績效
誠實顯示哪一種方法有效的畫面。每個比率都附上它的信賴區間與樣本，並與朴素基準對照，同時在殘差報酬率與原始報酬率上呈現。上方的分頁用來選擇期限。
共識接受警示
這是什麼: 一個綠色或黃色的方塊，說明在所選期限上 D · 共識 是否逐一勝過它的各個組成部分（A、B、C）。
由哪些資料驅動: /api/performance/leaderboard → 最近一次完成分析執行的 engineD 結果。比較使用同一個 walk-forward 視窗中的 backtest 命中率；至少需要 200 個觀測值。
顯示什麼: 它顯示共識是否可用，以及它沒能勝過哪一個組成部分。
可以得出什麼結論: 若警示是黃色的，「今日」畫面上的「強訊號」卡片就不應用於決策；此時最佳單一模型的訊號更好。這條規則是刻意從嚴的：只有在組合優於每一個部分時，它才帶來價值。
殘差報酬率與原始報酬率對照
這是什麼: 一張表格，把同樣的 backtest 訊號計分兩次：一次對照期限結束時的殘差報酬率，一次對照原始報酬率。若差距超過三個百分點就會出現警告。
由哪些資料驅動: signal_daily 與 signal_outcome 資料表在資料庫中聯結；殘差使用 realized_residual 欄位，原始使用 realized_return 欄位。計算在 SQL 中完成。
顯示什麼: 左欄顯示模型在它受訓的目標上表現如何，右欄顯示它在實際價格變動上表現如何。
可以得出什麼結論: 這是本應用中最重要的一張表。若某個模型的能力在右欄消失，那麼它預測的不是價格，而是殘差報酬率的建構方式。在真實資料上，B · 橫截面排序 在 21 天上 58% 的命中率，到原始報酬率上會降到 50.5%。對投資而言重要的是右欄。
模型排名
這是什麼: 四個模型的即時與 backtest 命中率、它們的資訊係數，以及依平靜與動盪狀態的分解。
由哪些資料驅動: 即時各欄由即時層中的 signal_daily 與 signal_outcome 資料列計算。backtest 各欄來自最近一次分析執行所保存的評估結果。市場狀態由地圖畫面上平均相關性的第 70 百分位決定。
顯示什麼: 命中率附上它的 Wilson 95% 區間與 n；觀測值少於 200 時，會顯示「尚無法區分」而不是數字。backtest 的儲存格帶有斜紋。資訊係數是同一天內預測排序與實現排序之間的 Spearman 相關性。backtest 中最好的模型會被突顯。命中的定義處處一致：訊號的方向與期限結束時殘差報酬率的正負號相同。殘差報酬率是扣除市場（XU100）、產業與 USD/TRY 影響之後該股票的報酬率；它不是價格本身。
可以得出什麼結論: 兩個區間互相重疊的模型之間沒有差別。真正的問題是在 backtest 中領先的模型，在即時中是否依然領先；隨著即時結果累積，這張表會回答這個問題。命中率在動盪狀態下下降，顯示該模型在危機時期並不可靠。
累計命中率
這是什麼: 對每個模型，它即時訊號截至每一天的累計命中率曲線，以及一條 50% 的虛線。
由哪些資料驅動: 即時層中的 signal_daily 與 signal_outcome 資料列。只會畫出即時紀錄；若沒有即時紀錄，圖表會維持空白並明確說明。
顯示什麼: 它顯示曲線隨著時間穩定在什麼水準。最初幾天曲線非常跳動，因為樣本很小。
可以得出什麼結論: 長期保持在 50% 線之上的曲線，指向真實的能力。一開始很高、之後逐漸靠近 50% 的曲線，顯示最初的結果只是運氣；要下結論得等上幾個月。
基準
這是什麼: 模型必須勝過的四條朴素規則的命中率。
由哪些資料驅動: 最近一次分析執行的評估結果。使用相同的測試日與相同的殘差報酬率。
顯示什麼: 隨機（50%）；產業延續（今天產業平均殘差的正負號在明天延續）；該股票自己的 AR(1)（今天殘差的正負號延續）；市場延續（指數今天的正負號延續）。
可以得出什麼結論: 在真實資料上，這些規則落在 49% 到 51% 之間。若某個模型的命中率無法與它們區分開來，那麼不論它的絕對比率多高，它都沒有找到任何東西。
投資組合曲線
這是什麼: 一個等權投資組合的累計報酬率：依分數買進前 10% 的股票並放空後 10%；分別呈現計入與不計入交易成本的情形。
由哪些資料驅動: 最近一次分析執行的評估結果。報酬率以殘差報酬率計算。再平衡以等於期限的步長、在互不重疊的期間上進行；成本為單邊 15 個基點。
顯示什麼: Sharpe 比率（以 √(252/期限) 年化）、最大跌幅、週轉率與期間數量。虛線是不計成本，實線是計入成本。
可以得出什麼結論: 做決策時請看計入成本的曲線。由於報酬率是以殘差報酬率計算的，「殘差 / 原始報酬率」表中的那個假象在這裡同樣適用：B · 橫截面排序 與 D · 共識 的高 Sharpe 並不是一個真實價格投資組合的報酬率。
兩兩檢定
這是什麼: 一張表格，在相同的股票—日期上兩兩比較各個模型；即時與 backtest 分列不同的資料列。
由哪些資料驅動: 對配對的命中做 McNemar 檢定；對損失做 Diebold–Mariano 檢定。即時結果由資料庫計算，backtest 結果來自最近一次執行的結果。
顯示什麼: 形如「B > A，p=0.003」的結果；若樣本不足，則顯示「尚無法區分」。
可以得出什麼結論: 只有 p < 0.05 的差異才應被視為真實的差異。在樣本很大時，非常小的差異也可能顯示為顯著；顯著並不表示這個差異大到有實用價值。
此處提供的投資資訊、評論與建議不屬於投資顧問服務的範圍。投資顧問服務是依據客戶與證券商、投資組合管理公司或不收受存款的銀行之間所簽署的投資顧問契約提供的。這裡的訊號是以統計模型由歷史資料產生的，對所有人顯示的內容都相同，並非個人化；它們可能不符合你的財務狀況或你的風險與報酬偏好。因此，僅依據此處提供的資訊做出投資決定，可能不會產生符合你預期的結果。