AI选股三月记：一个被忽视的核心洞察
当人们探讨“AI选股是否可靠”时，他们往往在问同一个问题：有没有什么能帮助我在市场中减少失误、增加盈利。然而，这个问题本身或许就存在偏差。我用了三个月时间测试三款产品，最大的收获并非具体的收益率，而是弄明白了AI究竟在解决谁的问题。
先看结果：三款产品，三个月，收益率表现从显著落后到略微超越大盘均有。但这个结论本身意义不大。真正有趣的是，当我把这三款产品并列观察时，我发现它们实际上在解决三个截然不同的问题——而大多数使用者并不清楚自己购买的是哪一种。
三款产品，对应三种不同的逻辑
我测试的三款产品分别是：某大型券商的AI投顾服务、宣称基于GPT的智能选股工具，以及对传统量化策略进行AI优化的版本。测试期间市场经历了一段波动期，这反而构成了一个良好的压力测试环境。我同时运行了一个纯粹随机选股的对照组——没错，就是随机选择。
券商AI投顾的核心逻辑是“避免重大失误”。它依据你的风险偏好配置投资组合，推荐的交易频率很低，费率也较为合理。三个月下来略微领先大盘，但优势并不明显。这听起来似乎缺乏亮点，但恰恰是其设计初衷：它解决的并非“如何赚得更多”，而是“如何让普通投资者避免因胡乱操作而亏损”。它更像是一个情绪管理工具，只不过包装成了投资工具。
基于GPT的智能选股工具则完全是另一回事。它分析财报、新闻、行业趋势，试图发掘价值被低估的股票。实际测试中发现了三个问题：利好消息发酵后才进行推荐，错过了最佳买入时机；对政策变动和突发黑天鹅事件反应迟缓；估值预测存在较大偏差。三个月收益基本与大盘持平。这款产品解决的是“信息过多，难以消化”的问题，但其解决方案是用AI进行归纳总结，而总结这件事本身就存在时间滞后性。
●量化策略的AI优化版是三款中最有意思的。它不直接挑选个股，只专注于一件事：运用AI优化现有量化模型的参数和风险控制逻辑。在回撤控制和收益方面都比原始版本有所提升。它解决的是“策略本身可以变得更好”的问题——这是一个工程优化问题，而非市场预测问题。
一个常被忽略的根本差异
这三款产品的区别指向一个更基础的划分：预测市场与优化决策是两件完全不同的事。前者几乎不可能完美实现，后者则是可以持续改进的。
「
AI能够解决的，往往不是你最初设想的问题。
」
“预测股价”这件事，本质上是在预测数百万人在未来某个时间点的集体行为。即便是实力最强的机构，其胜率也只是比随机选择高出一点，并且这个优势会随着资金规模扩大而迅速减弱。AI在这件事上并无魔法——它处理海量数据的能力很强，但市场的复杂性在于，它本身就是所有参与者“已知信息”共同作用的结果，超额收益来源于他人未知的信息，而非处理众所周知的公开信息。
在三个月的测试中，随机选股的对照组有一个月跑赢了GPT选股工具——这并非偶然，而是市场运行的常态。
那么AI到底有没有用
有用，但作用点可能与你预想的不同。
1. 帮你保持纪律：AI投顾的最大价值不在于推荐了什么，而是通过“有东西在管理”这一事实来降低你的焦虑感，从而减少情绪化交易。许多人亏损并非因为选错了股票，而是在最低点恐慌卖出，在最高点盲目追涨。
2. 帮你处理信息洪流：一个普通人不可能读完所有相关公司的财报和新闻，AI可以进行初步筛选。但需要理解这仅仅是筛选，而非最终判断。
3. 帮工程师优化策略：如果你本身具备量化思维，AI可以显著提升模型迭代的效率。但这并非面向普通投资者的工具。
有一件事是我测试后才真正领悟的：那些声称能“带你短线快速获利”的AI产品，本质上是在售卖一种感觉——“有人在帮助你”的感觉。这种感受有市场需求，因为不确定性令人痛苦，任何能缓解这种痛苦的事物都会有人愿意付费。但感觉不等于实际收益。
还有一个细节值得一提：量化策略AI优化版的最大风险在于“市场风格切换”。它学习的是历史规律，一旦市场结构发生变化，历史规律便会失效。这不是AI独有的问题，是所有基于历史数据的策略的共同挑战。AI让这类工具变得更加精准，但也让它们对“环境变化”更为脆弱——因为优化得越极致，其泛化能力往往越差。这是一个较少被提及的反直觉结论。
真正的问题是：你想解决什么
回到最初的问题：AI炒股是否靠谱。我现在认为这个问题本身问错了。真正应该问的是：你当前投资面临的最大障碍是什么？是情绪控制、信息处理，还是策略优化？不同的障碍对应不同的工具，而大多数人在购买工具前根本没有思考过这个问题。
「
工具的价值取决于你用它解决的是否是真实存在的问题。
」
✦ 总结
AI分析股票，并非不靠谱，而是其靠谱的方向被大多数人误解了。它能帮助你减少情绪化错误，能帮你处理读不完的信息，能协助工程师优化现有策略——但它不能预测市场，也不能替你做出最终判断。三个月测试中最让我意外的发现是：随机选股偶尔能跑赢AI，并非因为AI差劲，而是因为市场原本就是这样运作的。理解这一点，比选择哪款工具更为重要。