▋AI真的能幫你選股票嗎？問題的起點
既然ai越來越萬能，如果我們直接問ai個股的投資建議，不是能獲得很大的投資優勢嗎，那樣是好的，還是不好的呢
答案是這並不是一個好的選擇，有很多不同層面的考量，以下會一一解析，當然我們直接拿財報給他分析，他是能做的非常好的析剖的，但是涉及到物理層面的綜合決策時，他會產生非常大的偏差
▋一、AI資料污染：AI開始分析AI的內容
第一個是ai的核心訓練技術，也就是LLM技術本身會涉及使用大量網路資料拼湊語意與邏輯上機率最完整的文字組合，但是在2024以後網際網路上有關財務的資訊，包含個股，貨幣，投資品，大部分都是ai合成資訊，ai本身在針對一大堆ai資訊生成的內容，又拿來分析，會變成一種類似ai資訊狂牛症的狀況，語意邏輯越來越完整，但是卻離真實越來越遙遠
▋二、資料延遲問題：你看到的不是「現在」
第二個是ai,資料其實訓練是延期的，我們希望的分析結果其實是希望此時此刻此秒最新的資料，但是科技巨頭的ai，蒐集的可能是過往時間，例如三個月前的蒐集資料，做的分析結果
第三個是熱力學上的限制，因為好的投資建議，往往是跟主流背離的，他們往往是離群值很大的，也就是特立獨行的創見，他在熱力學上是熵值極低的，需要排除掉大量混亂，平庸，極度特別化的思考
▋三、平均化陷阱：AI難以產生超額報酬（Alpha）
相對於ai生成適用所有人的意見，如果一個市場上全部人都在做同一件事情，他們的獲利幅度會大幅被拉回平均，這點在ai生成的內容上也是，但是ai大量生成的意見，其實本質上是因為處理後，大量往平均值移動的結果，最大的可能是採納後會落入落後的範疇
▋四、市場已消化資訊：公開資訊的極限
第四個是一個投資市場很經典的理論，當一件具備套利機會時，大家會不斷跟進，直到他又回歸平均，不管是期貨，個股，或者任何投資標的，最新的資訊往往會被快速跟進，所有的資訊上流都有更上游，所有的資訊變成公共資訊前都已經轉過無數手，直到獲利機率上變得極低，ai訓練的資訊也同樣是如此，不管是新聞，其實出現變成新聞，經過處理，編輯，之前就已經是舊聞了，因為已經在檯面下跑了很久，ai在拿這些資訊去訓練，分析再厲害也只能分析出沒有意義的雜訊，因為那些源頭最稀缺的資訊根本不會出現在公眾面前，他們是under the table的個人決策，和法人決策
▋五、缺乏現實摩擦：AI無法取代的實地資訊
最後，是ai分析會忽略物理摩擦力，自己製作邏輯以及語意上統計的可能機率最大化，然而投資最重要的就是這些物理摩擦力的注入，包含消費者的一手想法，供應商的關係，員工的滿意程度，內部工作環境，產品評價，董事會的信譽等等，這些需要真人去各個層面採集的資訊，是不可能由數位取代的，這是ai與真實財務分析本質上一種不可調和的矛盾，一個好的企業如同一個好的生物一樣，他有成千上萬，幾百萬種不同的分析面向，除了財務資訊以外，他有眾多需要由查理蒙格所謂跨域領域分析，或者我自己所謂複合視角分析的角度，特別是在ai agent出現以後，所有的數位資訊都可能是ai生成的複合雜訊上，針對個別企業的分析，應該要採納更多個人化的觀察，每個人適合的投資時長不一樣，財富量級不一樣，風險承擔也不一樣，因此要把一切平衡，我自己覺得還是要進行大量的考察，思考也不能外包，否則可能自己還是會在財務上跌一大跤
▋結論：AI是分析工具，不是決策代理
我自己綜合來看，如果讓ai針對特定的財務資訊像是財報的分析，文獻資料的整理上，ai仍然是個無比好用的工具，但是涉及思考核心決策上，數位時代走得越快，我們走的越慢，反而是個越安定，越踏實的策略，也跟大家分享