grace.tcg香港 TCG / PSA 代鑑服務
選單
提交卡單
PSA 9 → 拆殼重評 v2 · 保守 / 可審計 / deterministic

PSA 9 重評計算器

此工具估算 PSA 9 重評的財務門檻及風險。POP、初評紀錄、廠房及私人歷史資料的可信程度不同； 資料不足時，工具會拒絕提供確定性建議。模型會清楚分開可驗證資料、私人紀錄、推斷資料及假設—— 任何未經校準的因素只會出現在 Experimental 模式，並按資料可信度降權。

重評計算器 —

情境 兩種角色，opportunity cost 唔同

已持有模式用呢個做 opportunity cost，唔係你當年買入價

卡款身份 用嚟配對私人紀錄

POP 數字 有私人紀錄就唔入公式，資料庫空白先做起點

預設值 = Mega Charizard X ex #116（Inferno X）PSA 官方 Pop Report 實數（2026-07）。換卡款記得改呢三個數。
POP 只反映卡款整體評分難度，唔會直接當成呢張卡嘅重評成功率——見右邊說明。

數據小提醒 邊個數字郁到勝率幾多

私人重評紀錄（每一筆實測結果）影響最大——直接進入 Beta 後驗，n 越多權重越大。10 筆同 100 筆嘅可信區間可以差幾倍闊。呢個係全模型入面唯一「可信」嘅數字來源。
POP 9 / POP 10私人資料庫有紀錄就完全唔影響。資料庫零紀錄先做估算起點——例：POP 比例 28% vs 冇 POP 用 50%，起點可以差 22pp。
初評紀錄（10→9 或 9→9）最多 ±2–3pp（基礎 10% 情況下：10→9 令機率升到約 12.2%；9→9 跌到約 7.7%）。要來源可信（q=100%）先食到全額，賣家口述只食到零頭。
場外情報：cert 年代／廠房單項通常 <1pp（朋友觀察 q=35% 已經打八折以上）；全部場外情報加埋封頂 ×1.08，最多 +0.7pp 左右。呢層要開 Experimental 先計，唔會自動入決策。
全部正面因素封頂（初評+場外）總倍率封頂 ×1.35——基礎 10% 情況下最多去到約 13.0%，無論你點砌都唔會再高。
PSA 9/10/8 市價、評級費、賣出手續費完全唔影響勝率——只影響 EV、打和線、最高買入價。
下行結構佔比（share9/8/7/noGrade）唔影響升 10 嘅機率——只影響「冇升到 10」嗰陣蝕多蝕少嘅分佈。
呢張表用嚟話你知：想個判斷準啲，時間應該花喺儲私人重評紀錄，唔係校準場外情報——場外情報封頂到死，最多郁到 1pp 上下。

市場價 七種結局嘅賣出淨值

運輸損毀／遺失預設當 $0 回收（未計保險），見下面損毀率

攞唔到 10 嗰陣點分佈 呢四個唔包 10 分，總和要 100%

呢度唔包括 PSA 10。呢四個數係「今次冇升到 10」入面點分嘅相對比例，總和必須係 100%；上面模型計出嘅「攞到 10」機率會獨立乘落嚟（(1 − p10) × 呢四個比例）。
呢四個相加 = 100%（唔包 10 分）。損毀率獨立喺下面計，唔佔呢 100% 入面嘅比例。

拆殼／運輸損毀紀錄 0 次事故 ≠ 0% 風險

冇紀錄（n=0）會用 configurable prior，唔會當 0%。

初評紀錄 你睇到嘅第一位 grader 分數

場外情報 Experimental · 原評 vs 重評目的地 vs cert 年代

場外情報來自非官方觀察（朋友觀察／業內傳聞），唔係 PSA 官方數據、已驗證歷史成功率或客觀廠房嚴格程度。 只作低權重 Experimental 訊號，只適用 modern／ultra modern 卡；vintage 卡強制唔套用。 資訊優勢已經透過初評、cert 年代及廠房資料反映，唔會再額外加入主觀專家倍率。
卡款年代分類
Cert 年代
cert 年代分界存放於 data/cert-era-ranges.json，未配置 range 之前一律視為 unknown，唔會自動判斷 old/mid/current。
A. 原評廠房
B. 重評目的地廠房

成本

其他

% · 高過呢個 = 樣本仲未夠穩

私人重評紀錄資料庫 匯入／匯出 · 0 筆紀錄

p_base 一定嚟自呢個資料庫，絕對唔用 POP。貼 JSON／CSV，或者上載檔案。格式跟 data/regrade-record.schema.json。

勝率調整來源

判斷 預設用核心保守模型

核心 vs 場外情報 Experimental 雙模型並列

場外情報審計 Field Intelligence Audit

財務結果

批次結果 exact deterministic convolution，唔係 Monte Carlo

倉位 風險預算 / CVaR 為主，Kelly 收埋喺進階

模型點解要咁樣設計？（新手睇）

呢個工具刻意唔用 POP 直接當成功率。POP 話你知呢張卡歷史上有幾多變過 10 分，但你手上嗰張已經係「送過一次、只得 9 分」——呢個係唔同嘅群體。

真正嘅命中率要嚟自你自己或者其他人嘅實測重評紀錄。冇紀錄，工具會話你「資料不足」，唔會亂估一個數。

例：私人紀錄話同款卡拆殼重評 20 次有 3 次變 10，工具會用 Beta 統計方法計出一個帶住不確定性嘅估算，唔會話「15% 就係 15%」咁武斷。

初評紀錄（你見到嗰張卡曾經被人初評 10 分先落到 9）同廠房資料，只係喺你有把握嘅情況下先會影響個判斷——資料嚟源愈唔可信（q 愈低），影響愈細，q=0 完全冇影響。

新字典

呢版工具引入咗幾個舊版冇嘅概念，逐個解釋。

LR（似然比）

一個訊號令你「應該更加相信」定「更加唔信」某個結果嘅倍率。LR=1 即係冇訊息量，LR>1 加強信心，LR<1 減弱。

q（來源可信度）

你點知呢個訊號嘅？直接查訂單 q=1.00，聽賣家講 q=0.25。q 愈低，個訊號對結果影響愈細——q=0 完全唔影響。

Beta 後驗

用少量觀察數據（例如 3 次成功 17 次失敗）估算機率嘅統計方法，會自動畀你一個「唔肯定範圍」，唔會話 100% 或者 0%。

CVaR 95%

最差嗰 5% 情況嘅平均盈虧，比「最差一次」更能反映尾部風險有幾重。

Exact deterministic convolution

攞代 Monte Carlo 模擬嘅精確演算法——同一組輸入，計一百次都係一模一樣嘅答案，唔靠隨機數。

Break-even（打和）

唔賺唔蝕嗰條線，唔係「實際會發生」嘅事。工具會分開顯示打和機率同你嘅實際估算機率，唔會混為一談。

四色判斷

綠＝穩健正值；黃＝平均賺但唔穩陣；紅＝唔值得做；灰＝資料不足，拒絕判斷——灰色係正式答案，唔係「未計完」。

Ambiguous facility（廠房不確定）

如果 cert number 同時跌入多過一個廠房 range，工具唔會自己揀一個，會直接話「唔確定」。

計完之後要送評？

grace.tcg 提供香港 TCG / PSA 代鑑服務。提交卡單後會先做初步分流，再確認報價方向。

WhatsApp 查詢 提交卡單
模型版本標示喺每一次匯出嘅審計 JSON 入面。呢個工具唔連接 PSA 官方 API——所有廠房資料嚟自你手動輸入或者 data/facility-cert-ranges.json 本地對應表（範例檔，未經官方核實）。 完整模型文件、限制同點樣加入真實數據，見 README。