90% 的勝率可能是一種昂貴的虧錢方式。 假設有一個交易代理：九筆交易各賺 $1，但有一筆虧損 $15。大多數決策都是贏家，但帳戶在費用前已下跌 $6。 這正是我關注 @agenticscredit 在其公佈的 ACS 模型中如何將勝率、盈利與回撤結合的原因。單單計算勝場會忽略該記錄背後的經濟邏輯。 在預測市場中，一個結果可能看起來極有可能發生，但價格卻被高估。一個反覆購買這些結果的機器人，可能建立出令人安心的連勝紀錄，卻幾乎沒有容錯空間。 我更傾向於一個能在價格錯誤時放過高勝率機會的代理。 值得投資的紀律，包括知道何時一個正確的預測其實是一筆糟糕的交易。