怎么用 AI 做交易研究？| MyTrade Academy

一个语言模型可以把财报电话会总结得非常好，但对明天的价格却可能没有任何有意义的说法。技能在于知道哪些任务适合这个工具，哪些不适合。

实用规则很简单：在输入输出都是文本、结果可以对照来源检查的地方用 AI；在答案取决于未来市场结果的地方不用。

TL;DR

用 AI 做语言任务：总结文档、解释概念、起草或检查代码。不要用它做价格预测，它没有任何支持预测的机制。每一条 AI 产出都要对照底层数据验证，并记住：自信流畅的答案不是正确的证据。

AI 真正有用的地方

语言模型被训练来产出可信的文本，这让它擅长总结长文档、清晰解释概念，以及起草或检查处理数据的代码。

这些任务有两个共同属性：输入输出都是语言，而且人可以对照来源抽查结果。这正是这个工具的自然主场。

常见的误区是价格预测：让模型预测明天的走势，或者给一个买入卖出决定。语言模型对未来市场结果没有特殊通道，不管问题怎么问、输出听起来多自信。

风险在于流畅的答案感觉像分析。一段写得漂亮的预测，携带的证据和一个猜测完全相同，因为模型根本没有处于能知道的位置。

流畅不等于正确

模型可以产出一段自信、写得漂亮的答案，它和随机猜测一样没有现实依据。自信和清晰是文字的属性，不是预测的属性。

即使是对很适合的任务，产出也必须对照真实数据检查。一段没有报错的代码，仍然可能平均错了窗口或跳过了行。

验证习惯很便宜：从源文件重算一两个值、把总结里的日期和数量与原文对比、检查任何草稿里的假设。

这三处偏差单独看都不算离谱，但如果不核对来源，它们会原封不动地被写进你的研究笔记里。

AI 声称的营收增速18%

核对来源后的真实增速12%

绝对偏差6 个百分点

相对偏差50%

50% 的偏差，够不够危险

18% 听起来只比 12% 高一点，但换算成相对偏差就是夸大了 50%。如果后续的估值或仓位判断建立在这个被夸大的增速上，结论也会跟着偏离这个量级，而这只是回头对照一次原始公告就能发现的差距。

第一，让任务匹配工具：文本进文本出的任务是它的强项。第二，别让提示词里出现预测：不要问价格预测或交易决定。第三，用之前先验证：把任何总结或代码对照它声称描述的数据检查。

这样用，AI 能加快研究，而不会被误当成真相的来源。

AI 能帮我选股票吗？

它能帮你整理关于股票的研究，但让它选赢家或预测走势，超出了这个工具能支持的范围。

为什么 AI 对预测显得这么自信？

它被训练来产出流畅、可信的文本。自信是文字的属性，不是准确的证据。

怎么检查 AI 的总结？

把要点、日期和数量与原始来源对比。如果总结无法溯源，就当成未验证处理。