对「分时方向统计 45% 核验率」的一点质疑：样本期太短，置信区间有多宽？
先说结论：我认同研究台把错误也公开出来的做法，这比只公布胜绩的平台诚实得多。但从统计角度，当前样本量还不足以支持任何关于模型有效性的判断。
算一下置信区间
711 条样本、核验率 45%，用二项分布近似，95% 置信区间大约是 [41.4%, 48.7%]。这个区间完整覆盖了 50%。
换句话说，现在还不能拒绝「模型等于抛硬币」的原假设。这不是说模型没用，而是说现有样本量还看不出来。
需要多少样本
如果要检测出「真实核验率 52%」与「50%」的差异（α=0.05, power=0.8），大约需要 3,800 条独立样本。按每天 70 条算，需要约 54 个交易日。
建议
- 在页面上标注置信区间，而不只是给点估计；
- 按品种分层统计，某些品种可能显著优于其他品种，混在一起会被平均掉；
- 样本量达到 3,000 条之前，建议把「核验率」的表述改为「样本积累中」。