我用 AI 測了 11 種模型預測股市波動——結果最笨的方法贏了

[提出: Claude, 執行: Claude, 研究基礎: Phase P QLIKE ceiling + R10 GINN + Q22 CCS]

如果你以為 AI 能預測股市，我有個令人失望但省錢的消息。

我們花了超過一年、跑了上百次實驗、測試了 11 種模型來預測股市的波動程度。統計模型、深度學習、物理學啟發的神經網路，能用的方法全都用了。

最後的結論？ 一個只有 4 個參數的老派公式，打敗了所有複雜的 AI 模型。 

500 個參數的深度學習？輸了。結合統計和 AI 的混合模型？也輸了。用物理學概念設計的新型神經網路？看起來贏了，但其實是假象。

這不是我們想要的結果。但數據不會說謊。

11 種模型的墓園

先讓我帶你看看這場「模型大屠殺」的全貌。

我們測試的 11 種方法，可以分成三組：

 第一組：統計模型加強版（5 種） 

想像你家裡有一台電風扇已經很好用了。我們試著加裝遙控器、定時器、溫度感應器、AI 調速功能……結果呢？風量沒有變大，電費倒是多了。

這 5 種加強版統計模型，有的加入經濟數據、有的用不同的數學框架、有的考慮市場狀態切換，在實際預測時全部失敗。 在研究用的歷史數據裡看起來很厲害，但用來預測未來時全部不行。 

這就像一個學生把考古題背得滾瓜爛熟，考試卻全考新題目。

 第二組：深度學習（3 次嘗試） 

這是最讓人失望的部分。

第一次嘗試：直接用 LSTM（一種 AI 模型）來預測。結果： 完全沒有改善。  不是「改善一點點」，是零改善。

為什麼？因為我們研究了股價變動的規律後發現： 每天的股價波動，在統計上是完全隨機的。  就像擲骰子，你知道骰子可能會出 1 到 6，你知道每個數字出現的機率，但你完全無法預測下一次會擲出什麼。

AI 擅長找規律。但如果根本沒有規律可找呢？給 AI 一堆隨機數字，它只會學到不存在的「幻覺規律」。

第二次嘗試：不死心，把統計模型和 AI 結合。想法是：也許 AI 不能自己預測，但可以幫統計模型「微調」？結果：AI 的調整幅度完全不穩定，時好時壞，反而增加了風險。

第三次嘗試：用物理學的方法來約束 AI，讓它不能亂學。 這次看起來成功了——AI 模型的預測準確度提高了 1.15%！ 

但別高興太早。

 第三組：「假冠軍」的真相 

那個 1.15% 的改善是怎麼回事？

我們仔細檢查後發現：這是一個 測量錯誤 。就像你用兩把不同的尺去量同一張桌子，量出來當然不一樣，但不是因為桌子變了，而是因為尺不同。

這個 AI 模型在預測時偷偷用了不同的「尺」（用模擬數據代替真實數據來評分），所以看起來更好。一旦用同一把尺重新量， 改善完全消失。 

這就是 AI 預測最危險的地方： 它可以用各種方式讓自己「看起來」很厲害，但實際上什麼都沒做到。  如果你不仔細檢查，你會帶著錯誤的信心去投資，這比不用模型還危險。

為什麼 AI 贏不了？

這是最有價值的發現，也是最違反直覺的。

 用天氣預報來比喻： 

一週後的天氣預報，不會比你看窗外的雲判斷準多少。氣象學家有超級電腦、有衛星數據、有幾十年的天氣模型，但一週後的天氣，本質上就是不可預測的。不是因為技術不夠，而是因為天氣系統本身就是混沌的。

股市波動也一樣。每天的波動受到太多隨機因素影響：突發新聞、大戶的交易決策、演算法交易的連鎖反應…… 這些因素在統計上是真正隨機的，不是「還沒找到規律」的那種隨機。 

所以不管你用多複雜的模型、多強大的 AI，都不可能從隨機數據中萃取出規律。

 用鑰匙來比喻： 

11 種模型就像 11 把不同的鑰匙，有的是黃銅做的，有的是鈦合金的，有的還鑲了鑽石。但門已經開了。你不需要更多鑰匙。

那個「開門」的鑰匙，就是最簡單的 4 參數模型。它已經把所有能預測的波動都抓住了。複雜模型只是在學習雜訊，就像一個學生不但背了課本，還把課本上的咖啡漬也背下來了。

數字不說謊：複雜度的天花板

我們做了一個全面的統計：在所有測試過的 31 種方法中， 52% 提供零價值或負價值。 

讓那個數字沉澱一下： 超過一半的複雜方法，不但沒有幫助，反而讓預測更差。 

這就像你去餐廳點菜，菜單上有 31 道菜，但有 16 道比白飯還難吃。你會怎麼做？ 直接點白飯。  白飯（簡單模型）不是最美味的，但它穩定、可靠、不會出錯。

最後勝出的系統只有三個部分：

1.  一個 4 參數的統計公式 （預測明天的波動程度）
2.  一個風險評估方法 （用歷史數據模擬可能的虧損）
3.  一個資金配置規則 （12 除以恐慌指數 = 投資比例）

整個系統加起來，比你手機的計算機還簡單。但它打敗了我們所有的 AI 嘗試。

對你來說意味著什麼？

如果你是一般投資人，這個發現其實是個好消息。

 壞消息是：  AI 不能幫你預測股市。如果有人賣給你「AI 選股系統」或「深度學習交易策略」，你現在知道了，大概率是在賣夢想。

 好消息是：  你不需要 AI 來投資。最好的方法已經存在了幾十年，而且簡單到你用心算就能執行。

更好的消息：你原本打算花在研究 AI 交易模型上的時間和金錢，現在可以省下來了。

真正該花時間的事

與其追逐最新的 AI 投資工具，不如把時間花在真正有用的事情上：

1.  資產配置 ：股票和黃金怎麼分配？這比用什麼模型重要一百倍
2.  控制成本 ：交易手續費和管理費每年吃掉你多少報酬？
3.  耐心持有 ：不要每天看盤、不要追高殺低。最好的策略，是能讓你睡好覺的策略
4.  持續儲蓄 ：穩定投入比精準預測重要得多

一句話總結

 我們用 AI 測了 11 種模型、跑了上百次實驗，最後發現：一個用計算機就能算的 4 參數公式，打敗了所有 500 參數的深度學習模型。投資不需要 AI——把找模型的時間，拿去研究你的資產配置。 

有時候，最聰明的做法，就是承認簡單已經夠好了。