Building an AI-Assisted Stock Prediction System
為什麼要做這套系統？一個在 AI 時代的散戶
我只是一個很普通的散戶。
沒有小道消息，看不懂太複雜的籌碼線型，也沒有資源加入投顧或接觸法人資訊。大多時候，就是靠自己慢慢摸索市場。但只要實際操作過一段時間，大概都會遇過同樣的情況：買進之後開始盤整甚至下跌，賣掉之後反而上漲。
我自己也不例外。幾檔股票抱著不動，一出場卻直接噴出。每天盯盤，其實不是不知道風險，而是常常慢一步，或者被情緒影響判斷。
有時候甚至會懷疑，是不是只要我進場，市場就會剛好反著走。這種無力感，於是我想做個能幫我的系統。
在 AI 時代，散戶還能做什麼？
這幾年，不管是 AI、量化交易還是各種演算法工具，幾乎已經變成市場的一部分。
那時我在想一件很單純的事：
如果資訊差距已經存在，那我至少能不能讓自己的決策方式，不要再完全依賴直覺？來當個AI散戶 哈
不一定要打敗市場，但至少不要一直用同一種方式犯錯。
於是我開始規劃一套自己的系統，後來把它取名為「準準準系統」。
名字有點玩笑，因為它現在其實沒有很準。
我怎麼做這套系統
一開始，我規劃怎樣判斷股票，與怎麼幫助我判斷何時買賣。
後來慢慢把不同來源的資訊整合在一起，包括股價、基本面，以及跨市場資料，再透過模型做盤後預測。這些過程裡，我大量使用了大型語言模型（例如 Gemini、Claude）來協助我整理資料、設計流程，甚至一起討論特徵與邏輯。老實說，這套系統不是「我寫的」，而是我和 AI 一起反覆修出來的。
但實際做下去才發現，AI 並不是答案。
它可以幫你加速很多事情，但也會在一些關鍵地方出錯、簡化問題，甚至給出看起來合理但實際不適用的建議。很多時候，我反而是在「修正 AI」的過程中，才真正理解問題。這件事我之後會另外寫一篇。
這套系統的目標
我從一開始就沒有打算把它做成什麼高勝率的黑盒模型。
比起預測對市場，我更在意的是：
當模型錯的時候，我能不能知道原因？
如果一套系統只是偶爾猜對，那價值其實不高；但如果它可以穩定暴露出「錯在哪裡」，那才有機會被修正。
長期來看，若勝率能穩定超過 55%，在股票市場已經是非常不錯的成績：
| 指標 | 實際情況 |
|---|---|
| 隨機基準 | 純粹隨機買賣的勝率約 50% |
| 專業量化基金 | 頂尖量化基金長期勝率約 55–58% |
| 散戶平均 | 多數散戶長期勝率低於 45% |
| 60% 的意義 | 需要持續超越市場參與者 90% 以上 |
但更重要的是，勝率不等於獲利。
期望值=(勝率×平均獲利)−(敗率×平均虧損)
所以我的目標是：
- 長期勝率穩定超過 55%
- 期望值 > 0（獲利勝過虧損）
- 平均獲利 / 平均虧損 > 1.5（風險報酬比）
這套系統的存在，並不是為了取代判斷，而是為了限制我自己。市場不會照模型走，但模型可以提供一個相對一致的參考架構。當情緒開始干擾決策時，至少還有一個比較冷靜的依據。
對我來說，這是實驗AI協作的過程，接下來，我會把這套系統當成一個持續驗證的實驗來記錄。
包含預測結果、模型失誤、特徵調整，以及每一次修正的原因。也會特別記錄 AI 在這個過程中幫上忙的地方，以及踩過的坑。
投資有風險有賺就有賠，歡迎討論，但目前我不會拉任何群組，只會分享喔。
YinOnMars 
發表留言