決定預測值的是回看視窗，不是資料

我為什麼還要測

十天前我才收攤一條選股線。投信買超排序、外資買超、多因子模型，三次都輸給單純抱著指數。 當時寫下的重啟條件是：除非 regime 轉向，不要再開。

所以 Kronos 出現的時候——AAAI 2026、MIT 授權、 45 家交易所、超過 120 億根 K 線預訓練、mini/small/base 權重開源——我第一個念頭是直接套用舊結論、 省下這個週末。

那個念頭是錯的，而且我很慶幸有人把它頂回來。收攤那條線測的是從法人買賣超做橫斷面排序， Kronos 是價格序列預測。不同的假設類別。一個假設的收攤條件不構成另一個假設的證據， 拿它來否決只是替偷懶找一份有紀錄的理由。

所以我真的跑了。

測試設定

Kronos-small、零樣本、台股日線。20 檔標的（我真實的持倉加候選池）、24 個時點， 合計 480 次五日預測。每一次取 20 條抽樣路徑的集成均值。所有時點都落在 2026 年 5 到 7 月， 在論文 2025 年 8 月投稿之後，盡量讓評估窗口避開模型可能背過的區間。

一個順便修正的誤判：速度從來不是問題。Intel Mac 純 CPU，單條路徑約 0.1 秒。 我事前估「一次幾十秒」，差了兩個數量級。

表面結果，看起來是贏的

• Spearman IC +0.187，p < 0.001
• 方向準確率 57.1%，p = 0.002
• 20 檔全部 IC 為正

20 比 0。如果我停在這裡，這篇會是一篇完全不同的文章，模型會被接進我的指揮中心， 然後我會錯好幾個月才發現。

死因一：它賣我一個我本來就免費有的東西

預測值跟「過去五日報酬」的相關是 -0.589。Kronos 在反著近期走勢押注——而那段期間台股確實在 均值回歸。所以「跟趨勢反著做」是免費的錢，跟模型沒有關係。

要知道一個訊號有沒有加值，做法是把免費效果放進同一條迴歸裡：

過去 5 日報酬      t = -4.74    顯著
Kronos 預測        t = -0.98    不顯著，而且係數為負
      未來 5 日報酬 ~ 過去 5 日報酬 + Kronos 預測
    

控制住過去五日報酬之後，模型的增量貢獻跟零分不出來，而那一點點還指向反方向。

接著是比較難看的那個對照。基準——「反著上週押」，零參數、一行程式——方向準確率 56.7%， 模型 57.1%。一個吃了 120 億根 K 線的預訓練 transformer，跟一行程式打平。

死因二：480 不是我的樣本數

我有 480 次預測，然後就把它當成 n=480。它不是，有兩個各自獨立的理由：

• 窗口重疊。 時點間隔兩天，預測期五天。相鄰的觀測共用大部分的結果期間。
• 標的不獨立。 台股高度連動。一個小市場裡的 20 檔，離 20 次獨立抽樣差得很遠。

兩者灌水的方向一樣——都往「看起來是真的」那邊。標準做法是把每天收斂成一個橫斷面 IC， 再對那串時間序列做 t 檢定：

Kronos        t = +1.09    p = 0.287    不顯著
免費基準      t = +2.88                 顯著
      每日橫斷面 IC，對序列做 t 檢定
    

我一直在引用的 p = 0.002 是重疊樣本製造出來的。免費基準過得了這一關，模型過不了。

比測試結果更值得留下的發現

這一段是即使 Kronos 過關我也還是會在意的事。

KronosPredictor.predict() 會對整段回看視窗做 z-score 正規化再餵給模型。 所以那個視窗不只是「模型看多少歷史」——它是預測值的計價單位。 同一檔、同一天、同一組權重，只改回看長度：

回看  60   →   -0.35%
回看 120   →   +4.50%
回看 250   →  -10.08%
回看 400   →  -29.70%
      同一檔同一天，只改回看長度——實際走勢是 +2.62%
    

日線上五天預測 -29.70% 不是一個預測，是一個單位錯誤。而且模型沒有在保留： 回看 400 的時候，p10–p90 區間完全不包含實際值。它很有把握而且錯了， 這比「噪音大、區間寬」更糟，因為寬區間至少會叫你停下來。

我把溫度降到 0.6 試過，假設這是抽樣噪音。完全沒變，而這就是答案： 降溫度是把變異收窄到模型的中心信念附近，而壞掉的正是那個中心信念。

根因是 demo 跟我的資料之間的尺度落差。公開的 demo 跑 5 分 K，400 根約一天半， 視窗的標準差很小。日線上 400 根約 1.6 年，在那麼長的期間上做正規化， 標準差大到反正規化之後的輸出可以落在任何地方。

於是我的使用情境得到一個不太舒服的結論：日線上沒有任何一個設定能同時待在模型的設計範圍內 （context 512）又讓數值合理。 短視窗數值正常但丟掉歷史，長視窗用了歷史但吐出荒謬值。

我沒有證偽的部分

證偽結果最容易被過度引用，所以讓我把範圍圍清楚。失敗的是： 零樣本 Kronos-small、台股日線、當下唯一數值合理的設定、抽樣約兩個月。

明確沒測、而且按我主觀認為「可能真的有效」排序：

• 日內 5 分 K。 這是 demo 的主場，正規化尺度在那裡本來就是合理的。 如果它在那裡有效我不會意外，而上面所有內容都不構成它無效的證據。
• Fine-tune。 repo 附了 finetune/，這是想繼續走下去的人最合理的下一步。
• base / large。 我只測了 small。（large 有 499M 參數，權重閉源。）
• 其他 regime。 兩個月只是一次 regime 抽樣。我的窗口剛好由均值回歸主導， 而那正是死因一能被偵測到的原因——在趨勢盤裡同一個檢定會長得不一樣， 我得改成控制動能才對。

那為什麼還是停了

剩下兩條活路——fine-tune、或轉日內——都是真正的工程專案。更重要的是， 兩條都把人推向短週期交易，而我實際的策略是指數核心加股利、退休級的時間尺度。 一個只在五分鐘解析度上有效的模型，不是那個策略的工具， 是一個穿著工具外衣的另一種策略。

所以重啟條件寫下來，不交給心情：先做 fine-tune 或日內，然後它必須過掉在這裡殺死它的那兩關 ——控制住反趨勢基準之後仍有增量 t 值，而且每日橫斷面 IC 序列的 t 檢定要顯著。 不准再有重疊視窗生出來的 p 值。