“多头”或“空头”只是分类标签，不代表价格必然上涨或下跌。更负责任的信号系统应说明条件、预测窗口与历史概率，并检验“70%置信度”是否真的在相近样本中约有七成兑现。
先定义什么算预测成功
明确从哪个可成交价格开始、观察多久、目标与止损如何处理、费用是否计入。若上涨0.01%也算多头正确，而空头必须达到完整目标才算正确，命中率没有可比性。持仓未结束的样本不能提前归为赢家。
概率校准与排序能力不同
一个模型可以把强弱顺序排对，却系统性把60%写成90%；也可能概率校准尚可，但无法区分高低机会。应分别查看校准曲线、分桶实际频率和区分指标，不能只展示最高置信度案例。
样本外频率才有解释力
概率必须在未参与参数选择的时间段验证，并按品种、时段和市场状态分层。若某个70%分桶只有十次交易，其实际成功率变化很大；文章应披露样本数和不确定区间。
概率不能代替仓位规则
即使估计较高，盈亏比、相关仓位和尾部跳空仍会决定账户风险。仓位应受最大损失和组合限额约束，不能把模型置信度线性放大成杠杆，更不能用“高概率”承诺收益。
随着市场变化，校准会漂移。上线后应滚动比较预测概率与真实结果，达到预设偏差时暂停或重新验证，而不是在文案中继续沿用旧准确率。
公开内容还要区分模型概率与作者判断。若最终标签经过人工覆盖，应同时记录覆盖原因和原始输出，避免把人的事后选择算成模型能力。