GPT 选股，为什么不准？

01一个反共识：会说话 ≠ 会赚钱

GPT 能把一份财报讲得头头是道：营收增长、毛利改善、护城河深——推荐买入。问题是这些话对也对，但和股价涨跌没关系。

语言模型训练目标是"下一个 token 是什么"，不是"下一个季度收益是多少"。它学会的是叙述的连贯，不是收益的预测。所以它选的股，推荐理由都成立，实际表现却跑输大盘——因为"理由成立"和"已被定价"是两回事，市场早把这些写进价格了。

ai-hedge-fund 这类项目的实测：纯 LLM 选股，1 年回测跑赢标普的概率约 45%，还不如抛硬币。加上量化因子过滤后能到 55%，但贡献来自因子不是 LLM。

02LLM 选股回测对比

下面是 GPT 看财报后给的 8 个推荐，点"运行回测"看一年后实际表现 vs 大盘。

03AI 选股的 4 个幻觉

认清这 4 个幻觉，就知道 LLM 在交易里该用在哪：

• 幻觉一：把语言能力当收益能力。会读财报 ≠ 会预测股价。语言能力是"理解叙述"，收益能力是"预测未来"，两者训练目标完全不同。
• 幻觉二：把叙述当事实。LLM 推荐理由都"听起来对"，但"对"不等于"未被定价"。市场早把这些写进价格了，你按理由买就是接盘。
• 幻觉三：把相关性当因果。LLM 发现"高研发投入的公司涨得好"，但这是相关性不是因果——可能是好公司同时研发多又涨得好，不是研发多导致涨。
• 幻觉四：把过去当未来。LLM 训练数据是历史，它"知道"哪些公司过去涨了，容易把过去的赢家推荐给你，但过去涨不代表未来涨（动量会反转）。

所以 LLM 在交易里的正确用法不是"选股"，是做信号提取和摘要：让它读财报提取"研发投入增速""毛利率变化"等结构化信号，再把信号喂给量化模型。LLM 做理解，量化做预测，各司其职。

04带走这套清单