五個不同起點都過關，這個跨市場模型不是剛好猜中一次

做量化研究最怕的一種情況，是模型只在某一段時間剛好贏。

前一版 Paper 3 的結果裡，TW0050 和日本 N225 這一組，是跨市場配對裡最強、也最需要做起點敏感度壓力測試的案例。問題也正出在這裡： 如果最亮眼的那一組只在單一起點成立，會不會只是剛好挑到一段對它有利的樣本？ 

這次做的事很單純，就是把外樣本起點往前往後挪，從 2014、2015、2016、2017、2018 各跑一次，檢查同一個結論會不會一換起點就垮掉。

答案沒有模糊空間： 五個起點全部過關。 

• 2014 起跑：統計值 3.24
• 2015 起跑：3.89
• 2016 起跑：3.66
• 2017 起跑：3.04
• 2018 起跑：3.09

這五個數字不只都高過 5% 門檻，連 1% 門檻也全部跨過。換句話說， 你把起跑線挪了五次，結果都還在同一邊。 

更重要的是，這五次不是勉強貼著門檻過。

最弱的一次是 2017 起跑，統計值 3.04，離 5% 臨界值還多出大約 1.08。最強的一次是 2015 起跑，距離門檻更高出 1.93。這代表結果離翻盤還有一段距離。即使挑到最不利的那個起點，還是留有安全空間。

這件事對一般讀者真正有用的地方，在於一個更基本的判斷標準：

 一個研究結果如果只在單一樣本起點成立，你要先懷疑；如果換了五個起點還成立，可信度就高很多。 

當然，這也不代表可以把它講成「已經被證明五次」。這五個外樣本區間彼此有重疊，所以它比較像 同一個發現的五次壓力測試 ，不是五個完全獨立的新實驗。比較精確的說法是：這個優勢對外樣本起點的選擇， 目前看起來相當穩 。

所以，這次最值得記住的地方是：

 它不是只在一個剛好的起點贏。 

這對 Paper 3 很重要，因為這一組是主要顯著案例中最醒目的一個；最容易被挑戰的地方，就是「會不會只是樣本起點運氣」。現在至少在起點敏感度這一關，這個質疑沒有被數據支持。

本文基於實驗 K1416（腳本：experiments/k1416/k1416.py，結果：experiments/k1416/k1416_results.json），並引用前一步敏感度實驗 K1412。資料來源：TW0050 與 N225 跨市場配對之外樣本比較；基準外樣本起點 2015-06-01，另檢查 2014/2016/2017/2018 四個替代起點；基準有效樣本約 2,067 個交易日。