AI选股的边界：三件可以交给它的事，三件它一定做不了

「DeepSeek 推荐的这只股票能不能买」，这个问题问得很实在，但没法直接回答，因为它把两件事混在了一起：AI 整理信息的能力，和 AI 判断买卖的能力。前者确实好用，后者在结构上就不成立。把这两件事拆开，问题就变成了一份可以逐项核对的清单。

先把立场说明白。我们自己就在用大模型做资料整理、复盘和内容生产，站内也有讲怎么用 AI 做交易复盘的文章。所以这篇既不会说「AI 都是幻觉别用」，也不会说「AI 选股是未来」。下面这六条是用下来划出的边界，能做的说能做，做不到的说做不到。

六条边界一览

AI 能做的	AI 做不到的
一、把散落的资料整合成结构化清单	四、它没有实时行情，也不知道今天是几号
二、从财报和公告原文里抽取要点、标出背离	五、它不知道你的仓位、成本和风险承受度
三、把模糊判断拆成可核验的判据和证伪清单	六、它无法验证自己给出的东西是否真的有效

左边三条的共同前提是：资料由你提供。右边三条的共同原因是：它是一个语言模型，不是一个数据终端。

能做的第一件：把散落的资料整合成结构化清单

一家公司的信息散在四个季度的财报、一堆公告、若干篇行业新闻里。人工读完这些要几个小时，而其中 90% 的内容是重复的。

大模型在这件事上确实强：给它原文，让它按你指定的字段输出一张表，比如「营收同比、毛利率、经营性现金流、应收账款、大股东持股变动、在建工程」六列，四个季度四行。它做的是抽取和排版，不是判断，所以出错率低，而且错了你一眼能看出来。

关键在于「给它原文」。 不给原文直接问「帮我整理某公司近四季度财报」，它会凭训练数据里的模糊记忆生成一张看起来完整的表，数字大概率是错的，而且格式一样规整。

能做的第二件：从原文里抽取要点，并标出口径背离

这是第一件的进阶用法，也是最有价值的一个用法。

财报里最有信息量的往往不是某个单独的数字，而是几个数字之间的矛盾。比如净利润同比增长而经营性现金流为负、营收增长而应收账款增长得更快、毛利率提升而存货周转天数拉长。这类背离人工看容易漏，因为它们分布在报表的不同位置。

让 AI 做这件事的正确提问方式是只让它找矛盾，不让它下结论：「以下是某公司近四个季度的报表数据，请列出任意两项之间在方向上不一致的组合，并标明数据出处，不要给出投资建议」。

输出应该是一份「A 项上升而 B 项下降」的列表，每条带出处。它标出来的每一条你都要自己回原文核一遍，核完之后你才知道哪些是真背离，哪些是会计口径变更造成的。

能做的第三件：把模糊判断拆成可核验的判据

这是最被低估的一个用法。

「我觉得这只票不错」是一句没法验证的话。把它丢给 AI，让它反过来问你：不错指的是估值便宜、增长快、还是行业景气度在上行？每一条你的依据是什么？依据的数据来源是哪里？

同样有用的是让它做反方：「请列出做空这家公司的五条理由，以及每条理由需要什么数据来证实或证伪」。这个用法之所以有效，是因为人对自己的持仓天然只收集正面证据，而 AI 没有这个包袱。

具体的提示词怎么写，怎么用AI分析一只股票那篇给了几条可以直接复制的模板。

做不到的第一件：它没有实时行情

这是最需要记住的一条。大模型的训练数据有一个截止日期，截止日期之后的事它不知道；不联网的模型也不能查行情。

问题在于它不会承认自己不知道。你问某只股票今天收盘价多少，它给你一个数，语气和给你一个正确答案时完全一样。

当场验证动作：随便挑一只股票，问它「今天收盘价多少、当前市值多少」。如果它直接给数字而不说明数据来源和时间，那么这个模型在这次对话里给你的所有价格类信息都不能用。

联网模型也要留意。 能联网的模型会去搜，但搜到的可能是几天前的快照、财经媒体的转述、或者干脆是某个论坛帖子。联网解决的是「有没有来源」，不解决「来源准不准」。所以联网模型给出的每一个数字，都要看它有没有附链接，并且点开核对。

做不到的第二件：它不知道你的仓位、成本和风险承受度

一条完整的买入决策至少包含三件事：买什么、买多少、错了在哪里认错。AI 在没有你的数据时，只能回答第一件。

它不知道你账户里已经有多少同板块的持仓，所以给不出仓位建议；它不知道你能接受多大的单笔亏损，所以给不出止损位置；它不知道这笔钱多久之后要用，所以给不出持有周期。

所以「建议买入」这四个字在 AI 的输出里是没有操作含义的。 它等价于「这家公司的公开资料里正面因素多于负面因素」，仅此而已。买多少和止损放哪，仍然是你自己的仓位规则说了算，这部分看单笔该下多少仓位和止损到底该设多少个点。

做不到的第三件：它无法验证自己给出的东西是否有效

这一条最隐蔽。你问 AI「你这套选股逻辑历史上赚钱吗」，它会回答「已回测，具备正期望」。这句话是生成出来的语言，不是执行出来的结果，模型并没有真的跑过任何数据。

站内有一篇完整的实录，一位期货交易员把大模型给的策略逐条写成代码做真实回测，结果三个入场条件几乎不会同时触发，放宽参数后测出的信号是持续亏损的，而模型依然坚称自己测过。过程写在让DeepSeek设计一套策略的回测翻车实录里。

当场验证动作：让它对同一个问题连续回答三次，中间清空上下文。三次结论如果不一致，说明这个结论不是从数据推出来的。这个测试对「推荐股票」这类问题尤其有效。

那么「AI 推荐的股票到底能不能买」

直接回答：不能照着买，但可以让它进候选池。

一条能落到操作上的规则是：

AI 的输出只能进入你的候选池，不能进入你的下单页。

意思是，AI 给你的任何一只票，在下单之前必须完整地过一遍你自己的入场判据（技术位置、仓位规则、止损位置、这笔占总仓多少）。过不了就不买，哪怕它的理由写得再充分。

这条规则的价值不在于防止 AI 出错，在于防止你用 AI 的输出替代自己的决策流程。后者才是真正的风险：一旦开始跳过自己的判据，亏损时你连复盘的抓手都没有，因为那笔交易本来就没有理由。

关于怎么辨认一篇看起来很专业的财经分析是不是 AI 生成的，AI生成的财经分析内容怎么识别里有一套三问框架，和这里的边界是同一件事的两面。

三个可以现在就做的验证

问它一个不存在的股票代码。 编一个六位数字加一个公司名，问它这家公司基本面怎么样。会顺着编下去的模型，在真实标的上同样会编细节。

问它某个具体日期的收盘价。 挑一个你能查到的日期，核对。差得离谱就说明它在这个维度上完全不可用。

同一问题问三遍，中间清空上下文。 看结论稳不稳定。

三个测试加起来不到五分钟，做完之后你对手上这个模型的能力边界会有一个具体的印象，比任何评测都管用。

写在最后

AI 在选股这件事上的位置，跟一个非常勤快、读得极快、但没有行情终端也不知道你账户情况的助手差不多。你给它资料，它整理；你给它判断，它挑刺。这两件事它做得比人快。

但把「买不买」这个决定交出去，交出去的不只是判断，还有为这个判断负责的能力。

3秒免费测一下你的”管不住手指数”：journal.xtradingtime.com（记住 3316，就能找到我们）

本文内容仅供教育和参考用途，不构成任何投资建议。交易有风险，入市须谨慎。