Building an AI-Assisted Stock Prediction System

「我要的是能賺錢的預測，不然做系統幹嘛？」

我是這樣跟協作的Gemini這麼說，因為他都會都塞寫死數據給我，不過剛好讓我更知道要怎麼規劃系統與修改程式碼，還好Gemini的降智，讓我要自己找錯除錯，不像別的AI都不太用除錯…….哈

我規劃了幾種方式的系統，但都不太準，因為我之前過度相信AI，但幾次的失敗，我懂了AI的盲點與後台的限制，會顯示…..是 AI，有時可能會出錯。都有這個宣言，就是不要負責任。

我換了一個想法，終於這一版的準準準系統，有點樣子了，所以我想可以po文來分享，但我發現真的要準，必須串聯真資料。

這版系統我著手規畫融合了傳統籌碼分析與現代 LLM（大型語言模型）語意判讀的混合型量化，並加入該有的資料：
•爆量倍數
•外資買賣超
•新聞情緒分數
•投信
•自營商
•EPS
•本益比
•營收成長
•流動性
•題材

在串接台灣證交所與海外 API 的過程中，我踩過了無數資料科學與全端開發的經典大坑：
API 時間沙盒與「消失的籌碼」
系統初期最頭痛的問題，就是盤中掃描時會把外資與融資券數據全部洗成 0。因為台灣證交所的三大法人（T86）下午 16:30 才陸續更新，而融資券（MI_MARGN）甚至要等到晚上 21:30。
後來，我加入了盤中時間若未達標，系統會自動回溯前一日的結算數據，用這方式解決了資料湖被空數據污染的斷層問題。
「冷門地雷股」的陷阱
這是讓預測準確率卡關的最大元凶！一檔平時只成交 5 張的冷門股，今天成交 15 張，會造成「3 倍爆量」。這種「假爆量」會一度霸佔了系統的排行榜。我就改成單日成交量未達 500 張（500,000 股）的標的，直接排除，不然沒注意買了就尷尬了，成交量真的很少。
大量資料的無限迴圈
一開始，串接成功，但…..全市場 1,400 檔股票的爆量資料全部塞進系統，會導致系統一直在跑股票。要設限智改成 Top 20/30 ，來釋放系統效能，讓顯示能流暢展開。

四大核心引擎架構
目前的「準準準 7.0」不再只是單純的籌碼爬蟲，而是由四大引擎驅動的決策大腦：

1. 📡 全自動數據採集引擎（Data Lake）

• 多維度來源：涵蓋 TWSE 台灣證交所盤後 API、Yahoo Finance（yfinance）即時報價、Google News RSS
• 深度籌碼：追蹤每日成交量/價、外資/投信/自營商連買天數，甚至精準到融資大戶與借券賣出的異常增減

2. 🤖 AI 情感與共識大腦（Groq LLM）

• 系統內建 Llama-3.3-70b 大型語言模型，扮演極度冷血的華爾街量化分析師
• 自動抓取個股最新新聞與外資法人報告，進行極限濃縮，並強制給出 -3 到 +3 的市場共識情緒分數，將原本無法量化的「消息面」轉化為 XGBoost 模型的特徵值

3. 🛡️ 終極防雷濾網（Anti-Landmine Filters）
為了解決「高勝率卻賠錢」的痛點，系統實裝了最嚴苛的篩選機制：

• 流動性底線：排除低於 500 張成交量的殭屍股
• 基本面排雷：自動獲取 Trailing EPS 與 PE Ratio，若公司處於虧損（EPS < 0）或本夢比過高（PE > 100），系統會強制扣減 10%~15% 的預測勝率，並打上醒目的紅色警語

4. ⚙️ 動態量化預測模型（XGBoost Pipeline）

乖離率冷卻機制：加入單日暴漲暴跌的保護機制，若單日漲幅過高極易引發獲利賣壓，系統會強制啟動冷卻扣分，避免盲目追高

資產動態權重：不採用死板的單一公式。台股加重「法人實體買超天數」權重，美股則放大「AI 新聞情緒」的影響力

首選高勝率預測（台/美股分流）
這是系統的皇冠！我們將台股門檻設為 55%，美股設為 52%。全市場一萬多檔標的，必須同時通過流動性、基本面測試，且勝率突破天花板的菁英標的，才有資格進入這張榜單。

除了股票的資訊，我加入以下的資訊分析與預測：

🔥 爆量排行
直球對決市場熱度，抓出突破常態交易量的前 30 強，並依據法人有無跟單給予紅綠燈動作提示。

🏦 三大法人排行
一眼看穿外資、投信、自營商正在聯手鎖碼哪些股票，尋找波段起漲點。

🚨 避險與借券警報
專門抓出「融資激增但法人未買」或是「借券空單異常大增」的危險標的，在崩盤前提醒你避險逃跑。

💡 結語：讓數據說話，讓 AI 輔助決策

開發這套系統的初衷很簡單：把雜訊過濾掉，把真正的賺錢機會留下來。

「準準準 7.0」已經脫離了測試腳本的階段，成為了一套具備「情緒感知」與「嚴格量化防護」的商業級輔助系統。

在 AI 時代，預測不能只停留在傳統的 50% 機率盲猜，唯有將「籌碼、基本面、AI 語意」三者極限融合，才能在無常的金融市場中，搶先鎖定勝率超過 80% 的黃金波段。

失敗的過程 我做了一個模擬，預設了專家團隊並舉行「AI 模擬股市專家開會議」，我以為這樣可以讓預測更準，但幾次會議下來，雖然有模有樣的會議，但這是多餘的，因為都叫我認賠賣掉換現金。

我還想說導入 AI 模擬股市專家開會議，讓大家對話、互相辯論市場方向。但我發現，這根本不適合我這小散戶。那些專家思維都是大資金、大資金的股市大戶思維，他們講的是「控盤」、「籌碼運作」、「長期布局」，而我需要的是「能不能賺錢」、「什麼時候進場」、「什麼時候停損」。

我要的是能賺錢的預測，不是聽專家開會。所以我把這塊砍掉，回到最單純的核心：數據、濾網、模型、預測。

簡單，但有效。