Edge
Chrome
Firefox
最早接触AI的时候，是在一个小众的论坛里，那还是在口罩期间，大家讨论的还是用AI画动漫少女，但AI有一个大bug，就是手指无法正确绘制出来，但没想到后面大语言模型的爆发，和AI技术的快速迭代。
现阶段在各种制造焦虑的营销号影响下，我作为一个不愿被时代抛弃的韭菜，2026年开年，我开始尝试用AI做投资了，探索了一个我认为成功的方案和一个相对失败的方案，分享一下历程：
先说失败的方案吧：
EM推出了一个妙想AI，妙想有一个好处就是拥有EM股吧和投研端的一手数据。所以，我想能否用妙想AI做一个短线投资的方案，用AI荐标的，量化下单，即T日收盘推荐五只场内ETF，设置好标的在T+5个交易日内的止盈止损价，超过五个交易日未触发的标的全部直接挂对手单卖出。这是个短线策略。但在实际运行过程中，胜率只有不到40%，亏损更是一天天扩大。无论如何我告诉AI不要追涨杀跌，但实际上在T日收盘获得的都是热门板块的信号，后面我索性就停止测试了。我发现有两点问题：第一就是这个模型追涨杀跌严重，当T日出现大盘下跌时，市场情绪低迷，模型会建议我规避风险，不做买入操作。当某一板块成为热点或者有热点新闻，则模型会建议我买入，但是在现阶段行情下，板块轮动一快就会左右挨打。这很复合投研端推销产品和散户端的情绪驱动。模型也是这么训练出来的。当市场没有主线时，则模型每次输出就会变乱，打开思考界面，就会发现，模型只是随机抓取一些列新闻资讯，后续的所有的分析都是基于此刻抓取的新闻咨询。这就很容易造成以偏概全。
再说一个相对成功的吧：
我在这段时间问GJ证券要了QMT的权限，为了以防万一，我还要了一个模拟账户。我只是在本科阶段接触过编程，研究生阶段作为兴趣爱好选修了数学建模和数学算法，这都是十五年前的事情了，现在基本也忘得差不多了。但是学习编程和算法的思维方式确实是一直影响着我。在学习QMT的时候，我都有点后悔为什么没去开petrade，市面上QMT的视频和资料比petrade少得多，或许是因为petrade更好上手和有现成的交易程序。但是，真正赚钱的方案人是不会免费或低价提供的，不然这个赛道就会变得拥挤。我在AI编程的帮助下，花了一个多月的时间逐步写出适合自己的策略方案，也用模拟账户在跑策略，也是迈开了量化的第一步。在我第一次跑通策略的时候，还是很有成就感的，本来打算写不出来，就去淘宝找个代写，这笔钱是省下来了。
经过这两次使用AI的过程，我思考着，AI发展这么迅速的时代，我应该怎么去适应？首先，需要自己掌握生产资料，不然仅凭劳动能力。很容易被替代，就像我，如果没有AI工具，我就会去淘宝找代写，以后随着AI普及，简单的写代码的码农是很容易受影响的；其次，AI自身不具备原始创新能力，而是缝合怪，初看新奇，多看就无味了，投喂它什么它就缝合什么，它会增强效率，也会给人以灵感，但是它自身是不会有，至少目前没有原始创新能力，如果没有投喂新的资料，它就会趋于一致或杂乱，人一眼就看出AI味来；最后，所有的量化工具都是在教你怎么用技术指标进行高频交易，这和十几年前流行搞通达信公式没啥区别，但是真正赚钱的途径或许不会因为技术革新而转变，量化只是术，道不正，学再多的量化，都只是把盈亏的程度加速而已。
现阶段在各种制造焦虑的营销号影响下，我作为一个不愿被时代抛弃的韭菜，2026年开年，我开始尝试用AI做投资了，探索了一个我认为成功的方案和一个相对失败的方案，分享一下历程：
先说失败的方案吧：
EM推出了一个妙想AI，妙想有一个好处就是拥有EM股吧和投研端的一手数据。所以，我想能否用妙想AI做一个短线投资的方案，用AI荐标的，量化下单，即T日收盘推荐五只场内ETF，设置好标的在T+5个交易日内的止盈止损价，超过五个交易日未触发的标的全部直接挂对手单卖出。这是个短线策略。但在实际运行过程中，胜率只有不到40%，亏损更是一天天扩大。无论如何我告诉AI不要追涨杀跌，但实际上在T日收盘获得的都是热门板块的信号，后面我索性就停止测试了。我发现有两点问题：第一就是这个模型追涨杀跌严重，当T日出现大盘下跌时，市场情绪低迷，模型会建议我规避风险，不做买入操作。当某一板块成为热点或者有热点新闻，则模型会建议我买入，但是在现阶段行情下，板块轮动一快就会左右挨打。这很复合投研端推销产品和散户端的情绪驱动。模型也是这么训练出来的。当市场没有主线时，则模型每次输出就会变乱，打开思考界面，就会发现，模型只是随机抓取一些列新闻资讯，后续的所有的分析都是基于此刻抓取的新闻咨询。这就很容易造成以偏概全。
再说一个相对成功的吧：
我在这段时间问GJ证券要了QMT的权限，为了以防万一，我还要了一个模拟账户。我只是在本科阶段接触过编程，研究生阶段作为兴趣爱好选修了数学建模和数学算法，这都是十五年前的事情了，现在基本也忘得差不多了。但是学习编程和算法的思维方式确实是一直影响着我。在学习QMT的时候，我都有点后悔为什么没去开petrade，市面上QMT的视频和资料比petrade少得多，或许是因为petrade更好上手和有现成的交易程序。但是，真正赚钱的方案人是不会免费或低价提供的，不然这个赛道就会变得拥挤。我在AI编程的帮助下，花了一个多月的时间逐步写出适合自己的策略方案，也用模拟账户在跑策略，也是迈开了量化的第一步。在我第一次跑通策略的时候，还是很有成就感的，本来打算写不出来，就去淘宝找个代写，这笔钱是省下来了。
经过这两次使用AI的过程，我思考着，AI发展这么迅速的时代，我应该怎么去适应？首先，需要自己掌握生产资料，不然仅凭劳动能力。很容易被替代，就像我，如果没有AI工具，我就会去淘宝找代写，以后随着AI普及，简单的写代码的码农是很容易受影响的；其次，AI自身不具备原始创新能力，而是缝合怪，初看新奇，多看就无味了，投喂它什么它就缝合什么，它会增强效率，也会给人以灵感，但是它自身是不会有，至少目前没有原始创新能力，如果没有投喂新的资料，它就会趋于一致或杂乱，人一眼就看出AI味来；最后，所有的量化工具都是在教你怎么用技术指标进行高频交易，这和十几年前流行搞通达信公式没啥区别，但是真正赚钱的途径或许不会因为技术革新而转变，量化只是术，道不正，学再多的量化，都只是把盈亏的程度加速而已。
4
赞同来自: KevinLe 、不虚不实 、憨胖胖 、luckzpz
@wxhcome1987
1. 现阶段: 利用现有人类知识体系通过穷举法就能实现的应用创新（apply）和效率创新（efficiency）；
2.不久将来: ai工具通过实现自我迭代和自我进化而实现的工程技术创新（technology）；
3.未来 : ai实现底层物理模型和数学模型的科学创新（science）或哲学创新（philosophy)。
那时应该就是硅基生命体了吧。
兄弟，你这也太牵强了，凭啥说ai这么多数据源，会比人类的元素少么，明显不对啊，如果元素不够，也是人给他框死的，海量数据，海量组合，超高效率，创新能力是人类不可企及的。所谓的艺术，所谓的创新，其实也不过也特定组合，且刚好满足人类的喜好罢了就比如算24点，一种方法就是一种创新，人能快的过机器么估计我的想法和我的表达有所出入。 思考了一下，觉得ai的创新可能经历以下三个阶段:
1. 现阶段: 利用现有人类知识体系通过穷举法就能实现的应用创新（apply）和效率创新（efficiency）；
2.不久将来: ai工具通过实现自我迭代和自我进化而实现的工程技术创新（technology）；
3.未来 : ai实现底层物理模型和数学模型的科学创新（science）或哲学创新（philosophy)。
那时应该就是硅基生命体了吧。
0
@keaven
所谓的艺术，所谓的创新，其实也不过也特定组合，且刚好满足人类的喜好罢了
就比如算24点，一种方法就是一种创新，人能快的过机器么
感谢认真看完，补充解释一下我在文中说AI并不具备原始创新能力的理由：兄弟，你这也太牵强了，凭啥说ai这么多数据源，会比人类的元素少么，明显不对啊，如果元素不够，也是人给他框死的，海量数据，海量组合，超高效率，创新能力是人类不可企及的。
这让我想起了去年流行的AI山海经，配上魔性的意大利语，确实刚出来就会给人眼前一亮的感觉。但是随着后续发展，会发现重复性很高，吸引力就急速下降。 这是因为AI只会在已有的abcd元素内进行拆解和排列组合，如果人不输入e元素，ai就很难知道e元素是什么；
就像做一盘鱼，人可以输入常见的鱼的做法和使用的调料，ai的创新就可能会往西湖醋...
所谓的艺术，所谓的创新，其实也不过也特定组合，且刚好满足人类的喜好罢了
就比如算24点，一种方法就是一种创新，人能快的过机器么
1
赞同来自: KevinLe
@骆驼1978
这让我我想起在高中时听说的关于西红柿作为食物的来源的故事。当时所有人都人为西红柿有毒不能食用，直到有第一个原意冒死尝试的人出现，才带来了这一美味。
做一个思想实验，假设如果我们现在仍然处于社会公众认为西红柿有毒的时代，并且这个时代也刚好出现了AI工具。
这个时候，一个人去问AI，西红柿可不可以食用，AI的结论一定是不可以，因为这是当下人的群体认知。
如果再给AI输入：我昨天吃了西红柿发现没事的话语，AI这时就会出现AI幻觉，告诉你西红柿在某些时候是没毒的（但不会说明是什么时候，因为没有群体认知输入给它），但需要慎重食用，并还会多出现一些列撇清关系和法律风险的内容。
AI的底层原理决定了，十分赞同，AI只能是效率的工具而不是决策的工具。
它是一个统计概率模型，
它只能做绝大多数人都能做的事，
它做事的原则就是大多数人怎么做它就怎么做。
然后投资，
是极少数人赚绝大多数人的钱，
显然用AI做投资决策是缘木求鱼的愚蠢行为！
这让我我想起在高中时听说的关于西红柿作为食物的来源的故事。当时所有人都人为西红柿有毒不能食用，直到有第一个原意冒死尝试的人出现，才带来了这一美味。
做一个思想实验，假设如果我们现在仍然处于社会公众认为西红柿有毒的时代，并且这个时代也刚好出现了AI工具。
这个时候，一个人去问AI，西红柿可不可以食用，AI的结论一定是不可以，因为这是当下人的群体认知。
如果再给AI输入：我昨天吃了西红柿发现没事的话语，AI这时就会出现AI幻觉，告诉你西红柿在某些时候是没毒的（但不会说明是什么时候，因为没有群体认知输入给它），但需要慎重食用，并还会多出现一些列撇清关系和法律风险的内容。
1
赞同来自: KevinLe
@树叶有砖工
其次同一个ai，公司给我们这种普通用户的算力是有限的，每次回答的时候不会遍历所有数据给我们输出，这样对他们的成本会很高，所以会随机抽取库中的数据进行作答。若某个方向是热点讨论时，那么被抽中的概率会上升，所以我发现当市场对某一方向有一致看多情绪时ai的前后回答会比较统一，当市场没有核心方向时，ai的回答就会变乱。
AI荐股最大的问题就是不可控我个人感觉最大的问题就是：首先：各个ai公司开始跑马圈地，把自己库里的数据资源看作是自己领土的一部分，其它ai是很难获取到的，所以各家AI在同一时间节点读取的数据不一样，得到的结果不一样。
即使向AI描述清楚选股逻辑，他依然无法客观按照逻辑选出合适的个股，更别说买卖信号了
更坑的是，同样的话问两遍或者给到不同的AI，得到的结果往往不一样
这和猴子选股又有啥区别
其次同一个ai，公司给我们这种普通用户的算力是有限的，每次回答的时候不会遍历所有数据给我们输出，这样对他们的成本会很高，所以会随机抽取库中的数据进行作答。若某个方向是热点讨论时，那么被抽中的概率会上升，所以我发现当市场对某一方向有一致看多情绪时ai的前后回答会比较统一，当市场没有核心方向时，ai的回答就会变乱。
1
赞同来自: KevinLe
@wxhcome1987
这让我想起了去年流行的AI山海经，配上魔性的意大利语，确实刚出来就会给人眼前一亮的感觉。但是随着后续发展，会发现重复性很高，吸引力就急速下降。 这是因为AI只会在已有的abcd元素内进行拆解和排列组合，如果人不输入e元素，ai就很难知道e元素是什么；
就像做一盘鱼，人可以输入常见的鱼的做法和使用的调料，ai的创新就可能会往西湖醋鱼里面加四川的花椒， 重庆鱼头火锅里面不放辣椒，乍一看也是创新，但是都是在已有菜系的基础上进行调料的排列组合。如果人不给AI输入新的鱼的做法，现在ai很难跳出现有框架去思考其它做法创新；
ai其实能创新，而且创新能力或许将来比人强很多，假设一下，有abcd四个元素，人们的固有思维会导致只结合其中几个符合当下的元素结合，而ai没有这种限制，他弄出来的新组合就是创新感谢认真看完，补充解释一下我在文中说AI并不具备原始创新能力的理由：
这让我想起了去年流行的AI山海经，配上魔性的意大利语，确实刚出来就会给人眼前一亮的感觉。但是随着后续发展，会发现重复性很高，吸引力就急速下降。 这是因为AI只会在已有的abcd元素内进行拆解和排列组合，如果人不输入e元素，ai就很难知道e元素是什么；
就像做一盘鱼，人可以输入常见的鱼的做法和使用的调料，ai的创新就可能会往西湖醋鱼里面加四川的花椒， 重庆鱼头火锅里面不放辣椒，乍一看也是创新，但是都是在已有菜系的基础上进行调料的排列组合。如果人不给AI输入新的鱼的做法，现在ai很难跳出现有框架去思考其它做法创新；
6
赞同来自: KevinLe 、keaven 、yzzhongwei 、海浪9999 、oyquan 、更多 »
我没有自己写代码做过量化，仅利用过果仁禄得这些工具做一些轮动，以下都是我的一家之言：
1. 以目前的ai编程能力，因子挖掘、建模这些偏代码性的工作都不是太高门槛了，没有编程经验的普通人有方向都能做。
2. 现在的卡点可能在高质量的数据源，尤其是不会导致特征穿越的数据源，目前商用的数据都很贵。
3. 普通人最好还是不要去进入高频量化这个领域，机构在ai的加持下，竞争会非常激烈。但像红利低波、自由现金流、小微、等等已经编制成指数、长期有正收益的方向，可以利用量化做日或周级别的轮动，跑赢对应的指数即可。
如果有便宜的数据源也可以交流，我现在穷，仅用过tushare做一些想法验证。
1. 以目前的ai编程能力，因子挖掘、建模这些偏代码性的工作都不是太高门槛了，没有编程经验的普通人有方向都能做。
2. 现在的卡点可能在高质量的数据源，尤其是不会导致特征穿越的数据源，目前商用的数据都很贵。
3. 普通人最好还是不要去进入高频量化这个领域，机构在ai的加持下，竞争会非常激烈。但像红利低波、自由现金流、小微、等等已经编制成指数、长期有正收益的方向，可以利用量化做日或周级别的轮动，跑赢对应的指数即可。
如果有便宜的数据源也可以交流，我现在穷，仅用过tushare做一些想法验证。
0
我用python+pybroker+xgboost (ridge)做了几个月，方向对不对普通人都做不了，我觉得核心是没有除了k线以外的数据，回测好也是个别股个别时段，时间拉长样本变多最终都在均值回归或者亏损。
京公网安备 11010802031449号