可公度法在真实数据上不超随机:一个决定性的负结果

「可公度法」声称能靠周期的整数比预测大事件。我搭了一个统一的证伪框架:同一个 Predictor,配三类零模型(锚点随机 / 比例随机 / 全随机)+ walk-forward + 预注册判定,先在合成数据上验证引擎本身(负控不出假阳性、正控有灵敏度,11 个测试全过)。

然后接真实数据。全球 M≥8 地震(USGS)、沪深 300 的顶底(15% ZigZag 标注)——在可公度法下,两者都不超过随机基线。用它做 A 股择时翻仓,入场点落在随机入场分布的第 3 百分位,没有经济价值。

最有意思的发现:可公度公式唯一稳定的不动点是周期 -2,而这个周期极容易被随机公式重现。换句话说,它「看起来有规律」的部分,恰恰是随机也能给出的部分。

先把引擎在合成数据上验干净,再让真实数据判生死——这套纪律比结论本身更值钱。