兩個高校學者研究AI炒股3個月，他們告訴我AI很像巴菲特

讓一個絕頂聰明的 AI 自動幫你自動炒股，然后你躺著賺錢，可能是很多人的夢想。

那么，這個夢想是可行的嗎？AI 的能力邊界到底在哪里？

知危找到了伊利諾伊大學計算機系助理教授尤佳軒（ 知危訪談時間：2025 年 11 月 ）和香港大學數據科學研究所及計算與數據科學學院助理教授黃超（ 知危訪談時間：2026 年 1 月 ）探討了相關問題。

去年年末，AI 大模型實時投資比賽 Alpha Arena 爆火，但兩位專家認為其實驗周期太短，只有短短兩周，同時觀察對象是加密貨幣交易，隨機性較大，并不能展現 AI 的真實投資能力。

所以，他們的選擇了更有可預測性的美股市場，以及更長的實驗周期（ 3 個月 ）。雖然他們認為三個月的實驗周期其實還遠遠不夠，不足以讓模型經歷市場完整的周期性波動，未來的改進空間還很大，但他們還是得出了有趣的觀點。

他們認為，在金融交易市場，大模型更像是厭惡風險、偏好價值投資的 “ 巴菲特 ”，而不是分分鐘換手數百次的量化機器。

接下來，我們從他們的研究結果出發，好好聊聊讓 AI 去炒股這件事。

尤佳軒在 Alpha Arena 發布之前幾個月也就是 2025 年 5 月就啟動了 LiveTradeBench 項目，并在 8 月就對外公布了該基準測試。（ 項目地址：
https://github.com/ulab-uiuc/live-trade-bench）

這個項目意在通過金融市場上的表現來評估 AI 的能力，尤佳軒對知危表示，“ 當前的大模型 Benchmark 是非常靜態的，很容易被過擬合，甚至是被定向優化。坦白說，很多大公司在開發大模型時，或多或少都會針對這些榜單進行優化。”

“ 那什么樣的 Benchmark 更難被定向優化？自然是面向未來的預測任務。如果一個模型能夠很好地預測未來，即使它定向優化了這樣的 Benchmark，本質上也說明它已經具備了對某一領域進行建模的能力。”

“ 對于股市這樣的市場，如果模型能夠做到接近完美的預測，那么在某種意義上，相當于對人類社會進行了高度仿真。在這一點上，我們甚至覺得它有點類似 ‘ 圖靈測試 ’ 的意義。”

黃超坐在的團隊則是做了 AI-Trader Benchmark（ 該項目有 18K 的 Stars，地址：
https://github.com/HKUDS/AI-Trader），希望了解 AI Agent 在金融場景的實際能力水平，“ 我們在做AI Agent 的過程中，已經測試了很多不同場景。一個核心問題是：有沒有一個場景，能夠更真實地評估 Agent 的能力，而不是停留在相對理想化的設定里。”

黃超進一步表示：“ 基于這個思路，我們提出了幾個篩選標準：第一，這個場景必須是實時動態的，最好每天都在變化。因為當時很多 AI 模型和 Agent 的評測環境，本質上是靜態的，這會限制對其真實能力的判斷，也不太符合現實世界的復雜性。第二，這個場景要足夠復雜且具有不確定性。也就是說，它的變化不能是簡單、規律性的，比如像車流量或人流量那樣有明顯周期性，而是受到多種因素影響，具有較強隨機性。第三，這個場景需要可以被量化評估。有些現實現象雖然也是動態且復雜的，比如人的情緒，但很難用客觀指標衡量好壞，不利于做系統性的評估。”

“ 基于這些標準，我們最終鎖定了金融場景，尤其是股票市場，這個領域天然滿足這些條件。”

尤佳軒也表示：“ 如果大模型能夠在市場中獲得所謂的 Alpha，也就是通過交易獲利并跑贏大盤，這本身就是大模型、智能體落地的一個很好的方向。”

在市場選擇上，無論是尤佳軒還是黃超團隊的團隊，都選擇了美股。

尤佳軒向知危表示：“ 美股有幾個顯著優勢：第一，它接受度很廣，很多人本身就有股票交易經驗。第二，它是一個嚴格監管的市場。我們可以大致假設交易者只能利用公開信息。當然，內部信息泄露可能存在，但理論上這是違法的，成規模操作的可能性很低”

“ 存在顯性或現成的 market baseline也是股票市場的一個重要優勢，market baseline 指的是美股的大盤 ETF，比如標普 500 或納斯達克指數。”

黃超則表示，“ 最開始我們是從美股入手，因為我們希望選擇一個相對理性、受基本面驅動更強的市場。對于 AI Agent 來說，它更擅長的是對大量信息進行整理、分析和歸納，比如新聞、財報、市場觀點等，然后基于這些信息做決策。因此，一個對基本面依賴更高的市場，更適合作為初始實驗環境。同時，美股的情緒波動相對沒有那么極端，整體來看情緒驅動的影響會小一些。另外，它的時間敏感性也不像加密貨幣那么強，不是那種秒級、分鐘級劇烈波動的市場。這一點很關鍵，因為當前 Agent 并不擅長高頻交易這類對時效性要求極高的任務。”

通過將近三個月的實盤觀察，尤佳軒的研究團隊積累了不少深刻的洞見，“ 從結論上看，有一點比較遺憾，這些大模型并沒有能夠長期超越大盤。”

“ 在短時間內，比如一周、一個月甚至兩個月，GPT、Claude、Grok 在一定時間內確實領先大盤，但當測試時間延長，尤其金融市場開始動蕩后，它們逐漸落后，沒能持續打敗市場。”

“ 初步結論是，在較長時間周期內讓大模型交易持續超越市場仍然非常困難。”

這里知危編輯部要插一句，此處的跑不贏大盤，跟當時市場狀態有關，并不完全代表 AI 能力不行，大模型在研究周期內跑不贏大盤的原因在下文有客觀答案。

“ 第二個觀察是，模型能力與夏普比率（ 可以簡單理解為每承擔一份風險對應多少收益，用來衡量投資是否有性價比 ）有一定相關性，但相關性并不高。能力越強的模型，一般收益率相對較高，但數據噪聲也很大，當然這也符合我們的預期。”

“ 我們給模型提供了充分的工具調用，比如市場新聞、社交媒體輿情、股票基本面數據等。相比只考慮時間序列數據，如果考慮更多系統化數據，能力更強的模型能夠更好地利用這些信息進行預測。”

“ 我們還做了一個很重要的對照實驗。具體來說，我們把模型能獲取的最新市場數據（ 比如最新新聞 ）屏蔽掉，然后對比有新聞和沒有新聞情況下，長期交易結果的差異。結果發現，對于大多數模型來說，屏蔽這些數據會導致交易效果下降，說明最新市場信息對模型表現有顯著影響。”

“ 總結來說，我們通過對 20 個大模型、約三個月的實測數據分析，基本上論證了幾個結論：模型確實可以利用最新新聞進行更好的交易，這有一定證據基礎。顯然，人類交易員也需要參考新聞來做決策，而不是只看股票走勢。在短期內跑贏大盤相對容易，但在長期（ 比如三個月左右 ）持續跑贏大盤仍然非常困難。在可以使用工具調用的情況下，模型能力越強，交易水平一般也越高。”

黃超的研究團隊在數據層面也是擴展了交易相關的數據源，讓 Agent 能看到更豐富的信息，從而支持更全面的決策，“ 我們也在分析，AI 在什么樣的交易場景下更有優勢？一個比較明確的結論是，在偏基本面驅動的投資場景中，AI 的表現更強。比如一些藍籌股，通常被認為基本面比較好：當下表現穩定，未來預期也不錯，這就屬于典型的基本面分析邏輯。”

“ 一個比較有意思的發現是：表現較好的模型，整體策略并不激進，而是偏穩健，持倉相對分散，交易頻率不高，更注重風險控制，這一點其實和很多優秀人類交易員的風格是相似的，并不是通過高頻或高風險策略取勝。”

“ 比如在早期實驗中表現比較好的 DeepSeek，從其整體 profile 來看，也是一個偏穩健、控制風險的策略。因此，從結果上看，在美股這樣的市場環境中，AI 如果想要長期表現突出，更關鍵的能力可能是抗風險能力，而不是集中押注在某一個狹窄方向上。當然，短時間內很難判斷哪個模型更好。”

一方面是保守策略有助于收益表現，另一方面，尤佳軒也觀察到，大部分模型的整體交易風格其實都是偏保守的，“我們設置了大模型在管理資產組合時，可以自由選擇現金和股票的比例。在重大事件前，尤其是財報日，大部分模型會選擇持有更多現金，體現出偏保守的交易風格。還有例如 25 年 10 月份的美聯儲降息，當時降息的幅度其實是不及預期的，人們當時認為能降 50 基點，但實際上只降 25 個基點。在那一天，很多大模型都會選擇把倉位空出來，甚至在美聯儲宣布降息前一天，它們就開始降低倉位了。”

“這也部分解釋了為什么在實驗期間大多數模型在長期收益上沒有打贏大盤，在美股當時的牛市中，持有現金意味著錯失部分收益。但這種保守風格也可能會成為優勢，比如在未來出現較大下跌或長期回撤時，模型有可能反超大盤表現。”

“ 從原因上看，這與大模型的訓練以及提示詞設置（ 或人設 ）有關。大模型默認被定位為理性、負責任的人類助手，在 post-training 和 alignment 過程中被塑造成中立、保守、負責任的角色，而不是激進風險承擔者。例如，它不會執行危險或違法的請求，這種保守性也自然延伸到交易決策中。”

黃超表示，“ 到 2026年 1 月，我們的平臺已經持續運行三個多月。一個比較有意思的現象是：在美股市場，大多數 AI 都是盈利的，整體表現相對穩定，只有 GPT-5 的表現相對較差。但在 A 股市場，情況明顯不同。整體來看，AI 基本沒有獲得明顯收益，策略表現也更隨機一些。”

“ 進一步看，不同模型在美股市場也會體現出不同的風險管理風格。比較激進的風格，典型表現是 ‘ 大開大合 ’ 的操作。比如一個極端案例，當模型接收到某些信息后，突然判斷風險上升，就把持倉全部賣掉，等到行情轉好，又迅速全部買回。這種全進全出的操作，會帶來很大的波動和風險。另外一個特點是頻繁的短線操作，模型會基于當下判斷不斷進行買賣，試圖捕捉短期波動。但這種高頻的短線交易，往往會對整體表現產生負面影響。”

知危觀察到 AI-Trader 的一個比較有意思的現象是，在美股市場中，每一個模型的收益曲線之間雖然有高低之分，但整體形狀都差不多，對此黃超解釋道，“ 這些模型的持倉，大部分都是很多科技行業的巨頭公司，比如 Nvidia、Google、Microsoft、Tesla 這些，配置比例比較高，不同點在于各自的持倉結構、買賣交易的頻次，以及每次交易的金額，導致最終收益出現差異。整體來看，AI 們都比較看好科技板塊。”

“大模型從語言信息中獲取的，更多是關于市場結構和市場情緒的信息。比如產業鏈構成、公司所處行業位置，以及市場當下的情緒。這些信息可以幫助它分析當前表現和未來走勢，本質上還是偏向基本面分析。”

“從目前來看，AI 的投資表現在一定程度上是體現出價值投資這一面的。如果從 high level 來看，比如長期投資、價值投資這類理念，AI 是比較適合的，也更擅長這一方向，而不是短期的趨勢交易。因為 AI 更偏向于做 deep research，會進行比較全面的信息收集和分析，再去判斷哪些標的值得投資，哪些在短期內可能存在風險。在這個基礎上做決策，更符合長期投資的邏輯。相比之下，短期交易更依賴高頻、低延遲和快速反應，這一塊目前 AI 并不占優勢。”

尤佳軒也基本得出了相同的判斷，也早有假設，“ 在啟動這個項目時，我們內部就有類似的比喻：大模型未來會更像巴菲特式的決策者，而并不是用來直接與現有量化公司高頻對決的工具。”

“ 本質上，大模型不適合高頻交易，而適合中低頻交易。它之所以能在交易中表現得不錯，背后原因在于它已經通過訓練吸收了公開信息中幾乎所有的人類知識 Token。因此，大模型對人類社會的運行方式有一定理解和認識，但這些規律本身在短期內波動很大，噪聲非常多。所以讓大模型去做短期判斷或應對突發事件，實際上是非常困難的。”

“ 雖然短期內市場會受情緒、泡沫等因素影響（ 比如 2000 年的互聯網泡沫，或者現在有人說的 AI 是泡沫 ），這些會導致短期判斷偏離規律，但人類社會的長期演化規律并不會因個體意志而改變。”

市場經常呈現短期的情緒周期，但產業發展是長周期的，即便是AI產業，“ 市場相對短視，人們關注的是賬戶的短期變化，容易受情緒影響。市場走勢也容易被高估一些短期事件所影響。”

“ 產業發展周期則是長期過程，長期趨勢能濾掉一些短期情緒。所以大模型在分析產業發展方面也能給出不錯的洞見。當然做長期投資分析時，榜單和策略驗證周期將會遠遠更長。”

“ 舉例來說，像巴菲特，他買賣一個股票通常需要很長周期，可能十年甚至更久。前段時間他賣了很多蘋果股票，但當時買入價格可能只有現在的十分之一，持有多年后才開始在近期拋售。”

“ 他最近還買了大約 50 億美元的谷歌股票，這是在他以前幾乎不買科技股的情況下的重大動作。谷歌股價翻番后，他仍然買入。短期可能看起來是高位接盤，但長期來看可能是非常正確的選擇，谷歌可能代表未來 AI 和 AGI 落地的重要方向。”

“從這個角度看，大模型對產業發展也可能有很好的認識，但驗證這一點可能需要五年甚至十年的窗口期。”

“ 所以現在還屬于非常早期階段，大模型未來是不是能像巴菲特一樣還是個假設，但我自己是相信的。”

真如前文所以說，AI 炒股沒有強到大家想象中的那樣能讓你 “ 讓著賺錢 ”，那么它的局限性都在哪里呢？

首先，AI 對數字非常敏感，對于不同本金，它天然會給出不同的策略。尤佳軒就對知危表示：“ 當你告訴它有 1 塊錢、100 塊錢、1 萬塊錢或 1 億塊錢時，它的決策會明顯不同，會受到絕對數值的影響 ”

不過，這個是可以解決的，尤佳軒的團隊就對所有指標都做了歸一化處理，具體來說，把股票交易行為轉化為對多只股票的比例分配過程。比如有 20 支股票，每支股票的權重最小為 0，最大為 1，所有股票的權重加總為 1，即歸一化到 1。這樣模型關注的是持倉比例，而不是具體的交易金額。

第二個弊端就是前文提到過的“ AI 大模型并不太適合去做類似量化的高頻交易 ”。大模型相對擅長做基于語言信息的產業分析和價值投資，但金融市場的很大一部分信息都由時序數據構成，比如股價等，這其實是大模型天然不擅長的領域。

黃超表示，“ AI Agent 完成一次行業分析、生成報告，往往需要十幾分鐘，這個時間尺度下市場已經發生很大變化，所以它生成的報告很難用于高頻交易，它更多還是基于信息分析，再做決策，而這個決策周期更適合美股。”

尤佳軒表示：“在金融機構的實際應用中，它們雖然也開始用大模型，但實際交易策略基本上并不是基于大模型的。因為大模型真正能寫出策略或直接交易是在近一兩年才開始興起的。”

“ 舉例來說，當公司發布財報時，有些機構會實時用大模型去分析財報信息，進行推理，比如 CEO 公布數據的瞬間，模型就分析這些數字可能對未來股票走勢的影響。這涉及對財報內容的理解。此外，一些企業會公布經營預測，比如產品銷量或市場前景分析，用大模型判斷這些信息對股票未來走勢的影響，也是一種很有價值的應用。”

“但總體來說，在真正的交易策略中，使用大模型的公司仍然是少數。大多數機構依然依賴自己內部成熟的系統，大模型主要用來提供額外特征，輔助決策，這是目前的典型使用方式。”

“ 他們通常會使用更傳統的機器學習模型來做分析。目前的量化交易體系，本質上是建立在統計學方法和傳統機器學習模型之上的。這些模型有一個非常大的優勢，計算效率極高，可以做到毫秒級甚至更低延遲的交易執行。”

“ 相比之下，大模型的推理速度通常是秒級甚至分鐘級，對于高頻交易來說幾乎不可行。”

除了效率問題，成本問題也是大模型不太適用于量化的原因，尤佳軒表示：“ 如果在真實交易中持續調用大模型做推理，成本會非常高。因此從成本的角度看，在實際應用中，大模型也還是更適合作為輔助工具。”

還有一個有趣的局限性是，AI 大模型有時候并不能很好的搞懂股市中的 “ 結構關系 ”。比如一只股票下跌，另外幾只也跟著下跌，這些公司之間往往有上下游關系或是其他供應鏈關系。

尤佳軒告訴我們，在現實中，如果讓大模型把所有這些關系信息都輸入，即便是長上下文的大模型，也無法較好地處理，計算成本高且效率低，同時模型性能會大幅下降。

不過，他們正在通過 “ 圖學習 ” 的方式優化這一點，他表示 “ 圖學習的優勢在于它在結構化數據中進行信息傳播。具體來說，我們可以先對每只股票單獨做分析和推理，然后在圖上把這些股票之間建立更高層的數據交互。也就是說，在大模型分析每只股票的基礎上，再用圖神經網絡對這些分析結果進行更廣層面的傳播。這種傳播過程成本低，不需要消耗大量 token，就能把各股票之間的關系有效整合。這是我們未來的愿景：從點到面，把單個股票的分析結果通過圖結構串聯起來，把相關指標和標的連接在一起，實現更全面的判斷。 ”

最后，也是最值得注意的一點是，現在的 AI 大模型炒股相關研究中，AI 都并沒有經歷過大牛熊的考驗，所以它會有很多潛在的未被發現的局限性。

尤佳軒就表示：“ 我們實驗雖然有三個月，但依然相對短暫。我認為，只有經歷完整的市場周期，包括恐慌期、樂觀期和正常期，模型的長期表現才具有真正的參考價值。這個過程往往需要持續一年甚至更久。”

而在金融場景下，這種未知的局限性，可能往往是最致命的。

希望本文能讓您對 AI 炒股的能力邊界有更好的了解，但這并不是知危鼓勵您去嘗試。

實際上，相關研究的目的并不是真的為了交易賺錢，而是想通過金融市場交易，來評價模型本身。

就像尤佳軒對知危所說：“ 做大模型交易的本質，是建模和理解人類社會的運行。”

這也是他們將項目開源的原因，“人類社會不是一個人就能理解的。單靠一個實驗組或公司，是無法全面建模的，需要整個社區廣泛參與、貢獻，并將成果回饋社會，才能真正建立完整的理解。”

“ 如果只是一個團隊獨自開發算法、保密所有信息，最后賺錢也是零和博弈，本質是收割散戶的錢。”他說道。