近六成投資機構已把 AI 納入常規投資流程：散戶與投資機構的「AI」差在哪一層？

你有沒有試過，辛勞工作一整日，回到家中打開 ChatGPT，輸入一句：「邊隻股票下星期會升？」心裡想的其實很簡單，就是省下分析時間，攞個快速概念，搵返餐飯錢。

畫面卻先回一段官腔免責聲明。

追問三次，AI 終於吐出幾個股票代號，理由講得頭頭是道。翌日翻查，才發現數據錯漏百出，其中一間公司甚至早已除牌。

但真正在用 AI 的機構，卻是另一幅風景。

一、同一個 AI，散戶與機構為何兩極？

法國資產管理公司 Natixis 曾向 520 名投資專業人士做調查。結果顯示，58% 受訪者所在的機構，已將 AI 正式納入投資流程。這批人不是在問 AI 明天買甚麼，而是把 AI 嵌進既有的分析工序。

散戶那邊，網上瘋傳各式「AI 選股指令」教學。這些教學不約而同強調同一件事：AI 選股的真正用途，是按條件篩選標的，並不是預測後市。

同一個 AI，機構愈用愈準，散戶問完照樣接貨坐艇。分別究竟在哪裡？

金融情報平台 AlphaSense 的產品高層有一個比喻，說得相當直白：聊天機械人應當視為「無經驗的實習生」。你不給它完整背景與明確任務，它交回來的自然是一份亂答的功課。

換言之，AI 選股欠的從來只是一個前提。此前提是甚麼？

二、為何問 AI「邊隻股會升」注定落空？

因為這條問題本身是模糊問題。哪個市場、多長週期、符合甚麼條件、如何定義「升」，四項全部欠奉。模糊輸入，只能換來模糊輸出。

這種模糊，散戶其實一點都不陌生，因為他們在圖表上早已用了很多年。

所謂模糊技術分析，指的是那些從來沒有精確定義的圖表用法。跌幅要多大才算大？背馳要數到第幾個山峰才可入市？金叉未收燭，究竟算不算穿？

這些問題，九成以上散戶答不出。答不出而照樣落盤，與賭博分別不大。指標愈學愈多，畫面愈塞愈亂，輸得反而愈快。

前銀行投資分析師 K.O Sir 對此有一套三層論：面對同一幅走勢圖，散戶、基金經理、頂級基金經理，用的是三種完全不同的方法。三者的分別，不在誰看得多，而在條件寫得有多清楚。

三、散戶與機構的差距，究竟在哪一層？

先說結論：差距不在工具，而在條件。誰寫得出條件，誰才餵得飽 AI。

由此可見，AI 的本質是放大器。條件清晰，它放大你的執行力；條件模糊，它放大的只是噪音。散戶輸在起跑線，因為他手上並沒有一套可以餵給 AI 的條件。

四、關鍵前提：條件先行，極致描述行先

Edge 量化的次序，與散戶的習慣剛好相反：人先把條件寫死，AI 隨後才執行。

那麼，條件要寫到甚麼程度才算數？K.O Sir 對此有一個名稱，叫極致描述，意思是把一個形態的特徵，寫到十幾項條件全部符合、再無其他形態可以對號入座為止。

他在課堂上用過一個貼身比喻。你當然認得自己的兒子，但要你形容到一個陌生人單憑描述就認得出來，那才叫描述得夠盡。形態亦是同一道理，寫到 DNA 級別，才稱得上量化。

不過，並非每個形態都值得如此花工夫。K.O Sir 只把極致描述用在他稱為必然圖案的形態之上。

所謂必然圖案，指的是大戶真正出手時必然留下的痕跡。大戶要入貨出貨，動輒牽涉龐大資金，這種痕跡成本極高，無法臨時畫一個出來騙人。半真半假的形態，大戶隨手就畫得出；真正的必然圖案，卻造不了假。

由確認形態到落盤，K.O Sir 把整套流程濃縮成四個步驟，取名 EDGE 四步，剛好對應 Edge 一字的四個英文字母。

Evident，即證據，先確認眼前是否真的出現必然圖案。Detection，即識別，用極致描述把特徵逐項寫死。Grading，即評分，計算勝率、賺幅與值博率，也就是贏面與賺蝕比例合計之後，這一注究竟抵不抵落。Execution，即執行，按軍隊式紀律落盤。當中的評分方法與注碼分配，屬於課堂內容。

這四步的次序不能倒轉。條件未寫死，評分無從計起；評分未計清，所謂執行也只會變回憑感覺落盤。

至於量化的底線，K.O Sir 自己劃得最清楚：

「你的策略未必是 100%，但你的圖形一定是 100%。」

條件全部符合，確認的只是形態本身。策略回報是另一回事，只能放在歷史回測的框架下另行評估。把兩者混為一談，正是坊間「高勝率」故事最大的破綻。

五、人機分工：甚麼交給 AI，甚麼留給自己？

課堂上有一句話，把界線劃得最清楚：

「給你提示詞，讓你知道甚麼問題可以交給它想，甚麼問題要自己想。」

界線其實一句講得完：定義條件、判斷入場與離場時機，是人的工作；按條件把市場逐個對照、覆核數據、日夜守候訊號，是 AI 的工作。

要留意的是，AI 的角色並非叫它漫無目的掃一次全世界。正確做法，是你先把轉勢形態的條件寫死，再由它帶著這套條件出去，找出此刻正在形成該形態、臨近轉勢的標的。

為何非要 AI 不可？K.O Sir 的理由很現實：

「你冇理由一個人睇曬一千個市場。」

一個人分身不暇，AI 卻可以同時盯住金、股、期、匯。課程的 AI 章節，教的正是三件事：如何用 AI 發掘圖形，如何找出正在做緊該形態的標的，以及如何驗證數據，另附送一套提示詞。

用 K.O Sir 的講法，這叫做「用 AI 的轉數取代自己腦袋的轉數」。

這套思路，已經造出實物：Edge 轉勢獵人，一個 AI 指標，掛在 TradingView 圖表之上。它收燭即出箭咀，不會回頭重繪，並設有電話與電郵自動通知，毋須全日守在螢幕前面。畫面不會塞滿紅紅綠綠的線，只有一個箭咀，標示頂與底。

程式班學生可自行把訊號接駁程式執行，非程式班則手動應用，期權、期貨、現貨皆可。無論哪一種，落不落盤、落多少注，決定權始終握在人手上。

條件由人定，訊號由工具標示，決定仍然在人。公式與上文完全一致。

六、AI 時代，眼光加工具鏈才是 Edge

回到最初那條問題。AI 選股欠的關鍵前提，是一套可量化、可複製、可驗證的條件，說到底就是眼光。AI 從來不是答案本身，它只是把眼光擴容的工具鏈。

有眼光而無 AI，一個人看不完全部市場，機會擦身而過也不知道。有 AI 而無眼光，不過是把賭博自動化，輸得更快而已。兩者結合，才叫 Edge。

「隨著 AI 的發展，學習只是唯一的出路。」

工具會過時，眼光不會。今日的 AI，兩年後必然有更強的版本；但一套自己寫得出、驗證得到的條件，換甚麼工具都帶得走。

條件先行這一課學得懂，AI 才真正為你所用。