YinOnMars Prediction Experiment #31 : Multi-Model AI Fusion Stock Forecast with QQCDR Engine

AI 股票預測實驗系列第 31 篇，記錄我透過人機協作開發的  QQCDR AI Engine  所產生的預測結果。系統並非單一模型，而是採用  LightGBM（技術分析）、XGBoost（籌碼／總經分析）  與  LLM（新聞事件分析）  三大專家模型，並目標Meta-Learner 多模型融合（Blending）架構  計算最終預測勝率。本次實驗針對  台積電（2330）、聯電（2303）  與  日月光投控（3711）  進行預測，並於收盤後進行實際結果驗證，以持續優化整體模型表現。

投資有風險，這裡只是實驗系統的分享。
預測都會公開驗證，讓大家一起追蹤 AI 的長期表現…

2330 台積電  (台股)

股票	AI預測	預測	預估價格
2330 台積電	🟢 上漲 53.4% 🔴 下跌 46.6%	🟠 保守觀望	2412.65 ~ 2437.35

操作	技術	籌碼	事件
🚫大盤硬斷路器	55.7	97.0	50.0

2303 聯電  (台股)

股票	AI預測	預測	預估價格
2303 聯電	🟢 上漲 63.3% 🔴 下跌 36.7%	🟡 觀察候補	133.10 ~ 133.92

操作	技術	籌碼	事件
🚫大盤硬斷路器	58.9	92.0	83.3

3711 日月光投控  (台股)

股票	AI預測	預測	預估價格
3711日月光投控	🟢 上漲 67.7% 🔴 下跌 32.3%	🟡 觀察候補	607.08 ~ 610.50

操作	技術	籌碼	事件
🚫大盤硬斷路器	58.5	97.0	100.0

台積電  TSM  (美股)

股票	AI預測	預測	預估價格
TSM	🟢 上漲 60.2% 🔴 下跌 39.8%	🟡 觀察候補	412.92 ~ 430.27

操作	技術	景氣	事件
🚫大盤硬斷路器	57.0	52.6	100.0

聯電  UMC  (美股)

股票	AI預測	預測	預估價格
UMC	🟢 上漲 56.7% 🔴 下跌 43.3%	🟡 觀察候補	19.80 ~ 21.35

操作	技術	景氣	事件
🚫大盤硬斷路器	54.2	52.6	83.3

日月光投控    ASX  (美股)

股票	AI預測	預測	預估價格
ASX	🟢 上漲 53.0% 🔴 下跌 47.0%	🟠 保守觀望	34.59 ~ 35.75

操作	技術	景氣	事件
🚫大盤硬斷路器	58.7	52.6	16.7

台股 檢討（2330 / 2303 / 3711）

股票	預測方向	預測價格區間	實際收盤	方向對錯	區間對錯
2330	上漲53.4%	2412.65~2437.35	2370 跌2.27%	❌ 錯	❌ 遠低於區間
2303	上漲63.3%	133.10~133.92	118（自基準日110上漲約7%）	✅ 對	❌ 遠低於區間
3711	上漲67.7%	607.08~610.50	610 漲9.91%	✅ 對	✅ 精準命中

台股最大的問題不是方向，是區間寬度預估極度不穩定。 3711 命中得非常漂亮（區間跟實際收盤幾乎重疊），但 2330、2303 的預估區間卻大幅偏離實際——尤其 2303，模型預測要漲到 133 附近，實際只到 118，落差超過 10 元。三檔股票用的是同一套技術面/籌碼面架構，卻出現「一檔神準、兩檔離譜」的情況，代表目前價格區間估計（可能是基於ATR的波動度公式）本身不夠穩定，容易因為個股當下的特殊狀況（例如剛從跌停反彈、還是持續在噴的族群）給出差異很大的結果，這比「猜漲跌方向對不對」更需要優先關注，因為區間預估如果拿來做停利停損依據，現在的可信度明顯不夠。

2330 這次是唯一方向也猜錯的，事件面剛好是「台積電董事贈妻股票」這種中性偏八卦的新聞（Event=50中立），沒有明確方向性訊號，模型主要靠技術面（55.7分盤整）跟籌碼面（97分資金匯聚）在撐，但今天實際是拉高後獲利了結倒貨，籌碼分數高不代表短線不會拉回，這點跟我們之前查到的「Flow_Score結構性偏高、跟報酬相關係數是負的」互相印證。

美股 檢討（TSM / UMC / ASX）

股票	預測方向	預測價格區間	實際收盤	方向對錯	區間對錯
TSM	上漲60.2%	412.92~ 430.27	406.11 +0.46%	✅ 對（小漲）	❌ 遠低於區間
UMC	上漲56.7%	19.80~ 21.35	18.69 1.79%	❌ 錯，還下跌	❌ 遠低於區間
ASX	上漲53.0%	34.59~ 35.75	36.68 +4.29%	✅ 對	❌ 超出區間上緣

美股這次的區間問題更明顯，而且方向不一致（有的高估、有的低估）——TSM、UMC 都是模型預測區間遠高於實際，ASX 反而是實際漲幅超出模型預估上限。這種「有時高估有時低估」的雜訊型誤差，比台股那種「大部分低估」更難用單一公式修正，可能代表目前波動度估計對美股的適應性比台股更差（美股沒有三大法人資料，用「景氣趨勢Macro」代替籌碼專家，這幾天分數都卡在52.6分，變化很小，可能提供的資訊量不夠）。

UMC 是這次唯一方向也錯的，而且事件分還打到83.3分「偏多」（新聞是UMC交付首批光子IC量產品），結果股價實際是跌的——這是一個具體的反例，印證了我們之前的疑慮：Event_Score（事件面）給出「偏多」不代表真的會漲，目前這個分量的預測力還沒有被證實。

發現問題與解法

這幾天陸續修正了系統性偏誤（連買天數歸零、標籤時間尺度錯位、大盤污染判斷）之後，US模型AUC(LightGBM 模型「排序能力」)從近乎瞎猜的0.51穩定回升到0.57~0.58，且累積更多資料後Precision@K首次出現Top10（42.3%）追平甚至微幅超過全部候選（41.9%）的正向訊號；但同時也發現目前最不可靠的環節其實是「預估價格區間」而非「漲跌方向」——這次6檔觀察股方向對4錯2，區間卻只有1檔精準命中，其餘不是大幅低估就是超出上緣，且（事件面）（LLM事件面）「偏多」不保證真的會漲（UMC是明確反例），解法是先不動搖現有三個分量的權重，改為優先建立「預估區間 vs 實際落點」的校準表找出波動度估計是否系統性偏誤，同時讓系統持續累積跨市場狀況的資料，再決定要不要對融合邏輯動刀。

今日 AI 精選名單

量化三關過濾 → LLM事件分析 → 三合一融合

大盤狀態🔴 破位警戒 / 大盤漲跌 +7.98% / 今日無股票達到72%勝率門檻。

股票	AI預測	今日漲跌	是否命中
🥇 2207 和泰車	70.6%	522.0跌 6.45%	錯 ❌
🥈 2539 櫻花建	69.4%	42.40跌0.59%	錯 ❌
2206三陽工業	66.6%	64.00跌1.23%	錯 ❌
2633 台灣高鐵	66.3%	25.90跌0.58%	錯 ❌
8464 億豐	65.4%	376.00跌1.31%	錯 ❌

今日 AI 精選 檢討

誇張的一次背離(TT…我是不是該打包收掉實驗了)：大盤大漲 +7.98%（甚至沒有任何一檔候選達到72%勝率門檻，最高只有70.6%），但推出的5檔候選卻是5檔全軍覆沒，全部下跌（-0.58%~-6.45%），命中率 0/5 = 0%。這不只是「猜錯方向」，而是在大盤瘋狂噴出的日子裡，選出來的股票完全沒跟上，甚至逆勢下跌，方向跟大盤完全脫鉤。

問題

候選池篩選機制跟大盤走勢脫節。 這批候選股（和泰車、櫻花建、三陽工業、台灣高鐵、億豐）看名字就知道走勢分散、非熱門族群，而今天大盤暴漲很可能是由特定類股（例如台積電系半導體、AI概念）領軍噴出，這套系統的候選池篩選邏輯（外資/投信連買天數）本身反映的是「近期籌碼動向」，在大盤劇烈輪動、資金瞬間轉向的日子裡，昨天還在買的股票，今天完全可能被資金拋棄去追熱門股，導致選出來的名單跟當天真正在噴的族群完全不同調。

解法

先不急著改權重或砍分量——這是單日極端行情下的個案，樣本數太小（5檔）不具統計意義，跟我們一路以來的原則一致：先記錄、觀察，不要用單日結果做大動作調整。比較值得優先做的是：把「大盤單日漲跌幅」跟「候選名單命中率」兩個數字一起長期記錄下來，看看是不是「大盤劇烈波動（不管漲或跌）的日子，候選名單普遍表現差」這個模式會重複出現——如果之後累積更多這種極端日的樣本，確認是規律而非偶然，那時候才是該考慮加入「大盤單日波動度」當作額外過濾條件的時機。