策略記分板
每個「策略 × AI 模型」組合的實際命中率。
樣本期間 2026-08-31 ~ 2026-09-11，共 10 個交易日、 1022 筆可驗證樣本（另有 73 筆因無報價或報價過期而無法驗證，已排除於分母之外）。 這是短期觀察，不是長期回測，也不足以據此判定策略優劣。
| 策略 × 模型 | BUY 勝率 | n | WATCH 勝率 | n | BUY − WATCH | BUY 報酬區間（低／均／高） |
|---|---|---|---|---|---|---|
| M1 chatGPT_5.5 | 32.9% | 82 (−8) | 35.4% | 294 | -2.4 pp | -3.0% 2.4% |
| M2 chatGPT_5.5 | 25.0% | 96 (−5) | 39.1% | 115 | -14.1 pp | -3.4% 2.5% |
| M2 gemini_pro_latest | 30.1% | 113 (−2) | 40.4% | 99 | -10.3 pp | -3.1% 2.8% |
| M3 chatGPT_5.5 | 38.6% | 101 (−6) | 36.9% | 122 | +1.7 pp | -2.0% 2.3% |
BUY 對 WATCH 勝率
兩者等長並列。若同一組的兩條長度相近，代表 BUY／WATCH 的判斷沒有鑑別力。
累積報酬：BUY vs WATCH
每日對當天所有可驗證的標的等權計算平均報酬，再逐日累加。 兩條曲線幾乎同步起伏，顯示兩組主要都在跟隨大盤。 僅 10 個交易日，且未計交易成本 —— 這是樣本軌跡，不是績效承諾。
怎麼讀這張表
- BUY − WATCH 才是重點。 BUY 是「建議買入」，WATCH 是「僅觀望」。如果兩者勝率相近，代表這個判斷 沒有鑑別力 —— AI 挑得出會動的股票，但分不出其中哪些該買。 負值代表它建議觀望的那批表現反而更好。
- 勝率不等於報酬。 低勝率若搭配「賺多賠少」仍可能獲利，所以報酬區間與勝率必須一起看。 區間的左右端是平均最低與最高報酬，中間白色標記是平均收盤損益。
- n < 100 的樣本已淡化標示。 以 n≈70 而言，勝率的誤差範圍約 ±10 個百分點， 組間差距多半尚未達到統計顯著。
- M2 跑了兩個 AI 模型，是天然對照組 —— 同策略不同模型的差距，可用來拆分「策略的貢獻」與「模型的貢獻」。