測試主張
Expectancy 需要完整分布，而不只是一個勝率。
Expectancy 結合盈利與虧損的機率及平均幅度。正數歷史平均只是樣本估計，不是承諾；其不確定性取決於分散程度、樣本數及觀察是否真正獨立。
開始前先確認
學習目標
- 能夠解釋：計算完整 Payoff
- 能夠解釋：精確度不只取決於筆數
- 能夠解釋：先寫下機率問題
計算完整 Payoff
簡化的每筆交易 Expectancy，是勝率乘平均盈利，加上虧損率乘平均虧損，並扣除模型成本。一個假設性 40 筆交易樣本，18 勝 22 負、平均盈利 +1.4R、平均虧損 -0.8R，估計每筆 +0.19R。這項算術不代表結果穩定。
精確度不只取決於筆數
較大樣本通常會收窄平均值的不確定性，但集中在單一 Regime 的交易，不等於跨市場環境的獨立證據。平均值應連同分散程度、時間覆蓋與不同市場環境數量一起呈現。
先寫下機率問題
查看結果前，先決定甚麼變化具實際意義、需要哪種信心水平或容許範圍，以及哪些資料符合資格。
- 分隔研究與 Holdout 期間
- 包括成本與被否決的變體
- 顯示虧損幅度與尾部觀察
- 不要把 Confidence Interval 解讀成未來盈利機率
常見錯誤
- 只看結果，忽略文章列明的適用範圍與假設。
- 看完結果後才修改規則，卻仍把原資料稱為未見證據。
Trader Checklist
- 分隔研究與 Holdout 期間
- 包括成本與被否決的變體
- 顯示虧損幅度與尾部觀察
- 不要把 Confidence Interval 解讀成未來盈利機率
實作練習
選擇一個自己的交易例子，按「Expectancy 需要完整分布，而不只是一個勝率。」列明的原則寫下一頁規則、證據與停止條件。
甚麼證據會推翻結論
若關鍵假設在支援範圍內無法重現、控制在實際執行中不可行，或新的樣本外證據與結論持續相反，便應推翻或收窄本文結論。