判定公布于2026年9月28日
判定书002：一项外部提交的判定已撤回
一项外部提交。其判定曾以NOT-CALIBRATED公布，后由更正公告CN-003撤回，未对该策略作出任何结论。该页面保留第2版全文以及第2.1版的暂定注释，作为记录。
求证，而非轻信。
Nyalai对量化金融中的概率性系统给出二值判定。每个候选系统都要接受五道对抗性验证关口的检验；某道关口不适用或无法计算时，即如实报告为不适用或无法计算。每一份已公布的判定都注明日期，并可公开引用。Nyalai所评估的策略运行于决策的第四象限：损益结构复杂，分布呈厚尾。各道关口的规格与阈值以知识共享（Creative Commons）CC0公共领域贡献方式公开。
下面两份判定书样式都是构造示例，并非判定。第一份展示一次拒绝：某个策略通过了关口1a，未通过关口2，此后不再接受进一步检验。第二份展示一份CALIBRATED（通过）判定书会是什么样子。已公布的判定书及其状态列于本页下方。
插图在AI辅助下制作。
为解释收益，已有数百个因子被提出；而为单次检验设计的显著性阈值，在进行如此多次尝试时不再适用。
在Nassim Taleb于2008年发表的分类中，决策沿两条轴划分：损益结构是简单还是复杂，以及底层的随机性来自薄尾分布还是厚尾分布。量化策略运行于“复杂且厚尾”的区域：非线性损益、潜在损失无上限、市场状态的切换。我们的《拒绝原则》认为，正是在这里，统计推断最为困难，模型失效的代价也最为高昂。Nyalai的立场是：在那里运行的系统，应当再接受一层独立于其构建方的对抗性检验。这是Nyalai的立场，而非监管要求。关于模型风险管理的监管指引，在美国即2026年4月发布、取代SR 11-7的SR 26-2，是针对银行机构的。
Nyalai并不消除第四象限风险。Nyalai使在这种风险下作出的决策变得可审计，并拒绝那些评估时须依赖薄尾假设、而底层数据并不支持这些假设的策略。五道关口就是这一方法论要求的操作形式。每道关口都采用与其所针对问题相适应的统计框架，遵循Joseph Simonian在《Journal of Financial Data Science》上阐述的模块化验证原则。
点击每一条均可查看完整页面。判定书报告在所提交系统上测得的结果。示例是一份通过的判定书的构造示意，并非判定。
一套共享的用语，用来表达对一个概率预测系统应给予多大信任。按升序编号。每一等级由通过特定关口的实证结果界定。每一等级都对应一个公开声明的部署情境。严格嵌套。每一等级二值判定。可公开质疑。有时间限制。
每一份判定都是一份注明日期、可供引用的长篇文件。
一项外部提交。其判定曾以NOT-CALIBRATED公布，后由更正公告CN-003撤回，未对该策略作出任何结论。该页面保留第2版全文以及第2.1版的暂定注释，作为记录。