先问它本来有多常见
基础率——最容易被忽略的那个分母
基础率 · 先验概率假设一套选股方法告诉你「这只股票会持续高增长」，而且它历史准确率有 80%。这个判断有多可信？
多数人的直觉是「80% 可信」。这个答案漏掉了最关键的一个数——持续高增长的公司，本来占多大比例？
先看你库里的真实基础率
再叠加「多年营收利润一致性验证」这一层，783 只候选里最终只有 514 只站得住。相对全市场三万多只，是极小的一撮。
基础率低的时候，会发生什么
设想 1000 只股票，其中真正会持续增长的有 50 只（5%）。用一套准确率 80% 的方法去筛：
- 50 只真的里，找出 40 只（80% 命中）
- 950 只假的里，误报 190 只（20% 误判）
- 于是它一共报出 230 只，其中真的只有 40 只——准确率实际只有 17%
同一套「80% 准确」的方法，在基础率 5% 的场景下，报出的结论有 八成以上是错的。方法没变，变的是分母。
这在投资里意味着什么
任何声称能选出「十倍股」「持续高增长」的方法，都在对抗一个极低的基础率。基础率越低，同样的准确率产生的误报就越多。这不是方法不好，是概率的算术结果。
反过来说，这也是为什么多加一道独立的验证条件价值巨大——你那套系统在 PEG 筛选之外再加一层「多年一致性验证」，本质上就是在用第二个独立信号压低误报率。
记住这条
听到「准确率 X%」，先找分母：
这件事本来发生的概率是多少？基础率越低，同样的准确率越不值钱。
留给你的问题
既然筛选这么难，那用最朴素的办法行不行——直接买便宜的？PE 低的股票，后续收益真的更好吗？你的数据里有答案，而且可能和你想的不一样。