AI卷瘋了，唯獨炒股不靈_風聞

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？