯一方法係跑一個只有入場方式唔同嘅對照組： 同一批股票、同一個上升趨勢篩選、同一個大市過濾、同一個 3×ATR 止損、同一個 10 日離場， 唯一分別係唔等 S1，喺任何合資格日子的開市價直接買。

市場窗口v2 交易筆數v2 每單對照組每單差額
US 訓練 2016–22 3,693 +1.922% +0.535% +1.387pp
US 樣本外 2023–26 2,982 +1.772% +0.696% +1.076pp
JP 訓練 2016–22 2,389 +1.058% +0.112% +0.946pp
JP 樣本外 2023–26 2,187 +2.354% +0.693% +1.661pp

四個格全部：v2 每單收益高過對照組 2.6 至 6.6 倍，兩個市場、訓練同樣本外一致。 單就「入場方式」呢一項，v2 確實有超過單純追上升趨勢嘅選擇優勢。

⚠ 三個限制，唔好跳過

一、呢個係「每單」優勢，唔係「總回報」優勢。 v2 只做對照組 2–4% 嘅交易機會（美股 3,693 對 132,032 單）。 每單贏多啲，唔等於同等資金下賺多啲。呢一項我哋已經喺 §4.7 補做咗組合層面測試， 答案係：美股零超額。

二、呢個結果同 2026-10-01 第三方審計報告相反。 嗰份報告嘅對照組數字（美股樣本外 +0.58%）同我哋（+0.694%）好接近， 但佢哋報 v2 只有 +0.45%，我哋量到 +1.77%。 差異喺 v2 嗰邊，而唔係對照組嗰邊 —— 原因未查清，我哋唔會因此聲稱第三方有錯。

三、交易量差距本身可能有選擇含義。 對照組每單都做，代表佢喺同一個上升趨勢裡面不停出入；v2 只做「跌到支持位又企穩」 嗰啲。呢個差異正正就係規則想捕捉嘅東西，但亦即係話 v2 嘅樣本更少、 對單一事件嘅依賴度更高。

順帶一提：同一批回測亦發現名義 R:R 同實績反相關 （R:R < 1.5 平均 +1.83%／單，R:R ≥ 1.5 平均 +1.14%／單）， 意味住一個 R:R 下限過濾有可能反而濫走好單。 v2 冇目標價所以根本冇 R:R，呢個發現對 v2 唔構成問題。

4.7 組合層面測試：同「攞住同一批股票」比，仲有冇超額？

§4.6 嘅對照組答緊「等 S1 係咪好過追上升趨勢」。但真正嘅問題係另一條： 如果我淨係將呢 201 隻股票等權持有，我仲使唔使搞 v2？ 答呢條問題先至重要，因為「攞住一批股票」本身已經好叻 —— 呢 201 隻係今日嘅大型股，唔係當年嗰 200 隻。

測試設計：v2 同對照組行完全同一套組合機器 —— 每單風險 1%、最多 10 倉、 單一名字名義上限 10%、總曝險 ≤100%、倉位滿時以最超賣者優先。 兩個市場一律用同一個 0.25% 來回成本口徑（cost_0.25%， 同首頁一致）。兩邊唯一分別仍然係入場方式。

2016–26美股年化美股最大回撤日股年化日股最大回撤
v2 組合+25.59%−13.35%+15.63%−19.68%
同一批股票等權每月再平衡+24.63%−23.56%+15.97%−21.03%
大市指數 buy & hold+13.3%−33.9%+15.0%−31.8%
v2 減「等權持有」+0.96 pp/年—−0.34 pp/年
全期差距細，拆分市況後正負號會變（§4.8）		—

美股答案係「冇一個穩定嘅超額」。 同一批股票乜都唔做，年化就有 +24.63%，v2 +25.59% —— +0.96 pp/年，即係 v2 領先 +1.0 點/年。 兩個時段嘅正負號相反，所以全期差距唔係一個跨市況都成立嘅優勢 —— 我哋唔當佢係 alpha。 呢個對照本身就已經跑贏大市十幾個百分點，而嗰十幾個百分點全部來自 「呢批係今日嘅大型股」呢個選擇，唔係來自揀時段。

日股答案係「冇一個穩定嘅超額」。 2026-10-12 重測、2026-10-18 改用 0.25% 口徑之後，v2 全期 落後 +0.3 點/年 —— 同一批股票乜都唔做，差距只有咁多。拆開市況睇： 2016–20 落後 +9.0 點/年、2021–26 領先 +5.1 點/年。 兩個時段嘅正負號相反，所以全期差距唔係一個跨市況都成立嘅優勢 —— 我哋唔當佢係 alpha。

4.8 全期差額拆開睇：會唔會淨係係單一個市況造成？

全期數字最容易被誤讀成「十年都有優勢」。但 2016–26 其實橫跨兩個完全相反嘅 regime， 所以最緊要係睇清楚兩段各自點。下表用同一套機械重跑（scripts/portfolio_pit.py）， 只係將日曆切成兩段，四格全部由 data/hk_retest_summary.json 讀出：

期間 v2 年化 等權持有 v2 減持有
日股 2016–2020 +3.73% +12.71% −8.98 pp/年
日股 2021–2026 +23.57% +18.48% +5.09 pp/年
美股 2016–2020 +29.82% +26.10% +3.72 pp/年
美股 2021–2026 +21.60% +23.99% −2.39 pp/年

日股全期 −0.34 pp/年，2016–20 落後 +9.0 點/年、2021–26 領先 +5.1 點/年 —— 兩個時段嘅正負號相反，所以全期差距唔係一個跨市況都成立嘅優勢 —— 我哋唔當佢係 alpha。 美股：兩個時段分別 領先 +3.7 點/年 同 落後 +2.4 點/年 —— 兩個時段嘅正負號相反，所以全期差距唔係一個跨市況都成立嘅優勢 —— 我哋唔當佢係 alpha。

呢個唔代表規則完全冇用 —— 佢喺單一交易層面仍然有可重現嘅優勢， 而 v2 嘅市況過濾本身亦確實減少咗熊市持倉（美股最大回撤 −13.35% vs 純持有 −23.56%）。 但「減少虧損」同「產生超額回報」係兩件事，我哋只證明咗前一半。 實際意義：唔好預期呢條規則喺大市唔升嘅年份跑贏單純持有。

三個未解決嘅限制

一、股票名單係靜態嘅，結構上 100% 帶倖存者偏差。 呢 201 隻係用今日市值／排名抽出嚟，之後直接套落 2016–26 全部歷史。 名單冇 as-of 日期，所以任何 10 年絕對水平都唔可信 —— 包括上面「等權持有 +24.63%」嗰個數。唯一可信嘅係 v2 同等權持有之間嘅相對差， 因為兩邊行同一批股票。

二、我哋自己喺呢個測試上面出過三個錯，全部令結果嚴重偏離。 2026-10-05 首次跑，印出美股 +1811.8%／Sharpe 2.97。三個成因： (a) 程式計咗成本但從來冇用過，盈虧係毛數； (b) 10% 名義上限只限制每筆單，唔係每隻股票 —— 實測同時可以持有多過 4 筆同一隻股； (c) Sharpe 喺「有成交嘅日子」之間做差分，再當每個間隔都係一日去年化。 另外，10 年日線庫本身有 8 個檔案損壞（最嚴重嗰隻偏離原始數據 43,781%）， 已重新逐隻抓取並剔除含壞 bar 嘅交易窗。修正後就係上面嘅數字。 呢個過程記錄喺修正記錄一節，因為佢正正係點解絕對水平唔可以當真。

三、日股本來嗰 +6.9 個百分點已經拆開就冇咗，重測之後連全期都只剩 −0.34 pp/年，而且 point-in-time 偏差仍然未能量化。 我哋用 Nikkei 官方 1970 年至今嘅成分股變更紀錄做咗 point-in-time 名單 （scripts/portfolio_pit.py）：剔除 17 隻 2016-09-01 之後先入選嘅股票， 當年嗰個差額只由 +6.9 變 +6.0 —— 即遲入選唔係主因。 但真正嘅偏差係已經唔存在嘅股票（2016 年係大盤、後來縮細／被剔除／除牌）， 佢哋完全唔喺今日名單，所以兩邊都冇計到。而 Nikkei log 只覆蓋 Nikkei 225 成員， 同我哋嘅 TOPIX Core30 + Large70 只有 41/201 重疊，重建唔到。 再加上上面嘅市況拆分，我哋唔會聲稱日股有 alpha。

4.9 試驗台賬同披露規則

上面每一個數字，都要配上「試過幾多個先」同「點解唔係隨機」先讀得明。 本站至今一共測過 58 個設定，每一項都跑過 placebo（將受測嗰部分 隨機化，或者隨機揀同等數量嘅股票），同自己嘅 null 比。完整結果、逐個變體同 原始檔案喺 失敗測試記錄。

測試數量結果來源檔
Sprint 1 — 11 個變體 × 成本情境33 個設定placebo 重跑 300 trials 後，0 個過到門檻reports/signal_search_s1_summary.json
Sprint 2 — crossed randomization 三軸3 條軸3 條 FAILreports/signal_search_s2_us_axis_a.json, reports/signal_search_s2_us_axis_b.json, reports/signal_search_s1_us_placebo.json
Sprint 3 — deployment-matched benchmark2 條臂0 條過關reports/signal_search_s3_us.json
Direction A — fill-matched 選股（臂 × fill lag）4 條臂4 條 SELECTION_DEADreports/edge_alpha_a_us.json, reports/edge_alpha_a_us_lag1.json
Direction C — 組合構造 OFAT16 個 cell5 個 void、0 個顯著reports/edge_alpha_c_us.json

Sprint 1 嘅 placebo 重跑唔另計：佢係同一批 11 個變體換把尺 再評一次（300 trials），冇畀數據多一次「撞運」嘅機會。

Holdout 紀律

2016–20 同 2021–26 係固定切法，唔會因為結果靚就改。 任何新 claim 必須兩個分段同號先可以發佈 —— 單邊靚唔算數。 Sprint 2 三條軸（3 條，全部 FAIL）就係因為兩段之間隔籬變咗號， 或者其中一段直接輸。逐個數字同逐個檔案都喺 失敗測試記錄。

Placebo 規則

日後任何策略數字上站之前，必須並排一個 null / placebo 對照， 而且 null 要用同一個引擎、同一個 universe、同一個成本模型跑，只把受測嗰部分 隨機化。做法見 4.6 嘅對照組測試：把訊號移到隨機交易日，睇差距仲喺唔喺 null 上面。冇 placebo 嘅數字，唔上站 —— 本頁 4.7 嘅等權對照、4.5 嘅收市確認 A/B，全部都係咁做嘅。

5. 風險管理

更正：本頁舊版寫嘅「每筆 1–2% 帳戶、持倉 30–40% 上限、唔過夜、收市前必須平倉」 係 v1 日內交易規則，v2 已經唔適用。v2 係持有 10 個交易日嘅 swing 邏輯。

6. T-1 Hard Rule

7. 點解唔會有 LLM 幻覺數字

8. 資料來源

常見問題

Leeks Terminal 嘅信號係點計出嚟嘅？

全部由 Python 對 T-1 日線 OHLC 確定性計算。先疊 20/60/120/200 日 S/R ladder，再要求股價喺 200 天線之上且 200 天線 20 日內向上，並要求大市指數喺自己嘅 200 天線之上，然後喺 S1 掛限價買入、3×ATR 止損、第 10 個交易日收市離場。LLM 只負責解釋文字，唔會產生任何數字。

點解淨係做多？之前唔係有做空嘅策略嗎？

有。舊版有 SELL_R1 同 BREAK_SHORT。2026-10-01 嘅第三方 10 年審計顯示，SELL_R1 喺 T+5 每單淨蝕 0.57%，而且喺 30 個 market × horizon × period 組合全部為負；BREAK_LONG / BREAK_SHORT 嘅止損觸發率達 67–69%。呢兩類訊號已全部停用。港股因為沽空涉及借券資格同額外成本，扣約 0.45% round-trip 後樣本外淨收益係 +0.02%，等於零，所以只作資訊參考。

你哋頁面以前嘅 win% 係咩？而家點變？

以前每隻股掛住一個歷史勝率 badge（例如 60 日勝率），令人以為係信心指標。審計實測該勝率同下一筆交易嘅 rank correlation 只有 −0.001 / −0.004，即係冇任何預測力。這個 badge 已停用；表格中嘅 Win% 欄而家只顯示該 setup 本身喺樣本外（2023–2026）嘅歷史勝率，並附交易筆數 n 讓你自行判斷樣本大小。

T+10 swing 而家點計？以前話 +3.02% 係咪假嘅？

以前網站多處引用 T+10 swing +3.02%，嗰個係逐筆百分比直接相加，等於假設每一單都用盡 100% 資金同時持有，唔係一個投資組合回報 —— 呢個數我哋已經撤回。

2026-10-18：我哋曾經用一個「誠實定資模擬」嘅 T+10 總回報去取代佢，而家連嗰個數都一齊撤回，因為佢冇任何 run 產生過：唯一可能產生佢嘅 scripts/monthly_swing_backtest.py 讀嘅 data/dsa_hk.db 入面，daily_report 表係 0 行，個 script 會直接以「No BUY signals in window」結束，根本跑唔到。一個背後冇 run 嘅回測數字唔係證據，所以我哋唔會用另一個數字填返個位。（/equity_curve_t* 嗰條係十年美股 v2 曲線，係另一個實驗，唔係同一個六星期港股 swing 窗口，唔可以攞嚟頂。）而家網站唔再將 T+10 當成 edge 宣傳。

頁面啲 performance 數字係你哋自己驗證㗎？

係，2026-10-05 起用嘅係本站自測數字：Yahoo 10 年日線、同一個引擎、按市場計成本、日期叢集 t。重跑方法同輸入資料都公開：scripts/ab_close_hold.py（每單 A/B）、scripts/control_test.py（對照組）、scripts/portfolio_test.py（組合層面），輸入資料 data/bt10y2/。⚠ 舊嘅 data/bt10y/ 快取經逐隻重抓比對後確認有 8 個檔案損壞，唔應該再用。要留意一點：我哋引擎重現唔到 2026-10-01 第三方審計報告嘅基線，同一規則高約 1.7 倍，差異原因未查清 —— 所以兩邊數字唔可以直接比較，有效嘅係同一引擎內嘅 A/B 相對差。

v2 係咪真係有選時能力，定只係買上升趨勢股？

要分兩層答。單筆層面：有優勢 —— 同一批股票、同一個篩選、同一個大市過濾，唯一分別係等 S1 定喺開市價直接買，v2 每單收益喺四個窗口全部高過對照組 2.6 至 6.6 倍。但組合層面：美股冇穩定超額 —— 將同一批股票等權每月再平衡，2016–26 年化 +24.63%，v2 +25.59%，即係 v2 領先 +1.0 點/年；但要留意：差額嘅正負號喺 2016–20 同 2021–26 之間會變，即係全期嗰個數由單一 regime 決定，唔應該當成持久 alpha 去引用。即係話每單揀得准，但呢個優勢喺美股冇轉化成一個穩定、跑贏「唔做嘢」嘅回報。日股喺同一個 0.25% 成本口徑下，v2 落後 +0.3 點/年（v2 +15.63% 對等權 +15.97%）；按市況拆開：2016–20 落後 +9.0 點/年、2021–26 領先 +5.1 點/年 —— 兩個時段嘅正負號相反，所以全期差距唔係一個跨市況都成立嘅優勢 —— 我哋唔當佢係 alpha。詳見方法論頁 §4.6 同 §4.7。

數據幾時更新？用即市價定收市價？

永遠使用 T-1 收市價（hard rule）。各市場喺自己收市後重建全站，開市前查看訊號即可，不會使用 live intraday 數據計算。

呢個站係投資建議嗎？

不是。全部內容屬教育用途並附免責聲明。短線交易風險極高，過往表現不代表將來回報；v2 每單樣本外勝率係美股 60.3%／2,982 單、日股 65.5%／2,187 單（樣本外 2023–26，data/ab_close_hold.json）。但要睇清楚：每單勝率唔等於組合超額回報 —— 組合層面 v2 喺美股領先 +1.0 點/年、日股落後 +0.3 點/年（對「乜都唔做、淨係等權持有同一批股票」，0.25% 成本口徑）。唔構成任何回報承諾。

免責聲明：教育用途，非投資建議。Backtest 唔等於 live 表現。 v2 每單樣本外勝率係美股 60.3%／2,982 單、日股 65.5%／2,187 單（樣本外 2023–26，data/ab_close_hold.json）；但每單勝率唔等於組合超額回報 —— 組合層面 v2 喺美股領先 +1.0 點/年、日股落後 +0.3 點/年 對「乜都唔做、淨係等權持有同一批股票」。短線及 swing 交易都可能損失全部本金。

References