ai for 投资-会炒股的程序员
可以把 AI 大模型在投资里的位置先定清楚：
**AI 不是水晶球，而是一个“认知外骨骼”。**
它不能替你消灭不确定性，但可以帮你更快地读财报、拆商业模式、比较公司、发现异常、做情景推演、复盘自己的错误。
真正的变化是：过去投资拼“谁能拿到更多信息”，现在更拼“谁能提出更好的问题，谁能构建更稳定的判断系统”。
**一、AI 应该放在投资体系的哪个位置**
可以把大模型变成 6 个角色：
1. **资料员**：帮你整理年报、公告、电话会、行业报告、宏观数据。
2. **会计师**：帮你拆利润表、资产负债表、现金流量表之间的联动。
3. **产业研究员**：帮你分析商业模式、竞争格局、产业链位置。
4. **估值助理**：帮你做 PE/PB/DCF/分部估值/敏感性分析。
5. **风控官**：帮你寻找反证、财务异常、债务风险、库存风险、商誉风险。
6. **心理教练**：帮你记录买入理由、退出条件、复盘情绪和错误。
但最后拍板的人必须是你。FINRA 和 SEC 也提醒过，AI 生成的信息可能导致投资者做出误导性、情绪化或冲动的投资决策，所以不能把聊天机器人当成自动荐股机器。参考：[FINRA AI and Investment Fraud](https://www.finra.org/investors/insights/artificial-intelligence-and-investment-fraud)。
**二、AI 投资系统的主流程**
```mermaid
flowchart TD
A["原始数据"] --> B["AI 读取与整理"]
B --> C["公司层分析"]
B --> D["股票层分析"]
B --> E["宏观/行业因子分析"]
C --> F["估值情景"]
D --> F
E --> F
F --> G["组合与仓位"]
G --> H["跟踪与预警"]
H --> I["复盘与更新"]
I --> C
```
原始数据要尽量用官方来源。
美股看 [SEC EDGAR APIs](https://www.sec.gov/edgar/sec-api-documentation)；A 股看 [巨潮资讯网](https://www.cninfo.com.cn/) 和交易所披露；港股看 [HKEXnews](https://www.hkexnews.hk/)。SEC 也提供开发者资源和结构化 XBRL 数据，适合做自动化财报抓取：[SEC Developer Resources](https://www.sec.gov/about/developer-resources)。
**三、按我们前面那套框架，AI 可以这样用**
**1. 公司层：判断这是什么生意**
让 AI 先回答：
这家公司到底靠什么赚钱？
是品牌、技术、渠道、资源、牌照、规模、网络效应，还是融资和周期？
然后让它按公司类型拆财报：
消费品看毛利率、销售费用率、渠道库存、现金流。
制造业看存货、应收、资本开支、产能利用率、折旧。
软件看续费率、递延收入、自由现金流。
平台看用户、交易额、变现率、补贴和监管。
周期股看价格周期、库存周期、成本曲线和资本开支。
金融看杠杆、资产质量、拨备、资本充足率。
核心不是让 AI 总结“公司很好”，而是让它判断：
**三张表是否互相验证。**
利润增长，现金流有没有跟上？
收入增长，应收账款是不是暴涨？
毛利率上升，是产品力增强，还是会计口径/周期价格？
存货增长，是备货，还是卖不动？
负债增长，是经营性负债，还是有息债务续命？
**2. 股票层：判断市场怎么定价它**
让 AI 拆五个变量：
估值：现在市场给了多少预期？
流动性：大资金能不能进出？
筹码结构：谁持有，谁可能卖？
预期差：市场低估或高估了什么？
波动率：这只股票的路径风险有多大？
这里 AI 很适合做“市场隐含预期”分析。
比如你可以问：
> 以当前 PE、利润增速、ROE、分红率和历史估值区间看，市场大概在假设这家公司未来 3-5 年会发生什么？这些假设是否苛刻？
这比单纯问“这只股票能不能买”高级得多。
**3. 估值层：让 AI 做情景树，而不是给目标价**
不要让 AI 直接说“目标价多少”。
要让它做三种情景：
悲观情景：增长放缓、毛利下降、估值压缩。
基准情景：收入、利润、现金流正常延续。
乐观情景：新业务成功、利润率提升、估值扩张。
然后看：
现在价格对应哪一种情景？
如果只兑现基准情景，还有没有回报？
如果悲观情景发生，亏损多大？
如果乐观情景发生，上行空间是否足够？
这才是“赔率思维”。
**4. 组合层：让 AI 帮你看相关性和集中风险**
很多人以为自己买了 10 只股票，其实全押一个因子。
比如表面上是：英伟达、台积电、中际旭创、光模块、服务器、算力租赁。
本质上可能全是：AI 资本开支因子。
AI 可以帮你把组合拆成：
行业暴露
国家暴露
汇率暴露
利率暴露
高估值暴露
小盘暴露
AI/消费/地产/周期/红利因子暴露
流动性暴露
同一客户/同一供应链暴露
这能防止“看似分散，实则同归”。
**5. 跟踪层：让 AI 做季度体检**
每个季度让 AI 对照你的买入假设：
当初买入理由是什么？
新财报是否支持这个理由？
哪些指标变好了？
哪些指标变坏了？
哪些变化只是短期波动？
哪些变化可能证明逻辑被证伪？
投资真正难的不是买入，而是持有期间不断更新判断。
**四、非常实用的 Prompt 模板**
**财报体检：**
> 请基于这家公司最近 5 年年报，按利润表、资产负债表、现金流量表拆解。重点看收入、毛利率、费用率、净利率、经营现金流、资本开支、应收账款、存货、有息负债、商誉。请指出三张表之间互相验证或互相矛盾的地方，并区分“经营改善”“周期影响”“会计影响”“风险信号”。
**估值情景：**
> 不要直接给目标价。请构建悲观、基准、乐观三种情景，分别假设收入增速、利润率、自由现金流、估值倍数和分红/回购。说明当前市值隐含了哪种预期，以及哪些关键变量最敏感。
**反方审查：**
> 我准备买入这家公司，核心理由是：…… 请你站在空头、审计师、竞争对手、监管者和长期价值投资者五个角度，分别指出这个投资逻辑最可能错在哪里。
**持仓跟踪：**
> 这是我当初的买入理由和退出条件。请根据最新财报和公告判断：买入逻辑是否增强、削弱还是被证伪？哪些指标需要继续观察？
**五、AI 时代投资最重要的原则**
AI 可以帮你读得更快，但不能替你承担亏损。
AI 可以扩大信息面，但不能自动生成判断力。
AI 可以给你一堆理由，但市场最终考验的是：估值、仓位、组合、跟踪和退出。
所以最成熟的用法不是：
“AI，告诉我买什么。”
而是：
“AI，帮我把这家公司、这个价格、这个市场环境、我的仓位和我的心理承受力，放在同一个系统里检查一遍。”
**AI 不是水晶球，而是一个“认知外骨骼”。**
它不能替你消灭不确定性，但可以帮你更快地读财报、拆商业模式、比较公司、发现异常、做情景推演、复盘自己的错误。
真正的变化是：过去投资拼“谁能拿到更多信息”，现在更拼“谁能提出更好的问题，谁能构建更稳定的判断系统”。
**一、AI 应该放在投资体系的哪个位置**
可以把大模型变成 6 个角色：
1. **资料员**：帮你整理年报、公告、电话会、行业报告、宏观数据。
2. **会计师**：帮你拆利润表、资产负债表、现金流量表之间的联动。
3. **产业研究员**：帮你分析商业模式、竞争格局、产业链位置。
4. **估值助理**：帮你做 PE/PB/DCF/分部估值/敏感性分析。
5. **风控官**：帮你寻找反证、财务异常、债务风险、库存风险、商誉风险。
6. **心理教练**：帮你记录买入理由、退出条件、复盘情绪和错误。
但最后拍板的人必须是你。FINRA 和 SEC 也提醒过，AI 生成的信息可能导致投资者做出误导性、情绪化或冲动的投资决策，所以不能把聊天机器人当成自动荐股机器。参考：[FINRA AI and Investment Fraud](https://www.finra.org/investors/insights/artificial-intelligence-and-investment-fraud)。
**二、AI 投资系统的主流程**
```mermaid
flowchart TD
A["原始数据"] --> B["AI 读取与整理"]
B --> C["公司层分析"]
B --> D["股票层分析"]
B --> E["宏观/行业因子分析"]
C --> F["估值情景"]
D --> F
E --> F
F --> G["组合与仓位"]
G --> H["跟踪与预警"]
H --> I["复盘与更新"]
I --> C
```
原始数据要尽量用官方来源。
美股看 [SEC EDGAR APIs](https://www.sec.gov/edgar/sec-api-documentation)；A 股看 [巨潮资讯网](https://www.cninfo.com.cn/) 和交易所披露；港股看 [HKEXnews](https://www.hkexnews.hk/)。SEC 也提供开发者资源和结构化 XBRL 数据，适合做自动化财报抓取：[SEC Developer Resources](https://www.sec.gov/about/developer-resources)。
**三、按我们前面那套框架，AI 可以这样用**
**1. 公司层：判断这是什么生意**
让 AI 先回答：
这家公司到底靠什么赚钱？
是品牌、技术、渠道、资源、牌照、规模、网络效应，还是融资和周期？
然后让它按公司类型拆财报：
消费品看毛利率、销售费用率、渠道库存、现金流。
制造业看存货、应收、资本开支、产能利用率、折旧。
软件看续费率、递延收入、自由现金流。
平台看用户、交易额、变现率、补贴和监管。
周期股看价格周期、库存周期、成本曲线和资本开支。
金融看杠杆、资产质量、拨备、资本充足率。
核心不是让 AI 总结“公司很好”，而是让它判断：
**三张表是否互相验证。**
利润增长，现金流有没有跟上？
收入增长，应收账款是不是暴涨？
毛利率上升，是产品力增强，还是会计口径/周期价格？
存货增长，是备货，还是卖不动？
负债增长，是经营性负债，还是有息债务续命？
**2. 股票层：判断市场怎么定价它**
让 AI 拆五个变量：
估值：现在市场给了多少预期？
流动性：大资金能不能进出？
筹码结构：谁持有，谁可能卖？
预期差：市场低估或高估了什么？
波动率：这只股票的路径风险有多大？
这里 AI 很适合做“市场隐含预期”分析。
比如你可以问：
> 以当前 PE、利润增速、ROE、分红率和历史估值区间看，市场大概在假设这家公司未来 3-5 年会发生什么？这些假设是否苛刻？
这比单纯问“这只股票能不能买”高级得多。
**3. 估值层：让 AI 做情景树，而不是给目标价**
不要让 AI 直接说“目标价多少”。
要让它做三种情景：
悲观情景：增长放缓、毛利下降、估值压缩。
基准情景：收入、利润、现金流正常延续。
乐观情景：新业务成功、利润率提升、估值扩张。
然后看：
现在价格对应哪一种情景？
如果只兑现基准情景，还有没有回报？
如果悲观情景发生，亏损多大？
如果乐观情景发生，上行空间是否足够？
这才是“赔率思维”。
**4. 组合层：让 AI 帮你看相关性和集中风险**
很多人以为自己买了 10 只股票，其实全押一个因子。
比如表面上是：英伟达、台积电、中际旭创、光模块、服务器、算力租赁。
本质上可能全是：AI 资本开支因子。
AI 可以帮你把组合拆成：
行业暴露
国家暴露
汇率暴露
利率暴露
高估值暴露
小盘暴露
AI/消费/地产/周期/红利因子暴露
流动性暴露
同一客户/同一供应链暴露
这能防止“看似分散，实则同归”。
**5. 跟踪层：让 AI 做季度体检**
每个季度让 AI 对照你的买入假设：
当初买入理由是什么？
新财报是否支持这个理由？
哪些指标变好了？
哪些指标变坏了？
哪些变化只是短期波动？
哪些变化可能证明逻辑被证伪？
投资真正难的不是买入，而是持有期间不断更新判断。
**四、非常实用的 Prompt 模板**
**财报体检：**
> 请基于这家公司最近 5 年年报，按利润表、资产负债表、现金流量表拆解。重点看收入、毛利率、费用率、净利率、经营现金流、资本开支、应收账款、存货、有息负债、商誉。请指出三张表之间互相验证或互相矛盾的地方，并区分“经营改善”“周期影响”“会计影响”“风险信号”。
**估值情景：**
> 不要直接给目标价。请构建悲观、基准、乐观三种情景，分别假设收入增速、利润率、自由现金流、估值倍数和分红/回购。说明当前市值隐含了哪种预期，以及哪些关键变量最敏感。
**反方审查：**
> 我准备买入这家公司，核心理由是：…… 请你站在空头、审计师、竞争对手、监管者和长期价值投资者五个角度，分别指出这个投资逻辑最可能错在哪里。
**持仓跟踪：**
> 这是我当初的买入理由和退出条件。请根据最新财报和公告判断：买入逻辑是否增强、削弱还是被证伪？哪些指标需要继续观察？
**五、AI 时代投资最重要的原则**
AI 可以帮你读得更快，但不能替你承担亏损。
AI 可以扩大信息面，但不能自动生成判断力。
AI 可以给你一堆理由，但市场最终考验的是：估值、仓位、组合、跟踪和退出。
所以最成熟的用法不是：
“AI，告诉我买什么。”
而是：
“AI，帮我把这家公司、这个价格、这个市场环境、我的仓位和我的心理承受力，放在同一个系统里检查一遍。”
浙公网安备 33010602011771号