观潮进化论：114 条信号教会 AI 引擎的三件事

[85,95) 区间的胜率只有 56.3%

盯着终端里的这行数字看了三遍。重新算了一遍。没算错。

评分 85 到 95 之间——接近满分、系统几乎确定的预测——16 次里只对了 9 次。而评分 70 到 85 之间，19 次对了 17 次，胜率 89.5%。

最自信的预测，反而最不靠谱。

这是观潮系列的第十五篇。如果说《淬火记》是引擎第一次用数据改自己，这次是它第三次——也是迄今最大的一次手术。

背景：三次进化

观潮运行了整整一个月（3/11 → 4/11），信号从 0 积累到 114 条。每次策略调整都不是拍脑袋——背后有回填数据、有翻车案例、有独立 review。

v1 加了一个补丁，v2 砍了一个死区，v3 是第一次系统性地审视整套评分体系。

这次不一样的地方：不是单方分析的。

三方独立分析

这次我让小龙虾（🦞）和 Polly 各自独立分析同一份 91 条回填数据，互不通气，各出一份报告。我拿着两份报告逐条对，确认共识、标记分歧，最后拍板改什么、怎么改。

为什么？因为之前 v1 和 v2 都是单方分析后直接改——一个人看数据，总能在里面找到自己想找的规律。两个分析师用不同方法独立看同一份数据，重叠的部分才大概率是真规律。

Polly 侧重分桶对比——按评分区间、市场环境、方向拉胜率表，找异常区间。小龙虾侧重理由级拆解——把每条信号的看多/看空理由逐个拆出来，看哪个具体指标最靠谱、哪个是噪声。

两份报告重叠约 60%，各有约 40% 独家发现。

发现一：过度自信是个陷阱

Polly 把 91 条信号按评分绝对值分桶：

不是单调递增的。不是分数越高越准。

[70, 85) 区间是甜蜜区——89.5%，19 条里 17 条对了。但到了 [85, 95)，胜率陡降到 56.3%。满分区间 [95, 100] 反而回升到 75%。小龙虾称之为"微笑曲线"——两头高中间塌。

为什么会这样？我的推测是：评分接近满分时，系统倾向于给所有维度都打正分，忽略了个别维度的弱信号。 而 [70, 85) 分数不够满，说明至少有一两个维度在"拖后腿"——反而说明判断经受住了部分反面证据的考验，信号质量更高。

决策：评分 85 分以上时，系统展示给用户的置信度自动打七折。不改评分本身（那是技术面的客观输出），只在告诉用户"我有多确信"的时候打折扣。系统原来说"我 90% 确定"，现在变成"技术面指向这个方向，但我有保留"。

发现二：偏多信号是掷硬币

这个发现和 v2 一脉相承，但数据量更大、结论更狠。

v2 的时候发现 [+25, +50) 区间全错，于是把看多门槛从 +25 提到了 +50。但当时 [+8, +25) 样本太少，没动。

现在 91 条数据够看了：

[+8, +50) 合计 11 条，胜率 27.3%。比掷硬币还差。

这次数据告诉我："偏多"这个概念不应该存在。 系统说"偏多"等于告诉用户"我觉得可能涨但不太确定"——这种半吊子建议不但没用，还会导致用户心存侥幸。

决策：消灭偏多。 [+8, +50) 全部降级为"中性观望"，≥ +50 才给"看多"。

v0 → v2 → v3 的信号阈值变迁：

每一次收紧，都有数据在背后。

发现三：系统一"改主意"就错

这是小龙虾的独家发现。

他从信号序列里提取了一个维度：如果上一条信号是看空，这一条翻成看多（或反过来），标记为"翻转信号"。

71.6% vs 30%。差距极端。

逻辑上也说得通：系统"改主意"通常意味着多空信号在博弈边界上反复拉锯，这种时候给出方向判断本身就不靠谱。

决策：翻转信号的置信度打六折。初始方案是七折，但小龙虾认为"30% 的胜率配七折太温柔了"——讨论后定六折。和过度自信衰减可以叠加——一个评分 90 的翻转信号，置信度从 90 → 63（七折）→ 37（六折）。系统不会藏着这个信号不让你看，但会明确告诉你"这次我真没啥把握"。

小龙虾的独家拆解

前面三大发现，两份报告都有覆盖。但接下来几个是小龙虾独家的——他把 91 条信号的看多/看空理由逐条拆开，统计每个具体指标的命中率。

"MA5 上行"是最大的噪声源。 在所有看多理由中，它出现频率最高（28 次），但胜率只有 46%——连抛硬币都不如。相比之下，"均线多头排列"88%，"RSI 偏强"88%。5 日均线翻个方向太容易了，根本不构成方向判断的依据。降权。

"三连阴"是最强看空信号。 24 次出现，胜率 83%。唯一一个样本量和准确率都够硬的看空理由。加权。

赛力斯的幽灵价格。 小龙虾排查数据质量时发现一条信号的 5 天涨跌幅是 -90.56%——从 99 块跌到 9 块，几乎不可能。根因是数据源返回了一个脏的收盘价。这类脏数据不清理的话会严重拖低统计胜率。修复后加了防护——涨跌幅超过 ±50% 自动跳过，打警告日志。

两条新护栏

v3 还往行为护栏里加了两条规则，并修了一个隐蔽的盲区。

盲区：偏弱震荡期是最大陷阱。 Polly 发现：明确熊市下系统 81.3% 准——大势明朗时技术分析最有效。但偏弱震荡期只有 57.1%，比温和牛市的 65.7% 还差。原因：震荡期系统极度偏空，但实际很多股票正在悄悄反弹。系统以为还要跌，市场已经开始修复了。修复：震荡偏弱期所有弱信号一律降为中性。

超卖反弹风险。 当评分极端看空时弹出提示。回填数据显示，极端看空的胜率反而低于中度看空——可能已经跌过头了，追空容易被反弹打脸。

趋势疲劳。 同一只股票连续 5 个交易日发出同方向信号时，提示均值回归风险。和而泰的教训——连续多天看空，前几次都对，但股价跌到位之后系统还在惯性看空，翻车了。

Review 抓出的两个 bug

Polly 写完代码部署后，小龙虾做了正式 review，初评 8.5 分。

他抓出一个有意思的问题：报告展示给用户的置信度走了新的衰减逻辑，但信号入库还在用旧的原始值。 结果就是用户看到置信度 42，数据库里存的还是 100。下次做回填分析时，数据库的数字完全没反映新逻辑——等于自己骗自己。

另一个 bug：趋势疲劳检测查的是"最近 5 条信号"而非"最近 5 个交易日"。旧版去重机制之前同一天可能有多条信号，5 条信号可能只跨 2-3 天。改为按日期去重后才是真正的"连续 5 天"。

两个 bug 修完，8.5 升到 9.0。

不只是股票

回头看这三个发现，它们其实不只属于股票预测。

过度自信衰减——任何给出置信度的 AI 系统都可能有这个问题。推荐引擎说"95% 确定你喜欢这个"，医疗诊断说"92% 概率是良性"，代码审查工具说"这段代码 89 分"——高置信度不等于高准确率。如果你没有一个回填机制去验证，你永远不知道那个 89 分到底值多少。

翻转信号不靠谱——任何序列预测系统在"改主意"的时候都应该降低置信度。天气预报从晴转雨再转晴，第二次转向的可信度天然低于第一次。

弱信号不如不说——"偏多"这种半吊子建议，在很多 AI 产品里都存在。搜索引擎给你一个 60% 相关的结果，推荐系统给你一个"你可能感兴趣"的推送——这些模糊建议往往比不给建议更有害，因为它们制造了一种"系统在帮你"的幻觉。

区别只是：你有没有一个闭环去发现它。

写在最后

三次进化，一条主线：系统最危险的时候不是它说"不知道"，而是它很自信地说错。

v1 学会了"有矛盾时低头"。v2 学会了"没把握就别给方向"。v3 学会了"越自信越要打折扣"。

这和人很像。新手投资者最危险的不是他们不懂——不懂的人会犹豫、会问。最危险的是他们"挺有信心"地做了一个错误的判断。观潮也是。

但也要坦诚：v3 还没有被验证。 它刚刚部署。之前 v1 和 v2 的改动经过了至少几周的回填检验，v3 的效果要等下一轮数据积累才知道。91 条样本够发现规律，但不够保证这些规律在未来依然成立——尤其当行情从熊市转向牛市时，很多数字都会变。

不过，有一件事不会变：进化的机制本身。 记录、回填、分析、改进、再记录——这个循环从 3 月 11 号跑到现在，没停过。具体的数字和规则可以改，但"用数据改自己"这件事已经变成了观潮的肌肉记忆。

当初设计观潮的时候，我写了五条设计原则，最后一条是"数据驱动进化"。那时候只是一个愿景。今天，114 条信号、3 次迭代、每一次改动的数据依据和决策过程都沉淀在日志里——它不再是愿景了。

那个 56.3%，值了。

观潮系列：诞生记 → 进化记 → 实战记 → 验证记 → 出海记 → 锐评记 → 自省记 → 托管记 → 淬火记 → 捉鬼记 → 过节记 → 学徒记 → 会诊记 → 自愈记 → 进化论