AI 时代,你,就是自己的首席投顾

一、我的第一版策略，输给了"无脑平分"

网站做了这么久，角色一直没变，其实都是“卖方”。非圈内的人可能不太理解买方和卖方的差别，用一句话说清楚：自己出钱投资的是“买方”，典型的比如基金公司、券商资管、各位基民朋友自己；出点子、想法但不自己出钱投资的是“卖方”，他们给买方提供数据，思路，策略，典型例子是券商研究所、各种投资咨询机构。我自知投资能力有限，但AI时代能够给个体极大的赋能，所以我就想，要不、试试？

三周前，我把自己写的一份策略文档交给workbuddy，请它照着实现出来。那份文档有五个层次：先判断宏观大类，再做风格轮动，接着给每一只基金逐项打分，然后是仓位优化，最后压上一层风控执行，前后十来个条件、十来只基金、每周调仓一次。写的时候我相当得意，觉得自己是把一个专业投顾的脑子拆成了可执行的零件。

跑完第一遍回测那天下午，我盯着结果看了很久：

所谓"无脑等权再平衡"，就是把钱平均分给几只指数基金，隔一段时间看一眼、拉回平均，没有判断、没有信号、没有任何一处需要动脑。

它赢了我那整套复杂逻辑，年化高了将近四个百分点。

那一刻我的第一反应不是"AI不行"，而是"我到底在做什么"。因为这五层拆开看，每一层都是我读过某篇文章、看过某份研报之后觉得"有道理"才加进去的；也就是说，我并不是在做一个错误的策略，而是在忠实地实现一套由几十个"听起来对"的局部拼起来的、整体上却是负贡献的东西。

而这件事之所以可能，是因为在 AI 出现之前，一个普通人根本没有能力检验"我的想法对不对"。你有一个直觉，你照它做，赚了觉得自己厉害，亏了怪市场，你永远不知道那个直觉本身是对是错，甚至不知道自己是靠运气还是靠判断赚到的钱。

AI 给普通人的第一件礼物，

不是答案，是"验证答案的能力"

二、2周，从 V1 到 V5

我给自己定了一条规矩：每个版本都冻结存档，绝不回头改动老版本，所有新想法只在新版本上试。所以有了从 V1 到 V5 的轨迹，最有价值的其实不是"我把年化从 6.76% 做到了 11.92%"，而是每一次真正的抬升，背后都对应着一次对自己直觉的否定——而每一次否定，当时都让我不太舒服。

V1 五层原型（6.76%，夏普 0.44，已弃） 就是上面那个丢人的版本，它教给我的第一课是：复杂不等于有效。

V2 信号打磨（过程版，未保留） 是修补过程中我发现根子不在执行层，而在信号本身。V1 的仓位之所以会在牛市里"81%→5%→82%→5%"地来回跳，是因为我用来决定股票总仓的"站上均线的基金占比"太敏感了——一次普通回调就能让它从 0.86 崩到 0.14，于是系统在中级调整里把股票全砍光，再眼睁睁看它涨回去，本质上是在做高买低卖。

V3 防御版（9.08%，回撤 −11.93%） 改成先用全市场广度和趋势位置分档来决定股票总仓，把"跌得少"这一面做扎实，但它在牛市里抬仓仍然太晚。

V4 长趋势防守版（11.51%，+2.4pct） 是整个迭代里最关键的一次认知跃迁。我做了一次"信号体检"：把392个历史时点上的信号逐个开关，比较它开启之后下一期的表现。（感谢Eric的巨大贡献）

结论非常干脆——在 A 股，"周频""60 日均线"这类中短期的方向判断是均值回归的，你用它只会来回打脸；只有在"年线""12个月动量"这种长周期尺度上，趋势才会真正延续。于是我把"配多少股票"那个开关，从短周期广度整体换成了长周期年线。

V5 周频增强版（11.92%，夏普 0.85，上线） 是在 V4 的基础上只接受两个在全周期都为正贡献的改动——暴跌之后的右侧快速回补，以及让黄金真的能一路降到地板。

后面还有 V53、V8、V83 等等一串版本，把夏普从 0.82 推到 0.95、把波动降低了15%，但真正改变结构的只有 V2、V3、V4 那三次。整个过程中被我否决、删掉的方案，数量远远多于最后被采纳的——如果只把上线的那几个版本讲出来，你会以为这条路是笔直向上的，其实它更像是在几十个岔路口里被数据一次次拉回来。

三、那些我"以为对、实际错"的事

这是我最想讲的部分。因为每一条，当时我都想得挺明白，结果是被数据打回来的；而这些"打脸"的结论比任何一个赚钱的数字都更宝贵，因为它们是可迁移的。

1. 信号越多越准？——四因子合成 2.4%，跑输单因子 2.8%。

我原本相信把不同视角叠起来总能互相校正，所以V1用了五层，后来又专门试过"多因子合成"，指望三个臭皮匠顶个诸葛亮。结果四因子合成的年化只有2.4%，竟然没跑赢单因子的2.8%；弱因子叠在一起不会变强，只会互相稀释。你以为自己在增加信息，其实是在增加噪声。

2. 跌得凶就减仓避险？——闪崩熔断触发 3 次，3 次全割在 V 型底。

这个想法听上去几乎没有反驳的余地，我甚至专门做过一版：只要 A 股 5 日跌幅超过 8% 就强制降仓。结果是它全周期只触发了 3 次，而 3 次全部减在 V 型反转的最低点，2020 年 2 月的疫情底和 2025 年 4 月的关税闪崩底都在其中，减完就涨回去。更早的时候我还试过整整一层"日频风控"，结论一样——年化净亏0.8个百分点，亏损来源仍然是"割在最低点"这四个字。

3. 把曲线弄平滑，持仓体验更好？——那个"上蹿下跳"就是赚钱的机制。

V5 有个很难看的毛病：牛市的震荡里，权益仓位会一周之内从 80% 压到 17%、下周又一步跳回 80%，画出难看的 V 字锯齿。我为此专门做了 V6 去"治"它，用了牛市浅砍、单周变动封顶、恐慌冷却三招。

结果每一招都同时拉低了收益、加深了回撤、降低了卡玛。分年度看，恶化集中在 2020 疫情、2022 熊市、2026 回调这三个下跌段——那条往下的锯齿其实是崩盘开头的一次保护性快砍，那条往上的锯齿是V型反转时的快速回补。

你嫌它丑，只是因为看波动看得清楚，而波动背后正在发生什么，你并没有看见。

4. 预测涨跌总能加点胜算？——所有方向类择时信号，长期都是负贡献。

为了一次性把这件事说清楚，我做了一场规模比较大的横评：13类择时信号，配合周频和月频、三档不同仓位，一共78组，每一组都配了一个"平均仓位完全相同"的静态基准做对照，专门防止"因为降了仓所以回撤小"这种自欺。

年线、均线、动量，凡是试图判断方向的全部为负；唯一稳定加分的是"目标波动率缩放"，本质上是一种"危机自动降仓"，而不是"我猜到要跌了"。

5. 选对行业就能跑赢？——十六年数据，年化超额 0.3 个百分点。

这是我最想劝退普通人的一条。我用 2010 到 2026 年整整十六年做了三重证伪。

第一重是预测力：行业动量的截面预测力最高只有 0.045，而 0.05 以下基本等同于噪声，长期年化相比"平均持有所有行业"只多赚0.3个百分点。

第二重是风险：单行业历史平均最大回撤−66%，最深的一个行业到过 −84%，策略本身最大回撤−53.5%，从 2015 年见顶到修复用了整整五年半。

第三重是相关性：它和我手里那个正常宽基组合的日收益相关系数 0.75、beta 1.67，加进来不是分散，是变相加杠杆。

更值得注意的是，那些"行业轮动每年跑赢六到八个点"的漂亮结论，几乎都只在某一段短样本里成立，比如 2024 年以来的 AI 行情，一旦放回十六年的完整周期，超额就基本归零——这种"短样本幻觉"在市面上被反复包装成"新范式"。所以在股票内部换来换去，赚不到风险调整之后的钱；真正压住回撤的，是"熊市里主动减少股票"加上"跨资产分散"。

6. 用数学算出最优权重？——样本内 0.94，样本外崩到 0.48。

既然"均值方差优化"是教科书写的方法，能算出历史上风险收益比最好的权重，那照着配总不会错——我照做了。结果样本内也就是2016到 2021 年这段，夏普0.94非常漂亮；样本外也就是2022年之后，直接崩到 0.48。反倒是那个最"笨"的朴素等权分散，全期0.73、样本外0.70，几乎不衰减。这让我记住了一个判断原则：所有"优化出来的最优权重"都必须先做样本外的切分验证，后视镜越优美，未来往往越危险。在这也和大家特别提示一下，网站的权重优化功能非常强大，但是切记要分开样本内和样本外来看，样本内优化权重，样本外用给的权重做回测（相当于实盘了），一定要避免纯样本内完毕就开始投资。

7. 研报验证过的方法，搬过来就能用？——七条打脸清单。

这是最近1周我做的事：我找了几十篇研报，把里面的方法一个个接到自己的策略上做严格对照，原本以为这是最快的捷径，结果拿到的几乎是一份打脸清单。

用趋势质量给持仓打折，我以为能过滤假趋势，年化却掉了4.7个百分点，因为它把好资产也一起压死了；把短期涨得太猛的标的剔掉以防追高，年化掉了4.1个百分点，因为在月频尺度上，涨得猛往往就是最强的那个，剔掉正好砍掉了主线。

剔除高拥挤度行业，报告说能防泡沫、我也觉得有道理，实际是大幅跑输，因为市场常常越拥挤越涨，你一剔就踏空；用基金的持仓变化来选行业，抓住"机构在抛什么"来排雷这个方向是对的，但改善全部来自2015年那一次股灾，近年反而在拖后腿。

至于三个信号一起叠加，我本以为"多管齐下"会更稳，结果年化从17.6% 掉到 10.4%，用七个百分点的收益只换回六个百分点的回撤改善。

这些方法本身大多不是错的，它们错在成立条件——那些条件往往依赖你拿不到的数据、你不敢用的杠杆，或者一段已经过去的行情。几十份研报，包括一些著名卖方机构的，验证下来能用的，一个手五分之一的手指就能数得过来。当然，这里还必须强调一个事实：在我的样本无效不代表（研报）因子无效。细节你自己去品，但真相就是，那些遍地开花说的头头是道还放了无数数据来验证自己的“策略”，99%都不太灵。

8. 高夏普来自"很会选 + 很会择时"？——夏普 1.70 的组合里，A 股只贡献 12% 收益。

我把A股主流宽基、纳指、黄金、长债和短债摆在一起，做了上百组静态权重扫描去找那个夏普天花板。答案确实不低，是1.70，但它的构成是 A 股 10%、纳指 10%、黄金 5%、债券 75%，年化只有 6.7%、回撤 −2.9%。再看收益归因就更扎心：纳指贡献 37%、黄金 26%、长债 21%，而 A 股只贡献 12%。

高夏普的真相是"低波动加上低相关"。也就是说，想拿到它，你得心甘情愿地接受大部分收益来自你平时并不看好的那些资产，而你自认为是主战场的那个东西，很可能正是拖后腿的那一个。

四、AI 真正帮我的，是让"证伪"变便宜

讲到这里你可能会问：既然我错了这么多，那 AI 到底有什么用。

它最大的价值，

是让我能低成本地否定自己。

在没有AI之前，一个普通人的投资想法是这样被检验的：拿真金白银去买，然后等一年看结果。你一辈子能验证的想法可能只有十几个，每一个都要付费，而且结论还未必可信，因为牛市里什么做法看起来都是对的。

有了AI之后，流程变成了脑子里冒出一个直觉、把它写成清晰的规则、拉十几年的数据回测、几分钟之后看到结果、被证伪、然后换下一个。这三周里我验证并否定掉的想法，比我过去十年加起来还要多。

而我认为最关键的一点是：那些被证伪的想法，才是真正的财富。一个想法被验证，你只是多了一个策略；但如果一个想法被证伪，你就永久性地从自己的认知里删掉了一个坑。

我这三个月最大的收获并不是那个11.92%的策略，而是一整份"我以为对、其实错"的清单，它让我以后在面对任何"听起来很有道理"的建议时，都会先停下来问三句话：数据支持吗，样本够长吗，它是不是只在某一段行情里成立。

五、给大家的三条建议

第一，别去找"最优策略"，去找"适合你的策略"。

夏普1.70的组合看着最美，但它的钱有七成半躺在债券里，年化只有 6.7%，如果你的目标是十年翻倍，它帮不了你；而那个年化 11.92% 却让你夜夜睡不着的策略，对你同样是一场灾难。没有最好的策略，只有你能拿得住的策略——这句话听起来像鸡汤，但它是几百组回测换来的。

第二，不要让它替你思考，而要让它帮你验证你的思考。

AI会给你一堆"看起来对"的方案，它甚至能把每个方案的理由讲得很圆，但真正的价值在于你把你自己的直觉、你自己的风险偏好变成可以检验的规则，然后让它告诉你到底行不行。你才是那个拍板的人，AI是那个不知疲倦、不会敷衍你、也不会拍你马屁的陪练。

第三，不要迷信任何人的"内行感"，包括那些听上去非常专业的机构说法。

我这三个月最深的体会是，很多看起来无比专业的论断，一放到十六年的数据里就会现出原形，行业轮动、复杂多因子、后视镜里算出来的最优权重都是如此——它们并不是错，而是"只在特定条件下成立"，而那些条件，普通人往往恰好不具备。独立思考不是一句口号，而是在你准备掏钱之前，先问一句"凭什么"。

六、"内行感"是这个时代最贵的一门生意

最近越来越常看到：在知识星球、小论坛和各种私域社群里，有一批小机构，几乎每天都在输出"看起来很专业"的投资理念：满屏术语，漂亮的净值曲线，宏大的宏观叙事，配上一套自洽到让你挑不出毛病的逻辑；而所有这些内容，最后几乎都会落到同一个动作上：买他的产品，或者先付费进他的圈子。

先把话说清楚：不是在说所有的这类机构都在骗人。专业机构在数据、风控、执行、合规上的能力，是普通人确实不具备的，这些能力值钱。我说的是一种更隐蔽也更常见的生意——把"我比你懂"本身当成产品来卖。

这门生意的护城河，其实从来不是他的策略有多好，而是你没法验证。他给你看的，是一段被挑选过的历史净值曲线，是一次"我们早就抓住了某某行情"的复盘，是一套听起来天衣无缝却复现不出来的逻辑；而你拿不到他的底层持仓，看不到他的样本外，也永远算不出他自己那条曲线是怎么画出来的。信息不对称牢牢地在他那一边，所以他说的每一句话都不需要负责，因为没有人能核对。

而这件事，在 AI 时代第一次真正松动了。 在 AI 出现之前，普通人验证一个投资想法的方式，是拿真金白银去买，然后等一年看结果，一辈子能验证的想法可能只有十几个；有了 AI 之后，你把脑子里那个直觉写清楚、变成可以执行的规则、拉十几年的数据回测，几分钟之后就能看到它在历史上到底行不行。验证成本从"一年"掉到"几分钟"的那一刻，所有靠"你没法验证"吃饭的生意，都开始漏水了。

所以我把这段时间学到的东西，直接拿来当照妖镜用。下面这几条，任何一篇"投资理念"文章，拿去过一遍，八成都会现出原形：

这类小机构🈹你的要害，是下面这三问——它们分别戳的是这门生意的三根柱子：可验证性、可证伪性、动机一致性。

第一问：这条净值，可信吗？

先问他手里有几个产品、几个账户，这条晒出来的是第几名——几乎没人只做一个产品，手里十条策略、上百个星球，总有几个这段时间恰好是涨的，他晒的永远是这几个，你没看见的九十几条才是平均水平。

第二问：这套逻辑，如果判断错了会怎么样？

直接问他：你这个判断，如果错了，是什么样子？一个真的有判断的人，事前就能说清楚"出现什么情况，就说明我错了"，因为这才是"判断"和"许愿"的区别；只有那种"涨了是他厉害、跌了是市场非理性、再跌是让你拿住"的人，才是事前什么都没说、事后怎么都对。能事前把"错的样子"讲明白的，是分析；怎么都对的，是话术。 这一问问的不是他准不准，是他的话里到底有没有东西。

第三问：他图什么？

这套东西既然这么赚钱，他为什么要收你几百块会员费，把它告诉你？一个真正有效的策略，知道的人越多就越失效，真持有它的人会闷声发财，而不是把它拆成几百块一份的知识零售出去；愿意这么卖的，卖的不是策略本身，是"我有策略"的那种感觉。你付的钱，买的不是收益，是安心；而他卖的，是你对确定性的渴望——在一个人人都没有确定性的市场里，确定性是唯一能卖钱、也唯一不存在的东西。

这三问，你甚至不需要他答得多漂亮，只要看他答不答、绕不绕。任何一根柱子断了，整座"内行感"的台子就塌了。

我自己也做了策略工具站，所以我很清楚这条线应该画在哪里：给数据、给工具、给一套验证的框架，是帮你能够更方便验证自己的假设；但替你做决定，尤其是让你越来越依赖我，那就不该了。区别其实很简单——看他是教你自己判断，还是劝你放弃判断。

AI时代真正的变化，不是让你不用学习了，你不需要成为内行，你只需要有能力把一个说法变成一条可以检验的规则。这份权力，普通人以前从来没有过，别再轻易交回去。别再被所谓几十年专业投资经验的招牌唬住。现在一份凝聚了卖方十几年功力的研报，AI用十分钟就能告诉你：它的逻辑成不成立、它的结论在样本外活不活得下去。验证的成本塌了，权威的溢价就塌了。上一个十年说的是数据平权，这一个十年，是投资平权。

结语

你并不需要成为专业的投资者，但你需要成为自己资产的最终决策者，因为没有任何人比你更在乎你的钱，也没有任何人能替你承担决策的后果。

过去，验证一个投资想法的成本高到普通人根本付不起；现在，你手边有一个不会累、不会烦、随时待命的AI。它不会告诉你该买什么，但它能告诉你，你这个想法在过去的时间线里到底行不行。

这就是这个时代最大的公平所在：

思考的权利从来不曾稀缺，

而验证思考的能力，

第一次真正落到了普通人手里。

所以，去做自己的投顾吧——从否定自己的第一个直觉开始

本文所有数据来自作者本人 2026 年 9 月的策略研究回测留档，历史回测不代表未来收益，本文不构成任何投资建议。

数据来自「见基行事」网站

【免责声明】