20 天的股票預測實驗，系統像是產出反指標 >..<

When High-Confidence AI Predictions Become Contrarian Signals: A 20-Day Midterm Review of Human-AI Stock Forecasting

這 20 天的股票預測實驗

原本是想看看人機合作做出來的 AI 預測，能不能真的幫助股票決策。
不是為了追求某個漂亮分數，也不是想證明哪個模型最強，而是想把不同 AI、不同訊號、不同判斷方式放在一起，看看最後會不會比單一模型更接近真實市場。

一開始的設計方向是往融合走。技術面用 LightGBM，籌碼面用 XGBoost，事件面與語意判斷則交給 LLM。理論上，這樣的架構應該能互補：技術模型看價格與結構，籌碼模型看資金行為，LLM 看新聞與事件脈絡，最後再把三者融合起來，形成一個比較完整的判斷。

但實際跑了 20 天之後，系統呈現出來的結果，有一點像是反指標。
先說清楚，這不是在說系統不好。比較像是：目前系統還沒有完全收斂，資料量也還不夠，校準方式還在調整，所以暫時看起來有明顯偏差。這是一個中場檢討，不是結案報告。

一開始看起來很樂觀

最開始看到的分數其實很漂亮。融合之後，系統常常給出 85% 到 89% 這種很有信心的看漲結果。
如果只看這些數字，很容易覺得整個系統已經快完成，甚至開始有點像可以直接拿來用的版本。

但市場很快就把這種樂觀打回來。

在 7 月中旬那波明顯轉折裡，尤其是 7/17 這種外資宣洩式殺盤，很多原本看起來高機率看漲的標的，實際表現完全不是這麼回事。模型給出的方向，和真實市場的走勢差得很大。這時候才真正意識到，模型分數高，不等於市場真的會照著走。

這也是這次實驗最重要的提醒：看起來像勝率，不代表它真的就是勝率。

後來回頭看，最明顯的問題不是模型完全沒用，而是它們輸出的尺度還沒有對齊真實世界。
歷史上真正實戰能打的勝率，大概只有 21% 到 31% 左右，可是系統輸出卻常常被撐到 85% 以上。這種落差不是小誤差，而是整個判斷邏輯出了偏差。

更精準地說，這些模型比較擅長的是「排序」，不是「絕對勝率」。也就是說，它們比較像是在告訴你，哪幾檔相對更值得注意，哪幾檔在當下更強或更弱。
但系統如果把這種排序直接當成「明天真實上漲機率」，那數字就會開始虛胖。

尤其在營收創高、法說會偏樂觀、新聞面很熱的時候，LLM 和籌碼模型很容易一起高估市場情緒。結果面對真正的系統性殺盤，整套系統反而失去反應能力。這不是模型完全錯，而是它學到的東西，還沒有足夠對齊市場真實的風險結構。

所以現在比較像是：模型知道哪裡有相對優勢，但還不太會判斷什麼時候整個市場會翻臉。

如果現在看這個系統，確實會有一種反指標感。
但這個反指標感，並不等於系統沒價值。比較像是系統已經暴露出一個很明確的事實：目前的分數太樂觀，尺度需要重新校準。

這其實是好事。因為一個完全看不出偏差的系統，才真的危險。現在至少已經知道，哪裡膨脹了、哪裡失真了、哪個環節需要重新修。

如果後續把預測分數做更好的映射，像是校準信心區間、重新定義多空尺度，或把原本偏高的輸出壓回實際命中率附近，這套系統反而有機會變成更有用的避險與排序工具。
所以現在不是把它當成失敗，而是把它當成一個剛好把問題照出來的中場檢討。

這次最有價值的地方，不是模型有多準，而是風控有沒有擋住損失。
在 AI 看錯的時候，真正保護帳戶的，不是更華麗的融合，而是幾條寫死的硬規則。

像是大盤硬斷路器，只要 ADR 或大盤環境破掉，系統就直接覆寫買入建議。又像是買入下限攔截，當實際開盤已經跌破策略認定的安全區間時，系統就不再硬上，而是自動切成「等止跌」。這些規則看起來很笨，甚至有點不浪漫，但在實盤裡非常有用。

因為市場不是比誰最會講故事，而是比誰的防線更難被擊穿。當模型開始失準時，真正能保住資金的，往往不是預測，而是拒絕進場的能力。

這也是這次實驗最重要的收穫之一：AI 可以幫忙判斷，但真正決定能不能活下來的，是風控。

經過這 20 天之後，最不該做的事情，其實不是繼續加第四個模型。
如果在勝率還沒收斂前，就一直堆更多 AI，只會讓錯誤一路傳導，最後變成架構越來越複雜，但效果沒有真正變好。

現在比較重要的，是做工程上的減法。先把特徵整理得更合理，讓不同股票的價位量級不要干擾模型。再把回填和診斷自動化，讓每次實驗都能留下可追蹤的結果。最後把否決機制和盤前檢查做得更穩，讓系統在極端行情裡不會硬闖。

這些改動看起來不像「模型升級」，但實際上更接近真正能上線的方向。因為交易系統最重要的，不是一次猜對，而是每一次都能少犯一點錯。

如果把這 20 天濃縮成一句話，大概就是：
系統目前確實有反指標感，但這不是失敗，而是校準前的真實樣子。

這套系統不是壞掉了。它只是還在找最適合目前市場的表達方式。資料還不夠完整，融合方式還沒完全收斂，校準也還在調。但正因為這樣，這次實驗才有價值。

因為它讓整件事變得很清楚：AI 預測如果沒有校準，就很容易把信心放大；模型如果沒有風控，就很容易在極端行情裡失守；而真正能長期活下來的，不是最會預測的系統，而是最能持續修正的系統。

這 20 天，看到的是反指標感。
但也正因為看到這件事，才知道下一步該怎麼修。
這不是結束，只是中場檢討。