怎麼用 AI 做交易研究？| MyTrade Academy

一個語言模型可以把法說會摘要做得非常好，但對明天的價格卻可能沒有任何有意義的說法。技能在於知道哪些任務適合這個工具，哪些不適合。

實用規則很簡單：在輸入輸出都是文字、結果可以對照來源檢查的地方用 AI；在答案取決於未來市場結果的地方不用。

TL;DR

用 AI 做語言任務：摘要文件、解釋概念、起草或檢查程式。不要用它做價格預測，它沒有任何支持預測的機制。每一條 AI 產出都要對照底層資料驗證，並記住：自信流暢的答案不是正確的證據。

AI 真正有用的地方

語言模型被訓練來產出可信的文字，這讓它擅長摘要長文件、清晰解釋概念，以及起草或檢查處理資料的程式。

這些任務有兩個共同屬性：輸入輸出都是語言，而且人可以對照來源抽查結果。這正是這個工具的自然主場。

常見的誤區是價格預測：讓模型預測明天的走勢，或給一個買進賣出決定。語言模型對未來市場結果沒有特殊通道，不管問題怎麼問、輸出聽起來多自信。

風險在於流暢的答案感覺像分析。一段寫得漂亮的預測，攜帶的證據和一個猜測完全相同，因為模型根本沒有處於能知道的位置。

流暢不等於正確

模型可以產出一段自信、寫得漂亮的答案，它和隨機猜測一樣沒有現實依據。自信與清晰是文字的屬性，不是預測的屬性。

即使是對很適合的任務，產出也必須對照真實資料檢查。一段沒有報錯的程式，仍然可能平均錯窗口或跳過列。

驗證習慣很便宜：從來源檔重算一兩個值、把摘要裡的日期與數量跟原文對比、檢查任何草稿裡的假設。

這三處落差單獨看都不算離譜，但如果不核對來源，它們會原封不動地被寫進你的研究筆記裡。

AI 聲稱的營收增速18%

對照來源後的真實增速12%

絕對偏差6 個百分點

相對偏差50%

50% 的偏差，夠不夠危險

18% 聽起來只比 12% 高一點，但換算成相對偏差就是誇大了 50%。如果後續的估值或部位判斷建立在這個被誇大的增速上，結論也會跟著偏離這個量級，而這只是回頭對照一次原始公告就能發現的落差。

第一，讓任務匹配工具：文字進文字出的任務是它的強項。第二，別讓提示詞裡出現預測：不要問價格預測或交易決定。第三，用之前先驗證：把任何摘要或程式對照它聲稱描述的資料檢查。

這樣用，AI 能加快研究，而不會被誤當成真相的來源。

AI 能幫我選股票嗎？

它能幫你整理關於股票的研究，但讓它選贏家或預測走勢，超出了這個工具能支持的範圍。

為什麼 AI 對預測顯得這麼自信？

它被訓練來產出流暢、可信的文字。自信是文字的屬性，不是準確的證據。

怎麼檢查 AI 的摘要？

把重點、日期與數量跟原始來源對比。如果摘要無法溯源，就當成未驗證處理。