AI改变股票研究的方式

一

去年我在搞AI编程的时候，跟deepseek聊天，他叫我要习惯linux的命令方式，习惯终端的使用方式，不要再停留在以前使用电脑那种适用“软件”的“界面”思维。

我觉得这个忠告同样适用在股票研究人身上,AI时代要转变研究的思维。以前道氏理论、江恩理论还有波浪理论等的研究都是在发现一个图标上的时间序列规律，这种规律是否有效一直存在着很多的争议。我最初是笃信着这些规律的有效性，直到我由于塔勒布对随机漫步的傻瓜的批判，对概率和随机过程的深入了解，对认识论的发展历史回顾和重建，慢慢变成了半信半疑，再到现在的多数怀疑状态。

同样的问题也是存在在基本面分析研究中的，基本面分析者或者基本面投资者只是自己认为是基本面分析或者基本面投资，但客观上很多人做着和巴菲特、彼得林奇等完全不一样的事情。

基本面分析和技术分析虽然名称上差别，但是基本上都是根据过去来推演未来，只是用的数据形式不同。如果看《聪明的投资者》这本书，最初都是对会计数据的处理多，由此来确定安全边际，这时更多偏向数据。只是后面慢慢转变为个人能力圈的概念。能力圈这个概念使得基本面投资开始变得个性化起来，不是统一PE,PB标准。

今时今日，很少人画波浪，很少人画趋势线，很少人看着PE来投资，但是这些东西还是在自媒体中看到，我还能看到20年前关注的微博博主，一直用江恩理论预测，能够如此笃信还不知道是好是坏了，我看他还是乐在其中的，可能还真赚到钱。

二

我觉得AI时代和之前的最大不同，是更直接到达研究人或者投资者的最终目的——盈利的研究，之前更多是对股票涨跌规律的研究，对未来市场的预测。AI是时代应该转变过来，股票涨跌规律只是中间状态，甚至涨跌可以没有思维直觉上的规律，只要符合概率统计规律即可（概率通常违法直觉），而盈利才是研究股票的最终目的。

AI处理数据的能力就是对股票研究最大的福利，可以是时间序列做研究，也可以纯粹的数据统计研究，可以蒙特卡洛模拟出一千条一万条可能的路径，这种能力以前人工计算所不能企及的。通过不同的模式模拟操作，从过去的单纯研究规律，转变为“规律—盈利”的最终研究。

在基本面研究上，虽然没有颠覆过去的研究情况，但在效率上应该是大大的提高，对于现实数据的检测也有了新的方法和，而且还可以进行分身讨论，可以让AI来质疑自己，也可以让AI质疑AI自己，还能让AI不断进化来学习，增加判读的维度和深度。

三

话需如此，看来一般人要用AI来研究股票还是有一定门槛的，其中一个门槛就是个人的思路限制。思路限制还是可以用AI来解决——不要一下子进入数据研究的阶段，先和AI（最好是网页AI，免费）讨论好方向和方案，有时如果直接问AI的思路，他们会有一定限制，需要自己提供一些对他来说是“离谱”的思路，这样才可以打开新世界。

现在好像有一个很热的做法，Karpathy的LLM Wiki，就是把AI的输出变成知识库，我觉得这是很好的思路，不过我没具体了解详细的做法，因为我主观认为这样的知识库要么极大地依赖我本身人脑的知识库运用，要么极大地依赖AI使用的工作流（人本身不具备这样的认知，就要通过工作流调动起来，这中间会有很大的信息漏失）。

我最近两个月还是做了很多的数据研究的，之前的结论都是散落在项目的md总结文档，我没有把他们集中起来，karpathy让我参考的就是把这些文档都再详细补充一下然后汇总到云端中。