模型分是什么，不是什么
📄 约 7 分钟 ·
模型分ML
模型分（ML 排序分）常被误读成「上涨概率」。这篇说明它的真实含义、它能回答与不能回答的问题，以及为什么不能拿它当涨跌预测使用。
它是什么：一个相对排序分
模型拿到每只候选票的几十个特征（动量、量能、波动、估值、财务、资金流、行业等），输出一个分数。 分数的唯一用途是把当天池子里的票排队，取前几名。
它没有「上涨概率」的量纲：一个 0.62 的分数不代表「62% 概率上涨」，也不是「预期收益 0.62%」。 把它当概率读，是所有误用的起点。
它不是什么：三件事它做不到
- 不做绝对判断：它不知道大盘明天涨跌，也不判断整体行情好坏。
- 不做个股估值判断：模型分高不代表这票便宜，只代表它在池内相对靠前。
- 不保证样本外有效：这是最需要说清的一条，见下节。
诚实的自我检验：样本外没有稳定 alpha
我们对模型的排序能力做过走步检验（每个月只用当月之前的数据重训，再在该月做诚实样本外测试）。 结论是：排序分在样本外没有稳定可用的预测力，日级别的排序 IC 长期在零附近波动， 短期内时正时负；用历史数据训练出来的「高胜率」大多是样本内记忆。
所以我们没有把模型包装成「AI 抓涨停」「预测明天涨哪只」。它在产品里的定位是 在已过滤的池子里做二次筛选与排序，配合明确的卖出规则使用——收益与风险的主要来源是 池子构造 + 卖出纪律 + 分散，而不是模型分本身有多神。
为什么要把这条写出来：任何工具宣称「模型预测涨跌」时，
你都应该先问它样本外怎么样。我们自己也过不了这条线，所以不这么宣称。
那你该怎么用模型分
- 当作注意力分配工具：每天池子里几十上百只，模型分帮你把注意力放到前面几名。
- 当作纪律触发器：进了清单就按既定规则买、按既定规则卖，不临场加戏。
- 不要拿它做加仓理由、不要拿它反推「这票要涨」、不要因为分数高就跳过止损/止盈纪律。
常见问题
Q：模型分 0.8 是不是意味着 80% 会涨？
A：不是。分数只是池内的相对排序位置，没有概率含义，也没有收益量纲。
Q：模型会自己变聪明吗？
A：不会。模型是定期用历史数据训练的，不会在线学习。我们对「自动重训上线」设了门禁：重训结果必须在诚实留出窗口上不劣于现役模型才会考虑替换，否则保持原模型不动——目的是防止退化，不是追求变强。
说明：本文说明的是 StockEye 的规则与计算口径，用于帮助理解工具行为，不构成投资建议，也不承诺任何收益。历史数据与历史绩效不代表未来表现。