AI卷瘋了,唯獨炒股不靈_風聞
高见观潮-专注科技财经解读兼叙人物起落访谈有洞见的记录者08-31 13:50

作者:高恆
8月的A股,漲得像夢一場。上證十年新高,北證創紀錄,成交額一口氣幹到2.8萬億。滿屏都是熱搜、滿倉都是綠的股民突然變紅,牛市的味道真就來了。
可就在大家熱血沸騰時,一件事卻讓人冷靜:那些吹了兩年的“大模型炒股”,一個都沒預測到這波行情。BloombergGPT沒反應,國內量化模型集體啞火,K線預測神器失靈了。你説AI多聰明,它為啥連這波大行情都看不出來?更別提網上那些教你“用大模型躺贏炒股”的視頻、教程,照着做反而虧得更快。
難道大模型真沒用?還是,這個世界本來就不是給它設計的?
一、大模型炒股,捲了三年換來一地雞毛
大模型進軍金融,最早能追溯到2023年,彼時的BloombergGPT橫空出世,像一枚資本界的重磅炸彈。
彭博社把幾十年來積攢下的金融新聞、財報、研報、終端交流語料,全都餵給了這個模型,它的專業程度一度被譽為“的GPT高定版”。它能讀公告、能懂術語、能分析情緒,輸出的分析精準又高效,是當時量化機構眼裏的頂配AI。但問題也隨之而來——它太貴、太封閉、太黑箱。個人開發者用不起,小型機構夠不着,最終只是少數大機構的專屬玩具。
真正把“金融大模型”概念帶到大眾視野的,是2024年之後的開源浪潮。各種中文金融模型、行情插件、K線預測框架層出不窮。大模型不再只是“讀新聞”的助理,它能生成代碼、分析股價、預測趨勢,甚至接入chat框架變成了“AI炒股顧問”。
但興奮很快變成失望。
無數用户照着教程一步步配置完模型,回測結果看着靠譜,一跑實盤就撲街。K線預測模型Kronos上線後一度火爆全網,但僅僅兩週,Github issue區就被“預測不準”“實際無效”的反饋刷爆。大模型能説能算,就是賺不到錢。
到了2025年,“炒股靠大模型”已經從一場全民熱潮變成一地雞毛。
行業也在自我調節。沒人再奢望一個模型能準確告訴你“今天買什麼、明天漲多少”。人們開始轉向更現實的用法——讓AI當工具、做分析、寫代碼、查數據。你可以不問它“買不買”,但它能幫你看財報、找公告、寫回測、掃輿情。AI不再是操盤手,而是增強人類的插件。
某種程度上,這也像是大模型的一次“自我降維”:炒股它搞不定,但做研究員、寫分析師助手,它還行。
可問題也才剛剛開始。
二、金融最難,因為它最像“無序的自然界”
從數據密度上講,金融市場幾乎是AI最理想的訓練場。每天有數十億條價格變動、情緒數據、新聞快訊、政策公告,堪稱信息的馬拉松。可偏偏就是這個最富數據的領域,成了AI最“搞不定”的地方。
問題出在哪?就兩個字:噪聲。
金融數據的信噪比,低到令人髮指。99%的信息都是噪聲,真正能預示未來方向的“信號”少之又少,而且極其脆弱。更關鍵的是,這些信號一旦被市場識別,就會被迅速套利,最後消失無蹤。
這就是金融界一個最殘酷的規律:Alpha衰減。
所謂Alpha,簡單理解就是“穩定賺錢的能力”——比市場平均表現更好、能跑贏大盤的策略。量化交易的本質,就是在海量數據中,找出那些尚未被發現的Alpha,然後在它被發現前,悄悄賺完最後一筆。
但市場是“活”的。你發現一個信號,別人也會發現。你在用模型預測公告後1小時股價會上漲3%,別人就會提前10分鐘下單,再過一陣,大家在公告一發出之前就把這3%的空間抬沒了。最終,這個規律失效,Alpha歸零。
這才是K線預測模型集體撲街的真相。像Kronos這樣的模型,本質就是從公開歷史數據中,尋找價格波動的規律。但K線數據是所有交易者最熟悉的數據,全世界的程序員已經挖了幾十年,它早就沒有可以“預測未來”的剩餘價值了。
再強的模型,拿的都是被挖爛的數據。
你覺得它找到了規律,其實它只是在歷史裏“對號入座”。到了真實市場,那些所謂的模式,不是壓根不存在,就是活不過明天早上九點半。
更極端一點講:金融市場就是一個自毀規律的系統。
任何被發現的規律,都會因交易行為本身而被打破。
這就是為什麼,GPT能下圍棋、能寫詩、能答辯,但在金融預測上,反而一敗塗地。
AI不是不聰明,而是它面對的是一個拒絕規律存在的對手。
三、大模型不能預測未來,但可以幫你看清現在
既然模型不靠譜,K線沒用,Alpha又會衰減,那AI在金融世界到底還能幹點啥?
一句話:大模型不是你的股神,但可以是你的外腦。
過去兩年,金融圈已經悄悄完成了一個大轉向——從炒股預測,轉向研究增強。不再追求“AI告訴我買什麼”,而是讓AI幫我“更快查財報、更快讀公告、更快完成回測、更快搞定代碼”。最典型的例子,就是BloombergGPT的真實應用。
彭博從不承諾“幫你賺錢”,但它能做到的,是用獨有的數據體系,把新聞拆詞、把財報結構化、把公告智能解讀,然後推到量化研究員眼前。策略怎麼配、模型怎麼用,還是人自己定。它不過是你手裏的放大鏡,不是水晶球。
再看開源界,越來越多的開發者放棄“炒股夢”,而是把大模型當作數據助手:一邊跑AutoGPT智能體自動抓取市場情緒;一邊用LangChain整合財報、分析機構評級;一邊接入n8n工作流工具讓整個分析鏈條無縫銜接。
這些AI不預測漲跌,但它們能用“秒級反應”處理你手上的信息,生成代碼、寫Python策略、清洗數據、跑回測,統統搞定。你再也不用從零寫腳本,或者逐條查公告。它替你幹髒活累活,讓你更專注於策略框架和認知判斷。
這才是大模型該有的位置——一個認知增量工具,而不是一個替代判斷的交易引擎。
真正能賺錢的,不是AI,而是有策略的人 + 高效的AI。
當你放棄幻想,讓AI別再“幫我炒股”,而是“幫我看清楚”,你才真的走進了金融與AI結合的正確打開方式。
尾聲|AI越強大,人越該清醒
AI可以看圖、讀報、算賬,甚至在幾秒鐘內完成一個交易邏輯的全流程分析,但它永遠無法取代對不確定性的判斷、對市場博弈的感知,以及對人性波動的體察。
這些,恰恰是金融的核心。
你真正想賺到的錢,從來不是靠“抄對模型”,而是靠比別人更快看清一件事、比別人更敢於下判斷、比別人更有認知閉環的能力。
大模型不會給你答案,但它能幫你構建問題、梳理信息、驗證假設,它是一個研究型戰友,而不是自動提款機。如果你指望它替你炒股,它不會讓你虧光,但一定會讓你看不懂。
AI炒股,不靠譜。但人用AI炒股,用得對,未必沒戲。
未來屬於什麼樣的人?也許是這樣的——既相信AI的效率,又不迷信AI的判斷;既擅長提問,又敢於承擔決策;既能調動模型,又能保留懷疑。
牛市來了,不妨也把這個問題問給自己:你要做的是炒股的人,還是思考的人?