AI 做研究很快，但交易虧錢
現在幾乎每個人都會用 AI 協助投資研究，請 AI 幫忙找資料、分析、預測，甚至我也注意到，社群上有越來越多人，直接照 AI 建議投資。
LLM 很擅長搜集、分類、結構化資訊，你可以得到很多資訊。但很可惜，越多資訊，不代表越能賺錢。
我之前寫過一篇文章為什麼給你更多的資訊，做的決策反而更糟糕，說明資訊量跟決策品質之間沒有正相關，很多時候反而是負相關。越多的資訊，只是讓你對錯誤的判斷越有信心。AI 的出現，讓這個現象的影響更大更廣。
現在，透過 ChatGPT 或 Claude 的幫助，你可以在幾分鐘內拿到過去需要幾天才能整理完的資訊。甚至 AI 可以幫你做好預測，直接給你投資建議。可惜，比單純增加信心更糟的是，AI 做的投資預測很爛。
Alpha Arena 讓八個主流 AI 模型各拿一萬美元去交易美國科技股。結果整體投資組合虧了三分之一，32 組結果裡只有 6 組賺錢。
模型之間的行為差異很大，AI 沒辦法判斷不同變數的重要性，時機掌握差，部位大小不對，交易頻率也太高。同樣的指令，Grok 下了 158 筆交易，Qwen 下了 1,418 筆。Claude 傾向做多，Gemini 願意做空，Qwen 習慣高槓桿。Nof1 的創辦人說：「這些模型有各自的性格，需要像管理人類分析師一樣去管理。」「LLM 本身不能賺錢，需要非常複雜的框架和數據平台才有機會。」
就算不是直接做投資決策，單純預測經濟指標也一樣。舊金山聯邦銀行測試了 ChatGPT 預測通膨的能力，拿它跟 Cleveland Fed 的公開模型比。三個測試期間 ChatGPT 全部輸。通膨飆升期誤差是 Fed 模型的兩倍，通縮期是 12 倍。Joachim Klement 説：「ChatGPT 在經濟領域完全沒用。」
投資優勢從洞見轉移到執行
AI 正在壓縮市場錯誤定價的半衰期。過去需要各種基礎設施、資料和量化研究員才能做的事，現在用現成的模型和 API 就能做。參與的人變多了，但獲利集中到一小群跑半自動策略、快速迭代、持續監控的人手上。其他所有人只是在提供流動性。
優勢從「洞見」轉移到「速度、覆蓋率、執行紀律」。這跟之前寫的 Guy Spier：價值投資的黃金年代，被 AI 終結了 是同一件事：當每個人都能用 AI 快速取得資訊，資訊本身就不再是優勢。但很多人還沒意識到這一點，以為拿到更多資訊就等於做出更好的決策。